CN107945198A - 用于标注点云数据的方法和装置 - Google Patents
用于标注点云数据的方法和装置 Download PDFInfo
- Publication number
- CN107945198A CN107945198A CN201610892503.3A CN201610892503A CN107945198A CN 107945198 A CN107945198 A CN 107945198A CN 201610892503 A CN201610892503 A CN 201610892503A CN 107945198 A CN107945198 A CN 107945198A
- Authority
- CN
- China
- Prior art keywords
- tracking result
- point cloud
- data
- tracking
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/66—Tracking systems using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
本申请公开了用于标注点云数据的方法和装置。所述方法的一具体实施方式包括:使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;对所述点云数据进行分割与跟踪,获得点云分割与跟踪结果;对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;使用所述特征物识别与跟踪结果对所述点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。该实施方式降低了对点云数据进行标注的人工工作量,降低了标注成本。
Description
技术领域
本申请涉及计算机技术领域,具体涉及点云数据处理技术领域,尤其涉及用于标注点云数据的方法和装置。
背景技术
涉及点云数据的识别算法在进行训练时,会需要使用大量标注过的点云数据作为训练样本,以优化障碍物识别算法。因此,需要预先采集大量不同场景的点云数据,并对其进行准确标注,才能保证优化过程顺利进行。
然而,点云数据密度不够以及采集点云数据时角度的变化,导致点云标注难度较大,需要标注人员耗用较长时间进行标注,且标注准确度也不高。因此,亟需提高点云数据标注的效率。
发明内容
本申请的目的在于提出一种改进的用于标注点云数据的方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种用于标注点云数据的方法,所述方法包括:使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;对所述点云数据进行分割与跟踪,获得点云分割与跟踪结果;对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;使用所述特征物识别与跟踪结果对所述点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
在一些实施例中,在所述获得点云分割与跟踪结果的置信度之后,所述方法还包括:获取置信度大于置信度阈值的点云分割与跟踪结果以供用户进行校验;响应于用户对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,获取校验后的点云分割与跟踪结果;以及所述将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果,包括:将校验后的点云分割与跟踪结果确定为点云标注结果。
在一些实施例中,所述使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据,包括:使用摄像机对所述场景进行数据采集,得到摄像视频。
在一些实施例中,所述对所述传感器数据中的特征物进行识别与跟踪,得到特征物识别与跟踪结果,包括:针对所述摄像视频的视频内容,执行车牌识别与跟踪算法和/或人脸识别与跟踪算法。
在一些实施例中,所述使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据,包括:利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集。
在一些实施例中,所述使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据,包括:利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。
第二方面,本申请提供了一种用于标注点云数据的装置,所述装置包括:采集单元,用于使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;分割跟踪单元,用于对所述点云数据进行分割与跟踪,获得点云分割与跟踪结果;识别跟踪单元,用于对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;校正单元,用于使用所述特征物识别与跟踪结果对所述点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;确定单元,用于将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
在一些实施例中,所述装置还包括获取单元,所述获取单元用于:获取置信度大于置信度阈值的点云分割与跟踪结果以供用户进行校验;响应于用户对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,获取校验后的点云分割与跟踪结果;以及所述确定单元进一步用于:将校验后的点云分割与跟踪结果确定为点云标注结果。
在一些实施例中,所述采集单元用于:使用摄像机对所述场景进行数据采集,得到摄像视频。
在一些实施例中,所述识别跟踪结单元用于:针对所述摄像视频的视频内容,执行车牌识别与跟踪算法和/或人脸识别与跟踪算法。
在一些实施例中,所述采集单元用于:利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集。
在一些实施例中,所述采集单元用于:利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。
本申请提供的用于标注点云数据的方法和装置,使用对其他传感器数据进行识别与跟踪所得到的特征物识别与跟踪结果对点云的分割和跟踪结果进行校正,并根据校正得到的置信度筛选出最终的点云标注结果,从而降低了对点云数据进行标注的人工工作量,降低了标注成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于标注点云数据的方法的一个实施例的流程图;
