【技术实现步骤摘要】
本申请涉及地图构建，特别是涉及一种地图标签生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、在智能驾驶领域中，基于深度学习的感知算法在车道线、障碍物检测中发挥重要作用，尤其近几年随着bev（brids-eye-view，鸟瞰图）技术的实际应用，其感知任务输出空间从2d透视图像控件转换到3d空间，相应的标注空间也转换到3d空间。当前主流的标注方案是摄像头方案，通过在激光雷达生成的单帧点云上进行车道线、障碍物等标注，再将标注框投影到图像中，后续人工对标注结果添加遮挡、可见性标签，完成最终的标注任务。但是，这种方法需要标注员对所有图像帧对应的激光帧进行逐帧标注，标注效率低，因此，存在地图标签生成效率低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高地图标签生成效率的地图标签生成方法、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，本申请提供了一种地图标签生成方法，包括：
3、获取当前时刻之前预...
【技术保护点】
1.一种地图标签生成方法，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，所述基于当前帧点云数据对应的位置估计、图像数据、地图数据以及多个惯性位姿估计，确定当前帧点云数据对应的约束关系，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述当前帧和相邻在前帧期间的多个惯性位姿估计，得到当前帧点云数据与相邻在前帧点云数据之间的第一约束关系，包括：
4.根据权利要求1所述的方法，其特征在于，所述采用预设大小的窗口在多帧点云数据中滑动选取匹配的目标点云数据，包括：
5.根据权利要求4所述的方法，其...
【技术特征摘要】
1.一种地图标签生成方法，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，所述基于当前帧点云数据对应的位置估计、图像数据、地图数据以及多个惯性位姿估计，确定当前帧点云数据对应的约束关系，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述当前帧和相邻在前帧期间的多个惯性位姿估计，得到当前帧点云数据与相邻在前帧点云数据之间的第一约束关系，包括：
4.根据权利要求1所述的方法，其特征在于，所述采用预设大小的窗口在多帧点云数据中滑动选取匹配的目标点云数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述约束关系包括第一约束关系、第二约束关系和第三约束关系；所述基于所述约束关系，对当前滑动选取的目标点云数据进行位姿优化，得到多帧点云数据各自对应的优化位姿，包括...
【专利技术属性】
技术研发人员：彭建建，
申请(专利权)人：宁波路特斯机器人有限公司，
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。