CN112835007B - 点云数据转换方法、装置、电子设备和存储介质 - Google Patents
点云数据转换方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112835007B CN112835007B CN202110019688.8A CN202110019688A CN112835007B CN 112835007 B CN112835007 B CN 112835007B CN 202110019688 A CN202110019688 A CN 202110019688A CN 112835007 B CN112835007 B CN 112835007B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data
- equipment
- data conversion
- 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
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 48
- 238000013526 transfer learning Methods 0.000 claims description 24
- 230000005012 migration Effects 0.000 claims description 16
- 238000013508 migration Methods 0.000 claims description 16
- 238000013501 data transformation Methods 0.000 claims 5
- 238000004590 computer program Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011550 data transformation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了点云数据转换方法、装置、电子设备、存储介质和计算机程序产品,涉及人工智能领域,尤其涉及自动驾驶领域。具体实现方案为:获取原始设备的真实点云数据;根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将原始设备的真实点云数据转换为新型设备的真实点云数据;其中,第一数据转换关系是原始设备的真实点云数据和原始设备的仿真点云数据之间的对应关系;第二数据转换关系是原始设备的仿真点云数据和新型设备的仿真点云数据之间的对应关系;第三数据转换关系是新型设备的仿真点云数据和新型设备的真实点云数据之间的对应关系。本申请能够提高了真实点云数据的确定效率。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及自动驾驶领域,具体涉及一种点云数据转换方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
激光雷达作为环境感知的重要传感器,具有不受光照情况影响、精度高的优点,常用在自动驾驶和机器人领域里。
目前,不同厂商推出了不同款式的雷达设备,出于成本的考虑,自动驾驶公司或者部门调研并更换性价比更好的新型雷达成为了不可避免的趋势。但是现有的基于雷达点云的三维目标检测算法,对不同设备采集的雷达点云数据兼容性较差,更换雷达往往意味着之前标注的大量雷达点云数据将失效,并且需要重新标注。
发明内容
本申请提供了一种点云数据转换方法、装置、电子设备、存储介质和计算机程序产品。
根据本申请的一方面,提供了一种点云数据转换方法,包括:
获取原始设备的真实点云数据;
根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将原始设备的真实点云数据转换为新型设备的真实点云数据;
其中,第一数据转换关系是原始设备的真实点云数据和原始设备的仿真点云数据之间的对应关系;第二数据转换关系是原始设备的仿真点云数据和新型设备的仿真点云数据之间的对应关系;第三数据转换关系是新型设备的仿真点云数据和新型设备的真实点云数据之间的对应关系。
根据本申请的另一方面,提供了一种点云数据转换装置,包括:
数据获取模块,用于获取原始设备的真实点云数据;
数据转换模块,用于根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将获取到的原始设备的真实点云数据转换为新型设备的真实点云数据;
其中,第一数据转换关系是原始设备的真实点云数据和原始设备的仿真点云数据之间的对应关系;第二数据转换关系是原始设备的仿真点云数据和新型设备的仿真点云数据之间的对应关系;第三数据转换关系是新型设备的仿真点云数据和新型设备的真实点云数据之间的对应关系。
根据本申请的另一方面,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本申请任意实施例的点云数据转换方法。
