CN110866504A - 标注数据的获取方法、装置和设备 - Google Patents
标注数据的获取方法、装置和设备 Download PDFInfo
- Publication number
- CN110866504A CN110866504A CN201911138997.6A CN201911138997A CN110866504A CN 110866504 A CN110866504 A CN 110866504A CN 201911138997 A CN201911138997 A CN 201911138997A CN 110866504 A CN110866504 A CN 110866504A
- Authority
- CN
- China
- Prior art keywords
- target
- background image
- marker icon
- image
- road
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种标注数据的获取方法、装置和设备,可用于自动驾驶,在获取标注数据时,可以先获取设置在道路中,且会阻碍车辆正常行驶的标志物的标志物图标,并获取路测设备采集的真实道路的背景图像,然后再将标志物图标融合到真实道路的背景图像中,得到该真实道路的目标图像,该目标图像中标注有标志物图标,可以看出,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及自动驾驶领域。
背景技术
在无人驾驶或者辅助驾驶的场景中,通过物体检测模型检测障碍物,可以为车辆行驶提供依据。因此,如何准确的训练得到该物体检测模型,在无人驾驶或者辅助驾驶的场景中是至关重要的。
在训练得到该物体检测模型时,需要预先获取大量的标注数据,以通过该标注数据训练得到物体检测模型。现有技术中,在获取大量的标注数据时,是通过搭建仿真系统,通过仿真生成和真实道路场景相近的虚拟场景,从而得到大量的标注数据,并基于该大量的标注数据训练得到物体检测模型。
但是,由于搭建的虚拟场景与真实道路场景存在差别,因此,采用虚拟场景的标注数据训练得到的物体检测模型,不能真正地符合真实道路的场景。因此,如何获取到准确的标注数据是本领域技术人员亟待解决的问题。
发明内容
本申请实施例提供一种标注数据的获取方法、装置和设备,提高了标注数据的准确度。
第一方面,本申请实施例提供一种标注数据的获取方法,该标注数据的获取方法可以包括:
获取标志物图标,所述标志物为设置在道路中,且会阻碍车辆正常行驶的物体。
获取路测设备采集的道路的背景图像。
将所述标志物图标融合到所述背景图像中,得到道路的目标图像,所述目标图像中标注有所述标志物图标。
由此可见,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
在一种可能的实现方式中,所述将所述标志物图标融合到所述背景图像中,得到道路的目标图像,可以包括:
计算所述标志物图标可融合到所述背景图像中的目标位置。
将所述标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像,这样标志物图标在真实道路的背景图像中的融合位置就不会与其它该道路上的其它物体冲突,这样可以提高融合后的目标图像的合理性。
在一种可能的实现方式中,所述计算所述标志物图标可融合到所述背景图像中的目标位置,可以包括:
对所述背景图像进行分割处理,得到所述背景图像中的可行驶区域和所述背景图像中被目标物体占用的不可用区域。
根据所述可行驶区域和所述不可用区域,计算所述标志物图标可融合到所述背景图像中的目标位置。
在一种可能的实现方式中,所述根据所述可行驶区域和所述不可用区域,计算所述标志物图标可融合到所述背景图像中的目标位置,可以包括:
在所述可行驶区域中除去所述不可用区域,得到可用区域,所述可用区域中的任一位置即为所述标志物图标可融合到所述背景图像中的目标位置。
可以理解的是,由于可行驶区域为背景图像所示的道路中除了树木所占用的区域之外的,且车辆可行驶的区域,不可用区域为背景图像所示的道路中除树木所占用的区域、以及目标物体所占用的区域之外的,且车辆可行驶的区域,因此,在该可行驶区域中除去不可用区域,剩余的可用区域中的任一位置均可以用于融合该标志物图像,即可用区域中的任一位置即为标志物图标可融合到背景图像中的目标位置,从而获取到背景图像中可融合标志物图标的目标位置。
在一种可能的实现方式中,所述将所述标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像,可以包括:
计算所述目标位置与所述背景图像下边缘之间的距离。
根据距离,确定所述目标图像中所述标志物图标的目标尺寸。
