[发明专利]图像标注方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像标注方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取标注数据集，标注数据集包括预设帧数的点云数据；将预设帧数的点云数据输入至检测框生成模型；通过检测框生成模型对每一帧点云数据进行特征处理，生成点云数据中目标标注对象的特征增强序列，并对特征增强序列进行属性回归处理，得到每一帧点云数据中目标标注对象的目标检测框；对预设帧数的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，并将目标检测框投影至与每一帧点云数据对应的图像数据中，确定目标检测标注结果。采用本方法提高了图像标注效率。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像标注方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

3D视觉目标检测在自动驾驶场景中是一个很重要的技术核心，而3D视觉目标检测的主要实现手段依赖于对采集到的视觉图像进行标注，通过目标检测框的形式对视觉图像中的目标对象进行标注。

目前的图像标注方法一般采用人工标注的方式，通过标注工具对采集到的点云数据进行手动标注，生成目标对象对应的目标检测框，进而，再基于图像数据对目标检测框进行人工调校。

然而，对数十万帧图像进行标注，需要耗费大量人力资源且图像标注耗时时间长。

发明内容

基于此，有必要针对上述技术问题，提供一种图像标注方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种图像标注方法。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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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：