[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

说明书

本发明公开了一种基于稀疏实采数据的分拣场景平行数据集构建方法，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。本发明公开的平行数据集的构建方法解决了真实数据集采集效率低下，耗时耗力，内容单一的问题，又使得数据集多样可靠、适用性好，也更适合神经网络的训练。同时，使用自动标注技术能有效减少数据集标注的时间和花费的成本，提高数据标注的准确率。

技术领域

本发明涉及数据集构建方法，特别涉及一种基于稀疏实采数据的分拣场景平行数据集构建方法。

背景技术

随着数字化时代的发展，数据越来越重要。但是数据采集却是一个巨大的挑战。现有的数据集采集方法多数都是通过人工进行采集并标注的，这使得采集和标注数据集既费时又费力，而且采集到的数据集的质量也不高，在各方面都有局限性，如采集的视角，包含的内容等。而使用工具软件采集的虚拟数据集(以下统称人工数据集)效率高却脱离现实，真实性和可靠性不高。因此，现有技术存在以下问题：

(1)真实数据集的采集效率低下，耗时耗力，内容单一。

(2)在人工数据集中没有以真实数据集为基础进行数据的采集和标注，使得只用工具软件采集的数据集脱离现实，真实性和可靠性不高。

(3)没有将真实数据集和人工数据集按照一定的规则混合一起使用，使得数据集存在局限性大、适用性差等问题。

发明内容

为解决上述技术问题，本发明提供了一种基于稀疏实采数据的分拣场景平行数据集构建方法，以达到高效可靠的构建平行数据集的目的。

为达到上述目的，本发明的技术方案如下：

一种基于稀疏实采数据的分拣场景平行数据集构建方法，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。

上述方案中，所述真实数据集的生成方法具体如下：

(1)使用多品类的物体，设置物体的摆放姿势，构造物体分拣堆放场景；

(2)设置相机的视角：斜视和垂直俯视，采集图像信息；

(3)分类存储生成的图像信息；

(4)数据集采用众包形式，利用LabelImage图片标注工具对采集到的图像进行标注，标注文件记录了图片名称、图片大小、不同物体的类别名称、包围盒内容；

(5)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)、(3)和(4)，直到满足规模、多样性和复杂程度。

上述方案中，所述3D处理工具包括Blender和Unreal Engine 4。

进一步的，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；