[发明专利]一种传感器数据的标注方法

说明书

本发明实施例提供了一种传感器数据的标注方法，包括：调用二维传感器和三维传感器分别采集二维数据和三维数据；对所述二维数据和所述三维数据分别进行标注，获得二维标注数据和三维标注数据；根据所述二维标注数据和所述三维标注数据进行相互校验，获得二维目标标注数据和/或三维目标标注数据。本发明实施例通过利用不同来源数据间的互补性，进行标注数据的互相校验，可以利用二维数据和三维数据各自的优势弥补对方的局限性，对对方进行校验、修正，不仅提高二维标注数据和三维标注数据的精确度，而且减少标注耗费的时间，由于作为训练数据的二维标注数据和三维标注数据的精确度高，提高了后续训练所得模型的性能。

技术领域

本发明涉及无人车的技术领域，特别是涉及一种传感器数据的标注方法。

背景技术

无人车是汽车的信息化发展方向，环境感知是无人车的关键技术之一。

环境感知是对无人车周围静态和动态环境进行检测，在路面上，静态障碍物包括车道线，交通指示灯，交通标志牌，路面标记等，动态障碍物包括行人、车辆、自行车灯，等等。

基于周围静态和动态环境规划路线，以保证无人车在行驶过程中能够遵守道路交通标示，并避开行人、车辆等障碍物。

为进行环境感知，无人车中通常配备多种传感器设备，一般包括二维(2D)传感器和三维(3D)传感器，用于采集2D数据和3D数据。

在环境感知过程中，通常需要用到机器学习的方法，通过对海量数据进行标注，获得标注数据训练模型，从而完成对特定对象的检测、跟踪和识别等任务。

发明人在实现发明的过程中发现，在标注过程中，2D数据和3D数据通常单独标注。

一方面，2D数据的标注清晰、直观，但是视角单一、探测范围受限。

另一方面，3D数据的标注感知范围大，可直接对3D环境进行建模，但是标注复杂度高。

对2D数据和3D数据进行标注各自具有局限性，不仅标注数据的精确度低，并且标注耗费的时间长，由于作为训练数据的标注数据精确度低，导致用这些数据训练的模型性能较差。

发明内容

本发明实施例提供一种传感器数据的标注方法，用以解决导致标注数据的精确度不高，并且耗费时间的问题。

本发明实施例提供一种传感器数据的标注方法，包括：

调用二维传感器和三维传感器分别采集二维数据和三维数据；

对所述二维数据和所述三维数据分别进行标注，获得二维标注数据和三维标注数据；

根据所述二维标注数据和所述三维标注数据进行相互校验，获得二维目标标注数据和/或三维目标标注数据。

优选地，所述调用二维传感器和三维传感器分别采集二维数据和三维数据的步骤包括：

分别调用二维传感器和三维传感器在同一时间采集二维数据和三维数据。

优选地，所述对所述二维数据和所述三维数据分别进行标注，获得二维标注数据和三维标注数据的步骤包括：

将所述二维数据和所述三维数据分别投射到同一坐标系中，获得二维坐标数据和三维坐标数据；

在所述同一坐标系中，对所述二维坐标数据和所述三维坐标数据分别进行标注，获得二维标注数据和三维标注数据；

或者，

对所述二维数据和所述三维数据分别进行标注，获得二维原始标注数据和三维原始标注数据；

将所述二维原始数据和所述三维原始数据分别投射到同一坐标系中，获得二维标注数据和三维标注数据。