[发明专利]一种目标对象的标注方法和装置

说明书

本申请公开了一种目标对象的标注方法和装置。所述方法包括：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。有益效果在于，自动化的利用图像数据与点云数据的映射关系获取到较为准确的点云标注信息，克服了传统方法下对3D轮廓不明显的目标对象不易标注的问题，可以应用在自动驾驶领域，实现对道路标线的准确标注，拓宽了目标对象标注的应用场景，节省了人力成本并提高了标注的准确率和泛化能力。

技术领域

本申请涉及自动驾驶领域，具体涉及一种目标对象的标注方法和装置。

背景技术

准确的对于目标对象的标注可以很好的提升基于标注数据的智能应用的使用效果。在自动驾驶中，准确实现对于车道线、交通标线等道路情况的标识对自动驾驶的应用有重要意义。但目前，在自动驾驶领域中，传统标注方法无法很好的解决对3D轮廓不明显目标对象的准确标注问题，而且应用场景较为单一，自动化程度和泛化能力不足。因此需要一种智能化、自动化的目标对象标注方式，以在多种场景下都能准确识别目标对象。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题目标对象的标注方法和装置。

依据本申请的一个方面，提供了一种目标对象的标注方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；