CN116152783A - 目标元素标注数据的获取方法、计算机设备及存储介质 - Google Patents
目标元素标注数据的获取方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116152783A CN116152783A CN202310412798.XA CN202310412798A CN116152783A CN 116152783 A CN116152783 A CN 116152783A CN 202310412798 A CN202310412798 A CN 202310412798A CN 116152783 A CN116152783 A CN 116152783A
- Authority
- CN
- China
- Prior art keywords
- target element
- vector information
- information sequence
- image
- precision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及自动驾驶技术领域,具体提供一种目标元素标注数据的获取方法、计算机设备及存储介质,旨在解决提高目标元素标注数据的准确性的问题。本发明提供的方法包括对连续多个时刻的图像进行目标元素感知,获取在连续多个时刻中每个时刻的2D目标元素,根据每个时刻的2D目标元素分别获取每个时刻的3D目标元素并根据矢量信息对每个时刻的3D目标元素进行拼接以形成3D局部矢量信息序列;对3D局部矢量信息序列与预设高精矢量信息序列进行配准,将配准后的3D局部矢量信息序列投影至连续多个时刻的图像上并对图像进行目标元素标注,以获取图像的目标元素标注数据。通过上述方法,可以自动地完成目标元素标注并提高目标元素标注的准确性。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种目标元素标注数据的获取方法、计算机设备及存储介质。
背景技术
自动驾驶技术主要包括感知(Perception)、定位(localization)、规划(Planning)和控制(Control)等多个关键技术,其中,感知技术主要用于确定车辆所处行驶环境的障碍物信息,定位技术主要用于确定车辆位置,规划技术主要用于根据障碍物信息和车辆位置规划车辆的行驶轨迹,控制技术主要用于控制车辆按照规划出来的行驶轨迹行驶。
为了提高障碍物信息的准确性,以保证车辆能够安全行驶,目前主要是先采用车道场景的目标元素标注数据训练基于BEV(Bird Eye View)视角下的多传感器感知模型,再通过训练好的感知模型确定车辆的行驶环境的障碍物信息,其中,目标元素标注数据的准确性将会极大地影响感知模型的准确性,进而影响障碍物信息的准确性。因而,为了提高目标元素标注数据的准确性,以提高障碍物信息的准确性,进而保证车辆能够安全行驶,必须准确获取车道场景的目标元素标注数据。
相应地,本领域需要一种新的技术方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决提高目标元素标注数据的准确性,以提高障碍物信息的准确性,进而保证车辆能够安全行驶的技术问题的目标元素标注数据的获取方法、计算机设备及存储介质。
在第一方面,提供一种目标元素标注数据的获取方法,包括:
对连续多个时刻的图像进行目标元素感知,以获取在所述连续多个时刻中每个时刻的2D目标元素;
根据每个时刻的2D目标元素分别获取每个时刻的3D目标元素,并根据每个时刻3D目标元素的矢量信息对每个时刻的3D目标元素进行拼接,以形成3D局部矢量信息序列;
对所述3D局部矢量信息序列与预设高精矢量信息序列进行配准;
将配准后的所述3D局部矢量信息序列投影至所述连续多个时刻的图像上并对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据。
在上述目标元素标注数据的获取方法的一个技术方案中,“对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据”的步骤具体包括:
对所述图像进行目标元素标注,以形成包含一维时间信息和三维空间位置信息的四维目标元素标注数据;
和/或,
对所述图像进行目标元素标注,以形成包含三维空间位置信息的三维目标元素标注数据和/或包含一维时间信息和二维空间位置信息的三维目标元素标注数据;
和/或,
对所述图像进行目标元素标注,以形成包含二维空间位置信息的二维目标元素标注数据。
在上述目标元素标注数据的获取方法的一个技术方案中,“对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据”的步骤还包括:
根据所述图像获取目标元素在X轴和Y轴的坐标;
