CN108932749A - 基于cg生成目标物样本的方法 - Google Patents

基于cg生成目标物样本的方法 Download PDF

Info

Publication number
CN108932749A
CN108932749A CN201710382453.9A CN201710382453A CN108932749A CN 108932749 A CN108932749 A CN 108932749A CN 201710382453 A CN201710382453 A CN 201710382453A CN 108932749 A CN108932749 A CN 108932749A
Authority
CN
China
Prior art keywords
parameter
initial target
sample pattern
sample
target object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201710382453.9A
Other languages
English (en)
Inventor
胡振程
董延超
王艳明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sen Sen Vehicle Sensor Technology Co Ltd
Original Assignee
Shanghai Sen Sen Vehicle Sensor Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sen Sen Vehicle Sensor Technology Co Ltd filed Critical Shanghai Sen Sen Vehicle Sensor Technology Co Ltd
Priority to CN201710382453.9A priority Critical patent/CN108932749A/zh
Publication of CN108932749A publication Critical patent/CN108932749A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了基于CG生成目标物样本的方法，包括以下步骤：建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；调整所述初始目标物环境样本模型参数，调整所述初始目标物样本模型参数；针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；渲染形成图像，计算2D边界框，计算3D边界框；形成并输出目标物样本。

Description

基于CG生成目标物样本的方法
技术领域
本发明涉及一种基于CG生成目标物样本的方法，尤其涉及基于CG技术生产用于ADAS主动安全系统中车辆、人物、建筑物、道路等目标物的方法。
背景技术
在机器学习领域数据库和学习算法对结果模型都有至关重要的影响。在深度学习的框架中，数据库的规模和质量对结果模型有近似线性的影响，即深度学习的结果模型与训练数据库的规模和质量成正比。深度学习所用数据的规模在百万级别甚至千万级别。手工标注的工作量极其庞大，而且难以保证标注质量。在Scene Depth，Segmentation，DenseOptical Flow及环境Structure等方面手工标注的工作量更大，手工标注结果也只是一种近似真值，手工标注工作都是由专家根据上下文场景反复斟酌得到的。对于单幅图像也要花费很长时间且标注结果存在不一致性，对于百万级别甚至千万级别的数据库来说这种稠密标注几乎是不可用手工完成的。因此迫切需要一种高效、准确的数据标注方法，以满足机器学习领域对数据的需求。另一方面，几年来CG技术取得了长足发展，在材质和光源方面有突破性进步，渲染得到图像真实感越来越高。通过对纹理、材质、光源等参数进行合理配置渲染得到的图像与真实相机拍摄的图像用肉眼难以区分。CG环境中场景中的每一个对象的模型数据以及虚拟相机的参数都是已知的，通过确定性的数学计算可以准确的获取机器学习所需的各类真值，如目标检测所用的正负样本、图像像素的Scene Depth，图像各类对象的Segmentation，视频流的稠密特征匹配或者稠密光流以及环境3D Structure。用CG技术可以快速的获取海量有标注信息的图像数据，且能保证标注的正确性。探索CG技术图像数据生成在机器学习领域的应用具有革新性意义。
