标签数据的生成方法技术

本公开公开了一种标签数据的生成方法

【技术实现步骤摘要】
标签数据的生成方法、系统、设备和介质


[0001]本公开涉及自动驾驶
，尤其涉及一种标签数据的生成方法
、
系统
、
设备和介质
。

技术介绍

[0002]在自动驾驶领域中，对周围环境的感知极其关键，了解
3D(
三维
)
空间中每个体素的占用状态有利于车辆对于未知环境的各种障碍物进行识别和避让，然而
3D
占用网络预测是一个需要大量
3D
场景语义信息进行训练的复杂任务，如果只使用稀疏的点云数据进行监督，那么网络难以预测出足够稠密的占用情况
。
[0003]3D
占用网络预测任务的目标是通过一系列的传感器输入相机
T
帧的历史帧图片来估计
3D
场景中每一个体素的状态，状态描述包括占用情况，和语义信息
。
其中，占用情况为占用或空闲；语义信息为体素所属的目标的类别
。
因此，对于训练数据来说，需要体素级别且包含占用信息和语义信息的标签
。
如果直接通过人工标注得到需要耗费大量的人力且效率低下
。

技术实现思路

[0004]本公开要解决的技术问题是为了克服现有技术中直接通过人工标注得到需要耗费大量的人力，效率低下的缺陷，提供一种标签数据的生成方法
、
系统
、
设备和介质
。
[0005]本公开是通过下述技术方案来解决上述技术问题：r/>[0006]本公开提供一种标签数据的生成方法，所述生成方法包括：
[0007]获取雷达点云中的原始前景目标点和原始背景目标点；
[0008]基于所述前景目标点和所述背景目标点，生成对应的密集前景目标点和密集背景目标点；
[0009]将所述密集前景目标点和所述密集背景目标点分别变换至对应的原始目标框内和原始位置中，以得到密集点云；
[0010]将密集点云进行体素化，并生成所述密集点云对应的标签数据
。
[0011]较佳地，所述生成对应的密集前景目标点和密集背景目标点的步骤包括：
[0012]获取所述前景目标点并进行多帧稠密化处理，以生成密集前景目标点；
[0013]获取所述背景目标点并进行多帧稠密化处理，以生成密集背景目标点
。
[0014]较佳地，所述获取所述前景目标点并进行多帧稠密化处理的步骤包括：
[0015]将前景目标点中每一帧的点变换到同一坐标系并进行多帧聚合
、
镜像对称及点云配准的操作；
[0016]和
/
或，所述获取雷达点云中的地面点和所述背景目标点并进行多帧稠密化处理的步骤包括：
[0017]将背景目标点中每一帧的点进行多帧聚合和最小二乘法校准的操作
。
[0018]较佳地，所述生成对应的密集前景目标点和密集背景目标点的步骤包括：
[0019]获取所述前景目标点并进行多帧稠密化处理，以生成密集前景目标点；
[0020]获取雷达点云中的地面点和所述背景目标点并进行多帧稠密化处理，以生成密集背景目标点
。
[0021]较佳地，在所述将密集点云进行体素化的步骤之后，所述生成方法包括：
[0022]利用泊松表面重建算法对密集点云对应的体素进行稠密化操作，以生成目标体素
。
[0023]较佳地，在所述将密集点云进行体素化的步骤之后，所述生成方法包括：
[0024]获取密集点云对应的每个体素在每个相机视角下与相机光心的连线；
[0025]基于所述连线，生成相机可见性掩膜
。
[0026]较佳地，在生成所述密集点云对应的标签数据的步骤之后，所述生成方法包括：
[0027]基于所述标签数据，生成对应的占用或未占用掩膜
。
[0028]本公开提供一种标签数据的生成系统，所述生成系统包括：
[0029]第一获取模块，用于获取雷达点云中的原始前景目标点和原始背景目标点；
[0030]第一生成模块，用于基于所述前景目标点和所述背景目标点，生成对应的密集前景目标点和密集背景目标点；
[0031]变换模块，用于将所述密集前景目标点和所述密集背景目标点分别变换至对应的原始目标框内和原始位置中，以得到密集点云；
