面向矿区自动驾驶数据集搭建的点云数据增强方法及装置与流程

1.本技术涉及数据处理技术领域，尤其是涉及到一种面向矿区自动驾驶数据集搭建的点云数据增强方法及装置、存储介质、计算机设备。


背景技术：

2.矿区环境内的矿山设备自动驾驶方案中，基于激光雷达点云的深度学习方法是提升三维环境感知性能的有效手段。然而，在获取用于训练深度学习模型的样本数据时，往往由于矿区内一些运动障碍物的数据采集困难而影响了样本数据的丰富度。一方面，由于矿区为非开放场景，因而很多非生产车辆如面包车和皮卡等乘用车辆仅有在获取有限路权的情况下才能进入有限的矿区环境中，且进入时间受严格控制；另一方面，可采集到的工程车辆或非生产车辆在矿区出现的场景有限、姿态有限。此种情况下，公开道路常用的点云数据增强方法例如随机旋转、随机翻转等方法仅能增加少量的样本数据丰富度，无法从根本上解决矿区环境下样本数据丰富度严重不足的问题。


技术实现要素：

3.有鉴于此，本技术提供了一种面向矿区自动驾驶数据集搭建的点云数据增强方法及装置、存储介质、计算机设备，通过将目标障碍物对应的至少一个目标点云叠加至待增强点云帧中，进而得到增强后的点云帧，可以大大提升样本丰富度，同时可操作性较强。
4.根据本技术的一个方面，提供了一种面向矿区自动驾驶数据集搭建的点云数据增强方法，包括：
5.从多个基础点云帧中确定待增强点云帧，所述基础点云帧基于常规矿区环境得到；
6.从多个样本点云中确定至少一个目标点云，每个所述样本点云对应一个目标障碍物，且带有区域标签，所述目标点云基于预设环境得到；
7.基于所述目标点云的区域标签，将所述至少一个目标点云叠加至所述待增强点云帧中，得到增强后的点云帧。
8.根据本技术的另一方面，提供了一种面向矿区自动驾驶数据集搭建的点云数据增强装置，包括：
9.第一确定模块，用于从多个基础点云帧中确定待增强点云帧，所述基础点云帧基于常规矿区环境得到；
10.第二确定模块，用于从多个样本点云中确定至少一个目标点云，每个所述样本点云对应一个目标障碍物，且带有区域标签，所述目标点云基于预设环境得到；
11.点云叠加模块，用于基于所述目标点云的区域标签，将所述至少一个目标点云叠加至所述待增强点云帧中，得到增强后的点云帧。
12.依据本技术又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述一种面向矿区自动驾驶数据集搭建的点云数据增强方法。
13.依据本技术再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述一种面向矿区自动驾驶数据集搭建的点云数据增强方法。
14.借由上述技术方案，本技术提供的一种面向矿区自动驾驶数据集搭建的点云数据增强方法及装置、存储介质、计算机设备，首先，可以从多个基础点云帧中找出一个待增强点云帧。接着，可以从多个样本点云中确定一个或者多个目标点云。在这里，每个样本点云可以带有一个区域标签。确定一个或者多个目标点云之后，可以分别以每个目标点云对应的区域标签为基础，将对应的目标点云叠加在上述待增强点云帧中，最终得到增强后的点云帧。本技术实施例通过将目标障碍物对应的至少一个目标点云叠加至待增强点云帧中，进而得到增强后的点云帧，可以大大提升样本丰富度，同时可操作性较强。
15.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
16.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
17.图1示出了本技术实施例提供的一种面向矿区自动驾驶数据集搭建的点云数据增强方法的流程示意图；
18.图2示出了本技术实施例提供的另一种面向矿区自动驾驶数据集搭建的点云数据增强方法的流程示意图；
