CN114529610A - 一种基于rgb-d相机的毫米波雷达数据标注方法 - Google Patents
一种基于rgb-d相机的毫米波雷达数据标注方法 Download PDFInfo
- Publication number
- CN114529610A CN114529610A CN202210027372.8A CN202210027372A CN114529610A CN 114529610 A CN114529610 A CN 114529610A CN 202210027372 A CN202210027372 A CN 202210027372A CN 114529610 A CN114529610 A CN 114529610A
- Authority
- CN
- China
- Prior art keywords
- camera
- rgb
- millimeter wave
- wave radar
- coordinate system
- 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
- 238000002372 labelling Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于RGB‑D相机的毫米波雷达数据标注方法,包括:用RGB‑D相机和毫米波雷达同时采集数据;通过像素坐标系与相机坐标系转换,得到图像中对应物体在相机坐标系下的点云数据集;根据点云数据集对RGB‑D相机采集的彩色图像标注目标,得到在RGB‑D相机坐标系下的点云数据坐标集;将RGB‑D相机坐标系下的点云数据坐标集转化为毫米波雷达坐标系下的点云数据坐标集;根据毫米波雷达坐标系下的点云数据坐标集寻找到对应的点云数据集,完成标注。本发明通过RGB‑D的彩色图像进行标注,可以识别出物体的种类或类别;标注方式简单,只需要找到毫米波雷达与RGB‑D相机中目标对应的点;图像中的信息丰富,可以为毫米波雷达的点云数据赋予更多的信息。
Description
技术领域
本发明涉及图像目标标注领域,尤其是指一种基于RGB-D相机的毫米波雷达数据标注方法。
背景技术
目前对于毫米波雷达目标点云数据的标注方法不多,一部分方案是通过对毫米波雷达的点云数据进行预处理,获取目标,即通过去除点云数据的噪声,再使用一些聚类的方法将毫米波雷达的点云数据进行聚类,获取雷达点云数据中的目标,从而对数据进行标注,但是这种方案仅通过聚类的点云无法识别具体的目标是什么物体;另外一些方案则是通过毫米波雷达的多普勒频谱图进行分析,获取数据中目标的相关信息,并将多普勒数据中目标信息转化至对应的点云数据中,但是这种方法需要采集毫米波雷达的多普勒数据,不是直接通过点云数据进行目标标注的,实现的过程复杂繁琐。
例如,一种在中国专利文献上公开的“用于标注点云数据的方法和装置”,其公告号CN107945198B,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。该发明虽然实现了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,但并没有解决实现的过程复杂繁琐和无法识别具体的目标是什么物体的问题。
发明内容
本发明是为了克服现有技术的不是直接通过点云数据进行目标标注的,实现的过程复杂繁琐的问题,提供一种基于RGB-D相机的毫米波雷达数据标注方法。
为了实现上述目的,本发明采用以下技术方案:
一种基于RGB-D相机的毫米波雷达数据标注方法,包括以下步骤:S1:利用RGB-D相机和毫米波雷达同时采集数据,RGB-D相机采集的数据为一幅深度图像和一幅RGB的彩色图像,毫米波雷达采集输出点云数据集Pr;S2:通过像素坐标系与相机坐标系转换,得到图像中对应物体在相机坐标系下的点云数据集Pc;S3:根据点云数据集Pc对RGB-D相机采集的彩色图像进行目标标注,得到在RGB-D相机坐标系下的点云数据坐标集P_obj;S4:将RGB-D相机坐标系下的点云数据坐标集P_obj转化为毫米波雷达坐标系下的点云数据坐标集P_obj_I;S5:根据毫米波雷达坐标系下的点云数据坐标集P_obj_I和毫米波雷达点云数据集Pr寻找到对应的点云数据集Presult,完成标注。本发明通过同时采集毫米波雷达的数据与RGB-D的数据,利用RGB-D相机采集的图像数据直观的特点,可以很容易的标注出图像中的物体与类别;然后利用RGB-D相机的特性,将图像中的物体与RGB-D相机的点云数据进行对应,即找到图像中的目标物体对应RGB-D点云数据中的哪些点云;最后在通过RGB-D相机与毫米波雷达空间转换关系,利用RGB-D相机中目标点云数据的空间坐标找到毫米波雷达点云数据的对应值,便可以将毫米波雷达数据中的物体进行标注。这种方法直观,简洁,不需要设置去噪和聚类的参数,也不需要专业的分析多普勒数据的能力,对于普通的雷达使用者便可以完成。
