[发明专利]一种点云数据中3D框的标注方法和装置

说明书

本发明公开了一种点云数据中3D框的标注方法和装置。其中标注方法包括：获取路侧单元中激光雷达采集的点云数据和摄像头采集的图像数据，所述激光雷达和所述摄像头覆盖相同视野；分别对所述点云数据和所述图像数据进行目标检测，获取第一检测数据和第二检测数据，所述第一检测数据关联目标的3D框信息；将所述第一检测数据与所述第二检测数据进行数据融合，得到目标融合数据；根据所述目标融合数据，在所述点云数据上标注所述3D框信息。本发明的标注过程无需人工参与，显著提高了标注效率，且通过融合图像数据，提高了点云数据中3D框的标注精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种点云数据中3D框的标注方法和装置。

背景技术

图像识别技术是机器学习领域中的重要研究题，对于待识别图像，通过神经网络模型识别出图像数据中的目标对象。目标对象可以是车辆、人、动物、物体等。图像标注，即为待识别图像中的目标对象添加与其内容相关的文本信息，为图像识别提供良好的基础。

当前的图像数据标注，一般采用人工标注矩形框的方法，即对图像中的目标对象，手动标注矩形框，选择类别等操作，生成图像标注信息。标注的过程人工成本高、标注效率低，数据标注的质量差。

发明内容

有鉴于此，本发明的主要目的在于提供了一种点云数据中3D框的标注方法和装置，用于解决现有标注过程人工成本高、标注效率低、数据标注的质量差的问题。

依据本发明的第一方面，提供了一种点云数据中3D框的标注方法，包括：获取路侧单元中激光雷达采集的点云数据和摄像头采集的图像数据，所述激光雷达和所述摄像头覆盖相同视野；分别对所述点云数据和所述图像数据进行目标检测，获取第一检测数据和第二检测数据，所述第一检测数据关联目标的3D框信息；将所述第一检测数据与所述第二检测数据进行数据融合，得到目标融合数据；根据所述目标融合数据，在所述点云数据上标注所述3D框信息。

在一些实施例中，通过下述步骤对所述点云数据进行目标检测：利用三维检测模型对所述点云数据进行目标检测，得到目标的第一检测数据及目标的3D框信息；所述三维检测模型是利用开源数据集进行标注训练所得到的。

在一些实施例中，获取路侧单元中激光雷达采集的点云数据和摄像头采集的图像数据，包括：获取所述点云数据的时间戳信息；根据所述时间戳信息从摄像头采集的图像数据集中获得与所述时间戳信息对应的图像数据。

在一些实施例中，在将所述第一检测数据与所述第二检测数据进行数据融合之前，还包括：根据所述第一检测数据与所述第二检测数据进行目标一致性检测；所述第一检测数据与所述第二检测数据进行数据融合，包括：对通过目标一致性检测的第一检测数据与第二检测数据进行数据融合。

在一些实施例中，根据所述第一检测数据与所述第二检测数据进行目标一致性检测，包括：分别根据第一检测数据和第二检测数据构建特征向量；对所述特征向量利用匈牙利匹配检测算法进行目标一致性检测。

在一些实施例中，所述第一检测数据和第二检测数据包括目标位置，分别根据第一检测数据和第二检测数据构建特征向量，包括：将第一检测数据和第二检测数据中的目标位置转换到同一坐标系下，利用同一坐标系下的目标位置构建特征向量。

在一些实施例中，将所述第一检测数据与所述第二检测数据进行数据融合，得到目标融合数据，包括：将第一检测数据中的目标位置和第二检测数据中的目标位置进行加权融合，得到融合后的目标位置；根据所述目标融合数据，在所述点云数据上标注所述3D框信息，包括：在所述点云数据中融合后的目标位置处标注所述3D框信息。

依据本发明的第二方面，提供了一种点云数据中3D框的标注装置，包括：