【技术实现步骤摘要】
本申请涉及自动驾驶，尤其涉及一种点云图像数据生成方法、装置、设备、介质及程序产品。
技术介绍
1、随着多样化交通需求的产生，自动驾驶技术逐渐得到更广泛的应用。自动驾驶技术在应用中的一个重要难点是在复杂交通环境中的安全行驶问题。
2、自动驾驶车辆需要依赖大量的点云数据进行模型训练和场景理解，以确保车辆在驾驶环境中都能做出正确的决策，但由于点云数据的稀疏性、多样性欠缺，难以反映真实世界，将可能导致车辆在复杂交通环境中的决策失误，从而影响自动驾驶安全性，因此，亟需提出一种能够有效生成复杂驾驶环境中点云数据的技术方案以解决上述问题。
技术实现思路
1、本申请实施例提供一种点云图像数据生成方法、装置、设备、介质及程序产品，以至少解决上述问题之一。
2、根据本申请实施例的第一方面，提供一种点云图像数据生成方法，包括：在获取道路场景数据后，将所述道路场景数据输入至预置的潜在扩散模型中进行处理，得到输出的三维场景数据；其中，所述潜在扩散模型是基于历史道路场景数据训练得到并用于学习对应三维场景数据的模型； 基于所述三维场景数据构建三维场景；基于对所述三维场景进行光线投射的光线投射结果，获取所述三维场景对应的初始点云数据；将所述初始点云数据与时间维度信息进行融合，得到基于时间序列的目标点云数据。
3、通过上述技术方案，当点云数据稀疏或者需要生成点云数据时，无需使用采集设备（如激光雷达）进行采集、标注，利用潜在扩散模型对道路场景数据（如交通布局图数据、稀疏点云数据等）
4、在一种实施方式中，所述潜在扩散模型包括编码模块、潜在空间和去噪网络；所述将所述道路场景数据输入至潜在扩散模型中进行处理，得到输出的三维场景数据，包括：基于所述编码模块对所述道路场景数据进行条件编码及特征提取，得到符合预设条件的特征数据，并将所述特征数据映射至所述潜在空间中转换为低维特征表示；通过引入噪声对所述低维特征表示进行数据扩散，得到扩散数据；基于所述去噪网络对所述扩散数据进行去噪后输出，得到所述三维场景数据。
5、通过上述技术方案，使用潜在扩散模型来生成三维场景数据，有效地整合了条件指导、特征提取、数据扩散等技术，生成更加符合真实道路场景的数据。同时消除扩散模型的数据真实性不足以及对抗神经网络在训练时带来的不可控、不收敛、不稳定的问题，实现数据的自动化处理。
6、在一种实施方式中，所述三维场景包括静态环境和动态行为体；所述基于所述三维场景数据构建三维场景，包括：获取所述三维场景数据中的静态元素数据和动态对象数据；基于所述静态元素数据构建所述静态环境，并基于所述动态对象数据构建所述动态行为体。
7、通过上述技术方案，构建的三维场景包括静态环境和动态行为体，在引入时间维度信息时，可以高效识别静态环境（点云），以及模拟运动行为体（点云）的运动状态，有效提高了场景的物理可信性和多样性。
8、在一种实施方式中，所述基于对所述三维场景进行光线投射的光线投射结果，获取所述三维场景对应的初始点云数据，包括：基于对所述三维场景进行光线投射的光线投射结果，获取投射光线与所述三维场景中的物体之间的交点；获取每个所述交点的交点信息，并基于所述交点信息获取所述三维场景对应的初始点云数据。
9、通过上述技术方案，利用投射光线与三维场景的交点信息，生成点云数据，可以在无需采集设备进行实地采集、标注的基础上，实现点云的高效生成。
10、在一种实施方式中，所述交点信息包括交点的光学属性和交点位置；所述获取所述交点的交点信息，包括：根据所述物体的法线方向以及投射光线方向，获取每个所述交点的光学属性，所述光学属性包括反射率；根据所述投射光线的发射点坐标和每个所述交点的坐标，获取每个所述交点的位置。
11、通过上述技术方案，通过获取交点的光学属性和位置，并利用交点的光学属性和位置获取点云数据，可以进一步提高初始点云数据的准确性和真实性。
12、在一种实施方式中，在基于对所述三维场景进行光线投射的光线投射结果，获取所述三维场景对应的初始点云数据之前，还包括：基于预设的模拟传感器模型，对所述三维场景进行光线投射，得到所述光线投射结果；其中，所述模拟传感器模型携带模拟传感器的参数信息，所述参数信息包括如下中的至少之一：扫描模式、视场角和位置信息。