将所述目标尺寸的标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像,这样可以保证距离背景图像下边缘的距离越近,对应的标志物图标的尺寸越大,相反的,距离背景图像下边缘的距离越远,对应的标志物图标的尺寸越小,这样融合后的标志物图标的尺寸更加符合近大远小的原则。
在一种可能的实现方式中,所述目标尺寸与距离成反比。
在一种可能的实现方式中,所述获取标志物图标,可以包括:
获取包含有所述标志物图标的图像。
对所述包含有所述标志物图标的图像进行抠图处理,得到所述标志物图标,从而提高了获取到标志物图标的准确度。
在一种可能的实现方式中,该标注数据的获取方法还可以包括:
根据所述目标图像训练得到目标检测模型,所述目标检测模型用于在车辆行驶时检测道路中的标志物,以为车辆行驶提供行驶依据。
可以看出,在本申请实施例中,由于标注数据是准确度较高的标注数据,因此,采用该准确度较高的标注数据训练生成的目标检测模型的准确度也较高,这样在车辆行驶过过程中,通过该准确度较高的目标检测模型可以更好地为车辆行驶提供行驶依据,从而提高了用户体验。
第二方面,本申请实施例还提供一种标注数据的获取装置,该标注数据的获取装置可以包括:
获取模块,用于获取标志物图标,并获取路测设备采集的道路的背景图像;其中,所述标志物为设置在道路中,且会阻碍车辆正常行驶的物体。
处理模块,用于将所述标志物图标融合到所述背景图像中,得到道路的目标图像,所述目标图像中标注有所述标志物图标。
在一种可能的实现方式中,所述处理模块,具体用于计算所述标志物图标可融合到所述背景图像中的目标位置;并将所述标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像。
在一种可能的实现方式中,所述处理模块,具体用于对所述背景图像进行分割处理,得到所述背景图像中的可行驶区域和所述背景图像中被目标物体占用的不可用区域;并根据所述可行驶区域和所述不可用区域,计算所述标志物图标可融合到所述背景图像中的目标位置。
在一种可能的实现方式中,所述处理模块,具体用于在所述可行驶区域中除去所述不可用区域,得到可用区域,所述可用区域中的任一位置即为所述标志物图标可融合到所述背景图像中的目标位置。
在一种可能的实现方式中,所述处理模块,具体用于计算所述目标位置与所述背景图像下边缘之间的距离;并根据距离,确定所述目标图像中所述标志物图标的目标尺寸;再将所述目标尺寸的标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像。
在一种可能的实现方式中,所述目标尺寸与距离成反比。
在一种可能的实现方式中,所述获取模块,具体用于获取包含有所述标志物图标的图像;并对所述包含有所述标志物图标的图像进行抠图处理,得到所述标志物图标。
在一种可能的实现方式中,所述处理模块,还用于根据所述目标图像训练得到目标检测模型,所述目标检测模型用于在车辆行驶时检测道路中的标志物,以为车辆行驶提供行驶依据。
第三方面,本申请实施例还提供一种电子设备,该电子设备可以包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面任一项所述的标注数据的获取方法。
第四方面,本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行上述第一方面任一项所述的标注数据的获取方法。
第五方面,本申请实施例还提供一种标注数据的获取方法,该标注数据的获取方法可以包括:
获取标志物图标和拍摄装置采集的背景图像。
将所述标志物图标融合到所述背景图像中,得到目标图像,所述目标图像中标注有所述标志物图标。
上述申请中的一个实施例具有如下优点或有益效果:在获取标注数据时,可以先获取设置在道路中,且会阻碍车辆正常行驶的标志物的标志物图标,并获取路测设备采集的真实道路的背景图像,然后再将标志物图标融合到真实道路的背景图像中,得到该真实道路的目标图像,该目标图像中标注有标志物图标,可以看出,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是可以实现本申请实施例的标注数据的获取方法的一种场景图;
图2是根据本申请第一实施例提供的标注数据的获取方法的流程示意图;
图3是根据本申请第一实施例提供的获取标志物图标的示意图;
图4是根据本申请第一实施例提供的目标图像的示意图;
图5是根据本申请第二实施例提供的标注数据的获取方法的流程示意图;
图6为根据本申请第四实施例提供的标注数据的获取装置的结构示意图;
图7是根据本申请实施例的标注数据的获取方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本申请的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本申请的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。
