【技术实现步骤摘要】
3D视觉感知数据的标注方法及装置
[0001]本申请涉及自动驾驶
，尤其是涉及一种3D视觉感知数据的标注方法及装置。
技术介绍
[0002]在基于深度学习的自动驾驶系统领域，为了训练相关的感知模型(包括但不限于深度估计、目标检测等领域)，需要准备大量的经过标注的训练数据。以3D物体检测为例，所需的训练数据应包含一定量的采集得到的红绿蓝(Red Green Blue，RGB)图像，以及标注好的物体(例如车辆、行人等)3D框。在自动驾驶领域，现有的技术主要利用激光雷达，在采集RGB图像的同时，同步获得雷达点云，再进行标注，然而，这种方式中，由于激光雷达的采集频率与RGB摄像头的采集频率往往不一致，故无法保证所匹配的点云与RGB图像是严格同步的，另外，由于激光雷达的环绕采集周期较长，如果车速较快，会出现被采集物体在采集周期内有较大位移，导致数据失真，从而导致仅仅依靠点云标注的3D框无法准确的投影到RGB图像上，例如，在点云空间标注的框是紧密的，但投射的RGB图像上看与实际物体位置存在一定位移。
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.一种3D视觉感知数据的标注方法，其特征在于，包括：获取第一RGB图像；将所述第一RGB图像的多帧图像分别输入第一3D视觉感知模型，获取所述第一3D视觉感知模型输出的第一训练数据；其中，所述第一3D视觉感知模型用于检测每帧图像中的目标物体并利用3D框对所述目标物体进行标注后输出所述第一训练数据。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第二RGB图像和雷达点云数据；在各帧所述雷达点云数据中标注点云3D框；将所述点云3D框投影至所述第二RGB图像中的目标帧图像上，获得第二训练数据，其中，所述目标帧图像为与所述点云3D框相关的帧图像；基于所述第二训练数据，对第二3D视觉感知模型进行训练，获得所述第一3D感知模型。3.根据权利要求2所述的方法，其特征在于，所述在各帧所述雷达点云数据中标注点云3D框，包括：基于对每帧所述雷达点云数据中的点云的聚类结果，在每帧所述雷达点云数据中标注所述点云3D框；或者，利用深度学习模型，在每帧所述雷达点云数据中标注所述点云3D框。4.根据权利要求2所述的方法，其特征在于，在所述基于所述第二训练数据，对第二3D视觉感知模型进行训练，获得所述第一3D感知模型的步骤之前，所述方法还包括：接收用户的第一操作；响应于所述第一操作，对映射到所述目标帧图像中的所述点云3D框进行校正。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用公开数据集对第二3D视觉感知模型进行训练，获得所述第...
【专利技术属性】
技术研发人员：杨天，朱政，黄冠，都大龙，
申请(专利权)人：北京鉴智机器人科技有限公司，
类型：发明
国别省市：
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。