[发明专利]激光点云数据集增广方法、装置及可读存储介质

说明书

本发明提供一种激光点云数据集增广方法，所述方法包括以下步骤：获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；在所述目标数据集中选取需要进行处理的激光点云数据；基于预设的数据处理方式，处理已选取的所述激光点云数据；获取处理后的激光点云数据，以生成对应的激光点云增广数据集。本发明还提供了一种激光点云数据集增广装置及可读存储介质。本发明解决了现有激光点云人工标注的方式导致激光点云标注效率低下的问题。

技术领域

本发明涉及数据处理的技术领域，尤其涉及激光点云数据集增广方法、装置及可读存储介质。

背景技术

当前激光雷达已经成为无人驾驶领域采用的核心探测传感器。激光雷达的基本工作原理是激光雷达发射激光，并接收照射到物体表面后的反射激光。反射激光会携带物体方位、距离等信息，由此激光雷达根据接收到的反射激光确定物体的方位、距离、形状等信息，从而进行对物体的三维立体探测。

激光雷达在探测过程中会产生大量的扫描点数据(尤其是在无人驾驶领域)，此类扫描点数据一般称作三维激光点云数据。三维激光点云数据是一个三维坐标系统中的一组向量的集合，这些向量通常以X,Y,Z三维坐标的形式表示，还包括物体的外表面形状(如一个点的RGB颜色、灰度值、深度、分割结果)。基于深度学习的三维激光点云目标分割和识别算法在准确率和鲁棒性方面远高于传统识别模式，因此具有广阔的应用前景。

但是，该算法需要高质量的三维激光点云标注数据作为深度学习的训练数据；而现有激光点云数据仍然采取人工标注的方法，需要对原始的三维点云数据进行大量耗时耗力的人工数据标注，这也制约着该算法的实际推广应用。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种激光点云数据集增广方法、装置及可读存储介质，旨在解决现有激光点云人工标注的方式导致激光点云标注效率低下的问题。

为实现上述目的，本发明提供一种激光点云数据集增广方法，所述方法包括以下步骤：

获取激光点云目标数据集；其中，所述激光点云目标数据集包含已标注的激光点云数据；

在所述目标数据集中选取需要进行处理的激光点云数据；

基于预设的数据处理方式，处理已选取的所述激光点云数据；

获取处理后的激光点云数据，以生成对应的激光点云增广数据集。

优选地，所述在所述目标数据集中选取需要进行处理的激光点云数据的步骤，具体包括：

根据已标注的所述激光点云数据，构建三维包围框；

选取合适的三维包围框，以使需要进行处理的所述激光点云数据包含在已选取的三维包围框之中。

优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：

获取预设旋转参数；

根据预设旋转参数，对已选取的所述激光点云数据进行旋转，以使所述激光点云数据的坐标变换。

优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：

获取预设拉伸参数；

根据预设拉伸参数，对已选取的所述激光点云数据进行拉伸变换，以使所述激光点云数据的坐标变换。

优选地，所述基于预设的数据处理方式，处理已选取的所述激光点云数据的步骤，具体包括：

构建所述激光点云数据所在的空间直角坐标系；