图1是可以实现本申请实施例的标注数据的获取方法的一种场景图,示例的,请结合图1所示,该标注数据的获取方法可以应用于自动驾驶或者辅助驾驶的场景。在车辆行驶过程中,由于道路中会存在障碍物,因此,通过物体检测模型检测出障碍物,以保证车辆的正常行驶是至关重要的。由于训练物体检测模型使用的标注数据是通过搭建仿真系统,并通过仿真生成和真实道路场景相近的虚拟场景生成的,该标注数据并不能真正地符合真实道路的场景,从而导致获取的标注数据的准确度不高。
为了提高获取的标注数据的准确度,本申请实施例提供了一种标注数据的获取方法,在获取标注数据时,可以先获取设置在道路中,且会阻碍车辆正常行驶的标志物的标志物图标,并获取路测设备采集的真实道路的背景图像,然后再将标志物图标融合到真实道路的背景图像中,得到该真实道路的目标图像,该目标图像中标注有标志物图标,可以看出,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
可以理解的是,在本申请实施例中,由于在获取标注数据时,是直接通过将标志物图标融合到通过路侧设备采集的真实道路的背景图像中,从而得到标注有标志物图标的目标图像,因此,在执行融合的过程中,用于执行该方法的标注数据的获取装置也会获知标志物图标信息,以及标志物图标在背景图像中的融合位置等信息,从而有效地提高了标注数据的获取效率。
此外,需要说明的是,本申请实施例提供的标注数据的获取方法,可以不局限于自动驾驶或者辅助驾驶的场景,即不局限获取道路中标注数据,还可以应用于其他场景中。例如,在无人商场中的场景中,对应的标注数据的获取方法可以为:获取标志物图标和拍摄装置采集的背景图像;该标志物图像可以为商场中的手推车之类的物体,背景图像可以为商场的背景图像,并将标志物图标融合到背景图像中,得到标注有标志物图标的目标图像,采用该方法,可以使得融合得到的标注有标志物图标的目标图像更加符合真实无人商场的场景,从而提高了获取的标注数据的准确度。
下面以具体的实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图2是根据本申请第一实施例提供的标注数据的获取方法的流程示意图,该标注数据的获取方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为标注数据的获取装置,该标注数据的获取装置可以设置在电子设备中。示例的,请参见图2所示,该标注数据的获取方法可以包括:
S201、获取标志物图标。
其中,标志物为设置在道路中,且会阻碍车辆正常行驶的物体。
示例的,标志物可以为三角牌,也可以为锥桶,当然,也可以为其它设置在道路中,且会阻碍车辆正常行驶的物体,具体可以根据实际需要进行设置,在此,对于标志物具体为何种物体,本申请实施例不做进一步地限制。
为了提高获取到标志物图标的准确度,示例的,在获取标志物图标时,可以先获取包含有标志物图标的图像,该包含有标志物图标的图像可以为摄像头在真实道路场景中拍摄得到的,这样在获取到该包含有标志物图标的图像之后,就可以对该包含有标志物图标的图像进行抠图处理,从而得到该标志物图标。
示例的,在对该包含有标志物图标的图像进行抠图处理时,可以使用python语言和opencv库实现可视化人机交互界面,用户可以通过鼠标在包含有标志物图标的图像中选点标志物图标的外部边缘,然后程序自动截取包含有标志物图标的图像中的标志物图标,示例的,请参见图3所示,图3是根据本申请第一实施例提供的获取标志物图标的示意图,之后,再保存截取到的标志物图标,从而获取到该标志物图标。
为了使得标注有标志物图标的标注数据更加适用真实道路场景,在本申请实施例中,不再通过搭建仿真系统,并通过仿真生成和真实道路场景相近的虚拟场景,而是直接使用路测设备采集真实的道路的背景图像,从而根据真实道路的背景图像生成标注有标志物图标的标注数据。因此,在通过上述S201获取到标志物图标之后,还可以再获取路测设备采集到的真实道路的背景图像,即执行下述S202:
S202、获取路测设备采集的道路的背景图像。
示例的,在本申请实施例中,路测设备可以为路测相机,也可以为路测摄像头,当然,也可以为其它具有道路拍摄功能的设备,具体可以根据实际需要进行设置,在此,对于路测设备具体为何种设备,本申请实施例不做进一步地限制。
示例的,在获取路测设备采集的道路的背景图像时,可以直接接收路测设备发送的道路的背景图像,例如,该标注数据的获取装置与路测设备之间建立有无线连接,这样在路测设备采集到道路的背景图像时,可以通过无线连接技术将其采集到的道路的背景图像发送给标注数据的获取装置,以使标注数据的获取装置获取到路测设备采集的道路的背景图像。当然,在在获取路测设备采集的道路的背景图像时,也可以通过其它终端或者网络设备获取路测设备发送的道路的背景图像,具体可以根据实际需要进行设置,在此,对于获取路测设备采集的道路的背景图像的获取方式,本申请实施例不做进一步地限制。
在通过上述S201获取到标志物图标,以及通过上述S202获取到路测设备采集的道路的背景图像之后,就可以将获取到的标志物图标融合到真实道路的背景图像中,得到真实道路的目标图像,即执行下述S203:
S203、将标志物图标融合到背景图像中,得到道路的目标图像。
其中,目标图像中标注有标志物图标,该图标图像即为最终获取到的标注有标志物图标的标注数据。
示例的,在将标志物图标融合到背景图像中时,可以通过图像融合技术将标志物图标融合到背景图像中,从而得到标注有标志物图标的真实道路的标注数据。需要说明的是,通过图像融合技术将标志物图标融合到背景图像中的具体实现方式可以参见现有技术中关于图像融合技术的相关描述,此处不再进行赘述。
示例的,可结合图1所示,若图1为本申请实施例中获取的通过路测设备采集的道路的背景图像,标志物为三角牌和锥桶,在得到标注有三角牌图标和锥桶图标的目标图像时,可以将该三角牌图标和锥桶图标融合到通过路测设备采集的道路的背景图像中,示例的,请参见图4所示,图4是根据本申请第一实施例提供的目标图像的示意图,从而获取到标注有三角牌图标和锥桶图标的目标图像。
由此可见,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
实施例二
基于上述图2所示的实施例,可以理解的是,在将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中时,为了提高融合后的目标图像的合理性,因此,该标志物图标在真实道路的背景图像中的融合位置不能与其它该道路上的其它物体冲突,即该标志物图标在真实道路的背景图像中的融合位置不能与该道路上的其它物体所在的位置存在重叠。为了更清楚地说明在本申请实施例中,如何将标志物图标融合到背景图像中,以得到道路合理的目标图像,示例的,请参见图5所示,图5是根据本申请第二实施例提供的标注数据的获取方法的流程示意图,该方法还可以包括:
S501、对背景图像进行分割处理,得到背景图像中的可行驶区域和背景图像中被目标物体占用的不可用区域。
其中,可行驶区域可以理解为背景图像所示的道路中除了树木所占用的区域之外的,且车辆可行驶的区域。不可用区域为背景图像所示的道路中除树木所占用的区域、以及目标物体所占用的区域之外的,且车辆可行驶的区域。示例的,目标物体可以为小轿车、公交车、行人、其它机动车以及非机动车等。
示例的,在对背景图像进行分割处理时,可以采用图像分割技术对该背景图像进行分割处理,以得到可行驶区域和不可用区域。在分别得到可行驶区域和不可用区域之后,就可以根据该可行驶区域和不可用区域,计算标志物图标可融合到背景图像中的目标位置,从而将该标志物图标融合到背景图像中的目标位置,即执行下述S502和S503:
S502、根据可行驶区域和不可用区域,计算标志物图标可融合到背景图像中的目标位置。
示例的,在根据可行驶区域和不可用区域,计算标志物图标可融合到背景图像中的目标位置时,可以在可行驶区域中除去不可用区域,得到可用区域,可用区域中的任一位置即为标志物图标可融合到背景图像中的目标位置。
可以理解的是,由于可行驶区域为背景图像所示的道路中除了树木所占用的区域之外的,且车辆可行驶的区域,不可用区域为背景图像所示的道路中除树木所占用的区域、以及目标物体所占用的区域之外的,且车辆可行驶的区域,因此,在该可行驶区域中除去不可用区域,剩余的可用区域中的任一位置均可以用于融合该标志物图像,即可用区域中的任一位置即为标志物图标可融合到背景图像中的目标位置,从而获取到背景图像中可融合标志物图标的目标位置。
通过上述描述可以看出,在将标志物图标融合到通过路侧设备采集的真实道路的背景图像中时,只是考虑到了标志物图标可融合到背景图像中的目标位置。此外,还可以进一步地考虑在将标志物图标可融合到背景图像中的目标位置时,融合到该目标位置的标志物图标的尺寸。示例的,可参见上述图5所示,图5是根据本申请第二实施例提供的目标图像的示意图,可以看出,距离图5下边缘的距离越近,对应的标志物图标的尺寸越大,相反的,距离图5下边缘的距离越远,对应的标志物图标的尺寸越小,这样融合后的标志物图标的尺寸更加符合近大远小的原则。
因此,在考虑标志物图标的尺寸时,可以考虑该标志物图标需要融合的目标位置与背景图像下边缘之间的距离;并根据距离,确定目标图像中标志物图标的目标尺寸;这样在确定目标图像中标志物图标的目标尺寸之后,就可以将目标尺寸的标志物图标融合到背景图像中的目标位置,得到道路的目标图像,可以看出,目标尺寸与距离成反比。
当然,在将标志物图标融合到通过路侧设备采集的真实道路的背景图像中时,除了考虑标志物图标的尺寸之外,还可以考虑背景统一的原则,因此,在融合标志物图标时,还可以考虑背景图像的光线和亮度等因素,从而使得需要融合标志物图标的光线和亮度与背景图像的光线和亮度一直,从而实现背景统一的原则。
在根据可行驶区域和不可用区域,计算标志物图标可融合到背景图像中的目标位置之后,就可以将标志物图标融合到背景图像中的目标位置,得到道路的目标图像,即执行下述S503:
