Lidar3D传感器点云数据与2D图像数

2DD融合

以自动驾驶场景为例，自动驾驶汽车需要使用传感器来识别车辆周围的物理环境，用来捕获2D视觉数据，同时在车辆顶部安装雷达,用以捕捉精确目标定位的D位置数据。

激光雷达生成的点云数据可用于测量物体的形状和轮廓，估算周围物体的位置和速度，但点云数据缺少了RGB图像数据中对物体纹理和颜色等信息的提取，无法精确地将对象分类为汽车、行人、障碍物、信号灯等。

所以需要将包括丰富的语义信息2D视觉图像和可以提供精确的目标定位D点云数据进行融合，使自动驾驶系统能够精确地了解周围环境，准确做出判断，让自动驾驶功能得以广泛应用。

在O1平台2DD融合标注界面，点击2D图片上的小眼睛预览按钮，可以看到D数据高亮的部分，哪个方位的数据会被映射在2D图片上。

D框标注

新建D框

屏幕聚焦在车或目标物体的正上方，点击快捷键F，依次点击左后方，左前方和右前方。平台的自动框收敛的功能可以使D框完美贴合在目标物体上。

最后选择标签和属性信息，即可完成一个D框的标注了。

调整D框

想要调整D框，可从右侧的三视角图中来调节，分别的从正上方，侧方和后方来观察框中的目标。

一般会通过快捷键来操作：用Z，X来旋转角度，用AWSD从上下左右在侧方视角调节位置，在后方视角用QE来做左右平移。

2D映射

在标注D数据的同时，可以注意到，左边的RGB数据中，也产生了框。这是通过D点云数据的标注结果，经过相机参数的计算，投影到RGB数据上。

·支持在RGB数据上显示，调节，新增D框

·支持在RGB数据上显示，调节，新增2D框

·支持将RGB和D点云数据上的框相关联

模型预处理

系统预制了多个模型，其中就包括了D点云预识别模型。只需要点击“模型”，即可一键生成框和标签！

通用模型能对大部分的目标进行正确的识别，但是还会有个别的框需要人工调整。

我们还是通过三视图来手动微调预处理的结果，从而使所有的框可以完美地贴合目标。

比较难标注的目标

有些物体由于被遮挡或者距离自主车辆很远的原因，很难通过有限的点云来确定物体的轮廓和标签。

我们可以通过左下角的设置，将点的尺寸调大一些。放大之后，再新建框，并通过左边的2D图来帮助识别物体的标签。

以上便是关于2DD融合数据标注的介绍。