CN112233182A - 一种多激光雷达的点云数据的标注方法和装置 - Google Patents
一种多激光雷达的点云数据的标注方法和装置 Download PDFInfo
- Publication number
- CN112233182A CN112233182A CN202011468844.0A CN202011468844A CN112233182A CN 112233182 A CN112233182 A CN 112233182A CN 202011468844 A CN202011468844 A CN 202011468844A CN 112233182 A CN112233182 A CN 112233182A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- coordinate system
- merged
- marking
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种多激光雷达的点云数据的标注方法和装置,该方法包括:获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。由于在对多个点云数据进行标注时,可以将多个点云数据转换为对应同一坐标系的合并点云数据,并基于合并点云数据进行统一标注,因此,相较于对多个点云数据分别进行独立标注而言,可以提高标注效率,并且,合并标注结果还可以更好的反映多个激光雷达的合并探测结果。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种多激光雷达的点云数据的标注方法和装置。
背景技术
在很多应用场景下,激光雷达可以用于对目标对象进行探测,以获得目标对象的位置、大小尺寸、类别、前进方向等信息。在一个典型的自动驾驶场景中,可以使用激光雷达对车辆周围的目标对象进行探测,并根据探测结果识别车辆周围的障碍物,进而实现车辆的自动驾驶。
通常,激光雷达探测到的数据为点云数据,在对点云数据进行识别后,才可以得到目标对象的位置、大小尺寸、类别、前进方向等信息。目前,对点云数据的识别可以由点云识别模型实现,点云识别模型可以基于样本数据训练得到,这些样本数据中可以包括激光雷达探测得到的点云数据以及对这些点云数据进行标注后得到的点云信息,该点云信息具体包括被探测的目标对象的位置、大小尺寸、类别、前进方向等信息。
目前,在自动驾驶场景中,通常会使用多个激光雷达进行目标对象的探测,这样,在训练用于对多个激光雷达的多个点云数据进行识别的点云识别模型时,样本数据中就需要包括对多个激光雷达的多个点云数据进行标注后得到的点云信息,然而,目前在对多个激光雷达的多个点云数据进行标注时,还缺少一种更为有效地标注方案。
发明内容
本申请实施例提供一种多激光雷达的点云数据的标注方法和装置,用于解决目前在对多个激光雷达探测到的多个点云数据进行标注时,无法进行有效标注的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出一种多激光雷达的点云数据的标注方法,包括:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
第二方面,提出一种多激光雷达的点云数据的标注装置,包括:
获取单元,获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
坐标转换单元,基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
标注单元,基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
第三方面,提出一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
第四方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请实施例在对多激光雷达探测得到的多个点云数据进行标注时,首先可以将对应不同坐标系的多个点云数据转换到同一坐标系下,得到合并点云数据,然后基于合并点云数据进行数据标注,进而得到与多个点云数据对应的合并标注结果。这样,由于可以将多个点云数据转换为对应同一坐标系的合并点云数据,并基于合并点云数据进行统一标注,因此,相较于对多个点云数据分别进行独立标注而言,可以提高标注效率,并且,合并标注结果相对多个点云数据各自的独立标注结果而言,还可以更好的反映多个激光雷达的合并探测结果;此外,在后续基于本申请实施例得到的合并标注结果训练得到点云识别模型后,还可以基于该点云识别模型快速有效地对多个点云数据进行统一识别,进而提高识别效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图;