S503、将标志物图标融合到背景图像中的目标位置,得到道路的目标图像。
由此可见,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是通过计算标志物图标可融合到背景图像中的目标位置,并将获取到的标志物图标融合到真实道路的背景图像中的目标位置,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
实施例三
基于图2或图5所示的实施例,在得到标注有标志物图标的目标图像之后,还可以根据得到的准确度较高的标注数据,即目标图像训练得到目标检测模型,该目标检测模型用于在车辆行驶时检测道路中的标志物,以为车辆行驶提供行驶依据,这样在车辆行驶时,就可以通过目标检测模型检测道路中的标志物,以为车辆行驶提供行驶依据。
可以看出,在本申请实施例中,由于标注数据是准确度较高的标注数据,因此,采用该准确度较高的标注数据训练生成的目标检测模型的准确度也较高,这样在车辆行驶过过程中,通过该准确度较高的目标检测模型可以更好地为车辆行驶提供行驶依据,从而提高了用户体验。
实施例四
图6为根据本申请第四实施例提供的标注数据的获取装置60的结构示意图,示例的,请参见图6所示,该标注数据的获取装置60可以包括:
获取模块601,用于获取标志物图标,并获取路测设备采集的道路的背景图像;其中,标志物为设置在道路中,且会阻碍车辆正常行驶的物体。
处理模块602,用于将标志物图标融合到背景图像中,得到道路的目标图像,目标图像中标注有标志物图标。
可选的,处理模块602,具体用于计算标志物图标可融合到背景图像中的目标位置;并将标志物图标融合到背景图像中的目标位置,得到道路的目标图像。
可选的,处理模块602,具体用于对背景图像进行分割处理,得到背景图像中的可行驶区域和背景图像中被目标物体占用的不可用区域;并根据可行驶区域和不可用区域,计算标志物图标可融合到背景图像中的目标位置。
可选的,处理模块602,具体用于在可行驶区域中除去不可用区域,得到可用区域,可用区域中的任一位置即为标志物图标可融合到背景图像中的目标位置。
可选的,处理模块602,具体用于计算目标位置与背景图像下边缘之间的距离;并根据距离,确定目标图像中标志物图标的目标尺寸;再将目标尺寸的标志物图标融合到背景图像中的目标位置,得到道路的目标图像。
可选的,目标尺寸与距离成反比。
可选的,获取模块601,具体用于获取包含有标志物图标的图像;并对包含有标志物图标的图像进行抠图处理,得到标志物图标。
可选的,处理模块602,还用于根据目标图像训练得到目标检测模型;目标检测模型用于在车辆行驶时检测道路中的标志物,以为车辆行驶提供行驶依据。
本申请实施例提供的标注数据的获取装置60,可以执行上述任一实施例中的标注数据的获取方法的技术方案,其实现原理以及有益效果与标注数据的获取方法的实现原理及有益效果类似,可参见标注数据的获取方法的实现原理及有益效果,此处不再进行赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,图7是根据本申请实施例的标注数据的获取方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的标注数据的获取方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的标注数据的获取方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的标注数据的获取方法对应的程序指令/模块(例如,附图6所示的获取模块601和处理模块602)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的标注数据的获取方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据标注数据的获取方法的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至标注数据的获取方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
标注数据的获取方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与标注数据的获取方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在获取标注数据时,可以先获取设置在道路中,且会阻碍车辆正常行驶的标志物的标志物图标,并获取路测设备采集的真实道路的背景图像,然后再将标志物图标融合到真实道路的背景图像中,得到该真实道路的目标图像,该目标图像中标注有标志物图标,可以看出,与现有技术获取标注数据相比,本申请实施例提供的标注数据的获取方法,在获取标注数据时,是直接将获取到的标志物图标融合到通过路侧设备采集的真实道路的背景图像中,使得融合得到的标注有标志物图标的目标图像更加符合真实道路的场景,从而提高了获取的标注数据的准确度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种标注数据的获取方法,其特征在于,包括:
