【技术实现步骤摘要】
本申请涉及点云数据处理，尤其涉及一种点云数据的特征增强方法、装置及电子设备、计算机可读存储介质。
技术介绍
1、随着自动驾驶感知技术的不断发展，深度学习技术已经成为自动驾驶感知中的重要实现算法，激光雷达是自动驾驶场景的重要传感器之一，激光雷达采集的点云数据也是当前训练深度学习模型的重要数据来源。
2、然而，目前用于模型训练的点云数据标注成本高，而补全点云数据的算法模型特征表征能力较差，补全处理后的点云数据质量参差不齐，难以满足自动驾驶场景下点云数据感知模型的训练对于数据质量的要求。
技术实现思路
1、本申请实施例提供了一种点云数据的特征增强方法、装置及电子设备、计算机可读存储介质，以为点云数据补全模型的训练提供额外的、更强的监督信号，进而提高模型对点云特征的表征能力。
2、本申请实施例采用下述技术方案：
3、第一方面，本申请实施例提供一种点云数据的特征增强方法，其中，所述点云数据的特征增强方法包括：
4、获取点云数据补全模型的训练样本数据的特...
【技术保护点】
1.一种点云数据的特征增强方法，其中，所述点云数据的特征增强方法包括：
2.如权利要求1所述点云数据的特征增强方法，其中，所述不完整的点云数据的特征信息通过如下方式获取到：
3.如权利要求1所述点云数据的特征增强方法，其中，所述利用自适应聚类策略对所述特征信息记忆模块中存储的不完整的点云数据的特征信息和完整的点云数据的特征信息进行聚类处理，得到点云数据的聚类结果包括：
4.如权利要求3所述点云数据的特征增强方法，其中，所述对所述特征信息记忆模块中存储的每一个特征信息，分别利用预设正负样本划分策略进行正负样本划分，得到正负样本划分结果
...
【技术特征摘要】
1.一种点云数据的特征增强方法，其中，所述点云数据的特征增强方法包括：
2.如权利要求1所述点云数据的特征增强方法，其中，所述不完整的点云数据的特征信息通过如下方式获取到：
3.如权利要求1所述点云数据的特征增强方法，其中，所述利用自适应聚类策略对所述特征信息记忆模块中存储的不完整的点云数据的特征信息和完整的点云数据的特征信息进行聚类处理，得到点云数据的聚类结果包括：
4.如权利要求3所述点云数据的特征增强方法，其中，所述对所述特征信息记忆模块中存储的每一个特征信息，分别利用预设正负样本划分策略进行正负样本划分，得到正负样本划分结果包括：
5.如权利要求4所述点云数据的特征增强方法，其中，所述将与所述锚点的特征信息最相似的特征信息作为基础正样本，对所述特征信息记忆模块中存储的剩余特征信息进行正负样本划分，得到所述锚点的特征信息对应的...
【专利技术属性】
技术研发人员：艾剑飞，
申请(专利权)人：智道网联科技北京有限公司，
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。