[发明专利]对点云数据进行标注的方法和设备

说明书

本公开涉及一种用于对点云数据进行标注的方法，包括：步骤S201：接收所述点云数据中的待标注的当前帧点云；步骤S202：接收所述点云数据中的已标注帧点云、以及所述已标注帧点云的标注数据；和步骤S203：利用所述已标注帧点云的标注数据，对所述当前帧点云进行标注。根据本公开实施例的用于对点云数据进行标注的方法，能够对海量的点云数据进行快速有效准确的标注，极大地提高了标注的效率。

技术领域

本公开涉及激光雷达领域，尤其涉及一种可以对激光雷达的点云数据进行标注的方法和设备。

背景技术

激光雷达LiDAR是激光主动探测传感器设备的一种统称，其工作原理大致如下：激光雷达的发射器发射出激光光束，激光光束遇到物体后，经过漫反射，返回至激光接收器，雷达中的处理模块根据发送和接收激光光束的时间间隔乘以光速，再除以2，即可计算出发射器与物体的距离，也即雷达与物体的距离。根据激光线束的多少，通常有例如单线激光雷达、4线激光雷达、8/16/32/64线激光雷达等。一个或多个激光束在竖直方向沿着不同的角度发射，经水平方向扫描，实现对目标区域三维轮廓的探测。多个测量通道(线)相当于多个倾角的扫描平面，因此垂直视场内激光线束越多越密，其竖直方向的角分辨率就越高，激光点云的密度就越大。

基于激光雷达产生的点云，后续还可以通过机器学习、人工智能、图像识别等方法来进行点云中具体物体对象的识别，例如可以从点云中识别出汽车、行人、自行车、以及其他类型的障碍物。在机器学习中，需要进行建模、标注、训练、测试、评估和修正。这个过程是通过模拟人类大脑视觉皮层的运作方式：单个神经元通过受过的训练，就能够获取识别物体的能力，不需要人工找出物体的规律。

而为了实现机器学习，一个重要的步骤是需要对图像或者点云进行标注。以猫为例，首先可以对大量的包括猫的图像数据进行标注。在对其中形态各样的猫进行标注之后，将大量的标注之后的图像数据“喂”给机器或者模型，机器或者模型就能够自我学习，自动找出猫内在的规则，从而能够从新的图像中识别出猫这一对象。

背景技术部分的内容仅仅是发明人所知晓的技术，并不当然代表本领域的现有技术。

发明内容

有鉴于现有技术缺陷中的至少一个，本公开提出一种用于对点云数据进行标注的方法，包括：

步骤S201：接收所述点云数据中的待标注的当前帧点云；

步骤S202：接收所述点云数据中的已标注帧点云、以及所述已标注帧点云的标注数据；和

步骤S203：利用所述已标注帧点云的标注数据，对所述当前帧点云进行标注。

根据本公开的一个方面，所述步骤S203包括：根据所述当前帧点云与所述已标注帧点云之间的关联，利用所述已标注帧点云的标注数据，对所述当前帧点云进行标注。

根据本公开的一个方面，所述已标注帧点云为所述当前帧点云的前一帧点云。

根据本公开的一个方面，所述步骤S203还包括：显示进行了标注的且与所述已标注帧点云的标注数据对应的标注结果的所述当前帧点云。

根据本公开的一个方面，所述的方法还包括步骤S204：接收用户的标注操作，根据所述用户的标注操作，更新并存储所述当前帧点云的标注数据。

根据本公开的一个方面，所述标注数据包括以下信息中的一种或多种：点云场景、障碍物对象的类别、障碍物的大小、位置、角度。

根据本公开的一个方面，其中所述用户的标注操作包括：对根据所述已标注帧点云所进行的标注，进行调整操作；和/或，进行与所述已标注帧点云无关的标注。

根据本公开的一个方面，所述的方法还包括步骤S205：在所述当前帧点云、当前帧点云的前一帧点云、当前帧点云的下一帧点云均标注完成后，根据所述前一帧点云、所述下一帧点云，检查所述当前帧点云的标注。