获取标志物图标,所述标志物为设置在道路中,且会阻碍车辆正常行驶的物体;
获取路测设备采集的道路的背景图像;
将所述标志物图标融合到所述背景图像中,得到道路的目标图像,所述目标图像中标注有所述标志物图标。
2.根据权利要求1所述的方法,其特征在于,所述将所述标志物图标融合到所述背景图像中,得到道路的目标图像,包括:
计算所述标志物图标可融合到所述背景图像中的目标位置;
将所述标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像。
3.根据权利要求2所述的方法,其特征在于,所述计算所述标志物图标可融合到所述背景图像中的目标位置,包括:
对所述背景图像进行分割处理,得到所述背景图像中的可行驶区域和所述背景图像中被目标物体占用的不可用区域;
根据所述可行驶区域和所述不可用区域,计算所述标志物图标可融合到所述背景图像中的目标位置。
4.根据权利要求3所述的方法,其特征在于,所述根据所述可行驶区域和所述不可用区域,计算所述标志物图标可融合到所述背景图像中的目标位置,包括:
在所述可行驶区域中除去所述不可用区域,得到可用区域,所述可用区域中的任一位置即为所述标志物图标可融合到所述背景图像中的目标位置。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述将所述标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像,包括:
计算所述目标位置与所述背景图像下边缘之间的距离;
根据距离,确定所述目标图像中所述标志物图标的目标尺寸;
将所述目标尺寸的标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像。
6.根据权利要求5所述的方法,其特征在于,
所述目标尺寸与距离成反比。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述获取标志物图标,包括:
获取包含有所述标志物图标的图像;
对所述包含有所述标志物图标的图像进行抠图处理,得到所述标志物图标。
8.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
根据所述目标图像训练得到目标检测模型,所述目标检测模型用于在车辆行驶时检测道路中的标志物,以为车辆行驶提供行驶依据。
9.一种标注数据的获取装置,其特征在于,包括:
获取模块,用于获取标志物图标,并获取路测设备采集的道路的背景图像;其中,所述标志物为设置在道路中,且会阻碍车辆正常行驶的物体;
处理模块,用于将所述标志物图标融合到所述背景图像中,得到道路的目标图像,所述目标图像中标注有所述标志物图标。
10.根据权利要求9所述的装置,其特征在于,
所述处理模块,具体用于计算所述标志物图标可融合到所述背景图像中的目标位置;并将所述标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像。
11.根据权利要求10所述的装置,其特征在于,
所述处理模块,具体用于对所述背景图像进行分割处理,得到所述背景图像中的可行驶区域和所述背景图像中被目标物体占用的不可用区域;并根据所述可行驶区域和所述不可用区域,计算所述标志物图标可融合到所述背景图像中的目标位置。
12.根据权利要求11所述的装置,其特征在于,
所述处理模块,具体用于在所述可行驶区域中除去所述不可用区域,得到可用区域,所述可用区域中的任一位置即为所述标志物图标可融合到所述背景图像中的目标位置。
13.根据权利要求10-12任一项所述的装置,其特征在于,
所述处理模块,具体用于计算所述目标位置与所述背景图像下边缘之间的距离;并根据距离,确定所述目标图像中所述标志物图标的目标尺寸;再将所述目标尺寸的标志物图标融合到所述背景图像中的目标位置,得到所述道路的目标图像。
14.根据权利要求13所述的装置,其特征在于,
所述目标尺寸与距离成反比。
15.根据权利要求9-12任一项所述的装置,其特征在于,
所述获取模块,具体用于获取包含有所述标志物图标的图像;并对所述包含有所述标志物图标的图像进行抠图处理,得到所述标志物图标。
16.根据权利要求9-12任一项所述的装置,其特征在于,
所述处理模块,还用于根据所述目标图像训练得到目标检测模型,所述目标检测模型用于在车辆行驶时检测道路中的标志物,以为车辆行驶提供行驶依据。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的标注数据的获取方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的标注数据的获取方法。
19.一种标注数据的获取方法,其特征在于,包括:
获取标志物图标和拍摄装置采集的背景图像;
将所述标志物图标融合到所述背景图像中,得到目标图像,所述目标图像中标注有所述标志物图标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911138997.6A CN110866504B (zh) | 2019-11-20 | 2019-11-20 | 标注数据的获取方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911138997.6A CN110866504B (zh) | 2019-11-20 | 2019-11-20 | 标注数据的获取方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110866504A true CN110866504A (zh) | 2020-03-06 |
CN110866504B CN110866504B (zh) | 2023-10-17 |
Family
ID=69655635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911138997.6A Active CN110866504B (zh) | 2019-11-20 | 2019-11-20 | 标注数据的获取方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866504B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529335A (zh) * | 2020-12-25 | 2021-03-19 | 广州文远知行科技有限公司 | 一种模型检测方法、装置、设备和存储介质 |
CN112580717A (zh) * | 2020-12-17 | 2021-03-30 | 百度在线网络技术(北京)有限公司 | 模型训练方法、定位元素查找方法及装置 |
WO2021238151A1 (zh) * | 2020-05-28 | 2021-12-02 | 上海商汤智能科技有限公司 | 图像标注方法、装置、电子设备、存储介质及计算机程序 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590087A (zh) * | 2015-05-19 | 2016-05-18 | 中国人民解放军国防科学技术大学 | 一种道路识别方法及装置 |
CN105957145A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 道路障碍物识别方法和装置 |
CN106503653A (zh) * | 2016-10-21 | 2017-03-15 | 深圳地平线机器人科技有限公司 | 区域标注方法、装置和电子设备 |
CN108256413A (zh) * | 2017-11-27 | 2018-07-06 | 科大讯飞股份有限公司 | 可通行区域检测方法及装置、存储介质、电子设备 |
CN109614983A (zh) * | 2018-10-26 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 训练数据的生成方法、装置及系统 |
CN109934873A (zh) * | 2019-03-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 标注图像获取方法、装置及设备 |
CN110084304A (zh) * | 2019-04-28 | 2019-08-02 | 北京理工大学 | 一种基于合成数据集的目标检测方法 |
CN110197190A (zh) * | 2018-02-27 | 2019-09-03 | 北京猎户星空科技有限公司 | 模型训练和物体的定位方法及装置 |
-
2019
- 2019-11-20 CN CN201911138997.6A patent/CN110866504B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590087A (zh) * | 2015-05-19 | 2016-05-18 | 中国人民解放军国防科学技术大学 | 一种道路识别方法及装置 |
CN105957145A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 道路障碍物识别方法和装置 |
CN106503653A (zh) * | 2016-10-21 | 2017-03-15 | 深圳地平线机器人科技有限公司 | 区域标注方法、装置和电子设备 |
