CN114972449A - 标注方法、装置和电子设备 - Google Patents
标注方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114972449A CN114972449A CN202210746390.1A CN202210746390A CN114972449A CN 114972449 A CN114972449 A CN 114972449A CN 202210746390 A CN202210746390 A CN 202210746390A CN 114972449 A CN114972449 A CN 114972449A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- frame
- cloud frame
- marking
- labeling
- 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 233
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000012937 correction Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 102220008982 rs187686559 Human genes 0.000 description 1
- 102220037846 rs34312177 Human genes 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开提出了一种标注方法、装置和电子设备,涉及计算机视觉等人工智能领域,其中,方法包括确定基准点云帧,并对基准点云帧中的标注对象进行标注,得到目标基准点云帧;从相邻的目标基准点云帧之间获取待标注点云帧;根据标注对象在目标基准点云帧中的基准标注信息,获取标注对象在待标注点云帧中的预测标注信息;根据预测标注信息,对待标注点云帧中的标注对象进行标注。本公开中,节约了人工成本,提高了连续点云帧的标注效率,缩短了标注周期,优化了连续点云帧的标注方法。
Description
技术领域
本公开涉及图像标注领域,尤其涉及计算机视觉等人工智能领域。
背景技术
随着技术的发展,点云数据在人们日常的工作和生活中占据着愈加重要的位置,为了实现对点云数据高效应用,点云数据中存在的物体存在被标注的需求。相关技术中,可以通过人工处理的方式逐帧地对点云数据中的相关物体进行标注,耗时长、效率低,且人力消耗成本高,标注周期长。
因此,如何降低点云数据标注过程中的人工成本,提高标注效率是目前需要解决的问题。
发明内容
本公开提出了一种标注方法、装置及电子设备。
根据本公开的第一方面,提出了一种标注方法,包括:确定基准点云帧,并对所述基准点云帧中的标注对象进行标注,得到目标基准点云帧;从相邻的所述目标基准点云帧之间获取待标注点云帧;根据所述标注对象在所述目标基准点云帧中的基准标注信息,获取所述标注对象在所述待标注点云帧中的预测标注信息;根据所述预测标注信息,对所述待标注点云帧中的所述标注对象进行标注。
根据本公开的第二方面,提出了一种标注装置,包括:确定模块,用于确定基准点云帧,并对所述基准点云帧中的标注对象进行标注,得到目标基准点云帧;获取模块,用于从相邻的所述目标基准点云帧之间获取待标注点云帧;预测模块,用于根据所述标注对象在所述目标基准点云帧中的基准标注信息,获取所述标注对象在所述待标注点云帧中的预测标注信息;标注模块,用于根据所述预测标注信息,对所述待标注点云帧中的所述标注对象进行标注。
根据本公开的第三方面,提出了一种电子设备,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上述第一方面所述的标注方法。
根据本公开的第四方面,提出了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上述第一方面所述的标注方法。
根据本公开的第五方面,提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述第一方面所述的标注方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1为本公开一实施例的标注方法的流程示意图;
图2为本公开另一实施例的标注方法的流程示意图;
图3为本公开另一实施例的标注方法的流程示意图;
图4为本公开一实施例的获取基准点云帧的示意图;
图5为本公开另一实施例的标注方法的流程示意图;
图6为本公开另一实施例的标注方法的流程示意图;
图7为本公开一实施例的标注装置的结构示意图;
图8为本公开一实施例的电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
计算机视觉(Computer Vision),是使用计算机及相关设备对生物视觉的一种模拟,是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
人工智能(Artificial Intelligence,简称AI),是研究使计算机来模拟人类的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术,也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图技术等几大方面。
图1为本公开一实施例的标注方法的流程示意图,如图1所示,该方法包括:
S101,确定基准点云帧,并对基准点云帧中的标注对象进行标注,得到目标基准点云帧。
实现中,可以设定实体的的点云数据进行采集,因此,在采集到的连续点云帧中存在设定实体对应的三维图像,其中,可以将设定实体在连续点云帧中对应的三维图像作为设定目标并对其进行标注。