19.图3示出了本技术实施例提供的一种目标遮挡区域的示意图；
20.图4示出了本技术实施例提供的一种面向矿区自动驾驶数据集搭建的点云数据增强装置的结构示意图。
具体实施方式
21.下文中将参考附图并结合实施例来详细说明本技术。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
22.在本实施例中提供了一种面向矿区自动驾驶数据集搭建的点云数据增强方法，如图1所示，该方法包括：
23.步骤101，从多个基础点云帧中确定待增强点云帧，所述基础点云帧基于常规矿区环境得到；
24.本技术实施例提供的面向矿区自动驾驶数据集搭建的点云数据增强方法，首先，可以从多个基础点云帧中找出一个待增强点云帧。具体地，待增强点云帧可以是从基础点云帧中随机选择的，也可以是按照其他预设规则得到的。基础点云帧中可以包括常规矿区环境下的常规场景、常规车辆等，也即，基础点云帧中的物体点云可以是矿区自动驾驶设备日常工作过程中经常遇到的物体对应的点云。
25.步骤102，从多个样本点云中确定至少一个目标点云，每个所述样本点云对应一个目标障碍物，且带有区域标签，所述目标点云基于预设环境得到；
26.在该实施例中，接着，可以从多个样本点云中确定一个或者多个目标点云。在这里，样本点云可以是目标障碍物对应的点云，目标障碍物可以是矿区自动驾驶设备在特定时间或者是特定条件下才能遇到的物体，例如，由于矿区为非开放场景，因而很多非生产车辆如面包车和皮卡等乘用车辆仅有在获取有限路权的情况下才能进入有限的矿区环境中，且进入时间受严格控制，因此，这些非生产车辆如面包车和皮卡等可以作为目标障碍物。此外，目标障碍物还可以是特定位置、特定姿态下的物体，例如，某些可采集到的工程车辆或非生产车辆在矿区出现的姿态有限，那么特定位置、特定姿态下的这些工程车辆或者非生产车辆也可以作为目标障碍物。本技术实施例通过构建预设环境，预设环境中可以包含这些特定时间、特定条件等情况下才能遇到的目标障碍物，可以获取这些目标障碍物的点云，对于后续增加样本丰富度是非常有利的。同样地，目标点云可以是从样本点云中随机选择的，也可以是按照其他预设规则得到的。每个样本点云可以带有一个区域标签。区域标签中可以包括目标障碍物的3d检测框或包围盒对应的位置、尺寸，以及目标障碍物的航向等。
27.步骤103，基于所述目标点云的区域标签，将所述至少一个目标点云叠加至所述待增强点云帧中，得到增强后的点云帧。
28.在该实施例中，确定一个或者多个目标点云之后，可以分别以每个目标点云对应的区域标签为基础，将对应的目标点云叠加在上述待增强点云帧中，最终得到增强后的点云帧。增强后的点云帧后续可以用于对无人驾驶的深度学习模型进行训练，也即作为无人驾驶的深度学习模型的样本。
29.通过应用本实施例的技术方案，首先，可以从多个基础点云帧中找出一个待增强点云帧。接着，可以从多个样本点云中确定一个或者多个目标点云。在这里，每个样本点云可以带有一个区域标签。确定一个或者多个目标点云之后，可以分别以每个目标点云对应的区域标签为基础，将对应的目标点云叠加在上述待增强点云帧中，最终得到增强后的点云帧。本技术实施例通过将目标障碍物对应的至少一个目标点云叠加至待增强点云帧中，进而得到增强后的点云帧，可以大大提升样本丰富度，同时可操作性较强。
30.进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了另一种面向矿区自动驾驶数据集搭建的点云数据增强方法，如图2所示，该方法包括：
31.步骤201，从多个基础点云帧中确定待增强点云帧，所述基础点云帧基于常规矿区环境得到；
32.在该实施例中，首先，可以从多个基础点云帧中找出一个待增强点云帧。具体地，待增强点云帧可以是从基础点云帧中随机选择的，也可以是按照其他预设规则得到的。基础点云帧中可以包括常规矿区环境下的常规场景、常规车辆等，也即，基础点云帧中的物体点云可以是矿区自动驾驶设备日常工作过程中经常遇到的物体对应的点云。
33.步骤202，从多个样本点云中确定至少一个目标点云，每个所述样本点云对应一个目标障碍物，且带有区域标签，所述目标点云基于预设环境得到；
34.在该实施例中，接着，可以从多个样本点云中确定一个或者多个目标点云。在这里，样本点云可以是目标障碍物对应的点云，目标障碍物可以是矿区自动驾驶设备在特定时间或者是特定条件下才能遇到的物体，例如，由于矿区为非开放场景，因而很多非生产车辆如面包车和皮卡等乘用车辆仅有在获取有限路权的情况下才能进入有限的矿区环境中，
且进入时间受严格控制，因此，这些非生产车辆如面包车和皮卡等可以作为目标障碍物。此外，目标障碍物还可以是特定位置、特定姿态下的物体，例如，某些可采集到的工程车辆或非生产车辆在矿区出现的姿态有限，那么特定位置、特定姿态下的这些工程车辆或者非生产车辆也可以作为目标障碍物。本技术实施例通过构建预设环境，预设环境中可以包含这些特定时间、特定条件等情况下才能遇到的目标障碍物，可以获取这些目标障碍物的点云，对于后续增加样本丰富度是非常有利的。同样地，目标点云可以是从样本点云中随机选择的，也可以是按照其他预设规则得到的。每个样本点云可以带有一个区域标签。区域标签中可以包括目标障碍物的3d检测框或包围盒对应的位置、尺寸，以及目标障碍物的航向等。
35.步骤203，基于任一所述目标点云的区域标签，确定所述任一所述目标点云在所述待增强点云帧中的目标放置位置；
36.在该实施例中，由于每个目标点云对应有一个区域标签，因此可以以区域标签为基础，具体可以从区域标签中识别出每个目标点云对应的目标障碍物的3d检测框或包围盒所处的位置，并根据该位置确定对应目标点云在待增强点云帧中的目标放置位置。由于可以将目标点云和待增强点云帧放置在同一坐标系下，因而可以根据目标点云对应的目标障碍物的3d检测框或包围盒所处的位置，在待增强点云帧中确定目标放置位置。
37.步骤204，基于所述目标放置位置，判断所述任一所述目标点云在所述待增强点云帧中的地面放置区域内是否存在非地面点云点；
38.在该实施例中，确定任一目标点云的目标放置位置之后，还可以进一步确定该目标点云在待增强点云帧中的地面放置区域内是否存在非地面点云点，在这里，地面放置区域指的是目标点云在地面这一平面上所占的区域。待增强点云帧中的点云点可以分为地面点云点以及非地面点云点，地面点云点也即属于地面的点云点，非地面点云点即除了地面点云点之外的其他点云点。
39.步骤205，当所述地面放置区域内不存在所述非地面点云点时，将所述任一所述目标点云叠加至所述待增强点云帧中的所述目标放置位置；
40.在该实施例中，如果经过判断发现地面放置区域中没有非地面点云点，那么说明目标点云被放置在此处是合理的，此时可以将该目标点云叠加在待增强点云帧中的目标放置位置上。此外，目标点云还可以带有名称标签，在这里，名称标签可以包括目标点云对应的目标障碍物的名称，例如面包车、皮卡等。当将目标点云叠加在待增强点云帧之后，还可以将该目标点云对应的名称标签和区域标签添加至待增强点云帧对应的标签文件中，使得待增强点云帧对应的标签文件中包括的信息更加全面。
41.步骤206，依据所述任一所述目标点云的目标放置位置，确定所述任一所述目标点云对应的目标遮挡区域，从所述第一点云点中确定与所述目标遮挡区域对应的目标点云点，并从所述待增强点云帧中删除所述目标点云点。
