本申請公開了一種點云數據標注方法、裝置、設備和介質，涉及人工智能領域，尤其涉及自動駕駛和深度學習技術。具體實現方案為：將原始點云數據集合進行數據分割，得到至少兩個點云數據子集；利用預先訓練的預測模型，分別對所述每個點云數據子集進行預測，得到所述每個點云數據子集中各點云數據的預測類別和預測概率；根據所述每個點云數據子集中各點云數據的預測類別和預測概率，確定所述原始點云數據集合中各點云數據的標注結果。本申請提高了對數據量龐大的點云數據進行標注的準確性。

技術領域

本申請涉及人工智能領域，尤其涉及一種自動駕駛和深度學習技術，具體涉及一種點云數據的標注方法、裝置、設備和介質。

背景技術

隨著三維采集技術的逐漸成熟，以及三維采集設備成本的降低，三維點云數據越來越多的應用在各行各業，尤其是自動駕駛等相關產業。而且，隨著深度學習等技術的發展，深度學習模型在這些產業中的應用也越來越廣泛。

目前，深度學習模型的訓練，很大程度上依賴大規模的標注數據，而如何快速有效的標注三維數據成為了阻礙基于深度學習的三維處理技術發展的瓶頸。

發明內容

本申請提供一種點云數據標注方法、裝置、設備和介質，以提高點云數據標注的準確性。

第一方面，本申請提供了一種點云數據標注方法，包括：

將原始點云數據集合進行數據分割，得到至少兩個點云數據子集；

利用預先訓練的預測模型，分別對每個點云數據子集進行預測，得到所述每個點云數據子集中各點云數據的預測類別和預測概率；

根據所述每個點云數據子集中各點云數據的預測類別和預測概率，確定所述原始點云數據集合中各點云數據的標注結果。

第二方面，本申請還提供了一種點云數據標注裝置，包括：

數據分割模塊，用于將原始點云數據集合進行數據分割，得到至少兩個點云數據子集；

類別預測模塊，用于利用預先訓練的預測模型，分別對每個點云數據子集進行預測，得到所述每個點云數據子集中各點云數據的預測類別和預測概率；

標注結果確定模塊，用于根據所述每個點云數據子集中各點云數據的預測類別和預測概率，確定所述原始點云數據集合中各點云數據的標注結果。

第三方面，本申請還提供了一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本申請任意實施例所述的點云數據標注方法。

第四方面，本申請還提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，所述計算機指令用于使所述計算機執行本申請任意實施例所述的點云數據標注方法。

應當理解，本部分所描述的內容并非旨在標識本申請的關鍵或重要特征，也不用于限制本申請的范圍。本申請的其它特征將通過以下的說明書而變得容易理解，上述可選方式所具有的其他效果將在下文中結合具體實施例加以說明。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是根據本申請實施例的點云數據標注方法的流程示意圖；

圖2是根據本申請實施例的點云數據標注方法的流程示意圖；

圖3是根據本申請實施例的點云數據標注方法的流程示意圖；

圖4是根據本申請實施例的點云數據標注裝置的結構示意圖；