非标准结构化场景语义点云数据的生成方法及装置制造方法及图纸

本公开涉及非标准结构化场景语义点云数据的生成方法及装置，其方法包括：获取用户输入的非标准结构化场景的特征属性信息；将所述特征属性信息转换为语义地形数据；通过仿真激光雷达模型将所述语义地形数据生成非标准结构化场景点云数据，所述非标准结构化场景点云数据携带有语义信息。这样可以用户的输入生成相应的非标准结构化场景点云数据，进而可以避免通过真实场景的点云数据采集带来的较高获取成本。并且由于非标准结构化场景点云数据携带有语义信息，便于将获得的非标准结构化场景点云数据用于模型训练。点云数据用于模型训练。点云数据用于模型训练。

【技术实现步骤摘要】
非标准结构化场景语义点云数据的生成方法及装置


[0001]本公开涉及点云
，尤其涉及非标准结构化场景语义点云数据的生成方法及装置。

技术介绍

[0002]随着矿山场景中的自动驾驶技术不断发展，需要获取大量的矿山场景的点云数据，以便为模型的训练提供训练样本，使得基于矿山场景的点云样本需求量较大。
[0003]而相关技术中，为了获得足够多的点云样本，需要对不同作业类型的矿山场景进行点云数据采集，以获得点云样本。但矿山场景复杂多变，导致相关技术在获得大量的点云样本时需要消耗较大的成本，且效率较低。

