CN108154560A - 激光点云标注方法、装置及可读存储介质 - Google Patents

Abstract

本发明实施例提供一种激光点云标注方法、装置及可读存储介质，属于识别技术领域。该方法包括：获取激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据；在三维场景内显示所述激光点云数据中对应的各个激光点；对每个激光点进行染色；对染色后的激光点进行标注。通过该方法可首先对各个激光点进行染色，然后对染色后的各个目标对象对应的激光点进行标注，从而使得标注人员在标注过程中不容易产生疲劳，也更容易准确辨别微小的目标对象，不容易对微小的目标对象标注错漏，进一步提高了激光点的标注速度和效率。

Description

激光点云标注方法、装置及可读存储介质

技术领域

本发明涉及识别技术领域，具体而言，涉及一种激光点云标注方法、装置及可读存储介质。

背景技术

目前随着自动驾驶技术的发展，识别车辆周边目标物体(如车辆、行人、三轮车、自行车等)则尤为重要，目前一种比较常用的方式是通过激光雷达(如采用8线、16线、32线或64线激光雷达)探测车辆周围目标物体，激光雷达向周围发射激光束，当激光束遇到物体时则返回激光点云，通过该激光点云识别周围的目标物体以及该目标物体的大小、位置、运动速度等。

目前，通过激光点云识别目标物体主要的方式为：预先通过人工对接收到的激光点云进行逐点标注以得到目标物体对应的激光点云样本数据；采用该样本数据进行机器学习得到物体识别模型；通过该物体识别模型识别出激光点云对应的目标物体。

目前通过人工对接收到的激光点云进行逐点标注，而激光点云包含的激光点数据庞大，该种标注方式速度较慢，且激光点云中还包含有大量不容易辨别目标物体的激光点，所以标注人员在进行辨别时还需要耗费很大的时间和精力去标注一些微小的目标物体，由此造成标注效率低的问题。

发明内容

有鉴于此，本发明实施例的目的在于提供一种激光点云标注方法、装置及可读存储介质，以改善上述问题。

第一方面，本发明实施例提供了一种激光点云标注方法，所述方法包括：获取激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据；在三维场景内显示所述激光点云数据中对应的各个激光点；对每个激光点进行染色；对染色后的激光点进行标注。

进一步地，在三维场景内显示所述激光点云数据中对应的各个激光点之后，对每个激光点进行染色之前，所述方法还包括：获取每个激光点的相对高度；对每个激光点进行染色，包括：基于每个激光点的相对高度对每个激光点进行染色。

进一步地，获取每个激光点的相对高度，包括获取每个激光点在三维场景中相对于坐标原点的高度；基于每个激光点在三维场景中相对于坐标原点的高度对每个激光点的高度进行归一化处理，以获得每个激光点的相对高度。

进一步地，基于每个激光点的相对高度对每个激光点进行染色，包括：基于每个激光点的相对高度将每个激光点对应到HSV颜色模型下的Hue信息；基于Hue信息对每个激光点进行染色。

进一步地，在三维场景内显示所述激光点云数据中对应的各个激光点，包括：基于所述激光点云数据构建三维场景，并建立与所述三维场景对应的三维坐标系；将所述激光点云数据中每个激光点的坐标转换为所述三维坐标系中的三维坐标；根据每个激光点的三维坐标将每个激光点放入到所述三维场景中显示。

第二方面，本发明实施例提供了一种激光点云标注装置，所述装置包括：数据获取模块，用于获取激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据；显示模块，用于在三维场景内显示所述激光点云数据中对应的各个激光点；染色模块，用于对每个激光点进行染色；标注模块，用于对染色后的激光点进行标注。

进一步地，所述装置还包括：高度获取模块，用于获取每个激光点的相对高度；以及所述染色模块，具体用于基于每个激光点的相对高度对每个激光点进行染色。

进一步地，所述高度获取模块包括：高度获取单元，用于获取每个激光点在三维场景中相对于坐标原点的高度；归一化单元，用于基于每个激光点在三维场景中相对于坐标原点的高度对每个激光点的高度进行归一化处理，以获得每个激光点的相对高度。

进一步地，所述染色模块包括：颜色映射单元，用于基于每个激光点的相对高度将每个激光点对应到HSV颜色模型下的Hue信息；染色单元，用于基于Hue信息对每个激光点进行染色。

