本申请公开了一种点云的标注方法及装置、车辆。该方法包括：获取目标点云、目标点云中的多个初始标注框和目标图像，其中，目标点云为通过目标测量设备得到的点数据的集合，目标点云中的多个初始标注框用于标注目标点云中的目标内容，目标图像为目标点云对应的图像；将目标点云中的多个初始标注框投影至目标图像；依据目标图像中的多个初始标注框，对目标点云中的多个初始标注框进行处理，以得到目标点云中的多个目标标注框。通过本申请，解决了相关技术中在点云上进行标注时，标注的精准度较低的问题。的问题。的问题。
【技术实现步骤摘要】
点云的标注方法及装置、车辆
[0001]本申请涉及自动驾驶的
，具体而言，涉及一种点云的标注方法及装置、车辆。
技术介绍
[0002]深度学习模型是指把图像或者视频作为数据输入，并且预测或者返回预先学习的知识和标签。深度学习模型可以用于对象识别，动态分析，轨迹分析，对象追踪，行为预测，且在计算机视觉，自动驾驶领域中有广泛应用。另外，深度学习模型利用复杂多层的神经网络模拟人脑神经网络，在极短的时间里作出复杂，且对精准度要求极高的决策。因此，模型的训练集的质量显得尤为重要。
[0003]而且，模型的训练集的内容此处特指为出现在自动驾驶场景中的目标，通常包括道路(中心线、车道线，路面材质等)、交通元素(交通灯与交通标志牌)、交通参与者(机动车、非机动车与行人)、道路周边元素(包括路灯、车站、垃圾箱、绿化带、建筑物)等。
[0004]相关技术中，在构建模型训练集时，最常用的手段是利用采集到的点云数据，通过图形绘制的工具，将标注框绘制到所观察到的对象的外侧。具体为，首先采集点云、地理坐标信息，将点云绘制在以地理坐标信息为基础的画板上。最后按预先规定好的格式将类别，标注框的长，宽，高，x，y，z，坐标点导出。
[0005]目前，国内外大多数标注供应商采用相关技术中的以单独加载点云的标注工具，但是，由于点云的模糊场景的特性，采用这种实现方式会出现目标轮廓观察不精确，目标被遗漏的现象，也即，会导致标注的精准度较低。
[0006]针对相关技术中在点云上进行标注时，标注的精准度较低的问题，目前尚未提出存在效的解决方案。
技术实现思路
[0007]本申请的主要目的在于提供一种点云的标注方法及装置、车辆，以解决相关技术中在点云上进行标注时，标注的精准度较低的问题。
[0008]为了实现上述目的，根据本申请的一个方面，提供了一种点云的标注方法。该方法包括：获取目标点云、所述目标点云中的多个初始标注框和目标图像，其中，所述目标点云为通过目标测量设备得到的点数据的集合，所述目标点云中的多个初始标注框用于标注所述目标点云中的目标内容，所述目标图像为所述目标点云对应的图像；将所述目标点云中的多个初始标注框投影至所述目标图像；依据所述目标图像中的多个初始标注框，对所述目标点云中的多个初始标注框进行处理，以得到所述目标点云中的多个目标标注框。
[0009]进一步地，在将所述目标点云中的多个初始标注框投影至所述目标图像之前，所述方法还包括：确定目标转换矩阵；依据所述目标转换矩阵和每个初始标注框在所述目标点云中的坐标，计算所述每个初始标注框在所述目标图像中的坐标；依据所述每个初始标注框在所述目标图像中的坐标，在所述目标图像中生成多个初始标注框。
[0010]进一步地，在确定目标转换矩阵之前，所述方法还包括：获取第一距离信息、第二距离信息、摄像设备的内部参数信息和外部参数信息，其中，所述摄像设备用于拍摄所述目标图像，所述第一距离信息用于表示所述目标测量设备与目标对象之间的距离，所述第二距离信息用于表示所述目标测量设备与所述摄像设备中的摄像头之间的距离；依据所述第一距离信息、所述第二距离信息、所述内部参数信息和所述外部参数信息，确定所述目标转换矩阵。
[0011]进一步地，依据所述目标图像中的多个初始标注框，对所述目标点云中的多个初始标注框进行处理，以得到所述目标点云中的多个目标标注框包括：依据所述目标图像中的多个初始标注框，调整所述多个初始标注框的大小和/或调整所述多个初始标注框的位置，得到多个调整后的初始标注框；将所述多个调整后的初始标注框作为所述多个目标标注框。
[0012]进一步地，在获取目标点云和目标图像之后，所述方法还包括：对所述目标点云中的坐标系、所述目标图像中的坐标系、所述多个初始标注框的绘制模块和所述多个初始标注框的控制模块都进行初始化处理。
[0013]进一步地，在获取目标图像之前，所述方法还包括：确定所述目标点云的生成时间和原始图像的生成时间，其中，所述原始图像为生成所述目标图像之前的图像；若所述目标点云的生成时间和所述原始图像的生成时间之间的差值小于预设时间值，则将所述原始图像作为所述目标图像。
[0014]进一步地，在得到所述目标点云中的多个目标标注框之后，所述方法还包括：获取所述多个目标标注框的属性信息，其中，所述属性信息至少包括：每个目标标注框的名称信息和大小信息；对所述多个目标标注框的属性信息进行打包，得到目标文件；对所述目标文件进行压缩，得到压缩后的目标文件，并保存所述压缩后的目标文件。
