CN114359495A - 三维障碍物数据增强方法、装置、介质及边缘计算设备 - Google Patents
三维障碍物数据增强方法、装置、介质及边缘计算设备 Download PDFInfo
- Publication number
- CN114359495A CN114359495A CN202111634620.7A CN202111634620A CN114359495A CN 114359495 A CN114359495 A CN 114359495A CN 202111634620 A CN202111634620 A CN 202111634620A CN 114359495 A CN114359495 A CN 114359495A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- mapped
- obstacle
- image
- barrier
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004888 barrier function Effects 0.000 claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 238000002372 labelling Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 208000006440 Open Bite Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开提供了一种三维障碍物数据增强方法、装置、介质及边缘计算设备,涉及智能交通技术领域,尤其涉及数据增强技术领域。具体实现方案为:在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签;在所述至少一个三维障碍物中,选取待贴图的三维障碍物;将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签。通过本公开可以保证目标图像中原有的三维障碍物与贴图的三维障碍物的成像几何关系不被破坏。
Description
技术领域
本公开涉及智能交通技术领域,尤其涉及数据增强技术领域,具体涉及一种三维障碍物数据增强方法、装置、介质及边缘计算设备。
背景技术
智能交通领域使用三维属性预测的模型对障碍物三维属性进行预测,在对障碍物的三维属性预测的模型进行优化的过程中,一般可以从数据采集、数据预处理、模型设计和损失函数等方面对模型进行优化。而数据质量和数量会直接影响到算法模型的最终效果。
发明内容
本公开提供了一种三维障碍物数据增强方法、装置、介质及边缘计算设备。
根据本公开的第一方面,提供了一种三维障碍物数据增强方法,包括:
在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签;在所述至少一个三维障碍物中,选取待贴图的三维障碍物;将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签。
根据本公开的第二方面,提供了一种三维障碍物数据增强装置,包括:
获取模块,用于在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签;选取模块,用于在所述至少一个三维障碍物中,选取待贴图的三维障碍物;贴图模块,用于将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签。
根据本公开的第三方面,提供了一种电子设备,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第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示出了本公开实施例提供的一种三维障碍物数据增强方法的流程示意图;
图2示出了本公开实施例提供的一种三维障碍物数据增强方法中获取数据的流程示意图;
图3示出了本公开实施例提供的一种三维障碍物数据增强方法中贴图的流程示意图;
图4示出了本公开实施例提供的一种三维障碍物数据增强方法去除冗余的流程示意图;
图5示出了本公开实施例提供的一种三维障碍物数据增强去冗余方法的结构示意图;
图6示出了本公开实施例提供的一种三维障碍物数据增强去冗余方法的结构示意图;
图7示出了本公开实施例提供的一种图像贴图方法的流程示意图;
图8示出了本公开实施例提供的一种三维障碍物数据增强装置的结构示意图;
图9示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
在对障碍物的三维属性预测的模型进行优化的过程中,一般可以从数据采集、数据预处理、模型设计和损失函数等方面对模型进行优化。而数据质量和数量会直接影响到算法模型的最终效果。
