RU2017144177A - Обучение модели автоматического обнаружения светофоров с использованием моделируемых изображений - Google Patents
Обучение модели автоматического обнаружения светофоров с использованием моделируемых изображений Download PDFInfo
- Publication number
- RU2017144177A RU2017144177A RU2017144177A RU2017144177A RU2017144177A RU 2017144177 A RU2017144177 A RU 2017144177A RU 2017144177 A RU2017144177 A RU 2017144177A RU 2017144177 A RU2017144177 A RU 2017144177A RU 2017144177 A RU2017144177 A RU 2017144177A
- Authority
- RU
- Russia
- Prior art keywords
- model
- image
- annotated
- dimensional model
- traffic light
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims 13
- 230000008447 perception Effects 0.000 claims 12
- 238000010801 machine learning Methods 0.000 claims 2
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
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Graphics (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
Claims (60)
1. Способ, содержащий этапы, на которых с помощью компьютерной системы:
моделируют восприятие трехмерной модели, имеющей модель светофора в качестве источника света, для получения изображения;
аннотируют изображение местоположением и состоянием модели светофора для получения аннотированного изображения; и
обучают модель в соответствии с аннотированным изображением.
2. Способ по п. 1, в котором трехмерная модель включает в себя множество других источников света.
3. Способ по п. 1, в котором состояние модели светофора является одним из красного сигнала, желтого сигнала и зеленого сигнала.
4. Способ по п. 1, в котором моделирование восприятия трехмерной модели содержит этап, на котором моделируют восприятие трехмерной модели, имеющей один или более компонентов трехмерной модели в движении, для получения множества изображений, включающего в себя упомянутое изображение;
причём аннотирование изображения местоположением и состоянием модели светофора для получения аннотированного изображения содержит этап, на котором аннотируют множество изображений состоянием модели светофора для получения множества аннотированных изображений; и
при этом обучение модели в соответствии с аннотированным изображением содержит этап, на котором обучают модель в соответствии с множеством аннотированных изображений.
5. Способ по п. 1, в котором обучение модели в соответствии с аннотированным изображением содержит этап, на котором обучают алгоритм машинного обучения в соответствии с аннотированным изображением.
6. Способ по п. 1, в котором обучение модели в соответствии с аннотированным изображением содержит этап, на котором обучают модель для идентификации состояния и местоположения реального светофора в выходном сигнале камеры.
7. Способ по п. 1, в котором обучение модели в соответствии с аннотированным изображением содержит этап, на котором обучают модель для вывода того, применяется ли светофор к транспортному средству, обрабатывая выходные сигналы камеры в соответствии с моделью.
8. Способ по п. 1, в котором трехмерная модель представляет собой первую трехмерную модель, изображение представляет собой первое изображение, и аннотированное изображение представляет собой первое аннотированное изображение, причем способ дополнительно содержит этапы, на которых:
считывают файл конфигурации, определяющий местоположение одного или более компонентов;
формируют вторую трехмерную модель в соответствии с файлом конфигурации;
моделируют восприятие второй трехмерной модели для получения второго изображения;
аннотируют второе изображение местоположением и состоянием светофора во второй трехмерной модели для получения второго аннотированного изображения; и
обучают модель в соответствии с обоими из первого аннотированного изображения и второго аннотированного изображения.
9. Способ по п. 1, в котором трехмерная модель представляет собой первую трехмерную модель, и изображение представляет собой первое изображение, и аннотированное изображение представляет собой первое аннотированное изображение, причем способ дополнительно содержит этапы, на которых:
определяют вторую трехмерную модель, имеющую модель светофора, которая не регулирует движение модели рассматриваемого транспортного средства;
моделируют восприятие второй трехмерной модели с точки зрения камеры модели рассматриваемого транспортного средства для получения второго изображения;
аннотируют второе изображение тем, что вторая трехмерная модель не включает в себя модель светофора, регулирующую движение модели рассматриваемого транспортного средства; и
обучают модель в соответствии с обоими из первого аннотированного изображения и второго аннотированного изображения.
10. Способ по п. 1, в котором трехмерная модель представляет собой первую трехмерную модель, и изображение представляет собой первое изображение, и аннотированное изображение представляет собой первое аннотированное изображение, причем способ дополнительно содержит этапы, на которых:
определяют вторую трехмерную модель, не имеющую модели светофора;
моделируют восприятие второй трехмерной модели для получения второго изображения;
аннотируют второе изображение тем, что вторая трехмерная модель не включает в себя модель светофора; и
обучают модель в соответствии с обоими из первого аннотированного изображения и второго аннотированного изображения.
11. Система, содержащая одно или более устройств обработки и одно или более устройств памяти, соединённых при функционировании с одним или более устройствами обработки, причем одно или более устройств обработки хранят исполняемый код, выполненный с возможностью побуждать одно или более устройств обработки:
моделировать восприятие трехмерной модели, имеющей модель светофора в качестве источника света, для получения изображения;
аннотировать изображение местоположением и состоянием модели светофора для получения аннотированного изображения; и
обучать модель в соответствии с аннотированным изображением.
12. Система по п. 11, в которой трехмерная модель включает в себя множество других источников света.
13. Система по п. 11, в которой состояние модели светофора является одним из красного сигнала, желтого сигнала и зеленого сигнала.
14. Система по п. 11, в которой выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки:
моделировать восприятие трехмерной модели путем моделирования восприятия трехмерной модели, имеющей один или более компонентов трехмерной модели в движении, для получения множества изображений, включающих в себя изображение;
аннотировать изображение местоположением и состоянием модели светофора для получения аннотированного изображения путем аннотирования множества изображений состоянием модели светофора для получения множества аннотированных изображений; и
обучать модель в соответствии с аннотированным изображением путем обучения модели в соответствии с множеством аннотированных изображений.
15. Система по п. 11, в которой выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки обучать модель в соответствии с аннотированным изображением путем обучения алгоритма машинного обучения в соответствии с аннотированным изображением.
16. Система по п. 11, в которой выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки обучать модель в соответствии с аннотированным изображением путем обучения модели для идентификации состояния и местоположения реального светофора в выходном сигнале камеры.
17. Система по п. 11, в которой выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки обучать модель в соответствии с аннотированным изображением путем обучения модели для вывода того, применяется ли светофор к транспортному средству, обрабатывая выходные сигналы камеры в соответствии с моделью.
18. Система по п. 11, в которой трехмерная модель представляет собой первую трехмерную модель, изображение представляет собой первое изображение, и аннотированное изображение представляет собой первое аннотированное изображение;
причём выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки:
считывать файл конфигурации, определяющий местоположение одного или более компонентов;
формировать вторую трехмерную модель в соответствии с файлом конфигурации;
моделировать восприятие второй трехмерной модели для получения второго изображения;
аннотировать второе изображение местоположением и состоянием светофора во второй трехмерной модели для получения второго аннотированного изображения; и
обучать модель в соответствии с обоими из первого аннотированного изображения и второго аннотированного изображения.
19. Система по п. 11, в которой трехмерная модель представляет собой первую трехмерную модель, и изображение представляет собой первое изображение, и аннотированное изображение представляет собой первое аннотированное изображение;
причём выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки:
определять вторую трехмерную модель, имеющую модель светофора, которая не регулирует движение модели рассматриваемого транспортного средства;
моделировать восприятие второй трехмерной модели с точки зрения одной или более камер модели рассматриваемого транспортного средства для получения второго изображения;
аннотировать второе изображение тем, что вторая трехмерная модель не включает в себя модель светофора, регулирующую движение модели рассматриваемого транспортного средства; и
обучать модель в соответствии с обоими из первого аннотированного изображения и второго аннотированного изображения.
