一种训练数据生成方法及装置制造方法及图纸

本申请公开了一种训练数据生成方法及装置，获取路面的原始点云数据；从原始点云数据中，确定路面交通标志对应的点作为目标点；以路面交通标志对应的目标点为基准，将路面的原始点云进行区域划分，得到样本区域的集合，样本区域包括正样本区域和负样本区域，正样本区域中存在至少一个目标点，负样本区域不存在目标点；根据原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，其中，正样本区域的灰度图作为训练路面交通标志识别模型的正例样本，负样本区域的灰度图作为训练路面交通标志识别模型的负例样本。本申请无需人工制作，节省人力资源，通过控制所划分的样本区域的数量，可以保证能够生成足够数量的训练样本。

【技术实现步骤摘要】
一种训练数据生成方法及装置
本申请涉及训练数据生成
，更具体地说，涉及一种训练数据生成方法及装置。
技术介绍
在利用机器学习训练各种路面交通标志识别模型时，需要大量的训练样本数据，以保证训练得到的路面交通标志识别模型的识别准确率。现有训练样本数据一般是人工制作，即人工对路面的图片进行识别，其中包含路面交通标志的图片作为正例样本，不包含路面交通标志的图片作为负例样本。显然，人工制作训练数据的方式需要耗费大量人力资源，且生成的训练样本的数量不够多，无法保证训练的路面交通标志识别模型的识别准确率。
技术实现思路
有鉴于此，本申请提供了一种训练数据生成方法及装置，以解决现有人工制作训练数据的方式耗费人力资源且制作的训练样本数量不足的问题。为了实现上述目的，现提出的方案如下：一种训练数据生成方法，包括：获取路面的原始点云数据；从所述原始点云数据中，确定路面交通标志对应的点作为目标点；以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，所述样本区域包括正样本区域和负样本区域，所述正样本区域中存在至少一个目标点，所述负样本区域不存在所述目标点；根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，其中，正样本区域的灰度图作为训练路面交通标志识别模型的正例样本，负样本区域的灰度图作为训练路面交通标志识别模型的负例样本。优选地，所述路面交通标志为车道线，所述以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，包括：以所述车道线对应的任意一个目标点开始，沿所述车道线每隔第一设定单位长度，确定一个车道位置点；以所述车道位置点为垂足，沿垂直于车道线方向每隔第二设定单位长度，确定一个相对位置点；以所述车道位置点和所述相对位置点为矩形的中心点，按照设定矩形尺寸生成对应的矩形区域构成样本区域的集合，其中，包含所述车道线对应的目标点的矩形区域对应的样本区域为正样本区域，其余不包含所述车道线对应的目标点的矩形区域对应的样本区域为负样本区域。优选地，所述路面交通标志为路面标识，所述以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，包括：确定所述路面标识对应的目标点覆盖的区域的最小外接矩形；以所述最小外接矩形的中轴线上任意一个点开始，沿所述中轴线每隔第一设定单位长度，确定一个路面标识位置点；以所述路面标识位置点为垂足，沿垂直于所述中轴线方向每隔第二设定单位长度确定一个相对位置点；以所述路面标识位置点和所述相对位置点为矩形的中心点，按照设定矩形尺寸生成对应的矩形区域构成样本区域的集合，其中，包含所述路面标识对应的目标点的矩形区域对应的样本区域为正样本区域，其余不包含所述路面标识对应的目标点的矩形区域对应的样本区域为负样本区域。优选地，所述根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，包括：根据所述原始点云数据中落入样本区域中的点云数据，确定所述点云数据中各点对应所述样本区域的灰度图中的像素点；若所述样本区域的灰度图中，各像素点在所述点云数据中均存在对应的点，则根据所述样本区域的灰度图中各像素点对应的点的反射率，确定所述样本区域的灰度图中各像素点的灰度值。