[发明专利]激光点云连续帧数据标注方法及系统

说明书

本发明提供了一种激光点云连续帧数据标注方法及系统，包括：步骤S1：采集点云数据，获取点云的位姿信息，并将点云数据按照预设帧分为多个任务包；步骤S2：针对单个任务包，将任务包内的第一帧点云的位姿信息进行调整；步骤S3：将待标注对象分为静态对象和动态对象进行标注。本发明解决了连续帧点云的标注问题，利用点云帧是连续的特点提升标注效率；提升了标注设备的运行效率问题，不需要额外的云端来执行算法提供预标注结果；同时解决了逐帧标注的效率低下问题，对静态标注对象可以实现，一次标注结果可以生效于200帧点云数据内。

技术领域

本发明涉及自动驾驶技术领域，具体地，涉及一种激光点云连续帧数据标注方法及系统。

背景技术

在自动驾驶领域，感知模块是以多种传感器的数据，以及高精度地图的信息作为输入，经过一系列的计算及处理，对自动驾驶车的周围的环境精确感知。自动驾驶感知算法目前主流采用深度学习方法，需要用到大量的标注数据集来训练模型，所以能够更快更高效的生成大量的标注数据，是自动驾驶感知的关键。

目前，大多数标注数据都是人工标注的，包括2D图像、3D激光雷达点云数据等，这是一个非常缓慢而低效的过程。它需要人坐在计算机屏幕前操作标注工具，逐个标记它们，极度耗费人力。对于激光雷达产生的点云数据，由于其数据形态的复杂性和稀疏性，很容易标注错误或者漏标，甚至有可能给神经网络训练带来负面影响。

专利文献CN110264468A公开了一种点云数据标注、分割模型确定、目标检测方法及相关设备，该方法包括获取激光雷达采集的原始点云数据；将原始点云数据投影到二维图后，基于二维图获取各目标标注信息；通过已训练目标检测模型对原始点云数据进行检测，确定检测到的目标检测信息；基于对应的目标类别置信度，采用目标检测信息修正目标标注信息，获得原始点云数据的目标检测数据集，目标检测数据集包括各目标的位置信息和目标类别，采用本方法能够快速准确地进行标注。

但该发明仅考虑了对每一帧点云单独进行标注的方法，效率低下，人工成本高；并且标注的对象在相邻两帧之间缺少了相互关联的信息，不利于之后利用标注结果进行模型训练。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种激光点云连续帧数据标注方法及系统。

第一方面，本发明提供了一种激光点云连续帧数据标注方法，包括：

步骤S1：采集点云数据，获取点云的位姿信息，并将点云数据按照预设帧分为多个任务包；

步骤S2：针对单个任务包，将任务包内的第一帧点云的位姿信息进行调整；

步骤S3：将待标注对象分为静态对象和动态对象进行标注。

优选地，在所述步骤S1中：

采集车采集点云数据时，预设激光雷达的输出频率，每次激光雷达输出点云数据后，同时记录点云位姿信息；

采集车上装备摄像头，拍摄采集车前方、后方、右前方、左前方、右后方和左后方六个方位的图像，将标注对象的对应的点绘制在图像上，辅助进行标注。

优选地，在所述步骤S2中：

针对单个任务包，将任务包内的第一帧点云的位姿信息作为基准，之后帧数的点云的位姿信息均调整为相对于第一帧点云的位姿信息的相对值；

点云的位姿信息用x、y、z、ax、ay和az表示，代表点云的位姿信息在世界坐标系中的x、y、z坐标位置，以及x、y、z方向上的朝向；x、y、z、ax、ay和az组成4x4的变换矩阵T，表示激光雷达坐标系转换到世界坐标系的变换矩阵：

T＝f(x,y,z,ax,ay,az)

优选地，在所述步骤S3中：