可选地,可以将需要进行标注的设定目标确定为连续点云帧中的标注对象。
本公开实施例中,可以对待标注的连续点云帧进行批次划分,将连续点云帧划分生成至少一个未标注的点云帧组,并分批次的对点云帧组进行标注,从而实现对全部的待标注的连续点云帧中的标注对象进行标注。
可选地,基于设定的规则对待标注的连续点云帧进行划分,并将首次从连续点云帧中采样得到的未标注的点云帧,确定为连续点云帧中的基准点云帧。
其中,可以基于时序对连续点云帧中的全部点云帧进行排序,并根据设定的规则从排序后的连续点云帧中,选择部分不连续的点云帧作为进行预先标注的基准点云帧。
进一步地,可以对采样得到的基准点云帧中的标注对象进行标注,其中,可以根据设定顺序逐帧地对基准点云帧进行加载,并对其中的标注对象进行标注。
需要说明的是,在进行基准点云帧的标注过程中,可以根据前一帧已标注完成的基准点云帧,对当前正在标注的基准点云帧进行标注。可选地,可以将前一帧已标注完成的基准点云帧中的已标注信息,加载至当前正在标注的基准点云帧上,根据该部分加载的信息,对当前正在标注的基准点云帧进行相关的标注操作。
进一步地,对全部的待标注的基准点云帧中的标注对象进行标注,以得到标注完成的目标基准点云帧。
S102,从相邻的目标基准点云帧之间获取待标注点云帧。
本公开实施例中,基准点云帧为待标注的连续点云帧中的部分不连续的点云帧,因此,已标注的相邻目标基准点云帧之间存在至少一个未标注的点云帧。
进一步地,可以从相邻的两个目标基准点云帧之间,获取其中一个未标注的点云帧,作为当前需要进行标注操作的待标注点云帧。
比如,设定已标注的目标基准点云帧包括目标基准点云帧A、目标基准点云帧B、目标基准点云帧C,其中,设定目标基准点云帧A、目标基准点云帧B为相邻的目标基准点云帧,目标基准点云帧B、目标基准点云帧C为相邻的目标基准点云帧。
则可以从目标基准点云帧A和目标基准点云帧B之间的未标注的点云帧中选择一个点云帧,作为当前需要进行标注的待标注点云帧。
或者,可以从目标基准点云帧B和目标基准点云帧C之间的未标注的点云帧中选择一个点云帧,作为当前需要进行标注的待标注点云帧。
需要说明的是,待标注点云帧可以从相邻的两个目标基准点云帧之间的未标注的点云帧中随机选择,也可以基于设定的顺序从相邻的两个目标基准点云帧之间的未标注的点云帧中按序进行选择,此处不做限定。
S103,根据标注对象在目标基准点云帧中的基准标注信息,获取标注对象在待标注点云帧中的预测标注信息。
实现中,存在可能连续的点云帧中均存在相同的设定实体对应的标注对象,该场景下,连续点云帧中处于相邻关系的点云帧,其上标注对象对应的标注信息存在一定程度的关联。
因此,可以通过标注对象在相邻的目标基准点云帧上的相关标注信息,获取标注对象在待标注点云帧中的相关标注信息。
其中,可以将标注对象在已标注的目标基准点云帧中的相关标注信息标识为基准标注信息,将标注对象在待标注点云帧中的相关标注信息标识为预测标注信息。
进一步地,可以分别获取标注对象在相邻的目标基准点云帧中的基准标准信息,并基于设定算法对基准标准信息中的相关参数进行计算,从计算结果中获取标注对象在待标注点云帧上的预测标注信息。
S104,根据预测标注信息,对待标注点云帧中的标注对象进行标注。
本公开实施例中,在标注对象的标注过程中,可以通过存在设定的覆盖区域的标注框对标注对象进行框定,其中,标注框存在设定的外观形状限定。
比如,可以通过球形的标注框对点云帧的标注对象进行框定,也可以通过多面体的标注框对点云帧中的标注对象进行框定,此处不做限定。
可选地,可以根据预测标注信息,确定标注对象在待标注点云帧中的对应位置的相关信息,以及用于框定标注对象的标注框对应的覆盖区域的相关信息,进而在待标注点云帧中对标注对象的进行标注。
本公开提出的标注方法,从待标注的连续点云帧中确定基准点云帧,并对基准点云帧进行标注,获取已标注的目标基准点云帧。从相邻的目标基准点云帧之间的未标注点云帧中获取当前需要进行标注的待标注点云帧,根据标注对象在目标基准点云帧中的基准标注信息,对标注对象在待标注点云帧中的预测标注信息进行预测,进一步地,根据预测得到的预测标注信息对待标注点云帧中的标注对象进行标注。本公开中,通过标注对象在相邻的目标基准点云帧中的基准标注信息,预测得到标注对象在待标注点云帧中的预测标注信息,节约了人工成本,提高了连续点云帧的标注效率,缩短了标注周期,优化了连续点云帧的标注方法。
上述实施例中,关于预测标注信息的获取以及待标注点云帧的标注,可结合图2进一步理解,图2为本公开另一实施例的标注方法的流程示意图,如图2所示,该方法包括:
S201,从基准标注信息中,获取标注对象在目标基准点云帧中的中心点位置,以及目标基准点云帧中的用于对标注对象进行标注的第一标注框的顶点位置。
本公开实施例中,已标注的目标基准点云帧中的标注对象存在对应的标注框,通过标注框对标注对象框定,从而实现基准点云帧中的标注对象的标注。
其中,可以将标注对象在已标注的目标基准点云帧中对应的标注框确定为第一标注框。
实现中,标注对象以及其对应的第一标注框在已标注的目标基准点云帧中,分别存在对应的位置信息,其中,可以通过标注对象的中心点所在的位置,确定标注对象在目标基准点云帧中的对应位置。相应地,可以通过组成第一标注框的顶点所在的位置,确定第一标注框在目标基准点云帧中的对应位置。
其中,可以将标注对象的中心点在目标基准点云帧中的对应位置标识为中心点位置,将第一标注框的顶点在目标基准点云帧中的对应位置标识为顶点位置。
本公开实施例中,已标注的目标基准点云帧中存在对应的基准标注信息,其中,可以将已标注的目标基准点云帧对应的基准标注信息存储于设定位置。
在一些实现中,基准标注信息与目标基准点云帧之间的存在设定的关联关系,可以通过二者之间的关联关系对基准标注信息进行读取,从而得到基准标注信息中包括的标注对象在目标基准点云帧中的中心点位置,以及第一标注框在目标基准点云帧中的顶点位置的相关信息。
