一种点云标注方法、装置和电子设备与流程

本发明涉及数据处理技术领域，尤其是涉及一种点云标注方法、装置、电子设备和非易失性计算机可读存储介质。

背景技术：

点云3d标注是指对车端，路端或者是其他平台采集的同一场景下的单个或多个激光雷达的点云数据进行常见障碍物3d框标注的任务。

点云3d分为纯点云标注(指原始传感器数据仅为激光雷达数据)和多传感融合标注(例如图像和点云融合之后再标注)，但目前3d点云标注过于依赖于人工标注，需要人工去标注每一帧点云数据，速度慢且价格极为昂贵。

技术实现要素：

本发明实施例提供了一种点云标注方法、装置、电子设备和非易失性计算机可读存储介质，不但能够提高标注速度，而且能够降低成本。

第一方面，本发明实施例提供了一种点云标注方法，所述方法包括：

获取点云数据；

使用预设算法模型对所述点云数据进行处理，获得预标注框；

对所述预标注框进行检测，获得检测结果；

基于所述检测结果，将点云数据录入数据库。

在一些实施例中，所述方法还包括：

预先训练算法模型，获得预设算法模型；

将所述预设算法模型导入深度学习推理优化器，以优化所述预设算法模型。

在一些实施例中，所述获取点云数据之后，所述方法还包括：

对所述点云数据进行预处理，所述预处理包括清洗、筛选和/或切分。

在一些实施例中，所述使用预设算法模型对所述点云数据进行处理，获得预标注框之后，所述方法还包括：

接收用户输入的调整指令；

根据所述调整指令调整所述预标注框的参数，获得调整后的预标注框。

在一些实施例中，所述对所述预标注框进行检测，包括：

利用约束条件对所述调整后的预标注框进行自动化质检。

在一些实施例中，所述利用约束条件对调整后的预标注框进行自动化质检，包括：

获取障碍物类别；

根据所述障碍物类别确定所述障碍物类别对应的预设点云数量；

确定所述调整后的预标注框内的点云数量是否小于所述预设点云数量，如果是，则确定所述调整后的预标注框不合格；和/或，

获取障碍物类别；

根据所述障碍物类别确定所述障碍物类别对应的预设尺寸；

确定所述调整后的预标注框的尺寸与所述障碍物类别对应的预设尺寸的差值是否超过预设差值范围，如果是，则确定所述调整后的预标注框不合格；和/或，

获取标注框的预设位置区间；

确定所述调整后的预标注框的位置区间是否处于所述标注框的预设位置区间外，如果是，则确定所述调整后的预标注框不合格；和/或，

对所述调整后的预标注框内的点云数据进行聚类，获得聚类框；

获取所述聚类框的航向角；

确定所述调整后的预标注框的航向角与所述聚类框的航向角误差，如果误差超过误差阈值，则确定所述调整后的预标注框不合格；和/或，

获取周围障碍物标注框的位置坐标；

将所述周围障碍物标注框的位置坐标进行转换，获得障碍物的运动方向；

根据所述障碍物的运动方向获取所述障碍物的航向角；

确定所述预标注框的航向角与所述障碍物的航向角的误差，如果误差超过误差阈值，则确定所述调整后的预标注框不合格；和/或，

获取运动车道的中心引导线；

对至少一个所述调整后的预标注框进行采样，获得位置采样点；

对所述位置采样点进行分析，确定所述位置采样点与运动车道的中心引导线的距离，如果距离大于预设距离阈值，则确定所述调整后的预标注框不合格。

在一些实施例中，，所述方法还包括：

当到达预设时间，则更新所述预设算法模型。

第二方面，本发明实施例还提供了一种点云标注装置，所述装置包括：

获取模块，用于获取点云数据；

处理模块，用于使用预设算法模型对所述点云数据进行处理，获得预标注框；

检测模块，用于对所述预标注框进行检测，获得检测结果；

录入模块，用于基于所述检测结果，将点云数据录入数据库。

第三方面，本发明实施例还提供了一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述点云标注方法。

第四方面，本发明实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被处理器所执行时，使所述处理器执行上述点云标注方法。