42.在该实施例中，确定每个目标点云对应的目标放置位置之后，还可以根据该目标放置位置确定对应目标点云的目标遮挡区域。在这里，目标放置位置可以是目标点云在待增强点云帧中的三维空间占用位置，矿区自动驾驶设备在利用激光扫描获取点云帧时，目标点云面向激光水平发射的一面对应的区域即可确定为目标遮挡区域。如图3所示，长方体右侧面为面向激光水平发射的一面，该面对应的区域即为目标遮挡区域。由于激光水平发射的过程中，目标遮挡区域对激光发射器发射的激光具有阻碍作用，使得以目标遮挡区域
为分割面，远离激光发射器一侧的物体不能被扫描到，因此可以从第一点云点中确定由于目标遮挡区域而无法获得的目标点云点，并将这些目标点云点从待增强点云帧中删除，得到增强后的点云帧。在这里，第一点云点指的是待增强点云帧中的点云点。本技术通过将待增强点云帧中由于目标遮挡区域的影响而无法出现的目标点云点删除，使得增强后的点云帧符合激光雷达点云成像原理，增强后的点云帧的准确性和真实性更强。
43.在本技术实施例中，可选地，步骤204中所述“判断所述任一所述目标点云在所述待增强点云帧中的地面放置区域内是否存在非地面点云点”之前，所述方法还包括：基于预设地面拟合算法，确定所述待增强点云帧中的每个第一点云点对应的目标属性，并利用所述目标属性对所述第一点云点逐个进行标记，所述目标属性包括地面点云点以及非地面点云点。
44.在该实施例中，判断地面放置区域中是否存在非地面点云点之前，还可以先对待增强点云帧中的每个第一点云点进行目标属性的标记，其中，目标属性可以包括地面点云点、非地面点云点两种。具体地，可以利用预设地面拟合算法，对地面进行拟合。因地面为平坦空旷点云，故此处的预设地面拟合算法可以将地平面进行拟合，例如可用ransac进行全局地面拟合或划分为若干区域后进行地面拟合。接着，可以根据地面拟合结果，判断每个第一点云点与拟合地平面之间的关系，最终确定每个第一点云点是地面点云点还是非地面点云点。
45.在本技术实施例中，可选地，当所述地面放置区域内存在所述非地面点云点时，所述方法还包括：若所述非地面点云点的数量小于或等于预设数量阈值时，将所述任一所述目标点云叠加至所述待增强点云帧中的所述目标放置位置；若所述非地面点云点的数量大于所述预设数量阈值时，基于预设角度对所述目标放置位置进行旋转，依据旋转后的目标放置位置再次判断对应的地面放置区域内非地面点云点的数量，直至所述地面放置区域内的所述非地面点云点的数量小于或等于所述预设数量阈值，或者旋转次数超过预设次数阈值时结束。
46.在该实施例中，如果地面放置区域中存在非地面点云点时，可以继续进行下一步判断。如果地面放置区域中的非地面点云点的数量比预设数量阈值小，或者等于预设数量阈值时，此时可能是在进行地平面拟合时存在误差，可以将对应的目标点云继续叠加至待增强点云帧中。如果地面放置区域中的非地面点云点的数量比预设数量阈值大，那么说明在此目标放置位置叠加目标点云是不合理的，此时可以对目标点云的目标放置位置进行旋转，旋转的基点可以按照预设旋转规则确定，每次可以旋转预设角度。当旋转后，可以根据旋转后的目标放置位置确定对应的地面放置区域，并再次判断旋转后的目标放置位置对应的地面放置区域内非地面点云点的数量，可以根据数量再次执行上面的判断，直到地面放置区域内的非地面点云点的数量小于或者等于预设数量阈值时结束，或者当目标放置位置的旋转次数超过预设次数阈值时结束。每次将目标放置位置旋转后，均可以对目标点云对应的区域标签进行更新。本技术实施例在目标放置位置不合理时，不断旋转目标放置位置寻找合理的目标放置位置，避免由于目标放置位置不合理即放弃叠加造成的样本丰富度提升困难的问题，有利于稳定增加样本丰富度。
47.在本技术实施例中，可选地，步骤201之前，所述方法还包括：获取所述矿区自动驾驶设备在常规矿区环境下采集的第一点云帧，并生成所述第一点云帧对应的标签文件，基
于所述第一点云帧以及所述标签文件，得到所述基础点云帧；获取所述矿区自动驾驶设备在预设环境下采集的第二点云帧，并基于所述第二点云帧，确定所述样本点云，所述预设环境包括所述目标障碍物。
48.在该实施例中，确定待增强点云帧之前，可以获取由矿区自动驾驶设备在常规矿区环境下采集到的第一点云帧，在这里，常规矿区环境也即矿区自动驾驶设备的日常工作环境。第一点云帧具体可以是矿区自动驾驶设备在常规矿区环境下的不同天气、不同时间条件下采集的。获取到第一点云帧之后，还可以对第一点云帧中的不同物体进行识别和标注，从而生成对应的标签文件。具体地，标签文件中可以包括不同物体的物体名称信息、物体位置信息、物体尺寸信息以及物体航向信息等。之后可以以第一点云帧以及对应的标签文件为基础，得到基础点云帧，也即，基础点云帧是带有标签文件的第一点云帧。后续在将基础点云帧作为待增强点云帧，并将目标点云叠加至待增强点云帧时，可以利用目标点云的名称标签和区域标签对标签文件进行更新。
49.此外，还可以获取矿区自动驾驶设备在预设环境下采集的第二点云帧，接着可以以第二点云帧为基础，从中确定样本点云。其中，预设环境中可以包括目标障碍物。第二点云帧可以是目标障碍物距矿区自动驾驶设备不同位置、不同相对位姿下的点云帧。具体地，可以在空旷平台上设置用于采集第二点云帧的矿区自动驾驶设备，矿区自动驾驶设备置于平台中央，平台尺寸以实际矿区情况为准，以空旷、大尺寸为选择标准，平台较小时，可以相应调整矿区自动驾驶设备在平台中的位置，为目标障碍物的运动留出足够的空间。矿区自动驾驶设备位置固定时，将目标障碍物物放置在平台上，采集其相对矿区自动驾驶设备在各种位置、各种相对位姿下运动的点云帧。接着，可以从第二点云帧中提取得到样本点云，也即可以从第二点云帧中提取目标障碍物对应的点云。
50.在本技术实施例中，可选地，所述“基于所述第二点云帧，确定所述样本点云”，包括：基于所述第二点云帧的采集时间，对所述第二点云帧进行排序，并依据排序后的第二点云帧确定参考帧，以及与每个所述参考帧对应的搜索帧；识别所述参考帧中的所述目标障碍物，并利用第一目标信息对所述目标障碍物对应的点云进行标注，得到第一样本点云，所述第一目标信息包括所述区域标签；基于所述预设地面拟合算法，确定所述搜索帧中每个第二点云点对应的所述目标属性，并依据所述第二点云点中的非地面点云点以及所述第一目标信息，通过欧氏距离聚类算法确定与所述参考帧中的所述目标障碍物距离最近的最大聚类簇，将所述最大聚类簇作为所述搜索帧中的所述目标障碍物对应的点云；依据所述搜索帧中的所述目标障碍物对应的点云，确定目标包围盒，并基于所述目标包围盒以及所述第一目标信息，确定所述目标障碍物对应的第二目标信息，利用所述第二目标信息对所述搜索帧中的所述目标障碍物对应的点云进行标注，得到第二样本点云。
51.在该实施例中，在从第二点云帧中提取样本点云时，首先，可以根据第二点云帧的采集时间，对对应同一目标障碍物的第二点云帧进行排序处理，具体可以按照采集时间的先后顺序进行排序。排序之后，可以从中确定参考帧，以及和每个参考帧对应的搜索帧。例如，每10帧第二点云帧确定一个参考帧，具体可以是第1帧、第11帧、第21帧
……
，第2帧-第10帧是与第1帧对应的搜索帧，第12帧-第20帧是与第2帧对应的搜索帧
……
确定参考帧和搜索帧之后，可以对参考帧中的目标障碍物进行识别，并以第一目标信息为基础，对目标障碍物对应的点云进行标注，标注后可以得到第一样本点云。其中，第一目标信息可以是人工
计算、整理得到的。之后，同样可以利用预设地面拟合算法，对搜索帧中每个第二点云点的目标属性进行确定，在这里，该搜索帧指的是参考帧的后一帧，即参考帧的下一帧采集到的点云帧，目标属性同样包括地面点云点以及非地面点云点。例如，参考帧是第1帧，那么该搜索帧是第2帧。标注后，可以从标注为非地面点云点的第二点云点中，确定和参考帧中的目标障碍物距离最近的最大聚类簇，具体地，可以根据第一目标信息确定目标障碍物在参考帧中的位置，利用欧氏距离聚类算法从搜索帧第二点云点中的非地面点云点中，确定与目标障碍物在参考帧中的位置最近的最大聚类簇。之后，可以将该最大聚类簇作为该搜索帧中的目标障碍物对应的点云。
52.从搜索帧中确定目标障碍物对应的点云之后，可以进一步确定该目标障碍物对应的点云的目标包围盒，确定目标包围盒之后，还可以确定两个航向信息，接着可以根据第一目标信息中目标障碍物的目标航向，从两个航向信息中最终确定一个作为搜索帧中目标障碍物对应的目标航向。之后可以得到目标包围盒对应的长、宽、高等尺寸、位置信息等，并根据这些信息以及目标航向确定搜索帧中目标障碍物对应的区域标签，此外还可以获取一些其他信息，由包括区域标签在内的多个信息组成第二目标信息。最后，利用第二目标信息对搜索帧中的目标障碍物对应的点云进行标注，进而得到与上述搜索帧对应的第二样本点云。在这里，各个第一样本点云和各个第二样本点云组成最终的样本点云。
53.因矿区需补充的目标障碍物类型为皮卡、面包车等类别的目标障碍物，其轮廓较为清晰，因此目标包围盒的计算可以采用l-shape拟合方法。该拟合方法的流程如下：1)遍历矩形的所有可能方向，每次迭代时找到一个指向该方向并包含所有扫描点的矩形；2)得到所有点到矩形四条边的距离，根据这些距离将点分成p和q，并计算出相应的平方误差作为目标函数；3)在迭代所有方向并获得所有相应的平方误差后，寻找得到最小平方误差的最佳方向，并根据该方向调整矩形。选择合适的目标包围盒矩形时，采用点到边缘平方误差最小化最为评价标准。得到目标包围盒后，计算目标包围盒中心。确定目标包围盒的长、宽、高时，首先确定航向，计算目标包围盒xy平面(平行于地平面)矩形的两条边斜率，得到对应的四个朝向角(每条边对应有相反的两个朝向角)，选择与参考帧中目标障碍物对应的目标航向的角度差最小的朝向作为该搜索帧中目标障碍物对应的目标航向。此处的选择是由于相邻帧之间的时间间隔较小，相对运动速度处于低速状态下，因而目标物的航向变化较小。确定目标航向后，与目标航向平行的边定为长边，垂直的边定为宽边，高度的确定由点云点的最大高度差确定。最终即可得到三维的目标包围盒。
54.在本技术实施例中，可选地，所述“对所述第二点云帧进行排序”之前，所述方法还包括：对第二点云帧进行降采样处理，并去除降采样处理后的不包含所述目标障碍物的第二点云帧，得到更新后的第二点云帧。
55.在该实施例中，原始的第二点云帧的采集频率较高，从连续帧的第二点云帧中全部提取样本点云的意义不大，因为连续帧的第二点云帧中目标障碍物对应的点云的变化较小，因此可以对原始的第二点云帧进行降采样处理。例如，原始的第二点云帧的采样频率为10hz，降采样处理时可以对原始的第二点云帧进行等间隔采样，间隔为1帧/s，即降采样为1hz。随后，可以对降采样处理之后的第二点云帧进行筛选，去除其中不包含目标障碍物的第二点云帧，进而得到更新后的第二点云帧。本技术实施例通过对原始的第二点云帧进行降采样处理，并去除其中不包含目标障碍物的第二点云帧，可以使得更新后的不同的第二
点云帧中包含的目标障碍物的位置、位姿相互间存在一些变化，使得后续提取样本点云的效果更好。
56.在本技术实施例中，可选地，所述“当所述参考帧对应多个搜索帧时，所述得到第二样本点云”之后，所述方法还包括：将所述第二样本点云对应的搜索帧更新为参考帧，利用更新的参考帧确定下一搜索帧对应的第二样本点云，直至所述第二样本点云的数量与所述多个搜索帧的数量一致时结束。
57.在该实施例中，如果每个参考帧对应有多个搜索帧，那么每次当有一个搜索帧提取第二样本点云结束之后，下一帧搜索帧即可根据提取结束的这一搜索帧的第二目标信息进行第二样本点云的提取，直到第二样本点云的数量与多个搜索帧的数量一致时，说明各个参考帧对应的搜索帧全部提取完第二样本点云，此时即可结束。本技术实施例从第二点云帧中确定一部分参考帧，对参考帧利用第一目标信息进行标注之后，后续与该参考帧对应的搜索帧即可自动获取对应的第二目标信息并进行标注，大大降低了人工标注的工作量，且通过借鉴相邻标注帧的标注结果的方式，能较为准确的判断自动标注目标障碍物的目标航向。
58.进一步的，作为图1方法的具体实现，本技术实施例提供了一种面向矿区自动驾驶数据集搭建的点云数据增强装置，如图4所示，该装置包括：
59.第一确定模块，用于从多个基础点云帧中确定待增强点云帧，所述基础点云帧基于常规矿区环境得到；
60.第二确定模块，用于从多个样本点云中确定至少一个目标点云，每个所述样本点云对应一个目标障碍物，且带有区域标签，所述目标点云基于预设环境得到；
61.点云叠加模块，用于基于所述目标点云的区域标签，将所述至少一个目标点云叠加至所述待增强点云帧中，得到增强后的点云帧。
62.可选地，所述点云叠加模块，包括：
63.位置确定单元，用于基于任一所述目标点云的区域标签，确定所述任一所述目标点云在所述待增强点云帧中的目标放置位置；
64.判断单元，用于基于所述目标放置位置，判断所述任一所述目标点云在所述待增强点云帧中的地面放置区域内是否存在非地面点云点；
65.叠加单元，用于当所述地面放置区域内不存在所述非地面点云点时，将所述任一所述目标点云叠加至所述待增强点云帧中的所述目标放置位置。
66.可选地，所述装置还包括：
67.标记模块，用于所述判断所述任一所述目标点云在所述待增强点云帧中的地面放置区域内是否存在非地面点云点之前，基于预设地面拟合算法，确定所述待增强点云帧中的每个第一点云点对应的目标属性，并利用所述目标属性对所述第一点云点逐个进行标记，所述目标属性包括地面点云点以及非地面点云点。
68.可选地，所述装置还包括：
69.数量判断模块，用于当所述地面放置区域内存在所述非地面点云点时，若所述非地面点云点的数量小于或等于预设数量阈值时，将所述任一所述目标点云叠加至所述待增强点云帧中的所述目标放置位置；若所述非地面点云点的数量大于所述预设数量阈值时，基于预设角度对所述目标放置位置进行旋转，依据旋转后的目标放置位置再次判断对应的
地面放置区域内非地面点云点的数量，直至所述地面放置区域内的所述非地面点云点的数量小于或等于所述预设数量阈值，或者旋转次数超过预设次数阈值时结束。
70.可选地，所述装置还包括：
71.删除模块，用于所述将所述任一所述目标点云叠加至所述待增强点云帧中的所述目标放置位置之后，依据所述任一所述目标点云的目标放置位置，确定所述任一所述目标点云对应的目标遮挡区域，从所述第一点云点中确定与所述目标遮挡区域对应的目标点云点，并从所述待增强点云帧中删除所述目标点云点。
72.可选地，所述装置还包括：
73.第一获取模块，用于所述从多个基础点云帧中确定待增强点云帧之前，获取所述矿区自动驾驶设备在常规矿区环境下采集的第一点云帧，并生成所述第一点云帧对应的标签文件，基于所述第一点云帧以及所述标签文件，得到所述基础点云帧；
74.第二获取模块，用于获取所述矿区自动驾驶设备在预设环境下采集的第二点云帧，并基于所述第二点云帧，确定所述样本点云，所述预设环境包括所述目标障碍物。
75.可选地，所述第二获取模块，用于：
76.基于所述第二点云帧的采集时间，对所述第二点云帧进行排序，并依据排序后的第二点云帧确定参考帧，以及与每个所述参考帧对应的搜索帧；识别所述参考帧中的所述目标障碍物，并利用第一目标信息对所述目标障碍物对应的点云进行标注，得到第一样本点云，所述第一目标信息包括所述区域标签；基于所述预设地面拟合算法，确定所述搜索帧中每个第二点云点对应的所述目标属性，并依据所述第二点云点中的非地面点云点以及所述第一目标信息，通过欧氏距离聚类算法确定与所述参考帧中的所述目标障碍物距离最近的最大聚类簇，将所述最大聚类簇作为所述搜索帧中的所述目标障碍物对应的点云；依据所述搜索帧中的所述目标障碍物对应的点云，确定目标包围盒，并基于所述目标包围盒以及所述第一目标信息，确定所述目标障碍物对应的第二目标信息，利用所述第二目标信息对所述搜索帧中的所述目标障碍物对应的点云进行标注，得到第二样本点云。
77.可选地，所述装置还包括：
78.更新模块，用于当所述参考帧对应多个搜索帧时，所述得到第二样本点云之后，将所述第二样本点云对应的搜索帧更新为参考帧，利用更新的参考帧确定下一搜索帧对应的第二样本点云，直至所述第二样本点云的数量与所述多个搜索帧的数量一致时结束。
79.需要说明的是，本技术实施例提供的一种面向矿区自动驾驶数据集搭建的点云数据增强装置所涉及各功能单元的其他相应描述，可以参考图1至图3方法中的对应描述，在此不再赘述。
80.基于上述如图1至图3所示方法，相应的，本技术实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述如图1至图3所示的面向矿区自动驾驶数据集搭建的点云数据增强方法。
81.基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施场景所述的方法。
82.基于上述如图1至图3所示的方法，以及图4所示的虚拟装置实施例，为了实现上述
目的，本技术实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图3所示的面向矿区自动驾驶数据集搭建的点云数据增强方法。
83.可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(radio frequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、wi-fi接口)等。
84.本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
85.存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。
86.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。首先，可以从多个基础点云帧中找出一个待增强点云帧。接着，可以从多个样本点云中确定一个或者多个目标点云。在这里，每个样本点云可以带有一个区域标签。确定一个或者多个目标点云之后，可以分别以每个目标点云对应的区域标签为基础，将对应的目标点云叠加在上述待增强点云帧中，最终得到增强后的点云帧。本技术实施例通过将目标障碍物对应的至少一个目标点云叠加至待增强点云帧中，进而得到增强后的点云帧，可以大大提升样本丰富度，同时可操作性较强。
87.本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本技术所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
88.上述本技术序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本技术的几个具体实施场景，但是，本技术并非局限于此，任何本领域的技术人员能思之的变化都应落入本技术的保护范围。