[發明專利]圖像數據目標檢測傾斜框自動標注方法及系統

在審

• 申請號: 202110498653.7
• 申請日: 2021-04-30
• 公開（公告）號: CN113313751A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 蘇龍飛;王之元;王世雄;易曉東;沈天龍;黃強娟
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06T7/64;G06T7/66
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明提供一種圖像數據目標檢測傾斜框自動標注方法及系統，其中標注方法包括采集目標物圖像以及目標物和圖像采集器的相關信息；計算目標物最小外接長方體各頂點的世界坐標；根據目標物最小外接長方體各頂點的像素坐標，確定目標物最小外接長方體各頂點在像素坐標系下最小矩形包圍框各參考頂點的像素坐標；根據最小矩形包圍框各參考頂點的像素坐標計算目標檢測傾斜框的邊長以及目標檢測傾斜框的傾斜角度，并基于獲取的目標檢測傾斜框中心點的像素坐標、所述邊長和所述傾斜角度生成目標檢測傾斜框。該方法及系統能夠在無需人為干預的前提下，真正實現了帶有傾斜角度的目標檢測傾斜框的自動化生成；還可簡化操作流程，保證標注的準確性。

技術領域

本發明屬于圖像處理技術領域，具體涉及一種圖像數據目標檢測傾斜框自動標注方法及系統。

背景技術

現有技術中監督學習需要大量的標注數據，可以完全由人工標注，也可以由機器自動標注，也可以人機混合。這三種模式分別稱為人工標注，自動標注和半自動標注。例如在自動駕駛中感知系統對標注需求很大，尤其是障礙物感知。其自動標注主要可利用不同傳感器之間的相互標注。障礙物感知有三大主流傳感器：激光雷達(LiDAR)，相機(Camera)，毫米波雷達(Radar)。從自動標注的數據流向來看，一般是依靠激光雷達和毫米波雷達給相機標注，這種自動標注方法需要額外激光雷達或者毫米波雷達的配合才能完成。

基于深度學習的目標檢測需要大量的標注數據對深度神經網絡進行訓練。原始數據可以通過利用相機或者攝像頭采集或者從網上公開下載圖像，但是原始數據是不能直接用來訓練的。原始數據只有經過標注之后才能用來訓練目標檢測模型。數據標注是一件非常繁瑣且耗時的工作，這也使得進行深度學習研究的成本異常高。

現有科研人員對數據自動化標注的研究主要采用如下思路：1、以一個初步模型對小批量待標注數據進行檢測，這里的初步模型可以是自己用少批量數據集訓練出來的，也可以用網上公布的；2、對檢測出來的結果進行人為干預糾正；3、把糾正后的數據訓練新的模型；4、用新模型對中等批量待測數據進行檢測；5、重復執行1～4。通過1～5步驟的循環迭代，可以逐步求精。雖然可以極大減少工作量但是也需要人工參與，并且需要重復多次。先采取以上思路對小批量數據進行標注學習訓練，然后以學習結果去標注剩下的數據集，最后進行人工糾正迭代求精。這種目標檢測數據標注方法并不能完全脫離人工，仍是一種半自動化的數據標注方法，因此要想實現對目標檢測數據進行準確的自動標注，首先需要能夠自動生成準確的目標檢測框，基于目標檢測框再進一步實現對目標物類別的自動標注。

發明內容

為了克服現有技術的上述缺陷，本發明的目的在于提供一種圖像數據目標檢測傾斜框自動標注方法及系統，該方法及系統用于解決現有技術中需要人為干預，流程繁瑣且耗時的問題。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念，以此作為后面的詳細說明的序言。

為了實現上述發明目的，本發明提出了一種圖像數據目標檢測傾斜框自動標注方法，其改進之處在于，包括下述步驟：

采集目標物圖像，并獲取目標物的長度、寬度和高度，以及目標物中心點的世界坐標、目標物的姿態信息、圖像采集器的世界坐標和圖像采集器的姿態信息；

根據目標物的長度、寬度和高度，以及目標物中心點的世界坐標、目標物的姿態信息、圖像采集器的世界坐標和圖像采集器的姿態信息，通過坐標變換獲得目標物最小外接長方體各頂點的像素坐標；

根據目標物最小外接長方體各頂點的像素坐標，確定目標物最小外接長方體各頂點在像素坐標系下最小矩形包圍框各參考頂點的像素坐標；

根據最小矩形包圍框各參考頂點的像素坐標計算目標檢測傾斜框的邊長以及目標檢測傾斜框的傾斜角度，并基于獲取的目標檢測傾斜框中心點的像素坐標、所述邊長和所述傾斜角度生成目標檢測傾斜框；