根据本申请的另一方面,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,计算机指令用于使计算机执行本申请任意实施例的点云数据转换方法。
根据本申请的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本申请任意实施例的点云数据转换方法
根据本申请的技术提高了真实点云数据的确定效率。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1a是根据本申请实施例的一种点云数据转换方法的示意图;
图1b是根据本申请实施例的原始设备点云数据转换过程图;
图2是根据本申请实施例的一种点云数据转换方法的示意图;
图3是根据本申请实施例的一种点云数据转换装置的示意图;
图4是用来实现本申请实施例的点云数据转换的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1a为本申请实施例的点云数据转换方法的流程示意图,本实施例可适用于将已标注的原始雷达设备的点云数据转换为新型雷达设备的点云数据的情况。该方法可由一种点云数据转换制装置来执行,该装置采用软件和/或硬件的方式实现,并集成在电子设备上。
在现有技术中,通过仿真的方式生成新雷达的点云数据,并将其用于目标检测算法,但这种方式存在一定的不足:需要依赖于点云仿真器,对仿真效果、真实度等要求非常高,并且仿真器本身成本较高,搭建周期长。或者标注少量新雷达生成的点云数据,并和原有的旧点云数据混合,通过将二者联合训练,以将新旧点云数据结合起来,然而由于新标注的少量新雷达生成的点云数据和原有的旧点云数据之间存在着明显的分布域的区别,混合训练能有一定的提升,但是提升不大,在自动驾驶这种安全性要求极高的场景中使用比较受限。由此可知现有技术中,标注新型设备点云数据的效率和效果较差。基于此,本申请提出一种通过数据转换的方式将带标注的旧点云数据直接转换为新型设备的点云数据。具体的,参见图1a,点云数据转换方法如下:
S101、获取原始设备的真实点云数据。
本申请实施例中,原始设备是指待更换的雷达设备,原始设备的真实点云数据是指由原始设备产生并完成标注的雷达三维点云数据。
由于雷达设备不断的更新,自动驾驶公司通常会更换性价比更好的新型雷达设备,而为了保证标注新点云数据的成本和效率,本申请提出了通过不同雷达设备产生的点云之间的数据转换,将已标注的旧点云数据(即原始设备的真实点云数据)利用起来,生成新的点云数据,具体的转换生成过程参见S102。
S102、根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将原始设备的真实点云数据转换为新型设备的真实点云数据。
本申请实施例中,第一数据转换关系是原始设备的真实点云数据和原始设备的仿真点云数据之间的对应关系;第二数据转换关系是原始设备的仿真点云数据和新型设备的仿真点云数据之间的对应关系;第三数据转换关系是新型设备的仿真点云数据和新型设备的真实点云数据之间的对应关系。
通过预先确定第一数据转换关系、第二数据转换关系和第三数据转换关系,进而将原始设备的真实点云数据转换通过三次数据转换即可得到新型设备的点云数据,由此避免了重新标注新型设备的点云数据,而且相比于直接通过仿真器生成新型设备的仿真点云数据,并将其用于目标检测算法而言,本申请由于数据转换后得到的是新型设备的真实点云数据,数据的真实性更高。
在一种可选的实施方式中,参见图1b,其示出了原始设备点云数据转换过程图,具体的,根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将所述原始设备的真实点云数据转换为新型设备的真实点云数据,包括:根据第一数据转换关系,将真实点云数据转换成原始设备的仿真点云数据;根据第二数据转换关系,将原始设备的仿真点云数据转换成新型设备的仿真点云数据;根据第三数据转换关系,将新型设备的仿真点云数据转换成新型设备的真实点云数据。
在此需要说明的是,之所以不直接确定原始设备的真实点云数据和新型设备的真实点云数据之间的数据转换关系,是因为原始设备的真实点云数据和新型设备的真实点云数据,除了数据的形式发生了变化,数据的内容也不同(即至少存在两个变量),导致确定数据转换关系的算法难收敛,进而使原始设备的真实点云数据和新型设备的真实点云数据之间的数据转换关系不准确,若按照该数据转换关系进行转换,得到的新型设备的点云数据无法满足自动驾驶的精度需求。
本申请实施例中,通过三种数据转换关系,将原始设备的真实点云数据进行三次转换,即可得到新型设备的真实点云数据,由此提升了获取新型设备的真实点云数据的效率。
图2是根据本申请实施例的点云数据转换方法的流程示意图,本实施例是在上述实施例的基础上进行优化,参见图2,点云数据转换方法具体如下:
