[发明专利]一种三维点云数据的半监督目标标注方法和系统

说明书

本发明提供了一种三维点云数据的半监督目标标注方法，包括：读取当前帧的原始三维点云数据；对原始三维点云数据进行预处理，得到只包含障碍物目标的障碍物点云数据；对障碍物点云数据进行无监督的目标检测，得到障碍物目标3D边界框；运用多目标跟踪算法根据前一帧的标注结果自动预测当前帧的障碍物目标3D边界框，并与无监督目标检测的障碍物目标3D边界框进行融合；对融合的障碍物目标3D边框进行检查和调整，从而得到当前帧的最终3D边界框，即为当前帧的最终标注结果。本发明同时提供了一种三维点云数据的半监督目标标注系统。本发明能够很好地解决现有技术中存在的三维点云数据标注的问题以及最大限度地降低标注成本。

技术领域

本发明涉及计算机技术领域，具体地，涉及一种点云数据处理技术，尤其涉及一种三维点云数据的半监督目标标注方法和系统。

背景技术

近年来，激光雷达已经在无人车辆传感器解决方案中扮演一个重要的角色，利用它产生点云数据以完成三维目标的感知。最近的研究工作证明了基于深度学习方法解决激光雷达三维目标感知问题具有巨大的应用前景。然而，深度学习解决方案需要大量带标注的三维点云数据。

标注三维点云数据目前面临很大的挑战，主要总结为两个方面，第一方面是复杂的标注操作，在三维点云中标注3D边界框相比于在二维图像中标注2D边界框要复杂很多，因为需要同时考虑3D边界框的三维坐标，长宽高以及朝向；第二方面是重复的标注操作，由激光雷达采集的点云数据通常以序列帧的形式提供，前后帧之间虽有不同但是会有高度的数据关联，如果每一帧都从零开始标注会导致大量的重复标注操作。

目前三维点云数据的标注方法及装置没能很好地解决以上两个方面的问题。2018年4月20日公布的公开号为CN107945198A的发明专利《用于标注点云数据的方法和装置》利用不同于激光雷达的传感器采集的传感器数据的特征物识别与跟踪结果对由激光雷达采集的点云数据的分割与跟踪结果进行校正，从而降低点云数据标注的人工工作量，然而这种标注方法和装置依赖于不同于激光雷达的其他辅助传感器，增加了用户负担，同时辅助传感器采集数据的处理结果的偏差会直接影响最终的标注结果。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提供一种三维点云数据的半监督目标标注方法和系统，该方法和系统能够很好地解决现有技术中存在的三维点云数据标注的问题以及最大限度地降低标注成本。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种三维点云数据的半监督目标标注方法，包括：

S1，读取当前帧的原始三维点云数据；

S2，对S1中读取的原始三维点云数据进行预处理，得到只包含障碍物目标的障碍物点云数据；

S3：对S2中得到的障碍物点云数据进行无监督的目标检测，得到无监督目标检测的障碍物目标3D边界框；

S4：基于S3中得到的障碍物目标3D边界框，进行如下操作：

如果当前帧不是序列帧，则将障碍物目标3D边界框作为最终的标注结果；

如果当前帧为序列帧且存在前一帧的标注结果，运用多目标跟踪算法根据前一帧的标注结果自动预测当前帧的障碍物目标3D边界框，并与S3中得到的无监督目标检测的障碍物目标3D边界框进行融合；

S5：对S4中得到的融合的障碍物目标3D边框进行检查和调整，从而得到当前帧的最终3D边界框，即为当前帧的最终标注结果。

优选地，所述S2中，对原始点云数据进行预处理，包括：感兴趣区域选取和鲁棒的地面分割，从而将超出感兴趣区域之外的点数据和地面点数据从读取的原始三维点云数据中滤除，得到只包含障碍物目标的障碍物点云数据。