在另一些实现中,可以将基准标注信息中的中心点位置以及顶点位置的相关信息标记在目标基准点云帧中的对应位置,可以理解为,将中心点位置的对应信息标记于标注对象对应的设定位置,同时,将顶点位置的相关信息标记于第一标注框的顶点对应的设定位置,通过对相关设定位置上标记的信息的读取,得到标注对象在目标基准点云帧中的中心点位置,以及第一标注框在目标基准点云帧中的顶点位置的相关信息需要说明的是,标注对象在目标基准点云帧中的中心点位置,以及第一标注框在目标基准点云帧中的顶点位置,可以是标注对象以及第一标注框在目标基准点云帧中的设定坐标系中下的对应位置,也可以是标注对象以及第一标注框分别基于目标基准点云帧对应的点云数据采集设备所在位置对应的相对位置,此处不做限定。
S202,根据中心点位置和顶点位置,获取待标注点云帧中的预测标注信息。
本公开实施例中,待标注点云帧对应的时间戳位于相邻的目标基准点云帧对应的两个时间戳之间,因此,相邻的目标基准点云帧上的标注对象对应的基准标注信息,与待标注点云帧上的标注对象的相关标注信息之间存在设定的关联。
因此,可以根据标注对象在目标基准点云帧中的中心点位置的相关信息,对标注对象在待标注点云帧中的中心点位置的相关信息进行预测。
可选地,可以基于设定的算法对标注对象在目标基准点云帧中的中心点位置的相关信息进行计算,根据计算结果获取标注对象在待标注点云帧中的中心点位置,并将其确定为标注对象在待标注点云帧中的预测中心点位置。
相应地,可以根据目标基准点云帧中对标注对象进行标注的第一标注框在目标基准点云帧中的顶点位置的相关信息,对待标注点云帧中对标注对象进行标注的对应标注框的顶点位置的相关信息进行预测。
其中,可以将待标注点云帧中对标注对象进行标注的对应标注框,标识为第二标注框。
可选地,可以基于设定的算法对第一标注框在目标基准点云帧中的顶点位置的相关信息进行计算,根据计算结果获取第二标注框在待标注点云帧中的顶点位置,并将其确定为标注对象在待标注点云帧中的预测顶点位置。
进一步地,可以根据相邻的目标基准点云帧对应的时间戳信息,以及标注对象对应的中心点位置、第一标注框对应的顶点位置,对待标注点云帧中的相关信息进行预测。
其中,可以获取目标基准点云帧和待标注点云帧各自的时间戳。
作为一种可能地实现方式,在目标基准点云帧以及待标注点云帧存在对应的点云数据采集时间,可以将对应的点云数据采集时间确定为目标基准点云帧以及待标注点云帧各自的时间戳。
进一步地,可以对目标基准点云帧以及待标注点云帧各自对应的属性参数列表进行读取查询,根据属性参数列表中记录的相关信息中,获取目标基准点云帧以及待标注点云帧各自的时间戳。
作为另一种可能地实现方式,可以将连续点云帧中的起始点云帧对应的时间戳设定为起始时间戳,并获取位于起始点云帧的后一帧点云帧对应的时间跨度,将其与起始时间戳进行加和,作为起始点云帧的后一帧点云帧对应的时间戳。
进一步地,可以将目标基准点云帧的前一帧点云帧对应的时间戳与目标基准点云帧对应的时间跨度进行加和,并将加和得到的结果作为目标基准点云帧对应的时间戳。
相应地,可以将待标注点云帧的前一帧点云帧对应的时间戳与待标注点云帧对应的时间跨度进行加和,并将加和得到的结果作为待标注点云帧对应的时间戳。
如图3所示,设定目标基准点云帧为点云帧6和点云帧11,待标注点云帧为点云帧8。
作为一种可能地实现方式,可以将点云帧6、点云帧11和点云帧8对应的点云数据采集时间,作为各自对应的时间戳。
作为另一种可能地实现方式,设定图3所示的连续点云帧中作为起始点云帧的点云帧1的起始时间戳为T1,图3中的每个点云帧对应的时间跨度均为t。
则如图3所示,作为目标基准点云帧的点云帧6的前一帧点云帧5的时间戳为T5=T1+4t,由此可知,作为目标基准点云帧的点云帧6对应的时间戳为T6=T1+5t。相应地,作为目标基准点云帧的点云帧11的前一帧点云帧10的时间戳为T10=T1+9t,由此可知,作为目标基准点云帧的点云帧11对应的时间戳为T11=T1+10t。
相应地,作为待标注点云帧的点云帧8的前一帧点云帧7的时间戳为T7=T1+6t,由此可知,作为待标注点云帧的点云帧8对应的时间戳为T8=T1+7t。
进一步地,根据时间戳、中心点位置和顶点位置,获取待标注点云帧中的预测标注信息。
可选地,可以根据时间戳和中心点位置,获取标注对象在待标注点云帧中的预测中心点位置。
可以理解为,可以根据获取到的相邻的目标基准点云帧各自对应的时间戳信息,以及待标注点云帧的时间戳信息,通过标注对象在相邻的目标基准点云帧中的中心点位置,预测标注对象在待标注点云帧中的对应中心点位置,并将其确定为标注对象在待标注点云帧中的预测中心点位置。
比如,设定目标基准点云帧A的时间戳为T1,目标基准点云帧B的时间戳为T2,目标基准点云帧A与目标基准点云帧B为相邻的目标基准点云帧。目标基准点云帧A和目标基准点云帧B之间的待标注点云帧C的时间戳为T3。
其中,标注对象在目标基准点云帧A中的中心点位置为P1,在目标基准点云帧B中的中心点位置为P12,则待标注点云帧C中的标注对象对应的预测中心位置P13可通过如下公式获取:
可选地,根据时间戳和顶点位置,获取标注对象在待标注点云帧中的第二标注框对应的预测顶点位置。
本公开实施例中,标注对象在待标注点云帧中存在对应的标注框,可以标识为第二标注框。根据目标对象在相邻的目标基准点云帧中的第一标注框的顶点位置的相关信息,可以对第二标注框在待标注点云帧中的顶点位置的相关信息进行预测。
可以理解为,可以根据获取到的相邻的目标基准点云帧各自对应的时间戳信息,以及待标注点云帧的时间戳信息,通过第一标注框在相邻的目标基准点云帧中的顶点位置,预测第二标注框在待标注点云帧中的对应顶点位置,并将其确定为第二标注框在待标注点云帧中的预测顶点位置。
