地图对象的确定方法、装置、电子设备和存储介质制造方法及图纸

本公开实施例公开了一种地图对象的确定方法、装置、电子设备和存储介质，其中，方法包括：获取目标空间范围对应的第一点云地图；基于第一点云地图及预设采样规则，确定至少一个局部点云地图；基于各局部点云地图，利用预先训练获得的对象检测模型，确定各局部点云地图分别对应的对象的属性和有序点集，有序点集包括用于描述对象的第一坐标系下的目标数量个坐标点；将各局部点云地图分别对应的对象的属性和有序点集进行聚合，获得目标空间范围对应的地图对象。本公开实施例可以实现目标空间范围的地图对象的自动化标注，大大提高标注效率，降低人工标注成本。降低人工标注成本。降低人工标注成本。

【技术实现步骤摘要】
地图对象的确定方法、装置、电子设备和存储介质


[0001]本公开涉及地图标注技术，尤其是一种地图对象的确定方法、装置、电子设备和存储介质。

技术介绍

[0002]在地图标注、三维场景重建等场景，通常需要对车辆驾驶场景的各类静态元素(或称对象)进行标注，比如车道线、路沿、斑马线、可行驶区域、停止线、地标等。相关技术中，通常采用人工标注。人工标注方法人工成本较高、工作效率较低。

技术实现思路

[0003]为了解决上述人工标注成本高效率低等技术问题，本公开的实施例提供了一种地图对象的确定方法、装置、电子设备和存储介质，以有效提高标注效率，降低标注成本。
[0004]根据本公开实施例的一个方面，提供了一种地图对象的确定方法，包括：获取目标空间范围对应的第一点云地图；基于所述第一点云地图及预设采样规则，确定至少一个局部点云地图；基于各所述局部点云地图，利用预先训练获得的对象检测模型，确定各所述局部点云地图分别对应的对象的属性和有序点集，所述有序点集包括用于描述所述对象的第一坐标系下的目标数量个坐标点；将各所述局部点云地图分别对应的对象的属性和有序点集进行聚合，获得所述目标空间范围对应的地图对象。
[0005]根据本公开实施例的另一个方面，提供了一种地图对象的确定装置，包括：第一获取模块，用于获取目标空间范围对应的第一点云地图；第一处理模块，用于基于所述第一点云地图及预设采样规则，确定至少一个局部点云地图；第二处理模块，用于基于各所述局部点云地图，利用预先训练获得的对象检测模型，确定各所述局部点云地图分别对应的对象的属性和有序点集，所述有序点集包括用于描述所述对象的第一坐标系下的目标数量个坐标点；第三处理模块，用于将各所述局部点云地图分别对应的对象的属性和有序点集进行聚合，获得所述目标空间范围对应的地图对象。
[0006]根据本公开实施例的再一方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开上述任一实施例所述的地图对象的确定方法。
[0007]根据本公开实施例的又一方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开上述任一实施例所述的地图对象的确定方法。
[0008]根据本公开实施例的再一方面，提供了一种计算机程序产品，当所述计算机程序产品中的指令被处理器执行时，执行本公开上述任一实施例所述的地图对象的确定方法。
[0009]基于本公开上述实施例提供的地图对象的确定方法、装置、电子设备和存储介质，通过将目标空间范围的点云地图采样为至少一个局部点云地图，通过对象检测模型获得各局部点云地图中各对象的属性和矢量化有序点集，实现局部点云地图的自动化标注，进而
将各局部点云地图的标注结果进行聚合，获得目标空间范围的地图对象，实现目标空间范围的地图对象的自动化标注，大大提高标注效率，降低人工标注成本。
[0010]下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
[0011]通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0012]图1是本公开提供的地图对象的确定方法的一个示例性的应用场景；
[0013]图2是本公开一示例性实施例提供的地图对象的确定方法的流程示意图；
[0014]图3是本公开另一示例性实施例提供的地图对象的确定方法的流程示意图；
[0015]图4是本公开一示例性实施例提供的局部点云地图的采样原理示意图；
[0016]图5是本公开另一示例性实施例提供的步骤203的流程示意图；
[0017]图6是本公开一示例性实施例提供的对象检测模型的网络结构示意图；
[0018]图7是本公开一示例性实施例提供的解码网络的解码原理示意图；
[0019]图8是本公开一示例性实施例提供的步骤204a的流程示意图；
[0020]图9是本公开一示例性实施例提供的步骤204c的流程示意图；
[0021]图10是本公开另一示例性实施例提供的步骤204的流程示意图；
[0022]图11是本公开再一示例性实施例提供的步骤204的流程示意图；
[0023]图12是本公开一示例性实施例提供的地图对象的确定装置的结构示意图；
[0024]图13是本公开另一示例性实施例提供的地图对象的确定装置的结构示意图；
[0025]图14是本公开另一示例性实施例提供的第二处理模块503的结构示意图；
[0026]图15是本公开另一示例性实施例提供的第三处理模块504的结构示意图；
[0027]图16是本公开再一示例性实施例提供的第三处理模块504的结构示意图；
[0028]图17是本公开实施例提供的一种电子设备的结构图。
具体实施方式
[0029]为了解释本公开，下面将参考附图详细地描述本公开的示例实施例，显然，所描述的实施例仅是本公开的一部分实施例，而不是全部实施例，应理解，本公开不受示例性实施例的限制。
[0030]应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0031]本公开概述
[0032]在实现本公开的过程中，专利技术人发现，在地图标注、三维场景重建等场景，通常需要对车辆驾驶场景的各类静态元素(或称对象)进行标注，比如车道线、路沿、斑马线、可行驶区域、停止线、地标等。相关技术中，通常采用人工标注。人工标注方法人工成本较高、工作效率较低。
[0033]示例性概述
[0034]图1是本公开提供的地图对象的确定方法的一个示例性的应用场景。
[0035]在地图标注、三维重建等场景，利用本公开的地图对象的确定方法(在本公开的地图对象的确定装置中执行)，可以在获取到目标空间范围对应的第一点云地图后，可以基于第一点云地图及预设采样规则，确定至少一个局部点云地图，进而基于各局部点云地图，利用预先训练获得的对象检测模型，确定各局部点云地图分别对应的对象的属性和有序点集，对象的有序点集包括用于描述该对象的第一坐标系下的目标数量个坐标点；之后可以将各局部点云地图分别对应的对象的属性和有序点集进行聚合，获得目标空间范围对应的地图对象。实现了目标空间范围的地图的自动化标注，大大提高标注效率，降低人工标注成本。标注后的目标空间范围的地图可以用于为车辆在目标空间范围的行驶提供周围静态环境信息的精确描述。
[0036]示例性方法
[0037]图2是本公开一示例性实施例提供的地图对象的确定方法的流程示意图。本实施例可应用在电子设备上，具体比如车载计算平台上，如图2所示，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地图对象的确定方法，包括：获取目标空间范围对应的第一点云地图；基于所述第一点云地图及预设采样规则，确定至少一个局部点云地图；基于各所述局部点云地图，利用预先训练获得的对象检测模型，确定各所述局部点云地图分别对应的对象的属性和有序点集，所述有序点集包括用于描述所述对象的第一坐标系下的目标数量个坐标点；将各所述局部点云地图分别对应的对象的属性和有序点集进行聚合，获得所述目标空间范围对应的地图对象。2.根据权利要求1所述的方法，其中，所述属性包括对象的类型；所述对象包括线性对象、离散对象和区域对象中的至少一种大类的对象，每种大类包括至少一种类型；所述基于各所述局部点云地图，利用预先训练获得的对象检测模型，确定各所述局部点云地图分别对应的对象的属性和有序点集，包括：对于任一所述局部点云地图，利用预先训练获得的线性对象检测模型对该局部点云地图进行处理，获得该局部点云地图对应的各线性对象分别对应的类型和有序点集；利用预先训练获得的离散对象检测模型对该局部点云地图进行处理，获得该局部点云地图对应的各离散对象分别对应的类型和有序点集；利用预先训练获得的区域对象检测模型对该局部点云地图进行处理，获得该局部点云地图对应的各区域对象分别对应的类型和有序点集。3.根据权利要求1所述的方法，其中，所述基于各所述局部点云地图，利用预先训练获得的对象检测模型，确定各所述局部点云地图分别对应的对象的属性和有序点集，包括：对于任一所述局部点云地图，利用所述对象检测模型中的特征提取网络对该局部点云地图进行特征提取，获得第一特征；利用所述对象检测模型中的编码网络对所述第一特征进行编码，获得编码结果；利用所述对象检测模型中的解码网络对所述编码结果进行解码，获得解码结果；利用所述对象检测模型中的检测头网络对所述解码结果进行处理，获得各所述对象分别对应的所述属性和所述有序点集。4.根据权利要求1所述的方法，其中，所述属性包括所述对象的类型和所述对象在该类型下的子类型，每种所述类型包括至少一种子类型；所述基于各所述局部点云地图，利用预先训练获得的对象检测模型，确定各所述局部点云地图分别对应的对象的属性和有序点集，包括：对于任一所述局部点云地图，利用所述对象检测模型对该局部点云地图进行处理，获得该局部点云地图中各所述对象分别对应的类型、各所述对象在对应类型下的子类型和所述有序点集。5.根据权利要求1所述的方法，其中，所述将各所述局部点云地图分别对应的对象的属性和有序点集进行聚合，获得所述目标空间范围对应的地图对象，包括：按照线性对象聚合规则，将各所述局部点云地图分别对应的线性对象的所述属性和所述有序点集进行聚合，获得线性对象聚合结果；按照离散对象聚合规则，将各所述局部点云地图分别对应的离散对象的所述属性和所述有序点集进行聚合，获得离散对象聚合结果；
按照区域对象聚合规则，将各所述局部点云地图分别对应的区域对象的所述属性和所述有序点集进行聚合，获得区域对象聚合结果；基于所述线性对象聚合结果、所述离散对象聚合结果和所述区域对象聚合结果，确定所述目标空间范围对应的所述地图对象。6.根据权利要求5所述的方法，其中，所述线性对象的所述有序点集包括所述线性对象上按第一间隔进行采样的有序坐标点；所述按照线性对象聚合规则，将各所述局部点云地图分别对应的线性对象的所述属性和所述有序点集进行聚合，获得线性对象聚合结果，包括：对于各所述局部点云地图中任意相邻的第一局部点云地图和第二局部点云地图，将所述第一局部点云地图中的任一线性对象作为第一目标线性对象；基于所述第一目标线性对象对应的所述属性和所述有序点集，确定所述第二局部点云地图中与所述第一目标线性对象相匹配的第二目标线性对象；将所述第一目标线性对象的所述属性和所述有序点集与所述第二目标线性对象的所述属性和所述有序点集进行融合，获得第一线性融合结果；基于各所述第一线性融合结果，确定所述线性对象聚合结果。7.根据权利要求5所述的方法，其中，所述离散对象的所述有序点集包括所述离散对象的至少一个角点坐标；所述按照离散对象聚合规则，将各所述局部点云地图分别对应的离散对象的所述属性和所述有序点集进行聚合，获得离散对象聚合结果，包括：基于各所述局部点云地图分别对应的离散对象的所述属性和所述有序点集，采用非极大值抑制算法，确定所述离散对象聚合结果。8.根据权利要求5所述的方法，其中，所述区域对象的所述有序点集包括该区域对象的边界的采样点坐标；所述按照区域对象聚...

【专利技术属性】
技术研发人员：张运驰，陈少宇，廖本成，谢佳锋，隋伟，张骞，
申请(专利权)人：北京地平线信息技术有限公司，
类型：发明
国别省市：