[发明专利]动态障碍物点云的标注方法、设备及可读介质

说明书

本发明提供一种动态障碍物点云的标注方法、设备及可读介质。其方法包括：采集目标采集点周围的静态场景下的第一点云数据；根据第一点云数据，建立目标采集点周围的静态场景下的静态背景网格模型；采集目标采集点周围运行动态障碍物后的动态场景下目标帧的第二点云数据；根据静态背景网格模型，对目标帧对应的第二点云数据中的动态障碍物的点云进行标注。通过采用本发明的技术方案，可以自动地对标注动态障碍物的点云，能够有效地节省标注动态障碍物点云的人力成本和标注时间，从而能够有效地提高动态障碍物的标注效率。

【技术领域】

本发明涉及计算机应用技术领域，尤其涉及一种动态障碍物点云的标注方法、设备及可读介质。

【背景技术】

在自动驾驶中，无人车需要快速的进行环境感知，识别周围的障碍物，并准确做出决策控制，安全避开障碍物行驶，以保证无人车的安全行驶。无人车在进行环境感知和决策控制之前，需要采集大量的训练数据，并基于大量的训练数据进行机器学习，经过深度学习之后，得到训练的环境感知和决策控制模型，从而基于训练好的模型，实现环境感知和决策控制。

现有技术中，无人车周围的障碍物主要包括静态障碍物和动态障碍物，其中静态障碍物包括隔离带、红绿灯以及栅栏等固定在道路旁的障碍物。动态障碍物包括道路中的行驶的各种车辆以及行走的行人等。训练模型时所采集的训练数据需要将无人车周围的每种障碍物的类别以及对应的点云都标识出来，以训练无人车对环境感知能力和决策控制能力。其中，现有的从激光雷达点云数据中标注动态障碍物时，一般是通过设计点云数据的可视化界面和开发人机交互窗口的软件来实现的。标注人员通过软件直观地肉眼观察每一帧点云，确定动态障碍物的位置；然后在动态障碍物周围，用鼠标手动点击和拖拽出一个最外接矩形框，并输入障碍物类型等其他信息；最终由软件将矩形框中所含的动态障碍物的位置、大小、方向、类型等信息保存成文件，作为标注结果输出。

上述现有技术中，采用人工手动的方式标注动态障碍物点云时，标注过程中不仅需要耗费人力成本，而且特别费时，例如标注每帧点云数据中的动态障碍物需要10～20分钟，因此，现有的采用人工手动的方式标注动态障碍物点云的标注效率非常低。

【发明内容】

本发明提供了一种动态障碍物点云的标注方法、设备及可读介质，用于提高动态障碍物点云的标注效率。

本发明提供一种动态障碍物点云的标注方法，所述方法包括：

采集目标采集点周围的静态场景下的第一点云数据；

根据所述第一点云数据，建立所述目标采集点周围的所述静态场景下的静态背景网格模型；

采集所述目标采集点周围运行动态障碍物后的动态场景下目标帧的第二点云数据；

根据所述静态背景网格模型，对所述目标帧对应的所述第二点云数据中的动态障碍物的点云进行标注。

进一步可选地，如上所述的方法中，根据所述第一点云数据，建立所述目标采集点周围的所述静态场景下的静态背景网格模型，具体包括：

将所述第一点云数据在三维空间中进行网格化处理，得到三维网格模型；

根据所述三维网格模型中每个网格中是否包括所述第一点云数据中的有效点的情况，为对应的所述网格设置背景属性，得到所述目标采集点周围的所述静态场景下的所述静态背景网格模型。

进一步可选地，如上所述的方法中，根据所述三维网格模型中每个网格中是否包括所述第一点云数据中的有效点的情况，为对应的所述网格设置背景属性，具体包括：

判断所述三维网格模型的各网格中是否包括所述第一点云数据中的有效点，若包括，将对应的所述网格的背景属性设置为1；否则将对应的所述网格的背景属性设置为0。

进一步可选地，如上所述的方法中，根据所述静态背景网格模型，对所述目标帧对应的所述第二点云数据中的动态障碍物的点云进行标注，具体包括：