CN115797375B - 基于鱼眼图像实现多组标签图像的生成方法、装置及设备 - Google Patents
基于鱼眼图像实现多组标签图像的生成方法、装置及设备 Download PDFInfo
- Publication number
- CN115797375B CN115797375B CN202310063650.XA CN202310063650A CN115797375B CN 115797375 B CN115797375 B CN 115797375B CN 202310063650 A CN202310063650 A CN 202310063650A CN 115797375 B CN115797375 B CN 115797375B
- Authority
- CN
- China
- Prior art keywords
- image
- ray
- color
- images
- unfolded
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims description 10
- 238000004043 dyeing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241000282887 Suidae Species 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于鱼眼图像实现多组标签图像的生成方法、装置、设备及存储介质，其包括：获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像；基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像；选取所述第二图像中具有图像标签的区域作为待展开图像；利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。能够实现标注一张图像并进行相应处理后展开能够获得多张训练图像，极大降低企业获取标注训练数据成本。
Description
技术领域
本发明涉及智能养殖技术领域，尤其涉及基于鱼眼图像实现多组标签图像的生成方法、装置及设备。
背景技术
在人工智能的时代，用于人工智能的训练数据越来越重要。我们拍一张照片，想让计算机理解上面的内容并不容易。人理解照片的内容靠的是生活中积累的经验，计算机理解照片的内容则依靠的是“学习“训练数据。在计算机视觉中，通常使用一组图片作为训练数据，人工在上面标注出我们需要计算机理解的内容，这些人工标注出来的内容叫做标签。标签的获取通常是非常昂贵的，人工智能企业需要大量的标注人员来完成这项工作，费时费力。
发明内容
有鉴于此，本发明的目的在于提出一种基于鱼眼图像实现多组标签图像的生成方法、装置以及设备，旨在解决现有通过人工标注以获取图像标签的成本高且花费时间长等问题。
为实现上述目的，本发明提供一种基于鱼眼图像实现多组标签图像的生成方法，所述方法包括：
获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像；
基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像；
选取所述第二图像中具有图像标签的区域作为待展开图像；
利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。
优选的，所述基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像，包括：
通过预设数量的射线并以所述第一图像的中心作为每一所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像。
优选的，所述基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像，包括：
以所述第一图像的中心以及预设像素的半径构成的圆，将所述圆定义为不可划分区域；
通过预设数量的射线并根据每一所述射线与所述圆的圆周的交点作为所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像。
优选的，所述选取所述第二图像中具有图像标签的区域作为待展开图像，包括：
判断所述射线是否与所述图像标签形成交点，若是，将所述射线染色为第一颜色；否则，将所述射线染色为第二颜色；
通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像。
优选的，所述通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像，包括：
通过选取一条为第二颜色的所述射线作为起始线，并在预设角度内以顺时针方向选取另一条为第二颜色的所述射线作为结束线；
判断所述起始线与所述结束线形成的区域是否包含至少一条第一颜色的所述射线，若是，将所述起始线与所述结束线形成的区域作为所述待展开图像。
优选的，在所述通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像之后，还包括：
将所述待展开图像内的所述射线进行标记。
优选的，所述利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，包括：
对每一所述待展开图像进行定点图像展开时，通过利用预设畸变校正模型进行畸变修正。
为实现上述目的，本发明还提供一种基于鱼眼图像实现多组标签图像的生成装置，所述装置包括：