比如,在上述示例的基础上,依然设定目标基准点云帧A的时间戳为T1,目标基准点云帧B的时间戳为T2,目标基准点云帧A与目标基准点云帧B为相邻的目标基准点云帧。目标基准点云帧A和目标基准点云帧B之间的待标注点云帧C的时间戳为T3。
其中,标注对象在目标基准点云帧A中的顶点位置为P21,在目标基准点云帧B中的中心点位置为P22,则待标注点云帧C中的标注对象对应的预测中心位置P23可通过如下公式获取:
需要说明的是,第一标注框可以存在多个顶点,因此,可以根据第一标注框在目标基准点云帧中全部的顶点位置,获取第二标注框在待标注点云帧中的全部预测顶点位置。
进一步地,将预测中心点位置和预测顶点位置,作为待标注点云帧中的预测标注信息。
实现中,可以将预测中心点位置作为第二标注框的中心点在待标注点云帧中的对应标注位置,相应地,可以将预测顶点位置作为第二标注框在待标注点云帧中的对应标注位置。
可以理解为,根据预测得到的中心点在待标注点云帧中的对应标注位置,以及测得到的顶点在待标注点云帧中的对应标注位置,可以确定第二标注框在待标注点云帧中的标注位置,以及第二标注框在待标注点云帧中覆盖的区域范围。
因此,可以将预测中心点位置和预测顶点位置,作为标注对象在待标注点云帧中的预测标注信息。
需要说明的是,标注对象在待标注点云帧中的预测中心点位置,以及第二标注框在待标注点云帧中的预测顶点位置,可以是标注对象以及第二标注框在待标注点云帧中的设定坐标系下的对应位置,也可以是标注对象以及第二标注框分别基于待标注点云帧对应的点云数据采集设备所在位置对应的相对位置,此处不做限定。
S203,根据预测标注信息,对待标注点云帧中的标注对象进行标注。
本公开实施例中,由于预测中心点位置可以作为第二标注框的中心点在待标注点云帧中的对应标注位置,同时,预测顶点位置可以作为第二标注框在待标注点云帧中的对应标注位置,因此,可以根据预测标注信息确定用于对标注对象进行标注的第二标注框的标注位置。
可选地,可以从设定位置获取待标注点云帧上的预测标注信息,并从预测标注信息中分别获取标注对象的预测中心点位置,以及第二标注框的预测顶点位置。
其中,可以将预测标注信息中的预测中心点位置作为第二标注框的中心点放置位置,将预测标注信息中的预测顶点位置作为第二标注框的顶点放置位置。
进一步地,根据第二标注框的中心点放置位置和顶点放置位置,确定第二标注框的标注位置。
本公开实施例中,可以根据预测中心点位置确定标注对象的所在位置,进而确定用于对标注对象进行标注的第二标注框的中心点放置位置,相应地,根据预测顶点位置确定第二标注框在待标注点云帧中的覆盖区域范围,从而确定第二标注框在待标注点云帧中的标注位置。
进一步地,在标注位置处标注第二标注框,其中,第二标注框中包括待标注点云帧中的标注对象。
可以理解为,根据获取到的第二标注框在待标注点云帧中的标注位置设置对应的第二标注框,从而将待标注点云帧中的标注对象框定于第二标注框内,从而完成对标注对象的标注操作。
本公开提出的标注方法,从标注对象在目标基准点云帧中的基准标注信息中,获取标注对象在目标基准点云帧中的中心点位置,以及目标基准点云帧中用于对标注对象进行标注的第一标注框的顶点位置。根据获取到的中心点位置和顶点位置,获取待标注点云帧中的标注对象的预测中心点位置,以及待标注点云帧中用于对标注对象进行标注的第二标注框的预测顶点位置。进一步地,根据预测中心点位置和预测顶点位置,确定待标注点云帧中第二标注框的标注位置,并根据该标注位置标注第二标注框,以实现对待标注点云帧中的标注对象的标注。本公开中,通过标注对象的基准标注信息,确定标注对象在目标基准点云帧中的中心点位置和对应的第一标注框的顶点位置,从而预测得到标注对象在待标注点云帧中的预测中心点位置以及对应的第二标注框的预测顶点位置,提高了第二标注框在待标注点云帧中的标注位置的确定精度以及准确率,节约了人工成本,提高了连续点云帧的标注效率,缩短了标注周期,优化了连续点云帧的标注方法。
上述实施例中,关于基准点云帧,可结合图4进一步理解,图4为本公开另一实施例的标注方法的流程示意图,如图4所示,该方法包括:
S401,获取待标注的第一连续点云帧。
实现中,连续点云帧对应的相关数据可以存储于设定服务器中,通过对服务器中的相关存储位置的读取,可以获取所需的连续点云帧的相关数据。
可选地,可以为连续点云帧设定对应的标注标识,根据标识信息可以判断获取到的连续点云帧是否为待标注的连续点云帧,并将获取到的当前需要进行标注操作的连续的点云帧,确定为待标注的第一连续点云帧。
如图3所示,设定获取到的图3所示的点云帧1、点云帧2、……、点云帧15、点云帧16,为一组待标注的连续点云帧,则可以将图3中所示的16个点云帧组成的连续点云帧标识为待标注的第一连续点云帧。
S402,基于设定的时间间隔从第一连续点云帧中均匀采样,获取基准点云帧。
本公开实施例中,第一连续点云帧中,点云帧与点云帧之间存在时间维度上的设定顺序,因此,可以根据设定的时间间隔从第一连续点云帧中进行均匀地采样,进而确定第一连续点云帧中进行预先标注的基准点云帧。
可选地,可以基于设定的时间间隔对第一连续点云帧对应的完整时间段进行划分,得到划分后的至少一个时间片段。
实现中,第一连续点云帧进行时间维度上的划分后得到的多个时间片段之间,存在设定的时间顺序,因此,可以基于设定的时间顺序对时间片段进行排序,并按序将每个时间片段的终止时间戳对应的点云帧,确定为第一连续点云帧中的基准点云帧。
其中,基准点云帧包括第一连续点云帧的起始点云帧和终止点云帧。
如图3所示,根据设定时间间隔将该组连续的点云帧1、点云帧2、……、点云帧15、点云帧16对应的完整时间段进行划分,得到三个时间片段,其中,第一个时间片段的终止时间戳对应的点云帧为点云帧6、第二个时间片段的终止时间戳对应的点云帧为点云帧11、第三个时间片段的终止时间戳对应的点云帧为点云帧16。
则可以确定,图3所示的第一连续点云帧中的基准点云帧包括,点云帧1、点云帧6、点云帧11以及点云帧16。
需要说明的是,在基于设定的时间间隔对第一连续点云帧对应的完整时间段进行划分时,得到的时间片段的终止时间戳在第一连续点云帧中的对应位置存在可能落于点云帧与点云帧之间。
比如,设定对第一连续点云帧对应的完整时间段划分后,得到的时间片段的终止时间戳,在第一连续点云帧中的对应位置落于点云帧D和点云帧F之间,其中,点云帧D对应的时间戳为5s,点云帧F对应的时间戳为6s。
设定终止时间戳为5.4s,则在该场景下,终止时间戳在点云帧D和点云帧F之间的对应位置偏向于点云帧D,则可以将点云帧D设定为第一连续点云帧中的基准点云帧。
设定终止时间戳为5.7s,则在该场景下,终止时间戳在点云帧D和点云帧F之间的对应位置偏向于点云帧F,则可以将点云帧F设定为第一连续点云帧中的基准点云帧。
本公开提出的标注方法,对待标注的第一连续点云帧,基于设定的时间间隔进行采样,并将采样得到的点云帧作为第一连续点云帧中的基准点云帧。本公开中,通过对第一连续点云帧进行均匀采样获取基准点云帧,优化了基准点云帧的确定方法,使得基准点云帧可以实现对第一连续点云帧的均匀覆盖,从而提高了后续根据已标注的目标基准点云帧获取待标注点云帧的预测标注信息的准确率。
进一步地,对于标注后的连续点云帧,还可以存在标注纠偏的相关操作,可结合图5进一步理解,图5为本公开另一实施例的标注方法的流程示意图,如图5所示,该方法包括:
S501,对全部的待标注点云帧进行标注,以获取标注后的第二连续点云帧。
本公开实施例中,可以从相邻的目标基准点云帧中确定当前需要进行标注的待标注点云帧,并在当前的待标注点云帧标注结束后,基于设定的规则继续获取下一帧待标注点云帧并对其进行标注,直至第一连续点云帧中的全部的非基准点云帧标注结束。
进一步地,可以将根据预测标注信息标注后的第一连续点云帧,标识为标注后的第二连续点云帧。
可选地,在获取待标注点云帧的预测标注信息的过程中,存在可能出现预测误差,因此,需要对第二连续点云帧进行标注纠偏。
S502,对第二连续点云帧进行标注纠偏,并将纠偏后的第二连续点云帧作为第一连续点云帧标注后的目标连续点云帧。
本公开实施例中,可以基于设定的标注纠偏算法对待纠偏的第二连续点云帧中的标注信息进行分析,还可以基于设定的标注纠偏工具对待纠偏的第二连续点云帧进行分析。
根据分析处理的结果,可以从第二连续点云帧中获取存在标注误差的点云帧,并根据对应的标注信息进行标注纠偏。
进一步地,当获取到的全部的存在标注误差的点云帧纠偏完成后,可以将完成标注纠偏后的第二连续点云帧,确定为第一连续点云帧最终标注完成的目标连续点云帧。
本公开提出的标注方法,对全部的待标注点云帧标注结束后,获取第一连续点云帧标注后的第二连续点云帧。进一步地,对第二连续点云帧进行标注纠偏,并将纠偏后的第二连续点云帧作为第一连续点云帧最终标注完成后的目标连续点云帧。本公开中,通过对标注后的第二连续点云帧的标注纠偏,避免了对点云帧的误差标注的异常情况的出现,从而有效提高了待标注连续点云帧的标注准确率。
为更好地理解上述实施例,可结合图6进一步理解,图6为本公开另一实施例的标注方法的流程示意图,如图6所示,该方法包括:
本公开实施例中,对待标注的第一连续点云帧基于设定的时间间隔进行采样得到第一连续点云帧中的基准点云帧。对基准点云帧进行标注获取已标注的目标基准点云帧。从相邻的目标基准点云帧之间的未标注点云帧中获取当前需要进行标注的待标注点云帧。进一步地,根据标注对象在目标基准点云帧中的基准标注信息获取待标注点云帧中对标注对象进行标注的预测标注信息,并根据预测标注信息对待标注点云帧中的标注对象的标注。对全部的待标注点云帧标注结束后,获取第一连续点云帧标注后的第二连续点云帧并对第二连续点云帧进行标注纠偏。进一步地,将纠偏后的第二连续点云帧作为第一连续点云帧最终标注完成后的目标连续点云帧。
本公开提出的标注方法,通过标注对象在相邻的目标基准点云帧中的基准标注信息,预测得到标注对象在待标注点云帧中的预测标注信息,节约了人工成本,通过对标注后的连续点云帧的标注纠偏,避免了对点云帧的误差标注的异常情况的出现,从而有效提高了连续点云帧的标注准确率,缩短了标注周期,优化了连续点云帧的标注方法。
与上述几种实施例提出的标注方法相对应,本公开的一个实施例还提出了一种标注装置,由于本公开实施例提出的标注装置与上述几种实施例提出的标注方法相对应,因此上述标注方法的实施方式也适用于本公开实施例提出的标注装置,在下述实施例中不再详细描述。
图7为本公开一实施例的标注装置的结构示意图,如图7所示,标注装置700,包括确定模块71、获取模块72、预测模块73、标注模块74,其中:
确定模块71,用于确定基准点云帧,并对基准点云帧中的标注对象进行标注,得到目标基准点云帧;
获取模块72,用于从相邻的目标基准点云帧之间获取待标注点云帧;
预测模块73,用于根据标注对象在目标基准点云帧中的基准标注信息,获取标注对象在待标注点云帧中的预测标注信息;
标注模块74,用于根据预测标注信息,对待标注点云帧中的标注对象进行标注。
本公开实施例中,预测模块73,还用于:从基准标注信息中,获取标注对象在目标基准点云帧中的中心点位置,以及目标基准点云帧中的用于对标注对象进行标注的第一标注框的顶点位置;根据中心点位置和顶点位置,获取待标注点云帧中的预测标注信息。
本公开实施例中,预测模块73,还用于:获取目标基准点云帧和待标注点云帧各自的时间戳;根据时间戳、中心点位置和顶点位置,获取待标注点云帧中的预测标注信息。
本公开实施例中,预测模块73,还用于:根据时间戳和中心点位置,获取标注对象在待标注点云帧中的预测中心点位置;根据时间戳和顶点位置,获取标注对象在待标注点云帧中的第二标注框对应的预测顶点位置;将预测中心点位置和预测顶点位置,作为待标注点云帧中的预测标注信息。
本公开实施例中,标注模块74,还用于:根据预测标注信息确定用于对标注对象进行标注的第二标注框的标注位置;在标注位置处标注第二标注框,其中,第二标注框中包括待标注点云帧中的标注对象。
本公开实施例中,标注模块74,还用于:将预测标注信息中的预测中心点位置作为第二标注框的中心点放置位置,将预测标注信息中的预测顶点位置作为第二标注框的顶点放置位置;根据第二标注框的中心点放置位置和顶点放置位置,确定第二标注框的标注位置。
本公开实施例中,确定模块71,还用于:获取待标注的第一连续点云帧;基于设定的时间间隔从第一连续点云帧中均匀采样,获取基准点云帧。
本公开实施例中,标注模块74,还用于:对全部的待标注点云帧进行标注,以获取标注后的第二连续点云帧;对第二连续点云帧进行标注纠偏,并将纠偏后的第二连续点云帧作为第一连续点云帧标注后的目标连续点云帧。
本公开提出的标注装置,从待标注的连续点云帧中确定基准点云帧,并对基准点云帧进行标注,获取已标注的目标基准点云帧。从相邻的目标基准点云帧之间的未标注点云帧中获取当前需要进行标注的待标注点云帧,根据标注对象在目标基准点云帧中的基准标注信息,对标注对象在待标注点云帧中的预测标注信息进行预测,进一步地,根据预测得到的预测标注信息对待标注点云帧中的标注对象进行标注。对全部的待标注点云帧标注结束后,获取第一连续点云帧标注后的第二连续点云帧。进一步地,对第二连续点云帧进行标注纠偏,并将纠偏后的第二连续点云帧作为第一连续点云帧最终标注完成后的目标连续点云帧。本公开中,通过标注对象在相邻的目标基准点云帧中的基准标注信息,预测得到标注对象在待标注点云帧中的预测标注信息,通过对标注信息的预测替代了人工操作,节约了人工成本,通过对标注后的连续点云帧的标注纠偏,避免了对点云帧的误差标注的异常情况的出现,从而有效提高了待标注连续点云帧的标注准确率,缩短了标注周期,优化了连续点云帧的标注方法。
根据本公开的实施例,本公开还提出了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800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/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元806,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理,例如标注方法。例如,在一些实施例中,标注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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的标注方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行标注方法。
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。
用于实施本公开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出给通用计算机、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。
在本公开的上下文中,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。
为了提出与用户的交互,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出给计算机。其它种类的装置还可以用于提出与用户的交互;例如,提出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)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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种标注方法,其中,所述方法包括:
确定基准点云帧,并对所述基准点云帧中的标注对象进行标注,得到目标基准点云帧;
从相邻的所述目标基准点云帧之间获取待标注点云帧;
根据所述标注对象在所述目标基准点云帧中的基准标注信息,获取所述标注对象在所述待标注点云帧中的预测标注信息;
根据所述预测标注信息,对所述待标注点云帧中的所述标注对象进行标注。
2.根据权利要求1所述的方法,其中,所述根据标注对象在所述目标基准点云帧中对应的基准标注信息,获取所述标注对象在所述待标注点云帧中的预测标注信息,包括:
从所述基准标注信息中,获取所述标注对象在所述目标基准点云帧中的中心点位置,以及所述目标基准点云帧中的用于对所述标注对象进行标注的第一标注框的顶点位置;
根据所述中心点位置和所述顶点位置,获取所述待标注点云帧中的所述预测标注信息。
3.根据权利要求2所述的方法,其中,所述根据所述中心点位置和所述顶点位置,获取所述待标注点云帧中的所述预测标注信息,包括:
获取所述目标基准点云帧和所述待标注点云帧各自的时间戳;
根据所述时间戳、所述中心点位置和所述顶点位置,获取所述待标注点云帧中的所述预测标注信息。
4.根据权利要求3所述的方法,其中,所述根据所述时间戳、所述中心点位置和所述顶点位置,获取所述待标注点云帧中的所述预测标注信息,包括:
根据所述时间戳和所述中心点位置,获取所述标注对象在所述待标注点云帧中的预测中心点位置;
根据所述时间戳和所述顶点位置,获取所述标注对象在所述待标注点云帧中的第二标注框对应的预测顶点位置;
将所述预测中心点位置和所述预测顶点位置,作为所述待标注点云帧中的所述预测标注信息。
5.根据权利要求4所述的方法,其中,所述根据所述预测标注信息,对所述待标注点云帧中的所述标注对象进行标注,包括:
根据所述预测标注信息确定用于对所述标注对象进行标注的第二标注框的标注位置;
在所述标注位置处标注所述第二标注框,其中,所述第二标注框中包括所述待标注点云帧中的所述标注对象。