图3是根据本申请的用于标注点云数据的方法的又一个实施例的流程图;
图4是根据本申请的用于标注点云数据的装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于标注点云数据的方法或装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101,网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用,例如点云可视化工具等。
终端设备101可以是具有显示屏并且支持点云可视化工具运行的各种电子设备,包括但不限于膝上型便携计算机和台式计算机等等。
服务器103可以是提供各种服务的服务器,例如对终端设备101上显示的信息提供支持的后台服务器。后台服务器可以对接收到的数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本申请实施例所提供的用于标注点云数据的方法可以由终端设备101执行,也可以由服务器103执行,还可以由终端设备101服务器103分别执行该方法中不同的步骤;相应地,用于标注点云数据的装置可以设置于终端101中,也可以设置于服务器103中,还可以在终端101和服务器103中设置该装置的不同单元。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于标注点云数据的方法的一个实施例的流程200。所述的用于标注点云数据的方法,包括以下步骤:
步骤201,使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据。
在本实施例中,用于标注点云数据的方法运行于其上的电子设备(例如图1所示的终端设备或服务器)可以使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,通过激光雷达可以得到点云数据,而通过该不同于激光雷达的传感器可以得到其他不同于点云数据的传感器数据。
步骤202,对点云数据进行分割与跟踪,获得点云分割与跟踪结果。
在本实施例中,基于步骤201中得到的点云数据,电子设备可以对点云数据执行分割与跟踪操作,从而获得点云分割与跟踪结果。其中,点云分割与跟踪操作可以通过已有的点云分割与跟踪结果算法实现,这里不再赘述。
步骤203,对传感器数据中的特征物进行识别与跟踪,得到特征物识别与跟踪结果。
在本实施例中,针对步骤201中得到的传感器数据,电子设备可以对传感器数据中的特征物进行识别与跟踪,从而得到特征物识别与跟踪结果。
步骤204,使用特征物识别与跟踪结果对点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度。
在本实施例中,基于步骤203所得到的特征物识别与跟踪结果以及步骤202所得到的点云分割与跟踪结果,电子设备可以使用特征物识别与跟踪结果对点云分割与跟踪结果进行校正,从而得到点云分割与跟踪结果的置信度。校正过程,即为判断点云分割与跟踪结果是否与特征物识别与跟踪结果吻合以及两者的吻合程度。例如,点云分割与跟踪结果中将物体标识为行人,特征物识别与跟踪结果也将其标识为行人,则两者对这一物体的识别结果吻合;如果点云分割与跟踪结果中将物体标识为行人,特征物识别与跟踪结果也将其标识为车辆,则两者对这一物体的识别结果不吻合。
步骤205,将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
在本实施例中,电子设备可以将步骤204所得到的置信度与预先设置的置信度阈值进行比较,对于置信度大于置信度阈值的点云分割与跟踪结果,电子设备可以将其确定为点云标注结果。
在本实施例的一些可选实现方式中,步骤201可以包括:使用摄像机对场景进行数据采集,得到摄像视频。在该实现方式中,与激光雷达不同的传感器采用摄像机,对应的,用于进行特征物识别的传感器数据即为摄像视频。
在上一实现方式的一些可选实现方式中,步骤203可以包括:针对摄像视频的视频内容,执行车牌识别与跟踪算法和/或人脸识别与跟踪算法。在该实现方式中,电子设备可以通过车牌识别与跟踪算法和/或人脸识别与跟踪算法对针对摄像视频的视频内容中的特征物进行识别与跟踪,从而作为后续评价点云分割与跟踪结果的置信度的标准。由于车牌识别与跟踪算法与人脸识别与跟踪算法是当前较为成熟的技术,利用这两种识别算法中的一种或两种可以提高特征物识别与跟踪的准确度,从而能使得后续步骤中得到置信度更为可靠,最终得到的标注结果也会更准确。
在本实施例的一些可选实现方式中,上述步骤204中使用特征物识别与跟踪结果对点云分割与跟踪结果进行校正可以包括:将3D点云空间坐标调整至与摄像机的空间坐标系一致,使得摄像头看到的点能和激光雷达的点能够匹配。之后,可以判断点云分割与跟踪结果中物体与物体运动轨迹是否与针对视频内容所得到的特征物识别与跟踪中的物体与物体运动轨迹契合以及契合程度,所得到的契合程度即可作为输出的置信度。
在本实施例的一些可选实现方式中,步骤201可以包括:利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集。在该实现方式中,可以利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集,使得采集到的数据能尽可能接近无人驾驶车辆实际运行时所采集到的数据,从而使得最终的标注结果能训练出尽可能适用于无人驾驶汽车的障碍物识别算法。
在本实施例的一些可选实现方式中,步骤201可以包括:利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。在该实现方式中,上述步骤201中,可以利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。这种方式以无人驾驶车辆上的车载设备直接作为数据采集设备,可以使得采集到的数据能尽可能接近无人驾驶车辆实际运行时所采集到的数据,从而使得最终的标注结果能训练出尽可能适用于无人驾驶汽车的障碍物识别算法。
本申请的上述实施例提供的方法,使用对其他传感器数据进行识别与跟踪所得到的特征物识别与跟踪结果对点云的分割和跟踪结果进行校正,并根据校正得到的置信度筛选出最终的点云标注结果,从而降低了对点云数据进行标注的人工工作量,降低了标注成本。
进一步参考图3,其示出了用于标注点云数据的方法的又一个实施例的流程300。该用于标注点云数据的方法的流程300,包括以下步骤:
步骤301,使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据。
在本实施例中,步骤301的具体处理可以参考图2对应实施例的步骤201,这里不再赘述。
步骤302,对点云数据进行分割与跟踪,获得点云分割与跟踪结果。