第三方面，本发明实施例提供一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述的方法。

本发明实施例的有益效果是：

本发明实施例提供一种激光点云标注方法、装置及可读存储介质，该方法首先获得激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据，然后在三维场景内显示所述激光点云数据对应的各个激光点，再对每个激光点进行染色，然后对染色后的激光点进行标注，通过该方法可首先对各个激光点进行染色，然后对染色后的各个目标对象对应的激光点进行标注，从而使得标注人员在标注过程中不容易产生疲劳，也更容易准确辨别微小的目标对象，不容易对微小的目标对象标注错漏，进一步提高了激光点的标注速度和效率。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了一种可应用于本申请实施例中的电子设备的结构框图；

图2为本发明实施例提供的一种激光点云标注方法的流程图；

图3为本发明实施例提供的一种激光点云数据在三维场景中显示示意图；

图4为本发明实施例提供的一种激光点云标注方法中步骤S120的流程图；

图5为本发明实施例提供的另一种激光点云数据在三维场景中显示示意图；

图6为本发明实施例提供的一种激光点云标注装置的结构框图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1示出了一种可应用于本申请实施例中的电子设备100的结构框图。电子设备100可以为终端设备，其包括激光点云标注装置、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107。

所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述激光点云标注装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述激光点云标注装置的操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述激光点云标注装置包括的软件功能模块或计算机程序。

其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中，或者由处理器103实现。

处理器103可以是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。

所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。

音频单元106向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

显示单元107在所述电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。

所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105用于提供给用户输入数据实现用户与处理终端的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。

可以理解，图1所示的结构仅为示意，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参照图2，图2为本发明实施例提供的一种激光点标注方法的流程图，所述方法包括如下步骤：

步骤S110：获取激光点云数据。

激光点云数据，是指利用激光在同一空间参考系下获取物体表面每个采样点的空间坐标，得到的是一系列表达目标空间分布和目标表面特性的海量点的集合，这个点集合就称之为“点云”。点云的属性包括空间分辨率、点位精度、表面法向量等。

在自动驾驶领域中，为了在驾驶过程中对车辆周边的目标对象(如车辆、行人、三轮车、自行车等)进行识别，需要预先获得多个目标对象的数据样本进行机器训练学习，从而在驾驶过程可自动对周围物体进行自动识别。

而在获得目标对象的数据样本的过程中，为了提高样本获取效率，首先得需获得多帧激光点云数据，该多帧激光点云数据包含有至少一个目标对象对应的激光点云数据，当然对于单帧激光点云数据而言，该单帧激光点云数据中也包括有至少一个目标对象对应的激光点云数据。

具体地，如图3所示，激光点云数据可通过激光点云设备进行采集，该激光点云设备可以集成于工作人员的背包或者可移动的采集平台上。例如，在需要对道路上的多个目标对象进行激光点云数据进行采集时，该激光点云设备随着工作人员的移动，遍历整个特定范围内的场景，并在上述过程中，激光点云设备间隔设定时间对整个场景内的激光点云数据进行采集，每一帧激光点云数据的采集时间间隔可以为预设时间间隔(如0.1s)，由此可获得多帧激光点云数据，所采集的每一帧激光点云数据都是相对于该激光点云数据采集时刻激光点云设备的空间坐标系而言，并且不同采集时刻，激光点云设备的空间坐标系不同。当然，预先采集的多帧激光点云数据可用于存储在服务器中，可在后续需要使用时直接调用即可。

另外，作为一种方式，在车辆行驶过程中，还可以利用车辆上的车载激光扫描仪以预设采集频率(如间隔0.1s)采集车辆行驶的道路上的各个目标对象的多帧激光点云数据，然后将采集的多帧激光点云数据发送至服务器进行存储，当需要对多个目标对象进行标注时，可以从服务器中获取多个目标对象的激光点云数据在三维场景中显示后进行标注。

当然对于采集多帧激光点云数据来说，例如，第一帧激光点云数据可以为激光点云设备在第一时刻采集的激光点云数据，第二帧激光点云数据可以为激光点云设备在第二时刻采集的激光点云数据，其中，第一时刻和第二时刻直接的间隔可以为0.1s，当然，还可继续采集第三帧、第四帧等多帧激光点云数据。

需要说明的是，该步骤中获取的激光点云数据可以是单帧激光点云数据也可以是多帧激光点云数据。

步骤S120：在三维场景内显示所述激光点云数据中对应的各个激光点。

为了对多个目标对象进行标注，还需构建对应的三维场景，需要将不同空间坐标系下的激光点云数据进行重新定位，生成一个统一坐标系下的三维图。

具体地，请参照图4，步骤S120包括：

步骤S121：基于所述激光点云数据构建三维场景，并建立与所述三维场景对应的三维坐标系。

三维场景创建是指在终端设备下对目标对象的点云数据进行三维可视化，其可以使用相关的工具进行创建，如Arcgis工具。

当然，本发明实施例中，可通过但不仅限于采用WebGL技术、OSG(OpenSceneGraph)或STK(Satellite Tool Kit)构建三维场景，构建三维场景的方式本申请不做严格限定。

步骤S122：将所述激光点云数据中每个激光点的坐标转换为所述三维坐标系中的三维坐标。

激光点云数据的采集是以单位时间进行的，所以对于多帧激光点云数据来说，每帧激光点云数据之间坐标系独立，因此，需要对各个激光点云数据进行配准，将各个激光点云数据归一化到统一坐标系下，也就是将所述激光点云数据中每个激光点的坐标转换为所述三维坐标系中的三维坐标。其中，激光点云数据的配准可采用Cyclone软件工具完成。

当然，点云数据之间的两两配准，实际上就是通过坐标转换将两个坐标系下的点云数据统一到同一坐标系下，点云之间的转换关系包含3个旋转参数和3个平移参数，为了方便计算通常将三个旋转参数表示为一个3*3的旋转矩阵R，三个平移参数表示为一个三维平移向量T，点云配置的目的是找出满足条件的刚体变换(R，T)，其配准方法可以采用基于离散特征(点、线、面)的点云配准方法以及迭代最近点即ICP配准方法，在此不再过多赘述。

步骤S123：根据每个激光点的三维坐标将每个激光点放入到所述三维场景中显示。

将激光点云数据根据每个激光点的三维坐标将各个激光点放入到三维场景中进行显示，如图3所示，其可以看到各个目标对象的激光点云数据在三维场景中的呈现，也可看出在多帧激光点云数据下生成的三维场景中同一物体的运动轨迹。

对于单帧激光点云数据来说，可将获取的单帧激光点云数据在三维场景中进行显示，对于多帧激光点云数据来说，可将多帧激光点云数据在三维场景进行叠加显示。

步骤S130：对每个激光点进行染色。

由于上述激光点云设备采集的激光点云只能获得激光反射点的位置和激光的反射值强度，而无法给出对应激光点的颜色信息，所以将激光点呈现在三维场景时是没有色彩的，因为，色彩在人的视觉认知中占有很重要的位置，若标注人员在完全灰色的场景中进行标注，很难识别出目标对象的边界，所以，为了便于标注人员对激光点云进行标注，还需对每个激光点进行染色，以此来解决上述问题。

其中，对每个激光点进行染色的方式可基于每个激光点的高度对其进行染色，以多帧激光点数据为例，在三维空间内，建立以一参照物为原点的空间坐标系，首先对该显示在三维场景中的所有的激光点进行遍历，获取该所有激光点中相对于坐标原点高度最高的最高激光点，从而获取该最高激光点的高度信息，并且获取相对于坐标原点高度最低的最低激光点，从而获得该最低激光点的高度信息。对于多个激光点来说，以一目标激光点为例，首先获取该目标激光点在三维场景中相对于坐标原点的高度信息，然后再计算该目标激光点的相对高度，即，基于每个激光点在三维场景中相对于坐标原点的高度对每个激光点的高度进行归一化处理，具体计算方式为：relv_height＝(目标激光点的高度-最低激光点的高度)/(最高激光点的高度-最低激光点的高度)～(0,1)，由此方式，可获取每个激光点的相对高度。

当然，对于每个激光点的相对高度的获取也并不限于上述的方法，其他获取激光点的相对高度的方式也应在本申请的保护范围之类。

然后基于每个激光点的相对高度对每个激光点进行染色。为了使得标注人员更加准确判断该三维场景中的各个目标对象，尤其是对于较小的不容易发现的目标对象，可对每个激光点进行染色，基于染色后的激光点，可更加容易对目标对象进行识别。作为一种方式，其可基于每个激光点的相对高度将每个激光点对应到HSV颜色模型下的Hue信息，然后基于Hue信息对每个激光点进行染色。

具体地，每一种颜色都是由色相(Hue，简称H)、饱和度(Saturation，简S)和色明度(Value，简V)所表示的。HSV颜色模型对应与圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V＝1，它包含RGB模型中的R＝1，G＝1，B＝1三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°，绿色对应对于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180°，饱和度S取值从0到1，所以圆锥顶面的半径为1。

HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V＝0，H和S无定义，代表黑色。圆锥的顶面中心处S＝0，V＝1，H无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，S＝0，H的值无定义。

可以说，HSV模型中的V轴对应于RGB颜色空间中的主对角线。在圆锥顶面的圆周上的颜色，V＝1，S＝1，这种颜色是纯色。HSV模型对应于画家配色的方法，画家用改变色浓和色深的方法从某种纯色获得不同色调的颜色，在一种纯色中加入白色以改变色浓，加入黑色以改变色深，同时加入不同比例的白色，黑色即可获得各种不同的色调。

对不同高度的激光点映射到HSV颜色模型下的不同Hue信息，例如，对激光点的高度为0.8的映射到蓝色，对激光点的高度为0的映射到黑色，对激光点的高度为0.5的映射到红色，由此可对各个激光点进行染色，从而使得各个激光点呈现不同的颜色，在一些不同颜色激光点组合成一个目标对象时，可对微小的目标对象进行更加准确的识别，并且标注人员在进行标注时，由于色彩的刺激不容易产生疲劳感，由此提高了标注的效率。

需要说明的是，还可采用其他颜色模型对各个激光点进行染色，如HSI颜色模型、RGB颜色模型、CMYK颜色模型等等，由此对激光点进行染色的其他方式均应包含在本申请的保护范围之类。

当然，对各个激光点进行染色的方式也并不限于是基于各个激光点的相对高度进行染色，例如，还可基于各个目标对象来进行染色，由于同一目标对象的激光点云相对密集，所以同一目标对象的激光点相对于坐标原点的距离大致一直，则可首先获得每个激光点距离坐标原点之间的距离，然后将在处于一定距离范围内的激光点染成相同的颜色，或者将该距离进行归一化，然后基于其距离进行染色等。

步骤S140：对染色后的激光点进行标注。

在对激光点进行染色后，为了获得大量的用于物体识别的样本数据，还需对激光点进行标注，由于对单帧激光点云数据或多帧激光点云数据进行标注的标注原理大致一致，为例描述的简洁，下面以多帧激光点云数据为例进行说明。

将激光点云数据放入三维场景中，由于属于同一目标对象反馈的激光点相对集中且能够显示该目标对象的大致轮廓，并且，本方案中对激光点进行染色后标注，标注人员能够更加直观、快速的判断出属于目标类型的激光点，且标注过程中不容易产生疲劳，对较小的目标对象也不容易遗漏，从而能够快速、有针对性的将属于目标类型的激光点标注出来，无需对所有的激光点进行逐一出来后才标注出属于目标类型的激光点，从而提高了激光点标注的速度和效率。

在实际应用中，属于同一个目标对象的激光点数量较多且相对集中，若标注人员在确定出属于同一个目标对象的多个激光点时，若采取逐一标注的方式标注各激光点则速度较慢，因此，本发明技术方案为进一步提高激光点标注的速度，将相同类型的多个激光点通过一次或多次进行统一标注，也就是根据需要标注的激光点生成三维选框，通过具有一定立体空间的三维选框来选取需要进行统一标注的多个激光点，将落入三维选框中的激光点进行统一标注。

具体地，为所述激光点云数据创建三维选框，利用所述三维选框为所述激光点云数据进行标注。标注人员可根据自己的标注需求输入选框创建请求，则终端设备可获取该用户输入的选框创建请求，基于所述选框创建请求为所述激光点云数据创建三维选框。

具体地，标注人员可通过鼠标选中需标注的激光点云数据，然后在终端设备显示的三维场景的界面上输入相应的指令，如三维选框的尺寸信息，若三维选框默认为三维矩形选框，则可输入相应的长宽高等尺寸信息，在获取到用户点击的确认指令后，则可创建三维选框，则三维选框内的激光点云数据为目标对象对应的激光点云数据，由于在显示界面中，三维选框只可看到是二维平面图形，如图5所示；若三维选框为三维多边形选框，则用户可在终端设备显示的三维场景的界面中通过鼠标进行点击，也就是通过鼠标点击一次为三维选框的一点，在点击第二次时为三维选框的另一点，将两点进行连接，在鼠标多次点击后，通过获取用户点击的确认指令，即可形成三维选框的封闭图形，由此可创建多边型的三维选框。

当然，还可为多个目标对象同时创建三维选框，然后基于不同的对象将三维选框分割成不同的选框。具体地，用户可通过鼠标选中需标注的激光点云数据，该激光点云数据可以是多个目标对象对应的各个激光点云数据，然后在终端设备显示的三维场景的界面上输入相应的指令，如三维选框的尺寸信息，或者在界面的输入框的下拉选项中选择三维选框的尺寸，或者在预先设置的尺寸条中设置三维选框的尺寸等，若三维选框默认为三维矩形选框，则可输入相应的长宽高等尺寸信息，在获取到用户点击的确认指令后，则可创建三维选框，则三维选框内的激光点云数据包括多个目标对象对应的多个激光点云数据，当然，多边形的三维选框的创建方法请参照上述描述的过程，在此不再过多赘述。若多个目标对象为不同的对象，则需对各个目标对象分别进行标注，由于不同目标对象的激光点云之间可能存在距离，则可采用分割算法将各个目标对象对应的点云数据进行分离，其中，分割算法可采用基于区域的分割算法，如分水岭、区域归并与分裂等，或者采用基于边缘的分割算法，如拉普拉斯算子等，通过分割算法可将各个目标对象对应的点云数据进行分割后，则可分别生成各个目标对象的点云数据对应的三维选框。

由于激光点云包含的激光点数量较大，为避免漏标注，提高激光点标注的全面性和完整性，本发明实施例在创建三维场景后，在该三维场景中构建照相机，通过调整该照相机在三维场景中的位置和方向来查看三维场景中的激光点，以确保标注人员能够在三维场景中360度查看激光点。

作为一种实施方式，可在所述三维场景中构建至少一个照相机，以在所述三维场景中对所述激光点进行标注过程中通过调整所述照相机在三维场景中的位置和方向来调整查看三维场景中激光点云的视角和范围。

本发明实施例中，激光点云标注方法适用于浏览器上，该浏览器在接收到服务器发送的激光点云数据时，采用前述激光点云标注方式对接收到的激光点云进行标注，并将标注结果反馈给服务器。

为进一步提高标注人员确定对三维场景中激光点所属类型的准确性，本发明技术方案中，在三维场景中构建至少两个照相机，在相同时刻，各照相机所在的位置和方向不同，以便标注人员能够通过不同的视角查看激光点，提高判断激光点所属类型的准确性。

优选地，前述至少两个照相机可根据用户的选择进行切换，当用户选择其中一个照相机时，以被选中的照相机的位置和方向为用户呈现三维场景的相应视角和范围，未被选中的照相机以缩略图的方式呈现三维场景的相应视角和范围。

由此，可在合适的视角下更加准确地识别出不同的目标对象，以对目标对象进行标注，则标注时可在创建三维选框后输入相应的标注信息，在对不同的目标对象进行标注时，各个目标对象对应标注的标记信息可以不同，例如，若第一目标对象为小轿车，则第一标记可设置为a，若第二目标对象为大卡车，则第二标记可设置为b，在终端设备中预先存储有各种目标对象类型对应的标记，如小轿车对应a，大卡车对应b，行人对应c，则在对第一目标对象和第二目标对象进行标注后，可在后续物体识别过程中提供可靠数据。

其中，对于目标对象的识别可由标注人员根据经验自行判断，由于对各个激光点进行染色后标注，由此标注人员可清晰判断出各个目标对象的类型，且不容易忽略较小的目标对象，例如，若根据观察第一目标对象为小轿车时，则标注人员可输入为a的第一标记的标注信息，在第二目标对象为大卡车时，则标注人员可输入为b的第二标记的标注信息，在第三目标对象为路灯时，则标注人员可输入为c的第三标记的标注信息，由此可完成对多个目标对象的标注。当然，对于目标对象的识别可由终端设备进行识别，例如，终端设备预先存储有各种目标对象的轮廓图，而目标对象的激光点云数据在三维场景中可形成目标对象的轮廓图和尺寸大小等，例如，在第一目标对象为小轿车时，则其对应的激光点云数据可形成为小轿车的大概轮廓和尺寸大小等，则终端设备可将该激光点云数据与存储的目标对象的轮廓图、尺寸大小进行比较，在相似度超过一定阈值时，如90％，则判断为同一对象，则可对第一目标对象进行自动标注，如标注第一标记为a，从而减少了标注人员的工作量，当然，若标注人员根据经验判断终端设备识别错误时，可自行对标注信息进行修改。

其中，上述对目标对象进行标注的标记可以包含第一编号或包含所述第一编号和所述目标对象的类型，例如，对于目标对象为小轿车而言，其第一标记为a，其包括的信息可以为第一编号1，或者第一编号1和目标对象的类型(小轿车)，对于目标对象为大卡车而言，其第二标记为b，其包括的信息可以为第二编号2，或者第二编号2和目标对象的类型(大卡车)。

另外，根据目标对象的不同类型，还可选择不同的标注样式进行标注，例如，对创建的不同目标对象的三维选框的颜色设置为不同，例如，目标对象为小轿车其点云在选中后可相应选择标注为蓝色，目标对象为大卡车其点云在选中后可相应选择标注为红色，即可根据不同的类型在标注时也相应标注不同的颜色，由此可根据颜色对不同的对象进行区分。

当然，为了获得对目标对象的更多信息，以对目标对象进行准确识别，对目标对象的标注时的标记还可包括更多的标注信息，如目标对象的大小、位置、速度、角度等标注信息。

另外，作为一种实施方式，通过上述方法可对至少一个目标对象进行标注后，标注后的目标对象可作为识别目标对象的激光点云样本数据，对目标对象进行识别时，首先利用所述样本数据对机器学习模型进行训练，以对所述目标物体进行识别，所述机器学习模型为基于所述激光点云样本数据对所述目标物体进行识别的模型。

例如，将目标对象的标注信息(如类型、大小、位置、角度等信息)转换为机器学习模型的输入向量，从而利用训练样本对机器学习模型进行训练。该机器学习模型可以为以目标对象的激光点云作为输入，对目标对象的大小、位置、角度进行识别的机器学习模型，例如深度学习模型。

在本实施例中，通过基于目标对象的激光点云，获取不同类型的目标对象的类型、小、位置、角度等标注信息，从而准确地确定出不同类型的目标对象的类型、大小、位置、角度。然后，可以基于目标对象的标注信息，生成以目标对象的激光点云作为输入，对目标对象的类型、大小、位置、角度进行识别的机器学习模型的训练样本。可以利用该训练样本对以目标对象的激光点云作为输入，对目标对象的类型、大小、位置、角度进行识别的机器学习模型进行训练，进而不断地提升机器学习模型的识别准确率。

在本实施例的一些可选的实现方式中，基于标注信息，生成机器学习模型的训练样本包括：向服务器发送标注信息，以在服务器上基于标注信息生成用于对设置于服务器上的机器学习模型进行训练的训练样本。

在本实施例中，以目标对象的激光点云作为输入，对目标对象的类型、大小、位置、角度进行识别的机器学习模型可以设置在服务器上。可以将标注信息发送至服务器，从而可以在服务器上基于目标对象的标注信息，生成训练样本，利用该训练样本对以目标对象的激光点云作为输入，对目标对象的类型、大小、位置、角度进行识别的机器学习模型进行训练，进而不断地提升机器学习模型对目标对象的识别准确率。

请参照图6，图6为本发明实施例提供的一种激光点云标注装置200的结构框图，所述装置包括：

数据获取模块210，用于获取激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据。

显示模块220，用于在三维场景内显示所述激光点云数据中对应的各个激光点；

染色模块230，用于对每个激光点进行染色。

标注模块240，用于对染色后的激光点进行标注。

作为一种方式，所述装置还包括：

高度获取模块，用于获取每个激光点的相对高度；以及所述染色模块230，具体用于基于每个激光点的相对高度对每个激光点进行染色。

作为一种方式，所述高度获取模块包括：

高度获取单元，用于获取每个激光点在三维场景中相对于坐标原点的高度。

归一化单元，用于基于每个激光点在三维场景中相对于坐标原点的高度对每个激光点的高度进行归一化处理，以获得每个激光点的相对高度。

作为一种方式，所述染色模块240包括：

颜色映射单元，用于基于每个激光点的相对高度将每个激光点对应到HSV颜色模型下的Hue信息。

染色单元，用于基于Hue信息对每个激光点进行染色。

作为一种方式，所述显示模块220包括：

三维场景建立单元，用于基于所述激光点云数据构建三维场景，并建立与所述三维场景对应的三维坐标系。

坐标转换单元，用于将所述激光点云数据中每个激光点的坐标转换为所述三维坐标系中的三维坐标。

显示单元，用于根据每个激光点的三维坐标将每个激光点放入到所述三维场景中显示。

本发明实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的激光点云标注方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上所述，本发明实施例提供一种激光点云标注方法、装置及可读存储介质，该方法首先获得激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据，然后在三维场景内显示所述激光点云数据对应的各个激光点，再对每个激光点进行染色，然后对染色后的激光点进行标注，通过该方法可首先对各个激光点进行染色，然后对染色后的各个目标对象对应的激光点进行标注，从而使得标注人员在标注过程中不容易产生疲劳，也更容易准确辨别微小的目标对象，不容易对微小的目标对象标注错漏，进一步提高了激光点的标注速度和效率。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、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方式中，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，两个连续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动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。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种激光点云标注方法，其特征在于，所述方法包括：

获取激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据；

在三维场景内显示所述激光点云数据中对应的各个激光点；

对每个激光点进行染色；

对染色后的激光点进行标注。

2.根据权利要求1所述的方法，其特征在于，在三维场景内显示所述激光点云数据中对应的各个激光点之后，对每个激光点进行染色之前，所述方法还包括：

获取每个激光点的相对高度；

对每个激光点进行染色，包括：

基于每个激光点的相对高度对每个激光点进行染色。

3.根据权利要求2所述的方法，其特征在于，获取每个激光点的相对高度，包括

获取每个激光点在三维场景中相对于坐标原点的高度；

基于每个激光点在三维场景中相对于坐标原点的高度对每个激光点的高度进行归一化处理，以获得每个激光点的相对高度。

4.根据权利要求2所述的方法，其特征在于，基于每个激光点的相对高度对每个激光点进行染色，包括：

基于每个激光点的相对高度将每个激光点对应到HSV颜色模型下的Hue信息；

基于Hue信息对每个激光点进行染色。

5.根据权利要求1所述的方法，其特征在于，在三维场景内显示所述激光点云数据中对应的各个激光点，包括：

基于所述激光点云数据构建三维场景，并建立与所述三维场景对应的三维坐标系；

将所述激光点云数据中每个激光点的坐标转换为所述三维坐标系中的三维坐标；

根据每个激光点的三维坐标将每个激光点放入到所述三维场景中显示。

6.一种激光点云标注装置，其特征在于，所述装置包括：

数据获取模块，用于获取激光点云数据，所述激光点云数据包括至少一个目标对象对应的激光点云数据；

显示模块，用于在三维场景内显示所述激光点云数据中对应的各个激光点；

染色模块，用于对每个激光点进行染色；

标注模块，用于对染色后的激光点进行标注。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

高度获取模块，用于获取每个激光点的相对高度；以及

所述染色模块，具体用于基于每个激光点的相对高度对每个激光点进行染色。

8.根据权利要求7所述的装置，其特征在于，所述高度获取模块包括：

高度获取单元，用于获取每个激光点在三维场景中相对于坐标原点的高度；

归一化单元，用于基于每个激光点在三维场景中相对于坐标原点的高度对每个激光点的高度进行归一化处理，以获得每个激光点的相对高度。

9.根据权利要求7所述的装置，其特征在于，所述染色模块包括：

颜色映射单元，用于基于每个激光点的相对高度将每个激光点对应到HSV颜色模型下的Hue信息；

染色单元，用于基于Hue信息对每个激光点进行染色。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法。