图1是本申请的一个实施例多激光雷达的点云数据的标注方法的流程示意图;
图2是本申请的一个实施例在自动驾驶场景下使用多激光雷达进行目标探测的示意图;
图3是本申请的一个实施例单个激光雷达探测得到的点云数据的示意图;
图4是本申请的一个实施例单个激光雷达探测得到的点云数据的示意图;
图5是本申请的一个实施例合并点云数据的示意图;
图6是本申请的一个实施例合并标注结果的示意图;
图7是本申请的一个实施例独立标注结果的示意图;
图8是本申请的一个实施例多激光雷达的点云数据的标注方法的流程示意图;
图9是本申请的一个实施例电子设备的结构示意图;
图10是本申请的一个实施例多激光雷达的点云数据的标注装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
目前,在自动驾驶等场景中,激光雷达可以用于对目标对象进行探测,以获得目标对象的位置、大小和类别等信息。通常,激光雷达在对目标对象进行探测时,在获取到目标对象表面每个采样点的空间坐标后,可以得到点云(Point Cloud),点云可以理解为在同一空间参考系下表达目标对象空间分布和目标对象表面特性的海量点的集合,目标对象的位置、大小尺寸、类别和前进方向等信息均隐藏在点云中,在对点云进行识别后,可以得到目标对象的位置、大小尺寸、类别和前进方向等信息。
目前,随着人工智能的发展,可以借助于人工智能手段对点云进行自动识别,具体地,可以利用点云识别模型对点云进行自动识别。其中,在训练点云识别模型时,往往需要前期准备大量的已知点云信息(即被探测的目标对象的位置、大小尺寸、类别和前进方向等信息)的点云数据,以便提供给计算机识别和认知,而点云信息通常是通过标注的方式得到。
在自动驾驶场景中,通常会使用多个激光雷达进行目标对象的探测,这样,在训练点云识别模型时,为了适应各种数量的激光雷达点云数据,就需要对多个激光雷达的点云数据进行标注,以获得对应的点云信息,然而目前还缺少一种有效的方案可以实现这个目的。
有鉴于此,本申请实施例提供一种多激光雷达的点云数据的标注方法和装置,该方法包括:获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
这样,由于在对多个点云数据进行标注时,可以将多个点云数据转换为对应同一坐标系的合并点云数据,并基于合并点云数据进行统一标注,因此,相较于对多个点云数据分别进行独立标注而言,可以提高标注效率,并且,合并标注结果相对多个点云数据各自的独立标注结果而言,还可以更好的反映多个激光雷达的合并探测结果;此外,在后续基于本申请实施例得到的合并标注结果训练得到点云识别模型后,还可以基于该点云识别模型快速有效地对多个点云数据进行统一识别,进而提高识别效率。
需要说明的是,本申请实施例的应用场景可以是自动驾驶的场景,也可以是其他使用多个激光雷达进行目标探测,且需要对多个激光雷达的点云数据进行标注的场景,这里不再一一举例说明。为了便于理解,本申请的以下实施例可以以自动驾驶场景为例进行说明。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1是本申请的一个实施例多激光雷达的点云数据的标注方法的流程示意图。所述方法如下所述。
S102:获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系。
在自动驾驶场景中,进行自动驾驶的车辆可以使用多个激光雷达对周围的目标对象进行探测,其中,多个激光雷达可以对不同方位上的目标对象进行探测,不同激光雷达探测的目标对象可以有交集,一个激光雷达可以探测得到一个点云数据,多个激光雷达可以探测得到多个点云数据。
需要说明的是,在自动驾驶场景中,由于多个激光雷达司职不一,因此,多个激光雷达在车辆上的摆放位置也会各有差异,且各个激光雷达探测到点云数据均是以各自所在的世界坐标为标定的,也就是说,本实施例中多个点云数据对应不同的坐标系。
为了便于理解,可以参见图2。图2是本申请的一个实施例在自动驾驶场景下使用多激光雷达进行目标探测的示意图。
图2所示的自动驾驶的车辆上安装有6个激光雷达,分别为激光雷达1、激光雷达2、激光雷达3、激光雷达4、激光雷达5和激光雷达6,其中,激光雷达1和2均位于车辆前端,激光雷达3位于车辆左侧,激光雷达4位于车辆左后侧,激光雷达5位于车辆右侧,激光雷达6位于车辆右后侧。当然,图2所示的车辆中还可以安装其他激光雷达,安装位置可以根据实际情况设置,这里仅以上述激光雷达1至6为例进行说明。
激光雷达1用于对车辆前方区域1内的目标对象进行探测,激光雷达2用于对车辆前方区域2内的目标对象进行探测,其中,区域2包含区域1且宽度范围大于区域1,激光雷达3用于对车辆左侧区域3内的目标对象进行探测,激光雷达4用于对车辆左后方区域4内的目标对象进行探测,激光雷达5用于对车辆右侧区域5内的目标对象进行探测,激光雷达6用于对车辆右后方区域6内的目标对象进行探测。
图2中,每个激光雷达可以探测得到一个点云数据,共探测得到6个点云数据,这6个点云数据对应的坐标系各不相同。以其中的激光雷达2和激光雷达5为例,激光雷达2可以探测得到如图3所示的点云数据,激光雷达5可以探测得到如图4所示的点云数据,其中,图3和图4所示的点云数据均为独立的点云数据,且各自对应不同的坐标系。
本实施例中,多个激光雷达在探测得到多个点云数据后,可以将点云数据存储到PCD文件中,在需要对多个激光雷达的多个点云数据进行标注时,可以获取预先存储的PCD文件,通过对PCD文件进行解析,可以获取多个激光雷达探测得到的多个点云数据。
在获取到多个激光雷达的多个点云数据后,可以执行S104。
S104:基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系。
本实施例中,基于预设的标准坐标系对多个点云数据进行坐标转换的过程可以理解为将不同坐标系下的点统一到该标准坐标系下的过程,最终得到对应同一个坐标系(即该标准坐标系)的合并点云数据。其中,预设的标准坐标系可以是预先指定的坐标系且不同于该多个点云数据对应的坐标系,当然,在一种可能的实现方式中,该标准坐标系也可以是多个点云数据中某一个点云数据对应的坐标系,这里不做具体限定。
在基于预设的标准坐标系对多个点云数据进行坐标转换时,针对任一个点云数据,具体实现方式如下:
首先,确定点云数据对应的坐标系。
点云数据对应的坐标系即为激光雷达在探测该点云数据时使用的坐标系。
其次,基于点云数据对应的坐标系和上述预设的标准坐标系,确定坐标转换矩阵。
坐标转换矩阵用于将点云数据对应的坐标系下的点转换到标准坐标系下的点,假设点云数据对应的坐标系为A,预设的标准坐标系为B,则将P = (X,Y,Z) 从A坐标系变换到B坐标系的坐标为p = (x,y,z),可以表示为:
上述坐标转换矩阵中,R为旋转矩阵,t是平移量,R可以表示为:
其中,pitch、roll和yaw分别表示A坐标系下的点绕原坐标轴x, y, z旋转的角度。
最后,基于上述坐标转换矩阵,可以将点云数据中包括的点的坐标转换为标准坐标系下的坐标。
基于相同的方法,可以将多个点云数据中的点都转换到标准坐标系下,组中可以得到与多个点云数据对应的合并点云数据,该合并点云数据对应同一个坐标系,该同一个坐标系即为标准坐标系。
为了便于理解,可以参见图5。图5为对图2所示的6个激光雷达探测到的点云数据进行坐标转换后得到的合并点云数据,该合并点云数据对应同一个坐标系。
在得到合并点云数据后,可以执行S106。
S106:基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
在对合并点云数据进行标注时,可以与目前对单个点云数据进行标注的方式相同,这里不再详细描述。
在对合并点云数据进行标注后,可以得到合并标注结果。本实施例中,合并标注结果中包括多个激光雷达探测的多个目标对象在标准坐标系下的属性信息,该属性信息至少可以包括多个目标对象的位置、大小尺寸、类别和角度信息,其中,位置可以理解为多个目标对象在标准坐标系下的坐标位置,也可以是基于坐标位置确定得到的多个目标对象相对于自动驾驶车辆的位置,大小尺寸即为多个目标对象的实际大小,类别可以理解为多个目标对象具体是什么,比如,是卡车还是轿车等,角度信息可以理解为在标准坐标系下多个目标对象相对于自动驾驶车辆的方位信息。
可选地,合并标注结果中还可以包括目标对象的其他属性信息,比如目标对象的点云区域等,这里不再一一举例说明。
请参见图6,图6为图5中的一部分合并点云数据,图6所示的合并点云数据中显示有一个立体框,该立体框即为对目标对象进行的标注,在对目标对象进行标注后,可以得到该目标对象的位置、大小尺寸、类别和角度信息等信息。当然,图6中还有其他可以标注的目标对象,在对这些目标对象进行标注时,也可以使用立体框进行标注,进而得到这些目标对象的位置、大小尺寸、类别和角度信息等信息,这里不再一一举例说明。在对合并点云数据进行标注后,就可以得到合并标注结果。
由于本实施例在对多个点云数据进行标注时,可以将多个点云数据转换为对应同一坐标系的合并点云数据,并基于合并点云数据进行统一标注,因此,相较于对多个点云数据分别进行独立标注而言,可以提高标注效率,并且,合并标注结果相对多个点云数据各自的独立标注结果而言,还可以更好的反映多个激光雷达的合并探测结果。
本实施例中,在得到合并标注结果后,还可以基于合并标注结果,确定与多个点云数据一一对应的多个独立标注结果。
上述多个独立标注结果与目前对多个点云数据分别进行标注后得到的多个独立标注结果相同,但是,相较于目前对多个点云数据分别进行标注得到多个独立标注结果而言,本实施例基于合并标注结果得到多个独立标注结果,可以在一定程度上提高标注效率。
在基于合并标注结果,确定与多个点云数据一一对应的多个独立标注结果时,针对多个点云数据中的任一点云数据,具体实现方式如下:
首先,确定点云数据对应的坐标系。
其次,确定点云数据对应的坐标系相对于上述标准坐标系的相对角度信息。
具体可以包括以下步骤:
S11:在标准坐标系下构建极坐标。
该极坐标可以表征将点云数据对应的坐标系转换为标准坐标系时的旋转角度,该旋转角度具体可以是上述旋转矩阵R中的yaw,该极坐标可以表示为(1,yaw)。
S12:将极坐标转换为标准坐标系下的直角坐标。
S13:将标准坐标系下的直角坐标转换为点云数据对应的坐标系下的直角坐标。
S14:将上述云数据对应的坐标系下的直角坐标进一步转换为该坐标系下的极坐标,进而可以得到相对角度信息。
最后,基于相对角度信息和合并标注结果,确定得到与点云数据对应的独立标注结果。
具体可以包括以下步骤:
S21:确定点云数据对应的目标对象在合并标注结果中的角度信息。
点云数据对应的目标对象可以理解为点云数据中包括的点对应的目标对象,也即该点云数据对应的激光雷达可以探测到的目标对象,合并标注结果中包括该目标对象的角度信息,该角度信息具体是该目标对象在标准坐标系下的角度信息。
S22:基于目标对象在合并标注结果中的角度信息和上述确定得到的相对角度信息,确定目标对象在点云数据对应的坐标系下的角度信息。
这里可以将目标对象在合并标注结果中的角度信息与相对角度信息的加和,作为目标对象在点云数据对应的坐标系下的角度信息。
S23:将目标对象在点云数据对应的坐标系下的角度信息和位置,以及目标对象在合并标注结果中除角度信息和位置以外的其他标注结果确定为点云数据对应的独立标注结果。
目标对象在点云数据对应的坐标系下的位置可以理解为目标对象在点云数据对应的坐标系下的坐标位置,或是基于该坐标位置确定得到的目标对象相对于自动驾驶车辆的位置。
目标对象在合并标注结果中除角度信息和位置以外的其他标注结果可以是目标对象的大小尺寸和类别,这些信息不跟随坐标系的变化而变化,这些信息以及目标对象在点云数据对应的坐标系下的角度信息和位置可以视为独立标注结果。
基于上述方法可以得到任一点云数据对应的独立标注结果,最终可以得到与多个点云数据一一对应的多个独立标注结果。
请参见图7,图7为图3所示的点云数据(即图2所示的激光雷达2探测到的点云数据)对应的独立标注结果,该独立标注结果可以基于图6所示的合并标注结果确定得到,其中,图7所示的立体框所标注的目标对象即为图6所示的立体框所标注的目标对象。当然,图7中还有其他目标对象,这些目标目标对象对应的独立标注结果均可以基于图6所示的合并标注结果确定得到,这里不再一一举例说明。
基于本实施例记载的上述方法,在对多个激光雷达的多个点云数据进行标注后,可以得到多个点云数据对应的合并标注结果以及与多个点云数据一一对应的多个独立标注结果。
为了便于理解本申请实施例提供的技术方案,可以参见图8。图8是本申请的一个实施例多激光雷达的点云数据的标注方法的流程示意图。图8所示的实施例可以包括以下步骤:
S801:获取由多个激光雷达探测得到的多个点云数据,多个点云数据对应不同的坐标系。
S802:针对多个点云数据中的任一点云数据,确定点云数据对应的坐标系。
S803:基于点云数据对应的坐标系和预设的标准坐标系,确定坐标转换矩阵。
S804:基于坐标转换矩阵,将点云数据中包括的点的坐标转换为标准坐标系下的坐标。
S805:对多个点云数据进行上述坐标转换,得到对应同一个坐标系的合并点云数据。
该同一个坐标系即为S803中的标准坐标系。
S806:基于合并点云数据进行数据标注,得到与多个点云数据对应的合并标注结果。
S807:针对多个点云数据中的任一点云数据,确定点云数据对应的坐标系相对于标准坐标系的相对角度信息。
S808:基于相对角度信息和合并标注结果,确定得到与点云数据对应的独立标注结果。
S809:基于相同的方法确定得到与多个点云数据一一对应的多个独立标注结果。
上述S801至S809的具体实现可以参见图1所示实施例中相应步骤的具体实现,这里不再详细描述。
可选地,在得到合并标注结果和多个独立标注结果后,可以将这些标注结果和多个点云数据共同作为样本数据进行模型训练,进而可以得到用于对多个点云数据进行识别的点云识别模型和用于对单个点云数据进行识别的点云识别模型。
本申请实施例提供的技术方案,在对多激光雷达探测得到的多个点云数据进行标注时,首先可以将对应不同坐标系的多个点云数据转换到同一坐标系下,得到合并点云数据,然后基于合并点云数据进行数据标注,进而得到与多个点云数据对应的合并标注结果。这样,由于可以将多个点云数据转换为对应同一坐标系的合并点云数据,并基于合并点云数据进行统一标注,因此,相较于对多个点云数据分别进行独立标注而言,可以提高标注效率,并且,合并标注结果相对多个点云数据各自的独立标注结果而言,还可以更好的反映多个激光雷达的合并探测结果;此外,在后续基于本申请实施例得到的合并标注结果训练得到点云识别模型后,还可以基于该点云识别模型快速有效地对多个点云数据进行统一识别,进而提高识别效率。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图9是本申请的一个实施例电子设备的结构示意图。请参考图9,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成多激光雷达的点云数据的标注装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
上述如本申请图9所示实施例揭示的多激光雷达的点云数据的标注装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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申请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也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1和图8的方法,并实现多激光雷达的点云数据的标注装置在图1和图8所示实施例中的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1和图8所示实施例的方法,并具体用于执行以下操作:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
图10是本申请的一个实施例多激光雷达的点云数据的标注装置1000的结构示意图。请参考图10,在一种软件实施方式中,所述多激光雷达的点云数据的标注装置1000可包括:获取单元1001、坐标转换单元1002和标注单元1003,其中:
获取单元1001,获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
坐标转换单元1002,基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
标注单元1003,基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
可选地,所述坐标转换矩阵1002,基于预设的标准坐标系对所述多个点云数据进行坐标转换,包括:
针对所述多个点云数据中的任一点云数据,执行以下操作:
确定所述点云数据对应的坐标系;
基于所述坐标系和所述标准坐标系,确定坐标转换矩阵;
基于所述坐标转换矩阵,将所述点云数据中包括的点的坐标转换为所述标准坐标系下的坐标。
可选地,所述合并标注结果中包括所述多个激光雷达探测的多个目标对象在所述标准坐标系下的属性信息,所述属性信息至少包括所述多个目标对象的位置、大小尺寸、类别和角度信息。
可选地,所述标注单元1003,在得到与所述多个点云数据对应的合并标注结果后,所述方法还包括:
基于所述合并标注结果,确定与所述多个点云数据一一对应的多个独立标注结果。
可选地,所述标注单元1003,基于所述合并标注结果,确定与所述多个点云数据一一对应的多个独立标注结果,包括:
针对所述多个点云数据中的任一点云数据,执行以下操作:
确定所述点云数据对应的坐标系;
确定所述坐标系相对于所述标准坐标系的相对角度信息;
基于所述相对角度信息和所述合并标注结果,确定得到与所述点云数据对应的独立标注结果。
可选地,所述标注单元1003,确定所述坐标系相对于所述标准坐标系的相对角度信息,包括:
在所述标准坐标系下构建极坐标,所述极坐标表征将所述坐标系转换为所述标准坐标系时的旋转角度;
将所述极坐标转换为所述标准坐标系下的直角坐标;
将所述所述标准坐标系下的直角坐标转换为所述坐标系下的直角坐标;
将所述坐标系下的直角坐标转换为所述坐标系下的极坐标,得到所述相对角度信息。
可选地,所述标注单元1003,基于所述相对角度信息和所述合并标注结果,确定得到与所述点云数据对应的独立标注结果,包括:
确定所述点云数据对应的目标对象在所述合并标注结果中的角度信息;
基于所述角度信息和所述相对角度信息,确定所述目标对象在所述坐标系下的角度信息;
将所述目标对象在所述坐标系下的角度信息和位置,以及所述目标对象在所述合并标注结果中除角度信息和位置以外的其他标注结果确定为与所述点云数据对应的独立标注结果。
本申请实施例提供的多激光雷达的点云数据的标注装置1000还可执行图1和图8的方法,并实现多激光雷达的点云数据的标注装置在图1和图8所示实施例的功能,本申请实施例在此不再赘述。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种多激光雷达的点云数据的标注方法,其特征在于,包括:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
2.如权利要求1所述的方法,其特征在于,基于预设的标准坐标系对所述多个点云数据进行坐标转换,包括:
针对所述多个点云数据中的任一点云数据,执行以下操作:
确定所述点云数据对应的坐标系;
基于所述坐标系和所述标准坐标系,确定坐标转换矩阵;
基于所述坐标转换矩阵,将所述点云数据中包括的点的坐标转换为所述标准坐标系下的坐标。
3.如权利要求1所述的方法,其特征在于,
所述合并标注结果中包括所述多个激光雷达探测的多个目标对象在所述标准坐标系下的属性信息,所述属性信息至少包括所述多个目标对象的位置、大小尺寸、类别和角度信息。
4.如权利要求1所述的方法,其特征在于,在得到与所述多个点云数据对应的合并标注结果后,所述方法还包括:
基于所述合并标注结果,确定与所述多个点云数据一一对应的多个独立标注结果。
5.如权利要求4所述的方法,其特征在于,基于所述合并标注结果,确定与所述多个点云数据一一对应的多个独立标注结果,包括:
针对所述多个点云数据中的任一点云数据,执行以下操作:
确定所述点云数据对应的坐标系;
确定所述坐标系相对于所述标准坐标系的相对角度信息;
基于所述相对角度信息和所述合并标注结果,确定得到与所述点云数据对应的独立标注结果。
6.如权利要求5所述的方法,其特征在于,确定所述坐标系相对于所述标准坐标系的相对角度信息,包括:
在所述标准坐标系下构建极坐标,所述极坐标表征将所述坐标系转换为所述标准坐标系时的旋转角度;
将所述极坐标转换为所述标准坐标系下的直角坐标;
将所述标准坐标系下的直角坐标转换为所述坐标系下的直角坐标;
将所述坐标系下的直角坐标转换为所述坐标系下的极坐标,得到所述相对角度信息。
7.如权利要求5所述的方法,其特征在于,基于所述相对角度信息和所述合并标注结果,确定得到与所述点云数据对应的独立标注结果,包括:
确定所述点云数据对应的目标对象在所述合并标注结果中的角度信息;
基于所述角度信息和所述相对角度信息,确定所述目标对象在所述坐标系下的角度信息;
将所述目标对象在所述坐标系下的角度信息和位置,以及所述目标对象在所述合并标注结果中除角度信息和位置以外的其他标注结果确定为与所述点云数据对应的独立标注结果。
8.一种多激光雷达的点云数据的标注装置,其特征在于,包括:
获取单元,获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
坐标转换单元,基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
标注单元,基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
9.一种电子设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取由多个激光雷达探测得到的多个点云数据,所述多个点云数据对应不同的坐标系;
基于预设的标准坐标系对所述多个点云数据进行坐标转换,得到与所述多个点云数据对应的合并点云数据,所述合并点云数据对应同一个坐标系;
基于所述合并点云数据进行数据标注,得到与所述多个点云数据对应的合并标注结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468844.0A CN112233182A (zh) | 2020-12-15 | 2020-12-15 | 一种多激光雷达的点云数据的标注方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468844.0A CN112233182A (zh) | 2020-12-15 | 2020-12-15 | 一种多激光雷达的点云数据的标注方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112233182A true CN112233182A (zh) | 2021-01-15 |