在本实施例中,步骤302的具体处理可以参考图2对应实施例的步骤202,这里不再赘述。
步骤303,对传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果。
在本实施例中,步骤303的具体处理可以参考图2对应实施例的步骤203,这里不再赘述。
步骤304,使用特征物识别与跟踪结果对点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度。
在本实施例中,步骤303的具体处理可以参考图2对应实施例的步骤203,这里不再赘述。
步骤305,获取置信度大于置信度阈值的点云分割与跟踪结果以供用户进行校验。
在本实施例中,基于步骤304所获得置信度,电子设备可以提取出置信度大于置信度阈值的点云分割与跟踪结果,所提取的点云分割与跟踪结果可供用户进行校验。
步骤306,响应于用户对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,获取校验后的点云分割与跟踪结果。
在本实施例中,针对步骤305所得到的置信度大于置信度阈值的点云分割与跟踪结果,当检测到用户对点云分割与跟踪结果执行校验操作之后,电子设备可以得到校验后的点云分割与跟踪结果。
在本实施例的一些可选实现方式中,该校验操作可以用户对点云分割与跟踪结果的人工抽查操作。实践中,可以将置信度大于置信度阈值的点云分割与跟踪结果展示给用户以供用户进行抽查,若抽查通过,则可以将点云分割与跟踪结果用作后续步骤。
步骤307,将校验后的点云分割与跟踪结果确定为点云标注结果。
在本实施例中,基于步骤306中所得到的校验后的点云分割与跟踪结果,上述电子设备可以将校验后的点云分割与跟踪结果确定为点云标注结果确定为最终的点云标注结果。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于标注点云数据的方法的流程300突出了对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,使得所得到的标注结果可以更准确,从而使得标注结果可以训练出更好的点云识别算法。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种用于标注点云数据的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的用于标注点云数据的装置400包括:采集单元401、分割跟踪单元402、识别跟踪单元403、校正单元404和确定单元405。其中,采集单元401用于使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;分割与跟踪单元402用于对点云数据进行分割与跟踪,获得点云分割与跟踪结果;识别跟踪单元403用于对传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;校正单元404用于使用特征物识别与跟踪结果对点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;而确定单元405用于将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
在本实施例中,用于标注点云数据的装置400的采集单元401、分割跟踪单元402、识别跟踪单元403、校正单元404和确定单元405的具体处理可以参考图2对应实施例的步骤201、步骤202、步骤203、步骤204以及步骤205,这里不再赘述。
在本实施例的一些可选实现方式中,装置400还包括:获取单元406,获取单元406用于:响应于用户对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,获取校验后的点云分割与跟踪结果;获取置信度大于置信度阈值的点云分割与跟踪结果以供用户进行校验。以及,确定单元405进一步用于:将校验后的点云分割与跟踪结果确定为点云标注结果。该实现方式的具体实现可以参考图3对应实施例中相应的步骤,这里不再赘述。
在本实施例的一些可选实现方式中,采集单元401用于:使用摄像机对场景进行数据采集,得到摄像视频。该实现方式的具体实现可以参考图2对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,识别跟踪结单元403用于:针对摄像视频的视频内容,执行车牌识别与跟踪算法和/或人脸识别与跟踪算法。该实现方式的具体实现可以参考图2对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,采集单元401用于:利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集。该实现方式的具体实现可以参考图2对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,采集单元401用于:利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。该实现方式的具体实现可以参考图2对应实施例中相应的实现方式,这里不再赘述。
下面参考图5,其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括采集单元、分割跟踪单元、识别跟踪单、校正单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,识别跟踪单元还可以被描述为“对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;对所述点云数据进行分割与跟踪,获得点云分割与跟踪结果;对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;使用所述特征物识别与跟踪结果对所述点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于标注点云数据的方法,其特征在于,所述方法包括:
使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;
对所述点云数据进行分割与跟踪,获得点云分割与跟踪结果;
对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;
使用所述特征物识别与跟踪结果对所述点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;
将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
2.根据权利要求1所述的方法,其特征在于,在所述获得点云分割与跟踪结果的置信度之后,所述方法还包括:
获取置信度大于置信度阈值的点云分割与跟踪结果以供用户进行校验;
