摘要
本发明提供了一种连续帧点云的4D自动标注方法、系统、设备及介质,方法包括:计算初始车端深度学习算法与4D自动标注算法之间连续帧点云历史数据标注结果的差值,提取问题场景的点云数据作为训练数据集;进行训练数据集的伪标注和轨迹修正,依据目标生命周期,采用轨迹修正后的自动标注结果生成自动标注数据;通过自动标注数据对初始车端深度学习算法反哺训练,用训练后的车端深度学习算法对当前帧点云数据自动标注。上述方法是一种高效闭环运作的4D自动标注流程,引入了目标级虚拟目标物生成策略,使数据能够逼真且无风险的模拟真实世界的极端场景,提高数据中类别的丰富性和数据质量,最终提高自动驾驶领域中深度学习模型的精度及鲁棒性。
技术关键词
深度学习算法
标注算法
标注方法
数据
场景
时序
轨迹
策略
模型训练模块
深度学习模型
精量
模拟真实世界
可读存储介质
置信度阈值
标注系统
点云
修正器
人工方式
系统为您推荐了相关专利信息
激光雷达点云压缩
编码特征
非线性
网络
激光雷达点云数据
预测模型构建方法
未来交通状况
交通特征
周期性
多层感知机
周期预测方法
梯度提升树模型
超参数
随机森林模型
构建决策树