[发明专利]一种标定三维物体的方法及装置

说明书

本申请提供一种标定三维物体的方法及装置，方法包括：获取三维激光点云数据；基于预先获取的标定矩阵将所述点云数据映射至图像坐标系，得到所述点云数据的二维坐标；基于所述二维坐标与目标物体在所述图像坐标系的二维边界框确定所述目标物体的目标点云数据，并确定所述目标物体在所述图像坐标系的标签；基于所述目标点云数据确定所述目标物体的三维边界框，并将所述三维边界框与所述标签进行关联。本申请可以实现准确地确定目标物体的三维边界框，进而可以提高标定三维的目标物体的准确性。

技术领域

本申请涉及激光扫描技术领域，尤其涉及一种标定三维物体的方法及装置。

背景技术

障碍物检测识别是无人驾驶技术体系中的关键技术，在无人驾驶过程中需要确定障碍物的长宽高，因而需要对障碍物进行三维检测识别，得到障碍物的三维边界框(3Dbounding box)。

现有技术中通常是通过采集3D点云数据，并对需要检测的物体进行标注，然后基于标注数据训练用于对目标物体进行检测识别的模型，以输出目标物体的三维边界框。

然而，上述方案需要大量标注数据，如果标注数据不足，会导致训练的模型不够准确，进而会影响输出目标物体的三维边界框的准确性。

发明内容

有鉴于此，本申请提供一种标定三维物体的方法及装置，可以解决现有技术中存在的上述问题。

具体地，本申请是通过如下技术方案实现的：

根据本申请的第一方面，提出了一种标定三维物体的方法，包括：

获取三维激光点云数据；

基于预先获取的标定矩阵将所述点云数据映射至图像坐标系，得到所述点云数据的二维坐标；

基于所述二维坐标与目标物体在所述图像坐标系的二维边界框确定所述目标物体的目标点云数据，并确定所述目标物体在所述图像坐标系的标签；

基于所述目标点云数据确定所述目标物体的三维边界框，并将所述三维边界框与所述标签进行关联。

在一实施例中，所述方法还包括：

对预设参照物的图像数据和激光点云数据进行联合标定，得到所述标定矩阵。

在一实施例中，所述基于所述二维坐标与目标物体在所述图像坐标系的二维边界框确定所述目标物体的目标点云数据，包括：

将所述二维坐标与目标物体在所述图像坐标系的二维边界框进行匹配，得到位于所述二维边界框内的点云数据；

将位于所述二维边界框内的点云数据确定为所述目标物体的目标点云数据。

在一实施例中，所述基于所述目标点云数据确定所述目标物体的三维边界框，包括：

对所述目标点云数据进行去噪处理；

基于去噪处理后的目标点云数据确定所述目标物体的三维边界框。

在一实施例中，所述基于所述目标点云数据确定所述目标物体的三维边界框，包括：

将所述目标点云数据投影至鸟瞰图，得到所述目标点云数据在世界坐标系中xy平面的最小凸包；

基于所述最小凸包以及所述目标点云数据的高度最大值确定所述目标物体的三维边界框。

在一实施例中，所述方法还包括根据以下步骤确定所述二维边界框以及所述标签：

获取所述目标物体的图像数据；

将所述图像数据输入至预先训练的深度学习模型，基于所述模型的输出结果确定所述目标物体在所述图像坐标系的二维边界框以及所述目标物体在所述图像坐标系的标签。