雷达点云数据处理方法、装置、设备以及存储介质制造方法及图纸

本公开提供了雷达点云数据处理的方法、装置、设备以及存储介质，涉及雷达点云、自动驾驶、深度学习技术领域。具体实现方案为：利用雷达点云数据中的目标检测框，确定目标物体所处的目标位置区域；将处于目标位置区域内的目标物体的每个点从雷达点云数据中移除；将物体模型添加到目标位置区域。本公开的实施例，通过将目标物体从雷达点云数据中移除，并将需要的三维模型添加到雷达点云数据中的目标位置区域，可以得到更加丰富的雷达点云数据。可以得到更加丰富的雷达点云数据。可以得到更加丰富的雷达点云数据。

【技术实现步骤摘要】
雷达点云数据处理方法、装置、设备以及存储介质
[0001]本申请要求于2021年5月20日提交美国专利局、申请号为17/325,762专利技术名称为“雷达点云数据处理方法、装置、设备以及存储介质”的美国专利申请的优先权，其全部内容通过引用结合在本申请中。


[0002]本公开涉及数据处理
，尤其涉及雷达点云、自动驾驶、深度学习


技术介绍

[0003]随着自动驾驶等技术的兴起，出于安全性考虑，雷达设备在这些技术中发挥着越来越重要的作用。由于对光照条件等不敏感，并且良好的距离感知能力，雷达几乎成了大部分自动驾驶公司的标准配置。由于深度学习技术和三维技术的兴起，基于雷达点云数据的目标检测占据着自动驾驶行业感知系统的主流地位。但是目前雷达点云的场景分布具有长尾效应，大部分数据都是常见物体。对自动驾驶等应用场景而言，安全性要求很高，需要提升异常数据例如低概率物体、低概率场景的数据的标注量。

技术实现思路

[0004]本公开提供了一种用于雷达点云数据处理的方法、装置、设备以及存储介质。
[0005]根据本公开的一方面，提供了一种雷达点云数据的处理方法，包括：
[0006]利用雷达点云数据中的目标检测框，确定目标物体所处的目标位置区域；
[0007]将处于目标位置区域内的目标物体的每个点从雷达点云数据中移除；
[0008]将物体模型添加到目标位置区域，得到更新的雷达点云数据。
[0009]根据本公开的另一方面，提供了一种雷达点云数据的处理装置，包括：r/>[0010]确定模块，用于利用雷达点云数据中的目标检测框，确定目标物体所处的目标位置区域；
[0011]移除模块，用于将处于目标位置区域内的目标物体的每个点从雷达点云数据中移除；
[0012]添加模块，用于将物体模型添加到目标位置区域，得到更新的雷达点云数据。
[0013]根据本公开的另一方面，提供了一种电子设备，包括：
[0014]至少一个处理器；以及
[0015]与该至少一个处理器通信连接的存储器；其中，
[0016]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
[0017]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
[0018]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机
程序被处理器执行时实现本公开任一实施例中的方法。
[0019]根据本公开的技术通过将目标物体从雷达点云数据中移除，并将需要的三维模型添加到雷达点云数据中的目标位置区域，可以得到更加丰富的雷达点云数据。
[0020]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
[0021]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0022]图1是根据本公开一实施例的雷达点云数据的处理方法的流程示意图；
[0023]图2是根据本公开另一实施例的雷达点云数据的处理方法的流程图；
[0024]图3是根据本公开另一实施例的雷达点云数据的处理方法的流程图；
[0025]图4是根据本公开一实施例的雷达点云数据的处理装置的框图；
[0026]图5是根据本公开另一实施例的雷达点云数据的处理装置的框图；
[0027]图6是根据本公开另一实施例的雷达点云数据的处理装置的框图；
[0028]图7是本公开的一种应用示例的示意图；
[0029]图8示出用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
[0030]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。
[0031]图1是根据本公开一实施例的雷达点云数据的处理方法的流程示意图。该方法可以包括：
[0032]S11、利用雷达点云数据中的目标检测框，确定目标物体所处的目标位置区域；
[0033]S12、将处于目标位置区域内的目标物体的每个点从雷达点云数据中移除；
[0034]S13、将物体模型添加到目标位置区域，得到更新的雷达点云数据。
[0035]示例性地，雷达(LiDAR)点云数据也可以称为雷达点云、激光雷达点云、激光雷达点云数据等。雷达点云数据中的每一个点可以包括三维坐标信息，例如通过X、Y、Z三个轴的坐标来表示雷达点云数据中每个点的坐标信息。雷达点云数据中的每一个点有时还包含颜色信息、反射强度信息、回波次数信息等。
[0036]原始的雷达点云数据中可以包括一个或多个物体。需要从原始的雷达点云数据中移除的物体可以称为目标物体。每次可以从原始的雷达点云数据中移除的目标物体的数量可以为一个也可以为多个，在本公开中对此不做限定。
[0037]原始的雷达点云数据中可以包括带有标注的三维物体的目标检测框。该目标检测框可以是人工标注或者自动标注确定的。通过目标检测框，可以确定目标物体的范围，即目标物体所处的目标位置区域。对于处于目标位置区域内的每个点，可以进行移除处理。例如，采用设置这些点的极大值等方式，将处于目标位置区域内的目标物体的每个点从雷达点云数据中移除，也即将目标物体从雷达点云数据中移除。移除处理后可以得到不包括目
标物体的雷达点云数据。在不包括目标物体的雷达点云数据可以添加预先生成的三维模型。例如，
[0038]本公开的实施例，通过将目标物体从雷达点云数据中移除，并将需要的三维模型添加到雷达点云数据中的目标位置区域，可以得到更加丰富的雷达点云数据。进而，有利于满足更加丰富的应用场景的雷达点云数据的需求。
[0039]图2是根据本公开另一实施例的雷达点云数据的处理方法的流程图。该实施例的雷达点云数据的处理方法可以包括上述实施例的各步骤。在一种实施方式中，该目标检测框为三维检测框；该目标物体为三维物体，该物体模型为三维模型。参见上述实施例中的示例，雷达点云数据中的目标检测框可以通过三维坐标信息、深度、方向等来表示。需要移除的目标物体的每个点的位置也可以通过三维坐标信息来表示。需要添加的物体模型也可以为预先采用三维模型生成软件制作的三维模型。采用三维的目标检测框、目标物体和物体模型，有利于得到更加真实准确的雷达点云数据。
[0040]在一种实施方式中，步骤S12包括：
[0041]S21、利用雷达中心的坐标以及目标物体的每个点的坐标，生成从雷达中心到目标物体的每个点的线段；
[0042]S2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雷达点云数据的处理方法，包括：利用雷达点云数据中的目标检测框，确定目标物体所处的目标位置区域；将处于所述目标位置区域内的所述目标物体的每个点从所述雷达点云数据中移除；将物体模型添加到所述目标位置区域，得到更新的雷达点云数据。2.根据权利要求1所述的方法，其特征在于，所述目标检测框为三维检测框；所述目标物体为三维物体，所述物体模型为三维模型。3.根据权利要求1所述的方法，其特征在于，将处于所述目标位置区域内的所述目标物体的每个点从所述雷达点云数据中移除，包括：利用雷达中心的坐标以及所述目标物体的每个点的坐标，生成从雷达中心到所述目标物体的每个点的线段；将每条线段的长度更新为预设的极大值。4.根据权利要求3所述的方法，其特征在于，将物体模型添加到所述目标位置区域，包括：将所述物体模型的每个点的位置与预设的偏移量相加，以确定所述物体模型在目标位置区域内的位置。5.根据权利要求4所述的方法，其特征在于，将物体模型添加到所述目标位置区域，还包括：通过投影矩阵对所述物体模型进行渲染，得到所述物体模型对应的深度图；通过所述投影矩阵将所述深度图投影到相机平面；在所述深度图中查询，得到雷达射线与所述深度图的交点的深度值；利用所述雷达射线与所述深度图的交点的深度值，更新所述雷达射线对应的线段的长度，以得到所述雷达射线在所述物体模型的表面的交点的位置。6.根据权利要求5所述的方法，其特征在于，将物体模型添加到所述目标位置区域，还包括：在所述雷达射线与所述物体模型的深度图没有交集的情况下，保持所述雷达射线不变。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：利用地面方程对所述目标位置区域内的属于地面的点进行补全处理。8.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：确定目标检测框内的每个点的语义信息，所述语义信息包括所述目标检测框内的每个点是否属于目标物体。9.一种雷达点云数据的处理装置，包括：确定模块，用于利用雷达点云数据中的目标检测框，确定目标物体所处的目标位置区域；移除模块，用于将处于所述目标位置区域内的所述目标物体的每个点从所述雷达点云数据中移除；添加模块，用于将物体模型添加到所述目标位置区域，得到更新的雷达点云数据。10.根据权利要求9所述的装置，其特征在于，所述目标检测框为三维检测框；所述目标物体为三维...

【专利技术属性】
技术研发人员：方进，周定富，宋希彬，张良俊，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：