买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中科南京智能技术研究院

摘要：本发明公开了一种自监督学习里程计量方法、装置、系统及存储介质，属于里程计量技术领域，方法包括：将预获取的计量目标的2D图像数据输入至训练好的自监督学习网络，获取计量目标的平移增量和旋转变化量；对计量目标的平移增量和旋转变化量进行积分，获取计量目标的里程；其中，自监督学习网络包括：改进后的卷积神经网络：用于对计量目标的2D图像数据进行特征提取，获取特征向量；MLP网络：用于根据特征向量获取计量目标的平移增量和旋转变化量；自监督学习网络是根据其所处的训练阶段构建不同的数据集进行训练的。该方法不需要对数据集进行人工标注，适用于难以获得大量准确真值的应用场景，并且能够降低能耗。

主权项：1.一种自监督学习里程计量方法，其特征在于，包括：将预获取的计量目标的2D图像数据输入至训练好的自监督学习网络，获取计量目标的平移增量和旋转变化量；对计量目标的平移增量和旋转变化量进行积分，获取计量目标的里程；其中，计量目标的2D图像数据是对预获取的计量目标的3D点云数据进行预处理获取的；所述自监督学习网络包括：改进后的卷积神经网络：用于对计量目标的2D图像数据进行特征提取，获取特征向量；MLP网络：用于根据所述特征向量获取计量目标的平移增量和旋转变化量；所述自监督学习网络是根据其所处的训练阶段构建不同的数据集进行训练的；对预获取的计量目标的3D点云数据进行预处理包括：去除3D点云数据中的异常值，获取去除异常值的3D点云数据；对去除异常值的3D点云数据进行归一化处理，获取归一化3D点云数据；将归一化3D点云数据映射为4通道的2D图像；将连续的2帧4通道的2D图像按时序顺序整合为8通道的2D图像，获取计量目标的2D图像数据；对所述自监督学习网络进行训练包括：判定所述自监督学习网络所处的训练阶段；根据所述自监督学习网络所处的训练阶段，利用预获取的数据集构建方法构建不同的数据集；在所述自监督学习网络的各训练阶段，利用各训练阶段对应的数据集对所述自监督学习网络进行训练，直至损失函数收敛为止，获取训练好的自监督学习网络；其中，预获取的数据集构建方法包括LOAM方法、LIO-SAM方法和FAST-LIO方法；判定所述自监督学习网络所处的训练阶段包括：若或，则判定所述自监督学习网络处于初始阶段；若且，则判定所述自监督学习网络处于精度优化阶段；若且，则判定所述自监督学习网络进入下一个精度优化阶段；其中，为相隔固定里程的两帧下标对，为相隔固定里程的两帧下标对的集合，为的相隔里程，、为计算旋转变化量、平移增量的函数，为计算两帧之间相对位姿变换的运算符，、为自监督学习网络输出的第、帧点云位姿，、为数据集构建方法的后端优化模块输出的第、帧点云位姿，、为数据集构建方法的前端优化模块输出的第、帧点云位姿，、为精度优化阶段自监督学习网络使用预设权重输出的第、帧点云位姿；根据所述自监督学习网络所处的训练阶段，利用预获取的数据集构建方法构建不同的数据集包括：在所述自监督学习网络的初始阶段，利用预获取的数据集构建方法的点云特征提取模块、前端优化模块和后端优化模块，获取前端优化模块和后端优化模块输出的当前帧3D点云数据相对于上一帧3D点云数据的平移增量和旋转变化量，并构建初始阶段对应的数据集为： ；其中，为第帧3D点云数据，、为数据集构建方法的前端优化模块输出的第帧3D点云数据相对于第帧3D点云数据的平移增量、旋转变化量，、为数据集构建方法的后端优化模块输出的第帧3D点云数据相对于第帧3D点云数据的平移增量、旋转变化量；在所述自监督学习网络的每一个精度优化阶段，利用预获取的数据集构建方法的点云特征提取模块和后端优化模块，将上一个训练阶段自监督学习网络的输出作为本训练阶段后端优化模块的输入，并构建本精度优化阶段对应的数据集为： ；其中，、为上一个训练阶段自监督学习网络输出的第帧3D点云数据相对于第帧3D点云数据的平移增量、旋转变化量。

全文数据：

权利要求：

百度查询： 中科南京智能技术研究院 一种自监督学习里程计量方法、装置、系统及存储介质