发明内容
本发明的目的在于提供一种基于CG生产目标物样本的方法，能够针对选定的目标物生成不同场景条件的、大量的样本，并可根据要求随机设置目标物所处环境条件，形成不同环境条件下的、可用于ADAS系统的样本模型。
为实现上述发明目的，本发明提供一种基于CG生产目标物样本的方法，包括如下步骤：
a)建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；
b)从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；
c)将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；
d)调整所述初始目标物环境样本模型参数，包括：
d1)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的亮度参数；
d2)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的气象参数；
e)调整所述初始目标物样本模型参数，包括：
e1)针对所抽取的初始目标物环境样本模型,调整所述初始目标物样本模型的表面积物参数；
e2)针对所抽取的初始目标物环境样本模型，调整所述初始目标物样本模型的空间位置参数；
f)针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；
g)渲染形成图像，计算2D边界框，计算3D边界框；
h)形成并输出目标物样本。
根据本发明的一个方面，所述目标物包括运动目标物和静止目标物；
所述运动目标物包括：人、动物、车辆、泥石流、洪水、滚动的石块等；
所述静止目标物包括：房屋、树木、栅栏、交通标志物、交通设施、高速路收费站等；
所述目标物环境为所述目标物所处环境，包括：城市、建筑物、高速路、城市道路、隧道、桥梁道路、山路、室内、旷野、森林、太阳光、人造光、雨雪天气、沙尘天气、目标物表面积物等。
根据本发明的一个方面，所述亮度参数包括白天和夜晚。
根据本发明的一个方面，当所述亮度参数为白天时，调整太阳光角度参数、强度参数、颜色参数；
当所述亮度参数为夜晚时，调整所述目标物自身发光亮度参数和照射角度参数、目标物所处环境中人造光亮度参数和照射角度参数和颜色参数等。
根据本发明的一个方面，所述气象参数包括：降雨气象、降雪天气和雾气气象。
根据本发明的一个方面，在降雨气象条件下，设置降雨天气参数建立降雨气象并按照弱、中、强等级调整降雨强度参数；
在降雪气象条件下，设置降雪天气参数建立降雪气象并按照弱、中、强等级调整降雪强度参数；
在雾气气象条件下，设置雾气天气参数建立雾气气象并按照弱、中、强等级调整雾气强度参数。
根据本发明的一个方面，所述初始目标物样本模型的表面积物参数包括积水参数、积雪参数和积尘参数。
根据本发明的一个方面，在目标物表面积水条件下，设置积水参数建立目标物表面积水并按照弱、中、强等级调整积水强度参数；
在目标物表面积雪条件下，设置积雪参数建立目标物表面积雪并按照弱、中、强等级调整积雪强度参数；
在目标物表面积尘条件下，设置积尘参数建立目标物表面积尘并按照弱、中、强等级调整积雪强度参数。
根据本发明的一个方面，基于初始目标物环境样本模型参数如路面倾斜角、路面朝向等设置初始目标物样本模型的空间位置参数。
根据本发明的一个方面，设置相机视野范围参数包括设置针孔模型或广角模型，所述针孔模型视角为垂直方向30°，水平方向56°所述广角为垂直方向60°，水平方向112°。
根据本发明的一个方面，用追踪算法形成所述3D边界框；用拟合算法形成所述2D边界框。
