[發明專利]一種數據標注方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110355021.5
• 申請日: 2021-03-31
• 公開（公告）號: CN112990200A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 索傳哲;王哲
• 申請（專利權）人: 上海商湯臨港智能科技有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京中知恒瑞知識產權代理事務所(普通合伙) 11889
• 代理人: 吳迪

本公開提供了一種數據標注方法、裝置、計算機設備及存儲介質，包括：獲取第一雷達和第二雷達針對同一場景同步采集的第一點云數據和第二點云數據；基于訓練好的第一神經網絡確定所述第一點云數據的目標檢測結果；其中，第一神經網絡利用所述第一雷達采集的樣本點云訓練得到；基于所述第一雷達和所述第二雷達之間的相對位置關系、以及所述第一點云數據的目標檢測結果，確定所述第二點云數據對應的標注結果。

技術領域

本公開涉及機器學習領域，具體而言，涉及一種數據標注方法、裝置、計算機設備及存儲介質。

背景技術

隨著信息技術的發展，無人駕駛技術也逐漸得到了廣泛的應用。目前，無人駕駛技術主要通過雷達采集點云數據，然后基于訓練好的神經網絡識別采集的點云數據中的物體，進而實現避障。

隨著雷達技術的快速發展，出現了越來越多的新型雷達，這些新型雷達一方面擁有更強的性能和更好的使用效果，另一方面也給新老雷達之間的換裝帶來了新的問題。

相關技術中，為了提高信息處理的效率，通常采用訓練好的神經網絡對雷達采集到的信息進行處理，對剛面世的新型雷達，其線束、檢測范圍等與已使用的雷達可能會有所不同，如果采用已使用的雷達對應的神經網絡直接對新型雷達采集的點云數據進行識別，由于新舊雷達之間線束、檢測范圍等的不同，檢測精度可能較低。而若重新對新型雷達對應的神經網絡進行訓練，則需要對新型雷達采集的點云數據進行標注，再用標注的點云數據對神經網絡進行訓練，由于點云數據的標注過程工作量較大，因此可能造成神經網絡的訓練效率較低。

發明內容

本公開實施例至少提供一種數據標注方法、裝置、計算機設備及存儲介質。

第一方面，本公開實施例提供了一種數據標注方法，包括：

獲取第一雷達和第二雷達針對同一場景同步采集的第一點云數據和第二點云數據；

基于訓練好的第一神經網絡確定所述第一點云數據的目標檢測結果；其中，第一神經網絡利用所述第一雷達采集的樣本點云訓練得到；

基于所述第一雷達和所述第二雷達之間的相對位置關系、以及所述第一點云數據的目標檢測結果，確定所述第二點云數據對應的標注結果。

上述方法中，可以基于訓練好的第一神經網絡自動對第二雷達采集的第二點云數據進行標注，從而實現對第二點云數據的自動標注，避免人工對第二點云數據進行標注的過程，提高了數據標注效率。

一種可能的實施方式中，所述第一點云數據的目標檢測結果，包括：針對至少一個候選物體的檢測信息、以及每個候選物體的檢測信息對應的置信度信息；

其中，所述檢測信息包括：

包含所述候選物體的檢測框的第一位置信息和所述候選物體的屬性信息。

一種可能的實施方式中，所述候選物體的屬性信息包括以下信息中的至少一種：

候選物體的類型信息、尺寸、位置、朝向。

一種可能的實施方式中，所述基于所述第一雷達和所述第二雷達之間的相對位置關系、以及所述第一點云數據的目標檢測結果，確定所述第二點云數據對應的標注結果，包括：

基于所述第一點云數據的目標檢測結果中每個候選物體的檢測信息對應的置信度信息，和預設的置信度閾值，從所述目標檢測結果包含的針對至少一個候選物體的檢測信息中，篩選出目標物體的檢測信息；

基于所述目標物體的檢測信息、所述目標物體的屬性信息、以及所述相對位置關系，確定所述第二點云數據對應的標注結果。

這樣，可以避免因為基于第一點云數據和第一神經網絡生成的目標檢測結果中錯誤的檢測結果對所述第二神經網絡訓練所產生的影響，從而提高了第二點云數據的標注精度。