6.根据权利要求5所述的方法,其中,所述根据所述预测标注信息确定第二标注框的标注位置,包括:
将所述预测标注信息中的预测中心点位置作为所述第二标注框的中心点放置位置,将所述预测标注信息中的预测顶点位置作为所述第二标注框的顶点放置位置;
根据所述第二标注框的所述中心点放置位置和所述顶点放置位置,确定所述第二标注框的所述标注位置。
7.根据权利要求1所述的方法,其中,所述确定基准点云帧,包括:
获取待标注的第一连续点云帧;
基于设定的时间间隔从所述第一连续点云帧中均匀采样,获取所述基准点云帧。
8.根据权利要求1-7任一项所述的方法,其中,所述根据所述预测标注信息,对所述待标注点云帧中的所述标注对象进行标注之后,还包括:
对全部的待标注点云帧进行标注,以获取标注后的第二连续点云帧;
对所述第二连续点云帧进行标注纠偏,并将纠偏后的第二连续点云帧作为所述第一连续点云帧标注后的目标连续点云帧。
9.一种标注装置,其中,所述装置包括:
确定模块,用于确定基准点云帧,并对所述基准点云帧中的标注对象进行标注,得到目标基准点云帧;
获取模块,用于从相邻的所述目标基准点云帧之间获取待标注点云帧;
预测模块,用于根据所述标注对象在所述目标基准点云帧中的基准标注信息,获取所述标注对象在所述待标注点云帧中的预测标注信息;
标注模块,用于根据所述预测标注信息,对所述待标注点云帧中的所述标注对象进行标注。
10.根据权利要求9所述的装置,其中,所述预测模块,还用于:
从所述基准标注信息中,获取所述标注对象在所述目标基准点云帧中的中心点位置,以及所述目标基准点云帧中的用于对所述标注对象进行标注的第一标注框的顶点位置;
根据所述中心点位置和所述顶点位置,获取所述待标注点云帧中的所述预测标注信息。
11.根据权利要求10所述的装置,其中,所述预测模块,还用于:
获取所述目标基准点云帧和所述待标注点云帧各自的时间戳;
根据所述时间戳、所述中心点位置和所述顶点位置,获取所述待标注点云帧中的所述预测标注信息。
12.根据权利要求11所述的装置,其中,所述预测模块,还用于:
根据所述时间戳和所述中心点位置,获取所述标注对象在所述待标注点云帧中的预测中心点位置;
根据所述时间戳和所述顶点位置,获取所述标注对象在所述待标注点云帧中的第二标注框对应的预测顶点位置;
将所述预测中心点位置和所述预测顶点位置,作为所述待标注点云帧中的所述预测标注信息。
13.根据权利要求12所述的装置,其中,所述标注模块,还用于:
根据所述预测标注信息确定用于对所述标注对象进行标注的第二标注框的标注位置;
在所述标注位置处标注所述第二标注框,其中,所述第二标注框中包括所述待标注点云帧中的所述标注对象。
14.根据权利要求13所述的装置,其中,所述标注模块,还用于:
将所述预测标注信息中的预测中心点位置作为所述第二标注框的中心点放置位置,将所述预测标注信息中的预测顶点位置作为所述第二标注框的顶点放置位置;
根据所述第二标注框的所述中心点放置位置和所述顶点放置位置,确定所述第二标注框的所述标注位置。
15.根据权利要求9所述的装置,其中,所述确定模块,还用于:
获取待标注的第一连续点云帧;
基于设定的时间间隔从所述第一连续点云帧中均匀采样,获取所述基准点云帧。
16.根据权利要求9-15任一项所述的装置,其中,所述标注模块,还用于:
对全部的待标注点云帧进行标注,以获取标注后的第二连续点云帧;
对所述第二连续点云帧进行标注纠偏,并将纠偏后的第二连续点云帧作为所述第一连续点云帧标注后的目标连续点云帧。
17.一种电子设备,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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210746390.1A CN114972449A (zh) | 2022-06-28 | 2022-06-28 | 标注方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210746390.1A CN114972449A (zh) | 2022-06-28 | 2022-06-28 | 标注方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114972449A true CN114972449A (zh) | 2022-08-30 |
Family
ID=82965399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210746390.1A Pending CN114972449A (zh) | 2022-06-28 | 2022-06-28 | 标注方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972449A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761577A (zh) * | 2022-11-02 | 2023-03-07 | 浙江大华技术股份有限公司 | 标注方法、装置以及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084895A (zh) * | 2019-04-30 | 2019-08-02 | 上海禾赛光电科技有限公司 | 对点云数据进行标注的方法和设备 |
CN112329749A (zh) * | 2021-01-05 | 2021-02-05 | 新石器慧通(北京)科技有限公司 | 点云的标注方法及标注设备 |
CN112669373A (zh) * | 2020-12-24 | 2021-04-16 | 北京亮道智能汽车技术有限公司 | 一种自动化标注方法、装置、电子设备及存储介质 |
CN114092753A (zh) * | 2020-07-31 | 2022-02-25 | 上海图森未来人工智能科技有限公司 | 多帧3d点云数据中物体追踪标注的方法、装置和存储介质 |
WO2022105502A1 (zh) * | 2020-11-23 | 2022-05-27 | 歌尔股份有限公司 | 一种点云数据处理方法和装置 |
-
2022
- 2022-06-28 CN CN202210746390.1A patent/CN114972449A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084895A (zh) * | 2019-04-30 | 2019-08-02 | 上海禾赛光电科技有限公司 | 对点云数据进行标注的方法和设备 |
CN114092753A (zh) * | 2020-07-31 | 2022-02-25 | 上海图森未来人工智能科技有限公司 | 多帧3d点云数据中物体追踪标注的方法、装置和存储介质 |
WO2022105502A1 (zh) * | 2020-11-23 | 2022-05-27 | 歌尔股份有限公司 | 一种点云数据处理方法和装置 |
CN112669373A (zh) * | 2020-12-24 | 2021-04-16 | 北京亮道智能汽车技术有限公司 | 一种自动化标注方法、装置、电子设备及存储介质 |
CN112329749A (zh) * | 2021-01-05 | 2021-02-05 | 新石器慧通(北京)科技有限公司 | 点云的标注方法及标注设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761577A (zh) * | 2022-11-02 | 2023-03-07 | 浙江大华技术股份有限公司 | 标注方法、装置以及计算机可读存储介质 |
CN115761577B (zh) * | 2022-11-02 | 2025-07-11 | 浙江大华技术股份有限公司 | 标注方法、装置以及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579727B (zh) | 文档内容的提取方法、装置、电子设备及存储介质 | |
CN111625668B (zh) | 对象检测和候选过滤系统 | |
CN112785625A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN114419035B (zh) | 产品识别方法、模型训练方法、装置和电子设备 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN113362314B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN112580666B (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
JP2024502516A (ja) | データ注釈方法、装置、システム、デバイスおよび記憶媒体 | |
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 | |
CN113361572A (zh) | 图像处理模型的训练方法、装置、电子设备以及存储介质 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN113344862A (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN113591709A (zh) | 动作识别方法、装置、设备、介质和产品 | |
CN116205889A (zh) | 偏移检测方法、装置、电子设备及存储介质 | |
CN113205131A (zh) | 图像数据的处理方法、装置、路侧设备和云控平台 | |
CN114972449A (zh) | 标注方法、装置和电子设备 | |
CN116432522A (zh) | 一种用于电力走廊的导线模型的结构化建模方法和装置 | |
CN112288696A (zh) | 一种辅助质检方法、装置、电子设备及存储介质 | |
CN113344890B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN115359308A (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
CN113762109A (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
CN114255219B (zh) | 征象识别方法、装置、电子设备和存储介质 | |
CN115439916A (zh) | 面部识别方法、装置、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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231007 Address after: 100085 2F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing Applicant after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Applicant after: Apollo Zhixing Technology (Guangzhou) Co.,Ltd. Address before: 100085 2F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |