[发明专利]点云数据标注方法、点云数据标注装置及存储介质

说明书

本公开是关于一种点云数据标注方法、点云数据标注装置及存储介质。点云数据标注方法包括：在连续的多帧点云数据中，确定多个包括目标物体的关键帧点云数据，并标注目标物体在各关键帧点云数据中的3D矩形框，得到多个基准3D矩形框。基于所述基准3D矩形框，在多帧点云数据的其他帧点云数据中，确定目标物体预标注的初始3D矩形框。基于一个或者多个基准3D矩形框，调整初始3D矩形框的标注结果。通过本公开提供的点云数据标注方法，能够节省人工标注成本，提高标注速率。且在标注的过程中，基于基准3D矩形框，可以将预先标注的初始3D矩形框进行调整，从而有助于提高目标物体标注的准确度，使在标注的过程中，能够保证标注质量的同时，节省标注成本。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种点云数据标注方法、点云数据标注装置及存储介质。

背景技术

激光雷达（Light Detection and Ranging，LiDAR），是一种以发射激光束探测目标的位置、速度等特征量的雷达系统。激光雷达设备中采用激光器作为发射光源，通过激光器向外发出激光光束，若向外发出激光光束遇到前方的物体或者障碍物，可以反弹回来并被激光雷达接收器接收，进而通过计算激光光束的发出时间与被接收时间之间的时间差，可以精确地判断物体和激光雷达之间的距离。

在自动驾驶中，基于车载激光雷达根据多线（16线，32线或者64线）激光光束旋转一周采集到的数据，即采集到3D点云数据，可以对车辆所处环境进行准确的3D建模，也可以知道某个3D目标物体在激光雷达坐标系中的准确位置，大小及姿态。

相关技术中，基于车载激光雷达发射的激光光束，能够得到连续的多帧点云数据。用户在连续的多帧点云数据，对目标物体进行3D标注时，采用的人工标注方式。采用该方法虽然可以使标注结果准确，但是标注效率极低，需要消耗大量的人工标注时间，导致人工成本增加。

发明内容

为克服相关技术中存在的问题，本公开提供一种点云数据标注方法、点云数据标注装置及存储介质。

根据本公开实施例的第一方面，提供一种点云数据标注方法，包括：在连续的多帧点云数据中，确定多个包括目标物体的关键帧点云数据，并标注所述目标物体在各所述关键帧点云数据中的3D矩形框，得到多个基准3D矩形框。基于多个所述基准3D矩形框，在所述多帧点云数据的其他帧点云数据中，确定所述目标物体预标注的初始3D矩形框。基于一个或者多个所述基准3D矩形框，调整所述初始3D矩形框的位姿，确定预测3D矩形框。

在一实施例中，所述基于一个或者多个所述基准3D矩形框，调整所述初始3D矩形框的位姿，包括：确定各所述基准3D矩形框的基准投影特征，所述基准投影特征为所述基准3D矩形框中各点数据投影在所述基准3D矩形框的多个平面上的投影特征集合。基于所述基准投影特征，通过动态调整所述初始3D矩形框的位姿，确定所述预测3D矩形框。

在另一实施例中，所述基于所述基准投影特征，通过动态调整所述初始3D矩形框的位姿，确定所述预测3D矩形框，包括：基于目标投影特征和一个或者多个所述基准投影特征，确定匹配结果，其中，所述目标投影特征为动态调整后的所述初始3D矩形框中各点数据投影在动态调整后的所述初始3D矩形框的多个平面上的投影特征集合，所述匹配结果与所述目标投影特征和一个或多个所述基准投影特征之间的相似度正相关。基于所述匹配结果及对应的目标投影特征，确定所述预测3D矩形框。

在又一实施例中，基于所述目标投影特征和一个所述基准投影特征，确定匹配结果，包括：将所述目标投影特征和指定的基准投影特征进行匹配，确定匹配结果。

在又一实施例中，所述点云数据标注方法，还包括：在所述多帧点云数据中，确定与所述初始3D矩形框对应的帧点云数据位置最近的关键帧点云数据。将与所述初始3D矩形框对应的帧点云数据位置最近的关键帧点云数据对应的基准投影特征，作为指定的基准投影特征。