[0032]第二生成模块，用于将密集点云进行体素化，并生成所述密集点云对应的标签数据
。
[0033]本公开还提供一种电子设备，包括存储器
、
处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的标签数据的生成方法
。
[0034]本公开还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的标签数据的生成方法的步骤
。
[0035]本公开的积极进步效果在于：
[0036]本公开基于现有的数据集中已有的雷达点云数据，能够自动生成密集占用网络预测数据标签数据，从而不仅解决了
3D
占用网络预测任务中标签数据的缺失问题，还避免了使用人力标注造成的资源耗费
。
同时，本方案提出的标签数据的生成方法适用于所有满足条件的室外道路场景数据集，可以为自动驾驶领域中
3D
空间占用预测任务的研究提供大量可使用的数据
。
附图说明
[0037]图1为本公开实施例1中的常见的标签数据的生成方法的流程图；
[0038]图2为本公开实施例1中的步骤
S102
的第一流程图；
[0039]图3为本公开实施例1中的步骤
S102
的第二流程图；
[0040]图4为本公开实施例2中的标签数据的生成系统的模块示意图；
[0041]图5为本公开实施例2中的第一生成模块的模块示意图；
[0042]图6为本公开实施例3的电子设备的结构示意图
。
具体实施方式
[0043]下面通过实施例的方式进一步说明本公开，但并不因此将本公开限制在所述的实施例范围之中
。
[0044]实施例1[0045]如图1所示，本实施例公开了一种标签数据的生成方法，所述生成方法包括：
[0046]步骤
S101、
获取雷达点云中的原始前景目标点和原始背景目标点；
[0047]本方案中，雷达点云可以为室外道路场景数据集中的雷达点云
。
[0048]步骤
S102、
基于所述前景目标点和所述背景目标点，生成对应的密集前景目标点和密集背景目标点；
[0049]步骤
S103、
将所述密集前景目标点和所述密集背景目标点分别变换至对应的原始目标框内和原始位置中，以得到密集点云；
[0050]本方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种标签数据的生成方法，其特征在于，所述生成方法包括：获取雷达点云中的原始前景目标点和原始背景目标点；基于所述前景目标点和所述背景目标点，生成对应的密集前景目标点和密集背景目标点；将所述密集前景目标点和所述密集背景目标点分别变换至对应的原始目标框内和原始位置中，以得到密集点云；将密集点云进行体素化，并生成所述密集点云对应的标签数据
。2.
如权利要求1所述的标签数据的生成方法，其特征在于，所述生成对应的密集前景目标点和密集背景目标点的步骤包括：获取所述前景目标点并进行多帧稠密化处理，以生成密集前景目标点；获取所述背景目标点并进行多帧稠密化处理，以生成密集背景目标点
。3.
如权利要求2所述的标签数据的生成方法，其特征在于，所述获取所述前景目标点并进行多帧稠密化处理的步骤包括：将前景目标点中每一帧的点变换到同一坐标系并进行多帧聚合
、
镜像对称及点云配准的操作；和
/
或，所述获取雷达点云中的地面点和所述背景目标点并进行多帧稠密化处理的步骤包括：将背景目标点中每一帧的点进行多帧聚合和最小二乘法校准的操作
。4.
如权利要求1所述的标签数据的生成方法，其特征在于，所述生成对应的密集前景目标点和密集背景目标点的步骤包括：获取所述前景目标点并进行多帧稠密化处理，以生成密集前景目标点；获取雷达点云中的地面点和所述背景目标点并进行多帧稠密化处理，以生成密集背景目标点
。5.
如权利要求1所述的标签数据的生成方法，其特征在于，在所述将密集点云进行体...

【专利技术属性】
技术研发人员：易韬，夏晴，熊一能，丁文博，
申请(专利权)人：赛可智能科技上海有限公司，
类型：发明
国别省市：