点云标注方法、装置、电子设备和存储介质与流程

本公开涉及人工智能，尤其涉及深度学习、自动驾驶和智能交通。更具体地，本公开提供了一种点云标注方法、装置、电子设备和存储介质。

背景技术：

1、自动驾驶领域中，车辆利用传感器感知周围环境。其中雷达传感器采集的点云数据由于能够带来三维感知效果，因此点云数据的处理备受关注。

2、目前，点云数据中的障碍物的标注问题一般采取人工标注的方式，来标注出每一帧点云中障碍物的包围框。然而人工标注成本非常高，而且人工标注效率较低。

技术实现思路

1、本公开提供了一种点云标注方法、装置、电子设备、存储介质以及计算机程序产品。

2、根据第一方面，提供了一种点云标注方法，该方法包括：从点云序列中确定目标对象的初始包围框序列；根据初始包围框序列，确定目标对象的动静态属性；从点云序列中确定基准点云帧，并将除基准点云帧以外的其他点云帧确定为待匹配点云帧；根据目标对象的动静态属性，将待匹配点云帧合并到基准点云帧中，得到更新的基准点云帧；确定更新的基准点云帧中的目标对象的目标包围框；以及根据更新的基准点云帧中的目标对象的目标包围框，确定点云序列中的目标对象的目标包围框序列。

3、根据第二方面，提供了一种点云标注装置，该装置包括：初始包围框序列确定模块，用于从点云序列中确定目标对象的初始包围框序列；动静态属性确定模块，用于根据初始包围框序列，确定目标对象的动静态属性；基准帧确定模块，用于从点云序列中确定基准点云帧，并将除基准点云帧以外的其他点云帧确定为待匹配点云帧；合并模块，用于根据目标对象的动静态属性，将待匹配点云帧合并到基准点云帧中，得到更新的基准点云帧；目标包围框确定模块，用于确定更新的基准点云帧中的目标对象的目标包围框；以及目标包围框序列确定模块，根据更新的基准点云帧中的目标对象的目标包围框，确定点云序列中的目标对象的目标包围框序列。

4、根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。

5、根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。

6、根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序存储于可读存储介质和电子设备其中至少之一上，所述计算机程序在被处理器执行时实现根据本公开提供的方法。

7、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种点云标注方法，包括：

2.根据权利要求1所述的方法，其中，所述根据所述目标对象的动静态属性，将所述待匹配点云帧合并到所述基准点云帧中，得到更新的基准点云帧包括：

3.根据权利要求2所述的方法，其中，所述确定所述基准点云帧与所述待匹配点云帧之间的相对位姿包括：

4.根据权利要求3所述的方法，其中，所述根据所述预设距离范围内的对应点信息、配准位姿以及配准误差，确定所述基准点云帧与所述待匹配点云帧之间的目标相对位姿包括：

5.根据权利要求4所述的方法，其中，所述预设要求包括所述配准误差小于误差阈值，所述预设距离范围内的对应点数量大于数量阈值；所述方法还包括：

6.根据权利要求2至5中任一项所述的方法，其中，所述根据所述相对位姿，将所述待匹配点云帧中的点云合并到所述基准点云帧中，得到更新的基准点云帧包括：

7.根据权利要求1所述的方法，所述根据所述目标对象的动静态属性，将所述待匹配点云帧合并到所述基准点云帧中，得到更新的基准点云帧包括：

8.根据权利要求7所述的方法，其中，所述根据所述动静态属性，将所述基准点云帧和所述待匹配点云帧，转换到中间坐标系中包括：

9.根据权利要求7或8所述的方法，其中，所述确定所述更新的基准点云帧中的所述目标对象的目标包围框包括：

10.根据权利要求7或8所述的方法，其中，所述根据所述更新的基准点云帧中的所述目标对象的目标包围框，确定所述点云序列中的目标包围框序列包括：

11.根据权利要求10所述的方法，其中，所述目标包围框序列为中间坐标系中的目标包围框序列；所述方法还包括：

12.根据权利要求1所述的方法，其中，所述从点云序列中确定目标对象的初始包围框序列包括：

13.根据权利要求1所述的方法，其中，所述根据所述初始包围框序列，确定所述目标对象的动静态属性包括：

14.根据权利要求1所述的方法，其中，所述从所述点云序列中确定基准点云帧包括：

15.一种点云标注装置，包括：

16.根据权利要求15所述的装置，其中，所述合并模块包括：

17.根据权利要求16所述的装置，其中，所述相对位姿确定子模块包括：

18.根据权利要求17所述的装置，其中，所述目标相对位姿确定单元包括：

19.根据权利要求18所述的装置，其中，所述预设要求包括所述配准误差小于误差阈值，所述预设距离范围内的对应点数量大于数量阈值；所述目标相对位姿确定单元还包括：

20.根据权利要求16-19中任一项所述的装置，其中，所述第一合并子模块包括：

21.根据权利要求15所述的装置，其中，所述合并模块包括：

22.根据权利要求21所述的装置，其中，所述第一坐标系转换子模块包括：

23.根据权利要求21或22所述的装置，其中，所述目标包围框确定模块包括：

24.根据权利要求21或22所述的装置，其中，所述目标包围框序列确定模块包括：

25.根据权利要求24所述的装置，其中，所述目标包围框序列为中间坐标系中的目标包围框序列；所述装置还包括：

26.根据权利要求15所述的装置，其中，所述初始包围框序列确定模块包括：

27.根据权利要求15所述的装置，其中，所述动静态属性确定模块包括：

28.根据权利要求15所述的装置，其中，所述基准帧确定模块，用于从所述点云序列中确定目标对象的点云数量最多的点云帧作为所述基准点云帧；或者计算每个点云帧中的目标对象与指定对象之间的位置关系，将目标对象与指定对象之间的距离最小的点云帧确定为所述基准点云帧。

29.一种电子设备，包括：

30.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至14中任一项所述的方法。

31.一种计算机程序产品，包括计算机程序，所述计算机程序存储于可读存储介质和电子设备其中至少之一上，所述计算机程序在被处理器执行时实现根据权利要求1至14中任一项所述的方法。

技术总结
本公开提供了一种点云标注方法，涉及人工智能技术领域，尤其涉及深度学习、自动驾驶和智能交通技术领域。具体实现方案为：从点云序列中确定目标对象的初始包围框序列；根据初始包围框序列，确定目标对象的动静态属性；从点云序列中确定基准点云帧，并将除基准点云帧以外的其他点云帧确定为待匹配点云帧；根据目标对象的动静态属性，将待匹配点云帧合并到基准点云帧中，得到更新的基准点云帧；确定更新的基准点云帧中的目标对象的目标包围框；以及根据更新的基准点云帧中的目标对象的目标包围框，确定点云序列中的目标对象的目标包围框序列。本公开还提供了一种点云标注装置、电子设备和存储介质。

技术研发人员：周子泰,王学辉,魏金丰
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/3/24