[发明专利]一种训练模型和点云的处理方法及装置

说明书

本说明书公开了一种训练模型和点云的处理方法及装置，利用预设的目标物对应的完整点云，将从原始点云中切分出的原始子点云进行稠密化，得到作为训练样本的稠密子点云，利用稠密子点云对稠密化模型进行训练，并利用训练后的稠密化模型，对待处理点云中包含目标物的待处理子点云进行稠密化处理，无需利用二维的图像即可对点云进行稠密化处理，从而不会引入噪声，使得稠密化后的点云更加准确。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种训练模型和点云的处理方法及装置。

背景技术

目前，无人驾驶技术已经日渐成熟，在无人驾驶技术中，环境感知是非常重要的一环。

一般的，常采用雷达对周围环境进行感知，通过雷达获得的点云越稠密，后续基于点云所进行的环境感知等处理就越准确可靠，因此，如何获得稠密的点云是一个亟待解决的问题。其中，用于环境感知的雷达至少包含激光雷达。

在现有技术中，通常利用深度图像对雷达获得的原始点云进行稠密化处理。

但是，即便是深度图像也毕竟是二维的图像，其在结构信息上本就存在固有的缺失，因此，通过图像对点云进行稠密化不可避免的会引入噪声，使得稠密化效果。

发明内容

本说明书实施例提供一种训练模型和点云的处理方法及装置，以部分解决上述现有技术存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种训练模型的方法，包括：

获取原始点云；

对所述原始点云进行切分，得到若干原始子点云；

针对每个原始子点云，识别该原始子点云中是否存在目标物对应的至少部分点云，若存在，则采用预设的所述目标物对应的完整点云以及该原始子点云，得到该原始子点云对应的稠密子点云；

将该原始子点云作为训练样本输入稠密化处理模型，将该原始子点云对应的稠密子点云作为所述训练样本的第一标注，以所述稠密化处理模型输出的稠密化处理后的子点云与所述第一标注的差异最小为训练目标，对所述稠密化处理模型进行训练，所述稠密化处理模型用于将输入的点云进行稠密化处理。

可选地，识别该原始子点云中是否存在目标物对应的至少部分点云，具体包括：

通过识别模型识别该原始子点云中是否存在目标物对应的至少部分点云；

所述识别模型是通过下述方法训练得到的：

确定样本点云以及所述样本点云中存在的各目标物对应的点云；

将所述样本点云进行切分，得到若干样本子点云；

针对每个样本子点云，若该样本子点云与至少一个目标物对应的点云的交并比大于设定阈值，则将该样本子点云标注为存在目标物对应的至少部分点云，若该样本子点云与任何目标物对应的点云的交并比均不大于所述设定阈值，则将该样本子点云标注为不存在目标物对应的至少部分点云；

根据每个样本子点云以及每个样本子点云的标注，对所述识别模型进行训练。

可选地，预设所述目标物对应的完整点云，具体包括：

预先建立所述目标物对应的三维模型；

基于所述目标物对应的三维模型，获得所述目标物对应的完整点云。

可选地，采用预设的所述目标物对应的完整点云以及该原始子点云，得到该原始子点云对应的稠密子点云，具体包括：

根据该原始子点云中包含的目标物对应的至少部分点云，确定所述目标物的属性，所述属性包括所述目标物的尺寸和位姿中的至少一种；