本申请实施例中,确定第一数据转换关系、第二数据转换关系和第三数据转换关系的过程是并行执行的,由此可以提升确定三种数据关系的效率。本申请实施例中,可预先通过雷达点云仿真设备,分别仿真原始设备和新型设备的点云数据,同时由于在仿真设备中可以自由编辑场景,因此可将仿真的两种设备产生的点云数据对应的场景设置成一样,也即,原始设备的仿真点云数据和所述新型设备的仿真点云数据的场景相同。
具体的,确定第一数据转换关系的过程参见S201-S202;确定第二数据转换关系的过程参见S203-S204;确定第三数据转换关系的过程参见S205-S206。
S201、获取原始设备的真实点云数据和原始设备的仿真点云数据。
S202、通过迁移学习方法,确定原始设备的真实点云数据和原始设备的仿真点云数据之间的第一数据转换关系。
本申请实施例中,原始设备的真实点云数据和原始设备的仿真点云数据是在相同的设备参数下产生的,因此两者的数据形式相同,只是数据的内容不同,也即只存在数据内容不同这一个变量,使得迁移学习难度降低,进而使迁移学习过程更加容易收敛,保证了确定第一数据转换关系的效率。
在一种可选的实施方式中,通过迁移学习方法,确定原始设备的真实点云数据和原始设备的仿真点云数据之间的第一数据转换关系,包括:构建一个点云数据生成网络和判别网络,并利用点云数据生成网络学习原始设备的真实点云数据和原始设备的仿真点云数据之间的第一数据转换关系。具体的,将原始设备的真实点云数据输入点云数据生成网络,得到目标点云数据;将目标点云数据和原始设备的仿真点云数据输入到判别网络,得到目标点云数据的判别结果;计算判别结果与原始设备的真实点云数据之间的损失,根据损失对判别网络和点云数据生成网络进行训练;当损失达到收敛时,点云数据生成网络训练完成,进而根据训练完的点云数据生成网络确定第一数据转换关系。
S203、分别确定原始设备和新型设备各自的仿真点云数据。
S204、通过迁移学习方法,确定原始设备的仿真点云数据和新型设备的仿真点云数据之间的第二数据转换关系。
可选的,构建一个点云数据生成网络和判别网络,将原始设备的仿真点云数据输入点云数据生成网络,得到目标点云数据;将目标点云数据和新型设备的仿真点云数据输入到判别网络,得到目标点云数据的判别结果;计算判别结果与原始设备的仿真点云数据之间的损失,根据损失对判别网络和点云数据生成网络进行训练;当损失达到收敛时,点云数据生成网络训练完成,进而根据训练完的点云数据生成网络确定第二数据转换关系。
在此需要说明的是,由于原始设备的仿真点云数据和新型设备的仿真点云数据的场景相同,只是原始设备和新型设备的参数不同,也即只存在设备参数这一个变量,使得迁移学习的难度降低,进而使迁移学习过程更加容易收敛,保证了确定第二数据转换关系的效率。
S205、获取新型设备的真实点云数据和新型设备的仿真点云数据。
本申请实施例中获取到的新型设备的真实点云数据,可以为预先标注的新型设备产生的少量的点云数据。
S206、通过迁移学习方法,确定所述新型设备的真实点云数据和所述新型设备的仿真点云数据之间的第三数据转换关系。
可选的,构建一个点云数据生成网络和判别网络,将新型设备的仿真点云数据输入点云数据生成网络,得到目标点云数据;将目标点云数据和新型设备的真实点云数据输入到判别网络,得到目标点云数据的判别结果;计算判别结果与新型设备的仿真点云数据之间的损失,根据损失对判别网络和点云数据生成网络进行训练;当损失达到收敛时,点云数据生成网络训练完成,进而根据训练完的点云数据生成网络确定第三数据转换关系。
本申请实施例中,新型设备的仿真点云数据和新型设备的真实点云数据是在相同的设备参数下产生的,因此两者的数据形式相同,只是数据的内容不同,也即只存在数据内容不同这一个变量,使得迁移学习难度降低,进而使迁移学习过程更加容易收敛,保证了确定第三数据转换关系的效率。
S207、获取原始设备的真实点云数据。
S208、根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将所述原始设备的真实点云数据转换为新型设备的真实点云数据。
本申请实施例中,通过迁移学习方法,并行的确定第一数据转换关系、第二数据转换关系和第三数据转换关系,而且,由于原始设备的仿真点云数据和所述新型设备的仿真点云数据的场景相同,使得基于迁移学习方法确定每种数据转换关系时,都只有一组变量,加快了迁移学习的收敛效率,进而保证了确定三种数据转换关系的效率。
图3是根据本申请实施例的点云数据转换装置的结构示意图,本实施例可适用于将已标注的原始雷达设备的点云数据转换为新型雷达设备的点云数据的情况。如图3所示,该装置具体包括:
数据获取模块301,用于获取原始设备的真实点云数据;
数据转换模块302,用于根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将获取到的原始设备的真实点云数据转换为新型设备的真实点云数据;
其中,第一数据转换关系是原始设备的真实点云数据和原始设备的仿真点云数据之间的对应关系;第二数据转换关系是原始设备的仿真点云数据和新型设备的仿真点云数据之间的对应关系;第三数据转换关系是新型设备的仿真点云数据和新型设备的真实点云数据之间的对应关系。
在上述实施例的基础上,可选的,数据转换模块,包括:
