一种解决自动驾驶传感器后融合时空不连续的方法

一种解决自动驾驶传感器后融合时空不连续的方法，属于汽车自动驾驶技术领域，基于Res‑Net50提取每幅图像的目标物体，用L2，1范数对连续性不强的部分进行建模，将目标物体与背景分离，融合由CNN识别的特征目标，构造时空张量立方体；利用残差学习进行迭代细化，保留输入部分点云中的可信信息，结合PRN网络结构进行调整与改进，复制原始一部分点云在进行下一步有效传递，重建不完整的点云，保证后期融合时空间结构的稳定和完整；利用SLAM‑LIMO方法基于LiDAR准确的深度估计和相机的特征跟踪能力，收集多帧图像数据的联合优化和激光点云获得的特征点的深度，提出了从LiDAR中提取图片特征点云深度方法，实现解决传感器后融合时间上不连续空间上碎片化问题。