Family
ID=74124367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011468844.0A Pending CN112233182A (zh) | 2020-12-15 | 2020-12-15 | 一种多激光雷达的点云数据的标注方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233182A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269840A (zh) * | 2021-05-27 | 2021-08-17 | 深圳一清创新科技有限公司 | 一种用于相机和多激光雷达的联合标定方法及电子设备 |
CN113658256A (zh) * | 2021-08-16 | 2021-11-16 | 智道网联科技(北京)有限公司 | 基于激光雷达的目标检测方法、装置及电子设备 |
CN113759348A (zh) * | 2021-01-20 | 2021-12-07 | 京东鲲鹏(江苏)科技有限公司 | 一种雷达标定方法、装置、设备及存储介质 |
CN113777592A (zh) * | 2021-09-10 | 2021-12-10 | 广州中海达卫星导航技术股份有限公司 | 方位角标定方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196260A (zh) * | 2017-12-13 | 2018-06-22 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合系统的测试方法和装置 |
CN111308499A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多线激光雷达的障碍物检测方法 |
CN111563450A (zh) * | 2020-04-30 | 2020-08-21 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备及存储介质 |
CN111583337A (zh) * | 2020-04-25 | 2020-08-25 | 华南理工大学 | 一种基于多传感器融合的全方位障碍物检测方法 |
US20200280429A1 (en) * | 2019-03-01 | 2020-09-03 | Aptiv Technologies Limited | Method of multi-sensor data fusion |
CN111951305A (zh) * | 2020-08-20 | 2020-11-17 | 重庆邮电大学 | 一种基于视觉和激光雷达的目标检测和运动状态估计方法 |
-
2020
- 2020-12-15 CN CN202011468844.0A patent/CN112233182A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196260A (zh) * | 2017-12-13 | 2018-06-22 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合系统的测试方法和装置 |
US20200280429A1 (en) * | 2019-03-01 | 2020-09-03 | Aptiv Technologies Limited | Method of multi-sensor data fusion |
CN111308499A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多线激光雷达的障碍物检测方法 |
CN111583337A (zh) * | 2020-04-25 | 2020-08-25 | 华南理工大学 | 一种基于多传感器融合的全方位障碍物检测方法 |
CN111563450A (zh) * | 2020-04-30 | 2020-08-21 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备及存储介质 |
CN111951305A (zh) * | 2020-08-20 | 2020-11-17 | 重庆邮电大学 | 一种基于视觉和激光雷达的目标检测和运动状态估计方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759348A (zh) * | 2021-01-20 | 2021-12-07 | 京东鲲鹏(江苏)科技有限公司 | 一种雷达标定方法、装置、设备及存储介质 |
CN113759348B (zh) * | 2021-01-20 | 2024-05-17 | 京东鲲鹏(江苏)科技有限公司 | 一种雷达标定方法、装置、设备及存储介质 |
CN113269840A (zh) * | 2021-05-27 | 2021-08-17 | 深圳一清创新科技有限公司 | 一种用于相机和多激光雷达的联合标定方法及电子设备 |
CN113658256A (zh) * | 2021-08-16 | 2021-11-16 | 智道网联科技(北京)有限公司 | 基于激光雷达的目标检测方法、装置及电子设备 |
CN113777592A (zh) * | 2021-09-10 | 2021-12-10 | 广州中海达卫星导航技术股份有限公司 | 方位角标定方法和装置 |
CN113777592B (zh) * | 2021-09-10 | 2024-04-05 | 广州中海达卫星导航技术股份有限公司 | 方位角标定方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112233182A (zh) | 一种多激光雷达的点云数据的标注方法和装置 | |
CN109188457B (zh) | 物体检测框的生成方法、装置、设备、存储介质及车辆 | |
CN110095752B (zh) | 定位方法、装置、设备和介质 | |
CN109188438B (zh) | 偏航角确定方法、装置、设备和介质 | |
CN111080805A (zh) | 标注对象立体框图生成方法、装置、电子设备及存储介质 | |
CN112200851B (zh) | 一种基于点云的目标检测方法、装置及其电子设备 | |
CN109635861B (zh) | 一种数据融合方法、装置、电子设备及存储介质 | |
CN109102026B (zh) | 一种车辆图像检测方法、装置及系统 | |
CN110866930A (zh) | 语义分割辅助标注方法与装置 | |
US20210065350A1 (en) | Computing device and non-transitory storage medium implementing target object identification method | |
US20230384120A1 (en) | Method and Apparatus for Updating High-Precision Map | |
CN113127593A (zh) | 标准海图生成方法及装置 | |
CN114705121A (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
CN112712036A (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN109345567B (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
CN111814769A (zh) | 一种信息采集方法、装置、终端设备及存储介质 | |
CN114897987B (zh) | 一种确定车辆地面投影的方法、装置、设备及介质 | |
CN110930520A (zh) | 一种语义分割标注方法、装置及设备 | |
CN116309628A (zh) | 车道线识别方法和装置、电子设备和计算机可读存储介质 | |
CN115841672A (zh) | 文字检测识别方法、装置及设备 | |
CN114299147A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
CN114332201A (zh) | 一种模型训练、目标检测的方法以及装置 | |
CN111383337A (zh) | 用于识别对象的方法和装置 | |
CN113869440A (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
CN113255671A (zh) | 针对长宽比大物体的目标检测方法、系统、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210115 |