作为本发明的优选方案,所述RGB-D相机和毫米波雷达在采集数据时,需要安装在同一平面上,且RGB-D相机的中心和毫米波雷达的中心在同一水平线上。本发明需要用到毫米波雷达和RGB-D相机,毫米波雷达和RGB-D相机需要安装在同一平面上,并且毫米波雷达的中心与RGB-D相机的中心在同一水平线上,这样做的目的是为了在计算RGB-D点云坐标与毫米波雷达点云坐标转化关系的时候比较简单。
作为本发明的优选方案,所述S2具体为:根据彩色图像上物体的若干像素点和深度图像对应的深度值,通过像素坐标系与相机坐标系转换公式得到图像中对应物体在相机坐标系下的空间坐标点的集合,即对应物体在相机坐标系下的点云数据集Pc,所述像素坐标系与相机坐标系转换公式为:
其中,(u,v,1)是彩色图像上物体的像素点在像素坐标系下的空间坐标,Zc是彩色图像上物体的像素点在深度图上对应的深度值,fx为相机焦距在x方向上的缩放比例,fy相机焦距在y方向上的缩放比例,cx为相机光轴在x方向上偏移量,cy为相机光轴在y方向上偏移量,(xc,yc,zc)为像素点在相机坐标系下的空间坐标。其中fx、fy、cx、cy是相机的内部参数,可以通过相机标定的方法或在相机出厂参数中找到对应参数的值。
作为本发明的优选方案,所述S4具体为:将RGB-D相机坐标系下的点云数据坐标集P_obj内的空间坐标点的集合通过毫米波雷达坐标系和RGB-D相机坐标系转换公式转化为毫米波雷达坐标系下的云数据坐标集P_obj_I,所述毫米波雷达坐标系和RGB-D相机坐标系转换公式为:
(xc,yc,zc)-T=(xr,yr,zr)
其中,T=(dx,0,0)为平移矩阵,dx为RGB-D相机的中心和毫米波雷达的中心之间的距离,(xc,yc,zc)为RGB-D相机中的像素点在相机坐标系下的空间坐标,(xr,yr,zr)为毫米波雷达中的与RGB-D相机中对应的像素点在雷达坐标系下的空间坐标。这里假设相机坐标系和毫米波雷达坐标系为向上为z,向前为y,向左为x,具体使用中,可以根据坐标系的不同进行调整,毫米波雷达中的其他的点也可以按照上面的公式进行转换。
作为本发明的优选方案,所述S5具体为:以点云数据坐标集P_obj_I为基础,逐个取点云数据坐标集P_obj_I中的空间坐标点,计算其与毫米波雷达采集输出点云数据集Pr中的空间坐标点的距离,找到距离最近的点完成标注。
作为本发明的优选方案,所述空间坐标点的距离公式为:
其中,(xi,yi,zi)为点云数据坐标集P_obj_I中的空间坐标点的坐标,(xr,yr,zr)为毫米波雷达采集输出点云数据集Pr中的空间坐标点的坐标。
因此,本发明具有以下有益效果:1、通过RGB-D的彩色图像进行标注,可以识别出物体的种类或类别;2、标注方式简单,只需要找到毫米波雷达与RGB-D相机中目标对应的点,不需要使用去噪和聚类这些方法,也不需要分析很专业的多普勒频谱图;3、图像中的信息很丰富,可以为毫米波雷达的点云数据赋予更多的信息。
附图说明
图1是本发明的方法流程图;
图2是现有技术的图像标注示例图;
图3是本发明RGB-D相机和毫米波雷达的安装位置示意图;
图4是本发明的实施例的RGB-D图像示例图;
图5是本发明的实施例的相机坐标系和毫米波雷达坐标系的示意图;
图6是本发明的实施例的方法流程图;
图中:1、安装平面;2、RGB-D相机;3、毫米波雷达;4、RGB-D相机的中心;5、毫米波雷达的中心。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
如图2所示,现有技术的图像标注示例图,毫米波雷达的点云数据比较稀疏,且其数据与激光雷达存在一定的区别,激光雷达的数据较毫米波雷达来说比较稠密,所以激光雷达的点云数据可视化之后,人工可以识别出点云中的数据是什么物体,而毫米波雷达的数据无法在可视化之后通过人工的方法识别当前的点云数据所对应物体;并且当点云点较少时,无法判断这些点集合是否为物体;而通过对点云数据进行去噪,聚类的方法找出目标的方法存在一些问题,首先该方法依赖于去噪方法和聚类方法选取以及参数阈值的设置,对操作者的专业要求比较高;同时,对于有重叠的目标,聚类时很容易出现错误,即将两个目标物体聚为一类,并且通过聚类之后得到的目标物体,不能判断物体类别,即这个物体是什么。另外一种使用毫米波雷达多普勒频谱图的方法也存在一些问题,这种方法无法直接对毫米波雷达点云数据进行操作;同时需要使用较为专业的设备获取毫米波雷达多普勒数据,并对数据进行分析处理,普通的毫米波雷达使用者在分析和处理毫米波雷达的多普勒数据时是存在很大的困难的。
如图1所示,为本发明的方法整体流程图,本发明通过同时采集毫米波雷达的数据与RGB-D的数据,利用RGB-D相机采集的图像数据直观的特点,可以很容易的标注出图像中的物体与类别;然后利用RGB-D相机的特性,将图像中的物体与RGB-D相机的点云数据进行对应,即找到图像中的目标物体对应RGB-D点云数据中的哪些点云;最后在通过RGB-D相机与毫米波雷达空间转换关系,利用RGB-D相机中目标点云数据的空间坐标找到毫米波雷达点云数据的对应值,便可以将毫米波雷达数据中的物体进行标注。这种方法直观,简洁,不需要设置去噪和聚类的参数,也不需要专业的分析多普勒数据的能力,对于普通的雷达使用者便可以完成。
本发明需要用到毫米波雷达和RGB-D相机,毫米波雷达与RGB-D相机的安装如图3所示,毫米波雷达和RGB-D相机在安装时需要在同一平面上,并且毫米波雷达的中心与RGB-D相机的中心要在同一水平线上,这样做的目的是为了在计算RGB-D点云坐标与毫米波雷达点云坐标转化关系的时候比较简单。
实施例:如图6所示,是本实施例的方法流程图,S1:利用毫米波雷达和RGB-D相机同时进行数据采集。RGB-D相机采集的数据为一幅RGB的彩色图像和一幅深度图像,如图4所示,上面的为彩色图,下面的为深度图,毫米波雷达会直接输出点云坐标,若干点云坐标组成点云数据集Pr;S2:通过RGB-D相机坐标系与像素坐标系之间的变换,如下公式所示:
可以得到图像中对应的物体在RGB-D相机坐标系下的坐标。空间中某一个点在相机坐标系下的坐标为(xc,yc,zc),通过将每个方向上的坐标值除以Z方向的值,可以获得该点在相机坐标系下的归一化的坐标(xc/zc,yc/zc,1),其中(u,v,1)是像素坐标系下的坐标(图像是由一个一个像素组成,像素坐标即图像中某个像素在图像中什么位置,像素坐标的原点在图像的左上角,水平方向为y,竖直方向上为x),而深度图则是彩色图中每个像素点对应的深度值,即Zc的值;经过像素坐标系到相机坐标系的变化,再加上深度图中的Zc的值,即可得到对应的点在RGB-D相机坐标系下的空间坐标(xc,yc,zc),式中的fx、fy、cx、cy是相机的内部参数,可以通过相机标定的方法或相机出厂参数中会有对应参数的值;S3:依据点云数据集Pc,实现对RGB-D相机采集到的彩色图像进行目标标注,从而得到在RGB-D相机坐标系下的对应的点云数据坐标集P_obj;S4:通过转换公式(2)将RGB-D相机坐标系下的点云数据坐标集P_obj内的空间坐标点的集合转化为毫米波雷达坐标系下的云数据坐标集P_obj_I。毫米波雷达会直接输出点云坐标,毫米波雷达中某一个空间点在毫米波雷达坐标系下的坐标为(xr,yr,zr),由于毫米波雷达与RGB-D相机在一个平面上,并且RGB-D相机中心与毫米波雷达的中心保持在同一水平线上,所以通过将毫米波雷达的点进行平移就可以转换到相机坐标系下,毫米波雷达坐标系和RGB-D相机坐标系之间的转换公式如公式(2)所示:
(xc,yc,zc)-T=(xr,yr,zr) (2)
其中T为平移矩阵,T=(dx,0,0),(xc,yc,zc)为RGB-D相机中的某个点在相机坐标系下的坐标,(xr,yr,zr)为毫米波雷达中的与RGB-D中对应的点在雷达坐标系下坐标,dx为毫米波雷达的中心和RGB-D相机的中心之间的距离,这里设相机坐标系和毫米波雷达坐标系为向上为z,向前为y,向左为x,如图5所示,具体使用中,可以根据坐标系的不同进行调整,毫米波雷达中的其他的点也可以按照上面的公式进行转换,经过S4已经可以成功的将毫米波雷达的点云数据转化到RGB-D相机坐标系下,同理也可以实现将RGB-D相机坐标系下的点云数据转化到毫米波雷达坐标系下;S5:根据点云数据坐标集P_obj_I和毫米波雷达点云数据集Pr寻找到对应的点云数据集Presult,并完成标注。RGB-D相机的彩色图像和深度图像组成的点云数据集为Pc(p1,p2…pn),毫米波雷达点云数据集为Pr(p1,p2…pj),通过RGB-D彩色图像目标标注,标注的目标在RGB-D相机坐标系的点云数据坐标集为P_obj(p1,p2…pm),接着通过上面的公式(2)将毫米波雷达的点云数据转化到RGB-D相机坐标系下或将目标标注在RGB-D相机坐标系下的点集转化为毫米波雷达的坐标系,这里以将RGB-D相机坐标系的标注的点集P_obj(p1,p2…pm)转换到毫米波雷达坐标系下,转换后相机标注的目标的点集在毫米波雷达坐标系的坐标为P_obj_I(p1,p2…pm),以P_obj_I(p1,p2…pm)为基础,在毫米波雷达点云集Pr(p1,p2…pj)找到P_obj_I对应的点云数据集合Presult。具体的方法为:逐个取P_obj_I中的点,计算其与毫米波雷达点云集中Pr(p1,p2…pj)点的距离,找到距离最近的那个点。距离计算的公式为:
其中,(xi,yi,zi)为点云数据坐标集P_obj_I中的空间坐标点的坐标,(xr,yr,zr)为毫米波雷达采集输出点云数据集Pr中的空间坐标点的坐标。至此,通过RGB-D相机完成了对毫米波雷达中的点云数据的标注。
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,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明保护范围之内。
Claims (6)
1.一种基于RGB-D相机的毫米波雷达数据标注方法,其特征是,包括以下步骤:
S1:利用RGB-D相机和毫米波雷达同时采集数据,RGB-D相机采集的数据为一幅深度图像和一幅RGB的彩色图像,毫米波雷达采集输出点云数据集Pr;
S2:通过像素坐标系与相机坐标系转换,得到图像中对应物体在相机坐标系下的点云数据集Pc;
S3:根据点云数据集Pc对RGB-D相机采集的彩色图像进行目标标注,得到在RGB-D相机坐标系下的点云数据坐标集P_obj;
S4:将RGB-D相机坐标系下的点云数据坐标集P_obj转化为毫米波雷达坐标系下的点云数据坐标集P_obj_I;
S5:根据毫米波雷达坐标系下的点云数据坐标集P_obj_I和毫米波雷达点云数据集Pr寻找到对应的点云数据集Presult,完成标注。
2.根据权利要求1所述的一种基于RGB-D相机的毫米波雷达数据标注方法,其特征是,所述RGB-D相机和毫米波雷达在采集数据时,需要安装在同一平面上,且RGB-D相机的中心和毫米波雷达的中心在同一水平线上。
3.根据权利要求1所述的一种基于RGB-D相机的毫米波雷达数据标注方法,其特征是,所述S2具体为:根据彩色图像上物体的若干像素点和深度图像对应的深度值,通过像素坐标系与相机坐标系转换公式得到图像中对应物体在相机坐标系下的空间坐标点的集合,即对应物体在相机坐标系下的点云数据集Pc,所述像素坐标系与相机坐标系转换公式为:
其中,(u,v,1)是彩色图像上物体的像素点在像素坐标系下的空间坐标,Zc是彩色图像上物体的像素点在深度图上对应的深度值,fx为相机焦距在x方向上的缩放比例,fy相机焦距在y方向上的缩放比例,cx为相机光轴在x方向上偏移量,cy为相机光轴在y方向上偏移量,(xc,yc,zc)为像素点在相机坐标系下的空间坐标。
4.根据权利要求2所述的一种基于RGB-D相机的毫米波雷达数据标注方法,其特征是,所述S4具体为:将RGB-D相机坐标系下的点云数据坐标集P_obj内的空间坐标点的集合通过毫米波雷达坐标系和RGB-D相机坐标系转换公式转化为毫米波雷达坐标系下的云数据坐标集P_obj_I,所述毫米波雷达坐标系和RGB-D相机坐标系转换公式为:
(xc,yc,zc)-T=(xr,yr,zr)
其中,T=(dx,0,0)为平移矩阵,dx为RGB-D相机的中心和毫米波雷达的中心之间的距离,(xc,yc,zc)为RGB-D相机中的像素点在相机坐标系下的空间坐标,(xr,yr,zr)为毫米波雷达中的与RGB-D相机中对应的像素点在雷达坐标系下的空间坐标。
5.根据权利要求1所述的一种基于RGB-D相机的毫米波雷达数据标注方法,其特征是,所述S5具体为:以点云数据坐标集P_obj_I为基础,逐个取点云数据坐标集P_obj_I中的空间坐标点,计算其与毫米波雷达采集输出点云数据集Pr中的空间坐标点的距离,找到距离最近的点完成标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210027372.8A CN114529610A (zh) | 2022-01-11 | 2022-01-11 | 一种基于rgb-d相机的毫米波雷达数据标注方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210027372.8A CN114529610A (zh) | 2022-01-11 | 2022-01-11 | 一种基于rgb-d相机的毫米波雷达数据标注方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114529610A true CN114529610A (zh) | 2022-05-24 |
Family
ID=81620581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210027372.8A Pending CN114529610A (zh) | 2022-01-11 | 2022-01-11 | 一种基于rgb-d相机的毫米波雷达数据标注方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529610A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587943A (zh) * | 2022-10-09 | 2023-01-10 | 中国科学院半导体研究所 | 点云数据的去噪方法、装置、电子设备及存储介质 |
CN115856829A (zh) * | 2023-02-06 | 2023-03-28 | 山东矩阵软件工程股份有限公司 | 一种雷达三维数据转换的图像数据识别方法及系统 |
CN116466307A (zh) * | 2023-03-22 | 2023-07-21 | 之江实验室 | 一种基于深度图的毫米波雷达点云仿真的方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135485A (zh) * | 2019-05-05 | 2019-08-16 | 浙江大学 | 单目相机与毫米波雷达融合的物体识别与定位方法和系统 |
CN110197148A (zh) * | 2019-05-23 | 2019-09-03 | 北京三快在线科技有限公司 | 目标物体的标注方法、装置、电子设备和存储介质 |
CN110929669A (zh) * | 2019-11-29 | 2020-03-27 | 北京百度网讯科技有限公司 | 数据标注方法及装置 |
US10650278B1 (en) * | 2017-07-21 | 2020-05-12 | Apple Inc. | Semantic labeling of point clouds using images |
WO2020102944A1 (zh) * | 2018-11-19 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
CN112991455A (zh) * | 2021-02-01 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN113160349A (zh) * | 2020-01-07 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 点云标注方法、装置、存储介质及电子设备 |
-
2022
- 2022-01-11 CN CN202210027372.8A patent/CN114529610A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10650278B1 (en) * | 2017-07-21 | 2020-05-12 | Apple Inc. | Semantic labeling of point clouds using images |
WO2020102944A1 (zh) * | 2018-11-19 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
CN110135485A (zh) * | 2019-05-05 | 2019-08-16 | 浙江大学 | 单目相机与毫米波雷达融合的物体识别与定位方法和系统 |
CN110197148A (zh) * | 2019-05-23 | 2019-09-03 | 北京三快在线科技有限公司 | 目标物体的标注方法、装置、电子设备和存储介质 |
CN110929669A (zh) * | 2019-11-29 | 2020-03-27 | 北京百度网讯科技有限公司 | 数据标注方法及装置 |
CN113160349A (zh) * | 2020-01-07 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 点云标注方法、装置、存储介质及电子设备 |
CN112991455A (zh) * | 2021-02-01 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
Non-Patent Citations (1)
Title |
---|
郑少武;李巍华;胡坚耀;: "基于激光点云与图像信息融合的交通环境车辆检测", 《仪器仪表学报》, no. 12, 15 December 2019 (2019-12-15) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587943A (zh) * | 2022-10-09 | 2023-01-10 | 中国科学院半导体研究所 | 点云数据的去噪方法、装置、电子设备及存储介质 |
CN115856829A (zh) * | 2023-02-06 | 2023-03-28 | 山东矩阵软件工程股份有限公司 | 一种雷达三维数据转换的图像数据识别方法及系统 |
CN116466307A (zh) * | 2023-03-22 | 2023-07-21 | 之江实验室 | 一种基于深度图的毫米波雷达点云仿真的方法和装置 |
CN116466307B (zh) * | 2023-03-22 | 2023-11-17 | 之江实验室 | 一种基于深度图的毫米波雷达点云仿真的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及系统 | |
CN114529610A (zh) | 一种基于rgb-d相机的毫米波雷达数据标注方法 | |
CN110363158B (zh) | 一种基于神经网络的毫米波雷达与视觉协同目标检测与识别方法 | |
CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
CN111462200A (zh) | 一种跨视频行人定位追踪方法、系统及设备 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN109685078B (zh) | 基于自动标注的红外图像识别方法 | |
CN112906694A (zh) | 变电站倾斜式指针式仪表图像的读数矫正系统及方法 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN108711172B (zh) | 基于细粒度分类的无人机识别与定位方法 | |
CN112907602A (zh) | 一种基于改进k-近邻算法的三维场景点云分割方法 | |
CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及系统 | |
CN112634368A (zh) | 场景目标的空间与或图模型生成方法、装置及电子设备 | |
CN111239684A (zh) | 一种基于YoloV3深度学习的双目快速距离测量方法 | |
CN108763575B (zh) | 基于像控点数据库的像控点自动选取方法 | |
CN116844147A (zh) | 一种基于深度学习的指针式仪表识别和异常警报方法 | |
CN116844068A (zh) | 建筑测绘方法、系统、计算机设备及存储介质 | |
CN114863129A (zh) | 仪表数值分析方法、装置、设备及存储介质 | |
Cipolla et al. | Image-based localization | |
CN113688819B (zh) | 一种基于标记点的目标物期望点跟踪匹配方法 | |
CN111598177A (zh) | 面向低重叠图像匹配的自适应最大滑动窗口匹配方法 | |
CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
Ma et al. | Semantic geometric fusion multi-object tracking and lidar odometry in dynamic environment | |
CN118089674B (zh) | 一种基于夜间影像的距离及方位测量系统 | |
CN110599456A (zh) | 一种医学图像的特定区域的提取方法 |
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 |