【技术实现步骤摘要】
本专利技术涉及数据标注，更具体地，涉及一种自动驾驶场景下动态目标自动标注方法及系统。
技术介绍
1、随着自动驾驶技术的不断发展，目前4d动态目标识别（空间加时序）成为了自动驾驶视觉感知的主流方案，4d动态目标的准确标注对于自动驾驶算法的训练和性能至关重要。但是，同传统的图像目标“所见即所得”的标注不同，4d目标需要特殊的标注工具和标注方法，传统的手动标注存在耗时、耗力和主观性强等问题，几乎没法满足算法对于数据的需求。因此，需要一种自动标注方法来提高标注效率和准确性。
2、现有技术中，申请号为cn202310353975.1的专利技术专利提出一种自动驾驶数据的自动标注方法，包括获取原始自动驾驶数据集后，对驾驶场景进行预处理，得到重建数据集；再利用重建数据集重建4d场景，最后在重建的场景中获取标注结果。该方法对于驾驶场景中的静态目标，例如车道线、锥桶等，有比较好的标注效果。但是由于场景重建需要对单一场景反复采集方能取得较好的效果，该方法的数据生产效率比较低下。也正由于重建需要对同一场景反复采集，该方法对于动态目标的标注效果较差。
技术实现思路
1、本专利技术提供了一种自动驾驶场景下动态目标自动标注方法及系统，提高了自动驾驶场景下动态目标标注效率和准确性。
2、本专利技术的首要目的是为解决上述技术问题，本专利技术的技术方案如下：
3、本专利技术第一面提供了一种自动驾驶场景下动态目标自动标注方法，包括以下步骤：
4、获取车载传感器数据并进行预
5、利用预设的第一检测模型和第二检测模型分别对预处理后的的车载传感器数据进行处理，获取动态目标信息，所述动态目标信息包括2d目标信息和3d目标信息；
6、根据所述3d目标信息结合所述车载传感器数据，获取自车行驶轨迹；
7、获取预设时长内自车行驶轨迹以及2d目标信息和3d目标信息，对目标进行离线多目标跟踪和后处理，得到自动标注结果。
8、进一步地，所述车载传感器数据包括以下至少一种：图像数据、激光雷达数据、卫星导航系统数据数据、惯性测量单元数据、轮速。
9、进一步地，所述预处理包括以下至少一种：数据解析、多传感器时间对齐、数据去噪、图像增强。
10、进一步地，利用预设的第一检测模型对预处理后的的车载传感器数据进行处理，获取3d目标信息，包括：
11、将预处理后的车载传感器数据的中点云数据输入第一检测模型，输出目标的类别、空间位置、三维尺寸以及朝向角，所述预设的第一检测模型为激光3d大模型。
12、进一步地，利用预设的第二检测模型对预处理后的的车载传感器数据进行处理，获取2d目标信息，包括：将预处理后的车载传感器数据的中点云数据输入第二检测模型，输出目标的细分类别、以及目标在图像中的像素位置、尺寸，所述预设的第二检测模型为图像2d大模型。
13、进一步地，根据所述3d目标信息结合所述车载传感器数据，获取自车行驶轨迹，包括：根据3d点云目标检测信息，扣除目标框内的点云，利用雷达里程计算法将扣除处理后的点云与卫星导航系统数据数据、惯性测量单元数据、轮速进行数据融合，得到自车行驶轨迹。
14、进一步地，对目标进后处理，包括以下至少一种：目标尺寸调整、目标轨迹调整、目标速度计算、目标运动补偿、2d目标和3d目标匹配以及目标类别修正，所述目标尺寸调整对同一目标在连续多帧图像中的点云加权求和计算得到目标点云；所述目标轨迹调整以点云最密集的边框角点作为锚点，调整目标轨迹；所述目标速度计算是对轨迹的x/y方向分别微分获取速度；所述目标运动补偿首先获取在全局坐标系中的目标离散轨迹，然后对轨迹做卡尔曼滤波平滑，以获取任意时刻的目标位置和状态，最后将目标时刻的目标位置和状态转换到自车坐标系；所述2d目标和3d目标匹配将3d目标通过相机内外参投影到图像平面，和2d目标做基于iou的匹配；所述目标类别修正是2d目标和3d目标匹配根据匹配结果，使用2d目标的类别标签修正3d目标。
15、进一步地，所述目标标注结果包括以下至少一种：目标实例、空间标注信息、图像标注信息、类别信息。
16、本专利技术第二方面提供了一种自动驾驶场景下动态目标自动标注系统，该系统采用所述的自动驾驶场景下动态目标自动标注方法。