根据本发明的一个方案，通过构建不同的CG模型，以及多种CG环境中场景的布置，能够方便且快速的构造出不同且种类丰富的虚拟环境，进一步的实现大量实际环境的仿真模拟，从而实现了方便、快捷以及大量的生成所需要的样本，有效降低了对现实环境拍照取样的工作量和工作强度，并且减少了人力，提高了工作效率。
根据本发明的一个方案，通过对CG环境中不同的模型进行参数的调整就能够非常方便的实现现实环境中的不同因素条件，可以方便快捷地实现各种天气变化、车辆拥堵、复杂自然环境等情况，解决了现实环境中取样的不便及场景限制。
根据本发明的一个方案，通过改变CG环境中虚拟相机模型的参数，就可以快速的拍摄出不同视角、分辨率等要求的图像样本，充分满足了样本视角、成像质量等多样性的要求。
附图说明
图1是示意性表示根据本发明的一种CG样本生成方法流程图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
针对ADAS(Advanced Driver Assistance Systems)系统车辆数据库基础样本模型、环境数据库基础样本模型，本发明提供一种依靠或基于CG(Computer Graphics)技术随机生成各种类型的车辆、人物、建筑物、道路、桥梁、隧道等等在各种不同环境背景中的样本模型的方法。
根据本发明的方法，首先要建立初始的目标物样本模型数据库和初始目标物环境样本模型数据库。本发明中的目标物如上所述可以是各种不同车辆，例如：轿车、SUV、MPV、跑车、微卡、皮卡、大巴、中巴、挂车、罐车、货车等；或者是城市中的建筑物，例如：商店、超市、博物馆、饭店、旅店、工厂、公司、写字楼等。一切在ADAS系统可能出现的景物或物体均属于本发明方法要生成的样本模型。此外，本发明所涉及的样本所处的环境是指在ADAS系统中的目标物所处的环境。例如，目标物处于高速路的环境中、城市道路环境中或隧道、桥梁的环境中等等。
根据本发明方法，首先建立初始目标物样本模型数据库和初始目标物环境样本模型数据库。这两个数据库的建立可以依赖于已有的目标物数据，例如各种车辆的外形轮廓数据库，以及相应的环境场景数据，例如高速路环境数据。根据本发明，也可以依据CG技术制作目标物样本模型以及相应的环境模型。
分别从数据库中随机抽取所需样本。例如，在目标物样本模型数据库中抽取轿车样本。同时，在环境样本模型数据库中收取城市道路模型样本。然后，将目标物样本模型置入环境样本模型中，结合形成包含目标物的环境场景。当采用本发明方法为ADAS系统制作一个轿车处于城市道路中的样本模型时，即可以将随机收取的轿车样本与随机抽取的城市道路样本相互结合，生产初步的合成样本。
在得到合成样本之后，根据不同的要求调整环境样本模型的亮度参数、气象参数和表面积物积物参数。例如首先将亮度参数设置成白天有自然光照射的状态，或者是夜晚没有自然光照射而采用人造光的状态。
当采用白天自然光状态时，进一步调整设置太阳光照射角度、照射强度以及与每天当中不同时间段太阳光所呈现出的不同颜色相对应的颜色参数。而在夜晚亮度状态下，则进一步设置目标物本身发射光线的亮度、强度、照射角度等等参数。例如，当用于ADAS系统时，目标物本身是轿车时，需要调整轿车车灯所发出的光线的亮度、强度、以及由于使用远光灯或近光灯而导致的照射角度不同的时对应的参数。通过针对这些参数的设置或调整，而改变目标物所处环境，或目标物的背景，从而实现一辆轿车在白天处于车市道路、在白天的中午或下午处于城市道路中的状态；或者是一辆轿车在夕阳西下的傍晚时分或夜晚处于城市道路中的情景。由此，通过调整不同的参数或参数组合，即可形成不同的环境背景，进而得到处于不用情景中的轿车与情景相结合的样本模型。
在上述样本模型的基础上，根据本发明的方法，进一步调整气象参数。即针对降雨气象、降雪气象和雾气气象设置不同的气象参数，以模拟不同的气象情景。当需要设置降雨气象时，首先设置形成降雨气象样本，然后按照小雨、中雨、暴雨或者弱、中、强的等级调整降雨气象参数。同样，可以设置降雪、雾气等不同的气象参数。通过调整不同的气象参数，在上述样本模型的基础上，进一步形成处于不同气象场景中的轿车样本模型。例如，轿车处于白天的、中等强度降雪的城市道路中的场景模型；或者是处于夜晚的、暴雨场景中的样本模型。通过设置不同的参数条件，例如：目标物本身发光照射条件、配以夜晚暴雨场景等等，即可生成巨大数量的针对各种不同条件的场景样本模型。
