【技術實現步驟摘要】
本公開涉及自動駕駛，具體而言，本公開涉及一種點云數據標注方法、裝置、電子設備及存儲介質。
技術介紹
1、目前，感知系統通常依賴深度學習網絡進行環境理解和目標識別，而深度學習模型的訓練通常需要大量高質量的標注數據，以確保模型能夠在復雜和動態的環境中進行準確地感知，這種依賴性對模型訓練的數據集的規模和質量提出了更高的要求。現有的人工標注數據方式需要耗費大量的人力資源和時間，效率低下、成本高昂。
技術實現思路
1、本公開實施例提供了一種點云數據標注方法、裝置、電子設備及存儲介質，可以解決現有的人工標注數據方式效率低下、成本高昂的問題。本公開提供的技術方案如下：
2、根據本公開實施例的一個方面，提供了一種點云數據標注方法，該方法包括：
3、獲取待處理點云序列；所述待處理點云序列包括連續的至少兩幀點云；
4、將所述待處理點云序列輸入至標注模型，得到所述標注模型輸出的所述待處理點云序列的初始標注結果；所述初始標注結果包括每幀點云中各個點分別對應初始類別標簽；
5、對所述初始標注結果進行修正，得到所述待處理點云序列對應的目標標注結果；
6、其中，所述標注模型是基于如下方式訓練的：
7、獲取對象點云、風沙點云，以及多個第一樣本點云；
8、針對每個第一樣本點云，將所述對象點云和/或風沙點云添加到第一樣本點云中，得到第二樣本點云；
9、基于多個第二樣本點云對初始標注模型進行訓練，將訓練好的初始標注模型作為所
10、可選地，所述將所述對象點云添加到第一樣本點云中，包括：
11、基于所述對象點云對應的三維檢測框，確定所述第一樣本點云中的候選對象位置；
12、若所述候選對象位置包括路面點，則基于地面高度確定目標對象位置；否則，將所述候選對象位置作為目標對象位置；
13、若所述候選對象位置不包括土墻點，且所述候選對象位置對應的檢測框與所述第一樣本點云中的其他檢測框不發生碰撞檢測，則將所述候選對象位置作為目標對象位置；
14、基于所述目標對象位置，將所述對象點云添加到所述第一樣本點云中。
15、可選地，所述將所述風沙點云添加到所述第一樣本點云中，包括：
16、基于所述風沙點云對應的二維檢測框，確定所述第一樣本點云中候選風沙位置；
17、若所述候選風沙位置包括的土墻點的數量不大于第一數量，且車輛點的數量不大于第二數量，則基于所述候選風沙位置，確定所述風沙點云對應的目標風沙位置；
18、基于所述目標風沙位置，將所述風沙點云添加到所述第一樣本點云中。
19、可選地，所述將所述對象點云和風沙點云添加到第一樣本點云中，得到第二樣本點云，之后還包括：
20、獲取所述第二樣本點云中的至少一個三維檢測框；
21、針對所述第二樣本點云中的每個三維檢測框，刪除所述三維檢測框中的風沙點。
22、可選地，所述獲取對象點云，包括：
23、獲取第一初始點云序列；所述第一初始點云序列包括連續的至少兩幀第一初始點云；
24、提取出所述第一初始點云序列中的至少一種動態障礙物；
25、針對每種動態障礙物，若所述動態障礙物與其對應的關聯風沙團之間的距離小于預設距離閾值，則將所述動態障礙物的點云和所述關聯風沙團的點云的整體作為第一對象點云，否則將所述動態障礙物的點云作為第二對象點云；
26、其中，所述關聯風沙團為距離所述動態障礙物最近的風沙團。
27、可選地，所述獲取風沙點云，包括：
28、獲取第二初始點云序列；所述第二初始點云序列包括連續的至少兩幀第二初始點云；
29、提取出所述第二初始點云序列中的至少一個風沙團；
30、針對每個風沙團，若所述風沙團與自車之間的距離小于預設距離閾值，則將所述風沙團作為近自車風沙團；否則將所述風沙團作為遠自車風沙團；其中，所述自車為獲取所述第二初始點云序列的車輛；
31、基于所述近自車風沙團和所述遠自車風沙團，確定所述風沙點云。
32、可選地，所述對所述初始標注結果進行修正，包括：
33、對所述待處理點云序列中多幀點云進行拼接，得到拼接點云序列；
34、從所述拼接點云序列中選取出至少一個孤立點；
35、針對每個孤立點，確定所述孤立點對應的鄰域范圍；基于所述鄰域范圍中的多個鄰域點對孤立點的類別進行修正，將修正后的類別作為孤立點對應的目標類別標簽。
36、可選地，所述方法還包括：
37、針對每幀點云，基于目標標注結果從所述點云中確定至少一個路面點、至少一個非忽略類別點和至少一個忽略類別點；
38、對所述至少一個路面點進行體素化，得到至少一個第一體素網格；針對每個第一體素網格，若所述第一體素網格中各個路面點對應的高度坐標的標準差小于預設閾值，則將所述體素網格作為路面網格；確定至少一個路面網格分別對應的目標路面點；
39、對所述至少一個非忽略類別點進行體素化，得到至少一個第二體素網格分別對應的網格中心點；
40、針對每個網格中心點，從所述至少一個目標路面點中搜索出所述網格中心點對應的多個鄰近路面點，對所述多個鄰近路面點進行路面擬合，得到擬合好的路面對應的路面參數；
41、基于至少一個路面參數，計算所述點云中各個點分別對應的高度。
42、根據本公開實施例的另一個方面，提供了一種點云數據標注裝置，該裝置包括：
43、數據獲取模塊，用于獲取待處理點云序列；所述待處理點云序列包括連續的至少兩幀點云；
44、預標注模塊，用于將所述待處理點云序列輸入至標注模型，得到所述標注模型輸出的所述待處理點云序列的初始標注結果；所述初始標注結果包括每幀點云中各個點分別對應初始類別標簽；
45、修正模塊，用于對所述初始標注結果進行修正，得到所述待處理點云序列對應的目標標注結果；
46、其中，所述標注模型是基于如下方式訓練的：
47、獲取對象點云、風沙點云，以及多個第一樣本點云；
48、針對每個第一樣本點云，將所述對象點云和/或風沙點云添加到第一樣本點云中，得到第二樣本點云；
49、基于多個第二樣本點云對初始標注模型進行訓練，將訓練好的初始標注模型作為所述標注模型。
50、根據本公開實施例的另一個方面，提供了一種電子設備，該電子設備包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執行程序時實現上述任一種點云數據標注方法的步驟。
51、根據本公開實施例的再一個方面，提供了一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種點云數據標注方法的步驟。
52、根據本公開實施例的一個方面，提供了一種計本文檔來自技高網...
【技術保護點】
1.一種點云數據標注方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述對象點云添加到第一樣本點云中，包括：
3.根據權利要求1所述的方法，其特征在于，所述將所述風沙點云添加到所述第一樣本點云中，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述對象點云和風沙點云添加到第一樣本點云中，得到第二樣本點云，之后還包括：
5.根據權利要求1所述的方法，其特征在于，所述獲取對象點云，包括：
6.根據權利要求1所述的方法，其特征在于，所述獲取風沙點云，包括：
7.根據權利要求1至6中任一項所述的方法，其特征在于，所述對所述初始標注結果進行修正，包括：
8.根據權利要求1至6中任一項所述的方法，其特征在于，所述方法還包括：
9.一種點云數據標注裝置，其特征在于，包括：
10.一種電子設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1至8任一項所述方法的步驟。
11.一種計算機可讀
12.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至8任一項所述方法的步驟。
...【技術特征摘要】
1.一種點云數據標注方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述對象點云添加到第一樣本點云中，包括：
3.根據權利要求1所述的方法，其特征在于，所述將所述風沙點云添加到所述第一樣本點云中，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述對象點云和風沙點云添加到第一樣本點云中，得到第二樣本點云，之后還包括：
5.根據權利要求1所述的方法，其特征在于，所述獲取對象點云，包括：
6.根據權利要求1所述的方法，其特征在于，所述獲取風沙點云，包括：
7.根據權利要求1至6中任一項所述的方法，其特征在于，所述對...
【專利技術屬性】
技術研發人員：吳奐，穆禮德，張鑄青，
申請(專利權)人：羅博網聯杭州信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。