【技术实现步骤摘要】
一种雷达数据标注方法、装置、设备及存储介质
本专利技术涉及智能算法领域，尤其涉及一种雷达数据标注方法、装置、设备及存储介质。
技术介绍
深度学习在图像识别、语音识别、自然语言处理等方面都有着广泛的应用。众所周知，深度学习的基础是大量的数据，只有在具备大量数据的基础上才可能利用深度学习的技术去学习数据内在的规律并最终完成推理得到可以良好运用的模型。典型应用场景如图像识别领域，通常有两种方法获取数据集：采用网络公开数据集，这种数据集一般都颇具规模且已经完成了标注，通常获取之后稍加修改便可以使用；自行收集数据并人工完成标注的，这种方法虽然需要耗费较多的人工，但就算没有接受过专业知识训练的普通人仍然可以完成对数据的标注。但对于雷达而言，网络上几乎没有公开的雷达数据集，而对雷达数据进行人工标注的难点在于雷达数据不如图像直观，普通人无法对数据进行标注。就算是专业人士，在缺乏一些先验辅助知识的前提下对雷达数据进行标注亦是一个难题。因此数据集的获取成为深度学习应用于雷达上的一道门槛。
技术实现思路
有鉴于此，本专...
【技术保护点】
1.一种雷达数据标注方法，其特征在于，包括：/n获取对相同道路进行监测的雷达数据和图像数据；/n对所述雷达数据和所述图像数据进行时间同步和空间同步，确定所述雷达数据和所述图像数据间的对应关系；/n根据所述对应关系以及所述图像数据确定所述雷达数据中的车辆个数，将所述车辆个数作为所述雷达数据的标注信息。/n
【技术特征摘要】
1.一种雷达数据标注方法，其特征在于，包括：
获取对相同道路进行监测的雷达数据和图像数据；
对所述雷达数据和所述图像数据进行时间同步和空间同步，确定所述雷达数据和所述图像数据间的对应关系；
根据所述对应关系以及所述图像数据确定所述雷达数据中的车辆个数，将所述车辆个数作为所述雷达数据的标注信息。
2.根据权利要求1所述的方法，其特征在于，所述对所述雷达数据和所述图像数据进行时间同步和空间同步，确定所述雷达数据和所述图像数据间的对应关系包括：
确定每一帧所述雷达数据和每一帧所述图像数据的时间标签以及相邻帧之间的时间差；
根据所述时间标签匹配对应的雷达数据和图像数据；
通过信号处理算法从所述雷达数据中提取运动车辆得到时距图；
建立所述图像数据中的车辆和所述时距图中的车辆间的映射关系；
通过所述映射关系确定所述雷达数据在对应的图像数据上的探测区域。
3.根据权利要求2所述的方法，其特征在于，所述通过信号处理算法从所述雷达数据中提取运动车辆得到时距图包括：
选取至少两帧图像数据；
确定所述至少两帧图像数据中相邻图像数据间的时间差并计算出所述至少两帧图像数据经过的总时间；
找到所述总时间内的雷达数据；
根据所述总时间内的雷达数据经信号处理得到时距图。
4.根据权利要求2所述的方法，其特征在于，所述建立所述图像数据中的车辆和所述时距图中的车辆间的映射关系包括：
将所述至少两帧图像数据按照时间先后排列并逐帧与所述时距图比较确定所述至少两帧图像数据中的车辆与所述时距图中的车辆间的映射关系。
5.根据权利要求2所述的方法，其特征在于，所述通过所述映射关系在确定所述雷达数据在对应的图像数据上的探测区域包括：
根据所述映...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。