响应于用户对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,获取校验后的点云分割与跟踪结果;以及
所述将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果,包括:
将校验后的点云分割与跟踪结果确定为点云标注结果。
3.根据权利要求2所述的方法,其特征在于,所述使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据,包括:
使用摄像机对所述场景进行数据采集,得到摄像视频。
4.根据权利要求3所述的方法,其特征在于,所述对所述传感器数据中的特征物进行识别与跟踪,得到特征物识别与跟踪结果,包括:
针对所述摄像视频的视频内容,执行车牌识别与跟踪算法和/或人脸识别与跟踪算法。
5.根据权利要求1-4之一所述的方法,其特征在于,所述使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据,包括:
利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集。
6.根据权利要求1-4之一所述的方法,其特征在于,所述使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据,包括:
利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。
7.一种用于标注点云数据的装置,其特征在于,所述装置包括:
采集单元,用于使用激光雷达以及不同于激光雷达的传感器对同一场景进行数据采集,分别得到点云数据以及传感器数据;
分割跟踪单元,用于对所述点云数据进行分割与跟踪,获得点云分割与跟踪结果;
识别跟踪单元,用于对所述传感器数据中的特征物进行识别与跟踪,获得特征物识别与跟踪结果;
校正单元,用于使用所述特征物识别与跟踪结果对所述点云分割与跟踪结果进行校正,获得点云分割与跟踪结果的置信度;
确定单元,用于将置信度大于置信度阈值的点云分割与跟踪结果确定为点云标注结果。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括获取单元,所述获取单元用于:
获取置信度大于置信度阈值的点云分割与跟踪结果以供用户进行校验;
响应于用户对置信度大于置信度阈值的点云分割与跟踪结果的校验操作,获取校验后的点云分割与跟踪结果;以及
所述确定单元进一步用于:
将校验后的点云分割与跟踪结果确定为点云标注结果。
9.根据权利要求8所述的装置,其特征在于,所述采集单元用于:
使用摄像机对所述场景进行数据采集,得到摄像视频。
10.根据权利要求9所述的装置,其特征在于,所述识别跟踪结单元用于:
针对所述摄像视频的视频内容,执行车牌识别与跟踪算法和/或人脸识别与跟踪算法。
11.根据权利要求7-10之一所述的装置,其特征在于,所述采集单元用于:
利用放置高度与无人驾驶车辆上的安装高度相同的激光雷达、传感器进行数据采集。
12.根据权利要求7-10之一所述的装置,其特征在于,所述采集单元用于:
利用无人驾驶车辆上已安装并标定的激光雷达、传感器进行数据采集。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610892503.3A CN107945198B (zh) | 2016-10-13 | 2016-10-13 | 用于标注点云数据的方法和装置 |
US15/410,704 US11004234B2 (en) | 2016-10-13 | 2017-01-19 | Method and apparatus for annotating point cloud data |
JP2017106563A JP6588053B2 (ja) | 2016-10-13 | 2017-05-30 | 点群データにアノテーションを付与する方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610892503.3A CN107945198B (zh) | 2016-10-13 | 2016-10-13 | 用于标注点云数据的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107945198A true CN107945198A (zh) | 2018-04-20 |
CN107945198B CN107945198B (zh) | 2021-02-23 |
Family
ID=61904148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610892503.3A Active CN107945198B (zh) | 2016-10-13 | 2016-10-13 | 用于标注点云数据的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11004234B2 (zh) |
JP (1) | JP6588053B2 (zh) |
CN (1) | CN107945198B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710367A (zh) * | 2018-05-23 | 2018-10-26 | 广州视源电子科技股份有限公司 | 激光数据识别方法、装置、机器人及存储介质 |
CN108921925A (zh) * | 2018-06-27 | 2018-11-30 | 广州视源电子科技股份有限公司 | 基于激光雷达和视觉融合的语义点云生成方法和装置 |
CN109143207A (zh) * | 2018-09-06 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 激光雷达内参精度验证方法、装置、设备及介质 |
CN109191553A (zh) * | 2018-08-29 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云渲染方法、装置、终端及存储介质 |
CN109766793A (zh) * | 2018-12-25 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 数据处理方法和装置 |
CN110084289A (zh) * | 2019-04-11 | 2019-08-02 | 北京百度网讯科技有限公司 | 图像标注方法、装置、电子设备及存储介质 |
CN110443899A (zh) * | 2018-05-02 | 2019-11-12 | 北京京东尚科信息技术有限公司 | 用于处理数据的方法和装置 |
