[发明专利]基于稀疏实采数据的分拣场景平行数据集构建方法

权利要求书

1.一种基于稀疏实采数据的分拣场景平行数据集构建方法，其特征在于，包括以下步骤：

第一步，生成真实数据集；

第二步，将真实数据集导入3D处理工具，构建人工分拣堆放场景；

第三步，图形渲染生成人工数据集；

第四步，将真实数据集和人工数据集按照场景和影响因素进行混合，类别相同的放在同一个文件夹中，形成虚实结合的平行数据集；

所述3D处理工具包括Blender，采用Blender作为3D处理工具的人工数据集的构建方法具体如下：

(1)将真实数据集按原尺寸导入Blender，随机摆放物体模型并赋予不同的姿态，尽可能模拟物体随机放置时的情况，构建物体分拣堆放场景；

(2)编写Camera.py算法完成相机的初始化信息和Environment.py算法完成灯光的初始化信息；

(3)设置材质属性，对材质的阴影、透明度属性进行设定，对场景中的背景进行贴图、雕刻和纹理操作，使场景材质仿真现实的材质，设置图像分辨率；

(4)设置灯光属性，配置实际环境中的灯光类型、能量值和颜色，再根据环境添加灯光，设置采样值参数；

(5)编写Camera.py算法实现相机位置信息变更，相机转换矩阵处理，相机2D3D包围盒数据计算；设置相机的不同视角，视野中的主体一直是目标物体，实现多方位的采集图片，并实现世界坐标和相机坐标的转化；

(6)编写Environment.py算法设计不同的虚拟场景生成算法，模拟物体的分拣场景，渲染生成人工图像；

(7)编写Lable.py算法处理标注信息的生成，实现自动标注技术处理和标注采集的图像并获得相应的数据信息，图像数据文件的命名同图像命名，再分类输出至不同的文件夹；

(8)从规模、多样性和复杂程度分析真实数据集，如果不满足规模、多样性和复杂程度条件，过滤数据集，并重复执行步骤(2)-(7)，直到满足规模、多样性和复杂程度。

2.一种基于稀疏实采数据的分拣场景平行数据集构建方法，其特征在于，包括以下步骤：

第一步，生成真实数据集；

第二步，将真实数据集导入3D处理工具，构建人工分拣堆放场景；

第三步，图形渲染生成人工数据集；

第四步，将真实数据集和人工数据集按照场景和影响因素进行混合，类别相同的放在同一个文件夹中，形成虚实结合的平行数据集；

所述3D处理工具包括Unreal Engine 4，采用Unreal Engine 4作为3D处理工具的人工数据集的构建方法具体如下：

(1)将真实数据集按原尺寸导入Unreal Engine 4，构建物体分拣堆放场景，设置图像分辨率；

(2)设置模型的状态和姿态，随机摆放物体模型并赋予不同的姿态，尽可能模拟物体随机放置时的情况，使构建的物体分拣堆放场景更接近现实中的场景；

(3)设置模型所处的环境，使用不同的背景、光照、天气，模拟出在不同时间、不同天气、不同地方的视觉效果；

(4)设置相机的视角，利用蓝图节点设计相机的旋转和移动，使相机在旋转和移动的过程中进行全方位的图像采集，相机视野中的主体为物体模型；

(5)设置图片命名格式和图像文件命名格式，实现有规律的自动命名；再自动分类存储生成的图像和数据信息，并输出至不同的文件夹；

(6)编写boundingbox.py算法实现自动标注技术的检测和修改作用，检测采集的图像和数据信息，如果画出的包围盒没有将图片中的物体一个个包围，则图像和数据信息有误，利用boundingbox.py算法进行修改；

(7)从规模、多样性和复杂程度分析真实数据集，如果不满足规模、多样性和复杂程度条件，过滤数据集，并重复执行步骤(2)-(6)，直到满足规模、多样性和复杂程度。