获取地表高度图模型(Digital Elevation Model),并根据所述地表高度图模型(Digital Elevation Model)获取目标元素在Z轴的坐标;
根据目标元素在X轴、Y轴和Z轴的坐标,对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据。
在上述目标元素标注数据的获取方法的一个技术方案中,“获取地表高度图模型(Digital Elevation Model)”的步骤具体包括:
获取在所述连续多个时刻中每个时刻的三维雷达点云帧;
根据每个时刻三维雷达点云帧的矢量信息对每个时刻的三维雷达点云帧进行拼接,以形成点云局部矢量信息序列;
根据所述点云局部矢量信息序列提取地面信息,并根据所述地面信息生成所述地表高度图模型(Digital Elevation Model)。
在上述目标元素标注数据的获取方法的一个技术方案中,在“对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据”的步骤之后,所述方法还包括:
对所述图像设置场景标签与精度标签;
其中,所述场景标签用于表示图像对应的目标元素场景,所述精度标签用于表示图像的目标元素标注数据与目标元素真实数据之间的对齐精度。
在上述目标元素标注数据的获取方法的一个技术方案中,“对所述3D局部矢量信息序列与预设高精矢量信息序列进行配准”的步骤具体包括:
对所述3D局部矢量信息序列与预设高精矢量信息序列进行多次迭代配准,直至所述3D局部矢量信息序列与预设高精矢量信息序列之间的配准分数大于预设的分数阈值;
其中,所述配准分数用于表示所述3D局部矢量信息序列与预设高精矢量信息序列之间的配准精准度且所述配准分数与所述配准精准度成正相关关系。
在上述目标元素标注数据的获取方法的一个技术方案中,“对所述3D局部矢量信息序列与预设高精矢量信息序列进行配准”的步骤还包括:
从预设高精矢量信息序列中截取与所述3D局部矢量信息序列匹配的高精局部矢量信息序列;
对所述3D局部矢量信息序列与所述高精局部矢量信息序列进行配准。
在上述目标元素标注数据的获取方法的一个技术方案中,“从预设高精矢量信息序列中截取与所述3D局部矢量信息序列匹配的高精局部矢量信息序列”的步骤具体包括:
通过全球卫星定位装置获取所述3D局部矢量信息序列对应的全球定位位姿;
从预设高精矢量信息序列中截取与所述全球定位位姿匹配的高精局部矢量信息序列。
在第二方面,提供一种计算机设备,该计算机设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述目标元素标注数据的获取方法的技术方案中任一项技术方案所述的方法。
在第三方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述目标元素标注数据的获取方法的技术方案中任一项技术方案所述的方法。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本发明提供的目标元素标注数据的获取方法的技术方案中,可以同时结合2D目标元素感知与配准来获取图像的目标元素标注数据。具体而言,可以对连续多个时刻的图像进行目标元素感知,以获取在连续多个时刻中每个时刻的2D目标元素,根据每个时刻的2D目标元素分别获取每个时刻的3D目标元素并根据每个时刻3D目标元素的矢量信息对每个时刻的3D目标元素进行拼接以形成3D局部矢量信息序列,即利用感知得到的2D目标元素获取3D局部矢量信息序列。进而,对3D局部矢量信息序列与预设高精矢量信息序列进行配准,将配准后的3D局部矢量信息序列投影至连续多个时刻的图像上并对图像进行目标元素标注,以获取图像的目标元素标注数据,即通过配准的方式保证3D局部矢量信息序列中目标元素的高精定位,从而有利于得到准确的目标元素标注数据。
通过上述方式,不需要依赖人工可以自动地完成目标元素的标注,同时还可以保证目标元素标注数据具备较高的准确性。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于说明的目的,而并非意在对本发明的保护范围组成限制。其中:
图1是根据本发明的一个实施例的目标元素标注数据的获取方法的主要步骤流程示意图;
图2是根据本发明的一个实施例的对图像进行目标元素标注的方法的主要步骤流程示意图;
图3是根据本发明的一个实施例的计算机设备的主要结构示意图。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“处理器”可以包括硬件、软件或者两者的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。
下面对本发明提供的目标元素标注数据获取方法的实施例进行说明。
参阅附图1,图1是根据本发明的一个实施例的目标元素标注数据获取方法的主要步骤流程示意图。如图1所示,本发明实施例中的目标元素标注数据获取方法主要包括下列步骤S101至步骤S104。
