本發(fā)明涉及自動駕駛，更具體地，涉及一種基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法。
背景技術(shù)：
1、在自動駕駛和機器人系統(tǒng)中，通常使用基于雷達(dá)數(shù)據(jù)的深度學(xué)習(xí)算法進(jìn)行感知，而為了實現(xiàn)這個目的，就需要有大量的較為準(zhǔn)確的雷達(dá)數(shù)據(jù)標(biāo)注樣本進(jìn)行算法訓(xùn)練，但因為雷達(dá)數(shù)據(jù)是分布在三維空間中的數(shù)據(jù)，因此在進(jìn)行數(shù)據(jù)標(biāo)注的時候，難度較大，尤其毫米波雷達(dá)數(shù)據(jù)更加難以標(biāo)注，同時又因為不同人的空間感知能力差異較大，因此難以形成較為統(tǒng)一的標(biāo)注方式，這在模型訓(xùn)練時就會帶來較大的困難。
2、當(dāng)前，一種標(biāo)注方式是通過手動分析雷達(dá)數(shù)據(jù)，并進(jìn)行目標(biāo)框繪制的。手動繪制雷達(dá)目標(biāo)框，存在以下問題：不同人的空間感知能力差異較大，難以形成統(tǒng)一的標(biāo)注規(guī)范；手動標(biāo)注工作量大，且操作不便。另一種標(biāo)注方式是根據(jù)已有算法模型，通過推理進(jìn)行數(shù)據(jù)預(yù)標(biāo)注。通過已有模型進(jìn)行數(shù)據(jù)推理預(yù)標(biāo)注，存在以下問題：當(dāng)前雷達(dá)模型普遍召回率低，難以進(jìn)行有效標(biāo)注；雷達(dá)模型通過推理預(yù)標(biāo)注，對模型性能要求高，通常會有較大偏差，修正困難。
3、因此，亟需一種基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的是提供一種基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，以解決上述現(xiàn)有技術(shù)中的問題，能夠快速地實現(xiàn)激光雷達(dá)標(biāo)注，降低90%以上的工作量。
2、本發(fā)明提供了一種基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，包括：
3、讀取雷達(dá)數(shù)據(jù)；
4、對所述雷達(dá)數(shù)據(jù)進(jìn)行聚類處理；
5、基于聚類結(jié)果編輯目標(biāo)標(biāo)簽，對聚類后的正常目標(biāo)進(jìn)行打標(biāo)簽處理；
6、將聚類結(jié)果和打標(biāo)簽的結(jié)果，作為真實的標(biāo)注結(jié)果。
7、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，所述雷達(dá)數(shù)據(jù)包括激光雷達(dá)和/或毫米波雷達(dá)所采集的數(shù)據(jù)。
8、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，所述讀取雷達(dá)數(shù)據(jù)，具體包括：
9、加載雷達(dá)數(shù)據(jù)幀，并僅保留雷達(dá)數(shù)據(jù)的x、y和z維度信息。
10、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，所述對所述雷達(dá)數(shù)據(jù)進(jìn)行聚類處理，具體包括：
11、對所讀取的所述雷達(dá)數(shù)據(jù)進(jìn)行聚類處理，并繪制聚類后的目標(biāo)區(qū)域包圍盒。
12、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，所述基于聚類結(jié)果編輯目標(biāo)標(biāo)簽，對聚類后的正常目標(biāo)進(jìn)行打標(biāo)簽處理，具體包括：
13、對聚類后的符合期望的聚類目標(biāo)進(jìn)行打標(biāo)簽，將不符合期望的聚類目標(biāo)進(jìn)行剔除處理。
14、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，所述符合期望的聚類目標(biāo)包括車輛和行人。
15、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，在所述聚類處理之后，在所述編輯目標(biāo)標(biāo)簽之前，所述基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法還包括：
16、剔除異常目標(biāo)。
17、如上所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其中，優(yōu)選的是，所述剔除異常目標(biāo)，具體包括：
18、對聚類后不進(jìn)行關(guān)注的目標(biāo)和聚類異常的結(jié)果進(jìn)行剔除。
19、本發(fā)明提供一種基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，基于聚類進(jìn)行雷達(dá)數(shù)據(jù)標(biāo)注，可以將3d雷達(dá)數(shù)據(jù)的標(biāo)注精度提高到完全且恰好包圍目標(biāo)區(qū)域，可以快速地實現(xiàn)激光雷達(dá)標(biāo)注，降低90%以上的工作量；能夠解決雷達(dá)數(shù)據(jù)標(biāo)注精度不高、規(guī)則不統(tǒng)一以及雷達(dá)數(shù)據(jù)標(biāo)注速度慢的問題；能夠?qū)崿F(xiàn)自動化標(biāo)注和模型算法訓(xùn)練，可以自動實現(xiàn)預(yù)標(biāo)注、人工修正和算法訓(xùn)練；能夠?qū)崿F(xiàn)多模自動標(biāo)注。
1.一種基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，所述雷達(dá)數(shù)據(jù)包括激光雷達(dá)和/或毫米波雷達(dá)所采集的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，所述讀取雷達(dá)數(shù)據(jù)，具體包括：
4.根據(jù)權(quán)利要求1所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，所述對所述雷達(dá)數(shù)據(jù)進(jìn)行聚類處理，具體包括：
5.根據(jù)權(quán)利要求1所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，所述基于聚類結(jié)果編輯目標(biāo)標(biāo)簽，對聚類后的正常目標(biāo)進(jìn)行打標(biāo)簽處理，具體包括：
6.根據(jù)權(quán)利要求5所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，所述符合期望的聚類目標(biāo)包括車輛和行人。
7.根據(jù)權(quán)利要求1所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，在所述聚類處理之后，在所述編輯目標(biāo)標(biāo)簽之前，所述基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法還包括：
8.根據(jù)權(quán)利要求7所述的基于聚類的雷達(dá)數(shù)據(jù)預(yù)標(biāo)注方法，其特征在于，所述剔除異常目標(biāo)，具體包括：