20. Система по п. 11, в которой трехмерная модель представляет собой первую трехмерную модель, и изображение представляет собой первое изображение, и аннотированное изображение представляет собой первое аннотированное изображение;
причём выполняемый код дополнительно выполнен с возможностью побуждать одно или более устройств обработки:
определять вторую трехмерную модель, не имеющую модели светофора;
моделировать восприятие второй трехмерной модели для получения второго изображения;
аннотировать второе изображение тем, что вторая трехмерная модель не включает в себя модель светофора; и
обучать модель в соответствии с обоими из первого аннотированного изображения и второго аннотированного изображения.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/415,718 | 2017-01-25 | ||
US15/415,718 US20180211120A1 (en) | 2017-01-25 | 2017-01-25 | Training An Automatic Traffic Light Detection Model Using Simulated Images |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2017144177A true RU2017144177A (ru) | 2019-06-18 |
Family
ID=61283753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017144177A RU2017144177A (ru) | 2017-01-25 | 2017-12-18 | Обучение модели автоматического обнаружения светофоров с использованием моделируемых изображений |
Country Status (6)
Country | Link |
---|---|
US (1) | US20180211120A1 (ru) |
CN (1) | CN108345838A (ru) |
DE (1) | DE102018101465A1 (ru) |
GB (1) | GB2560805A (ru) |
MX (1) | MX2018000832A (ru) |
RU (1) | RU2017144177A (ru) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10228693B2 (en) * | 2017-01-13 | 2019-03-12 | Ford Global Technologies, Llc | Generating simulated sensor data for training and validation of detection models |
US10803323B2 (en) * | 2017-05-16 | 2020-10-13 | Samsung Electronics Co., Ltd. | Electronic device and method of detecting driving event of vehicle |
US11056005B2 (en) | 2018-10-24 | 2021-07-06 | Waymo Llc | Traffic light detection and lane state recognition for autonomous vehicles |
DE102018218186A1 (de) * | 2018-10-24 | 2020-04-30 | Robert Bosch Gmbh | Verfahren zur Validierung von maschinellen Lernverfahren im Bereich des automatisierten Fahrens auf Basis von synthetischen Bilddaten sowie Computerprogramm, maschinenlesbares Speichermedium und künstliches neuronales Netz |
CN109446973B (zh) * | 2018-10-24 | 2021-01-22 | 中车株洲电力机车研究所有限公司 | 一种基于深度神经网络图像识别的车辆定位方法 |
CN110647605B (zh) * | 2018-12-29 | 2022-04-29 | 北京奇虎科技有限公司 | 一种基于轨迹数据挖掘红绿灯数据的方法及装置 |
DE102019209152A1 (de) * | 2019-06-25 | 2020-12-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum sicheren Identifizieren von Objekten in Videobildern |
US11650067B2 (en) | 2019-07-08 | 2023-05-16 | Toyota Motor North America, Inc. | System and method for reducing route time using big data |
DE102019216357A1 (de) | 2019-10-24 | 2021-04-29 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bereitstellen von annotierten Verkehrsraumdaten |
US11335100B2 (en) | 2019-12-27 | 2022-05-17 | Industrial Technology Research Institute | Traffic light recognition system and method thereof |
US11814080B2 (en) | 2020-02-28 | 2023-11-14 | International Business Machines Corporation | Autonomous driving evaluation using data analysis |
US11702101B2 (en) | 2020-02-28 | 2023-07-18 | International Business Machines Corporation | Automatic scenario generator using a computer for autonomous driving |
US11644331B2 (en) | 2020-02-28 | 2023-05-09 | International Business Machines Corporation | Probe data generating system for simulator |
US11900689B1 (en) * | 2020-06-04 | 2024-02-13 | Aurora Operations, Inc. | Traffic light identification and/or classification for use in controlling an autonomous vehicle |
CN111931726B (zh) * | 2020-09-23 | 2024-06-11 | 阿波罗智联(北京)科技有限公司 | 交通灯检测的方法、装置、计算机存储介质和路侧设备 |
CN112172698A (zh) * | 2020-10-16 | 2021-01-05 | 湖北大学 | 一种用于无人驾驶的交通禁令标志实时监控识别装置 |
CN112287566B (zh) * | 2020-11-24 | 2024-05-07 | 北京亮道智能汽车技术有限公司 | 一种自动化驾驶场景库生成方法、系统及电子设备 |
CN112699754B (zh) | 2020-12-23 | 2023-07-18 | 北京百度网讯科技有限公司 | 信号灯识别方法、装置、设备以及存储介质 |
CN113129375B (zh) * | 2021-04-21 | 2023-12-01 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、设备及存储介质 |
CN114067172A (zh) * | 2021-10-29 | 2022-02-18 | 深圳市优必选科技股份有限公司 | 一种仿真图像生成方法、仿真图像生成装置及电子设备 |
-
2017
- 2017-01-25 US US15/415,718 patent/US20180211120A1/en not_active Abandoned
- 2017-12-18 RU RU2017144177A patent/RU2017144177A/ru not_active Application Discontinuation
-
2018
- 2018-01-19 CN CN201810052693.7A patent/CN108345838A/zh active Pending
- 2018-01-19 MX MX2018000832A patent/MX2018000832A/es unknown
- 2018-01-23 GB GB1801079.3A patent/GB2560805A/en not_active Withdrawn
- 2018-01-23 DE DE102018101465.1A patent/DE102018101465A1/de not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
US20180211120A1 (en) | 2018-07-26 |
CN108345838A (zh) | 2018-07-31 |
DE102018101465A1 (de) | 2018-07-26 |
MX2018000832A (es) | 2018-11-09 |
GB201801079D0 (en) | 2018-03-07 |
GB2560805A (en) | 2018-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2017144177A (ru) | Обучение модели автоматического обнаружения светофоров с использованием моделируемых изображений | |
RU2017146151A (ru) | Формирование моделированных данных датчиков для обучения и проверки достоверности моделей обнаружения | |
US20200192389A1 (en) | Building an artificial-intelligence system for an autonomous vehicle | |
KR101378216B1 (ko) | 모션 캡처 라벨링 시스템, 방법, 저장 매체, 장치 | |
JP2019204484A5 (ru) | ||
JP2019536035A5 (ru) | ||
KR20170074413A (ko) | 3d 모델을 활용한 2d 영상 학습 데이터 생성 시스템 및 그 생성방법 | |
GB2589495A (en) | Closed loop automatic dataset creation systems and methods | |
CN105825268A (zh) | 面向机器人学习动作表达的数据处理方法和系统 | |
KR20180122247A (ko) | 이종 센서들로부터 추출된 스켈레톤 정보를 이용하여 기계학습 데이터 및 주석을 생성하는 장치 및 그 방법 | |
WO2022095514A1 (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN206105869U (zh) | 一种机器人快速示教装置 | |
CN109035415B (zh) | 虚拟模型的处理方法、装置、设备和计算机可读存储介质 | |
JPWO2018207351A1 (ja) | 距離画像処理装置、距離画像処理システム、距離画像処理方法および距離画像処理プログラム | |
CN112308910B (zh) | 一种数据生成方法、装置及存储介质 | |
WO2015083091A3 (en) | Classifying human crowd noise data | |
US20170212598A1 (en) | Method and system for generating a synthetic database of postures and gestures | |
CN107492377A (zh) | 用于控制自拍飞行器的方法和装置 | |
CN117115917A (zh) | 基于多模态特征融合的教师行为识别方法、设备以及介质 | |
CN110766216A (zh) | 一种端到端移动机器人路径导航模拟方法及系统 | |
JP2022058450A (ja) | アシスタンステンプレートを備えるチュートリアルモデル | |
US10220326B2 (en) | Projections that respond to model building | |
EP3418837A3 (en) | Method, apparatus and system for determining signal rules of data for data annotation | |
CN109299777A (zh) | 一种基于人工智能的数据处理方法及其系统 | |
CN109325929A (zh) | 图像处理方法和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA93 | Acknowledgement of application withdrawn (no request for examination) |
Effective date: 20201221 |