投影效果判断方法、设备、存储介质及程序产品技术

本申请提供一种投影效果判断方法、设备、存储介质及程序产品，该方法通过获取投影区域的投影数据和图像数据，其中，投影数据通过点云数据在投影区域投影得到，图像数据为投影区域拍摄到的图像数据；对投影数据和图像数据进行灰度处理，得到图像灰度图和投影灰度图；将图像灰度图和投影灰度图输入至预设神经网络中，得到投影数据对应的投影标签，其中，预设神经网络通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签训练得到；根据投影标签判断投影的效果，无需人工识别投影数据与图像数据的区别，通过预设神经网络，可以高效、快速地判断投影是否准确，提高了投影效果判断的效率。的效率。的效率。

【技术实现步骤摘要】
投影效果判断方法、设备、存储介质及程序产品


[0001]本专利技术涉及自动驾驶
，尤其涉及一种投影效果判断方法、设备、存储介质及程序产品。

技术介绍

[0002]近年来，汽车企业和互联网产业纷纷启动智能网联汽车的研发，其中最核心的技术为自动驾驶技术，自动驾驶技术是汽车与交通行业面向未来市场竞争需要突破的关键技术，自动驾驶技术的落地实现，面临着诸多挑战，为保证自动驾驶的安全性，需要用到多传感器融合，将点云数据和图像数据结合起来，利用各自数据的优势，得到更丰富的信息，为自动驾驶提供合理的行驶规划，其中，点云数据和图像数据结合最常用的方法是将点云数据投影到图像表面。
[0003]但是投影时由于传感器的抖动、标定不够准确等原因，点云投影到图像平面时会产生偏移，投影偏移的数据会对后续的处理产生极大的干扰，造成投影不准确的问题，因此需要对投影的准确性进行判断。相关技术中，通常采用人工识别的方法，将点云投影渲染图和对应的摄像机采集的图像叠加起来，对叠加的图像进行人工筛选，来确定投影结果是否准确。
[0004]然而现有技术中，人工识别筛查的方式效率低，难以高效地判断点云投影结果是否准确。