步骤S101:对连续多个时刻的图像进行目标元素感知,以获取在连续多个时刻中每个时刻的2D目标元素。
图像可以是通过车辆上的视觉传感器(比如相机)进行图像采集得到的,可以将其输入至一个预设的感知模型中,通过这个感知模型对图像中目标元素的矢量信息(至少包括目标元素的位置、姿态)、语义信息和变化点等信息进行感知。这个感知模型可以是采用神经网络技术领域中常规的方法构建出来的,本发明实施例不对该感知模型的具体结构和训练方法进行限定,只要其具备从图像上感知目标元素的能力即可。需要说明的是,本发明实施例所涉及的数据(包括但不限于用于感知的图像等),均为经用户授权或者经过各方充分授权的信息和数据。本发明实施例中涉及到的数据的获取等动作,均为经用户、对象授权或者经过各方充分授权后执行。
目标元素至少包括图像中静态目标和/或动态目标等的目标元素,静态目标包括但不限于线条状、圆桶状和杆状等形状的目标,动态目标包括但不限于机动车和非机动车等。
步骤S102:根据每个时刻的2D目标元素分别获取每个时刻的3D目标元素,并根据每个时刻3D目标元素的矢量信息对每个时刻的3D目标元素进行拼接,以形成3D局部矢量信息序列。
在获取3D目标元素时,可以通过坐标系转换的方式将2D目标元素由二维的图像坐标系转换至三维坐标系下得到3D目标元素。在本发明实施例中可以采用图像处理技术领域中常规的2D与3D的转换方法,将2D目标元素转换至三维坐标系下得到3D目标元素。在一些优选实施方式中,可以采用逆透视变换(Inverse Perspective Mapping,IPM)的方法对2D目标元素进行转换,以获取3D目标元素。例如,可以利用车辆上IMU(惯性测量单元,Inertial measurement unit)的测量数据(至少包括角速度和加速度)估计车辆在每两个相邻时刻之间的相对俯仰角(pitch)和2D目标元素(比如线条状目标)的消失点等信息,进而根据车辆上相机的内外参数并根据上述信息估计出单应矩阵(Homography Matrix),最后根据单应矩阵进行逆透视变换就可以得到3D目标元素。其中,对于长度很长的线条状目标而言,若两条线条状目标平行,那么二者在透视下会相交于无穷远点,这个无穷远点在图像上的投影就是车道线的消失点。
在对3D目标元素进行拼接时,可以矢量信息中的位姿分别获取每两个相邻时刻的3D目标元素之间的相对位姿,再根据该相对位姿分别对每两个相邻时刻的3D目标元素进行拼接,从而得到3D局部矢量信息序列。在本发明实施例中可以采用自动驾驶技术领域中常规的相对位姿获取方法来获取上述3D目标元素之间的相对位姿。在一些优选实施方式中,可以通过车辆上的轮速计和/或IMU的测量数据估计每两个相邻时刻的3D目标元素之间的相对位姿,根据该相对位姿可以将每个时刻的3D目标元素对应的坐标系都转换到同一时刻的3D目标元素对应的坐标系进行融合,就可以得到3D局部矢量信息序列。比如都转换到第1个时刻对应的坐标系。
步骤S103:对3D局部矢量信息序列与预设高精矢量信息序列进行配准。
预设高精矢量信息序列是指目标元素的精度大于设定值的矢量信息序列,高精矢量信息序列可以由高精地图获得,高精地图中地图元素的精度可以是厘米级别。通过配准可以确定出3D局部矢量信息序列中目标元素与预设高精矢量信息序列中目标元素的对应关系以及相对位姿,根据该对应关系以及相对位姿,就可以准确得到3D局部矢量信息序列中每个目标元素的位姿,实现了对3D局部矢量信息序列中每个目标元素的矢量信息校正。
在本发明实施例中可以采用自动驾驶技术领域中常规的配准方法对3D局部矢量信息序列与预设高精矢量信息序列进行配准。在一些优选实施方式中,可以采用ICP(Iterative Closest Point)配准算法进行配准。
步骤S104:将配准后的3D局部矢量信息序列投影至连续多个时刻的图像上并对图像进行目标元素标注,以获取图像的目标元素标注数据。
3D局部矢量信息序列是由3D目标元素的矢量信息拼接形成的,将3D局部矢量信息序列投影至图像实际上是根据3D局部矢量信息序列中3D目标元素的矢量信息将3D目标元素投影至图像上,在本发明实施例中同样可以采用坐标系转换的方式将3D目标元素由三维坐标系转换至上述图像对应的图像坐标系,以实现将3D目标元素投影至图像上。
在基于上述步骤S101至步骤S104所述的方法中,通过对图像进行感知可以准确得到图像中的2D目标元素,通过配准可以确保3D目标元素的定位精度,进而也使得投影至图像的2D目标元素的定位精度得到保证,从而有利于提高对图像进行目标元素标注的准确性。此外,基于上述方法不需要依赖人工就能够自动地完成目标元素的标注,从而显著提高了目标元素的标注效率。
下面分别对上述步骤S103和步骤S104作进一步说明。
一、对步骤S103进行说明。
