【技术实现步骤摘要】
辅助标注图的生成方法、装置、设备及存储介质
[0001]本专利技术涉及计算机
，尤其涉及一种辅助标注图的生成方法、装置、设备及存储介质。
技术介绍
[0002]辅助标注图是视觉路面环境感知的重要组成部分，在自动驾驶场景中，一般通过辅助标注图进行目标对象的感应，从而使自动驾驶车辆能够正常行驶。
[0003]目前，辅助标注图的生成方法中一般是通过激光雷达获取点云数据，通过对点云数据进行分析，从而确定所要识别的目标对象，进而生成辅助标注图。
[0004]但是，上述方法中仅基于点云数据进行数据分析，导致生成的辅助标注图的准确性较低。
技术实现思路
[0005]本专利技术提供了一种辅助标注图的生成方法、装置、设备及存储介质，通过相机图像的关键点对点云数据对应的图像进行关键点补充，提高生成的目标辅助标注图的准确性。
[0006]本专利技术第一方面提供了一种辅助标注图的生成方法，包括：获取点云车道线关键点集合、相机车道线关键点集合、相机红绿灯位置关键点集合和标记后的二维图像；通过所述点云车道线...
【技术保护点】
【技术特征摘要】
1.一种辅助标注图的生成方法，其特征在于，所述辅助标注图的生成方法包括：获取点云车道线关键点集合、相机车道线关键点集合、相机红绿灯位置关键点集合和标记后的二维图像；通过所述点云车道线关键点集合，对所述相机车道线关键点集合进行筛选，得到筛选后的相机车道线关键点集合；通过所述筛选后的相机车道线关键点集合和红绿灯位置关键点集合对所述标记后的二维图像进行关键点标记，得到目标辅助标注图。2.根据权利要求1所述的辅助标注图的生成方法，其特征在于，所述获取点云车道线关键点集合、相机车道线关键点集合、相机红绿灯位置关键点集合和标记后的二维图像，包括：获取点云数据，对所述点云数据进行转换，得到二维图像；通过所述点云数据和所述二维图像分别进行关键点提取，得到点云路缘关键点集合和点云车道线关键点集合；通过所述点云车道线关键点集合和所述点云路缘关键点集合对所述二维图像进行关键点标记，得到标记后的二维图像；获取所述点云数据对应的区域的相机图像，对所述相机图像进行关键点提取，得到相机车道线关键点集合和相机红绿灯位置关键点集合。3.根据权利要求2所述的辅助标注图的生成方法，其特征在于，所述通过所述点云数据和所述二维图像进行关键点提取，得到点云车道线关键点集合和点云路缘关键点集合，包括：通过预置的密度聚类算法对所述点云数据进行路缘识别，得到点云路缘数据；通过对所述点云路缘数据进行关键点提取，得到点云路缘关键点集合；通过预置的车道检测算法对所述二维图像进行关键点提取，得到点云车道线关键点集合。4.根据权利要求3所述的辅助标注图的生成方法，其特征在于，所述通过预置的密度聚类算法对所述点云数据进行路缘识别，得到点云路缘数据，包括：通过预置的密度聚类算法将所述点云数据分类为具有不同密度的聚类簇，得到至少一个聚类簇；获取各聚类簇对应的框模型尺寸和点云熵，并通过预置的检验库对各聚类簇对应的框模型尺寸和点云熵进行匹配，得到各聚类簇对应的识别数据；通过各聚类簇对应的识别数据从所述至少一个聚类簇中提取目标聚类簇，得到点云路缘数据。5.根据权利要求3所述的辅助标注图的生成方法，其特征在于，所述通过预置的车道检测算法对所述二维图像进行关键点提取，得到点云车道线关键点集合，包括：通过预置的灰度转换函数将所述二维图像转换为灰度图像；通过预置的车道检测算法中的模板匹配算法、位置检测算法和边缘检测算法对所述灰度图像进行识别，得到候选车道线特征区域集合，所述车道检测算法包括模板匹配算法、位置检测算法、边缘检测算法和非极大抑制算法；通过所述非极大抑制算法对所述候选车道线特征区域集合进行筛选，得到目标车道线
特征区域集合；对所述目标车道线特征区域集合进行关键点提取，得到点云车道线关键点集合。6.根据权利要求2所述的辅助标注图的生成方法，其特征在于，所述获取所述点云数据对应的区域的相机图像，对所述相机图像进行关键点提取，得到相机车道线关键点集合和相机红绿灯位...
【专利技术属性】
技术研发人员：李国财，韩旭，
申请(专利权)人：广州文远知行科技有限公司，
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。