[发明专利]一种基于特征识别的点云标注方法、装置及电子设备

说明书

本发明提供了一种基于特征识别的点云标注方法，其包括如下步骤：S1，获取待标注的点云数据；S2，将所述待标注的点云数据投影到xy平面得到投影数据；S3，根据预设的最近点距离△max对所述投影数据进行块分割获得分割后的块域；S4，对步骤S3得到的块域进行最优外接矩形求解获取每一个块域的最优外接矩形；S5，根据所述最优外接矩形及所述块域的最高点Zmax，得到3D标注框；S6，根据所述3D标注框的尺寸，比对特征库中的标签3D尺寸，获取与所述3D标注框匹配的标签。本发明可以对待标注的点云数据进行预标注，从而节省标注时间。

技术领域

本发明涉及自动驾驶技术领域，具体来说，涉及一种基于特征识别的点云标注方法、装置及电子设备。

背景技术

自动驾驶中需要对目标进行检测以获取周围的环境状态，目前对目标进行检测多使用以深度学习为基础的3D目标检测。以深度学习为基础的3D目标检测依赖于大量已标注的3D激光雷达点云数据以训练基于深度学习的3D目标检测算法。

3D激光雷达点云数据的标注一般是人工手动标注完成的。相对于2D图片数据的标注，3D激光雷达点云数据标注对标注员的空间想象能力要求较高，而且标注步骤繁琐、速度慢，标注成本高。

本文提供的背景描述用于总体上呈现本公开的上下文的目的。除非本文另外指示，在该章节中描述的资料不是该申请的权利要求的现有技术并且不要通过包括在该章节内来承认其成为现有技术。

发明内容

针对相关技术中的上述技术问题，本发明提出一种基于特征识别的点云标注方法，其包括如下步骤：

S1，获取待标注的点云数据；

S2，将所述待标注的点云数据投影到xy平面得到投影数据；

S3，根据预设的最近点距离△max对所述投影数据进行块分割获得分割后的块域；

S4，对步骤S3得到的块域进行最优外接矩形求解获取每一个块域的最优外接矩形；

S5，根据所述最优外接矩形及所述块域的最高点Zmax，得到3D标注框；

S6，根据所述3D标注框的尺寸，比对特征库中的标签3D尺寸，获取与所述3D标注框匹配的标签。

具体的，所述方法还包括：

S7，根据所述匹配的标签对所述待标注的点云数据进行预标注，并将预标注的标注框颜色设置为黄色；

具体的，所述方法还包括：

S8，接收标注员对所述预标注的修改，以获得第一标注的点云数据。

具体的，所述方法还包括：

S9，接收标注员对所述第一标注的点云数据的新增的标注，以获得最终标注的点云数据。

具体的，所述方法还包括：

S10，获取所述最终标注的点云数据进行点云特征提取，并将所述提取的点云特征以特征树的形式进行保存。

第二方面，本发明的另一个实施例提供了一种基于特征识别的点云标注装置，其包括如下单元：

待标注的点云数据获取单元，用于获取待标注的点云数据；

投影单元，用于将所述待标注的点云数据投影到xy平面得到投影数据；

块域分割单元，用于根据预设的最近点距离△max对所述投影数据进行块分割获得分割后的块域；

最优外接矩形计算单元，用于对块域分割单元得到的块域进行最优外接矩形求解获取每一个块域的最优外接矩形；