(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111679694.2 (22)申请日 2021.12.31 (71)申请人 中国第一汽车股份有限公司 地址 130011 吉林省长 春市汽车 经济技术 开发区新红旗大街1号 (72)发明人 郭昌野　王宇　张勇　黄佳伟　 张林灿　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 代理人 谢湘宁 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/73(2017.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01S 17/931(2020.01) (54)发明名称 点云数据处理方法、 装置、 非易失性存储介 质及处理器 (57)摘要 本发明公开了一种点云数据处理方法、 装 置、 非易失性存储介质及处理器。 点云数据处理 方法包括： 通过安装在自动驾驶车辆的激光雷达 采集经由目标对象反射回来的多帧点云数据， 从 多帧点云数据中获取任意一帧点 云数据， 并基于 任意一帧点 云数据， 将预定数量帧的点云数据进 行融合处理， 获得融合后的点云融合数据； 将点 云融合数据转换成二维伪图； 利用卷积神经网络 的检测头对二维伪图进行检测， 获得目标对象 的 物理特征信息， 根据二维伪图， 确定目标对象的 跟踪ID； 根据物理特征信息和目标对象的跟踪 ID， 确定目标对象的空间位置。 本发明解决了现 有技术中跟踪方法依赖于特定场景设计的规则， 造成在多种场景下使用容易受到限制的技术问 题。 权利要求书2页 说明书7页 附图3页 CN 114359346 A 2022.04.15 CN 114359346 A 1.一种应用于车辆的点云数据处 理方法， 其特 征在于， 包括： 通过安装在自动驾驶车辆的激光雷达采集经由目标对象反射 回来的多帧点云数据， 其 中， 所述目标对象包括 位于所述自动驾驶车辆 外部的至少一种车辆； 从所述多帧点云数据中获取任意一帧点云数据， 并基于所述任意一帧点云数据， 将预 定数量帧的点云数据进行融合处 理， 获得融合后的点云融合数据； 将所述点云融合数据转换成二维伪图； 利用卷积神经网络的检测头对所述二维伪图进行检测， 获得所述目标对象的物理特征 信息， 所述目标对象的物理特征信息包括如下至少之一： 所述目标对象 的物理尺寸信息、 空 间位置信息、 初始位置图像、 运动偏移图像； 根据所述 二维伪图， 确定所述目标对象的跟踪ID； 根据所述物理特 征信息和所述目标对象的跟踪ID， 确定所述目标对象的空间位置 。 2.根据权利要求1所述的点云数据处理方法， 其特征在于， 基于所述任意一帧点云数 据， 将预定数量帧的点云数据进行融合处 理， 该步骤 包括： 获取与所述任意 一帧点云数据相邻的至少一帧待融合的点云数据； 按照每一帧待融合的点云数据的定位信 息， 将所述任意一帧点云数据以及相邻的至少 一帧待融合的点云数据均补偿到车辆坐标系中， 生成所述融合后的点云融合数据。 3.根据权利要求1所述的点云数据处理方法， 其特征在于， 根据 所述物理特征信 息和所 述目标对象的跟踪ID， 确定所述目标对象的空间位置之前， 包括： 将第一预设时间段内获得的所述二维伪图与第二预设时间段内的所述二维伪图进行 比较， 其中， 所述第一预设时间段的时间节点 早于所述第二预设时间段的时间节点； 判断所述第二预设时间段内的所述 二维伪图中的所述目标对象是否消失； 确定所述二维伪图中有消失的所述目标对象时， 删除消失的所述目标对象的跟踪ID， 确定所述二维伪图中的所述目标对象仍然存在时， 保持仍然存在的所述目标对象的跟踪 ID。 4.根据权利要求3所述的点云数据处理方法， 其特征在于， 将第 一预设时间段内获得的 所述二维伪图与第二预设时间段内的所述 二维伪图进行比较， 包括： 确定有新的所述目标对象出现在所述第 二预设时间段内的所述二维伪图上时， 对新增 的所述目标对象赋予新的跟踪ID。 5.根据权利要求3所述的点云数据处 理方法， 其特 征在于， 判断所述目标对象在所述第一预设时间段内是否首次出现在所述 二维伪图中； 确定所述目标对象在所述第 一预设时间段内是首次出现在所述二维伪图中时， 判断所 述目标对象在所述第二预设时间段内是否仍然出现在所述 二维伪图中； 确定所述目标对象在所述第 二预设时间段内仍然出现在所述二维伪图中时， 增强所述 目标对象在所述 二维伪图中的响应峰值， 所述响应峰值包括所述目标对象的轮廓。 6.根据权利要求1所述的点云数据处理方法， 其特征在于， 根据 所述物理特征信 息和所 述目标对象的跟踪ID， 确定所述目标对象的空间位置， 包括： 根据所述目标对象的跟踪ID， 将对应的所述目标对象的所述运动偏移图像与所述初始 位置图像进行拟合， 获取 所述目标对象的所述空间位置 。 7.根据权利要求 4所述的点云数据处 理方法， 其特 征在于，权　利　要　求　书 1/2 页 2 CN 114359346 A 2利用类别属性函数对所述二维伪图进行检测， 获得所述二维伪图中所述目标对象的类 别属性， 其中， 所述类别属性至少包括所述目标对象的种类信息 。 8.一种点云数据处 理装置， 其特 征在于， 包括： 采集模块， 用于通过安装在自动驾驶车辆的激光雷达采集经由目标对象反射 回来的多 帧点云数据， 其中， 所述目标对象包括 位于所述自动驾驶车辆 外部的至少一种车辆； 融合模块， 用于从所述多帧点云数据中获取任意一帧点云数据， 并基于所述任意一帧 点云数据， 将预定数量帧的点云数据进行融合处 理， 获得融合后的点云融合数据； 转换模块， 用于将所述 点云融合数据转换成二维伪图； 检测模块， 利用卷积神经网络的检测头对所述二维伪图进行检测， 获得所述目标对象 的物理特征信息， 所述 目标对象的物理特征信息包括如下至少之一： 所述 目标对象的物理 尺寸信息、 空间位置信息、 初始位置图像、 运动偏移图像； 第一确定模块， 用于根据所述 二维伪图， 确定所述目标对象的跟踪ID； 第二确定模块， 用于根据所述物理特征信息和所述目标对象的跟踪ID， 确定所述目标 对象的空间位置 。 9.一种非易失性存储介质， 其特征在于， 所述非易失性存储介质包括存储的程序， 其 中， 在所述程序运行时控制所述 非易失性存储介质所在设备执行权利要求 1至7中任意一项 所述点云数据处 理方法。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述 点云数据处 理方法。权　利　要　求　书 2/2 页 3 CN 114359346 A 3