一种基于点云数据的目标识别方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种基于点云数据的目标识别方法、装置及电子设备，该方法包括：通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；对所述当前图像数据进行图像识别，获得尺寸小于预设阈值的目标物检测框；基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，以及所述当前点云数据中落入所述伪三维检测框的候选点云；对所述候选点云进行时间积分，基于积分后的候选点云更新所述当前点云数据；对更新后的当前点云数据进行目标识别。通过上述技术方案，提高了点云数据中小目标物的点云密度，进而提升点云数据整体目标识别精度。据整体目标识别精度。据整体目标识别精度。

【技术实现步骤摘要】
一种基于点云数据的目标识别方法、装置及电子设备


[0001]本专利技术涉及智慧交通
，特别涉及一种基于点云数据的目标识别方法、装置及电子设备。

技术介绍

[0002]自动驾驶领域，3D目标识别是非常重要的一环。自动驾驶场景比较复杂，通常采用激光雷达来完成3D目标识别。激光雷达是一种通过探测远距离物体的激光散射来获取目标相关信息的光学遥感技术，是结合传统雷达和现代激光的技术产品。与传统测量技术相比，激光雷达数据采集器具有高测量精度、高检测效率、全天候探测、非接触探测的优点。
[0003]在3D目标识别中，车辆和行人是我们最关注的识别对象。对于车辆的识别现有的激光雷达已能够满足较高的精度需求，但对于同一帧点云数据中的小目标如行人，由于点云视觉特征较差、噪声较多，其识别精度较差，导致点云数据帧中目标识别的整体进度下降。提高点云帧整体目标识别精度，已成为了自动驾驶领域中亟待解决的技术问题。

技术实现思路

[0004]本专利技术实施例提供一种基于点云数据的目标识别方法、装置及电子设备，用于解决现有技术中点云数据整体目标识别精度较差的技术问题。
[0005]第一方面，本申请实施例提供一种基于点云数据的目标识别方法，包括：
[0006]通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；
[0007]对所述当前图像数据进行图像识别，获得尺寸小于预设阈值的目标物检测框；
[0008]基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，以及所述当前点云数据中落入所述伪三维检测框的候选点云；
[0009]对所述候选点云进行时间积分，基于积分后的候选点云更新所述当前点云数据；
[0010]对更新后的当前点云数据进行目标识别。
[0011]可选地，目标物包括行人和/或非机动车。
[0012]可选地，所述基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，包括：
[0013]基于所述相机拍摄的历史图像数据获得目标物在当前时刻的预测图像检测框；
[0014]将所述预测图像检测框与所述目标物检测框进行合并，获得合并后的目标检测框；
[0015]基于点云数据与图像数据之间的映射关系，获取所述合并后的目标物检测框在三维空间中的伪三维检测框。
[0016]可选地，所述对所述候选点云进行时间积分，包括：
[0017]基于所述激光雷达采集的历史点云数据获得目标物在当前时刻的预测点云；
[0018]将所述预测点云与所述候选点云进行融合，并通过融合后的点云更新所述候选点
云，对更新后的候选点云进行时间积分。
[0019]可选地，所述时间积分的时长大于所述激光雷达输出前后两帧点云的时间间隔。
[0020]第二方面，本申请实施例提供一种基于点云数据的目标识别装置，所述装置包括：
[0021]采集单元，用于通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；
[0022]图像识别单元，用于对所述当前图像数据进行图像识别，获得尺寸小于预设阈值的目标物检测框；
[0023]映射单元，用于基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，以及所述当前点云数据中落入所述伪三维检测框的候选点云；
[0024]积分单元，用于对所述候选点云进行时间积分，基于积分后的候选点云更新所述当前点云数据；
[0025]点云识别单元，用于对更新后的当前点云数据进行目标识别。
[0026]可选地，所述映射单元还用于：
[0027]基于所述相机拍摄的历史图像数据获得目标物在当前时刻的预测图像检测框；
[0028]将所述预测图像检测框与所述目标物检测框进行合并，获得合并后的目标检测框；
[0029]基于点云数据与图像数据之间的映射关系，获取所述合并后的目标物检测框在三维空间中的伪三维检测框。
[0030]可选地，所述积分单元还用于：
[0031]基于所述激光雷达采集的历史点云数据获得目标物在当前时刻的预测点云；
[0032]将所述预测点云与所述候选点云进行融合，并通过融合后的点云更新所述候选点云，对更新后的候选点云进行时间积分。
[0033]第三方面，本申请实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置由一个或者一个以上处理器执行所述一个或者一个以上的程序实现如第一方面所述的任一方法。
[0034]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的任一方法。
[0035]本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果：
[0036]本申请实施例提供的一种基于点云数据的目标识别方法，通过相机的高分辨率和图像的高识别率进行小目标物的识别定位，再针对该识别定位获得小目标物的伪三维检测框即所在区域，对伪三维检测框中的点云进行时间积分，从而增加该区域的点云密度，以此重构当前点云数据，使得点云帧中小目标物所在区域点云密度增加、小目标物的识别精度提升，进而使得点云帧的整体目标识别精度大大提高，解决了现有技术中点云数据整体目标识别精度较差的技术问题。
附图说明
[0037]图1为本申请实施例提供的一种基于点云数据的目标识别方法的流程图；
[0038]图2为本申请实施例提供的伪三维检测框的调优方法流程图；
[0039]图3为本申请实施例提供的一种基于点云数据的目标识别装置的示意图；
[0040]图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0041]在介绍本公开实施例之前，应当说明的是：
[0042]本公开部分实施例被描述为处理流程，虽然流程的各个操作步骤可能被冠以顺序的步骤编号，但是其中的操作步骤可以被并行地、并发地或者同时实施。
[0043]本公开实施例中可能使用了术语“和/或”，“和/或”包括其中一个或更多所列出的相关联特征的任意和所有组合。
[0044]应当理解的是，当描述两个部件的连接关系或通信关系时，除非明确指明两个部件之间直接连接或直接通信，否则，两个部件的连接或通信可以理解为直接连接或通信，也可以理解为通过中间部件间接连接或通信。
[0045]为了使本公开实施例中的技术方案及优点更加清楚明白，以下结合附图对本公开的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本公开的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0046]实施例
[0047]请参考图1，本实施例提供一种基于点云数据的目标识别方法，该方法包括：
[0048]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云数据的目标识别方法，其特征在于，包括：通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；对所述当前图像数据进行图像识别，获得尺寸小于预设阈值的目标物检测框；基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，以及所述当前点云数据中落入所述伪三维检测框的候选点云；对所述候选点云进行时间积分，基于积分后的候选点云更新所述当前点云数据；对更新后的当前点云数据进行目标识别。2.如权利要求1所述的方法，其特征在于，目标物包括行人和/或非机动车。3.如权利要求1所述的方法，其特征在于，所述基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，包括：基于所述相机拍摄的历史图像数据获得目标物在当前时刻的预测图像检测框；将所述预测图像检测框与所述目标物检测框进行合并，获得合并后的目标检测框；基于点云数据与图像数据之间的映射关系，获取所述合并后的目标物检测框在三维空间中的伪三维检测框。4.如权利要求1所述的方法，其特征在于，所述对所述候选点云进行时间积分，包括：基于所述激光雷达采集的历史点云数据获得目标物在当前时刻的预测点云；将所述预测点云与所述候选点云进行融合，并通过融合后的点云更新所述候选点云，对更新后的候选点云进行时间积分。5.如权利要求1～4任一所述方法，其特征在于，所述时间积分的时长大于所述激光雷达输出前后两帧点云的时间间隔。6.一种基于点云数据的目标识别装置，其特征在于，所述装置包括：采集单元，用于通过非重复扫描的激光雷达和相机对当前环境进...

【专利技术属性】
技术研发人员：张磊，
申请(专利权)人：苏州艾氪英诺机器人科技有限公司，
类型：发明
国别省市：