System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种点云数据的增强方法、系统、设备及存储介质。
技术介绍
1、在点云深度学习领域的中,对点云的增强常见的方式有:dropout,swap,mix,sparse,noise,pa-aug等。但这些方法都是旨在提高目标检测的召回率,降低漏检率。即:根据这些方式增强后的点云数据,对目标识别模型的训练,通常都是提高目标检测的召回率,降低漏检率,但是,并不能够提高目标是模型对于目标识别的查准率,即:误检率。例如:通过上述方法增强后的点云并没有提高模型在降低误检方面的能力。尤其是目标的实际位置对点云的密度是有直接正相关的。比如说密度的分布。对于激光点云传感器,目标表面的点云会随着目标距离传感器的远近而呈现正比例变化。如果直接平移目标的位置而不去考虑目标的内部点云分布的变化,就会导致正样本失真,会降低学习出来网络的召回率。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种点云数据的增强方法、系统、设备及存储介质,对点云数据增强后,由于根据新增目标的位置来调整目标内部的点云数量和分布,进而实现增加网络学习数据集正样本的目的,从而使得新增目标能够适应不同的空间位置,进而避免网络低召回的风险。基于增强后的点云数据进行目标识别模型的训练,可以有效地提升目标识别模型对于真实目标识别的误检率。
2、第一方面,提供一种点云数据的增强方法,包括:
3、根据车辆的传感器扫描到的点云数据,得到地面点平面范围;
4、根据真实目标的点云数据、所述
5、根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据,其中,所述新增目标的点云数据作为表征真实目标的点云数据的正样本。
6、在一些示例中,所述根据真实目标的点云数据、所述真实目标的距离以及新增目标的深度,得到新增目标的点云情况,包括:
7、根据所述真实目标的距离以及新增目标添加位置的深度,得到新增目标的点云比例;
8、根据所述真实目标的点云数据和所述新增目标的点云比例,得到所述新增目标的点云的数量和分布。
9、在一些示例中,所述新增目标的点云比例,通过如下公式得到,所述公式为:
10、
11、其中,所述dense_rate为新增目标的点云比例,所述d0为真实目标的距离,所述z为新增目标添加位置的深度。
12、在一些示例中,所述根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据,包括:
13、根据所述新增目标添加位置的深度,在所述地面点平面范围确定出锚定位置;
14、根据所述锚定位置设置所述掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据。
15、在一些示例中,所述根据车辆的传感器扫描到的点云数据,得到地面点平面范围,包括:
16、获得所述车辆的传感器扫描到的点云数据;
17、将所述点云数据由传感器坐标系转换到车体坐标系中;
18、对所述车体坐标系中的点云数据进行地面识别,得到所述地面点平面范围。
19、在一些示例中,在根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据之后,还包括:
20、将点云数据输入初始目标识别模型中,并根据所述初始目标识别模型的输出和所述点云数据的标签之间的损失,对所述初始目标识别模型进行训练,得到训练好的目标识别模型,其中,所述标签用于表征真实目标。
21、在一些示例中,所述新增目标添加位置的深度至少为一个。
22、第二方面,提供了一种点云数据的增强系统,包括:
23、获取模块,用于根据车辆的传感器扫描到的点云数据,得到地面点平面范围;
24、新增点云确定模块,用于根据真实目标的点云数据、所述真实目标的距离以及新增目标添加位置的深度,得到新增目标的点云情况;
25、增强模块,用于根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据,其中,所述新增目标的点云数据作为表征真实目标的点云数据的正样本。
26、第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现上述第一方面以及第一方面任意一种可能的实现方式的点云数据的增强方法的步骤。
27、第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述第一方面以及第一方面任意一种可能的实现方式的点云数据的增强方法的步骤。
28、采用本申请的实施例,根据车辆的传感器扫描到的点云数据,得到地面点平面范围,根据真实目标的点云数据、真实目标的距离以及新增目标添加位置的深度,得到新增目标的点云情况,最后,根据新增目标添加位置的深度,在地面点平面范围内设置掩膜,并根据新增目标的点云情况,在掩膜内添加新增目标的点云数据,其中,新增目标的点云数据作为表征真实目标的点云数据的正样本,由此,对点云数据增强后,由于根据新增目标的位置来调整目标内部的点云数量和分布,进而实现增加网络学习数据集正样本的目的,从而使得新增目标能够适应不同的空间位置,进而避免网络低召回的风险。基于增强后的点云数据进行目标识别模型的训练,可以有效地提升目标识别模型对于真实目标识别的误检率。
本文档来自技高网...【技术保护点】
1.一种点云数据的增强方法,其特征在于,包括:
2.根据权利要求1所述的点云数据的增强方法,其特征在于,所述根据真实目标的点云数据、所述真实目标的距离以及新增目标的深度,得到新增目标的点云情况,包括:
3.根据权利要求2所述的点云数据的增强方法,其特征在于,所述新增目标的点云比例,通过如下公式得到,所述公式为:
4.根据权利要求1所述的点云数据的增强方法,其特征在于,所述根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据,包括:
5.根据权利要求1所述的点云数据的增强方法,其特征在于,所述根据车辆的传感器扫描到的点云数据,得到地面点平面范围,包括:
6.根据权利要求1-5任一项所述的点云数据的增强方法,其特征在于,在根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据之后,还包括:
7.根据权利要求1所述的点云数据的增强方法,其特征在于,所述新增目标添加位置
8.一种点云数据的增强系统,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现根据权利要求1-7任一项所述的点云数据的增强方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现根据权利要求1-7任一项所述的点云数据的增强方法。
...【技术特征摘要】
1.一种点云数据的增强方法,其特征在于,包括:
2.根据权利要求1所述的点云数据的增强方法,其特征在于,所述根据真实目标的点云数据、所述真实目标的距离以及新增目标的深度,得到新增目标的点云情况,包括:
3.根据权利要求2所述的点云数据的增强方法,其特征在于,所述新增目标的点云比例,通过如下公式得到,所述公式为:
4.根据权利要求1所述的点云数据的增强方法,其特征在于,所述根据所述新增目标添加位置的深度,在所述地面点平面范围内设置掩膜,并根据所述新增目标的点云情况,在所述掩膜内添加新增目标的点云数据,包括:
5.根据权利要求1所述的点云数据的增强方法,其特征在于,所述根据车辆的传感器扫描到的点云数据,得到地面点平面范围,包括:
6.根据权利要...
【专利技术属性】
技术研发人员:王海洋,
申请(专利权)人:安徽深向科技有限公司,
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。