【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种数据处理方法、移动对象检测方法、装置及计算机设备。
技术介绍
1、随着图像处理技术的发展，出现了机器视觉技术，该技术通过深度学习的方式训练得到可以识别点云图像中各种对象的3d目标检测模型。
2、对于三维世界中的点云图像在自动驾驶环境感知中得到了广泛应用，对于一些高度相似的不同移动对象(例如，行人对象和自行车对象)3d目标检测模型难以根据点云图像进行区分，导致识别结果不准确。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高移动对象识别结果准确性的数据处理方法、移动对象检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种数据处理方法，所述方法包括：
3、获取当前帧点云数据中第一点对应的激光束长度，以及上一帧点云数据中第二点对应的激光束长度，所述第一点与所述第二点处于同一激光束上；
4、根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度；
5、在所述当前帧点云数据中保存所述第一点的速度，以得到目标点云数据，所述目标点云数据用于对初始检测模型进行训练，以得到目标检测模型。
6、在其中一个实施例中，所述根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度，包括：
7、从多个网格中，确定与所述第一点的水平角度和所述第一点的垂直
8、若所述目标网格中保存有上一帧点云数据中所述第二点的激光束长度，则根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度。
9、在其中一个实施例中，所述方法还包括：
10、设置多个网格，每个网格用于存储点云数据中最多一个点的点信息，所述点信息包括：激光束长度以及帧标识；所述目标网格中还保存有所述上一帧点云数据对应的帧标识。
11、在其中一个实施例中，所述从所述多个网格中，确定与所述第一点对应的水平角度和所述第一点对应的垂直角度匹配的目标网格之后，所述方法还包括：
12、采用所述第一点的点信息替换所述目标网格中保存的所述第二点的点信息。
13、在其中一个实施例中，所述方法还包括：
14、若所述目标网格为空，则在所述目标网格中保存所述第一点的点信息；
15、或者，
16、若所述目标网格保存的点信息中的帧标识并非指示所述上一帧点云数据，则确定所述第一点的速度为0，并采用所述第一点的点信息替换所述目标网格中已保存的点信息。
17、在其中一个实施例中，所述从所述多个网格中，确定与所述第一点对应的水平角度和所述第一点对应的垂直角度匹配的目标网格，包括：
18、根据所述第一点对应的水平角度，以及所述第一点对应的垂直角度，确定目标网格索引，所述多个网格中每个网格对应一个网格索引；
19、从所述多个网格中，确定所述目标网格索引指示的所述目标网格。
20、在其中一个实施例中，所述每个网格的水平角度小于激光雷达传感器的水平角度分辨率，所述每个网格的垂直角度小于任意两个在垂直方向上相邻的激光束之间的最小垂直角度距离。
21、在其中一个实施例中，所述根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度之后，所述在所述当前帧点云数据中保存所述第一点的速度，以得到目标点云数据之前，所述方法还包括：
22、根据所述第一点的速度和所述第一点对应的垂直角度，计算所述第一点对应的垂直速度；
23、若所述第一点对应的垂直速度大于预设垂直速度，则将所述第一点的速度设置为预设值；
24、其中，所述预设垂直速度根据激光雷达传感器精度和帧间隔时长确定，或者，所述预设垂直速度根据设置所述激光雷达传感器的垂直高度和所述帧间隔时长确定。
25、第二方面，提供一种移动对象检测方法，包括：
26、将待测点云数据输入至目标检测模型，以得到针对移动对象的检测结果，所述目标检测模型为基于目标点云数据对初始检测模型进行训练得到的，所述目标点云数据中包括：第一点的球坐标，以及所述第一点的速度。
27、在其中一个实施例中，所述方法还包括：
28、获取当前帧点云数据中所述第一点对应的激光束长度，以及上一帧点云数据中第二点对应的激光束长度，所述第一点与所述第二点处于同一激光束上；
29、根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度。
30、第三方面，本申请还提供了一种数据处理装置，包括：
31、获取模块，用于获取当前帧点云数据中第一点对应的激光束长度，以及上一帧点云数据中第二点对应的激光束长度，所述第一点与所述第二点处于同一激光束上；
32、确定模块，用于根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度；
33、保存模块，用于在所述当前帧点云数据中保存所述第一点的速度，以得到目标点云数据，所述目标点云数据用于对初始检测模型进行训练，以得到目标检测模型。
34、第四方面，本申请还提供一种移动对象检测装置，所述装置包括：
35、检测模块，用于将待测点云数据输入至目标检测模型，以得到针对移动对象的检测结果，所述目标检测模型为基于目标点云数据对初始检测模型进行训练得到的，所述目标点云数据中包括：第一点的球坐标，以及所述第一点的速度。
36、第五方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述第一方面或其任意一种实施例所述的方法，或者，执行所述第二方面或其任意一种实施例所述的方法。
37、第六方面，本申请还提供了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所述第一方面或其任意一种实施例所述的方法，或者，执行所述第二方面或其任意一种实施例所述的方法。
38、第七方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时所述第一方面或其任意一种实施例所述的方法，或者，执行所述第二方面或其任意一种实施例所述的方法。
39、上述数据处理方法、移动对象检测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取当前帧点云数据中第一点对应的激光束长度，以及上一帧点云数据中第二点对应的激光束长度，第一点与第二点处于同一激光束上；并根据第一点对应的激光束长度、第二点对应的激光束长度，以及帧间隔时长，确定第一点的速度，之后将第一点的速度增加至当前帧点云数据中，以得到目标点云数据，这样就在点云数据中增加了点的速度，之后再本文档来自技高网...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述从所述多个网格中，确定与所述第一点对应的水平角度和所述第一点对应的垂直角度匹配的目标网格之后，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
6.根据权利要求3所述的方法，其特征在于，所述从所述多个网格中，确定与所述第一点对应的水平角度和所述第一点对应的垂直角度匹配的目标网格，包括：
7.根据权利要求3所述的方法，其特征在于，所述每个网格的水平角度小于激光雷达传感器的水平角度分辨率，所述每个网格的垂直角度小于任意两个在垂直方向上相邻的激光束之间的最小垂直角度距离。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述根据所述第一点对应的激光束长度、所述第二点对应
9.一种移动对象检测方法，其特征在于，所述方法包括：
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
11.一种数据处理装置，其特征在于，所述装置包括：
12.一种移动对象检测装置，其特征在于，所述装置包括：
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一点对应的激光束长度、所述第二点对应的激光束长度，以及帧间隔时长，确定所述第一点的速度，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述从所述多个网格中，确定与所述第一点对应的水平角度和所述第一点对应的垂直角度匹配的目标网格之后，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
6.根据权利要求3所述的方法，其特征在于，所述从所述多个网格中，确定与所述第一点对应的水平角度和所述第一点对应的垂直角度匹配的目标网格，包括：
7.根据权利要求3所述的方法，其特征在于，所述每个网格的水平角度小于激光雷达传感器的水平角度分辨率，所述每个网格的垂直角度小于任意两个在垂直方向上相邻的激光束之间的最小垂直...
【专利技术属性】
技术研发人员：萨鲁姆·托尼，王亚军，李瑞，王邓江，
申请(专利权)人：苏州万集车联网技术有限公司，
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。