CN110471085A (zh) * | 2019-09-04 | 2019-11-19 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN110673599A (zh) * | 2019-09-29 | 2020-01-10 | 北京邮电大学 | 基于传感器网络的自动驾驶车辆环境感知系统 |
CN110728210A (zh) * | 2019-09-25 | 2020-01-24 | 上海交通大学 | 一种三维点云数据的半监督目标标注方法和系统 |
CN110751090A (zh) * | 2019-10-18 | 2020-02-04 | 宁波博登智能科技有限责任公司 | 一种三维点云标注方法、装置及电子设备 |
CN111009040A (zh) * | 2018-10-08 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 点云实体标注系统、方法、装置及电子设备 |
CN111045025A (zh) * | 2018-10-15 | 2020-04-21 | 图森有限公司 | 一种基于光检测和测距的车辆追踪方法和系统 |
CN111716340A (zh) * | 2019-03-22 | 2020-09-29 | 达明机器人股份有限公司 | 3d相机与机械手臂坐标系统的校正装置及方法 |
WO2020234678A1 (en) * | 2019-05-21 | 2020-11-26 | International Business Machines Corporation | Progressive 3d point cloud segmentation into object and background from tracking sessions |
CN112163643A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 样本生成、神经网络的训练、数据处理方法及装置 |
CN113253299A (zh) * | 2021-06-09 | 2021-08-13 | 深圳市速腾聚创科技有限公司 | 障碍物检测方法、装置及存储介质 |
CN114298581A (zh) * | 2021-12-30 | 2022-04-08 | 广州极飞科技股份有限公司 | 质量评估模型生成方法、质量评估方法、装置、电子设备和可读存储介质 |
US11624831B2 (en) | 2021-06-09 | 2023-04-11 | Suteng Innovation Technology Co., Ltd. | Obstacle detection method and apparatus and storage medium |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106225790B (zh) * | 2016-07-13 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 一种无人车定位精度的确定方法及装置 |
US10678240B2 (en) * | 2016-09-08 | 2020-06-09 | Mentor Graphics Corporation | Sensor modification based on an annotated environmental model |
US10831188B2 (en) * | 2017-11-07 | 2020-11-10 | Zoox, Inc. | Redundant pose generation system |
CN109146935B (zh) * | 2018-07-13 | 2021-03-12 | 中国科学院深圳先进技术研究院 | 一种点云配准方法、装置、电子设备及可读存储介质 |
CN108717540B (zh) * | 2018-08-03 | 2024-02-06 | 浙江梧斯源通信科技股份有限公司 | 基于2d激光雷达区分行人和车辆的方法及装置 |
CN109544599B (zh) * | 2018-11-22 | 2020-06-23 | 四川大学 | 一种基于相机位姿估计的三维点云配准方法 |
CN109444839B (zh) * | 2018-11-29 | 2020-10-13 | 北京行易道科技有限公司 | 目标轮廓的获取方法及装置 |
CN110322553B (zh) * | 2019-07-10 | 2024-04-02 | 广州建通测绘地理信息技术股份有限公司 | 激光雷达点云混合现实场景实施放样的方法和系统 |
CN112634181A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于检测地面点云点的方法和装置 |
CN112630799B (zh) * | 2019-09-24 | 2022-11-29 | 阿波罗智能技术(北京)有限公司 | 用于输出信息的方法和装置 |
CN114342399A (zh) * | 2019-10-01 | 2022-04-12 | 英特尔公司 | 基于对象的体积视频编码 |
CN110780305B (zh) * | 2019-10-18 | 2023-04-21 | 华南理工大学 | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 |
CN111275075B (zh) * | 2020-01-10 | 2023-05-02 | 超越科技股份有限公司 | 一种基于3d激光雷达的车辆检测与跟踪方法 |
CN111340860B (zh) * | 2020-02-24 | 2023-09-19 | 北京百度网讯科技有限公司 | 点云数据的配准、更新方法、装置、设备和存储介质 |
CN111337941B (zh) * | 2020-03-18 | 2022-03-04 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
CN111931584B (zh) * | 2020-07-14 | 2024-04-09 | 北京京东叁佰陆拾度电子商务有限公司 | 用于分割点云的方法、装置、设备及计算机可读存储介质 |
CN112034488B (zh) * | 2020-08-28 | 2023-05-02 | 京东科技信息技术有限公司 | 目标物体自动标注方法与装置 |
US11448748B2 (en) * | 2020-09-10 | 2022-09-20 | Argo AI, LLC | Systems and methods for simultaneous range-rate unwrapping and outlier removal for radar |
