[发明专利]用于在3D点云中自动标记对象的系统和方法

说明书

在点云中标记对象的方法和系统。所述系统可以包括存储介质，所述存储介质被配置为存储由与车辆相关联的一个或多个传感器获取的多组3D点云数据的序列。所述系统还可以包括一个或多个处理器，所述处理器被配置为接收两组3D点云数据，每组3D点云数据都包括对象的标记。这两组数据在序列中彼此不相邻。至少部分基于两组3D点云数据中对象的标记之间的差异，处理器可以进一步被配置为确定在两组3D点云数据之间获取的序列中的一组或多组3D点云数据中的对象的估计标记。

技术领域

本申请涉及用于在三维(“3D”)点云中自动标记对象的系统和方法，更具体地，涉及自动驾驶车辆在绘制周围环境过程中，自动标记3D点云中的对象的系统和方法。

背景技术

近来，自动驾驶已经成为汽车工业和人工智能领域技术演进的热门课题。顾名思义，具有自动驾驶功能的车辆或“自动驾驶车辆”可以在没有操作员监督的情况下部分或完全在道路上行驶，目的是让操作员将注意力集中在其他事情上并节省时间。根据美国运输部国家公路交通安全管理局(NHTSA)的分类，目前自动驾驶有五个不同的等级，从级别1到级别5。级别1是除一些基本操作(例如加速或转向)外，大多数功能由驾驶员控制的最低级别。级别越高，车辆能够实现更高程度的自主权。

从级别3开始，自动驾驶车辆将在特定的道路条件或环境下，将“主要安全功能”转换为自动驾驶系统，而在其他情况下，可能需要驾驶员接管车辆的控制权。因此，车辆必须配备人工智能功能，以感知和测绘周围环境。例如，传统上使用车载相机拍摄周围对象的二维(2D)图像。然而，仅2D图像可能无法生成足够的数据来检测对象的深度信息，这对于三维(3D)世界中的自动驾驶至关重要。

在过去的几年里，业界开发人员开始在车辆顶部试用光探测和测距(激光雷达)扫描仪，以获取车辆行驶轨迹上的对象的深度信息。LiDAR扫描仪向不同方向发射脉冲激光，并通过传感器接收反射光来测量对象在这些方向上的距离。然后，距离信息被转换成3D点云，数字化地表示车辆周围的环境。当各种对象以相对于车辆的速度移动时，问题就出现了，因为跟踪这些对象需要在大量的3D点云中标注它们，从而使车辆能够实时识别它们。目前，这些对象都是由人类手动标记，以实现跟踪的目的。手工标记需要大量的时间和劳动力，从而使环境测绘和感知成本高昂。

因此，为了解决上述问题，本文公开了用于自动标记3D点云中的对象的系统和方法。

发明内容

本申请实施例提供了一种用于在点云中标记对象的系统。所述系统可以包括存储介质，所述存储介质被配置为存储由与车辆相关联的一个或多个传感器获取的多组3D点云数据的序列。每组3D点云数据指示对象在车辆的周围环境中的位置。所述系统还可以包括一个或多个处理器。所述处理器可配置为接收两组3D点云数据，每组数据包含对象的标记。两组3D点云数据在序列中彼此不相邻。所述处理器可以进一步被配置至少部分基于两组3D点云数据中对象标记之间的差异，确定在两组3D点云数据之间获取的序列中的一组或多组3D点云数据中对象的估计标记。

根据本申请的实施例，存储介质还可以被配置为存储车辆的周围环境的多个2D图像帧。当一个或多个传感器在获取多组3D点云数据的序列时，与车辆相关的另一个传感器将获取2D图像。2D图像的至少部分帧包含所述对象。所述处理器还可以被配置为将多组3D点云数据与2D图像的相应帧相关联。

本申请的实施例还提供了一种用于在点云中标记对象的方法。所述方法可以包括获取多组3D点云数据的序列。每组3D点云数据指示车辆的周围环境中对象的位置。所述方法还可以包括接收其中标记了对象的两组3D点云数据。所述两组3D点云数据在序列中彼此不相邻。所述方法还可以包括：至少部分基于两组3D点云数据中对象的标记之间的差异，确定在两组3D点云数据之间获取的序列中的一组或多组3D点云数据中对象的估计标记。

根据本申请的实施例，所述方法还可以包括在获取多组3D点云数据的序列的同时，采集车辆的周围环境中的多个2D图像帧。所述多个2D图像帧包含对象。所述方法还可以包括将多组3D点云数据与2D图像的相应帧相关联。