第一转换单元,用于根据第一数据转换关系,将的真实点云数据转换成原始设备的仿真点云数据;
第二转换单元,用于根据第二数据转换关系,将原始设备的仿真点云数据转换成新型设备的仿真点云数据;
第三转换单元,用于根据第三数据转换关系,将新型设备的仿真点云数据转换成新型设备的真实点云数据。
在上述实施例的基础上,可选的,原始设备的仿真点云数据和新型设备的仿真点云数据的场景相同。
在上述实施例的基础上,可选的,该装置还包括用于确定第一数据转换关系的第一迁移学习模块,第一迁移学习模块包括:
第一数据获取单元,用于获取原始设备的真实点云数据和原始设备的仿真点云数据;
第一迁移学习单元,用于通过迁移学习方法,确定原始设备的真实点云数据和原始设备的仿真点云数据之间的第一数据转换关系。
在上述实施例的基础上,可选的,该装置还包括用于确定第二数据转换关系的第二迁移学习模块,第二迁移学习模块包括:
第二数据获取单元,用于在同一预设场景下,分别确定原始设备和新型设备各自的仿真点云数据;
第二迁移学习单元,用于通过迁移学习方法,确定原始设备的仿真点云数据和新型设备的仿真点云数据之间的第二数据转换关系。
在上述实施例的基础上,可选的,该装置还包括用于确定第三数据转换关系的第三迁移学习模块,第三迁移学习模块包括:
第三数据获取单元,用于获取新型设备的真实点云数据和新型设备的仿真点云数据;
第三迁移学习单元,用于通过迁移学习方法,确定新型设备的真实点云数据和新型设备的仿真点云数据之间的第三数据转换关系。
本申请实施例提供的点云数据转换装置可执行本申请任意实施例提供的点云数据转换方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本申请的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如点云数据转换方法。例如,在一些实施例中,点云数据转换方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的点云数据转换方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行点云数据转换方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种点云数据转换方法,包括:
获取原始设备的真实点云数据;
根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将所述原始设备的真实点云数据转换为新型设备的真实点云数据;
其中,所述第一数据转换关系是所述原始设备的真实点云数据和所述原始设备的仿真点云数据之间的对应关系;所述第二数据转换关系是所述原始设备的仿真点云数据和所述新型设备的仿真点云数据之间的对应关系;所述第三数据转换关系是所述新型设备的仿真点云数据和所述新型设备的真实点云数据之间的对应关系;
其中,所述根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将所述原始设备的真实点云数据转换为新型设备的真实点云数据,包括:
根据所述第一数据转换关系,将所述原始设备的真实点云数据转换成原始设备的仿真点云数据;
根据所述第二数据转换关系,将所述原始设备的仿真点云数据转换成新型设备的仿真点云数据;
根据所述第三数据转换关系,将所述新型设备的仿真点云数据转换成新型设备的真实点云数据。
2.根据权利要求1所述的方法,其中,所述原始设备的仿真点云数据和所述新型设备的仿真点云数据的场景相同。
3.根据权利要求1所述的方法,其中,确定第一数据转换关系的过程包括:
获取所述原始设备的真实点云数据和所述原始设备的仿真点云数据;
通过迁移学习方法,确定原始设备的真实点云数据和原始设备的仿真点云数据之间的第一数据转换关系。
4.根据权利要求1所述的方法,其中,确定第二数据转换关系的过程包括:
分别确定所述原始设备和所述新型设备各自的仿真点云数据;
通过迁移学习方法,确定所述原始设备的仿真点云数据和所述新型设备的仿真点云数据之间的第二数据转换关系。
5.根据权利要求1所述的方法,其中,确定第三数据转换关系的过程包括:
获取所述新型设备的真实点云数据和所述新型设备的仿真点云数据;
通过迁移学习方法,确定所述新型设备的真实点云数据和所述新型设备的仿真点云数据之间的第三数据转换关系。
6.一种点云数据转换的装置,包括:
数据获取模块,用于获取原始设备的真实点云数据;
数据转换模块,用于根据预先确定的第一数据转换关系、第二数据转换关系和第三数据转换关系,将获取到的所述原始设备的真实点云数据转换为新型设备的真实点云数据;
其中,所述第一数据转换关系是所述原始设备的真实点云数据和所述原始设备的仿真点云数据之间的对应关系;所述第二数据转换关系是所述原始设备的仿真点云数据和所述新型设备的仿真点云数据之间的对应关系;所述第三数据转换关系是所述新型设备的仿真点云数据和所述新型设备的真实点云数据之间的对应关系;
其中,所述数据转换模块,包括:
第一转换单元,用于根据所述第一数据转换关系,将所述原始设备的真实点云数据转换成原始设备的仿真点云数据;
第二转换单元,用于根据所述第二数据转换关系,将所述原始设备的仿真点云数据转换成新型设备的仿真点云数据;
第三转换单元,用于根据所述第三数据转换关系,将所述新型设备的仿真点云数据转换成新型设备的真实点云数据。
7.根据权利要求6所述的装置,其中,所述原始设备的仿真点云数据和所述新型设备的仿真点云数据的场景相同。
8.根据权利要求6所述的装置,其中,该装置还包括用于确定第一数据转换关系的第一迁移学习模块,所述第一迁移学习模块包括:
第一数据获取单元,用于获取所述原始设备的真实点云数据和所述原始设备的仿真点云数据;
第一迁移学习单元,用于通过迁移学习方法,确定原始设备的真实点云数据和原始设备的仿真点云数据之间的第一数据转换关系。
9.根据权利要求6所述的装置,其中,该装置还包括用于确定第二数据转换关系的第二迁移学习模块,所述第二迁移学习模块包括:
第二数据获取单元,用于在同一预设场景下,分别确定所述原始设备和所述新型设备各自的仿真点云数据;
第二迁移学习单元,用于通过迁移学习方法,确定所述原始设备的仿真点云数据和所述新型设备的仿真点云数据之间的第二数据转换关系。
10.根据权利要求6所述的装置,其中,该装置还包括用于确定第三数据转换关系的第三迁移学习模块,所述第三迁移学习模块包括:
第三数据获取单元,用于获取所述新型设备的真实点云数据和所述新型设备的仿真点云数据;
第三迁移学习单元,用于通过迁移学习方法,确定所述新型设备的真实点云数据和所述新型设备的仿真点云数据之间的第三数据转换关系。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一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1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019688.8A CN112835007B (zh) | 2021-01-07 | 2021-01-07 | 点云数据转换方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019688.8A CN112835007B (zh) | 2021-01-07 | 2021-01-07 | 点云数据转换方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112835007A CN112835007A (zh) | 2021-05-25 |
CN112835007B true CN112835007B (zh) | 2023-04-18 |
Family
ID=75928382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110019688.8A Active CN112835007B (zh) | 2021-01-07 | 2021-01-07 | 点云数据转换方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835007B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241059A (zh) * | 2018-08-30 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 一种点云数据的构造方法、装置、电子设备及存储介质 |
CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
CN109960857A (zh) * | 2019-02-28 | 2019-07-02 | 东软睿驰汽车技术(沈阳)有限公司 | 一种激光雷达的仿真方法、装置及仿真平台 |
CN110007300A (zh) * | 2019-03-28 | 2019-07-12 | 东软睿驰汽车技术(沈阳)有限公司 | 一种得到点云数据的方法及装置 |
CN111220992A (zh) * | 2018-11-26 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 雷达数据融合方法、装置及系统 |
CN111950426A (zh) * | 2020-08-06 | 2020-11-17 | 东软睿驰汽车技术(沈阳)有限公司 | 目标检测方法、装置及运载工具 |
CN112164063A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种数据处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198145B (zh) * | 2017-12-29 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 用于点云数据修复的方法和装置 |