US11662454B2 (en) | 2020-11-02 | 2023-05-30 | Ford Global Technologies, Llc | Systems and methods for range-rate dealiasing using position consistency |
CN113205119B (zh) * | 2021-04-20 | 2023-10-31 | 北京百度网讯科技有限公司 | 数据标注方法、装置、电子设备及可读存储介质 |
CN115079128B (zh) * | 2022-08-23 | 2022-12-09 | 深圳市欢创科技有限公司 | 一种激光雷达点云数据去畸变的方法、装置及机器人 |
CN115249270B (zh) * | 2022-09-22 | 2022-12-30 | 广州市德赛西威智慧交通技术有限公司 | 一种雷视一体机自动重标注方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398886A (zh) * | 2008-03-17 | 2009-04-01 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
US20100296705A1 (en) * | 2007-11-07 | 2010-11-25 | Krysztof Miksa | Method of and arrangement for mapping range sensor data on image sensor data |
US20110260909A1 (en) * | 2010-04-27 | 2011-10-27 | Denso Corporation | Method and apparatus for recognizing presence of objects |
KR101268523B1 (ko) * | 2012-03-19 | 2013-05-28 | 한국과학기술원 | 레이저 스캐너를 이용한 도시 환경에서의 빠른 주변 환경 인식 방법 |
US20140307247A1 (en) * | 2013-04-11 | 2014-10-16 | Google Inc. | Methods and Systems for Detecting Weather Conditions Including Wet Surfaces Using Vehicle Onboard Sensors |
CN104298971A (zh) * | 2014-09-28 | 2015-01-21 | 北京理工大学 | 一种3d点云数据中的目标识别方法 |
WO2015148824A1 (en) * | 2014-03-27 | 2015-10-01 | Hrl Laboratories, Llc | System for filtering, segmenting and recognizing objects in unconstrained environments |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3520015B2 (ja) | 2000-01-26 | 2004-04-19 | 三菱電機株式会社 | 目標追尾方法 |
JP2003196590A (ja) | 2001-12-25 | 2003-07-11 | Matsushita Electric Ind Co Ltd | 車両ナンバープレート認識システムおよび車両ナンバープレート認識装置 |
JP3931879B2 (ja) | 2003-11-28 | 2007-06-20 | 株式会社デンソー | センサフュージョンシステム及びそれを用いた車両制御装置 |
JP2007187618A (ja) * | 2006-01-16 | 2007-07-26 | Omron Corp | 物体識別装置 |
JP2007310741A (ja) | 2006-05-19 | 2007-11-29 | Fuji Heavy Ind Ltd | 立体物認識装置 |
JP2008008679A (ja) | 2006-06-27 | 2008-01-17 | Toyota Motor Corp | 物体検出装置、衝突予測装置、及び車両制御装置 |
JP2010071942A (ja) * | 2008-09-22 | 2010-04-02 | Toyota Motor Corp | 物体検出装置 |
JP5363094B2 (ja) * | 2008-12-25 | 2013-12-11 | 富士通テン株式会社 | 信号処理装置、及びレーダ装置 |
US8442307B1 (en) * | 2011-05-04 | 2013-05-14 | Google Inc. | Appearance augmented 3-D point clouds for trajectory and camera localization |
US9153061B2 (en) * | 2012-05-04 | 2015-10-06 | Qualcomm Incorporated | Segmentation of 3D point clouds for dense 3D modeling |
GB201208088D0 (en) * | 2012-05-09 | 2012-06-20 | Ncam Sollutions Ltd | Ncam |
WO2015005001A1 (ja) * | 2013-07-08 | 2015-01-15 | 本田技研工業株式会社 | 物体認識装置 |
CA2920251A1 (en) * | 2013-08-02 | 2015-02-05 | Xactware Solutions, Inc. | System and method for detecting features in aerial images using disparity mapping and segmentation techniques |
US9915947B1 (en) * | 2016-02-26 | 2018-03-13 | Waymo Llc | System and method for determining pose data for a vehicle |
US10740964B2 (en) * | 2018-03-13 | 2020-08-11 | Recogni Inc. | Three-dimensional environment modeling based on a multi-camera convolver system |