13、通过上述技术方案，利用模拟传感器对三维场景进行光线投射，可以生成更加符合真实传感器的点云数据。
14、在一种实施方式中，所述方法还包括：获取预置的四维场景模型，所述四维场景模型用于预测点云数据中的动态点云随时间变化的运动轨迹；所述将所述初始点云数据与时间维度信息进行融合，得到基于时间序列的目标点云数据，包括：将所述初始点云数据和所述时间维度信息输入至所述四维场景模型中，得到所述初始点云数据中的动态点云数据随时间变化的运动轨迹，并基于所述运动轨迹获取基于时间序列的目标点云数据。
15、通过上述技术方案，结合四维场景模型获取基于时间序列的目标点云数据，有效提高了点云序列的生成效率。
16、在一种实施方式中，在将所述道路场景数据输入至预置的潜在扩散模型中进行处理之前，还包括：获取原始道路场景数据，所述原始道路场景数据包括如下中的至少之一：交通布局图数据、遥感图像数据和稀疏点云数据；对原始道路场景数据进行预处理，得到所述道路场景数据；其中，所述预处理方式包括如下中的至少之一：数据清洗、数据标注和格式转换。
17、通过上述技术方案，对原始的道路场景数据进行清洗、标注和格式化处理，可以识别并过滤掉数据中的噪声和异常值，有效提高了数据的准确性和可靠性。
18、在一种实施方式中，所述方法还包括：对所述初始点云进行后处理，得到经过后处理的初始点云数据；所述将所述初始点云数据与时间维度信息进行融合，包括：将经过后处理的初始点云数据与时间维度信息进行融合；和/或，对所述目标点云数据进行后处理，得到经过后处理的目标点云数据；其中，后处理方式包括点云的滤波和/或去噪处理。
19、通过上述技术方案，在获取相应的点云数据（如初始点云数据、目标点云数据）后，通过对点云数据进行后处理和优化，可以有效提高点云数据的准确性。
20、在一种实施方式中，在得到基于时间序列的目标点云数据后，还包括：将所述目标点云数据上传至分布式存储系统中进行存储，使得车辆从所述分布式存储系统中调取对应的目标点云数据，并根据所述目标点云数据进行驾驶决策。...
【技术保护点】
1.一种点云图像数据生成方法，其特征在于，包括：
2.根据权利要求1所述的点云图像数据生成方法，其特征在于，所述潜在扩散模型包括编码模块、潜在空间和去噪网络；
3.根据权利要求1或2所述的点云图像数据生成方法，其特征在于，在将所述道路场景数据输入至预置的潜在扩散模型中进行处理之前，还包括：
4.根据权利要求1或2所述的点云图像数据生成方法，其特征在于，还包括：
5.根据权利要求1或2所述的点云图像数据生成方法，其特征在于，在得到基于时间序列的目标点云数据后，还包括：
6.根据权利要求5所述的点云图像数据生成方法，其特征在于，还包括：
7.一种点云图像数据生成装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：存储器和处理器；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的点云图像数据生成方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算
...【技术特征摘要】
1.一种点云图像数据生成方法，其特征在于，包括：
2.根据权利要求1所述的点云图像数据生成方法，其特征在于，所述潜在扩散模型包括编码模块、潜在空间和去噪网络；
3.根据权利要求1或2所述的点云图像数据生成方法，其特征在于，在将所述道路场景数据输入至预置的潜在扩散模型中进行处理之前，还包括：
4.根据权利要求1或2所述的点云图像数据生成方法，其特征在于，还包括：
5.根据权利要求1或2所述的点云图像数据生成方法，其特征在于，在得到基于时间序列的目标点云数据后，还包括：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：张昊，徐学通，张天雷，费文源，彭云辉，褚佳鑫，
申请(专利权)人：天津港集团有限公司，
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。