在上述步骤S103的一些实施方式中,为了提高配准的准确性,可以对3D局部矢量信息序列与预设高精矢量信息序列进行多次迭代配准,直至3D局部矢量信息序列与预设高精矢量信息序列之间的配准分数大于预设的分数阈值。
配准分数可以用于表示3D局部矢量信息序列与预设高精矢量信息序列之间的配准精准度且配准分数与配准精准度成正相关关系,即配准分数越大则配准精准度越高。本领域技术人员可以根据实际需求灵活地设定预设的分数阈值的具体数值,本发明实施例对此不作具体限定。
在本发明实施例中可以采用数据配准技术领域中常规的配准分数获取方法,获取对3D局部矢量信息序列与预设高精矢量信息序列配准之后对应的配准分数。在一些优选实施方式中,若采用ICP算法进行配准,则可以通过下列公式(1)来获取初始配准分数,进而再获取最终的配准分数。
公式(1)中各参数含义分别如下:
S表示初始配准分数,表示3D局部矢量信息序列中的第i个目标元素,/>表示经过配准确定出来的在预设高精矢量信息序列中与目标元素/>对应的目标元素,n表示3D局部矢量信息序列中目标元素的总数,/>表示计算目标元素/>与目标元素/>之间的欧式距离。由于公式(1)中的配准分数与配准精准度成负相关关系,因此可以将/>作为最终的配准分数。
在上述步骤S103的一些实施方式中,为了提高配准的效率,可以从预设高精矢量信息序列上截取与3D局部矢量信息序列匹配的高精局部矢量信息序列,对3D局部矢量信息序列与高精局部矢量信息序列进行配准。由于预设高精矢量信息序列对应的目标元素范围通常比较大,通过截取可以获取到与3D局部矢量信息序列表示同一目标元素范围的高精矢量信息序列,过滤掉其他范围的高精矢量信息序列,也就不需要对这些其他范围的高精矢量信息序列进行配准了,从而可以有效提高配准的效率。
进一步,在一些实施方式中为了提高截取高精局部矢量信息序列的准确性,可以通过全球卫星定位装置获取3D局部矢量信息序列对应的全球定位位姿,从预设高精矢量信息序列中截取与该全球定位位姿匹配的高精局部矢量信息序列。具体地,可以通过全球卫星定位装置获取在3D局部矢量信息序列中每个目标元素对应时刻的全球定位位姿,进而获取预设高精矢量信息序列中位姿与这些全球定位位姿相同的目标元素形成的矢量信息序列。
全球卫星定位装置是指车辆上利用卫星导航定位技术进行定位的装置,其可以是基于全球导航卫星***(Global Navigation Satellite System)或全球定位***(GlobalPositioning System)或RTK(Real Time Kinematic)定位技术等进行定位的装置。本领域技术人员可以根据实际需求灵活地选择不同类型的全球卫星定位装置,本实施方式对此不进行具体限定。
二、对步骤S104进行说明。
参阅附图2,在上述步骤S104的一些实施方式中,可以通过下列步骤S1041至步骤S1043,对图像进行目标元素标注。
步骤S1041:根据图像获取目标元素在X轴和Y轴的坐标。
图像坐标系是由X轴和Y轴组成的二维坐标系,可以获取目标元素在图像坐标系中X轴和Y轴的坐标。同时,可以将目标元素在图像坐标系中X轴和Y轴的坐标,分别作为目标元素在由X轴、Y轴和Z轴组成的三维坐标系中X轴和Y轴的坐标。
步骤S1042:获取地表高度图模型(Digital Elevation Model),并根据地表高度图模型获取目标元素在Z轴的坐标。
地表高度图模型可以表示成一个由地面规则格网点的高程值构成的矩阵,根据该矩阵可以得到目标元素所在网格点(例如,将与目标元素的位置最近的一个网格点作为目标元素所在网格点)对应的高程值,将该高程值作为目标元素在步骤S1041中所述三维坐标系中Z轴的坐标。
在本发明实施例中可以直接获取地图技术领域中已有的地表高度图模型,也可以通过下列步骤11至步骤13获取地表高度图模型。
步骤11:获取在连续多个时刻中每个时刻的三维雷达点云帧。
三维雷达点云是指根据行驶环境中的环境点在接收到车辆上的雷达向其发送的电磁波之后向雷达反射回去的回波信号,确定出来的三维数据,该三维数据包含了环境点在点云坐标系的三维坐标。
步骤12:根据每个时刻三维雷达点云帧的矢量信息对每个时刻的三维雷达点云帧进行拼接以形成点云局部矢量信息序列。按照采集的顺序将雷达采集到的每帧三维雷达点云进行拼接,就可以得到点云局部矢量信息序列。
步骤13:根据点云局部矢量信息序列提取地面信息并根据地面信息生成地表高度图模型。在本发明实施例中可以采用点云技术领域中常规的地面拟合方法并根据点云局部矢量信息序列进行地面拟合,以确定点云局部矢量信息序列对应的点云区域的地平面,即地面信息,进而根据地面信息生成地表高度图模型。
基于上述步骤11至步骤13所述的方法,可以利用三维雷达点云准确地获取到与3D局部矢量信息序列表示同一目标元素范围的地表高度图模型,从而可以提高获取目标元素Z轴坐标的效率。
步骤S1043:根据目标元素在X轴、Y轴和Z轴的坐标,对图像进行目标元素标注,以获取图像的目标元素标注数据。