标注单元，用于获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像；
划分单元，用于基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像；
选取单元，用于选取所述第二图像中具有图像标签的区域作为待展开图像；
展开单元，用于利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。
为了实现上述目的，本发明还提出一种设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如上述实施例所述的一种基于鱼眼图像实现多组标签图像的生成方法的步骤。
为了实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上述实施例所述的一种基于鱼眼图像实现多组标签图像的生成方法的步骤。
有益效果：
以上方案，通过将获取的鱼眼图像进行人工数据标注，将所得到的具有标签的图像通过分割处理后，可根据指定位置和角度进行定点图像展开，得到多张目标图像，所展开后得到的多张图像以及标签对于训练人工智能等应用上具有非常大的作用，从而实现标注一张图像并进行相应处理后展开能够获得多张训练图像，极大降低企业获取标注训练数据成本。
以上方案，通过以第一图像的中心以及一定像素的半径构成的一个圆，并根据每一射线与圆的圆周的交点作为射线的起点将每一图像边长进行等分，能够避免在圆内具有标注的数据，导致从中心引出的射线不可用，从而提高后续射线选取的有效性。
以上方案，通过对射线进行染色以区分不同区域，便于根据射线的颜色进行快速选取待展开图像，提高处理效率和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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例，对于本领域普通技术人员来讲，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。
图1为本发明一实施例提供的一种基于鱼眼图像实现多组标签图像的生成方法的流程示意图。
图2为本发明一实施例提供的对鱼眼图像中的猪只进行标注的截图示意图。
图3为本发明一实施例提供的通过射线对鱼眼图像的划分及射线染色的示意图。
图4为本发明一实施例提供的基于KB畸变校正模型的展开算法对待展开图像进行展开的流程示意图。
图5-6为本发明一实施例提供的实现图像展开后的目标图像示意图。
图7为本发明一实施例提供的一种基于鱼眼图像实现多组标签图像的生成装置的结构示意图。
发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
以下结合实施例详细阐述本发明的内容。
参照图1所示为本发明一实施例提供的一种基于鱼眼图像实现多组标签图像的生成方法的流程示意图。
本实施例中，该方法包括：
S11，获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像。
具体的，本实施例可应用于猪场养殖场景，通过鱼眼相机拍摄所获取的待处理猪场栏位的鱼眼图像，对该鱼眼图像中的每一猪只进行猪只轮廓标注，得到具有猪只轮廓标签数据的图像，并将该图像以预设长度的边长进行构建。如图2所示。
S12，基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像。
进一步的，在一个实施例中，该步骤S12包括：
通过预设数量的射线并以所述第一图像的中心作为每一所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像。
具体的，首先以第一图像的中心在每条预设长度的边长上引出多条射线，如49条射线，把每条图像边长等分成48份，从而得到整张图像分成的4*48=192份小区域的第二图像，由于是按边长的长度进行分割的，因此射线间的夹角不固定。在此，将图中两条射线顺时针方向相夹的区域成为簇，一簇可能是一份，也可能是连续多份组成的。
在另一实施例中，该步骤S12包括：
S12-1，以所述第一图像的中心以及预设像素的半径构成的圆，将所述圆定义为不可划分区域；
S12-2，通过预设数量的射线并根据每一所述射线与所述圆的圆周的交点作为所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像。
在本实施例中，可通过对第一图像的中心预设范围进行检测，当检测到第一图像的中心周围具有图像标签时，则将对应中心预设范围定义为不可划分区域。也就是考虑到在图像中心的周围正好有猪只的情况时，则不考虑以图像中心为圆心、预设像素半径所构成的圆内出现的猪只，从而能够避免从图像中心引出的射线不可用。根据射线的数量以及圆的范围，可将射线和圆的圆周的交点作为射线的起点将图像边长进行等长度划分。同样的，如利用49条射线，可把每条图像边长等分成48份，从而得到整张图像分成的4*48=192份小区域的第二图像。
S13，选取所述第二图像中具有图像标签的区域作为待展开图像，并将所述待展开图的图像边长设置为所述预设长度。
其中，在步骤S13所述选取所述第二图像中具有图像标签的区域作为待展开图像，包括：
S13-1，判断所述射线是否与所述图像标签形成交点，若是，将所述射线染色为第一颜色；否则，将所述射线染色为第二颜色；
S13-2，通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像。
其中，在步骤S13-2所述通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像之后，还包括：