与现有技术相比，本发明的有益效果是：区别于现有技术的情况，本发明实施例中的点云标注方法，通过获取点云数据，然后使用预设算法模型对所述点云数据进行处理，获得预标注框，接着对所述预标注框进行检测，获得检测结果，最后基于所述检测结果，将点云数据录入数据库，通过预设算法模型实现点云数据的半自动化标注，不但能够提高标注速度，而且能够降低成本。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明一个实施例中点云标注方法的流程示意图；

图2是本发明一个实施例中自动化质检之对预标注框内点云数量约束的流程示意图；

图3是本发明一个实施例中自动化质检之对预标注框尺寸约束的流程示意图；

图4是本发明一个实施例中障碍物类别对应的预设尺寸示意图；

图5是本发明一个实施例中自动化质检之对预标注框位置约束的流程示意图；

图6是本发明一个实施例中自动化质检之对单帧航向角约束的流程示意图；

图7是本发明一个实施例中自动化质检之对连续帧航向角约束的流程示意图；

图8是本发明一个实施例中自动化质检之对连续帧运动状态约束的流程示意图；

图9是本发明一个实施例中点云标注方法的具体流程示意图；

图10是本发明一个实施例中点云标注装置的结构示意图；

图11是本发明一个实施例中电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。再者，本发明所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。

如图1所示，本发明实施例提供了一种点云标注方法，所述方法由电子设备执行，所述方法包括：

步骤102，获取点云数据。

在本发明实施例中，点云数据不仅限于通过激光雷达扫描目标对象采集到的点云数据，所述点云数据还包括相应的meta数据，例如采集平台、采集时间、单激光雷达系统或者多激光雷达系统，每个激光雷达对应的外参标定数据、点云线数、点云通道数、每帧数据的准确时间戳等。具体地，电子设备获取激光雷达采集的点云数据，所述点云数据以点云数据帧的形式存在。

在其他一些实施例中，在获取点云数据之后，所述方法还包括：对所述点云数据进行预处理，所述预处理包括清洗、筛选和/或切分。

在本发明实施例中，在获取点云数据之后，需要对点云数据进行清洗、筛选和/或切分。具体地，首先通过程序对点云数据进行范围限制，角度限制，去除多余无效点，去除nan点，去除无效帧。其次去除重复场景数据，筛选出有价值的丰富场景点云数据进行标注。

进一步地，当对点云数据完成清洗和筛选之后，按照点云数据帧原始时间戳进行分包，点云数据帧分包主要是为了对长时序点云数据进行切分，方便后续并行化标注。具体地，按照激光雷达的检测频率来计算，示例性的，激光雷达的检测频率为10hz，则10s算一个时间序列，一个时间序列包括100帧点云数据。需要说明的是，切包时间序列长度会根据不同场景的点云数据要求而改变，无需拘泥于本实施例中的限定。

步骤104，使用预设算法模型对所述点云数据进行处理，获得预标注框。

预设算法模型是整个点云标注方法中最为关键的一部分，预设算法模型的好坏直接决定了预标注框的标注质量，其中，所述预设算法模型是基于大量样本点云数据进行学习训练得到的。

在本发明实施例中，当获取到点云数据后，需要对每一帧点云数据进行标注，具体地，通过标注框定义每一帧点云数据中障碍物的基本信息，例如类别、连续帧中跟踪编号、三维坐标信息、三维尺寸信息、可见度等。当所有的点云数据帧标注完成后，使用标注后的样本点云数据训练模型，目的是为了提高模型训练的准确度，进而提高预标注框的标注质量。样本点云数据越多，涵盖的情形就越多，从而算法模型的识别能力也就越高。

进一步地，为了优化所述预设模型，即加快所述预设算法模型的推论速度，当预设算法模型训练好后，可以将所述预设算法模型导入深度学习推理优化器，由此能够避免算法处理时间过长而导致数据流阻塞。另外，当达到预设时间，则更新所述预设算法模型，预设时间需要视数据库内积累的数量来确定。算法模型训练好后可直接加载在电子设备上运行。电子设备获取到点云数据后，使用预设算法模型对获取到的点云数据进行处理，获得预标注框。

在其他一些实施例中，所述使用预设算法模型对所述点云数据进行处理，获得预标注框之后，所述方法还包括：接收用户输入的调整指令；根据所述调整指令调整所述预标注框的参数，获得调整后的预标注框。

在本发明实施例中，通过预设算法模型得到的预标注框可能存在和实际障碍物大小，位置或者朝向不匹配的情况，因此，需要用户手动调整有问题的预标注框的相关参数。具体地，电子设备接收用户输入的调整指令，并根据所述调整指令调整所述预标注框的相关参数，从而获得调整后的预标注框。

步骤106，对所述预标注框进行检测，获得检测结果。

对预标注框进行检测主要是利用具体的技术指标对预标注框进行约束，一方面有利于获取有问题的预标注框，另一方面便于将无误的点云数据录入数据库。具体地，电子设备对所述预标注框进行自动化检测，从而获取检测结果。

步骤108，基于所述检测结果，将点云数据录入数据库。

最终录入数据库的点数数据是无误的点云数据，点云数据以时间序列的存放形式存储在数据库中。

在其中一些实施例中，作为步骤106的一种实现方式，所述方法包括：利用约束条件对所述调整后的预标注框进行自动化质检。

在本发明实施例中，任何涉及人工的部分或多或少都会出现错误，因此需要利用约束条件对所述调整后的预标注框进行自动化质检。其中，所述约束条件为具体的技术指标，通过具体的技术指标对预标注框进行约束。

在一些实施例中，如图2所示，利用约束条件对调整后的预标注框进行自动化质检，包括：

步骤202，获取障碍物类别。

由于预标注框定义了障碍物最基本的外形信息，比如类型、连续帧中跟踪编号、三维坐标信息、三维尺寸信息以及可见度等，因此电子设备获取预标注框内障碍物类别。

步骤204，根据所述障碍物类别确定所述障碍物类别对应的预设点云数量。

障碍物类别对应的预设点云数量可事先存储至电子设备中，障碍物类别不同，框内点云约束数量也会有所不同。通过对预标注框内点云数量进行约束，可以发现部分标注空框以及错位的现象。电子设备获取到障碍物类别后，则根据所述障碍物类别确定与所述障碍物类别对应的预设点云数量。

步骤206，确定所述调整后的预标注框内的点云数量是否小于所述预设点云数量，如果是，则确定所述调整后的预标注框不合格。

在本发明实施例中，对预标注框内的点云数量进行约束，是通过将所述调整后的预标注框内的点云数量和所述预设点云数量进行比对确定的。具体地，如果所述调整后的预标注框内的点数数量小于所述预设点云数量，则确定所述调整后的预标注框不合格，进一步地，对于不合格的预标注框需要对其进行标记，以便于后续复核。需要说明的是，机动车辆、卡车以及特种车辆等原则上少于20个点不需要进行标记，另外，行人和单车原则上少于10个点也不需要标记。

在一些实施例中，如图3所示，利用约束条件对调整后的预标注框进行自动化质检，包括：

步骤302，获取障碍物类别。

步骤304，根据所述障碍物类别确定所述障碍物类别对应的预设尺寸。

具体地，障碍物类别对应的预设尺寸同理可以预先存储在电子设备中，障碍物类别对应的预设尺寸如图4所示。电子设备获取预标注框内障碍物类别，并根据所述障碍物类别确定所述障碍物类别对应的预设尺寸。

步骤306，确定所述调整后的预标注框的尺寸与所述障碍物类别对应的预设尺寸的差值是否超过预设差值范围，如果是，则确定所述调整后的预标注框不合格。

在本发明实施例中，通过障碍物类别对应的预设尺寸的先验信息来确定调整后的预标注框的尺寸大小是否合理，当然这一先验信息需要加上差值来适应何种可能出现的障碍物大小尺寸。其中，所述差值为方差。

具体地，通过程序对调整后的预标注框进行统计学意义上的尺寸评估，给出每种类别的尺寸长宽高平均值以及相应的方差数据。示例性的，机动车的尺寸方差不得大于[1.0,0.5,0.5](l,w,h)，卡车的尺寸方差不得大于[6.0,1.0,1.0](l,w,h)，行人的尺寸方差不得大于[0.4,0.4,0.4](l,w,h)，单车人的尺寸方差不得大于[0.8,0.5,0.5](l,w,h)，其余类别统一按照[0.8,0.8,0.8]进行数据验收。通过将调整后的预标注框的尺寸与障碍物类别对应的预设尺寸的差值进行比对从而确定预标注框的尺寸是否合理，如果调整后的预标注框的尺寸与所述障碍物类别对应的预设尺寸的差值超过预设差值范围，则确定调整后的预标注框不合格。另外，若存在特殊障碍物需要对其打上相应标记，便于后续处理。

在一些实施例中，如图5所示，利用约束条件对调整后的预标注框进行自动化质检，包括：

步骤502，获取标注框的预设位置区间。

在本发明实施例中，标注框的预设位置区间位于[-100m,-100m,-5m,100m,100m,3m]区间内。

步骤504，确定所述调整后的预标注框的位置区间是否处于所述标注框的预设位置区间外，如果是，则确定所述调整后的预标注框不合格。

判断调整后的预标注框是否合格，具体是通过判断所述调整后的预标注框是否处于所述标注框的预设位置区间外，如果调整后的预标注框的位置区间超出预设位置区间，则确定所述调整后的预标注框不合格，视为无效标注数据，该调整后的预标注框不计入有效标注框。

在一些实施例中，如图6所示，利用约束条件对调整后的预标注框进行自动化质检，包括：

步骤602，对所述调整后的预标注框内的点云数据进行聚类，获得聚类框。

步骤604，获取所述聚类框的航向角。

在本发明实施例中，是对单帧航向角进行约束，主要是针对机械机构明显的机动车和自行车。每个调整后的预标注框都有其对应的标注航向角，因此需要对调整后的预标注框的航向角进行约束，从而确定调整后的预标注框的朝向是否合理。

具体地，对所述调整后的预标注框内的点云数据进行聚类，获得聚类框。在单帧点云中，已知一个未检验的调整后的预标注框，获取调整后的预标注框内部的点云索引，然后对调整后的预标注框内部点云进行pca主成分分析，从而获得主方向向量和次方向向量，接着通过得到的参数信息找到框内点云的obb聚类框，其次获取所述聚类框的航向角。

步骤606，确定所述调整后的预标注框的航向角与所述聚类框的航向角误差，如果误差超过误差阈值，则确定所述调整后的预标注框不合格。

通过将所述调整后的预标注框的航向角与所述聚类框的航向角进行比对，从而确定调整后的预标注框是否合理，如果误差超过误差阈值，则表示所述调整后的预标注框不合格，并需要对不合格的预标注框打上标记，便于后续复核。

在一些实施例中，如图7所示，利用约束条件对调整后的预标注框进行自动化质检，包括：

步骤702，获取周围障碍物标注框的位置坐标。

在本发明实施例中，是对连续帧航向角进行约束，对连续帧航向角进行约束需要用到车辆本身的地位信息。连续帧状态下的航向角约束主要考虑到机动车辆以及部分非机动车辆在单位时间下的运动状态是不可突变的，且机动车辆会按照道路结构规则行驶，因此对周围障碍物的运动状态进行约束来避免人工标注数据本身的随机噪声。具体地，由于在连续帧状态下的车辆本身具有全局定位信息以及周围障碍物的标注框信息，因此电子设备获取周围障碍物标注框的位置坐标。

步骤704，将所述周围障碍物标注框的位置坐标进行转换，获得障碍物的运动方向。

由于点云数据是通过激光雷达采集得到的，因此障碍物标注框的位置坐标为激光雷达坐标系下的位置坐标，因此，电子设备获取到周围障碍物标注框的位置坐标后，需要将所述周围障碍物标注框的位置坐标进行转换，即将所述周围障碍物标注框的位置坐标从激光雷达坐标系转换为全局地图坐标系，从而可以获得障碍物帧间的运动方向。

步骤706，根据所述障碍物的运动方向获取所述障碍物的航向角。

具体地，选取10帧作为一个局部运动滑动窗口进行采样，基于所述障碍物的运动方向获取每个障碍物的航向角。

步骤708，确定所述调整后的预标注框的航向角与所述障碍物的航向角的误差，如果误差超过误差阈值，则确定所述调整后的预标注框不合格。

通过将所述调整后的预标注框的航向角与所述障碍物的航向角进行比对，从而确定所述调整后的预标注框是否合理，如果调整后的预标注框的航向角与所述障碍物的航向角的误差超过误差阈值，则确定所述调整后的预标注框不合格。对于不合格的预标注框需要对其打上对应的标记，便于后续复核。

在一些实施例中，如图8所示，利用约束条件对调整后的预标注框进行自动化质检，包括：

步骤802，获取运动车道的中心引导线。

在本发明实施例中，是通过中心引导线对连续帧运动状态进行约束，连续帧运动状态约束主要考虑车辆行驶周期的高精地图信息，主要是利用高精地图的车道信息对标注数据进行约束。具体地，电子设备获取运动车道的中心引导线。

步骤804，对至少一个所述调整后的预标注框进行采样，获得位置采样点。

具体地，电子设备对至少一个调整后的预标注框进行采样，获得位置采样点。机动车辆在车道上正常行驶，在一个时间序列内其运动轨迹是紧贴当前运动车道的中心引导线，不会出现左右震荡的情况，假设在30帧的点云序列内，激光雷达频率为10hz，该时间序列时长为3s，理想情况下会存在30个机动车辆的位置采样点。

步骤806，对所述位置采样点进行分析，确定所述位置采样点与运动车道的中心引导线的距离，如果距离大于预设距离阈值，则确定所述调整后的预标注框不合格。

当电子设备获得位置采样点后，将所述位置采样点放入batch下进行速度曲线和加速度曲线分析，从而确定所述位置采样点与运动车道的中心引导线的距离，如果位置采样点与运动车道的中心引导线的距离大于预设距离阈值，则认为调整后的预标注框不合格，说明位置采样点错位，需要修正。需要说明的是，加速度曲线在时域下可导。

在其他一些实施例中，所述方法还包括：将不合格的预标注框打上标记，进行复核。

具体地，利用约束条件对所述调整后的预标注框进行自动化质检之后，对于不合格的预标注框，将其打上对应的标记，进行复核，在复核的过程中，对于复核通过的预标注框，则将预标注框内的点云数据录入数据库，反之，则继续执行接收用户输入的调整指令的步骤。

在本发明实施例中，通过获取点云数据，然后使用预设算法模型对所述点云数据进行处理，获得预标注框，接着对所述预标注框进行检测，获得检测结果，最后基于所述检测结果，将点云数据录入数据库，通过预设算法模型实现点云数据的半自动化标注，不但能够提高标注速度，而且能够降低成本。

需要说明的是，在上述各个实施例中，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本发明实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。

便于理解本发明，下面以一个具体实施例为例进行说明，如图9所示，

s900，获取点云数据,转至s901；

s901，对所述点云数据进行预处理，所述预处理包括清洗、筛选和/或切分，转至s902；

s902，使用预设算法模型对所述点云数据进行处理，获得预标注框，转至s903；

s903,接收用户输入的调整指令,转至s904；

s404,根据所述调整指令调整所述预标注框的参数，获得调整后的预标注框,转至s905；

s905,利用约束条件对所述调整后的预标注框进行自动化质检,合格，转至s906，不合格，转至s907；；

s906,将点云数据录入数据库，转至s908；

s907，将不合格的预标注框打上标记，进行复核，复核通过，转至s906，复核不通过，转至s903；

s908,更新所述预设算法模型,转至s902。

相应地，本发明实施例还提供了一种点云标注装置100，如图10所示，包括：

获取模块102，用于获取点云数据；

处理模块104，用于使用预设算法模型对所述点云数据进行处理，获得预标注框；

检测模块106，用于对所述预标注框进行检测，获得检测结果；

录入模块108，用于基于所述检测结果，将点云数据录入数据库。

在本发明实施例中，通过获取模块获取点云数据，然后通过处理模块使用预设算法模型对所述点云数据进行处理，获得预标注框，接着通过检测模块对所述预标注框进行检测，获得检测结果，最后基于所述检测结果，使用录入模块将所述点云数据录入数据库，由此不但能够提高标注速度，而且能够降低成本。

