[发明专利]一种基于点云中物体的语义标注方法及系统

说明书

本发明公开一种基于点云中物体的语义标注方法，包括：S1，获取高速公路的单帧点云文件，对单帧点云文件中的静态物体和动态物体分别进行点云语义标注，得到单帧静态数据和单帧动态数据；S2，获取高速公路的连续帧点云文件，对连续帧点云文件进行点云语义标注，得到下一帧点云显示；S3，结合单帧静态数据、单帧动态数据和下一帧点云显示，完成物体的语义标注。能够大大提高在高速公路场景下，物体的语义标注速度和效率，节省了大量的时间和成本，也能够支持体量更大的点云数据标注。

技术领域

本发明涉及自动驾驶数据标注技术领域，特别涉及一种基于点云中物体的语义标注方法及系统。

背景技术

在自动驾驶领域，雷达采集的点云数据场景主要分为两种，一种是城市道路，一种是高速公路，采集到的数据一般是体量很大的连续帧点云文件，点云数据的标注一般是人工手动标注完成的，标注过程中完成物体的属性标注，比如语义分类，不过标注步骤繁琐、速度慢且成本高，主要依赖标注人员辨别能力，所以存在误标，效率低，准确度差等情况。

高速公路的点云数据有独特的特点，比如场景单一，不同帧的物体关联性强，物体运动稳定，静态物体位置及类型复杂等，同时，标注要求上也会有变化，比如不需要标明具体物体类型(tree，guideboard，wall)，只需要标明是静态物(static)，不需要显示具体长宽高等，如果用城市道路点云的标注方法来标注高速路，会大大影响效率和成本。

发明内容

为解决上述问题，本发明提供一种基于点云中物体的语义标注方法及系统，通过将单帧点云文件中静态物体和动态物体分离标注，各自二次计算，再结合连续帧标注，能够大大提高在高速公路场景下，物体的语义标注速度和效率，节省了大量的时间和成本，也能够支持体量更大的点云数据标注。

为了实现上述技术目的，一方面，本发明提供了一种基于点云中物体的语义标注方法，包括以下步骤：

S1，获取高速公路的单帧点云文件，对所述单帧点云文件中的静态物体和动态物体分别进行点云语义标注，得到单帧静态数据和单帧动态数据；

S2，获取高速公路的连续帧点云文件，对所述连续帧点云文件进行点云语义标注，得到下一帧点云显示；

S3，结合所述单帧静态数据、所述单帧动态数据和所述下一帧点云显示，完成物体的语义标注。

可选的，对所述单帧点云文件中所述静态物体进行点云语义标注的过程包括：

对点云语义进行预处理，得到所述点云语义的颜色显示；

基于所述颜色显示，对分割线进行人工语义标注，得到高速公路的隔离带和车道线边界；

基于所述隔离带和车道线边界，对所述静态物体进行语义预标注，得到高速公路两侧静态物体的区域以及待标注物体的cluster_id。

可选的，所述对点云语义进行预处理的过程包括：

收集点云信息，构成原始点云数据；

对所述原始点云数据进行体素滤波器VoxelGrid下采样，得到过滤点云数据；

基于所述过滤点云数据，采用去重算法，得到所述单帧点云文件的cluster_id待标注种类集合；

基于所述cluster_id待标注种类集合，进行颜色渲染，得到所述点云语义的颜色显示。

可选的，采用3Dbox人工标注对所述动态物体进行所述点云语义标注。

可选的，对所述连续帧点云文件进行点云语义标注的过程包括：

获取所述连续帧点云文件的当前帧的语义标注数据；