根据目标元素在X轴、Y轴和Z轴的坐标可以得到目标元素的三维空间位置信息,根据目标元素的语义信息和三维空间位置信息可以在图像中相应位置处标注目标元素的语义标签、位置标签等信息。
基于上述步骤S1041至步骤S1043所述的方法,可以利用图像和地表高度图模型准确得到目标元素的三维空间位置信息,从而有利于提高目标元素标注的准确性。
在上述步骤S104的一些实施方式中,可以获取二维、三维、四维多种不同维度的目标元素标注数据。
具体而言,可以对图像进行目标元素标注以形成包含一维时间信息和三维空间位置信息的四维目标元素标注数据,也可以对图像进行目标元素标注以形成包含三维空间位置信息的三维目标元素标注数据,也可以对图像进行目标元素标注以形成包含一维时间信息和二维空间位置信息的三维目标元素标注数据,也可以对图像进行目标元素标注以形成包含二维空间位置信息的二维目标元素标注数据。其中,时间信息可以根据目标元素所在图像对应的时刻得到,三维空间位置信息可以根据目标元素的X轴、Y轴和Z轴坐标得到,二维空间位置信息可以根据目标元素的X轴和Y轴坐标得到。
进一步,在根据本发明提供的车道标注数据获取方法的实施例中,在通过上述步骤S101至步骤S104完成目标元素标注之后,还可以对图像设置场景标签与精度标签。
场景标签可以用于表示图像对应的目标元素场景。例如,目标源场景可以是停车场等。本领域技术人员可以根据实际需求灵活地设定车道场景,本发明实施例对此不作具体限定。
精度标签可以用于表示图像的目标元素标注数据与目标元素真实数据之间的对齐精度。对齐精度越高则表明目标元素标注数据的准确性越高,反之则准确性越低。图像及其目标元素标注数据可以作为训练感知模型的样本,根据对齐精度可以对样本进行筛选,将对齐精度较高(比如对齐精度大于设定阈值)的样本作为正样本,将对齐精度较低(比如对齐精度小于等于设定阈值)的样本作为负样本。需要说明的是,本发明实施例不对上述对齐精度的获取方法作具体限定,只要能够得到对齐精度并根据对齐精度设置精度标签即可。例如,在一些实施方式中可以由标注人员手动设定对齐精度和目标元素场景,响应于标注人员手动设定的对齐精度和目标元素场景,可以自动地设定精度标签和场景标签。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些调整之后的方案与本发明中描述的技术方案属于等同技术方案,因此也将落入本发明的保护范围之内。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
进一步,本发明还提供了一种计算机设备。
参阅附图3,图3是根据本发明的一个计算机设备实施例的主要结构示意图。如图3所示,本发明实施例中的计算机设备主要包括存储装置和处理器,存储装置可以被配置成存储执行上述方法实施例的目标元素标注数据获取方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的目标元素标注数据获取方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。
在本发明实施例中计算机设备可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中,计算机设备可以包括多个存储装置和多个处理器。而执行上述方法实施例的目标元素标注数据获取方法的程序可以被分割成多段子程序,每段子程序分别可以由处理器加载并运行以执行上述方法实施例的目标元素标注数据获取方法的不同步骤。具体地,每段子程序可以分别存储在不同的存储装置中,每个处理器可以被配置成用于执行一个或多个存储装置中的程序,以共同实现上述方法实施例的目标元素标注数据获取方法,即每个处理器分别执行上述方法实施例的目标元素标注数据获取方法的不同步骤,来共同实现上述方法实施例的目标元素标注数据获取方法。
上述多个处理器可以是部署于同一个设备上的处理器,例如上述计算机设备可以是由多个处理器组成的高性能设备,上述多个处理器可以是该高性能设备上配置的处理器。此外,上述多个处理器也可以是部署于不同设备上的处理器,例如上述计算机设备可以是服务器集群,上述多个处理器可以是服务器集群中不同服务器上的处理器。
进一步,本发明还提供了一种计算机可读存储介质。
在根据本发明的一个计算机可读存储介质的实施例中,计算机可读存储介质可以被配置成存储执行上述方法实施例的目标元素标注数据获取方法的程序,该程序可以由处理器加载并运行以实现上述目标元素标注数据获取方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
至此,已经结合附图所示的一个实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种目标元素标注数据的获取方法,其特征在于,所述方法包括:
对连续多个时刻的图像进行目标元素感知,以获取在所述连续多个时刻中每个时刻的2D目标元素;
根据每个时刻的2D目标元素分别获取每个时刻的3D目标元素,并根据每个时刻3D目标元素的矢量信息对每个时刻的3D目标元素进行拼接,以形成3D局部矢量信息序列;
对所述3D局部矢量信息序列与预设高精矢量信息序列进行配准;
将配准后的所述3D局部矢量信息序列投影至所述连续多个时刻的图像上并对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据。
2.根据权利要求1所述的方法,其特征在于,“对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据”的步骤具体包括:
对所述图像进行目标元素标注,以形成包含一维时间信息和三维空间位置信息的四维目标元素标注数据;
和/或,
对所述图像进行目标元素标注,以形成包含三维空间位置信息的三维目标元素标注数据和/或包含一维时间信息和二维空间位置信息的三维目标元素标注数据;
和/或,
对所述图像进行目标元素标注,以形成包含二维空间位置信息的二维目标元素标注数据。
3.根据权利要求1所述的方法,其特征在于,“对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据”的步骤还包括:
根据所述图像获取目标元素在X轴和Y轴的坐标;
获取地表高度图模型,并根据所述地表高度图模型获取目标元素在Z轴的坐标;
根据目标元素在X轴、Y轴和Z轴的坐标,对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据。
4.根据权利要求3所述的方法,其特征在于,“获取地表高度图模型”的步骤具体包括:
获取在所述连续多个时刻中每个时刻的三维雷达点云帧;
根据每个时刻三维雷达点云帧的矢量信息对每个时刻的三维雷达点云帧进行拼接,以形成点云局部矢量信息序列;
根据所述点云局部矢量信息序列提取地面信息,并根据所述地面信息生成所述地表高度图模型。
5.根据权利要求1所述的方法,其特征在于,在“对所述图像进行目标元素标注,以获取所述图像的目标元素标注数据”的步骤之后,所述方法还包括:
对所述图像设置场景标签与精度标签;
其中,所述场景标签用于表示图像对应的目标元素场景,所述精度标签用于表示图像的目标元素标注数据与目标元素真实数据之间的对齐精度。
6.根据权利要求1所述的方法,其特征在于,“对所述3D局部矢量信息序列与预设高精矢量信息序列进行配准”的步骤具体包括:
对所述3D局部矢量信息序列与预设高精矢量信息序列进行多次迭代配准,直至所述3D局部矢量信息序列与预设高精矢量信息序列之间的配准分数大于预设的分数阈值;
其中,所述配准分数用于表示所述3D局部矢量信息序列与预设高精矢量信息序列之间的配准精准度且所述配准分数与所述配准精准度成正相关关系。
7.根据权利要求1所述的方法,其特征在于,“对所述3D局部矢量信息序列与预设高精矢量信息序列进行配准”的步骤还包括:
从预设高精矢量信息序列中截取与所述3D局部矢量信息序列匹配的高精局部矢量信息序列;
对所述3D局部矢量信息序列与所述高精局部矢量信息序列进行配准。
8.根据权利要求7所述的方法,其特征在于,“截取与所述3D局部矢量信息序列匹配的高精局部矢量信息序列”的步骤具体包括:
通过全球卫星定位装置获取所述3D局部矢量信息序列对应的全球定位位姿;
从预设高精矢量信息序列中截取与所述全球定位位姿匹配的高精局部矢量信息序列。
9.一种计算机设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至8中任一项所述的目标元素标注数据的获取方法。
10.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至8中任一项所述的目标元素标注数据的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310412798.XA CN116152783B (zh) | 2023-04-18 | 2023-04-18 | 目标元素标注数据的获取方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310412798.XA CN116152783B (zh) | 2023-04-18 | 2023-04-18 | 目标元素标注数据的获取方法、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116152783A true CN116152783A (zh) | 2023-05-23 |
CN116152783B CN116152783B (zh) | 2023-08-04 |
Family
ID=86356790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310412798.XA Active CN116152783B (zh) | 2023-04-18 | 2023-04-18 | 目标元素标注数据的获取方法、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152783B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150371431A1 (en) * | 2013-01-29 | 2015-12-24 | Andrew Robert Korb | Methods for analyzing and compressing multiple images |
CN110781859A (zh) * | 2019-11-05 | 2020-02-11 | 深圳奇迹智慧网络有限公司 | 图像标注方法、装置、计算机设备和存储介质 |
US20200170760A1 (en) * | 2017-05-27 | 2020-06-04 | Medicim Nv | Method for intraoral scanning directed to a method of processing and filtering scan data gathered from an intraoral scanner |
CN113554698A (zh) * | 2020-04-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 车辆位姿信息生成方法、装置及电子设备、存储介质 |
WO2022068225A1 (zh) * | 2020-09-30 | 2022-04-07 | 上海商汤临港智能科技有限公司 | 点云标注的方法、装置、电子设备、存储介质及程序产品 |
US20220114759A1 (en) * | 2020-12-25 | 2022-04-14 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Target detection method, electronic device and medium |
CN114413881A (zh) * | 2022-01-07 | 2022-04-29 | 中国第一汽车股份有限公司 | 高精矢量地图的构建方法、装置及存储介质 |
WO2022170844A1 (zh) * | 2021-02-10 | 2022-08-18 | 中国科学院深圳先进技术研究院 | 一种视频标注方法、装置、设备及计算机可读存储介质 |
CN115222588A (zh) * | 2022-02-22 | 2022-10-21 | 广州文远知行科技有限公司 | 基于点云的图像标注方法、装置、设备及存储介质 |
CN115265561A (zh) * | 2022-09-27 | 2022-11-01 | 小米汽车科技有限公司 | 车辆定位方法、装置、车辆及介质 |
CN115451977A (zh) * | 2022-09-06 | 2022-12-09 | 安徽蔚来智驾科技有限公司 | 车道标注数据的获取方法、计算机设备及存储介质 |
-
2023
- 2023-04-18 CN CN202310412798.XA patent/CN116152783B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150371431A1 (en) * | 2013-01-29 | 2015-12-24 | Andrew Robert Korb | Methods for analyzing and compressing multiple images |
US20200170760A1 (en) * | 2017-05-27 | 2020-06-04 | Medicim Nv | Method for intraoral scanning directed to a method of processing and filtering scan data gathered from an intraoral scanner |
CN110781859A (zh) * | 2019-11-05 | 2020-02-11 | 深圳奇迹智慧网络有限公司 | 图像标注方法、装置、计算机设备和存储介质 |
CN113554698A (zh) * | 2020-04-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 车辆位姿信息生成方法、装置及电子设备、存储介质 |
WO2022068225A1 (zh) * | 2020-09-30 | 2022-04-07 | 上海商汤临港智能科技有限公司 | 点云标注的方法、装置、电子设备、存储介质及程序产品 |
US20220114759A1 (en) * | 2020-12-25 | 2022-04-14 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Target detection method, electronic device and medium |
WO2022170844A1 (zh) * | 2021-02-10 | 2022-08-18 | 中国科学院深圳先进技术研究院 | 一种视频标注方法、装置、设备及计算机可读存储介质 |
CN114413881A (zh) * | 2022-01-07 | 2022-04-29 | 中国第一汽车股份有限公司 | 高精矢量地图的构建方法、装置及存储介质 |
CN115222588A (zh) * | 2022-02-22 | 2022-10-21 | 广州文远知行科技有限公司 | 基于点云的图像标注方法、装置、设备及存储介质 |
CN115451977A (zh) * | 2022-09-06 | 2022-12-09 | 安徽蔚来智驾科技有限公司 | 车道标注数据的获取方法、计算机设备及存储介质 |
CN115265561A (zh) * | 2022-09-27 | 2022-11-01 | 小米汽车科技有限公司 | 车辆定位方法、装置、车辆及介质 |
Non-Patent Citations (1)
Title |
---|
江文婷;龚小谨;刘济林;: "基于增量计算的大规模场景致密语义地图构建", 浙江大学学报(工学版), no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN116152783B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325796B (zh) | 用于确定视觉设备的位姿的方法和装置 | |
JP7240367B2 (ja) | 車両の位置特定に用いられる方法、装置、電子デバイス及び記憶媒体 | |
CN109324337B (zh) | 无人飞行器的航线生成及定位方法、装置及无人飞行器 | |
CN108810473B (zh) | 一种在移动平台上实现gps映射摄像机画面坐标的方法及*** | |
KR102249769B1 (ko) | 2차원 영상의 픽셀별 3차원 좌표값 추정 방법 및 이를 이용한 자율주행정보 추정 방법 | |
CN111353453B (zh) | 用于车辆的障碍物检测方法和装置 | |
CN111932627B (zh) | 一种标识物绘制方法及*** | |
CN112771575A (zh) | 距离确定方法、可移动平台及计算机可读存储介质 | |
CN112686951A (zh) | 用于确定机器人位置的方法、装置、终端及存储介质 | |
CN110148173B (zh) | 车路协同中目标定位的方法和装置、电子设备、介质 | |
CN111982132B (zh) | 数据处理方法、装置和存储介质 | |
CN117671013B (zh) | 点云定位方法、智能设备及计算机可读存储介质 | |
CN114119682A (zh) | 一种激光点云和图像配准方法及配准*** | |
US11715261B2 (en) | Method for detecting and modeling of object on surface of road | |
CN116152783B (zh) | 目标元素标注数据的获取方法、计算机设备及存储介质 | |
CN111754388B (zh) | 一种建图方法及车载终端 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN116052100A (zh) | 图像感知方法、计算机设备、计算机可读存储介质及车辆 | |
CN115390088A (zh) | 点云地图建立方法、车道标注数据获取方法、设备及介质 | |
WO2022133986A1 (en) | Accuracy estimation method and system | |
CN114359384A (zh) | 一种车辆定位方法、装置、车辆***和存储介质 | |
CN111223139B (zh) | 目标定位方法及终端设备 | |
KR20220123901A (ko) | 무인 비행체 또는 항공기에 의해 촬영된 항공 영상에 기반하여 hd 맵을 생성하는 방법 및 시스템 | |
CN116917936A (zh) | 双目相机外参标定的方法及装置 | |
CN112308905B (zh) | 一种平面标志物的坐标确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |