[发明专利]图像标注方法、装置、计算机设备和存储介质

权利要求书

1.一种图像标注方法，其特征在于，所述方法包括：

获取标注数据集，所述标注数据集包括预设帧数的点云数据；

将预设帧数的所述点云数据输入至检测框生成模型；

通过所述检测框生成模型对每一帧所述点云数据进行特征处理，生成所述点云数据中目标标注对象的特征增强序列，并对所述特征增强序列进行属性回归处理，得到每一帧点云数据中所述目标标注对象的目标检测框；

对所述预设帧数的所述目标检测框进行拟合估计，得到与图像数据帧数相同的目标检测框，并将所述目标检测框投影至与每一帧所述点云数据对应的所述图像数据中，确定目标检测标注结果；

所述对所述特征增强序列进行属性回归处理，得到每一帧点云数据中所述目标标注对象的目标检测框，包括：

通过所述检测框生成模型中的检测头模块，对所述目标标注对象的所述特征增强序列进行回归预测，生成每一帧点云数据中目标标注对象的目标检测框。

2.根据权利要求1所述的方法，其特征在于，所述通过所述检测框生成模型对每一帧所述点云数据进行特征处理，生成所述点云数据中目标标注对象的特征增强序列，包括：

通过所述检测框生成模型中的卷积神经网络，对每一帧所述点云数据进行特征提取，得到连续帧所述点云数据中目标标注对象对应的时序特征序列；

对每一所述目标标注对象的时序特征序列进行特征增强，得到目标标注对象连续帧点云数据对应的特征增强序列。

3.根据权利要求2所述的方法，其特征在于，所述通过所述检测框生成模型中的卷积神经网络，对每一帧所述点云数据进行特征提取，每一帧所述点云数据中目标标注对象对应的时序特征序列，包括：

通过卷积神经网络中的动态体素化算法，对每一帧点云数据进行离散化和特征提取处理，得到每一帧点云数据的体素化矩阵；

根据双边线性插值算法，在每一帧的所述体素化矩阵中确定目标标注对象对应的标注关键点，并基于帧与帧间的时序性关系，生成所述目标标注对象的时序特征序列；

所述对每一所述目标标注对象的时序特征序列进行特征增强，得到目标标注对象连续帧点云数据对应的特征增强序列，包括：

根据预设的多头注意力机制模块，对每一所述目标标注对象的时序特征序列进行特征增强，得到所述目标标注对象对应的特征增强序列。

4.根据权利要求1所述的方法，其特征在于，所述对所述预设帧数的所述目标检测框进行拟合估计，得到与图像数据帧数相同的目标检测框，包括：

根据扩展卡尔曼滤波器，对所述目标标注对象预设帧数的目标检测框进行运动估计拟合，并通过插值算法确定插值时间戳对应的目标检测框；

将所述插值时间戳对应的目标检测框添加至所述预设帧数的目标检测框，得到与所述图像数据帧数相同的目标检测框。

5.根据权利要求4所述的方法，其特征在于，所述根据扩展卡尔曼滤波器，对所述目标标注对象预设帧数的目标检测框进行运动估计拟合，并通过插值算法确定插值时间戳对应的目标检测框，包括：

根据扩展卡尔曼滤波器，对所述目标标注对象预设帧数的目标检测框数据集进行运动轨迹拟合计算，确定连续帧点云数据对应的所述目标检测框数据集对应的运动轨迹曲线；

对所述运动轨迹曲线进行插值处理，确定插值时间戳下对应的目标检测框。

6.一种图像标注装置，其特征在于，所述装置包括：

获取模块，用于获取标注数据集，所述标注数据集包括预设帧数的点云数据；

输入模块，用于将预设帧数的所述点云数据输入至检测框生成模型；

处理输出模块，用于通过所述检测框生成模型对每一帧所述点云数据进行特征处理，生成所述点云数据中目标标注对象的特征增强序列，对所述特征增强序列进行属性回归，得到所述目标标注对象对应每一帧点云数据的目标检测框；

确定模块，根据扩展卡尔曼滤波器对所述目标检测框进行拟合估计，得到与图像数据帧数相同的目标检测框，并将所述目标检测框投影至对应的每一帧所述图像数据中，确定目标检测标注结果；所述处理输出模块，还用于通过所述检测框生成模型中的检测头模块，对所述目标标注对象的所述特征增强序列进行回归预测，生成每一帧点云数据中目标标注对象的目标检测框。