[发明专利]样本数据的获取方法、装置和电子设备有效

专利信息
申请号: 202010192073.0 申请日: 2020-03-18
公开(公告)号: CN111325984B 公开(公告)日: 2023-05-05
发明(设计)人: 尚子钰;潘杰;张浩悦 申请(专利权)人: 阿波罗智能技术(北京)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T15/00;G06V10/774;G08G1/01;G08G1/0967
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 张娜;臧建明
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 样本 数据 获取 方法 装置 电子设备
【说明书】:

本申请实施例提供了一种样本数据的获取方法、装置和电子设备,可用于自动驾驶,尤其是自主泊车技术领域。所述方法包括:先分别获取背景图像和标注有背景图像的属性信息的背景标注图像;并对目标对象的3D模型和背景图像进行渲染,得到增强现实图像;对目标对象的3D模型进行渲染,得到标注有目标对象的属性信息的目标对象标注图像;该增强现实图像、背景标注图像以及目标对象标注图像即为需要获取的包括目标对象的样本数据。可以看出,本申请实施例在获取样本数据时,是基于增强现实技术,并使用背景图像和目标对象的3D模型最终生成包括目标对象的样本数据,这样可以降低样本数据的采集耗时和标注耗时,提高了样本数据的获取效率。

技术领域

本申请涉及数据处理技术领域,尤其涉及自动驾驶技术领域。

背景技术

在自动驾驶场景中,通常基于深度学习模型进行视觉感知,深度学习模型的获取需要以大量的训练样本。在获取训练样本时,会存在难采集、多姿态、标注成本高等问题,使得有些训练样本,例如小样本数据很难获取到,这样会因为用于训练的大量的训练样本中缺乏小样本数据,从容导致训练得到的深度学习模型的准确度较低。

为了提高训练得到的深度学习模型的准确度,现有技术中,通常直接采集、标注训练样本中缺乏的小样本数据。但是,采集数据、标注数据要耗费大量的时间成本和较高的经济成本,而且对于某些小样本,比如警车、消防车等物体,由于日常生活中本身就不常见到,所以很难采集到大量不同场景下的警车、消防车的相关样本数据。

因此,采用现有的样本数据获取方法,使得样本数据的获取效率较低。

发明内容

本申请实施例提供一种样本数据的获取方法、装置和电子设备,在获取样本数据时,提高了样本数据的获取效率。

第一方面,本申请实施例提供一种样本数据的获取方法,该样本数据的获取方法可以包括:

分别获取背景图像和背景标注图像;其中,所述背景标注图像中标注有背景的属性信息。

对目标对象的3D模型和所述背景图像进行渲染,得到增强现实图像。

对所述目标对象的3D模型进行渲染,得到目标对象标注图像;其中,所述目标对象标注图像中标注有所述目标对象的属性信息,样本数据包括所述增强现实图像、所述背景标注图像以及所述目标对象标注图像。

可以看出,与现有技术不同的是,本申请实施例在获取样本数据时,是基于增强现实技术,并使用背景图像和目标对象的3D模型最终生成包括目标对象的样本数据,这样可以在短时间内大量生成现有技术中无法大量采集到的小样本数据,降低了样本数据的采集耗时和标注耗时,不仅提高了样本数据的获取效率,而且与将目标对象直接与背景图像贴图合成的并不平滑的样本数据相比,提高了获取到的样本数据的准确度。

在一种可能的实现方式中,所述对目标对象的3D模型和所述背景图像进行渲染,得到增强现实图像,可以包括:

获取影响渲染效果的关键信息;其中,所述关键信息包括所述目标对象的3D模型的模型参数、采集所述背景图像时的拍摄参数、或所述采集所述背景图像时的环境参数中的至少一种。

对所述目标对象的3D模型、所述关键信息及所述背景图像进行渲染,得到所述增强现实图像。

可以看出,对目标对象的3D模型和背景图像进行渲染得到所述增强现实图像时,通过将会影响样本数据的关键信息,与目标对象的3D模型和背景图像一并进行渲染,这样获取到的增强现实图像更加真实化、生动化和多样化。

在一种可能的实现方式中,所述关键信息包括所述目标对象的3D模型的模型参数,所述对所述目标对象的3D模型、所述关键信息及所述背景图像进行渲染,得到所述增强现实图像,可以包括:

对所述目标对象的3D模型、所述模型参数及所述背景图像进行渲染,得到所述增强现实图像;其中,所述模型参数包括坐标系参数和/或旋转角度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿波罗智能技术(北京)有限公司,未经阿波罗智能技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010192073.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top