-
2021
- 2021-01-07 CN CN202110019688.8A patent/CN112835007B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
CN109241059A (zh) * | 2018-08-30 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 一种点云数据的构造方法、装置、电子设备及存储介质 |
CN111220992A (zh) * | 2018-11-26 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 雷达数据融合方法、装置及系统 |
CN109960857A (zh) * | 2019-02-28 | 2019-07-02 | 东软睿驰汽车技术(沈阳)有限公司 | 一种激光雷达的仿真方法、装置及仿真平台 |
CN110007300A (zh) * | 2019-03-28 | 2019-07-12 | 东软睿驰汽车技术(沈阳)有限公司 | 一种得到点云数据的方法及装置 |
CN111950426A (zh) * | 2020-08-06 | 2020-11-17 | 东软睿驰汽车技术(沈阳)有限公司 | 目标检测方法、装置及运载工具 |
CN112164063A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种数据处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于粒子群优化的点云场景拼接算法;张军等;《国防科技大学学报》;20131028;第35卷(第05期);第174-179页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112835007A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559007B (zh) | 多任务模型的参数更新方法、装置及电子设备 | |
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
CN114881129A (zh) | 一种模型训练方法、装置、电子设备及存储介质 | |
CN114202027A (zh) | 执行配置信息的生成方法、模型训练方法和装置 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN113377890A (zh) | 一种地图质检方法、装置、电子设备及存储介质 | |
CN114266937A (zh) | 模型训练、图像处理方法,装置,设备以及存储介质 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
CN116524165B (zh) | 三维表情模型的迁移方法、装置、设备和存储介质 | |
CN113762109A (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
CN113344074A (zh) | 模型训练方法、装置、设备及存储介质 | |
CN112835007B (zh) | 点云数据转换方法、装置、电子设备和存储介质 | |
CN112988932A (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
CN114581730A (zh) | 检测模型的训练方法、目标检测方法、装置、设备和介质 | |
CN114330718A (zh) | 因果关系的提取方法、装置及电子设备 | |
CN113361719A (zh) | 基于图像处理模型的增量学习方法和图像处理方法 | |
CN113657482A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN114475631B (zh) | 驾驶数据处理方法装置、设备、自动驾驶车辆介质及产品 | |
CN114926447B (zh) | 用于训练模型的方法、用于检测目标的方法和装置 | |
CN113010182A (zh) | 升级文件的生成方法、装置和电子设备 | |
CN118377476A (zh) | 组件的在线开发和加载方法、装置、电子设备及存储介质 | |
CN117002583A (zh) | 列车虚拟编组关键技术测试需求提取方法以及装置 | |
CN117608589A (zh) | 代码生成方法、装置、电子设备及存储介质 | |
CN117608944A (zh) | 权属迁移量配比的计算方法、装置、电子设备和存储介质 | |
CN113378974A (zh) | 用于输出信息的方法、装置、设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |