(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111676534.2 (22)申请日 2021.12.31 (71)申请人 中国第一汽车股份有限公司 地址 130011 吉林省长 春市汽车 经济技术 开发区新红旗大街1号 (72)发明人 黄佳伟　陈博　王宇　张勇　 张林灿　郭昌野　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 代理人 谢湘宁 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/80(2017.01) G06T 7/13(2017.01) G06T 7/246(2017.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G09B 25/00(2006.01) G09B 19/00(2006.01) (54)发明名称 点云数据 的处理方法、 处理装置、 存储介质 及处理器 (57)摘要 本发明公开了一种点云数据的处理方法、 处 理装置、 存储介质及处理器。 其中， 该方法包括： 获取点云数据和位置数据， 其中， 点云数据为激 光雷达采集的经由目标对象反射回来的原始点 云数据， 位置数据包括如下至少之一： 安装了激 光雷达的目标设备的空间位置、 激光雷达的空间 位置； 根据点云数据和位置数据， 获得目标对象 的特征图； 利用卷积神经网络的检测头对特征图 进行检测， 获得目标对象的轮廓图， 根据目标对 象的轮廓图确定目标对象的跟踪 ID； 根据点 云数 据和目标对象的跟踪ID， 将目标对象的图像信息 展示在终端设备上。 本发明解决了教学平台感知 效果差的技 术问题。 权利要求书2页 说明书6页 附图6页 CN 114359386 A 2022.04.15 CN 114359386 A 1.一种点云数据的处 理方法， 其特 征在于， 包括： 获取点云数据和位置数据， 其中， 所述点云数据为激光雷达采集的经由目标对象反射 回来的原始点云数据， 所述位置数据包括如下至少之一： 安装了所述激光雷达的目标设备 的空间位置、 所述激光雷达的空间位置； 根据所述 点云数据和所述 位置数据， 获得 所述目标对象的特 征图； 利用卷积神经网络的检测头对所述特征图进行检测， 获得所述目标对象的轮廓图， 根 据所述目标对象的轮廓图确定所述目标对象的跟踪ID； 根据所述点云数据和所述目标对象的跟踪ID， 将所述目标对象的图像信息展示在终端 设备上。 2.根据权利要求1所述的点云数据的处理方法， 其特征在于， 获取所述点云数据和所述 位置数据之前， 包括： 以地面为参考系， 获取 所述激光雷达的第一标定矩阵； 以所述目标设备为 参考系， 获取 所述激光雷达的第二标定矩阵； 根据所述第一标定矩阵和所述第二标定矩阵确定所述激光雷达的空间位置 。 3.根据权利要求2所述的点云数据的处理方法， 其特征在于， 所述点云数据的处理方 法， 包括： 接收第一更新请求， 根据所述第一更新请求， 重新确定所述激光雷达以所述地面为参 考系时的所述第一标定矩阵， 以及重新确定所述激光雷达以所述目标设备为参考系时的所 述第二标定矩阵； 根据重新确定的所述第 一标定矩阵和重新确定的所述第 二标定矩阵， 重新确定所述激 光雷达的空间位置 。 4.根据权利要求1所述的点云数据的处理方法， 其特征在于， 根据 所述点云数据和所述 位置数据， 获得 所述目标对象的所述特 征图， 包括： 获取检测模型， 其中， 所述检测模型用于对目标对象进行检测， 所述检测模型包括如下 至少之一： 目标检测模型、 目标跟踪模型； 对所述检测模型进行模型训练、 量化训练， 获得图像处理检测模型， 采用所述图像处理 检测模型对所述 点云数据和所述 位置数据进行解析， 获得 所述目标对象的所述特 征图。 5.根据权利要求4所述的点云数据的处理方法， 其特征在于， 对所述检测模型进行训 练， 获得图像处 理检测模型， 包括： 对所述检测模型进行训练获得图像处理检测模型后， 将所述图像处理检测模型的格式 转化为预设格式， 将具有所述预设格式的所述图像处 理检测模型存放至目标位置 。 6.根据权利要求4所述的点云数据的处理方法， 其特征在于， 所述点云数据的处理方 法， 包括： 接收第二更新请求， 根据所述第二更新请求， 重新获取 所述检测模型； 根据重新获取的所述检测模型进行模型训练、 量化训练， 获得新的所述图像处理检测 模型。 7.一种点云数据的处 理装置， 其特 征在于， 包括： 第一获取单元， 用于获取点云数据和位置数据， 其中， 所述点云数据为激光雷达采集的 经由目标对 象反射回来的原始点云数据， 所述位置数据包括如下至少之一： 安装了所述激权　利　要　求　书 1/2 页 2 CN 114359386 A 2光雷达的目标设备的空间位置、 所述激光雷达的空间位置； 第二获取 单元， 用于根据所述 点云数据和所述 位置数据， 获得 所述目标对象的特 征图； 第一确定单元， 所述第一确定单元利用卷积神经网络的检测头对所述特征图进行检 测， 获得所述目标对象的轮廓图， 根据所述目标对象的轮廓图确定所述目标对象的跟踪ID； 展示单元， 用于根据所述点云数据和所述目标对象的跟踪ID， 将所述目标对象的图像 信息展示在终端设备 上。 8.根据权利要求7 所述的处 理装置， 其特 征在于， 包括： 第三获取 单元， 所述第三获取 单元用于获取激光雷达的第一标定矩阵； 第四获取 单元， 所述第四获取 单元用于获取第二标定矩阵； 第二确定单元， 所述第 二确定单元根据所述第 一标定矩阵和所述第 二标定矩阵确定所 述激光雷达的空间位置 。 9.一种非易失性存储介质， 其特征在于， 所述非易失性存储介质包括存储的程序， 其 中， 在所述程序运行时控制所述 非易失性存储介质所在设备执行权利要求 1至6中任意一项 所述点云数据的处 理方法。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至 6中任意一项所述 点云数据的处 理方法。权　利　要　求　书 2/2 页 3 CN 114359386 A 3