将所述待展开图像内的所述射线进行标记。
在本实施例中，根据上述可知图像中射线的两端点，并且前期对猪只进行人工标注的标签数据，可进一步确定射线的选取。如图3所示。通过判断射线与所有猪只标注的多边形是否有交点，若有，则将该射线染色为第一颜色，如红色，并可确定该射线可选；否则，将该射线染色为第二颜色，如绿色，并可确定该射线不可选，从而完成对图中射线的染色。
由于鱼眼图像在边缘存在较为严重的畸变，展开的视场角不宜过大；同时展开的视场角过小会导致猪场栏位内的环境信息缺失，影响ai学习效率。因此通过人为预设固定展开的视场角为90度，这个度数是经过实验得出的，在保证展开图像不产生严重畸变的情况下可以兼顾大部分情形。而入射角根据实际任务需求可以在一定范围内随机选取也可以固定一个需要的数值，比如需求猪只侧拍的数据，此时入射角太大（俯拍）或太小（平拍）都不合适，可通过人为给定一个侧拍的角度（或角度范围）。
具体的，通过在图像中选取两条预设角度的绿色射线夹着的簇，簇中至少包含一条红色射线。对于需求展开的簇（连续红线、方向顺时针、角度小于90度），找到其起点旁的绿色射线（连续红色射线旁一定是绿色射线）作为起点线，因为是固定视场角所以另一条结束线的位置也是确定的，这两条绿色射线所形成的区域组成了展开簇（即为待展开图像）。特别的，结束线如果是绿色射线则确定展开水平角（即为展开簇与图像中心的夹角），如果不是，逆时针旋转展开簇（保证展开簇结束的线包含需求展开簇的结束线）直到展开簇起始和结束都是绿色射线。进一步的，对于已经展开的簇（需求展开簇）对应的射线会做出标记，避免重复选取展开。
另外，后续展开时，通常会把选取射线外的区域外统一涂黑，只保留感兴趣区域（展开簇），此时鱼眼图像展开簇包括栏内图像和栏外涂黑部分（对标注数据预处理的时候涂黑的）。在展开完成后，通过实验发现，如果训练数据外围都是黑色，训练出的模型可能会对外围黑色比较敏感（周围如果不是黑的推理效果不好），但是在模型的实际使用中，不可能都把识别区域外围涂黑。为增强模型泛用性，增加了对鱼眼展开图像外围黑色区域填充随机颜色的步骤，这一步极大增加训练数据的鲁棒性，使得训练出的模型泛用性更强。
S14，利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。
在具体实施时，为了将鱼眼图像展开成一个平面图片，需要把鱼眼图像上的像素坐标通过各种坐标转换方式映射到其他的图像像素坐标系，从而得到没有形变平面图片上。目前常用的方法有经纬度展开算法、极坐标系展开算法。极坐标系展开法和经纬度展开法是通过拉伸或坐标变换，将鱼眼图像展开为全景平面图像。但全景展开会使得原始鱼眼图像中被拉伸的区域形变十分严重，还可能丢失画面，导致鱼眼图像展开效果较差。所以在实际场景中常常采用球面坐标系展开法，该方法基于鱼眼相机的成像模型，将鱼眼图像反投影到球面坐标系上，然后在球面坐标系上以任意指定方向将局部画面重新生成平面图像以完成鱼眼图像的定点展开。此方法可以有效的避免全景展开方法对鱼眼图像中心位置的拉伸，而且计算过程灵活，可以根据鱼眼相机投影模型进行自适应切换，使得鱼眼图像展开图像基本上能满足人的视觉要求。在实际养殖场景中就可以通过这种方法根据指定俯仰角和水平角选定展开方向和展开范围，将范围内的图像展开到给定大小的平面图片上。
然而，由于鱼眼镜头本身存在着一定程度的畸变，所以相机的投影过程不完全服从理想的投影模型。因此需要采用畸变校正模型对已有的投影模型进行畸变修正，来提升图像的展开质量。为此，本实施例提出基于KB畸变校正模型的鱼眼相机反投影展开算法。
参照图4所示，基于KB畸变校正模型的鱼眼相机反投影展开算法对每一待展开图像进行定点图像展开的步骤包括：
1) 根据输入的水平角与俯仰角确定以鱼眼相机为球心的单位球面上的展开中心点，并将该目标点作为切点，构建该球面的切面方程；
2) 根据输入的视场角就可以确定图像展开后的大小，并可计算展开图像的每一个像素点对应的世界坐标；
3) 基于切点的世界坐标、水平角、俯仰角、像素距离，计算出切面上每一个像素点的世界坐标；
4) 根据切面上每一个像素点的世界坐标，计算切面上每一个点相对鱼眼相机的水平角与俯仰角；
5) 基于KB畸变校正模型，计算出切面上每一个点畸变后的俯仰角；
6) 基于等距投影模型，将切面上每一个像素点投影到鱼眼图像上，得到距离鱼眼图像中心的径向距离；
7) 根据水平角与径向距离，计算出切面上每一个像素点投影到鱼眼图像上的图像坐标；
8) 基于这些像素点的图像坐标，即可得到它们鱼眼图像上对应的像素坐标和像素值，最后把这些像素值一一赋值给切面上这些像素点上后，即可得到鱼眼图像在该方向角和该视场角所描述的区域的展开平面图片。
具体的，设给定展开方向入射角，水平角，展开区域视场角fov，展开图像边长，展开球面半径R。根据给定预设长度的展开图像边长，构建大小为的展开图像Img，可以计算得到展开图像Img中每一个像素长度在该球面坐标系中的对应长度dpixel：
进而，通过遍历展开图像Img中的每一个像素中心点（后面称为像素），计算该像素在鱼眼图像坐标系上的坐标，并使用鱼眼图像上该点的灰度值对该像素的灰度进行赋值，完成鱼眼图像目标位置的展开。这里不妨设展开图像Img第i列第j行像素为。
根据入射角、水平角与展开球面半径R，可以算出展开图像中心像素在球面坐标系中的坐标为：
计算像素相对中心像素在球面坐标系各个坐标轴方向的偏移量为：
根据展开图像中心像素坐标与像素相对中心像素的偏移量，可得像素在球面坐标系中的坐标为：
计算像素在球面坐标系中的入射角和水平角为：
使用 KB 畸变校正模型，将入射角转化为畸变后的入射角：
基于内参矩阵，计算像素对应在鱼眼图像的像素坐标
:
计算得到像素对应的鱼眼图像像素坐标后，使用鱼眼图像像素的灰度值对像素的灰度进行赋值，当遍历并赋值所有展开图像Img的像素后，即完成了鱼眼图像的展开，可参照图5-6所示。上述式子中，k1、k2、k3、k4表示畸变系数；fu表示像素坐标系x方向的总像素数量（即，实际拍摄出来照片的像素宽）/相机感光元件x方向的实际尺寸，单位一般是像素/毫米，物理含义为感光元件横向像素密度（感光元件为矩形）；fv表示像素坐标系y方向的总像素数量（即，实际拍摄出来照片的像素高）/相机感光元件y方向的实际尺寸，单位一般是像素/毫米，物理含义为感光元件纵向像素密度；s表示相机感光元件倾斜因子；u0表示图像坐标系原点在像素坐标系中横坐标x的值，单位像素；v0表示图像坐标系原点在像素坐标系中纵坐标y的值，单位像素。
参照图7所示为本发明一实施例提供的一种基于鱼眼图像实现多组标签图像的生成装置的结构示意图。
在本实施例中，该装置70包括：
标注单元71，用于获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像；
划分单元72，用于基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像；
选取单元73，用于选取所述第二图像中具有图像标签的区域作为待展开图像；
展开单元74，用于利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。
该装置70的各个单元模块可分别执行上述方法实施例中对应步骤，故在此不对各单元模块进行赘述，详细请参见以上对应步骤的说明。
本发明实施例还提供一种设备，该设备包括如上所述的基于鱼眼图像实现多组标签图像的生成装置，其中，基于鱼眼图像实现多组标签图像的生成装置可以采用图7实施例的结构，其对应地，可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，详细可以参见上述实施例中的相关记载，此处不再赘述。
所述设备包括：手机、数码相机或平板电脑等具有拍照功能的设备，或者具有图像处理功能的设备，或者具有图像显示功能的设备。所述设备可包括存储器、处理器、输入单元、显示单元、电源等部件。
其中，存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要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、至少一个功能所需的应用程序(例如图像播放功能等)等；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器和输入单元对存储器的访问。
输入单元可用于接收输入的数字或字符或图像信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，本实施例的输入单元除了包括摄像头，还可包括触敏表面（例如触摸显示屏）以及其他输入设备。
显示单元可用于显示由用户输入的信息或提供给用户的信息以及设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元可包括显示面板，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(OrganicLight-Emitting Diode,有机发光二极管)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器以确定触摸事件的类型，随后处理器根据触摸事件的类型在显示面板上提供相应的视觉输出。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。该计算机可读存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现图1所示的基于鱼眼图像实现多组标签图像的生成方法。所述计算机可读存储介质可以是只读存储器，磁盘或光盘等。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例、设备实施例及存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
并且，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于鱼眼图像实现多组标签图像的生成方法，其特征在于，所述方法包括：
获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像；
基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像，该步骤包括：
通过预设数量的射线并以所述第一图像的中心作为每一所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像；
选取所述第二图像中具有图像标签的区域作为待展开图像，该步骤包括：
判断所述射线是否与所述图像标签形成交点，若是，将所述射线染色为第一颜色；否则，将所述射线染色为第二颜色；
通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像；
将所述待展开图像内的所述射线进行标记；
其中，所述通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像，包括：
通过选取一条为第二颜色的所述射线作为起始线，并在预设角度内以顺时针方向选取另一条为第二颜色的所述射线作为结束线；
判断所述起始线与所述结束线形成的区域是否包含至少一条第一颜色的所述射线，若是，将所述起始线与所述结束线形成的区域作为所述待展开图像；
