本發明屬于激光雷達點云占據預測，尤其涉及一種基于eot的自動駕駛車輛點云占據預測偽裝方法、設備、介質。

背景技術：

1、為了提高目標識別的準確率，研究人員使用了一些先進的模型來進行3d目標檢測，然而，這些模型在處理自動駕駛技術中環境感知的密集預測空間時面臨挑戰。在這個背景下，點云占據預測技術應運而生，占據預測技術能夠有效地預測空間位置的占位情況，旨在更全面地解決自動駕駛中的語義分割問題，即預測所關注的3d空間中每個體素的語義占用情況。

2、自動駕駛可以提高城市交通效率，降低能源消耗。要實現可靠、安全的自動駕駛，一項至關重要的能力是了解周圍環境，即感知所觀察到的世界。為了規避偵查與打擊，提高自動駕駛的安全性，自動駕駛車輛的隱蔽性顯得尤為重要。

技術實現思路

1、鑒于此，本發明提供了一種基于eot(expectation?over?transformation，期望變換)的自動駕駛車輛點云占據預測偽裝方法、設備、介質。

2、第一方面，本發明實施例提供了一種基于eot的自動駕駛車輛點云占據預測偽裝方法，所述方法具體包括以下步驟：

3、獲取激光雷達原始點云；

4、設置一障礙物s；對障礙物s進行期望變換從而生成若干個偽裝障礙物sa；對每一偽裝障礙物sa進行3d渲染生成對應的偽裝障礙物點云；

5、將偽裝障礙物點云添加至激光雷達原始點云中；將添加偽裝障礙物點云后的激光雷達點云與激光雷達原始點云經占據預測算法處理后，得到交并比；

6、基于交并比設置損失函數，計算梯度，并利用梯度更新偽裝障礙物sa，直至占據預測算法無法檢測到目標自動駕駛車輛。

7、第二方面，本發明實施例提供了一種電子設備，包括存儲器和處理器，所述存儲器與所述處理器耦接；其中，所述存儲器用于存儲程序數據，所述處理器用于執行所述程序數據以實現上述的基于eot的自動駕駛車輛點云占據預測偽裝方法。

8、第三方面，本發明實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現上述的基于eot的自動駕駛車輛點云占據預測偽裝方法。

9、第四方面，本發明實施例提供了一種計算機程序產品，包括計算機程序/指令，該計算機程序/指令被處理器執行時實現上述的基于eot的自動駕駛車輛點云占據預測偽裝方法。

10、與現有技術相比，本發明的有益效果為：

11、本發明提供了基于eot的自動駕駛車輛點云占據預測偽裝方法，通過在目標自動駕駛車輛的周圍放置額外的障礙物，從而有效地偽裝目標自動駕駛車輛，使其難以被激光雷達檢測到，提高雷達的檢測難度，進一步提高目標自動駕駛車輛的隱蔽性和安全性。

技術特征：

1.一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，所述方法具體包括以下步驟：

2.根據權利要求1所述的一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，所述激光雷達原始點云選用semantickitti數據集。

3.根據權利要求1所述的一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，所述障礙物s選用交通錐、防護欄、水馬和/或塑料隔離墩。

4.根據權利要求1所述的一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，所述期望變換包括旋轉和/或位置移動；

5.根據權利要求1所述的一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，對每一偽裝障礙物sa進行3d渲染生成對應的偽裝障礙物點云的過程包括：

6.根據權利要求1所述的一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，所述占據預測算法采用lmscnet或s3cnet。

7.根據權利要求1所述的一種基于eot的自動駕駛車輛點云占據預測偽裝方法，其特征在于，基于交并比設置損失函數，表達式如下：

8.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器與所述處理器耦接；其中，所述存儲器用于存儲程序數據，所述處理器用于執行所述程序數據以實現上述權利要求1-7任一項所述的基于eot的自動駕駛車輛點云占據預測偽裝方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的基于eot的自動駕駛車輛點云占據預測偽裝方法。

10.一種計算機程序產品，包括計算機程序/指令，其特征在于，該計算機程序/指令被處理器執行時實現權利要求1-7中任一所述的基于eot的自動駕駛車輛點云占據預測偽裝方法。

技術總結
本發明公開了一種基于EOT的自動駕駛車輛點云占據預測偽裝方法、設備、介質，包括：獲取激光雷達原始點云；設置一障礙物S；對障礙物S進行期望變換從而生成若干個偽裝障礙物S<supgt;a</supgt;；對每一偽裝障礙物S<supgt;a</supgt;進行3D渲染生成對應的偽裝障礙物點云；將偽裝障礙物點云添加至激光雷達原始點云中；將添加偽裝障礙物點云后的激光雷達點云與激光雷達原始點云經占據預測算法處理后，得到交并比；基于交并比設置損失函數，計算梯度，并利用梯度更新偽裝障礙物S<supgt;a</supgt;，直至占據預測算法無法檢測到目標自動駕駛車輛。

技術研發人員：陳晉音,廖丹芯,項圣,鄭海斌
受保護的技術使用者：浙江工業大學
技術研發日：
技術公布日：2025/3/20