点云作为无人驾驶感知和高精度地图重要的数据来源和数据情势,其数据处理算法遭到愈来愈多的存眷。点云处理步调普通包含点云去噪、点云滤波、点云拼接、特点提取、目标检测与辨认,高质量、完全的点云数据是前期激光雷达点云辨认、目标检测的基本。

在门路数据收集阶段,由于激光雷达的活动使得点云数据是在不合视点下分段获得的,是以,将不合视点下收集的点云拼接起来无疑是临盆高精度地图的重要一环。

经典的点云拼接算法有迭代比来点算法(ICP)及其改进算法,ICP算法作为一个性能优胜的精确点云拼接算法,以后应用最为广泛。但ICP向全局最优的收敛性在很大年夜程度上依附于待拼接数据的初始拼接地位,而在无人车情况中,由于GNSS旌旗灯号的不稳定,将带来更差的初值,同时门路中的车辆 、行人等静态目标也将带来较大年夜搅扰。所以如安在完成点云配准精度的同时包管算法的便捷和稳定性,是行业内的重要课题。

深度进修在二维图象上的应用愈来愈广泛,包含二维图象的瓜分、分类、物体检测等偏向,基于深度进修的处理筹划都取得了令人赞赏的成果,点云处理研究人员和从业者也开端摸索若何将深度进修有效直接地应用三维点云数据。

随着无人车、机械人等范畴的鼓起,将深度进修应用于点云处理也取得了很多极具启发意义的成果,这些成果大年夜部分都集中在点云的辨认、检测等范畴,在点云配准、三维重建等范畴仍鲜少触及,虽有个别任务取得了必定停顿,但整体来讲深度进修还没有在相干范畴取得决定性的冲破。

近日,百度Apollo的工程师提出了一种基于深度进修的端到真个点云拼接搜集DeepVCP,不合于传统办法中仅应用几何特点,DeepVCP在拼接过程当中引入了语义特点主动挑选关键点。另外,不合于传统办法中查找几何特点最类似的点作为同名点,DeepVCP仅评价几何特点之间的类似度,并根据类似度生成婚配概率,再根据婚配概率生成同名点,最后算法仅依附大批的稳定关键点停止婚配,不只达到了和ICP家族应用全帧点云婚配相等的精度,还晋升了婚配的稳定性。

11月26日,智器械地下课将结合百度Apollo推出高精度地图地下课百度Apollo专场,由百度资深研发工程师卢维欣主讲,主题为《应用深度进修完成高精地图的点云配准》。