在检测算法的训练数据集中,数据类型一般包括二维(2D)标注数据和三维标注数据的联合标注数据。由于检测模型的二维标注训练数据的数量较多,检测模型的三维标注训练数据较少,因此,检测模型在预测三维属性时,预测结果相对较差。
基于此,为了提升检测模型的三维属性预测能力,需要对训练数据进行优化,尤其是需要增强用于训练检测模型的三维标注数据。其中,用于训练检测模型的三维标注数据可以为图像。
在本公开中,像用于训练检测模型的图像也可以称为是样本图像。一种实施方式,可以通过采集不同的图像来增强用于训练检测模型的三维标注数据。但是,在对采集的图像进行标注障碍物的三维属性标签时,标注难度、成本和周期均相对较大。另一种实施方式为,通过对已标注障碍物三维属性标签的图像进行水平反转操作、尺度缩放操作,随机裁剪、随机擦除操作等。这些操作方式可以增加样本图像的数量,但是这些操作都是单帧图像级的操作,目标障碍物的数量一般不会增多。又一种实施方式为,在图像中进行障碍物贴图,通过贴图的方式,增加样本图像的数量。在图像中进行障碍物贴图,可以理解为将一些障碍物随机贴到样本图像的空白区域,对于障碍物的3D标注来说,该操作可能会破坏障碍物的成像几何关系。换言之,在图像中,贴图的障碍物的标签与图像原有障碍物标签之间具有歧义性。并且,该操作是多帧图像之间的操作,将两张图按照比例合并成一张图,导致混淆混合图像之间障碍物的成像关系,例如mixup,虽然适用于二维图像,但是将此种操作用于增加图像的数量,但是不适用于图像。
基于此,本公开提供一种三维障碍物数据增强方法和装置。通过在同一背景下,获取障碍物及其属性标签,将获取的障碍物及其属性标签,重新排列组合贴图至具有相同背景的目标图像中,从而得到新的图像,进一步增加用于训练检测三维属性标签的检测模型的训练数据,使得检测模式预测的三维属性标签更加准确。
下述实施例将结合附图对本公开的三维障碍物数据增强方法进行说明。
图1示出了本公开实施例提供的一种三维障碍物数据增强方法的流程示意图,如图1中所示,该方法可以包括:
在步骤S110中,在同一背景中,获取至少一个三维障碍物,以及与每一个三维障碍物对应的标签。
在本公开实施例中,在来自同一背景下的多个图像中,获取至少一个三维障碍物,并获取与每个三维障碍物对应的标签。在本公开中,每个三维障碍物对应的标签为该三维障碍物的三维属性标签。
在步骤S120中,在至少一个三维障碍物中,选取待贴图的三维障碍物。
在本公开实施例中,在获取的三维障碍物中,选择目标图像所需的三维障碍物。即,确定待贴图至目标图像的三维障碍物。需要说明的是,在本公开中,三维障碍物可以是在二维图像中具有三维属性标签的障碍物。
在步骤S130中,将待贴图三维障碍物贴图至目标图像的指定位置,并标注待贴图三维障碍物的标签。
在本公开实施例中,根据待贴图三维障碍物的原始位置,在目标图像中确定需要贴图三维障碍物的位置。其中,需要说明的是,待贴图障碍物的原始位置为障碍物在原始图像中的位置。其中,图像可以是二维图像,也可以是三维图像,在此不做具体限定。在本公开中,以图像为二维图像进行说明。
将待贴图三维障碍物贴图至目标图像的指定位置,同时标注待贴图三维障碍物的标签。
通过本公开实施例提供的三维障碍物数据增强方法,在同一背景下获取三维障碍物,并将三维障碍物贴图至具有相同背景的目标图像中,可以保证目标图像中原有的三维障碍物与贴图的三维障碍物的成像几何关系不被破坏。
下述实施例将结合附图对在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签进一步进行说明。
图2示出了本公开实施例提供的一种三维障碍物数据增强方法中获取数据的流程示意图,如图2中所示,该方法可以包括:
在步骤S210中,在同一背景的图像中,获取至少一个三维障碍物,得到三维障碍物候选池。
在步骤S220中,获取三维障碍物候选池中每个三维障碍物对应的标签。
在本公开实施例中,同一背景可以理解为是拍摄目标图像和三维障碍物所在图像的摄像设备相同,且用于拍摄目标图像和三维障碍物所在图像的角度相同。
在本公开中获取的三维障碍物所在图像可以是一个,也可以是多个。响应于获取的三维障碍物所在图像为多个,确定三维障碍物所在图像的背景相同。
在本公开中,将获取得到的至少一个三维障碍物,确定为用于增加目标图像的三维障碍物候选池。并获取三维障碍物候选池中每个三维障碍物对应的标签。
图3示出了本公开实施例提供的一种三维障碍物数据增强方法中贴图的流程示意图,如图3中所示,该方法可以包括:
在步骤S310中,获取目标图像。
在本公开实施例中,获取待贴图的目标图像。目标图像的背景与三维障碍物所在图像的背景相同。
如上述,确定拍摄获取的三维障碍物所在图像的摄像设备,并使用该摄像设备拍摄目标图像。其中,拍摄目标图像的角度与拍摄三维障碍物所在图像的角度相同。
在步骤S320中,在背景相同的情况下,将待贴图三维障碍物在所属图像的位置,确定为待贴图三维障碍物在目标图像的位置。
在目标图像的背景与待贴图三维障碍物在所属图像的背景相同的条件下,确定待贴图三维障碍物在所属图像的位置。即,确定待贴图三维障碍物在原始图像中的位置。
将待贴图三维障碍物在原始图像中的位置,确定为待贴图三维障碍物在目标图像的位置。
在步骤S330中,将待贴图三维障碍物贴图至目标图像中,并标注与待贴图三维障碍物对应的标签。
在本公开实施例中,确定待贴图三维障碍物在目标图像的位置,将将待贴图三维障碍物贴图至目标图像中,并为待贴图三维障碍物标注对应的标签。
在本公开实施例中,根据待贴图三维障碍物在原始图像中的位置,确定待贴图三维障碍物在目标图像的位置,可以避免贴图三维障碍物与目标图像中原有三维障碍物成像比例的歧义性。
图4示出了本公开实施例提供的一种三维障碍物数据增强方法去除冗余的流程示意图,如图4中所示,该方法可以包括:
在步骤S410中,获取目标图像中所有三维障碍物之间的遮挡关系。
在本公开实施例中,将待贴图三维贴图至目标图像之后,确定每个三维障碍物之间的遮挡关系。其中,遮挡关系可以是完全遮挡,部分遮挡和不遮挡。例如,三维障碍物A被三维障碍物B完全遮挡,或三维障碍物A被三维障碍物B部分遮挡,或三维障碍物A和三维障碍物B之间无遮挡。或者三维障碍物A被被三维障碍物B和三维障碍物C完全遮挡等遮挡关系,在此不再一一举例说明。
在步骤S420中,根据遮挡关系,对被遮挡的三维障碍物进行冗余去除,得到同一背景下新的图像。
根据所有三维障碍物之间的遮挡关系,去掉被遮挡的三维障碍物及其标签,或去掉被遮挡的部分三维障碍物及其标签。从而得到新的图像,及其障碍物的标签。新的图像可以用于后续训练检测模型。
示例性的,图5示出了本公开实施例提供的一种三维障碍物数据增强去冗余方法的结构示意图。如图5中所示,公共汽车为待贴图三维障碍物,将公共汽车贴至目标图像后,将公共汽车遮挡的小汽车进行冗余处理,得到新的图像。
示例性的,图6示出了本公开实施例提供的一种三维障碍物数据增强去冗余方法的结构示意图。如图6中所示,将要左拐的公共汽车为待贴图三维障碍物,贴图至目标图像之后,去除公共汽车遮挡住的三维障碍物,得到新的图像。
在本公开实施例中,图7示出了本公开实施例提供的一种图像贴图方法的流程示意图。如图7中所示,在相同背景下,获取三维障碍物,并确定三维障碍物的障碍物候选池,在障碍物候选池中随机抽取N个障碍物作为待贴图的三维障碍物。确定待贴图的三维障碍物的原始位置,即待贴图的障碍物在原始图像中的位置。将待贴图的三维障碍物贴图至原始位置,并标注三维障碍物的标签(label)。对贴图之后的图像进行冗余去除,得到新的图像即对应的标签。
基于与图1中所示的方法相同的原理,图8示出了本公开实施例提供的一种三维障碍物数据增强装置的结构示意图,如图8所示,该三维障碍物数据增强装置100可以包括:
获取模块101,用于在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签;选取模块102,用于在所述至少一个三维障碍物中,选取待贴图的三维障碍物;贴图模块103,用于将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签。
在本公开实施例中,所述获取模块101,用于在同一背景的图像中,获取至少一个三维障碍物,得到三维障碍物候选池;获取所述三维障碍物候选池中每个三维障碍物对应的标签。
在本公开实施例中,所述贴图模块103,用于获取目标图像,所述目标图像的背景与所述三维障碍物所在图像的背景相同;在所述背景相同的情况下,将所述待贴图三维障碍物在所述图像的位置,确定为所述待贴图三维障碍物在目标图像的位置;将待贴图三维障碍物和所述待贴图三维障碍物对应的标签,贴图至所述目标图像中。
在本公开实施例中,所述贴图模块103,还用于获取目标图像中所有三维障碍物之间的遮挡关系;根据所述遮挡关系,对被遮挡的三维障碍物进行冗余去除,得到同一背景下新的图像。
在本公开实施例中,所述背景相同表征用于拍摄目标图像和所述三维障碍物所在图像的摄像设备相同,且拍摄目标图像的角度和所述三维障碍物所在图像的角度相同。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种边缘计算机设备。
可选的,边缘计算设备可以是路侧设备、路侧计算设备、路侧计算单元(Road SideComputing Unit,RSCU)等。
可选的,边缘计算设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像、视频处理和数据计算,再经由通信部件向云控平台传送处理和计算结果。可选的,电子设备自身也可以具备感知数据获取功能和通信功能,例如是AI相机,电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算,再向云控平台传送处理和计算结果。
可选的,云控平台在云端执行处理,云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算;云控平台也可以称为车路协同管理平台、V2X平台、云计算平台、中心系统、云端服务器等。
图9示出了可以用来实施本公开的实施例的示例电子设备200的示意性框图。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/或者要求的本公开的实现。
如图9所示,设备200包括计算单元201,其可以根据存储在只读存储器(ROM)202中的计算机程序或者从存储单元208加载到随机访问存储器(RAM)203中的计算机程序,来执行各种适当的动作和处理。在RAM 203中,还可存储设备200操作所需的各种程序和数据。计算单元201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
设备200中的多个部件连接至I/O接口205,包括:输入单元206,例如键盘、鼠标等;输出单元207,例如各种类型的显示器、扬声器等;存储单元208,例如磁盘、光盘等;以及通信单元209,例如网卡、调制解调器、无线通信收发机等。通信单元209允许设备200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元201执行上文所描述的各个方法和处理,例如三维障碍物数据增强方法。例如,在一些实施例中,三维障碍物数据增强方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 202和/或通信单元209而被载入和/或安装到设备200上。当计算机程序加载到RAM 203并由计算单元201执行时,可以执行上文描述的三维障碍物数据增强方法的一个或多个步骤。备选地,在其他实施例中,计算单元201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行三维障碍物数据增强方法。
本文中以上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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程三维障碍物数据增强装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种三维障碍物数据增强方法,包括:
在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签;
在所述至少一个三维障碍物中,选取待贴图的三维障碍物;
将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签。
2.根据权利要求1所述的方法,其中,所述在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签,包括:
在同一背景的图像中,获取至少一个三维障碍物,得到三维障碍物候选池;
获取所述三维障碍物候选池中每个三维障碍物对应的标签。
3.根据权利要求1所述的方法,其中,所述将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签,包括:
获取目标图像,所述目标图像的背景与所述三维障碍物所在图像的背景相同;
在所述背景相同的情况下,将所述待贴图三维障碍物在所属图像的位置,确定为所述待贴图三维障碍物在目标图像的位置;
将待贴图三维障碍物贴图至所述目标图像中,并标注与所述待贴图三维障碍物对应的标签。
4.根据权利要求1所述的方法,所述将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物对应的标签之后,所述方法包括:
获取目标图像中所有三维障碍物之间的遮挡关系;
根据所述遮挡关系,对被遮挡的三维障碍物进行冗余去除,得到同一背景下新的图像。
5.根据权利要求3所述的方法,所述背景相同表征用于拍摄目标图像和所述三维障碍物所在图像的摄像设备相同,且拍摄目标图像的角度和所述三维障碍物所在图像的角度相同。
6.一种三维障碍物数据增强装置,包括:
获取模块,用于在同一背景中,获取至少一个三维障碍物,以及与每一个所述三维障碍物对应的标签;
选取模块,用于在所述至少一个三维障碍物中,选取待贴图的三维障碍物;
贴图模块,用于将待贴图三维障碍物贴图至目标图像的指定位置,并标注所述待贴图三维障碍物的标签。
7.根据权利要求6所述的装置,其中,所述获取模块,用于:
在同一背景的图像中,获取至少一个三维障碍物,得到三维障碍物候选池;
获取所述三维障碍物候选池中每个三维障碍物对应的标签。
8.根据权利要求6所述的装置,其中,所述贴图模块,用于:
获取目标图像,所述目标图像的背景与所述三维障碍物所在图像的背景相同;
在所述背景相同的情况下,将所述待贴图三维障碍物在所述图像的位置,确定为所述待贴图三维障碍物在目标图像的位置;
将待贴图三维障碍物和所述待贴图三维障碍物对应的标签,贴图至所述目标图像中。
9.根据权利要求6所述的装置,所述贴图模块,还用于:
获取目标图像中所有三维障碍物之间的遮挡关系;
根据所述遮挡关系,对被遮挡的三维障碍物进行冗余去除,得到同一背景下新的图像。
10.根据权利要求8所述的装置,所述背景相同表征用于拍摄目标图像和所述三维障碍物所在图像的摄像设备相同,且拍摄目标图像的角度和所述三维障碍物所在图像的角度相同。
11.一种电子设备,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1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
14.一种边缘计算设备,包括如权利要求11所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111634620.7A CN114359495A (zh) | 2021-12-29 | 2021-12-29 | 三维障碍物数据增强方法、装置、介质及边缘计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111634620.7A CN114359495A (zh) | 2021-12-29 | 2021-12-29 | 三维障碍物数据增强方法、装置、介质及边缘计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359495A true CN114359495A (zh) | 2022-04-15 |
Family
ID=81102700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111634620.7A Pending CN114359495A (zh) | 2021-12-29 | 2021-12-29 | 三维障碍物数据增强方法、装置、介质及边缘计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359495A (zh) |
-
2021
- 2021-12-29 CN CN202111634620.7A patent/CN114359495A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11270158B2 (en) | Instance segmentation methods and apparatuses, electronic devices, programs, and media | |
CN114066900A (zh) | 图像分割方法、装置、电子设备和存储介质 | |
CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
CN114419519B (zh) | 目标对象检测方法、装置、电子设备和存储介质 | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN115147809A (zh) | 一种障碍物检测方法、装置、设备以及存储介质 | |
CN113378834A (zh) | 目标检测方法、装置、设备、存储介质以及程序产品 | |
CN112509126A (zh) | 三维物体检测的方法、装置、设备及存储介质 | |
US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
CN117315406B (zh) | 一种样本图像处理方法、装置及设备 | |
CN114359932A (zh) | 文本检测方法、文本识别方法及装置 | |
CN114022865A (zh) | 基于车道线识别模型的图像处理方法、装置、设备和介质 | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113421217A (zh) | 可行驶区域检测方法和装置 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
CN114359495A (zh) | 三维障碍物数据增强方法、装置、介质及边缘计算设备 | |
CN114612544A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN113554882A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN113610856A (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN115431968B (zh) | 车辆控制器、车辆及车辆控制方法 | |
CN113312979B (zh) | 图像处理方法、装置、电子设备、路侧设备及云控平台 |
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 |