可选的，在装置的其他实施例中，如图10所示，装置100还包括：

训练模块110，用于预先训练算法模型，获得预设算法模型；

优化模块112，用于将所述预设算法模型导入深度学习推理优化器，以优化所述预设算法模型。

可选的，在装置的其他实施例中，如图10所示，装置100还包括：

接收模块114，用于接收用户输入的调整指令。

调整模块116，用于根据所述调整指令调整所述预标注框的参数，获得调整后的预标注框。

可选的，在装置的其他实施例中，如图10所示，装置100还包括：

复核模块118，用于将不合格的预标注框打上标记，进行复核。

可选的，在装置的其他实施例中，如图10所示，装置100还包括：

更新模块120，用于当到达预设时间，则更新所述预设算法模型。

可选的，在装置的其他实施例中，检测模块106具体用于：

利用约束条件对所述调整后的预标注框进行自动化质检。

获取障碍物类别；

根据所述障碍物类别确定所述障碍物类别对应的预设点云数量；

确定所述调整后的预标注框内的点云数量是否小于所述预设点云数量，如果是，则确定所述调整后的预标注框不合格；和/或，

获取障碍物类别；

根据所述障碍物类别确定所述障碍物类别对应的预设尺寸；

确定所述调整后的预标注框的尺寸与所述障碍物类别对应的预设尺寸的差值是否超过预设差值范围，如果是，则确定所述调整后的预标注框不合格；和/或，

获取标注框的预设位置区间；

确定所述调整后的预标注框的位置区间是否处于所述标注框的预设位置区间外，如果是，则确定所述调整后的预标注框不合格；和/或，

对所述调整后的预标注框内的点云数据进行聚类，获得聚类框；

获取所述聚类框的航向角；

确定所述调整后的预标注框的航向角与所述聚类框的航向角误差，如果误差超过误差阈值，则确定所述调整后的预标注框不合格；和/或，

获取周围障碍物标注框的位置坐标；

将所述周围障碍物标注框的位置坐标进行转换，获得障碍物的运动方向；

根据所述障碍物的运动方向获取所述障碍物的航向角；

确定所述调整后的预标注框的航向角与所述障碍物的航向角的误差，如果误差超过误差阈值，则确定所述调整后的预标注框不合格；和/或，

获取运动车道的中心引导线；

对至少一个所述调整后的预标注框进行采样，获得位置采样点；

对所述位置采样点进行分析，确定所述位置采样点与运动车道的中心引导线的距离，如果距离大于预设距离阈值，则确定所述调整后的预标注框不合格。

需要说明的是，上述点云标注装置可执行本发明实施例提供的点云标注方法相应的功能模块和有益效果。未在点云标注装置实施例中详尽描述的技术细节，可参考本发明实施例提供的点云标注方法。

图11是本发明实施例提供的电子设备的硬件结构示意图，如图11所示，电子设备110包括：

一个或者多个处理器12以及存储器14，图11中以一个处理器12为例。

处理器12和存储器14可以通过总线或者其他方式连接，图11中以通过总线连接为例。

存储器14作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的点云标注方法对应的程序指令/模块。处理器12通过运行存储在存储器14中的非易失性软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述实施例中的点云标注方法。

存储器14可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据点云标注装置使用所创建的数据等。此外，存储器14可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器14可选包括相对于处理器12远程设置的存储器，这些远程存储器可以通过网络连接至点云标注装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本发明实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或者多个处理器执行时，可使得上述一个或者多个处理器可执行上述任意方法实施例中的点云标注方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory,rom)或随机存储记忆体(randomaccessmemory,ram)等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。