本發(fā)明涉及汽車?yán)走_(dá)，特別涉及一種雷達(dá)點(diǎn)云目標(biāo)分類方法及系統(tǒng)。

背景技術(shù)：

1、隨著科技的進(jìn)步以及生產(chǎn)力的快速發(fā)展，汽車已經(jīng)在人們的日常生活中得到普及，并且已經(jīng)成為了人們?nèi)粘３鲂斜夭豢缮俚慕煌üぞ咧?，極大的方便了人們的生活。

2、其中，隨著汽車自動駕駛技術(shù)的快速發(fā)展，如何提升車輛的感知能力已經(jīng)成為了汽車重要的研究方向之一，具體的，現(xiàn)有的雷達(dá)傳感器因其能夠在惡劣的天氣以及夜間等復(fù)雜環(huán)境下進(jìn)行穩(wěn)定的工作，從而成為了自動駕駛車輛的重要感知設(shè)備。

3、進(jìn)一步的，現(xiàn)有的雷達(dá)在實(shí)際工作的過程中，會產(chǎn)生大量的數(shù)據(jù)，從而會大幅增加雷達(dá)的數(shù)據(jù)處理量，導(dǎo)致雷達(dá)檢測的實(shí)時性較差，另外，當(dāng)現(xiàn)有的雷達(dá)同時處理多個目標(biāo)時，容易出現(xiàn)漏檢以及誤檢的現(xiàn)象，對應(yīng)降低了雷達(dá)的檢測精度以及工作效率。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本發(fā)明的目的是提供一種雷達(dá)點(diǎn)云目標(biāo)分類方法及系統(tǒng)，以解決現(xiàn)有技術(shù)的檢測實(shí)時性較差，同時容易出現(xiàn)漏檢以及誤檢的問題。

2、本發(fā)明實(shí)施例第一方面提出了：

3、一種雷達(dá)點(diǎn)云目標(biāo)分類方法，其中，所述方法包括：

4、實(shí)時接收雷達(dá)采集到的原始雷達(dá)點(diǎn)云數(shù)據(jù)，并對所述原始雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，以生成對應(yīng)的標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)；

5、通過預(yù)設(shè)mamba模型對所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取處理，以獲取到對應(yīng)的點(diǎn)云特征信息，并將所述點(diǎn)云特征信息對應(yīng)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中，以訓(xùn)練出對應(yīng)的目標(biāo)檢測模型；

6、當(dāng)實(shí)時檢測到車輛處于行駛狀態(tài)時，實(shí)時采集與所述車輛對應(yīng)的實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及實(shí)際環(huán)境圖像，并對所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像進(jìn)行融合處理，以生成對應(yīng)的融合點(diǎn)云數(shù)據(jù)；

7、將所述融合點(diǎn)云數(shù)據(jù)對應(yīng)輸入至所述目標(biāo)檢測模型中，以使所述目標(biāo)檢測模型輸出若干對應(yīng)的實(shí)際點(diǎn)云目標(biāo)，并對應(yīng)完成若干所述實(shí)際點(diǎn)云目標(biāo)的分類處理，每一所述實(shí)際點(diǎn)云目標(biāo)均具有唯一性。

8、本發(fā)明的有益效果是：通過實(shí)時獲取到需要的標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)能夠?qū)?yīng)避免冗余數(shù)據(jù)所對應(yīng)產(chǎn)生的干擾，基于此，進(jìn)一步訓(xùn)練出需要的目標(biāo)檢測模型，進(jìn)一步的，為了能夠有效的區(qū)分出各個點(diǎn)云目標(biāo)，需要進(jìn)一步得到融合點(diǎn)云數(shù)據(jù)，在此基礎(chǔ)之上，只需要將當(dāng)前融合點(diǎn)云數(shù)據(jù)對應(yīng)輸入至構(gòu)建好的目標(biāo)檢測模型中，就能夠?qū)崟r輸出各個實(shí)際點(diǎn)云目標(biāo)，并完成對應(yīng)的分類處理，從而對應(yīng)提升了雷達(dá)的工作效率。

9、進(jìn)一步的，所述通過預(yù)設(shè)mamba模型對所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取處理，以獲取到對應(yīng)的點(diǎn)云特征信息的步驟包括：

10、當(dāng)實(shí)時獲取到所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)時，通過所述預(yù)設(shè)mamba模型實(shí)時匹配出與所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的點(diǎn)云空間特征；

11、基于所述點(diǎn)云空間特征對所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行多層卷積以及池化處理，以對應(yīng)提取出與所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的局部信息以及全局信息；

12、對所述局部信息以及所述全局信息進(jìn)行特征提取處理，以對應(yīng)獲取到所述點(diǎn)云特征信息。

13、進(jìn)一步的，所述對所述局部信息以及所述全局信息進(jìn)行特征提取處理，以對應(yīng)獲取到所述點(diǎn)云特征信息的步驟包括：

14、當(dāng)分別獲取到所述局部信息以及所述全局信息時，在預(yù)設(shè)數(shù)據(jù)庫中實(shí)時匹配出與所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的點(diǎn)網(wǎng)絡(luò)；

15、通過所述點(diǎn)網(wǎng)絡(luò)對所述局部信息以及所述全局信息進(jìn)行特征提取處理，以對應(yīng)獲取到所述點(diǎn)云特征信息。

16、進(jìn)一步的，所述通過所述點(diǎn)網(wǎng)絡(luò)對所述局部信息以及所述全局信息進(jìn)行特征提取處理，以對應(yīng)獲取到所述點(diǎn)云特征信息的步驟包括：

17、當(dāng)實(shí)時獲取到所述點(diǎn)網(wǎng)絡(luò)時，實(shí)時檢測出所述點(diǎn)網(wǎng)絡(luò)中對應(yīng)包含的若干目標(biāo)網(wǎng)絡(luò)節(jié)點(diǎn)；

18、將所述局部信息以及所述全局信息依次經(jīng)過每一所述目標(biāo)網(wǎng)絡(luò)節(jié)點(diǎn)，以輸出對應(yīng)的點(diǎn)云幾何特征以及點(diǎn)云拓?fù)浣Y(jié)構(gòu)；

19、對所述點(diǎn)云幾何特征以及所述點(diǎn)云拓?fù)浣Y(jié)構(gòu)進(jìn)行整合處理，以對應(yīng)生成所述點(diǎn)云特征信息。

20、進(jìn)一步的，所述對所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像進(jìn)行融合處理，以生成對應(yīng)的融合點(diǎn)云數(shù)據(jù)的步驟包括：

21、當(dāng)分別獲取到所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像時，實(shí)時檢測出與所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的第一時間戳、與所述實(shí)際環(huán)境圖像對應(yīng)的第二時間戳；

22、在預(yù)設(shè)算法數(shù)據(jù)庫中實(shí)時調(diào)出與所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像適配的空間標(biāo)定算法；

23、基于所述第一時間戳以及所述第二時間戳，通過所述空間標(biāo)定算法對所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像進(jìn)行校準(zhǔn)處理，以生成對應(yīng)的匹配點(diǎn)云數(shù)據(jù)，并根據(jù)所述匹配點(diǎn)云數(shù)據(jù)對應(yīng)生成所述融合點(diǎn)云數(shù)據(jù)。

24、進(jìn)一步的，所述根據(jù)所述匹配點(diǎn)云數(shù)據(jù)對應(yīng)生成所述融合點(diǎn)云數(shù)據(jù)的步驟包括：

25、當(dāng)實(shí)時獲取到所述匹配點(diǎn)云數(shù)據(jù)時，在所述預(yù)設(shè)算法數(shù)據(jù)庫中實(shí)時調(diào)出對應(yīng)的數(shù)據(jù)融合算法；

26、實(shí)時檢測出所述數(shù)據(jù)融合算法中分別包含的輸入層、特征層以及決策層，并通過所述輸入層、所述特征層以及所述決策層對所述匹配點(diǎn)云數(shù)據(jù)進(jìn)行處理，以對應(yīng)生成所述融合點(diǎn)云數(shù)據(jù)。

27、進(jìn)一步的，所述通過所述輸入層、所述特征層以及所述決策層對所述匹配點(diǎn)云數(shù)據(jù)進(jìn)行處理，以對應(yīng)生成所述融合點(diǎn)云數(shù)據(jù)的步驟包括：

28、通過所述輸入層實(shí)時提取出所述匹配點(diǎn)云數(shù)據(jù)中對應(yīng)包含的若干點(diǎn)云特征值，并通過所述特征層對若干所述點(diǎn)云特征值進(jìn)行特征融合處理，以生成對應(yīng)的點(diǎn)云特征鏈；

29、通過所述決策層將所述點(diǎn)云特征鏈轉(zhuǎn)換成對應(yīng)的目標(biāo)點(diǎn)云信息，所述目標(biāo)點(diǎn)云信息包含有所述融合點(diǎn)云數(shù)據(jù)。

30、本發(fā)明實(shí)施例第二方面提出了：

31、一種雷達(dá)點(diǎn)云目標(biāo)分類系統(tǒng)，其中，所述系統(tǒng)包括：

32、接收模塊，用于實(shí)時接收雷達(dá)采集到的原始雷達(dá)點(diǎn)云數(shù)據(jù)，并對所述原始雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，以生成對應(yīng)的標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)；

33、提取模塊，用于通過預(yù)設(shè)mamba模型對所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取處理，以獲取到對應(yīng)的點(diǎn)云特征信息，并將所述點(diǎn)云特征信息對應(yīng)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中，以訓(xùn)練出對應(yīng)的目標(biāo)檢測模型；

34、融合模塊，用于當(dāng)實(shí)時檢測到車輛處于行駛狀態(tài)時，實(shí)時采集與所述車輛對應(yīng)的實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及實(shí)際環(huán)境圖像，并對所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像進(jìn)行融合處理，以生成對應(yīng)的融合點(diǎn)云數(shù)據(jù)；

35、輸出模塊，用于將所述融合點(diǎn)云數(shù)據(jù)對應(yīng)輸入至所述目標(biāo)檢測模型中，以使所述目標(biāo)檢測模型輸出若干對應(yīng)的實(shí)際點(diǎn)云目標(biāo)，并對應(yīng)完成若干所述實(shí)際點(diǎn)云目標(biāo)的分類處理，每一所述實(shí)際點(diǎn)云目標(biāo)均具有唯一性。

36、進(jìn)一步的，所述提取模塊具體用于：

37、當(dāng)實(shí)時獲取到所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)時，通過所述預(yù)設(shè)mamba模型實(shí)時匹配出與所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的點(diǎn)云空間特征；

38、基于所述點(diǎn)云空間特征對所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行多層卷積以及池化處理，以對應(yīng)提取出與所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的局部信息以及全局信息；

39、對所述局部信息以及所述全局信息進(jìn)行特征提取處理，以對應(yīng)獲取到所述點(diǎn)云特征信息。

40、進(jìn)一步的，所述提取模塊具體用于：

41、當(dāng)分別獲取到所述局部信息以及所述全局信息時，在預(yù)設(shè)數(shù)據(jù)庫中實(shí)時匹配出與所述標(biāo)準(zhǔn)雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的點(diǎn)網(wǎng)絡(luò)；

42、通過所述點(diǎn)網(wǎng)絡(luò)對所述局部信息以及所述全局信息進(jìn)行特征提取處理，以對應(yīng)獲取到所述點(diǎn)云特征信息。

43、進(jìn)一步的，所述提取模塊具體用于：

44、當(dāng)實(shí)時獲取到所述點(diǎn)網(wǎng)絡(luò)時，實(shí)時檢測出所述點(diǎn)網(wǎng)絡(luò)中對應(yīng)包含的若干目標(biāo)網(wǎng)絡(luò)節(jié)點(diǎn)；

45、將所述局部信息以及所述全局信息依次經(jīng)過每一所述目標(biāo)網(wǎng)絡(luò)節(jié)點(diǎn)，以輸出對應(yīng)的點(diǎn)云幾何特征以及點(diǎn)云拓?fù)浣Y(jié)構(gòu)；

46、對所述點(diǎn)云幾何特征以及所述點(diǎn)云拓?fù)浣Y(jié)構(gòu)進(jìn)行整合處理，以對應(yīng)生成所述點(diǎn)云特征信息。

47、進(jìn)一步的，所述融合模塊具體用于：

48、當(dāng)分別獲取到所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像時，實(shí)時檢測出與所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)對應(yīng)的第一時間戳、與所述實(shí)際環(huán)境圖像對應(yīng)的第二時間戳；

49、在預(yù)設(shè)算法數(shù)據(jù)庫中實(shí)時調(diào)出與所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像適配的空間標(biāo)定算法；

50、基于所述第一時間戳以及所述第二時間戳，通過所述空間標(biāo)定算法對所述實(shí)際雷達(dá)點(diǎn)云數(shù)據(jù)以及所述實(shí)際環(huán)境圖像進(jìn)行校準(zhǔn)處理，以生成對應(yīng)的匹配點(diǎn)云數(shù)據(jù)，并根據(jù)所述匹配點(diǎn)云數(shù)據(jù)對應(yīng)生成所述融合點(diǎn)云數(shù)據(jù)。

51、進(jìn)一步的，所述融合模塊具體用于：

52、當(dāng)實(shí)時獲取到所述匹配點(diǎn)云數(shù)據(jù)時，在所述預(yù)設(shè)算法數(shù)據(jù)庫中實(shí)時調(diào)出對應(yīng)的數(shù)據(jù)融合算法；

53、實(shí)時檢測出所述數(shù)據(jù)融合算法中分別包含的輸入層、特征層以及決策層，并通過所述輸入層、所述特征層以及所述決策層對所述匹配點(diǎn)云數(shù)據(jù)進(jìn)行處理，以對應(yīng)生成所述融合點(diǎn)云數(shù)據(jù)。

54、進(jìn)一步的，所述融合模塊具體用于：

55、通過所述輸入層實(shí)時提取出所述匹配點(diǎn)云數(shù)據(jù)中對應(yīng)包含的若干點(diǎn)云特征值，并通過所述特征層對若干所述點(diǎn)云特征值進(jìn)行特征融合處理，以生成對應(yīng)的點(diǎn)云特征鏈；

56、通過所述決策層將所述點(diǎn)云特征鏈轉(zhuǎn)換成對應(yīng)的目標(biāo)點(diǎn)云信息，所述目標(biāo)點(diǎn)云信息包含有所述融合點(diǎn)云數(shù)據(jù)。

57、本發(fā)明實(shí)施例第三方面提出了：

58、一種計算機(jī)，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計算機(jī)程序，其中，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)如上面所述的雷達(dá)點(diǎn)云目標(biāo)分類方法。

59、本發(fā)明實(shí)施例第四方面提出了：

60、一種可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其中，該程序被處理器執(zhí)行時實(shí)現(xiàn)如上面所述的雷達(dá)點(diǎn)云目標(biāo)分類方法。

61、本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。