[發明專利]對點云數據進行標注的方法和設備

有效

• 申請號: 201910359117.1
• 申請日: 2019-04-30
• 公開（公告）號: CN110084895B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 肖鵬川;李澤嵩;邵振雷;向少卿
• 申請（專利權）人: 上海禾賽科技有限公司
• 主分類號: G06T19/20
• 分類號: G06T19/20;G06T7/73
• 代理公司: 北京律和信知識產權代理事務所(普通合伙) 11446
• 代理人: 郝文博;韓煒

本公開涉及一種用于對點云數據進行標注的方法，包括：步驟S201：接收所述點云數據中的待標注的當前幀點云；步驟S202：接收所述點云數據中的已標注幀點云、以及所述已標注幀點云的標注數據；和步驟S203：利用所述已標注幀點云的標注數據，對所述當前幀點云進行標注。根據本公開實施例的用于對點云數據進行標注的方法，能夠對海量的點云數據進行快速有效準確的標注，極大地提高了標注的效率。

技術領域

本公開涉及激光雷達領域，尤其涉及一種可以對激光雷達的點云數據進行標注的方法和設備。

背景技術

激光雷達LiDAR是激光主動探測傳感器設備的一種統稱，其工作原理大致如下：激光雷達的發射器發射出激光光束，激光光束遇到物體后，經過漫反射，返回至激光接收器，雷達中的處理模塊根據發送和接收激光光束的時間間隔乘以光速，再除以2，即可計算出發射器與物體的距離，也即雷達與物體的距離。根據激光線束的多少，通常有例如單線激光雷達、4線激光雷達、8/16/32/64線激光雷達等。一個或多個激光束在豎直方向沿著不同的角度發射，經水平方向掃描，實現對目標區域三維輪廓的探測。多個測量通道(線)相當于多個傾角的掃描平面，因此垂直視場內激光線束越多越密，其豎直方向的角分辨率就越高，激光點云的密度就越大。

基于激光雷達產生的點云，后續還可以通過機器學習、人工智能、圖像識別等方法來進行點云中具體物體對象的識別，例如可以從點云中識別出汽車、行人、自行車、以及其他類型的障礙物。在機器學習中，需要進行建模、標注、訓練、測試、評估和修正。這個過程是通過模擬人類大腦視覺皮層的運作方式：單個神經元通過受過的訓練，就能夠獲取識別物體的能力，不需要人工找出物體的規律。

而為了實現機器學習，一個重要的步驟是需要對圖像或者點云進行標注。以貓為例，首先可以對大量的包括貓的圖像數據進行標注。在對其中形態各樣的貓進行標注之后，將大量的標注之后的圖像數據“喂”給機器或者模型，機器或者模型就能夠自我學習，自動找出貓內在的規則，從而能夠從新的圖像中識別出貓這一對象。

背景技術部分的內容僅僅是發明人所知曉的技術，并不當然代表本領域的現有技術。

發明內容

有鑒于現有技術缺陷中的至少一個，本公開提出一種用于對點云數據進行標注的方法，包括：

步驟S201：接收所述點云數據中的待標注的當前幀點云；

步驟S202：接收所述點云數據中的已標注幀點云、以及所述已標注幀點云的標注數據；和

步驟S203：利用所述已標注幀點云的標注數據，對所述當前幀點云進行標注。

根據本公開的一個方面，所述步驟S203包括：根據所述當前幀點云與所述已標注幀點云之間的關聯，利用所述已標注幀點云的標注數據，對所述當前幀點云進行標注。

根據本公開的一個方面，所述已標注幀點云為所述當前幀點云的前一幀點云。

根據本公開的一個方面，所述步驟S203還包括：顯示進行了標注的且與所述已標注幀點云的標注數據對應的標注結果的所述當前幀點云。

根據本公開的一個方面，所述的方法還包括步驟S204：接收用戶的標注操作，根據所述用戶的標注操作，更新并存儲所述當前幀點云的標注數據。

根據本公開的一個方面，所述標注數據包括以下信息中的一種或多種：點云場景、障礙物對象的類別、障礙物的大小、位置、角度。

根據本公開的一個方面，其中所述用戶的標注操作包括：對根據所述已標注幀點云所進行的標注，進行調整操作；和/或，進行與所述已標注幀點云無關的標注。

根據本公開的一個方面，所述的方法還包括步驟S205：在所述當前幀點云、當前幀點云的前一幀點云、當前幀點云的下一幀點云均標注完成后，根據所述前一幀點云、所述下一幀點云，檢查所述當前幀點云的標注。