优选地，所述根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，包括：根据所述原始点云数据中落入样本区域中的点云数据，确定所述点云数据中各点对应所述样本区域的灰度图中的像素点；以所述样本区域的灰度图中，在所述点云数据中存在对应点的像素点为第一类像素点，根据各第一类像素点对应的点的反射率，确定各所述第一类像素点的反射率；以所述样本区域的灰度图中，在所述点云数据中不存在对应的点的像素点为第二类像素点，根据各第二类像素点周围设定范围内的反射率已知的像素点的反射率，确定各第二类像素点的反射率；根据所述样本区域的灰度图中各像素点的反射率，确定所述样本区域的灰度图中各像素点的灰度值。优选地，所述根据各第二类像素点周围设定范围内的反射率已知的像素点的反射率，确定各第二类像素点的反射率，包括：以所述第二类像素点为设定范围的中心，确定在所述范围内的反射率已知的像素点；计算各个已知反射率的像素点至所述第二类像素点的距离；按照距离与权重成反比的关系，确定各个已知反射率的像素点的权重，各个已知反射率的像素点的权重的和值为1；将各个已知反射率的像素点的权重和反射率相乘的结果进行相加，得到所述第二类像素点的反射率。一种训练数据生成装置，包括：点云数据获取单元，用于获取路面的原始点云数据；目标点确定单元，用于从所述原始点云数据中，确定路面交通标志对应的点作为目标点；样本区域集合确定单元，用于以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，所述样本区域包括正样本区域和负样本区域，所述正样本区域中存在至少一个目标点，所述负样本区域不存在所述目标点；灰度图生成单元，用于根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，其中，正样本区域的灰度图作为训练路面交通标志识别模型的正例样本，负样本区域的灰度图作为训练路面交通标志识别模型的负例样本。优选地，所述路面交通标志为车道线，所述样本区域集合确定单元以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合的过程，具体包括：以所述车道线对应的任意一个目标点开始，沿所述车道线每隔第一设定单位长度，确定一个车道位置点；以所述车道位置点为垂足，沿垂直于车道线方向每隔第二设定单位长度，确定一个相对位置点；以所述车道位置点和所述相对位置点为矩形的中心点，按照设定矩形尺寸生成对应的矩形区域构成样本区域的集合，其中，包含所述车道线对应的目标点的矩形区域对应的样本区域为正样本区域，其余不包含所述车道线对应的目标点的矩形区域对应的样本区域为负样本区域。优选地，所述路面交通标志为路面标识，所述样本区域集合确定单元以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合的过程，具体包括：确定所述路面标识对应的目标点覆盖的区域的最小外接矩形；以所述最小外接矩形的中轴线上任意一个点开始，沿所述中轴线每隔第一设定单位长度，确定一个路面标识位置点；以所述路面标识位置点为垂足，沿垂直于所述中轴线方向每隔第二设定单位长度确定一个相对位置点；以所述路面标识位置点和所述相对位置点为矩形的中心点，按照设定矩形尺寸生成对应的矩形区域构成样本区域的集合，其中，包含所述路面标识对应的目标点的矩形区域对应的样本区域为正样本区域，其余不包含所述路面标识对应的目标点的矩形区域对应的样本区域为负样本区域。优选地，所述灰度图生成单元根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图的过程，具体包括：根据所述原始点云数据中落入样本区域中的点云数据，确定所述点云数据中各点对应所述样本区域的灰度图中的像素点；若所述样本区域的灰度图中，各像素点在所述点云数据中均存在对应的点，则根据所述样本区域的灰度图中各像素点对应的点的反射率，确定所述样本区域的灰度图中本文档来自技高网...

【技术保护点】
1.一种训练数据生成方法，其特征在于，包括：获取路面的原始点云数据；从所述原始点云数据中，确定路面交通标志对应的点作为目标点；以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，所述样本区域包括正样本区域和负样本区域，所述正样本区域中存在至少一个目标点，所述负样本区域不存在所述目标点；根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，其中，正样本区域的灰度图作为训练路面交通标志识别模型的正例样本，负样本区域的灰度图作为训练路面交通标志识别模型的负例样本。

【技术特征摘要】
1.一种训练数据生成方法，其特征在于，包括：获取路面的原始点云数据；从所述原始点云数据中，确定路面交通标志对应的点作为目标点；以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，所述样本区域包括正样本区域和负样本区域，所述正样本区域中存在至少一个目标点，所述负样本区域不存在所述目标点；根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，其中，正样本区域的灰度图作为训练路面交通标志识别模型的正例样本，负样本区域的灰度图作为训练路面交通标志识别模型的负例样本。2.根据权利要求1所述的方法，其特征在于，所述路面交通标志为车道线，所述以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，包括：以所述车道线对应的任意一个目标点开始，沿所述车道线每隔第一设定单位长度，确定一个车道位置点；以所述车道位置点为垂足，沿垂直于车道线方向每隔第二设定单位长度，确定一个相对位置点；以所述车道位置点和所述相对位置点为矩形的中心点，按照设定矩形尺寸生成对应的矩形区域构成样本区域的集合，其中，包含所述车道线对应的目标点的矩形区域对应的样本区域为正样本区域，其余不包含所述车道线对应的目标点的矩形区域对应的样本区域为负样本区域。3.根据权利要求1所述的方法，其特征在于，所述路面交通标志为路面标识，所述以所述路面交通标志对应的目标点为基准，将所述路面的原始点云数据进行区域划分，得到样本区域的集合，包括：确定所述路面标识对应的目标点覆盖的区域的最小外接矩形；以所述最小外接矩形的中轴线上任意一个点开始，沿所述中轴线每隔第一设定单位长度，确定一个路面标识位置点；以所述路面标识位置点为垂足，沿垂直于所述中轴线方向每隔第二设定单位长度确定一个相对位置点；以所述路面标识位置点和所述相对位置点为矩形的中心点，按照设定矩形尺寸生成对应的矩形区域构成样本区域的集合，其中，包含所述路面标识对应的目标点的矩形区域对应的样本区域为正样本区域，其余不包含所述路面标识对应的目标点的矩形区域对应的样本区域为负样本区域。4.根据权利要求1所述的方法，其特征在于，所述根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，包括：根据所述原始点云数据中落入样本区域中的点云数据，确定所述点云数据中各点对应所述样本区域的灰度图中的像素点；若所述样本区域的灰度图中，各像素点在所述点云数据中均存在对应的点，则根据所述样本区域的灰度图中各像素点对应的点的反射率，确定所述样本区域的灰度图中各像素点的灰度值。5.根据权利要求1所述的方法，其特征在于，所述根据所述原始点云数据中，落入样本区域中的点云数据，生成对应样本区域的灰度图，包括：根据所述原始点云数据中落入样本区域中的点云数据，确定所述点云数据中各点对应所述样本区域的灰度图中的像素点；以所述样本区域的灰度图中，在所述点云数据中存在对应点的像素点为第一类像素点，根据各第一类像素点对应的点的反射率，确定各所述第一类像素点的反射率；以所述样本区域的灰度图中，在所述点云数据中不存在对应的点的像素点为第二类像素点，根据各第二类像素点周围设定范围内的反射率已知的像素点的反射率，确定各第二类像素点的反射率；根据所述样本区域的灰度图中各像素点的反射率，确定所述样本区域的灰度图中各像素点的灰度值。6.根据权利要求5所述的方法，其特征在于，所述根据各第二类像素点周围设定范围内的反射率已知的像素点的反射率，确定各第二类像素点的反射率，包括：以所述第二类像素点为设定范围的中心，确定在所述范围内的反射率已知的像素点；计算各个已知反射率的像素点至所述第二类像素点的距离；按照距离与权重成反比的关系，确定各个已知反射率的像素点的权重，各个已知反射率的像素点的权重的和值为1；将各个已知反射率的像素点的权重和反射率相乘的结果进行相加，得到所述第二类像素点的反射率。7.一种训练数据生成装置，其特征在于，包括：点云数据获取单元，用于获取路面的原始点云数据；目标点确定单元，用于从...

【专利技术属性】
技术研发人员：胡胜伟，王涛，贾双成，
申请(专利权)人：高德软件有限公司，
类型：发明
国别省市：北京,11