点云数据的生成方法、装置、电子设备及存储介质制造方法及图纸

本公开公开了一种点云数据的生成方法、装置、电子设备及存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可应用于自动驾驶和智能交通场景下。具体实现方案为：基于激光雷达采集目标对象的真实点云集合；对目标对象进行图像采集，并基于采集的图像，生成伪点云集合；对真实点云集合和伪点云集合进行融合，生成用于模型训练的目标点云集合。本申请能够使得用于模型训练的目标点云集合中远近的点云较为均衡，可以更好地满足训练要求，以便于提供模型的训练精度，有利于远近目标的监测。监测。监测。

【技术实现步骤摘要】
点云数据的生成方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可应用于自动驾驶和智能交通场景下。

技术介绍

[0002]相关技术中，在运用雷达点云完成目标检测任务时，若单纯使用激光雷达数据进行目标检测，会出现远处点云稀疏的问题，从而造成结果准确度不够；若单纯使用伪激光雷达数据进行目标检测，则整体计算量大大增加。此两种方法都忽略了地面点云带来的噪点降低了算法的鲁棒性。

技术实现思路

[0003]本公开提供了一种点云数据的生成方法、装置、电子设备及存储介质。
[0004]根据本公开的一方面，提供了一种点云数据的生成方法。在基于激光雷达采集目标对象的真实点云集合；对目标对象进行图像采集，并基于采集的图像，生成伪点云集合；对真实点云集合和伪点云集合进行融合，生成用于模型训练的目标点云集合。本申请能够使得用于模型训练的目标点云集合中远近的点云较为均衡，可以更好地满足训练要求，以便于提供模型的训练精度，有利于远近目标的监测。
[0005]根据本公开的另一方面，提供了一种点云数据的生成装置。
[0006]根据本公开的另一方面，提供了一种电子设备。
[0007]根据本公开的另一方面，提供了一种非瞬时计算机可读存储介质。
[0008]根据本公开的另一方面，提供了一种计算机程序产品。
[0009]为达上述目的，本公开第一方面实施例提出了一种点云数据的生成方法，包括：基于激光雷达采集目标对象的真实点云集合；对所述目标对象进行图像采集，并基于采集的图像，生成伪点云集合；对所述真实点云集合和所述伪点云集合进行融合，生成用于模型训练的目标点云集合。
[0010]为达上述目的，本公开第二方面实施例提出了一种点云数据的生成装置，包括：真实点云集合获取模块，用于基于激光雷达采集目标对象的真实点云集合；伪点云集合获取模块，用于对所述目标对象进行图像采集，并基于采集的图像，生成伪点云集合；点云集合融合模块，用于对所述真实点云集合和所述伪点云集合进行融合，生成用于模型训练的目标点云集合。
[0011]为达上述目的，本公开第三方面实施例提出了一种电子设备，包括存储器、处理器。所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现如本公开第一方面实施例所述的点云数据的生成方法。
[0012]为达上述目的，本公开第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于实现如本公开第一方面实施例所述的点云数据的生成方法。
[0013]为达上述目的，本公开第五方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时以实现如本公开第一方面实施例所述的点云数据的生成方法。
[0014]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0015]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0016]图1是根据本公开一实施例的点云数据的生成方法的示意图；
[0017]图2是根据本公开另一实施例的点云数据的生成方法的示意图；
[0018]图3是根据本公开另一实施例的点云数据的生成方法的示意图；
[0019]图4是根据本公开另一实施例的点云数据的生成方法的示意图；
[0020]图5是根据本公开另一实施例的点云数据的生成方法的示意图；
[0021]图6是根据本公开另一实施例的点云数据的生成方法的示意图；
[0022]图7是根据本公开另一实施例的点云数据的生成方法的示意图；
[0023]图8是根据本公开另一实施例的点云数据的生成方法的示意图；
[0024]图9是根据本公开另一实施例的点云数据的生成方法的示意图；
[0025]图10是根据本公开另一实施例的点云数据的生成方法的示意图；
[0026]图11是根据本公开一实施例的点云数据的生成装置的示意图；
[0027]图12是根据本公开一实施例的电子设备的示意图。
具体实施方式
[0028]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0029]图像处理(Image Processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
[0030]深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
[0031]计算机视觉(Computer Vision)，是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，
计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取
‘
信息
’
的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
[0032]人工智能(Artificial Intelligence，简称AI)，是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
[0033]图1是根据本公开一个实施例的点云数据的生成方法的流程图，如图1所示，该点云数据的生成方法包括以下步骤：
[0034]S101，基于激光雷达采集目标对象的真实点云集合。
[0035]激光探测及测距系统(Light D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据的生成方法，包括：基于激光雷达采集目标对象的真实点云集合；对所述目标对象进行图像采集，并基于采集的图像，生成伪点云集合；对所述真实点云集合和所述伪点云集合进行融合，生成用于模型训练的目标点云集合。2.根据权利要求1所述的方法，其中，所述对所述真实点云集合和所述伪点云集合进行融合，生成用于模型训练的目标点云集合之前，还包括：基于所述伪点云集合中每个第一点云的坐标信息，获取所述第一点云与地面方程的地面距离；从所述伪点云集合中剔除所述地面距离小于设定距离阈值的第一点云。3.根据权利要求1或2所述的方法，其中，所述对所述真实点云集合和所述伪点云集合进行融合，生成用于模型训练的目标点云集合，还包括：将所述真实点云集合和所述伪点云集合进行拼接，生成候选点云集合；基于所述伪点云集合中每个第一点云的坐标信息和所述真实点云集合中每个第二点云的坐标信息，获取所述第一点云到所述真实点云集合的欧式距离；基于所述第一点云的欧式距离，从所述候选点云集合中选取点云，以生成所述目标点云集合。4.根据权利要求3所述的方法，其中，所述基于所述第一点云的欧式距离，从所述候选点云集合中选取点云，以生成所述目标点云集合，包括：基于所述第一点云的欧式距离，生成所述第一点云的保留概率；获取所述第二点云预先配置的保留概率；对所述候选点云集合进行随机降采样，得到所述目标点云集合，其中，所述随机降采样使用的概率为所述保留概率。5.根据权利要求3所述的方法，其中，所述基于所述伪点云集合中每个第一点云的坐标信息和所述真实点云集合中每个第二点云的坐标信息，获取所述第一点云到所述真实点云集合的欧式距离，包括：获取所述第二点云的坐标信息，获取所述真实点云集合的中心点坐标信息；基于所述第一点云的坐标信息和所述中心点坐标信息，确定所述欧式距离。6.根据权利要求1所述的方法，其中，所述生成用于模型训练的目标点云集合之后，还包括：利用所述目标点云集合，训练构建的3D目标检测模型，以生成训练好的3D目标检测模型。7.一种点云数据的生成装置，包括：真实点云集合获取模块，用于基于激光雷达采集目标对象的真实点云集合；伪点云集合获取模块，用于对所述目标对象进行图像采集，并基于采集的图像，生成伪点云集...

【专利技术属性】
技术研发人员：鞠波，叶晓青，谭啸，孙昊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：