17、进一步地，将自动驾驶场景下动态目标自动标注方法每个步骤设置不同的节点，以节点间流通的数据为边，组成一个有向无环图，将所述有向无环图代码化并部署在预设云平台。
18、与现有技术相比，本专利技术技术方案的有益效果是：
19、本专利技术通过不同的检测模型，分别获取2d目标信息和3d目标信息，利用3d目标信息结合车载传感器数据得到自车行驶轨迹，利用目标跟踪和后处理自动标注结果，提高了自动驾驶场景下动态目标标注效率和准确性。
本文档来自技高网...【技术保护点】
1.一种自动驾驶场景下动态目标自动标注方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，所述车载传感器数据包括以下至少一种：图像数据、激光雷达数据、卫星导航系统数据数据、惯性测量单元数据、轮速。
3.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，所述预处理包括以下至少一种：数据解析、多传感器时间对齐、数据去噪、图像增强。
4.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，利用预设的第一检测模型对预处理后的的车载传感器数据进行处理，获取3D目标信息，包括：
5.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，利用预设的第二检测模型对预处理后的的车载传感器数据进行处理，获取2D目标信息，包括：将预处理后的车载传感器数据的中点云数据输入第二检测模型，输出目标的细分类别、以及目标在图像中的像素位置、尺寸，所述预设的第二检测模型为图像2D大模型。
6.根据权利要求1所述的一种自动驾驶场景下动态目标
7.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，对目标进后处理包括以下至少一种：目标尺寸调整、目标轨迹调整、目标速度计算、目标运动补偿、2D目标和3D目标匹配以及目标类别修正；
8.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，所述目标标注结果包括以下至少一种：目标实例、空间标注信息、图像标注信息、类别信息。
9.一种自动驾驶场景下动态目标自动标注系统，其特征在于，该系统采用权利要求1-8任一项所述的自动驾驶场景下动态目标自动标注方法。
10.根据权利要求9所述的自动驾驶场景下动态目标自动标注系统，其特征在于，将自动驾驶场景下动态目标自动标注方法每个步骤设置不同的节点，以节点间流通的数据为边，组成一个有向无环图，将所述有向无环图代码化并部署在预设云平台。
...【技术特征摘要】
1.一种自动驾驶场景下动态目标自动标注方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，所述车载传感器数据包括以下至少一种：图像数据、激光雷达数据、卫星导航系统数据数据、惯性测量单元数据、轮速。
3.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，所述预处理包括以下至少一种：数据解析、多传感器时间对齐、数据去噪、图像增强。
4.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，利用预设的第一检测模型对预处理后的的车载传感器数据进行处理，获取3d目标信息，包括：
5.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，其特征在于，利用预设的第二检测模型对预处理后的的车载传感器数据进行处理，获取2d目标信息，包括：将预处理后的车载传感器数据的中点云数据输入第二检测模型，输出目标的细分类别、以及目标在图像中的像素位置、尺寸，所述预设的第二检测模型为图像2d大模型。
6.根据权利要求1所述的一种自动驾驶场景下动态目标自动标注方法，...
【专利技术属性】
技术研发人员：唐康，骆科华，李頔，刘雨微，吴锐，
申请(专利权)人：重庆长安科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。