边缘位置标注方法及设备技术

本申请公开了一种边缘位置标注方法及设备，属于计算机技术领域。方法包括：显示目标对象检测到的障碍物的三维点云数据；响应于对三维点云数据的标注操作，获取对障碍物所标注的粗略标记框，障碍物的边缘位于粗略标记框的覆盖范围内；基于三维点云数据以及粗略标记框，对障碍物进行检测，得到障碍物的边缘位置，由于本申请仅需要用户标注障碍物的粗略位置，需要用户将障碍物的边缘标注出来，因此打破了需要用户手动标记障碍物的边缘位置的局限性，提高了操作效率。高了操作效率。高了操作效率。

【技术实现步骤摘要】
边缘位置标注方法及设备


[0001]本申请涉及计算机
，特别涉及一种边缘位置标注方法及设备。

技术介绍

[0002]随着自动驾驶技术的不断发展，终端可以对采集的周围环境的三维点云数据进行检测，以检测到周围环境的障碍物。
[0003]具体的，该终端调用障碍物检测模型，对三维点云数据包括的障碍物进行检测，以得到周围环境的障碍物。而在使用障碍物检测模型之前，需要对该障碍物检测模型进行训练，而用于训练的样本数据需要由开发人员手动将三维点云数据中障碍物所属的边缘位置进行标注，以便于基于具有已标注边缘位置的三维点云数据训练障碍物检测模型。
[0004]但是，由于开发人员在标注障碍物的边缘位置时，需要保证与障碍物的边缘贴合，操作效率较低。

技术实现思路

[0005]本申请实施例提供了一种边缘位置标注方法及设备，打破了需要用户手动标记障碍物的边缘位置的局限性，提高了操作效率。该技术方案如下：
[0006]一方面，提供了一种边缘位置标注方法，所述方法包括：
[0007]显示目标对象检测到的障碍物的三维点云数据；
[0008]响应于对所述三维点云数据的标注操作，获取对所述障碍物所标注的粗略标记框，所述障碍物的边缘位于所述粗略标记框的覆盖范围内；
[0009]基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的边缘位置。
[0010]一方面，提供了一种边缘位置标注装置，所述装置包括：
[0011]显示模块，用于显示目标对象检测到的障碍物的三维点云数据；
[0012]获取模块，用于响应于对所述三维点云数据的标注操作，获取对所述障碍物所标注的粗略标记框，所述障碍物的边缘位于所述粗略标记框的覆盖范围内；
[0013]检测模块，用于基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的边缘位置。
[0014]在一种可能的实现方式中，所述装置还包括：
[0015]生成模块，用于基于所述障碍物的边缘位置和所述三维点云数据，生成训练数据，所述训练数据用于训练障碍物检测模型，所述障碍物检测模型用于进行障碍物检测。
[0016]在一种可能的实现方式中，所述检测模块，包括：
[0017]确定单元，用于基于所述三维点云数据中每个点的位置以及所述粗略标记框，确定所述粗略标记框对应的多个关键点；
[0018]融合单元，用于基于获取的每个关键点的关键点特征以及所述粗略标记框的位置，对所述粗略标记框对应的关键点的关键点特征进行融合，得到所述粗略标记框的标记
框特征；
[0019]检测单元，用于对所述标记框特征进行检测，得到所述粗略标记框对应的障碍物的边缘位置。
[0020]在一种可能的实现方式中，所述确定单元，用于：
[0021]基于所述三维点云数据中每个点的位置，确定所述粗略标记框对应的重心，所述重心为所述粗略标记框对应的任一点；
[0022]将所述粗略标记框对应的多个点中，与所述重心之间的距离最大的点确定为所述关键点；
[0023]对于剩余的点中的每个点，分别获取所述点与所述重心之间的距离以及与已确定的每个所述关键点之间的距离，将所述点与所述重心之间的距离以及与已确定的每个所述关键点之间的距离中，最小的距离确定为所述点对应的距离；
[0024]将剩余的点中对应的距离最大的点确定为所述关键点，直至获取第一预设数量的关键点。
[0025]在一种可能的实现方式中，所述确定单元，用于：
[0026]获取所述粗略标记框对应的多个点的平均值，将所述平均值对应的点确定为所述重心；
[0027]或者，
[0028]将所述粗略标记框对应的多个点中的任一点确定为所述重心。
[0029]在一种可能的实现方式中，所述装置还包括：
[0030]划分模块，用于将所述三维点云数据按照二维角度划分为第二预设数量的二维区域；
[0031]特征提取模块，用于对所述第二预设数量的二维区域中的每个二维区域进行特征提取，得到第一特征矩阵，所述第一特征矩阵中每个元素指示对应的二维区域的第一特征；
[0032]所述特征提取模块，还用于对所述第一特征矩阵进行特征提取，得到第二特征矩阵，所述第二特征矩阵中每个元素指示对应的二维区域的第二特征；
[0033]级联模块，用于对于所述多个关键点中的每个关键点，将所述关键点所属的二维区域在所述第一特征矩阵中对应的第一特征、在所述第二特征矩阵中对应的第二特征以及所述关键点的原始特征进行级联，得到所述关键点的关键点特征。
[0034]在一种可能的实现方式中，所述检测模块，还用于基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的类别。
[0035]在一种可能的实现方式中，所述检测模块，还用于基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的移动方向角，所述移动方向角是指所述障碍物的移动方向与预设方向之间的夹角。
[0036]在一种可能的实现方式中，所述基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的边缘位置的步骤基于边缘检测模型实现，所述获取模块，还用于获取样本三维点云数据中粗略标记框对应的障碍物的样本边缘位置；
[0037]所述检测模块，还用于基于所述边缘检测模型、所述样本三维点云数据以及粗略标记框，对障碍物进行检测，得到所述粗略标记框对应的障碍物的预测边缘位置；
[0038]所述装置还包括：训练模块，用于基于所述预测边缘位置以及所述样本边缘位置，
对所述边缘检测模型进行训练。
[0039]一方面，提供了一种终端，所述终端包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如上述任一种可能实现方式的边缘位置标注方法所执行的操作。
[0040]一方面，提供了一种计算机可读存储介质，该存储介质中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行以实现如上述任一种可能实现方式的边缘位置标注方法所执行的操作。
[0041]一方面，提供了一种计算机程序或计算机程序产品，所述计算机程序或计算机程序产品包括：计算机程序代码，所述计算机程序代码被终端执行时，使得所述终端实现如上述任一种可能实现方式的边缘位置标注方法所执行的操作。
[0042]本申请提出了一种边缘位置标注方法，用户通过在三维点云数据中标注障碍物的粗略标记框，即可指定该障碍物所在的位置，再基于该粗略标记框进行检测得到该障碍物的边缘位置，由于本申请仅需要用户标注障碍物的粗略位置，需要用户将障碍物的边缘标注出来，因此打破了需要用户手动标记障碍物的边缘位置的局限性，提高了操作效率。
附图说明
[0043]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘位置标注方法，其特征在于，所述方法包括：显示目标对象检测到的障碍物的三维点云数据；响应于对所述三维点云数据的标注操作，获取对所述障碍物所标注的粗略标记框，所述障碍物的边缘位于所述粗略标记框的覆盖范围内；基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的边缘位置。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：基于所述障碍物的边缘位置和所述三维点云数据，生成训练数据，所述训练数据用于训练障碍物检测模型，所述障碍物检测模型用于进行障碍物检测。3.根据权利要求1所述的方法，其特征在于，所述基于所述三维点云数据以及所述粗略标记框，对所述障碍物进行检测，得到所述障碍物的边缘位置，包括：基于所述三维点云数据中每个点的位置以及所述粗略标记框，确定所述粗略标记框对应的多个关键点；基于获取的每个关键点的关键点特征以及所述粗略标记框的位置，对所述粗略标记框对应的关键点的关键点特征进行融合，得到所述粗略标记框的标记框特征；对所述标记框特征进行检测，得到所述粗略标记框对应的障碍物的边缘位置。4.根据权利要求3所述的方法，其特征在于，所述基于所述三维点云数据中每个点的位置以及所述粗略标记框，确定所述粗略标记框对应的多个关键点，包括：基于所述三维点云数据中每个点的位置，确定所述粗略标记框对应的重心，所述重心为所述粗略标记框对应的任一点；将所述粗略标记框对应的多个点中，与所述重心之间的距离最大的点确定为所述关键点；对于剩余的点中的每个点，分别获取所述点与所述重心之间的距离以及与已确定的每个所述关键点之间的距离，将所述点与所述重心之间的距离以及与已确定的每个所述关键点之间的距离中，最小的距离确定为所述点对应的距离；将剩余的点中对应的距离最大的点确定为所述关键点，直至获取第一预设数量的关键点。5.根据权利要求4所述的方法，其特征在于，所述基于所述三维点云数据中每个点的位置，确定所述粗略标记框对应的重心，包括：获取所述粗略标记框对应的多个点的平均值，将...

【专利技术属性】
技术研发人员：袁艺天，张新雨，高立帅，张勃，揭泽群，马林，初祥祥，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：