CN108256413A (zh) * | 2017-11-27 | 2018-07-06 | 科大讯飞股份有限公司 | 可通行区域检测方法及装置、存储介质、电子设备 |
CN110197190A (zh) * | 2018-02-27 | 2019-09-03 | 北京猎户星空科技有限公司 | 模型训练和物体的定位方法及装置 |
CN109614983A (zh) * | 2018-10-26 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 训练数据的生成方法、装置及系统 |
CN109934873A (zh) * | 2019-03-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 标注图像获取方法、装置及设备 |
CN110084304A (zh) * | 2019-04-28 | 2019-08-02 | 北京理工大学 | 一种基于合成数据集的目标检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021238151A1 (zh) * | 2020-05-28 | 2021-12-02 | 上海商汤智能科技有限公司 | 图像标注方法、装置、电子设备、存储介质及计算机程序 |
CN112580717A (zh) * | 2020-12-17 | 2021-03-30 | 百度在线网络技术(北京)有限公司 | 模型训练方法、定位元素查找方法及装置 |
CN112529335A (zh) * | 2020-12-25 | 2021-03-19 | 广州文远知行科技有限公司 | 一种模型检测方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110866504B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111854771B (zh) | 地图质量的检测处理方法、装置、电子设备和存储介质 | |
CN110929702B (zh) | 一种轨迹规划方法、装置、电子设备和存储介质 | |
CN111998860B (zh) | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 | |
CN112132829A (zh) | 车辆信息的检测方法、装置、电子设备和存储介质 | |
CN111680362A (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN110866504B (zh) | 标注数据的获取方法、装置和设备 | |
CN111967301A (zh) | 定位导航方法、装置、电子设备和存储介质 | |
CN110703732B (zh) | 相关性检测方法、装置、设备及计算机可读存储介质 | |
CN110675644A (zh) | 道路红绿灯的识别方法、装置、电子设备及存储介质 | |
CN112344855B (zh) | 障碍物的检测方法、装置、存储介质和路测设备 | |
CN110717933B (zh) | 针对运动物体漏检的后处理方法、装置、设备和介质 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN112572462A (zh) | 自动驾驶的控制方法、装置、电子设备及存储介质 | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN111402326B (zh) | 障碍物的检测方法、装置、无人车及存储介质 | |
CN110689747B (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN111767853A (zh) | 车道线检测方法和装置 | |
CN111652153A (zh) | 场景自动识别方法、装置、无人车及存储介质 | |
CN111767360A (zh) | 路口虚拟车道标注的方法及装置 | |
CN112668428A (zh) | 车辆变道的检测方法、路侧设备、云控平台和程序产品 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN112581533A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN112859829B (zh) | 一种车辆控制方法、装置、电子设备和介质 | |
CN111337898A (zh) | 激光点云的处理方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |