标注对象立体框图生成方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种标注对象立体框图生成方法、装置、电子设备及存储介质，涉及无人驾驶技术领域。该方法包括：获取被选取区域内的初始点云数据，其中，标注对象位于被选取区域内；过滤初始点云数据中的地面点云数据，以得到目标点云数据；基于目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及目标点云数据在三维坐标系的第三坐标轴上的坐标集合，生成标注对象的立体框图。本申请公开的标注对象立体框图生成方法、装置、电子设备及存储介质可提升点云标注的效率，降低标注成本。

Generation method, device, electronic equipment and storage medium of dimensioning object stereo block diagram

【技术实现步骤摘要】
标注对象立体框图生成方法、装置、电子设备及存储介质
本申请涉及无人驾驶
，尤其涉及一种标注对象立体框图生成方法、装置、电子设备及存储介质。
技术介绍
随着激光雷达在无人驾驶领域的广泛使用，点云数据在无人驾驶技术中变得越来越重要。为了更好的训练深度学习算法，利用激光雷达识别障碍物、车辆、行人等物体，需要大量标注好的点云数据。目前，对于点云数据的标注，大都依靠人工识别标注，而点云数据是基于三维空间的坐标数据，所以标注非常复杂，人工识别标注时，常常需要标注人员不断缩放点云，并不断调整标注视角，从而导致标注效率十分低下，标注成本过高。因此，如何提供一种有效的方案，以提高标注的效率，降低标注成本，是现有技术中一亟待解决的问题。
技术实现思路
本申请实施例提供一种标注对象立体框图生成方法，用于解决现有技术存在的人工识别标注效率低下、标注成本过高的问题。本申请实施例还提供一种标注对象立体框图生成装置，用于解决现有技术存在的人工识别标注效率低下、标注成本过高的问题。本申请实施例还提供一种电子设备及计算机可读存储介质。本申请实施例采用下述技术方案：一种标注对象立体框图生成方法，包括：获取被选取区域内的初始点云数据，其中，标注对象位于所述被选取区域内；过滤所述初始点云数据中的地面点云数据，以得到目标点云数据；基于所述目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图。一种标注对象立体框图生成装置，包括：获取模块，被配置为获取被选取区域内的初始点云数据，其中，标注对象位于所述被选取区域内；过滤模块，被配置为过滤所述初始点云数据中的地面点云数据，以得到目标点云数据；生成模块，被配置为基于所述目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图。一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序，实现以下流程：获取被选取区域内的初始点云数据；获取被选取区域内的初始点云数据，其中，标注对象位于所述被选取区域内；过滤所述初始点云数据中的地面点云数据，以得到目标点云数据；基于所述目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图。一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现以下流程：获取被选取区域内的初始点云数据，其中，标注对象位于所述被选取区域内；过滤所述初始点云数据中的地面点云数据，以得到目标点云数据；基于所述目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过过滤被选取区域内的初始点云数据中的地面点云数据以得到目标点云数据，并基于目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及目标点云数据在三维坐标系的第三坐标轴上的坐标集合，生成标注对象的立体框图。如此，在进行点云标注时，能够根据该立体框图十分方便对标注对象进行点云标注，从而提升标注效率，降低标注成本。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请较佳实施例提供的标注对象立体框图生成方法的流程图。图2为本申请较佳实施例提供的过滤前的初始点云数据的示意图。图3为本申请较佳实施例提供的过滤后的初始点云数据的示意图。图4为本申请较佳实施例提供的确定标注对象的立体框图的流程图。图5a为本申请较佳实施例提供的一像素点扩充前的示意图。图5b为本申请较佳实施例提供的一像素点扩充后的示意图。图6为本申请较佳实施例提供的电子设备的结构示意图。图7为本申请较佳实施例提供的标注对象立体框图生成装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。为了便于点云数据的标注，本申请实施例提供了一种标注对象立体框图生成方法、装置、电子设备及存储介质，该标注对象立体框图生成方法、装置、电子设备及存储介质可生成出标注对象的立体框图，以方便对标注对象进行点云标注。首先，为了便于理解本申请，这里对本申请中的一些术语进行解释说明。2DBox：二维平面坐标中的矩形框，多用于图像方面的算法。3DBox：三维空间坐标中的立体框，多用于点云方面的算法。点云数据：通过三维激光扫描仪采集到的数据，特别是在无人驾驶领域，点云数据可以是某一坐标下的点的数据集，点云数据中的每个数据包括在三维坐标系中的坐标，还可以包括颜色、分类值、强度值、时间等信息。点云标注：对点云数据所对应的三维物体进行3DBox拉框，并为该物体添加类别等数据，比如车辆、行人、障碍物等，用于为深度学习算法提供训练数据。下面将对本申请实施例提供的标注对象立体框图生成方法进行详细说明。本申请实施例提供的标注对象立体框图生成方法可应用于用户端，所述用户端可以是，但不限于个人电脑、智能手机、平板电脑、膝上型便携计算机、车载电脑、个人数字助理等。除特别说明外，本申请实施例均以用户端为执行主体进行说明。可以理解，所述执行主体并不构成对本说明书实施例的限定。具体的，该标注对象立体框图生成方法如图1所示，可以包括如下步骤：步骤S11，获取被选取区域内的初始点云数据。本申请实施例中，对被选取区域的选取，可以是在将三维激光扫描仪采集到的点云数据在三维坐标系中进行点云渲染后，由标注人员手动选取。标注对象位于该被选取区域内，该标注对象是指需要进行点云标注的点云数据，如行人、车辆或障碍物的点云数据。具体的，可以由标注人员对渲染区域进行粗粒度的2DBox框选，此时在三维坐标系中，只要在框选平面上的坐标位于该框选区域内的区域，均为被选取区域，该被选取区域内的点的坐标集合即为初始点云数据。其中，2DBox框选所在平面可以是三维空间坐标中的xy本文档来自技高网...

【技术保护点】
1.一种标注对象立体框图生成方法，其特征在于，包括：/n获取被选取区域内的初始点云数据，其中，标注对象位于所述被选取区域内；/n过滤所述初始点云数据中的地面点云数据，以得到目标点云数据；/n基于所述目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图。/n

【技术特征摘要】
1.一种标注对象立体框图生成方法，其特征在于，包括：
获取被选取区域内的初始点云数据，其中，标注对象位于所述被选取区域内；
过滤所述初始点云数据中的地面点云数据，以得到目标点云数据；
基于所述目标点云数据在三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图。


2.根据权利要求1所述的方法，其特征在于，所述过滤所述初始点云数据中的地面点云数据，以得到目标点云数据，包括：
通过地面分割算法过滤所述初始点云数据中的地面点云数据，以得到所述目标点云数据。


3.根据权利要求1所述的方法，其特征在于，所述过滤所述初始点云数据中的地面点云数据，以得到目标点云数据，包括：
过滤所述初始点云数据中的地面点云数据，得到过滤后的点云数据；
对过滤后的点云数据进行去燥，得到所述目标点云数据。


4.根据权利要求1所述的方法，其特征在于，所述基于所述目标点云数据在所述三维坐标系中的第一坐标轴和第二坐标轴所在平面上的投影，以及所述目标点云数据在所述三维坐标系的第三坐标轴上的坐标集合，生成所述标注对象的立体框图，包括：
遍历所述目标点云数据；
根据所述目标点云数据在所述第三坐标轴上的坐标集合，得到所述目标点云数据在所述三维坐标系的第三坐标轴上的投影高度及第一中心坐标；
将所述目标点云数据投影在所述平面上，得到二维空间坐标集；
将所述二维空间坐标集中的坐标作为图像中的像素点进行运算，得到所述二维空间坐标集映射在所述平面上的长度、宽度、旋转角度及第二中心坐标；
根据所述投影高度、所述第一中心坐标、所述长度、所述宽度、所述旋转角度和所述第二中心坐标，生成所述标注对象的立体框图。


5.根据权利要求4所述的方法，其特征在于，在将所述目标点云数据投影在所述平面上，得到二维空间坐标集之后，所述方法还包括：
将所述二维空间坐标集中的坐标平移至所述平面的第一象限。


6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
将所述二维空间坐标集中的坐标、所述投影高度和所述第一中心坐标进行放大处理；
所述将所述二维空间坐标集中的坐标作为图像中的像素点进行运算，包括...

【专利技术属性】
技术研发人员：尹春鹏，贾志凯，
申请(专利权)人：北京云聚智慧科技有限公司，
类型：发明
国别省市：北京;11