CN110264468B (zh) * | 2019-08-14 | 2019-11-19 | 长沙智能驾驶研究院有限公司 | 点云数据标注、分割模型确定、目标检测方法及相关设备 |
-
2016
- 2016-10-13 CN CN201610892503.3A patent/CN107945198B/zh active Active
-
2017
- 2017-01-19 US US15/410,704 patent/US11004234B2/en active Active
- 2017-05-30 JP JP2017106563A patent/JP6588053B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100296705A1 (en) * | 2007-11-07 | 2010-11-25 | Krysztof Miksa | Method of and arrangement for mapping range sensor data on image sensor data |
CN101398886A (zh) * | 2008-03-17 | 2009-04-01 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
US20110260909A1 (en) * | 2010-04-27 | 2011-10-27 | Denso Corporation | Method and apparatus for recognizing presence of objects |
KR101268523B1 (ko) * | 2012-03-19 | 2013-05-28 | 한국과학기술원 | 레이저 스캐너를 이용한 도시 환경에서의 빠른 주변 환경 인식 방법 |
US20140307247A1 (en) * | 2013-04-11 | 2014-10-16 | Google Inc. | Methods and Systems for Detecting Weather Conditions Including Wet Surfaces Using Vehicle Onboard Sensors |
WO2015148824A1 (en) * | 2014-03-27 | 2015-10-01 | Hrl Laboratories, Llc | System for filtering, segmenting and recognizing objects in unconstrained environments |
CN104298971A (zh) * | 2014-09-28 | 2015-01-21 | 北京理工大学 | 一种3d点云数据中的目标识别方法 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443899A (zh) * | 2018-05-02 | 2019-11-12 | 北京京东尚科信息技术有限公司 | 用于处理数据的方法和装置 |
CN108710367A (zh) * | 2018-05-23 | 2018-10-26 | 广州视源电子科技股份有限公司 | 激光数据识别方法、装置、机器人及存储介质 |
CN108710367B (zh) * | 2018-05-23 | 2022-02-11 | 广州视源电子科技股份有限公司 | 激光数据识别方法、装置、机器人及存储介质 |
CN108921925A (zh) * | 2018-06-27 | 2018-11-30 | 广州视源电子科技股份有限公司 | 基于激光雷达和视觉融合的语义点云生成方法和装置 |
CN109191553A (zh) * | 2018-08-29 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云渲染方法、装置、终端及存储介质 |
CN109143207A (zh) * | 2018-09-06 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 激光雷达内参精度验证方法、装置、设备及介质 |
US11506769B2 (en) | 2018-09-06 | 2022-11-22 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and device for detecting precision of internal parameter of laser radar |
CN109143207B (zh) * | 2018-09-06 | 2020-11-10 | 百度在线网络技术(北京)有限公司 | 激光雷达内参精度验证方法、装置、设备及介质 |
CN111009040B (zh) * | 2018-10-08 | 2023-04-18 | 阿里巴巴集团控股有限公司 | 点云实体标注系统、方法、装置及电子设备 |
CN111009040A (zh) * | 2018-10-08 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 点云实体标注系统、方法、装置及电子设备 |
CN111045025A (zh) * | 2018-10-15 | 2020-04-21 | 图森有限公司 | 一种基于光检测和测距的车辆追踪方法和系统 |
CN109766793A (zh) * | 2018-12-25 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 数据处理方法和装置 |
CN111716340A (zh) * | 2019-03-22 | 2020-09-29 | 达明机器人股份有限公司 | 3d相机与机械手臂坐标系统的校正装置及方法 |
CN110084289A (zh) * | 2019-04-11 | 2019-08-02 | 北京百度网讯科技有限公司 | 图像标注方法、装置、电子设备及存储介质 |
CN110084289B (zh) * | 2019-04-11 | 2021-07-27 | 北京百度网讯科技有限公司 | 图像标注方法、装置、电子设备及存储介质 |
GB2598512A (en) * | 2019-05-21 | 2022-03-02 | Ibm | Progressive 3D point cloud segmentation into object and background from tracking sessions |
WO2020234678A1 (en) * | 2019-05-21 | 2020-11-26 | International Business Machines Corporation | Progressive 3d point cloud segmentation into object and background from tracking sessions |
GB2598512B (en) * | 2019-05-21 | 2022-10-05 | Ibm | Progressive 3D point cloud segmentation into object and background from tracking sessions |
CN110647798B (zh) * | 2019-08-05 | 2023-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN110471085A (zh) * | 2019-09-04 | 2019-11-19 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN110728210A (zh) * | 2019-09-25 | 2020-01-24 | 上海交通大学 | 一种三维点云数据的半监督目标标注方法和系统 |
CN110673599A (zh) * | 2019-09-29 | 2020-01-10 | 北京邮电大学 | 基于传感器网络的自动驾驶车辆环境感知系统 |
CN110751090A (zh) * | 2019-10-18 | 2020-02-04 | 宁波博登智能科技有限责任公司 | 一种三维点云标注方法、装置及电子设备 |
CN110751090B (zh) * | 2019-10-18 | 2022-09-20 | 宁波博登智能科技有限公司 | 一种三维点云标注方法、装置及电子设备 |
CN112163643A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 样本生成、神经网络的训练、数据处理方法及装置 |
WO2022088720A1 (zh) * | 2020-10-30 | 2022-05-05 | 上海商汤临港智能科技有限公司 | 样本生成、神经网络的训练、数据处理方法及装置 |
CN113253299A (zh) * | 2021-06-09 | 2021-08-13 | 深圳市速腾聚创科技有限公司 | 障碍物检测方法、装置及存储介质 |
US11624831B2 (en) | 2021-06-09 | 2023-04-11 | Suteng Innovation Technology Co., Ltd. | Obstacle detection method and apparatus and storage medium |
US11927672B2 (en) | 2021-06-09 | 2024-03-12 | Suteng Innovation Technology Co., Ltd. | Obstacle detection method and apparatus and storage medium |
CN114298581A (zh) * | 2021-12-30 | 2022-04-08 | 广州极飞科技股份有限公司 | 质量评估模型生成方法、质量评估方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP6588053B2 (ja) | 2019-10-09 |
JP2018063236A (ja) | 2018-04-19 |
US11004234B2 (en) | 2021-05-11 |
CN107945198B (zh) | 2021-02-23 |
US20180108146A1 (en) | 2018-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945198A (zh) | 用于标注点云数据的方法和装置 | |
CN107871129B (zh) | 用于处理点云数据的方法和装置 | |
CN106707293B (zh) | 用于车辆的障碍物识别方法和装置 | |
CN108090916B (zh) | 用于跟踪视频中的目标图形的方法和装置 | |
CN103996036B (zh) | 一种地图数据采集方法及装置 | |
CN110753892A (zh) | 在自动驾驶车辆中用于经由交叉模态验证的即时物体标记的方法和系统 | |
CN109212530A (zh) | 用于确定障碍物速度的方法和装置 | |
CN105973245A (zh) | 利用无人驾驶车辆更新在线地图的方法和装置 | |
CN110753953A (zh) | 用于自动驾驶车辆中经由交叉模态验证的以物体为中心的立体视觉的方法和系统 | |
CN107818293A (zh) | 用于处理点云数据的方法和装置 | |
EP3016025A2 (en) | Image processing device, image processing method, POI information creation system, warning system, and guidance system | |
CN109664820A (zh) | 基于行车记录仪的驾驶提示方法、装置、设备和存储介质 | |
CN106781507A (zh) | 用于生成路况信息和测试路况识别系统的方法和装置 | |
CN105913367A (zh) | 基于人脸识别和位置定位的公交客流量检测系统与方法 | |
CN109886928A (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
CN109325429A (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN111598006B (zh) | 用于标注对象的方法和装置 | |
CN109635870A (zh) | 数据处理方法和装置 | |
CN113159212A (zh) | Ocr识别模型训练方法、装置以及计算机可读存储介质 | |
US20210264198A1 (en) | Positioning method and apparatus | |
CN107819793A (zh) | 用于机器人操作系统的数据采集方法及装置 | |
CN109903308B (zh) | 用于获取信息的方法及装置 | |
CN109711743A (zh) | 一种施工隧道车辆出勤的考核方法、计算机装置以及计算机可读存储介质 | |
CN110728229B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN112304692A (zh) | 一种旋臂式智能粮食扦样机系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |