点云动态目标分割方法、电子设备以及存储介质

本申请涉及动态目标分割，特别是涉及一种点云动态目标分割方法、电子设备以及存储介质。

背景技术：

1、点云动态目标分割是利用激光雷达扫描得到周围环境的点云数据，并对其中的动态目标对应的点云进行分割，是计算机视觉领域的重要任务之一。点云动态目标分割有利于帮助自动驾驶汽车的控制系统分析其周围物体的运动状态，并在必要时候做出及时控制以保障自动驾驶过程的安全。

2、然而，现有的点云动态目标分割方法提取点云的特征信息不够丰富，导致点云动态目标分割的准确度不高。

技术实现思路

1、基于此，本申请的目的在于，提供一种点云动态目标分割方法、电子设备以及存储介质，其可提高点云动态目标分割的准确度。

2、根据本申请实施例的第一方面，提供一种点云动态目标分割方法，包括如下步骤：

3、获取当前帧点云的距离图像以及当前帧点云与历史帧点云之间的残差图像；

4、将距离图像输入至第一多尺度深度条形卷积网络进行特征提取，获得语义特征图；将残差图像输入至第二多尺度深度条形卷积网络进行特征提取，获得运动特征图；

5、将语义特征图与运动特征图输入至第一融合层进行特征融合，获得第一融合特征图；

6、将第一融合特征图以及运动特征图输入至编解码网络进行特征提取，获得动态分割特征图；

7、将运动特征图与动态分割特征图输入至运动引导注意力特征聚合网络进行特征聚合，获得当前帧点云的动态分割结果。

8、根据本申请实施例的第二方面，提供一种用于自动驾驶的激光雷达点云动态目标分割方法，包括如下步骤：

9、获取自动驾驶车辆上激光雷达对周围环境扫描的若干帧点云；

10、采用上述的点云动态目标分割方法，对每一帧点云进行点云动态目标分割，获得相应的动态分割结果。

11、根据本申请实施例的第三方面，提供一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行如第一方面方法或第二方面方法的步骤。

12、根据本申请实施例的第四方面，提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如第一方面方法或第二方面方法的步骤。

13、本申请实施例通过获取当前帧点云的距离图像以及当前帧点云与历史帧点云之间的残差图像；将距离图像输入至第一多尺度深度条形卷积网络进行特征提取，获得语义特征图；将残差图像输入至第二多尺度深度条形卷积网络进行特征提取，获得运动特征图；将语义特征图与运动特征图输入至第一融合层进行特征融合，获得第一融合特征图；将第一融合特征图以及运动特征图输入至编解码网络进行特征提取，获得动态分割特征图；将运动特征图与动态分割特征图输入至运动引导注意力特征聚合网络进行特征聚合，获得当前帧点云的动态分割结果。本申请通过第一多尺度深度条形卷积网络以及第二多尺度深度条形卷积网络，提取距离图像以及残差图像中更丰富的上下文信息；通过运动引导注意力特征聚合网络，以空间注意力的方式在动态分割特征图中重新融合运动特征图的运动特征来进一步注意到一些运动细节，从而提高了点云动态目标分割的准确度。

14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

15、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种点云动态目标分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的点云动态目标分割方法，其特征在于：

3.根据权利要求1所述的点云动态目标分割方法，其特征在于：

4.根据权利要求3所述的点云动态目标分割方法，其特征在于：

5.根据权利要求1所述的点云动态目标分割方法，其特征在于：

6.根据权利要求5所述的点云动态目标分割方法，其特征在于：

7.根据权利要求1至6任意一项所述的点云动态目标分割方法，其特征在于：

8.一种用于自动驾驶的激光雷达点云动态目标分割方法，其特征在于，包括如下步骤：

9.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至8中任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任意一项所述方法的步骤。

技术总结本申请涉及一种点云动态目标分割方法、装置、电子设备以及存储介质，方法包括：获取当前帧点云的距离图像以及当前帧点云与历史帧点云之间的残差图像；将距离图像输入至第一多尺度深度条形卷积网络进行特征提取，获得语义特征图；将残差图像输入至第二多尺度深度条形卷积网络进行特征提取，获得运动特征图；将语义特征图与运动特征图输入至第一融合层进行特征融合，获得第一融合特征图；将第一融合特征图以及运动特征图输入至编解码网络进行特征提取，获得动态分割特征图；将运动特征图与动态分割特征图输入至运动引导注意力特征聚合网络进行特征聚合，获得当前帧点云的动态分割结果，提高了点云动态目标分割的准确度。技术研发人员：詹霖凡,唐小煜受保护的技术使用者：华南师范大学技术研发日：技术公布日：2024/9/9