技术实现思路

[0005]本申请提供一种投影效果判断方法、设备、存储介质及程序产品，从而解决现有技术中，人工识别筛查的方式效率低，难以高效地判断点云投影结果是否准确的技术问题。
[0006]第一方面，本申请提供一种投影效果判断方法，包括：
[0007]获取投影区域的投影数据和图像数据，其中，所述投影数据通过点云数据在所述投影区域投影得到，所述图像数据为所述投影区域拍摄到的图像数据；
[0008]对所述投影数据和所述图像数据进行灰度处理，得到图像灰度图和投影灰度图；
[0009]将所述图像灰度图和所述投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签训练得到；
[0010]根据所述投影标签判断投影的效果。
[0011]这里，本申请实施例为了确定投影效果的准确性，首先获取投影区域的投影数据和图像数据，这里的投影数据为点云数据在投影区域的投影，图像数据为拍摄到的投影区域的图像，对投影数据和图像数据进行灰度处理，能够得到图像灰度图和投影灰度图，从而便于针对不同的数据进行处理，再将图像灰度图和投影灰度图输入至预设神经网络中，通过该预设神经网络，可以输出投影数据对应的投影标签，可以根据投影标签判断投影的效果，确定投影是否准确，本申请实施例无需人工识别投影数据与图像数据的区别，通过预设
神经网络，可以高效、快速地判断投影是否准确，提高了投影效果判断的效率。
[0012]可选的，在将所述图像灰度图和所述投影灰度图输入至预设神经网络中之前，还包括：
[0013]获取多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签；
[0014]将所述多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签输入至神经网络进行训练，得到所述预设神经网络。
[0015]这里，本申请实施例可以通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签来训练神经网络，得到输入为图像灰度图和投影灰度图，输出为投影数据对应的投影标签的预设神经网络，通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签的训练，提高了预设神经网络输出结果的准确性，进一步地提高了投影效果判断的准确性。
[0016]可选的，在对所述投影数据和所述图像数据进行灰度处理，得到图像灰度图和投影灰度图之后，还包括：
[0017]对所述投影灰度图进行像素填充处理，得到稠密投影灰度图；
[0018]相应的，将所述图像灰度图和所述投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签训练得到，包括：
[0019]将所述图像灰度图、所述投影灰度图和所述稠密投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本、多个稠密投影灰度图样本和多个预设投影标签训练得到。
[0020]这里，本申请实施例在对投影数据和图像数据进行灰度处理，得到图像灰度图和投影灰度图之后，对投影灰度图进行了像素填充处理，由于原始的投影数据和投影灰度图是稀疏的，图像存在很多空洞，而真正的图像的特征是稠密的，为了保证数据处理的准确性，通过像素填充，将投影数据处理得到稠密投影灰度图，将上述稠密投影灰度图输入至预设神经网络，可以得到更加准确的投影标签，进一步地提高了投影效果判断的准确性。
[0021]可选的，在对所述投影灰度图进行像素填充处理，得到稠密投影灰度图之后，还包括：
[0022]将所述稠密投影灰度图与所述图像灰度图作差，得到差值灰度图；
[0023]相应的，将所述图像灰度图和所述投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签训练得到，包括：
[0024]将所述图像灰度图、所述投影灰度图、所述稠密投影灰度图和所述差值灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本、多个稠密投影灰度图样本、多个差值灰度图样本和多个预设投影标签训练得到。
[0025]这里，本申请实施例可以将图像灰度图与稠密投影灰度图作差，得到差值灰度图，将差值灰度图也输入至预设神经网络，此预设神经网络在训练时结合了图像灰度图样品与稠密投影灰度图样品的差值，通过此差值，能准确地反映投影之后的图像与原始图像的偏移多少，将此差值作为预设神经网络的训练数据，能够提高预设神经网络的精度，进一步地
提高了投影效果判断的准确性。
[0026]可选的，所述预设投影标签包括良好标签和劣质标签；
[0027]相应的，根据所述投影标签判断投影效果包括：
[0028]若所述投影数据对应的投影标签为良好标签，则判断投影效果准确；
[0029]若所述投影数据对应的投影标签为劣质标签，则判断投影效果不准确。
[0030]这里，本申请实施例将投影标签分为良好标签和劣质标签，通过二分类的方式，对投影效果进行有效的区分，实现过程简单、结果清晰，能够准确、高效地判断投影效果。
[0031]可选地，所述预设投影标签包括良好标签、偏上标签和偏下标签；
[0032]相应的，根据所述投影标签判断投影效果包括：
[0033]若所述投影数据对应的投影标签为良好标签，则判断投影效果准确；
[0034]若所述投影数据对应的投影标签为偏上标签，则判断投影效果不准确，且投影偏上；
[0035]若所述投影数据对应的投影标签为偏下标签，则判断投影效果不准确，且投影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种投影效果判断方法，其特征在于，包括：获取投影区域的投影数据和图像数据，其中，所述投影数据通过点云数据在所述投影区域投影得到，所述图像数据为所述投影区域拍摄到的图像数据；对所述投影数据和所述图像数据进行灰度处理，得到图像灰度图和投影灰度图；将所述图像灰度图和所述投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签训练得到；根据所述投影标签判断投影的效果。2.根据权利要求1所述的方法，其特征在于，在所述将所述图像灰度图和所述投影灰度图输入至预设神经网络中之前，还包括：获取多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签；将所述多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签输入至神经网络进行训练，得到所述预设神经网络。3.根据权利要求1所述的方法，其特征在于，在对所述投影数据和所述图像数据进行灰度处理，得到图像灰度图和投影灰度图之后，还包括：对所述投影灰度图进行像素填充处理，得到稠密投影灰度图；相应的，将所述图像灰度图和所述投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本和多个预设投影标签训练得到，包括：将所述图像灰度图、所述投影灰度图和所述稠密投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通过多个图像灰度图样本、多个投影灰度图样本、多个稠密投影灰度图样本和多个预设投影标签训练得到。4.根据权利要求1所述的方法，其特征在于，在对所述投影灰度图进行像素填充处理，得到稠密投影灰度图之后，还包括：将所述稠密投影灰度图与所述图像灰度图作差，得到差值灰度图；相应的，将所述图像灰度图和所述投影灰度图输入至预设神经网络中，得到所述投影数据对应的投影标签，其中，所述预设神经网络通...

【专利技术属性】
技术研发人员：田文善，黄伟杰，李乐，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：