技术实现思路

[0004]本公开提供了一种非标准结构化场景语义点云数据的生成方法及装置。
[0005]根据本公开的第一方面，提供了一种非标准结构化场景语义点云数据的生成方法，所述方法包括：
[0006]获取用户输入的非标准结构化场景的特征属性信息；
[0007]将所述特征属性信息转换为语义地形数据；
[0008]通过仿真激光雷达模型将所述语义地形数据生成非标准结构化场景点云数据，所述非标准结构化场景点云数据携带有语义信息。
[0009]可选地，所述将所述特征属性信息转换为语义地形数据，包括：
[0010]将所述特征属性信息转换为几何特征数据，所述几何特征数据包括不同类别的场景要素；
[0011]构建语义索引，并通过所述语义索引对所述几何特征数据中的场景要素进行语义标注，得到语义地形数据。
[0012]可选地，所述构建语义索引，包括：r/>[0013]建立语义索引的缓存数据，所述语义索引的缓存数据包括语义信息与场景要素之间的映射关系。
[0014]可选地，所述通过所述语义索引对所述几何特征数据中的场景要素进行语义标注，包括：
[0015]通过几何特征逆向计算将所述几何特征数据进行地形分块，得到多个地形分块数据；
[0016]通过所述语义索引判断所述多个分块数据中是否存在跨域数据；
[0017]在所述多个分块数据中不存在跨域数据的情况下，对所述多个分块数据进行语义标注。
[0018]可选地，所述方法还包括：
[0019]在所述多个分块数据中存在跨域数据的情况下，对所述跨域数据进行语义划分，
得到语义划分后的分块数据。
[0020]可选地，所述场景要素包括道路、路口、挡墙、装载区、等待区、排队区和排土场中的至少一种。
[0021]可选地，所述仿真激光雷达模型用于模拟目标型号雷达的性能参数。
[0022]可选地，所述非标准结构化场景包括矿山场景。
[0023]根据本公开的第二方面，提供了一种非标准结构化场景语义点云数据的生成装置，所述装置包括：
[0024]信息获取模块，用于获取用户输入的非标准结构化场景的特征属性信息；
[0025]转换模块，用于将所述特征属性信息转换为语义地形数据；
[0026]点云数据生成模块，用于通过仿真激光雷达模型将所述语义地形数据生成非标准结构化场景点云数据，所述非标准结构化场景点云数据携带有语义信息。
[0027]可选地，所述转换模块，具体用于：
[0028]将所述特征属性信息转换为几何特征数据，所述几何特征数据包括不同类别的场景要素；
[0029]构建语义索引，并通过所述语义索引对所述几何特征数据中的场景要素进行语义标注，得到语义地形数据。
[0030]可选地，所述转换模块，具体还用于：
[0031]建立语义索引的缓存数据，所述语义索引的缓存数据包括语义信息与场景要素之间的映射关系。
[0032]可选地，所述转换模块，具体还用于：
[0033]通过几何特征逆向计算将所述几何特征数据进行地形分块，得到多个地形分块数据；
[0034]通过所述语义索引判断所述多个分块数据中是否存在跨域数据；
[0035]在所述多个分块数据中不存在跨域数据的情况下，对所述多个分块数据进行语义标注。
[0036]可选地，所述装置还包括：
[0037]语义划分模块，用于在所述多个分块数据中存在跨域数据的情况下，对所述跨域数据进行语义划分，得到语义划分后的分块数据。
[0038]可选地，所述场景要素包括道路、路口、挡墙、装载区、等待区、排队区和排土场中的至少一种。
[0039]可选地，所述仿真激光雷达模型用于模拟目标型号雷达的性能参数。
[0040]可选地，所述非标准结构化场景包括矿山场景。
[0041]根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
[0042]根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开的上述方法。
[0043]本公开实施例提供的非标准结构化场景语义点云数据的生成方法及装置，通过获取用户输入的非标准结构化场景的特征属性信息，将特征属性信息转换为语义地形数据。并通过仿真激光雷达模型将语义地形数据生成非标准结构化场景点云数据，非标准结构化
场景点云数据携带有语义信息。这样可以用户的输入生成相应的非标准结构化场景点云数据，进而可以避免通过真实场景的点云数据采集带来的较高获取成本。并且由于非标准结构化场景点云数据携带有语义信息，便于将获得的非标准结构化场景点云数据用于模型训练。
附图说明
[0044]在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：
[0045]图1为本公开一示例性实施例提供的非标准结构化场景语义点云数据的生成方法的流程图；
[0046]图2为本公开一示例性实施例提供的非标准结构化场景语义点云数据的生成装置的功能模块示意性框图；
[0047]图3为本公开一示例性实施例提供的电子设备的结构框图；
[0048]图4为本公开一示例性实施例提供的计算机系统的结构框图。
具体实施方式
[0049]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0050]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0051]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非标准结构化场景语义点云数据的生成方法，其特征在于，所述方法包括：获取用户输入的非标准结构化场景的特征属性信息；将所述特征属性信息转换为语义地形数据；通过仿真激光雷达模型将所述语义地形数据生成非标准结构化场景点云数据，所述非标准结构化场景点云数据携带有语义信息。2.根据权利要求1所述的方法，其特征在于，所述将所述特征属性信息转换为语义地形数据，包括：将所述特征属性信息转换为几何特征数据，所述几何特征数据包括不同类别的场景要素；构建语义索引，并通过所述语义索引对所述几何特征数据中的场景要素进行语义标注，得到语义地形数据。3.根据权利要求2所述的方法，其特征在于，所述构建语义索引，包括：建立语义索引的缓存数据，所述语义索引的缓存数据包括语义信息与场景要素之间的映射关系。4.根据权利要求2所述的方法，其特征在于，所述通过所述语义索引对所述几何特征数据中的场景要素进行语义标注，包括：通过几何特征逆向计算将所述几何特征数据进行地形分块，得到多个地形分块数据；通过所述语义索引判断所述多个分块数据中是否存在跨域数据；在所述多个分块数据中不存在跨域数据的情况下，对所述多个分块数据进行语义标注。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在所述多个分块数据中存在跨域数据的情况下，对所述跨...

【专利技术属性】
技术研发人员：托雷，
申请(专利权)人：北京易控智驾科技有限公司，
类型：发明
国别省市：