[发明专利]障碍物点云数据筛选方法、装置、电子设备及存储介质

权利要求书

1.一种障碍物点云数据筛选方法，其特征在于，包括：

获取由无人车采集到的点云数据组成的原始数据片段，并从预置的地图信息中获取目标区域，从所述原始数据片段中提取出与所述目标区域的位置相对应的障碍物点云簇；

基于预设的障碍物类别对所述障碍物点云簇进行标注，根据标注结果得到属于不同障碍物类别的障碍物点云簇，并将所述不同障碍物类别的障碍物点云簇转换至参考坐标系下；

利用所述参考坐标系下的障碍物点云簇对分类模型进行训练，并利用训练后的分类模型对给定的目标点云簇进行分类，得到所述目标点云簇对应的障碍物类别；

计算所述目标点云簇与待筛选数据集中每一个待筛选点云簇之间的矢量距离，将所述矢量距离作为衡量所述目标点云簇与待筛选点云簇之间相似度的指标，基于所述矢量距离对所述待筛选点云簇进行相似性排序，基于所述相似性排序的结果确定与所述目标点云簇的障碍物类别相同的待筛选点云簇，依据所述目标点云簇的障碍物类别对筛选出来的点云簇进行类别标注。

2.根据权利要求1所述的方法，其特征在于，所述获取由无人车采集到的点云数据组成的原始数据片段，并从预置的地图信息中获取目标区域，包括：

在所述无人车的运行过程中，利用安装在所述无人车上的激光雷达采集道路环境对应的点云数据，利用所述点云数据生成所述原始数据片段，并从所述地图信息中获取目标区域；

其中，所述原始数据片段是由多帧点云数据拼接而成的数据片段，所述目标区域为预设的所述地图信息中的感兴趣区域。

3.根据权利要求2所述的方法，其特征在于，所述从所述原始数据片段中提取出与所述目标区域的位置相对应的障碍物点云簇，包括：

基于所述地图信息中的感兴趣区域，对所述原始数据片段进行点云检测，得到所述感兴趣区域中的障碍物对应的边界框，并对所述边界框中的点云数据进行提取，得到所述障碍物点云簇；和/或，利用分割方式对所述原始数据片段执行分割操作，得到所述障碍物点云簇。

4.根据权利要求1所述的方法，其特征在于，在所述根据标注结果得到属于不同障碍物类别的障碍物点云簇之后，所述方法还包括：

对每个所述障碍物点云簇中的点云数量进行判断，将点云数量小于数量阈值的障碍物点云簇进行过滤，保留点云数量大于或等于所述数量阈值的障碍物点云簇，并将过滤后的所述障碍物点云簇转换至参考坐标系下。

5.根据权利要求1所述的方法，其特征在于，所述利用所述参考坐标系下的障碍物点云簇对分类模型进行训练，包括：

将转换至所述参考坐标系下的障碍物点云簇作为样本，将所述障碍物点云簇标注的障碍物类别作为标签，将所述样本及所述标签组成训练集，利用所述训练集对所述分类模型进行训练，其中，所述分类模型为采用点云目标检测网络所构建的网络模型。

6.根据权利要求1所述的方法，其特征在于，所述计算所述目标点云簇与待筛选数据集中每一个待筛选点云簇之间的矢量距离，包括：

基于所述目标点云簇中每一个点云数据对应的向量，对所述目标点云簇中全部点云数据的向量进行叠加，得到所述目标点云簇对应的向量；

基于所述待筛选点云簇中每一个点云数据对应的向量，对所述待筛选点云簇中全部点云数据的向量进行叠加，得到所述待筛选数据集中每一个所述待筛选点云簇对应的向量；

分别计算所述目标点云簇的向量与每一个所述待筛选点云簇的向量之间的距离，将所述距离作为所述目标点云簇与所述待筛选点云簇之间的矢量距离。

7.根据权利要求1所述的方法，其特征在于，所述基于所述矢量距离对所述待筛选点云簇进行相似性排序，基于所述相似性排序的结果确定与所述目标点云簇的障碍物类别相同的待筛选点云簇，包括：

将所述矢量距离按照由小至大的方式进行相似性排序，从所述相似性排序的结果中选择前若干个相似度的矢量距离，获取所述前若干个相似度的矢量距离对应的待筛选点云簇，并将所述待筛选点云簇的障碍物类别设置成所述目标点云簇对应的障碍物类别。