[0015]进一步地，在得到所述目标点云中的多个目标标注框之后，所述方法还包括：依据所述多个目标标注框中的数据，生成训练集；采用所述训练集，对所述目标对象对应的深度学习模型进行学习训练。
[0016]为了实现上述目的，根据本申请的另一方面，提供了一种点云的标注装置。该装置包括：第一获取单元，用于获取目标点云、所述目标点云中的多个初始标注框和目标图像，其中，所述目标点云为通过目标测量设备得到的点数据的集合，所述目标点云中的多个初始标注框用于标注所述目标点云中的目标内容，所述目标图像为所述目标点云对应的图像；第一投影单元，用于将所述目标点云中的多个初始标注框投影至所述目标图像；第一处理单元，用于依据所述目标图像中的多个初始标注框，对所述目标点云中的多个初始标注框进行处理，以得到所述目标点云中的多个目标标注框。
[0017]进一步地，所述装置还包括：第一确定单元，用于在将所述目标点云中的多个初始标注框投影至所述目标图像之前，确定目标转换矩阵；第一计算单元，用于依据所述目标转换矩阵和每个初始标注框在所述目标点云中的坐标，计算所述每个初始标注框在所述目标图像中的坐标；第一生成单元，用于依据所述每个初始标注框在所述目标图像中的坐标，在所述目标图像中生成多个初始标注框。
[0018]进一步地，所述装置还包括：第二获取单元，用于在确定目标转换矩阵之前，获取第一距离信息、第二距离信息、摄像设备的内部参数信息和外部参数信息，其中，所述摄像
设备用于拍摄所述目标图像，所述第一距离信息用于表示所述目标测量设备与目标对象之间的距离，所述第二距离信息用于表示所述目标测量设备与所述摄像设备中的摄像头之间的距离；第二确定单元，用于依据所述第一距离信息、所述第二距离信息、所述内部参数信息和所述外部参数信息，确定所述目标转换矩阵。
[0019]进一步地，所述第一处理单元包括：第一调整模块，用于依据所述目标图像中的多个初始标注框，调整所述多个初始标注框的大小和/或调整所述多个初始标注框的位置，得到多个调整后的初始标注框；第一处理模块，用于将所述多个调整后的初始标注框作为所述多个目标标注框。
[0020]进一步地，所述装置还包括：第一初始化单元，用于在获取目标点云和目标图像之后，对所述目标点云中的坐标系、所述目标图像中的坐标系、所述多个初始标注框的绘制模块和所述多个初始标注框的控制模块都进行初始化处理。
[0021]进一步地，所述装置还包括：第本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种点云的标注方法，其特征在于，所述方法包括：获取目标点云、所述目标点云中的多个初始标注框和目标图像，其中，所述目标点云为通过目标测量设备得到的点数据的集合，所述目标点云中的多个初始标注框用于标注所述目标点云中的目标内容，所述目标图像为所述目标点云对应的图像；将所述目标点云中的多个初始标注框投影至所述目标图像；依据所述目标图像中的多个初始标注框，对所述目标点云中的多个初始标注框进行处理，以得到所述目标点云中的多个目标标注框。2.根据权利要求1所述的方法，其特征在于，在将所述目标点云中的多个初始标注框投影至所述目标图像之前，所述方法还包括：确定目标转换矩阵；依据所述目标转换矩阵和每个初始标注框在所述目标点云中的坐标，计算所述每个初始标注框在所述目标图像中的坐标；依据所述每个初始标注框在所述目标图像中的坐标，在所述目标图像中生成多个初始标注框。3.根据权利要求2所述的方法，其特征在于，在确定目标转换矩阵之前，所述方法还包括：获取第一距离信息、第二距离信息、摄像设备的内部参数信息和外部参数信息，其中，所述摄像设备用于拍摄所述目标图像，所述第一距离信息用于表示所述目标测量设备与目标对象之间的距离，所述第二距离信息用于表示所述目标测量设备与所述摄像设备中的摄像头之间的距离；依据所述第一距离信息、所述第二距离信息、所述内部参数信息和所述外部参数信息，确定所述目标转换矩阵。4.根据权利要求1所述的方法，其特征在于，依据所述目标图像中的多个初始标注框，对所述目标点云中的多个初始标注框进行处理，以得到所述目标点云中的多个目标标注框包括：依据所述目标图像中的多个初始标注框，调整所述多个初始标注框的大小和/或调整所述多个初始标注框的位置，得到多个调整后的初始标注框；将所述多个调整后的初始标注框作为所述多个目标标注框。5.根据权利要求1所述的方法，其特征在于，在获取目标点云和目标图...
【专利技术属性】
技术研发人员：任思阳，郑朝友，朱军，段锐，王振东，
申请(专利权)人：中国第一汽车股份有限公司，
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。