【技术实现步骤摘要】
本申请属于计算机，尤其涉及一种点云稠密化方法、终端和存储介质。
技术介绍
1、随着计算机、芯片和人工智能技术进步，自动驾驶技术也得到了快速发展。车辆通过感知模块中运行的各种模型实现自动驾驶。而这些模型常通过有监督学习的方式进行模型训练，因此，需要大量真实场景的样本数据。
2、相关技术中，常使用激光雷达采集的点云作为样本数据。例如，标注点云中的车道线、路面标志和障碍物等，得到样本数据。而由于激光雷达采集得到的点云很稀疏，即分辨率太低，导致其中的目标物体不易被识别，造成在人工标注时，标注效率低。
技术实现思路
1、本申请的目的在于提供一种点云稠密化方法、终端和存储介质，旨在解决传统的对点云进行标注时存在的目标物体不易被识别，标注效率低的问题。
2、本申请实施例的第一方面提了一种点云稠密化方法，所述方法包括：
3、基于目标点云，创建虚拟点云，所述虚拟点云包括多个虚拟数据点，所述多个虚拟数据点的纵坐标不同，且所述多个虚拟数据点在所述目标点云所在的坐标系的xy平面上的投影为均匀分布的；
4、基于所述多个虚拟数据点在所述坐标系的纵坐标，生成所述虚拟点云对应的虚拟图像；
5、对所述虚拟图像进行上采样，得到上采样图像；
6、基于所述上采样图像，确定所述目标点云的稠密化点云。
7、在一些实施例中，所述基于目标点云，创建虚拟点云，包括：
8、在所述目标点云所在的坐标系中，以所述坐标系的原点为中点，在所述坐标
9、根据所述目标点云中的数据点在所述坐标系的纵坐标，确定多个所述虚拟数据点的纵坐标；
10、将确定了纵坐标的多个所述虚拟数据点组成所述虚拟点云。
11、在一些实施例中，所述根据所述目标点云中的数据点在所述坐标系的纵坐标，确定多个所述虚拟数据点的纵坐标，包括：
12、对于任一虚拟数据点，从所述目标点云中，确定距离所述虚拟数据点最近的k个数据点，k为大于或等于1的整数；
13、基于距离所述虚拟数据点最近的所述k个数据点的纵坐标确定所述虚拟数据点的纵坐标。
14、在一些实施例中，所述从所述目标点云中，确定距离所述虚拟数据点最近的k个数据点，包括：
15、对所述目标点云进行降采样；
16、基于降采样后的目标点云，确定距离所述虚拟数据点最近的k个数据点。
17、在一些实施例中，所述基于所述多个虚拟数据点在所述坐标系的纵坐标，生成所述虚拟点云对应的虚拟图像，包括：
18、从所述多个虚拟数据点的纵坐标中，确定最大纵坐标和最小纵坐标；
19、基于所述最大纵坐标和所述最小纵坐标，对所述多个虚拟数据点在z轴方向上进行离散；
20、将所述多个虚拟数据点在z轴方向上离散后的离散值作为亮度值，生成所述虚拟图像。
21、在一些实施例中，所述基于所述上采样图像，确定所述目标点云的稠密化点云，包括：
22、基于所述上采样图像中像素点的亮度值，确定稠密化点云的数据点对应的纵坐标；
23、基于所述稠密化点云的数据点对应的纵坐标和所述上采样图像中的像素点的位置，将所述多个虚拟数据点组成所述稠密化点云。
24、在一些实施例中，所述方法还包括：
25、获取点云采集设备采集的原始点云；
26、将所述原始点云中纵坐标在预设范围以外的数据点删除，得到所述目标点云。
27、在一些实施例中，所述方法还包括：
28、基于所述稠密化点云，确定样本数据；
29、基于所述样本数据进行模型训练。
30、本申请实施例的第二方面提了一种点云稠密化装置，所述装置包括：
31、创建单元，用于基于目标点云，创建虚拟点云，所述虚拟点云包括多个虚拟数据点，所述多个虚拟数据点的纵坐标不同，且所述多个虚拟数据点在所述目标点云所在的坐标系的xy平面上的投影为均匀分布的；
32、生成单元，用于基于所述多个虚拟数据点在所述坐标系的纵坐标，生成所述虚拟点云对应的虚拟图像；
33、上采样单元，用于对所述虚拟图像进行上采样，得到上采样图像；
34、第一确定单元，用于基于所述上采样图像，确定所述目标点云的稠密化点云。
35、在一些实施例中，所述创建单元，用于在所述目标点云所在的坐标系中，以所述坐标系的原点为中点，在所述坐标系的xy平面上创建均匀分布的多个虚拟数据点；根据所述目标点云中的数据点在所述坐标系的纵坐标，确定多个所述虚拟数据点的纵坐标；将确定了纵坐标的多个所述虚拟数据点组成所述虚拟点云。
36、在一些实施例中，所述创建单元，用于对于任一虚拟数据点，从所述目标点云中，确定距离所述虚拟数据点最近的k个数据点，k为大于或等于1的整数；基于距离所述虚拟数据点最近的所述k个数据点的纵坐标确定所述虚拟数据点的纵坐标。
37、在一些实施例中，所述从所述目标点云中，确定距离所述虚拟数据点最近的k个数据点对所述目标点云进行降采样；基于降采样后的目标点云，确定距离所述虚拟数据点最近的k个数据点。
38、在一些实施例中，所述生成单元，用于从所述多个虚拟数据点的纵坐标中，确定最大纵坐标和最小纵坐标；基于所述最大纵坐标和所述最小纵坐标，对所述多个虚拟数据点在z轴方向上进行离散；将所述多个虚拟数据点在z轴方向上离散后的离散值作为亮度值，生成所述虚拟图像。
39、在一些实施例中，所述第一确定单元，用于基于所述上采样图像中像素点的亮度值，确定稠密化点云的数据点对应的纵坐标；基于所述稠密化点云的数据点对应的纵坐标和所述上采样图像中的像素点的位置，将所述多个虚拟数据点组成所述稠密化点云。
40、在一些实施例中，所述装置还包括：
41、获取单元，用于获取点云采集设备采集的原始点云；
42、删除单元，用于将所述原始点云中纵坐标在预设范围以外的数据点删除，得到所述目标点云。
43、在一些实施例中，所述装置还包括：
44、第二确定单元，用于基于所述稠密化点云，确定样本数据；
45、模型训练单元，用于基于所述样本数据进行模型训练。
46、本申请实施例的第三方面提了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述点云稠密化方法。
47、本申请实施例的第四方面提了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述点云稠密化方法。
48、本专利技术实施例与现有技术相比存在的有益效果是：通过基于目标点云创建虚拟点云，通过将虚拟点云转化为虚拟图像，从而对虚拟图像进行上采样提高虚拟图像的分辨率，再将上采样后的虚拟图像转化为点云，从而本文档来自技高网...
【技术保护点】
1.一种点云稠密化方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于目标点云，创建虚拟点云，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述目标点云中的数据点在所述坐标系的纵坐标，确定多个所述虚拟数据点的纵坐标，包括：
4.如权利要求3所述的方法，其特征在于，所述从所述目标点云中，确定距离所述虚拟数据点最近的K个数据点，包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述多个虚拟数据点在所述坐标系的纵坐标，生成所述虚拟点云对应的虚拟图像，包括：
6.如权利要求1所述的方法，其特征在于，所述基于所述上采样图像，确定所述目标点云的稠密化点云，包括：
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
8.如权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序使实现如权利要求1至8任一项所述的点云
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的点云稠密化方法。
...【技术特征摘要】
1.一种点云稠密化方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于目标点云，创建虚拟点云，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述目标点云中的数据点在所述坐标系的纵坐标，确定多个所述虚拟数据点的纵坐标，包括：
4.如权利要求3所述的方法，其特征在于，所述从所述目标点云中，确定距离所述虚拟数据点最近的k个数据点，包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述多个虚拟数据点在所述坐标系的纵坐标，生成所述虚拟点云对应的虚拟图像，包括：
6.如权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：艾锐，李艳杰，许金涛，顾维灏，
申请(专利权)人：毫末智行科技有限公司，
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。