【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 ...
【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:
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。