在获得以上样本模型的基础上，根据本发明还可以进一步调整目标物表面积物参数。由此描述目标物处于场景环境中的表面状况。例如，目标物表面积物参数可以是描述目标物本身表面上有积水的情况参数、目标物本身表面上有积雪的情况参数或者是目标物本身表面上有尘土覆盖遮盖的情况参数。这些参数与上述不同参数相互配合或组合，得出不同环境场景中的车辆或轿车样本模型。如此设置或组合参数，可以使样本更逼近现实，获得高度逼真的样本模型。这对于提高样本模型精准率大有裨益。
在上述样本模型的基础上，进一步设置或调整模拟相机的各种参数。例如，选择广角镜头或中远焦镜头，由此改变模拟相机视野范围，描述不同大小范围的场景。同时，可以调整相机的畸变参数，从而满足不同相机模型如针孔、鱼眼相机模型的设置。依据对这些参数的调整与设置，描述模拟相机镜头的指向，最终反应为环境样本模型的变化。根据本发明，还可以同时调整或设置模拟相机的畸变、分辨率等参数。模拟相机参数的调整改变环境样本模型，例如，由于分辨率参数变化，可以描述距离目标物不同距离处的其他物体的情况。由此为ADAS系统提供预警基础。
当依据上述调整或组合或配置的参数获得置于不同环境场景中的轿车样本后，根据本发明，根据所要求的成像质量实施渲染，获得图像。根据对监视点的追踪算法形成3D边界框，根据对3D边界框的拟合算法形成2D边界框，最终输出样本。
基于上述根据本发明的方法在各个不同步骤中对不同的环境参数的设置、调整、相互匹配，可以在很短的时间内通过细微的调整与不同的匹配获得海量的样本模型。这种海量的样本模型为提高分类器的精准度奠定了基础。
下面将通过根据本发明的一种具体实施方式对本发明做进一步具体详细的说明。该具体实施方式以目标物为轿车为例对本发明方法进行说明。
图1是示意性表示根据本发明的一种CG样本生成方法流程图。如图1所示，根据CG样本生成流程具体说明CG样本生成方法，其具体步骤如下：
a)收集或制作车辆模型，并且将车辆模型存储到车辆模型数据库中，收集或制作环境模型，并且将环境模型存储到车辆模型数据库中。
在本步骤中，首先，需要对车辆模型进行收集或制作，这里所说的车辆模型均为现实生活中实际车辆的仿真模拟，车辆模型中需要的控制参数包括车辆种类(VT)和车辆模型数量(VN)。车辆种类(VT)涉及实际生活中不同类别的车辆，例如，轿车、SUV、MPV、跑车、微卡、皮卡、大巴、中巴、挂车、罐车、货车等。车辆模型数量(VN)表示车辆模型的数量。收集并制作完成车辆模型的制作后，将车辆模型存储到车辆模型数据库中，随着实际生活中车辆类别的更新，车辆模型数据库中的车辆模型的数据相应地需要进行更新。
其次，需要对环境模型进行收集或制作，这里环境模型同样对应现实生活中的实际生活环境的仿真模拟，环境模型中需要的控制参数包括环境种类(ET)和环境模型数量(EN)。环境种类(ET)涉及实际生活中的各种环境,例如，城市道路、高速路、隧道、桥梁道路、山路等。环境模型数量(EN)表示环境模型的数量。收集并制作完成环境模型的制作后，将环境模型存储到环境模型数据库中，按照需要环境模型数据库中的环境模型的数据可以进行更新。
b)从车辆模型数据库中抽取并加载至少一个车辆模型，同时，从环境模型数据库中抽取并加载至少一个环境模型。
在本步骤中，从步骤a)中生成的车辆模型库中抽取至少一个种类的车辆模型加入虚拟环境中，依照具体需要调整车辆种类(VT)和车辆模型数量(VN)并加载。改变车辆模型数量(VN)的参数，就可以改变虚拟环境中车辆的拥挤程度，可分为畅通和拥挤两种情况。从步骤a)中生成的环境模型库中抽取至少一个种类的环境模型加入虚拟环境中，依照具体需要调整环境种类(ET)和环境模型数量(EN)并加载。改变环境模型数量(EN)的参数，就可以改变虚拟环境中环境的复杂度，可分为单一环境和复杂环境两种情况。通过对车辆模型和环境模型的控制参数的调整，就可以得到多样化的场景设计结果。
c)设置加载的环境模型和车辆模型的参数。
首先，设置加载的环境模型和车辆模型的光照参数。对虚拟环境中加载的环境模型和车辆模型进行光照参数的设置，达到对实际生活中光照的仿真模拟。光照参数包括模拟白天情景的太阳光角度(SA)、太阳光强度(SI)和太阳光颜色(SC)，以及模拟夜晚情景的自车灯光亮暗(SVL)、他车灯光亮暗(OVL)和路灯灯光角度，强度及颜色(EL)。其中，太阳光角度(SA)表示模拟的自然环境太阳光角度，为连续可控值；太阳光强度(SI)表示模拟的自然环境太阳光强度，为连续可控值；太阳光颜色(SC)表示模拟的自然环境太阳光颜色，为连续可控值。自车灯光亮暗(SVL)、他车灯光亮暗(OVL)和路灯灯光角度，强度及颜色(EL)均为连续可控值。通过对光照参数的调整，可以方便快捷的模拟出现实环境中的白天和夜晚的不同光照情况。
其次，设置加载的环境模型的气象条件参数。气象条件参数包括降雨强度(RI)、降雪强度(SI)以及雾气强度(FI)。其中，降雨强度(RI)、降雪强度(SI)以及雾气强度(FI)均分为弱、中、强三个等级。按照对虚拟环境的要求调整气象条件参数，从而满足虚拟环境中不同气象条件下的虚拟场景的输出。
最后，设置加载的车辆模型的表面积物参数。表面积物参数包括表面沾水控制参数(WP)、表面积雪控制参数(SP)和表面积尘控制参数(DP)。其中，表面沾水控制参数(WP)、表面积雪控制参数(SP)和表面积尘控制参数(DP)均分为弱、中、强三个等级。现实生活中降雨、降雪等天气状况下，车辆表面会有不同程度的积水、积雪、积尘等情况。通过调整表面积物参数，从而真实地模拟出虚拟环境中车辆模型表面的各种不同积物的附着状况。
d)加载虚拟相机模型并调整其控制参数；
在本步骤中，在上述步骤中生成的虚拟环境中加载虚拟相机，用于对生成的虚拟场景进行拍照。虚拟相机模型的控制参数包括相机朝向(CP)、相机Fov及畸变(CD)和相机ISO、景深及快门速度参数(CS)。其中，相机朝向(CP)为连续可控变量，相机Fov及畸变(CD)可分为针孔模型和鱼眼模型两种，相机ISO参数(CS)一般与相机模型对应。
设置相机视野范围参数包括设置针孔模型或广角模型，所述针孔模型视角为垂直方向30°，水平方向56°所述广角为垂直方向60°，水平方向112°。
e)通过完成设置的虚拟相机模型对步骤c)中完成设置的环境模型和车辆模型进行拍照，并生成样本。
在本步骤中，通过加载的虚拟相机模型对生成的虚拟环境进行拍照，设置不同的虚拟相机模型的控制参数，从而拍摄不同的图像。对虚拟相机模型拍摄的图像进行样本生成，生成样本需要对虚拟相机模型拍摄的图像的图像质量(IQ)进行调整，以及计算图像的2D边界框和3D边界框。其中，图像质量(IQ)分为低、中、高三个等级。通过上述步骤就能方便快速的生成CG样本，并且通过调整上述步骤中的参数就能够大量地生成不同的CG样本，进一步生成一个含有大量CG样本的样本库。
综上所述的CG样本生成方法，可以用以下公式综合表示CG样本生成的参数之间的关系，公式如下：
Pcg＝{VT1,…,n，VN，ET1,…,m，EN，SA，SI，SC，SVL，OVL，EL，RI，SI，FI，WP，SP，DP，CP，CD，CS，IQ}
其中，Pcg代表生成的样本；VT1,…,n代表至少为一个种类的车辆模型；VN表示车辆模型数量，代表生成样本中车辆的拥挤程度，可分为畅通和拥挤两种情况；ET1,…,m代表至少为一个种类的环境模型；EN表示环境模型数量，代表生成样本中环境的复杂度，可分为单一环境和复杂环境两种情况。通过上述公式可以直观地看出，改变上述公式中的参数的值或种类就可以在虚拟环境中模拟出各种真实环境下的样本图像，生成样本的过程快速方便，只需要改变参数即可实现，减小了工作量，提高了生成样本图像的效率及数量。
上述内容仅为本发明的具体实施方式的例举，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.基于CG生成目标物样本的方法，包括以下步骤：
a)建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；
b)从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；
c)将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；
d)调整所述初始目标物环境样本模型参数，包括：
d1)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的亮度参数；
d2)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的气象参数；
e)调整所述初始目标物样本模型参数，包括：
e1)针对所抽取的初始目标物环境样本模型,调整所述初始目标物样本模型的表面积物参数；
e2)针对所抽取的初始目标物环境样本模型，调整所述初始目标物样本模型的空间位置参数；
f)针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；
g)渲染形成图像，计算2D边界框，计算3D边界框；
h)形成并输出目标物样本。
2.根据权利要求1所述的基于CG生成样本的方法，其特征在于，所述目标物包括运动目标物和静止目标物；
所述运动目标物包括：人、动物、车辆、泥石流、洪水、滚动的石块等；
所述静止目标物包括：房屋、树木、栅栏、交通标志物、交通设施、高速路收费站等；
所述目标物环境为所述目标物所处环境，包括：城市、建筑物、高速路、城市道路、隧道、桥梁道路、山路、室内、旷野、森林、太阳光、人造光、雨雪天气、沙尘天气、目标物表面积物等。
3.根据权利要求1所述的基于CG生成样本的方法，其特征在于，所述亮度参数包括白天和夜晚。
4.根据权利要求3所述的基于CG生成样本的方法，其特征在于，
当所述亮度参数为白天时，调整太阳光角度参数、强度参数、颜色参数；
当所述亮度参数为夜晚时，调整所述目标物自身发光亮度参数和照射角度参数、目标物所处环境中人造光亮度参数和照射角度参数和颜色参数等。
5.根据权利要求1所述的基于CG生成样本的方法，其特征在于，所述气象参数包括：降雨气象、降雪天气和雾气气象。
6.根据权利要求5所述的基于CG生成样本的方法，其特征在于，
在降雨气象条件下，设置降雨天气参数建立降雨气象并按照弱、中、强等级调整降雨强度参数；
在降雪气象条件下，设置降雪天气参数建立降雪气象并按照弱、中、强等级调整降雪强度参数；
在雾气气象条件下，设置雾气天气参数建立雾气气象并按照弱、中、强等级调整雾气强度参数。
7.根据权利要求1所述的基于CG生成样本的方法，其特征在于，所述初始目标物样本模型的表面积物参数包括积水参数、积雪参数和积尘参数。
8.根据权利要求7所述的基于CG生成样本的方法，其特征在于，
在目标物表面积水条件下，设置积水参数建立目标物表面积水并按照弱、中、强等级调整积水强度参数；
在目标物表面积雪条件下，设置积雪参数建立目标物表面积雪并按照弱、中、强等级调整积雪强度参数；
在目标物表面积尘条件下，设置积尘参数建立目标物表面积尘并按照弱、中、强等级调整积雪强度参数。
9.根据权利要求1所述的基于CG生成样本的方法，其特征在于，基于初始目标物环境样本模型参数如路面倾斜角、路面朝向等设置初始目标物样本模型的空间位置参数。
10.根据权利要求1所述的基于CG生成样本的方法，其特征在于，设置相机视野范围参数包括设置针孔模型或广角模型，所述针孔模型视角为垂直方向30°，水平方向56°所述广角为垂直方向60°，水平方向112°。
11.根据权利要求1所述的基于CG生成样本的方法，其特征在于，用追踪算法形成所述3D边界框；用拟合算法形成所述2D边界框。
CN201710382453.9A 2017-05-26 2017-05-26 基于cg生成目标物样本的方法 Withdrawn CN108932749A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710382453.9A CN108932749A (zh) 2017-05-26 2017-05-26 基于cg生成目标物样本的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710382453.9A CN108932749A (zh) 2017-05-26 2017-05-26 基于cg生成目标物样本的方法

Publications (1)

Publication Number Publication Date
CN108932749A true CN108932749A (zh) 2018-12-04

Family

ID=64451077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710382453.9A Withdrawn CN108932749A (zh) 2017-05-26 2017-05-26 基于cg生成目标物样本的方法

Country Status (1)

Country Link
CN (1) CN108932749A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443205A (zh) * 2019-08-07 2019-11-12 北京华捷艾米科技有限公司 一种手部图像分割方法及装置
CN110763483A (zh) * 2019-09-26 2020-02-07 泰牛汽车技术(苏州)有限公司 一种安全等级测试场景库的自动生成方法及装置
CN111915672A (zh) * 2020-07-20 2020-11-10 中国汽车技术研究中心有限公司 一种基于3d虚拟驾驶场景的目标标注方法及设备
CN112529022A (zh) * 2019-08-28 2021-03-19 杭州海康威视数字技术股份有限公司 一种训练样本的生成方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443205A (zh) * 2019-08-07 2019-11-12 北京华捷艾米科技有限公司 一种手部图像分割方法及装置
CN110443205B (zh) * 2019-08-07 2022-09-13 北京华捷艾米科技有限公司 一种手部图像分割方法及装置
CN112529022A (zh) * 2019-08-28 2021-03-19 杭州海康威视数字技术股份有限公司 一种训练样本的生成方法及装置
CN112529022B (zh) * 2019-08-28 2024-03-01 杭州海康威视数字技术股份有限公司 一种训练样本的生成方法及装置
CN110763483A (zh) * 2019-09-26 2020-02-07 泰牛汽车技术(苏州)有限公司 一种安全等级测试场景库的自动生成方法及装置
CN111915672A (zh) * 2020-07-20 2020-11-10 中国汽车技术研究中心有限公司 一种基于3d虚拟驾驶场景的目标标注方法及设备
CN111915672B (zh) * 2020-07-20 2022-08-16 中国汽车技术研究中心有限公司 一种基于3d虚拟驾驶场景的目标标注方法及设备

Similar Documents

Publication Publication Date Title
US11417057B2 (en) Realistic 3D virtual world creation and simulation for training automated driving systems
US20190377981A1 (en) System and Method for Generating Simulated Scenes from Open Map Data for Machine Learning
EP2087459B1 (de) Vorrichtung, verfahren und computerprogramm zum bestimmen einer position basierend auf einem kamerabild
US20200265630A1 (en) Generative image synthesis for training deep learning machines
CN108932749A (zh) 基于cg生成目标物样本的方法
CN110110621B (zh) 基于多特征整合深度学习模型的倾斜摄影点云分类方法
CN109633665A (zh) 交通场景稀疏激光点云拼接方法
CN116342783B (zh) 一种实景三维模型数据渲染优化方法及系统
DE102009049849A1 (de) Verfahren zur Bestimmung der Pose einer Kamera und zur Erkennung eines Objekts einer realen Umgebung
CN115841559A (zh) 一种基于神经辐射场的城市大场景重建方法
Gao et al. Large-scale synthetic urban dataset for aerial scene understanding
Le et al. Eden: Multimodal synthetic dataset of enclosed garden scenes
US20230069680A1 (en) Simulated-driving-environment generation
Li et al. The ParallelEye dataset: Constructing large-scale artificial scenes for traffic vision research
CN1156797C (zh) 在虚拟环境多因素影响下生成逼真光照效果的方法
Maravelakis et al. Automatic building identification and features extraction from aerial images: Application on the historic 1866 square of Chania Greece
CN112686988B (zh) 三维建模方法、装置、电子设备及存储介质
KR102410870B1 (ko) 실감영상을 적용한 드론 시뮬레이터 시스템
Vishnyakov et al. Semantic scene understanding for the autonomous platform
Tschentscher et al. A simulated car-park environment for the evaluation of video-based on-site parking guidance systems
DE102013207065A1 (de) Verfahren und System zum Erzeugen von synthetischen Orthobildern
Gamerdinger et al. SCOPE: A Synthetic Multi-Modal Dataset for Collective Perception Including Physical-Correct Weather Conditions
Lai et al. Characteristic analysis of village cultural landscape by Lian Li space information technology and three-dimensional modelling
Sun et al. Image-based template generation of road networks for virtual maps
Zawieska et al. Multi-criteria GIS analyses with the use of UAVs for the needs of spatial planning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20181204

WW01 Invention patent application withdrawn after publication