【技术实现步骤摘要】
一种点云数据的处理方法、装置、电子设备及存储介质
本公开涉及人工智能
，具体而言，涉及一种点云数据的处理方法、装置、电子设备及存储介质。
技术介绍
基于激光雷达的三维(3-Dimensional,3D)目标检测是自动驾驶领域内的一项关键技术。在进行目标检测的过程中，首先可以采用激光雷达来获取环境中物体外观表面的点云数据；之后，由人工对点云数据进行标注，得到目标对象的标注框。然而，由于激光雷达点云稀疏的特性，离激光雷达距离远的目标往往被扫描的点云数量更少，这增加了标注的难度。对于不同标注员而言，其标注风格并不相同，例如，有的标注员可能会根据生活经验来脑补标注框，有的标注员则只会根据扫描到的点云来标注(如仅标注车辆尾部)。在将不同标注风格的点云数据混合一起进行网络训练的情况下，会导致网络无法有效区分不同的标注风格，导致后续目标检测的准确度较差。
技术实现思路
本公开实施例至少提供一种点云数据的处理方法、装置、电子设备及存储介质，实现了不同标注风格之间的转换，便于进行混合数据的神经网络训练...
【技术保护点】
1.一种点云数据的处理方法，其特征在于，包括：/n获取第一训练样本集中的第一点云数据和第一点云数据中的至少一个目标对象的第一标注框、以及获取基于第二训练样本集中的第二点云数据训练得到的目标检测神经网络；其中，第一训练样本集和第二训练样本集的标注风格不同；/n利用所述目标检测神经网络对所述第一点云数据进行目标检测，得到至少一个目标对象的预测检测框；/n对所述至少一个预测检测框和至少一个第一标注框进行配对处理，得到至少一对预测检测框和第一标注框；其中每对预测检测框和第一标注框对应同一目标对象；/n针对每个第一标注框，基于该第一标注框以及与该第一标注框配对的预测检测框对该第一标注...
【技术特征摘要】
1.一种点云数据的处理方法，其特征在于，包括：
获取第一训练样本集中的第一点云数据和第一点云数据中的至少一个目标对象的第一标注框、以及获取基于第二训练样本集中的第二点云数据训练得到的目标检测神经网络；其中，第一训练样本集和第二训练样本集的标注风格不同；
利用所述目标检测神经网络对所述第一点云数据进行目标检测，得到至少一个目标对象的预测检测框；
对所述至少一个预测检测框和至少一个第一标注框进行配对处理，得到至少一对预测检测框和第一标注框；其中每对预测检测框和第一标注框对应同一目标对象；
针对每个第一标注框，基于该第一标注框以及与该第一标注框配对的预测检测框对该第一标注框进行标注风格转换，生成与所述第二训练样本集的标注风格相同的第二标注框。
2.根据权利要求1所述的处理方法，其特征在于，所述对所述至少一个预测检测框和至少一个第一标注框进行配对处理，包括：
对各个预测检测框和各个第一标注框分别进行紧缩处理；其中，紧缩处理后的预测检测框为包含对应的紧缩处理前的预测检测框内的全部第一点云数据的最小尺寸检测框；紧缩处理后的第一标注框为包含对应的紧缩处理前的第一标注框内的全部第一点云数据的最小尺寸标注框；
基于紧缩处理后的各个预测检测框和各个第一标注框，对各个预测检测框和各个第一标注框进行配对处理。
3.根据权利要求2所述的处理方法，其特征在于，所述第一点云数据包括多个点云点的坐标信息；所述对各个预测检测框进行紧缩处理，包括：
针对每个预测检测框，基于该预测检测框内多个点云点的坐标信息以及该预测检测框的每个面的位置信息，确定与每个面距离最近的目标点云点；
针对该预测检测框的每个面，将该预测检测框的该面向该预测检测框的中心位置处移动，直至与该面距离最近的目标点云点落在移动后的该面上，得到紧缩处理后的预测检测框。
4.根据权利要求2或3所述的处理方法，其特征在于，所述基于紧缩处理后的各个预测检测框和各个第一标注框，对各个预测检测框和各个第一标注框进行配对处理，包括：
针对每个紧缩处理后的预测检测框，基于各个紧缩处理后的第一标注框与该紧缩处理后的预测检测框的交并比，选择与该紧缩处理后的预测检测框交并比最大的紧缩处理后的第一标注框作为与该紧缩处理后的预测检测框配对的紧缩处理后的第一标注框；或者，
针对每个紧缩处理后的第一标注框，基于各个紧缩处理后的预测检测框与该紧缩处理后的第一标注框的交并比，选择与该紧缩处理后的第一标注框交并比最大的紧缩处理后的预测检测框作为与该紧缩处理后的第一标注框配对的紧缩处理后的预测检测框。
5.根据权利要求1...
【专利技术属性】
技术研发人员：王哲，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：上海;31
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。