CN108765584B - 激光点云数据集增广方法、装置及可读存储介质 - Google Patents

激光点云数据集增广方法、装置及可读存储介质 Download PDF

Info

Publication number
CN108765584B
CN108765584B CN201810561450.6A CN201810561450A CN108765584B CN 108765584 B CN108765584 B CN 108765584B CN 201810561450 A CN201810561450 A CN 201810561450A CN 108765584 B CN108765584 B CN 108765584B
Authority
CN
China
Prior art keywords
point cloud
laser point
cloud data
data set
preset
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.)
Active
Application number
CN201810561450.6A
Other languages
English (en)
Other versions
CN108765584A (zh
Inventor
刘新
宋朝忠
陈潇
李逸岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Echiev Autonomous Driving Technology Co ltd
Original Assignee
Shenzhen Echiev Autonomous Driving Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Echiev Autonomous Driving Technology Co ltd filed Critical Shenzhen Echiev Autonomous Driving Technology Co ltd
Priority to CN201810561450.6A priority Critical patent/CN108765584B/zh
Publication of CN108765584A publication Critical patent/CN108765584A/zh
Application granted granted Critical
Publication of CN108765584B publication Critical patent/CN108765584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • 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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2016—Rotation, translation, scaling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Electromagnetism (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种激光点云数据集增广方法，所述方法包括以下步骤：获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；在所述目标数据集中选取需要进行处理的激光点云数据；基于预设的数据处理方式，处理已选取的所述激光点云数据；获取处理后的激光点云数据，以生成对应的激光点云增广数据集。本发明还提供了一种激光点云数据集增广装置及可读存储介质。本发明解决了现有激光点云人工标注的方式导致激光点云标注效率低下的问题。

Description

激光点云数据集增广方法、装置及可读存储介质
技术领域
本发明涉及数据处理的技术领域，尤其涉及激光点云数据集增广方法、装置及可读存储介质。
背景技术
当前激光雷达已经成为无人驾驶领域采用的核心探测传感器。激光雷达的基本工作原理是激光雷达发射激光，并接收照射到物体表面后的反射激光。反射激光会携带物体方位、距离等信息，由此激光雷达根据接收到的反射激光确定物体的方位、距离、形状等信息，从而进行对物体的三维立体探测。
激光雷达在探测过程中会产生大量的扫描点数据(尤其是在无人驾驶领域)，此类扫描点数据一般称作三维激光点云数据。三维激光点云数据是一个三维坐标系统中的一组向量的集合，这些向量通常以X,Y,Z三维坐标的形式表示，还包括物体的外表面形状(如一个点的RGB颜色、灰度值、深度、分割结果)。基于深度学习的三维激光点云目标分割和识别算法在准确率和鲁棒性方面远高于传统识别模式，因此具有广阔的应用前景。
但是，该算法需要高质量的三维激光点云标注数据作为深度学习的训练数据；而现有激光点云数据仍然采取人工标注的方法，需要对原始的三维点云数据进行大量耗时耗力的人工数据标注，这也制约着该算法的实际推广应用。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种激光点云数据集增广方法、装置及可读存储介质，旨在解决现有激光点云人工标注的方式导致激光点云标注效率低下的问题。
为实现上述目的，本发明提供一种激光点云数据集增广方法，所述方法包括以下步骤：
获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；
在所述目标数据集中选取需要进行处理的激光点云数据；
基于预设的数据处理方式，处理已选取的所述激光点云数据；
获取处理后的激光点云数据，以生成对应的激光点云增广数据集。
优选地，所述在所述目标数据集中选取需要进行处理的激光点云数据的步骤，具体包括：
根据已标注的所述激光点云数据，构建三维包围框；
选取合适的三维包围框，以使需要进行处理的所述激光点云数据包含在已选取的三维包围框之中。
优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
获取预设旋转参数；
根据预设旋转参数，对已选取的所述激光点云数据进行旋转，以使所述激光点云数据的坐标变换。
优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
获取预设拉伸参数；
根据预设拉伸参数，对已选取的所述激光点云数据进行拉伸变换，以使所述激光点云数据的坐标变换。
优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
构建所述激光点云数据所在的空间直角坐标系；
应用全局使所述激光点云数据绕所述空间直角坐标系的竖轴进行旋转，以使所述激光点云数据的坐标变换。
优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
获取已标注的激光点云数据所在物体对象的类型信息；
根据所述类型信息，对不同类型的物体对象的激光点云数据分别进行处理，以建立不同类型的物体对象的点云模型。
优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤之前，还包括：对已选取的所述激光点云数据进行下采样。
优选地，已选取的所述激光点云数据包括：由预设设备的激光雷达传感器所捕捉的实况取景，且所述内容包括：文本、静态图像数据或视频图像数据。
此外，为实现上述目的，本发明还提供一种激光点云数据集增广装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的激光点云数据集增广程序，其中：
所述激光点云数据集增广程序被所述处理器执行时实现如上所述的激光点云数据集增广方法的步骤。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有激光点云数据集增广程序，所述激光点云数据集增广程序被处理器执行时实现如上所述的激光点云数据集增广方法的步骤。
本发明实施例提出的一种激光点云数据集增广方法、装置及可读存储介质，基于对现有已标注的激光点云数据进行预设数据处理，处理后的激光点云数据成为新的标注激光点云数据，通过数据处理的方式有效地重复利用已有的标注激光点云数据，大大丰富了用于训练和测试的标注数据集。本发明降低了人工参与程度，解决海量数据需要人工标注导致效率低下的问题，标注激光点云数据的高效获取也有助于推动激光雷达探测技术的推广和应用。
附图说明
图1为本发明激光点云数据集增广装置的运行环境的结构示意图；
图2为本发明激光点云数据集增广方法第一实施例的流程示意图；
图3为本发明激光点云数据集增广方法第一实施例步骤S30的效果示意图；
图4为本发明激光点云数据集增广方法第一实施例步骤S30的效果示意图；
图5为本发明激光点云数据集增广方法第一实施例步骤S30的效果示意图；
图6为本发明激光点云数据集增广方法第一实施例步骤S30的效果示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例涉及的激光点云数据集增广装置可以是各类计算机、单片机、MCU、智能手机、平板电脑、笔记本电脑。如图1所示，图1是本发明实施例方案涉及的激光点云数据集增广装置运行环境的结构示意图，运行环境的结构具体可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的运行环境的结构并不构成对激光点云数据集增广装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及激光点云数据集增广程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的激光点云数据集增广程序，并执行以下操作：
获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；
在所述目标数据集中选取需要进行处理的激光点云数据；
基于预设的数据处理方式，处理已选取的所述激光点云数据；
获取处理后的激光点云数据，以生成对应的激光点云增广数据集。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
根据已标注的所述激光点云数据，构建三维包围框；
选取合适的三维包围框，以使需要进行处理的所述激光点云数据包含在已选取的三维包围框之中。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
获取预设旋转参数；
根据预设旋转参数，对已选取的所述激光点云数据进行旋转，以使所述激光点云数据的坐标变换。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
获取预设拉伸参数；
根据预设拉伸参数，对已选取的所述激光点云数据进行拉伸变换，以使所述激光点云数据的坐标变换。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
构建所述激光点云数据所在的空间直角坐标系；
应用全局使所述激光点云数据绕所述空间直角坐标系的竖轴进行旋转，以使所述激光点云数据的坐标变换。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
获取已标注的激光点云数据所在物体对象的类型信息；
根据所述类型信息，对不同类型的物体对象的激光点云数据分别进行处理，以建立不同类型的物体对象的点云模型。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
对已选取的所述激光点云数据进行下采样。
请参照图2，图2为本发明激光点云数据集增广方法第一实施例，所述方法包括以下步骤：
步骤S10，获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；
所述激光点云目标数据集为激光雷达进行检测后得到的激光点云数据的集合，其中包含有已经进行标注的若干激光点云数据。已标注的激光点云数据具体是指在所述激光点云目标数据集中标注的若干激光点云数据；例如对图3道路实景图像中的某一汽车的轮廓进行标注，以限定该汽车的外部轮廓。汽车轮廓的标注点(图中未标示)对应的点云数据即为已标注的激光点云数据。
需要说明是，本发明各实施例所指“激光点云数据”也可用于指代激光扫描点对应的坐标值。
步骤S20，在所述目标数据集中选取需要进行处理的激光点云数据；
即从激光点云目标数据集中选取部分或全部的已标注激光点云数据。已选取的所述激光点云数据具体包括文本、静态图像数据或视频图像数据。
一种较优的具体实施包括：
根据已标注的所述激光点云数据，构建三维包围框；构建的三维包围框优选为长方体框或者球面，如图3所示的Z1、Z2(图中未标示激光点云数据)。此外，构建的包围框还可以是二维包围框，如长方形或者圆形。构建三维包围框的好处在于更加匹配实际的三维立体应用场景。选取合适的三维包围框，以使需要进行处理的所述激光点云数据包含在已选取的三维包围框之中。
步骤S30，基于预设的数据处理方式，处理已选取的所述激光点云数据；
也即，对选取的已标注激光点云数据进行相关处理，以获得新的标注激光点云数据。具体的数据处理实施方式请参见下文第二实施例。
步骤S40，获取处理后的激光点云数据，以生成对应的激光点云增广数据集。
处理后的激光点云数据可以另外保存，成为激光点云增广数据集，以供深度学习的数据训练和测试。
在本实施例中，基于对现有已标注的激光点云数据进行预设数据处理，处理后的激光点云数据成为新的标注激光点云数据，通过数据处理的方式有效地重复利用已有的标注激光点云数据，大大丰富了用于训练和测试的标注数据集。本发明降低了人工参与程度，解决海量数据需要人工标注导致效率低下的问题，标注激光点云数据的高效获取也有助于推动激光雷达探测技术的推广和应用。
进一步地，步骤S30的不同具体实施方式包括以下方式：
具体实施方式一：
获取预设旋转参数；根据预设旋转参数，对已选取的所述激光点云数据进行旋转，以使所述激光点云数据的坐标变换。
预设旋转参数具体包括旋转轴(或旋转点)位置、旋转方向和旋转角度。需要注意的是，此处的旋转是指各物体对象的激光点云数据分别绕不同的旋转轴旋转，也即在执行旋转后各物体对象及其激光点云数据的相对位置发生变化。其中，物体对象的激光点云数据在进行旋转时采用的旋转轴优选为经过物体对象的重心、垂直于物体对象所处平面的法线。例如，图4为对图3中的原包围框Z1、Z2中的各激光点云数据分别绕旋转轴L1、L2旋转不同的角度后得到新包围框Z1-1、Z2-1的示意图。也即，新包围框Z1-1、Z2-1中的各激光点云数据分别为原包围框Z1、Z2中各激光点云数据经过旋转处理得到的点云数据。
具体实施方式二：
获取预设拉伸参数；根据预设拉伸参数，对已选取的所述激光点云数据进行拉伸变换，以使所述激光点云数据的坐标变换。
预设拉伸参数具体包括拉伸基点位置、拉伸方向、拉伸距离。举例来说，如图5所示，图3中的原包围框Z1、Z2经过拉伸变换后，图5中的车辆的三维包围框的长度、宽度和高度均可能发生变化，形成新的三维包围框Z1-2、Z2-2；同时三维包围框中的已标注的激光点云数据的坐标也会随之变化，形成新的标注激光点云数据。
具体实施方式三：
构建所述激光点云数据所在的空间直角坐标系；应用全局使所述激光点云数据绕所述空间直角坐标系的竖轴进行旋转，以使所述激光点云数据的坐标变换。
构建的空间直角坐标系是由横轴(X轴)、纵轴(Y轴)、竖轴(Z轴)构成的空间坐标系，其中X轴为水平方向，Y轴为垂直方向，Z轴为垂直于XY平面的方向，原点O的坐标为(0,0,0)。需要注意的是，此处的旋转是指各物体对象的激光点云数据绕同一旋转轴(此处特指Z轴)旋转，也即在执行旋转后各物体对象及其激光点云数据的相对位置不变。如图6所示，图3中的原包围框Z1、Z2绕Z轴旋转后形成新的三维包围框Z1-3、Z2-3。
具体实施方式四：
获取已标注的激光点云数据所在物体对象的类型信息；
物体对象可以是各类物体对象，其类型信息用于记录物体对象的类型，例如道路、行人、机动车、非机动车、建筑物、交通标示牌；获取物体对象的类型信息，具体可以通过读取对物体对象的标注文件中的类型信息实现。
根据所述类型信息，对不同类型的物体对象的激光点云数据分别进行处理，以建立不同类型的物体对象的点云模型。
更具体地，通过对已选取的不同类型的若干物体对象进行激光点云数据和最小三维包围框进行数据处理及统计，以进行物体对象的几何建模。基于已标注的激光点云数据建立不同类型的物体对象的点云模型，一方面可以充分利用去除噪点的标注数据，减少去噪等数据处理步骤；另一方面有助于实现对不同类型的物体对象的抽象化表达和描述，同时获得不同类型的物体对象模型化之后的标注激光点云数据，达到扩大激光点云数据集的效果。
需要说明的是，以上四种具体实施方式仅为步骤S30的较优实施方式，其它基于步骤S30的技术思想的实施方式亦包含在本发明实施例的保护范围之内。
进一步地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤之前，还包括：对已选取的所述激光点云数据进行下采样。
在一些实施例中，3D点云数据是源自对大型激光点云数据集进行再采样，以使得计算更为快速。具体可通过对预存储的图像或对应的3D点云进行下采样来完成。例如，对于300x500的图像，对应的3D点云数据的大小可包括多达150,000个点。通过以水平和垂直维度上以速率10进行采样，可以将3D点的数目下降到1,500个点。
此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有激光点云数据集增广程序，所述激光点云数据集增广程序被处理器执行时实现如下操作：
获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；
在所述目标数据集中选取需要进行处理的激光点云数据；
基于预设的数据处理方式，处理已选取的所述激光点云数据；
获取处理后的激光点云数据，以生成对应的激光点云增广数据集。
进一步地，所述激光点云数据集增广程序被处理器执行时还实现如下操作：
根据已标注的所述激光点云数据，构建三维包围框；
选取合适的三维包围框，以使需要进行处理的所述激光点云数据包含在已选取的三维包围框之中。
进一步地，所述激光点云数据集增广程序被处理器执行时还实现如下操作：
获取预设旋转参数；
根据预设旋转参数，对已选取的所述激光点云数据进行旋转，以使所述激光点云数据的坐标变换。
进一步地，所述激光点云数据集增广程序被处理器执行时还实现如下操作：
获取预设拉伸参数；
根据预设拉伸参数，对已选取的所述激光点云数据进行拉伸变换，以使所述激光点云数据的坐标变换。
进一步地，所述激光点云数据集增广程序被处理器执行时还实现如下操作：
构建所述激光点云数据所在的空间直角坐标系；
应用全局使所述激光点云数据绕所述空间直角坐标系的竖轴进行旋转，以使所述激光点云数据的坐标变换。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
获取已标注的激光点云数据所在物体对象的类型信息；
根据所述类型信息，对不同类型的物体对象的激光点云数据分别进行处理，以建立不同类型的物体对象的点云模型。
进一步地，处理器1001可以调用存储器1005中存储的激光点云数据集增广程序，还执行以下操作：
对已选取的所述激光点云数据进行下采样。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种激光点云数据集增广方法，其特征在于，所述方法包括以下步骤：
获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；
在所述目标数据集中选取需要进行处理的激光点云数据，包括：根据已标注的所述激光点云数据，构建三维包围框；选取合适的三维包围框，以使需要进行处理的所述激光点云数据包含在已选取的三维包围框之中，其中，所述需要进行处理的激光点云数据为部分或全部的已标注激光点云数据；
基于对现有已标注的激光点云数据进行预设数据处理，处理后的激光点云数据成为新的标注激光点云数据；
获取处理后的激光点云数据，以生成对应的激光点云增广数据集。
2.如权利要求1所述的激光点云数据集增广方法，其特征在于，基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
获取预设旋转参数；
根据预设旋转参数，对已选取的所述激光点云数据进行旋转，以使所述激光点云数据的坐标变换。
3.如权利要求1所述的激光点云数据集增广方法，其特征在于，基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
获取预设拉伸参数；
根据预设拉伸参数，对已选取的所述激光点云数据进行拉伸变换，以使所述激光点云数据的坐标变换。
4.如权利要求1所述的激光点云数据集增广方法，其特征在于，基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
构建所述激光点云数据所在的空间直角坐标系；
应用全局使所述激光点云数据绕所述空间直角坐标系的竖轴进行旋转，以使所述激光点云数据的坐标变换。
5.如权利要求1所述的激光点云数据集增广方法，其特征在于，基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：
获取已标注的激光点云数据所在物体对象的类型信息；
根据所述类型信息，对不同类型的物体对象的激光点云数据分别进行处理，以建立不同类型的物体对象的点云模型。
6.如权利要求1所述的激光点云数据集增广方法，其特征在于，基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤之前，还包括：
对已选取的所述激光点云数据进行下采样。
7.如权利要求1所述的激光点云数据集增广方法，其特征在于，已选取的所述激光点云数据具体包括文本、静态图像数据或视频图像数据。
8.一种激光点云数据集增广装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的激光点云数据集增广程序，其中：
所述激光点云数据集增广程序被所述处理器执行时实现如权利要求1至7中任一项所述的激光点云数据集增广方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储有激光点云数据集增广程序，所述激光点云数据集增广程序被处理器执行时实现如权利要求1至7中任一项所述的激光点云数据集增广方法的步骤。
CN201810561450.6A 2018-05-31 2018-05-31 激光点云数据集增广方法、装置及可读存储介质 Active CN108765584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810561450.6A CN108765584B (zh) 2018-05-31 2018-05-31 激光点云数据集增广方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810561450.6A CN108765584B (zh) 2018-05-31 2018-05-31 激光点云数据集增广方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN108765584A CN108765584A (zh) 2018-11-06
CN108765584B true CN108765584B (zh) 2023-07-14

Family

ID=64002346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810561450.6A Active CN108765584B (zh) 2018-05-31 2018-05-31 激光点云数据集增广方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN108765584B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274927A (zh) * 2020-01-17 2020-06-12 北京三快在线科技有限公司 一种训练数据的生成方法、装置、电子设备和存储介质
CN111401133A (zh) * 2020-02-19 2020-07-10 北京三快在线科技有限公司 目标数据增广方法、装置、电子设备和可读存储介质
CN112639822B (zh) * 2020-03-27 2021-11-30 华为技术有限公司 一种数据处理方法及装置
CN114078191A (zh) * 2020-08-18 2022-02-22 腾讯科技（深圳）有限公司 一种点云媒体的数据处理方法、装置、设备及介质
CN112116720A (zh) * 2020-09-18 2020-12-22 平安科技（深圳）有限公司 三维点云的增广方法、装置、存储介质及计算机设备
CN112329547A (zh) * 2020-10-15 2021-02-05 北京三快在线科技有限公司 一种数据处理方法及装置
CN112395962A (zh) * 2020-11-03 2021-02-23 北京京东乾石科技有限公司 数据增广方法及装置、物体识别方法及系统
CN112462348B (zh) * 2021-02-01 2021-04-27 知行汽车科技（苏州）有限公司 激光点云数据增广的方法、装置及存储介质
US20220300681A1 (en) * 2021-03-16 2022-09-22 Yuan Ren Devices, systems, methods, and media for point cloud data augmentation using model injection

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103871100A (zh) * 2014-04-02 2014-06-18 中国科学院自动化研究所 基于点云与数据驱动的树木模型重建方法
CN108009589A (zh) * 2017-12-12 2018-05-08 腾讯科技（深圳）有限公司 样本数据处理方法、装置和计算机可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831388B (zh) * 2012-05-23 2015-10-14 上海交通大学 基于扩展的活动形状模型的实时特征点检测方法与系统
CN104408055B (zh) * 2014-10-29 2018-03-13 中国石油天然气股份有限公司 一种激光雷达点云数据的存储方法及装置
CN107093210B (zh) * 2017-04-20 2021-07-16 北京图森智途科技有限公司 一种激光点云标注方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103871100A (zh) * 2014-04-02 2014-06-18 中国科学院自动化研究所 基于点云与数据驱动的树木模型重建方法
CN108009589A (zh) * 2017-12-12 2018-05-08 腾讯科技（深圳）有限公司 样本数据处理方法、装置和计算机可读存储介质

Also Published As

Publication number Publication date
CN108765584A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
CN108765584B (zh) 激光点云数据集增广方法、装置及可读存储介质
EP3506162B1 (en) Method and apparatus for determining matching relationship between point cloud data
US10643103B2 (en) Method and apparatus for representing a map element and method and apparatus for locating a vehicle/robot
WO2018119606A1 (en) Method and apparatus for representing a map element and method and apparatus for locating vehicle/robot
CN108345831A (zh) 基于点云数据的道路图像分割的方法、装置以及电子设备
US20230005278A1 (en) Lane extraction method using projection transformation of three-dimensional point cloud map
WO2022206414A1 (zh) 三维目标检测方法及装置
CN112257605A (zh) 基于自标注训练样本的三维目标检测方法、系统及装置
WO2022193604A1 (en) Devices, systems, methods, and media for point cloud data augmentation using model injection
KR20200136723A (ko) 가상 도시 모델을 이용하여 객체 인식을 위한 학습 데이터 생성 방법 및 장치
CN112257668A (zh) 主辅路判断方法、装置、电子设备及存储介质
CN113420637A (zh) 自动驾驶中多尺度鸟瞰视角下的激光雷达检测方法
KR102571066B1 (ko) 도로측 카메라의 외부 파라미터에 기반한 3차원 감지 정보 획득 방법과 도로측 기기
CN116188931A (zh) 一种基于融合特征进行点云目标检测的处理方法和装置
CN113421217A (zh) 可行驶区域检测方法和装置
CN113077477B (zh) 图像矢量化方法、装置及终端设备
CN112132845B (zh) 三维模型的单体化方法、装置、电子设备和可读介质
CN114627438A (zh) 目标检测模型生成方法、目标检测方法、设备及介质
CN112433193B (zh) 一种基于多传感器的模位置定位方法及系统
KR20230019298A (ko) 객체 포즈 인식을 통한 복셀 주소화 기반의 시각적 위치 결정 시스템
CN113361601A (zh) 基于无人车激光雷达数据进行透视与俯瞰特征融合的方法
Chu et al. Convergent application for trace elimination of dynamic objects from accumulated lidar point clouds
US12125221B2 (en) Method and system for detecting a three-dimensional object in a two-dimensional image
CN116740682B (zh) 车辆泊入路线信息生成方法、装置、电子设备和可读介质
US20230068375A1 (en) Method and system for detecting a three-dimensional object in a two-dimensional image

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