[发明专利]一种目标对象的标注方法和装置

权利要求书

1.一种目标对象的标注方法，其特征在于，该方法包括：

获取包含目标对象的点云数据与图像数据，其中，点云数据与图像数据具有对应关系；

获取目标对象的图像标注信息；

对点云数据进行分割处理，得到包含所述目标对象的点云子集；

建立所述点云数据与所述图像数据的点映射关系，根据所述点映射关系和所述图像标注信息在所述点云子集中得到点云标注信息。

2.如权利要求1所述的方法，其特征在于，所述目标对象为道路交通标线，所述对点云数据进行分割处理，得到包含所述目标对象的点云子集包括：

基于高度、法向量或平滑性中的至少一种对所述点云数据进行地面分割，得到包含道路交通标线的点云子集。

3.如权利要求1所述的方法，其特征在于，所述点云数据是根据激光雷达探测得到的，所述图像数据是根据摄像头探测得到的；

所述激光雷达和所述摄像头经过同步处理，时间戳同步误差在预设范围内。

4.如权利要求3所述的方法，其特征在于，所述建立所述点云数据与所述图像数据的点映射关系包括：对所述激光雷达和所述摄像头进行标定，根据标定结果确定点云坐标系与图像坐标系的转换关系。

5.如权利要求4所述的方法，其特征在于，所述图像标注信息为轮廓线；

根据标定结果确定点云坐标系与图像坐标系的转换关系包括：确定坐标系转换的旋转矩阵R和平移矩阵T；

所述根据所述点映射关系和所述图像标注信息在所述点云子集中得到点云标注信息包括：

将所述轮廓线标注出的图像区域根据所述旋转矩阵R和平移矩阵T投影至所述点云子集中。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述图像标注信息和所述点云标注信息训练得到目标对象的识别模型。

7.如权利要求6所述的方法，其特征在于，所述根据所述图像标注信息和所述点云标注信息训练得到目标对象的识别模型包括：

将包含图像标注信息的图像数据作为图像样本数据，基于卷积神经网络CNN提取目标对象的图像特征；

将包含点云标注信息的点云数据作为点云样本数据，基于PonitNet提取目标对象的点云特征；

将所述图像特征与所述点云特征进行连接并进行语义分割。

8.一种目标对象的标注装置，其特征在于，该装置包括：

数据单元，用于获取包含目标对象的点云数据与图像数据，其中，点云数据与图像数据具有对应关系；

图像标注单元，用于获取目标对象的图像标注信息；

点云分割单元，用于对点云数据进行分割处理，得到包含所述目标对象的点云子集；

点云标注单元，用于建立所述点云数据与所述图像数据的点映射关系，根据所述点映射关系和所述图像标注信息在所述点云子集中得到点云标注信息。

9.一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-7中任一项所述的方法。