利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。
2.根据权利要求1所述的一种基于鱼眼图像实现多组标签图像的生成方法，其特征在于，所述基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像，包括：
以所述第一图像的中心以及预设像素的半径构成的圆，将所述圆定义为不可划分区域；
通过预设数量的射线并根据每一所述射线与所述圆的圆周的交点作为所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像。
3.根据权利要求1所述的一种基于鱼眼图像实现多组标签图像的生成方法，其特征在于，所述利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，包括：
对每一所述待展开图像进行定点图像展开时，通过利用预设畸变校正模型进行畸变修正。
4.一种基于鱼眼图像实现多组标签图像的生成装置，其特征在于，所述装置包括：
标注单元，用于获取待处理鱼眼图像，对所述待处理鱼眼图像进行自定义数据标注，得到具有图像标签、且图像边长为预设长度的第一图像；
划分单元，用于基于所述第一图像的中心对所述第一图像进行多区域划分，得到第二图像，包括：
通过预设数量的射线并以所述第一图像的中心作为每一所述射线的起点将每一所述图像边长进行等长度划分，得到划分后具有4*（所述预设数量-1）个待选取区域的所述第二图像；
选取单元，用于选取所述第二图像中具有图像标签的区域作为待展开图像，包括：
判断所述射线是否与所述图像标签形成交点，若是，将所述射线染色为第一颜色；否则，将所述射线染色为第二颜色；
通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像；
将所述待展开图像内的所述射线进行标记；
其中，所述通过选取两条为第二颜色的所述射线之间至少包含一条第一颜色的所述射线所形成的区域作为所述待展开图像，包括：
通过选取一条为第二颜色的所述射线作为起始线，并在预设角度内以顺时针方向选取另一条为第二颜色的所述射线作为结束线；
判断所述起始线与所述结束线形成的区域是否包含至少一条第一颜色的所述射线，若是，将所述起始线与所述结束线形成的区域作为所述待展开图像；
展开单元，用于利用鱼眼展开算法将所述第二图像所对应的每一所述待展开图像进行定点图像展开，得到多张目标图像。
5.一种设备，其特征在于，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如权利要求1至3任意一项所述的一种基于鱼眼图像实现多组标签图像的生成方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至3任意一项所述的一种基于鱼眼图像实现多组标签图像的生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310063650.XA CN115797375B (zh) | 2023-02-06 | 2023-02-06 | 基于鱼眼图像实现多组标签图像的生成方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310063650.XA CN115797375B (zh) | 2023-02-06 | 2023-02-06 | 基于鱼眼图像实现多组标签图像的生成方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115797375A CN115797375A (zh) | 2023-03-14 |
| CN115797375B true CN115797375B (zh) | 2023-05-09 |
Family
ID=85429846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310063650.XA Active CN115797375B (zh) | 2023-02-06 | 2023-02-06 | 基于鱼眼图像实现多组标签图像的生成方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115797375B (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10489691B2 (en) * | 2016-01-15 | 2019-11-26 | Ford Global Technologies, Llc | Fixation generation for machine learning |
| CN110334657B (zh) * | 2019-07-08 | 2020-08-25 | 创新奇智(北京)科技有限公司 | 一种鱼眼畸变图像的训练样本生成方法、系统及电子设备 |
| CN111178236B (zh) * | 2019-12-27 | 2023-06-06 | 清华大学苏州汽车研究院（吴江） | 一种基于深度学习的车位检测方法 |
| CN111310808B (zh) * | 2020-02-03 | 2024-03-22 | 平安科技（深圳）有限公司 | 图片识别模型的训练方法、装置、计算机系统及存储介质 |
| CN112200064B (zh) * | 2020-09-30 | 2021-07-30 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
| CN112927304B (zh) * | 2021-02-22 | 2022-08-19 | 桂林电子科技大学 | 一种基于卷积神经网络的鱼眼镜头标定方法 |
| CN114494863A (zh) * | 2022-01-12 | 2022-05-13 | 北京小龙潜行科技有限公司 | 基于Blend Mask算法的动物幼崽计数方法以及装置 |
| CN114972170B (zh) * | 2022-03-31 | 2024-05-14 | 华南理工大学 | 一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法 |
| CN115167433B (zh) * | 2022-07-22 | 2024-03-19 | 华南理工大学 | 融合全局视觉的机器人自主探索环境信息的方法及系统 |
-
2023
- 2023-02-06 CN CN202310063650.XA patent/CN115797375B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115797375A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112330601B (zh) | 一种基于鱼眼相机的停车检测方法、装置、设备及介质 | |
| US10643300B2 (en) | Image display method, custom method of shaped cambered curtain, and head-mounted display device | |
| CN109803172B (zh) | 一种直播视频的处理方法、装置及电子设备 | |
| CN111833237B (zh) | 基于卷积神经网络和局部单应性变换的图像配准方法 | |
| CN108470379A (zh) | 三维图像融合方法和装置 | |
| US20210383199A1 (en) | Object-Centric Learning with Slot Attention | |
| CN106559657A (zh) | 利用多个投影屏幕进行拼接显示的方法、控制装置和系统 | |
| CN105335977B (zh) | 摄像系统及目标对象的定位方法 | |
| CN105719248A (zh) | 一种实时的人脸变形方法及其系统 | |
| CN111951333A (zh) | 六维姿态数据集自动生成方法、系统、终端以及存储介质 | |
| CN115797375B (zh) | 基于鱼眼图像实现多组标签图像的生成方法、装置及设备 | |
| CN113723272A (zh) | 基于多画面实时拼接的物体检测方法、系统、设备和介质 | |
| CN113516697A (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
| CN112686939A (zh) | 景深图像的渲染方法、装置、设备及计算机可读存储介质 | |
| CN114862866B (zh) | 标定板的检测方法、装置、计算机设备和存储介质 | |
| JP2018125658A5 (zh) | ||
| CN115866213A (zh) | 多摄像头协同监控方法、装置、设备及存储介质 | |
| WO2020224423A1 (zh) | 终端设备及其图像的变焦处理方法和装置 | |
| WO2023272495A1 (zh) | 徽标标注方法及装置、徽标检测模型更新方法及系统、存储介质 | |
| CN112866507B (zh) | 智能化的全景视频合成方法、系统、电子设备及介质 | |
| CN111028290B (zh) | 一种用于绘本阅读机器人的图形处理方法及装置 | |
| CN108961293A (zh) | 一种背景减除的方法、装置、设备及存储介质 | |
| EP4150560A1 (en) | Single image 3d photography with soft-layering and depth-aware inpainting | |
| TW202223842A (zh) | 用於環景影像的影像處理方法及裝置 | |
| JP5030890B2 (ja) | 複数画像間の関係付けおよび切り替え表示をするための方法、プログラム、および装置 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231108 Address after: A1, Unit 1601, No. 50, Chengyi North Street, Phase III, Software Park, Jimei District, Xiamen, Fujian Province, 361000 Patentee after: Xiamen Nongxin Digital Technology Co.,Ltd. Patentee after: Beijing Nongxin Shuzhi Technology Co.,Ltd. Address before: A1, Unit 1601, No. 50, Chengyi North Street, Phase III, Software Park, Jimei District, Xiamen, Fujian Province, 361000 Patentee before: Xiamen Nongxin Digital Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |