[发明专利]一种基于点云数据的目标识别方法、装置及电子设备

说明书

本发明公开了一种基于点云数据的目标识别方法、装置及电子设备，该方法包括：通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；对所述当前图像数据进行图像识别，获得尺寸小于预设阈值的目标物检测框；基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，以及所述当前点云数据中落入所述伪三维检测框的候选点云；对所述候选点云进行时间积分，基于积分后的候选点云更新所述当前点云数据；对更新后的当前点云数据进行目标识别。通过上述技术方案，提高了点云数据中小目标物的点云密度，进而提升点云数据整体目标识别精度。

技术领域

本发明涉及智慧交通技术领域，特别涉及一种基于点云数据的目标识别方法、装置及电子设备。

背景技术

自动驾驶领域，3D目标识别是非常重要的一环。自动驾驶场景比较复杂，通常采用激光雷达来完成3D目标识别。激光雷达是一种通过探测远距离物体的激光散射来获取目标相关信息的光学遥感技术，是结合传统雷达和现代激光的技术产品。与传统测量技术相比，激光雷达数据采集器具有高测量精度、高检测效率、全天候探测、非接触探测的优点。

在3D目标识别中，车辆和行人是我们最关注的识别对象。对于车辆的识别现有的激光雷达已能够满足较高的精度需求，但对于同一帧点云数据中的小目标如行人，由于点云视觉特征较差、噪声较多，其识别精度较差，导致点云数据帧中目标识别的整体进度下降。提高点云帧整体目标识别精度，已成为了自动驾驶领域中亟待解决的技术问题。

发明内容

本发明实施例提供一种基于点云数据的目标识别方法、装置及电子设备，用于解决现有技术中点云数据整体目标识别精度较差的技术问题。

第一方面，本申请实施例提供一种基于点云数据的目标识别方法，包括：

通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；

对所述当前图像数据进行图像识别，获得尺寸小于预设阈值的目标物检测框；

基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，以及所述当前点云数据中落入所述伪三维检测框的候选点云；

对所述候选点云进行时间积分，基于积分后的候选点云更新所述当前点云数据；

对更新后的当前点云数据进行目标识别。

可选地，目标物包括行人和/或非机动车。

可选地，所述基于点云数据与图像数据之间的映射关系，获取所述目标物检测框在三维空间中的伪三维检测框，包括：

基于所述相机拍摄的历史图像数据获得目标物在当前时刻的预测图像检测框；

将所述预测图像检测框与所述目标物检测框进行合并，获得合并后的目标检测框；

基于点云数据与图像数据之间的映射关系，获取所述合并后的目标物检测框在三维空间中的伪三维检测框。

可选地，所述对所述候选点云进行时间积分，包括：

基于所述激光雷达采集的历史点云数据获得目标物在当前时刻的预测点云；

将所述预测点云与所述候选点云进行融合，并通过融合后的点云更新所述候选点云，对更新后的候选点云进行时间积分。

可选地，所述时间积分的时长大于所述激光雷达输出前后两帧点云的时间间隔。

第二方面，本申请实施例提供一种基于点云数据的目标识别装置，所述装置包括：

采集单元，用于通过非重复扫描的激光雷达和相机对当前环境进行数据采集，获得当前点云数据和当前图像数据；