[发明专利]一种生成训练样本的方法及装置

权利要求书

1.一种生成训练样本的方法，其特征在于，包括：

获取已构建的高精地图，解析所述高精地图中各交通信号灯的矢量数据，分别确定各交通信号灯的中心地理坐标；

针对每个交通信号灯，根据该交通信号灯的中心地理坐标以及预设的第一距离，确定该交通信号灯对应的采集范围；

从采集的点云数据中，确定落入所述采集范围的激光点，作为该交通信号灯对应的训练样本的样本数据；

根据所述高精地图中该交通信号灯的矢量数据，确定所述样本数据中该交通信号灯的标注框，生成训练样本，用于训练交通信号灯识别模型。

2.如权利要求1所述的方法，其特征在于，解析所述高精地图中各交通信号灯的矢量数据，分别确定各交通信号灯的中心地理坐标，具体包括：

根据所述高精地图中各交通信号灯的矢量数据，分别确定各交通信号灯的三维包围框对应的数据；

针对每个交通信号灯，根据该交通信号灯的三维包围框对应的数据，确定该交通信号灯的中心地理坐标。

3.如权利要求1所述的方法，其特征在于，从采集的点云数据中，确定落入所述采集范围的激光点，作为该交通信号灯对应的训练样本的样本数据，具体包括：

根据该交通信号灯的中心地理坐标，以及预设的第二距离，确定该交通信号灯对应的位置范围；

根据采集设备采集各帧点云数据时的采集位置，确定采集位置落入所述位置范围的点云数据；

从确定出的点云数据包含的激光点中，确定落入所述采集范围的激光点；

以落入所述采集范围的激光点组成的点云数据，作为该交通信号灯对应的训练样本的样本数据；

其中，所述第二距离大于所述第一距离。

4.如权利要求1所述的方法，其特征在于，根据所述高精地图中该交通信号灯的矢量数据，确定所述样本数据中该交通信号灯的标注框，具体包括：

根据各其他交通信号灯的中心地理坐标，以及该交通信号灯对应的采集范围，确定落入所述采集范围的其他交通信号灯，作为待标注交通信号灯；

根据所述高精地图中所述待标注交通信号灯以及该交通信号灯的矢量数据，确定所述样本数据中的标注框，所述标注框用于标识所述样本数据中的交通信号灯。

5.如权利要求4所述的方法，其特征在于，根据所述高精地图中所述待标注交通信号灯的矢量数据，确定所述样本数据中的标注框，具体包括：

针对每个待标注交通信号灯，确定该待标注交通信号灯的三维包围框落入所述采集范围的部分，与该待标注交通信号灯的三维包围框整体之间的比值；

当所述比值大于标注阈值时，根据该待标注交通信号灯的矢量数据，确定所述训练样本中该待标注交通信号灯的标注框。

6.一种识别交通信号灯的方法，其特征在于，包括：

获取若干单帧点云数据，确定点云数据集；

根据预设的采集范围，对所述点云数据集进行分割，确定各待识别子数据；

将各待识别子数据输入到预先训练的交通信号灯识别模型，分别确定各待识别子数据中各交通信号灯的三维包围框；

其中，所述交通信号灯识别模型采用上述权利要求1～5任一所述的方法生成的训练样本训练得到。

7.一种生成训练样本的装置，其特征在于，包括：

解析模块，用于获取已构建的高精地图，解析所述高精地图中各交通信号灯的矢量数据，分别确定各交通信号灯的中心地理坐标；

采集范围确定模块，用于针对每个交通信号灯，根据该交通信号灯的中心地理坐标以及预设的第一距离，确定该交通信号灯对应的采集范围；

样本数据确定模块，用于从采集的点云数据中，确定落入所述采集范围的激光点，作为该交通信号灯对应的训练样本的样本数据；

训练样本生成模块，用于根据所述高精地图中该交通信号灯的矢量数据，确定所述样本数据中该交通信号灯的标注框，生成训练样本，用于训练交通信号灯识别模型。