基于CG生成目标物样本的方法技术

本发明专利技术公开了基于CG生成目标物样本的方法，包括以下步骤：建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；调整所述初始目标物环境样本模型参数，调整所述初始目标物样本模型参数；针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；渲染形成图像，计算2D边界框，计算3D边界框；形成并输出目标物样本。

A Method of Generating Target Samples Based on CG

The invention discloses a method for generating target sample based on CG, which includes the following steps: establishing the database of initial target sample model and the database of initial target environment sample model; randomly extracting at least one initial target sample model from the database of initial target sample model, and extracting the sample model of initial target environment from the database of initial target environment sample. At least one initial target environment sample model is randomly extracted from the B-type database; the extracted initial target environment sample model is combined with the extracted initial target environment sample model; the parameters of the initial target environment sample model are adjusted, and the parameters of the initial target environment sample model are adjusted. The initial target sample model and the initial target environment sample model are extracted to set the parameters of visual field, resolution and distortion of the simulated camera; render the image, calculate the 2D boundary box, calculate the 3D boundary box; form and output the target sample.

【技术实现步骤摘要】
基于CG生成目标物样本的方法
本专利技术涉及一种基于CG生成目标物样本的方法，尤其涉及基于CG技术生产用于ADAS主动安全系统中车辆、人物、建筑物、道路等目标物的方法。
技术介绍
在机器学习领域数据库和学习算法对结果模型都有至关重要的影响。在深度学习的框架中，数据库的规模和质量对结果模型有近似线性的影响，即深度学习的结果模型与训练数据库的规模和质量成正比。深度学习所用数据的规模在百万级别甚至千万级别。手工标注的工作量极其庞大，而且难以保证标注质量。在SceneDepth，Segmentation，DenseOpticalFlow及环境Structure等方面手工标注的工作量更大，手工标注结果也只是一种近似真值，手工标注工作都是由专家根据上下文场景反复斟酌得到的。对于单幅图像也要花费很长时间且标注结果存在不一致性，对于百万级别甚至千万级别的数据库来说这种稠密标注几乎是不可用手工完成的。因此迫切需要一种高效、准确的数据标注方法，以满足机器学习领域对数据的需求。另一方面，几年来CG技术取得了长足发展，在材质和光源方面有突破性进步，渲染得到图像真实感越来越高。通过对纹理、材质、光源等参数进行合理配置渲染得到的图像与真实相机拍摄的图像用肉眼难以区分。CG环境中场景中的每一个对象的模型数据以及虚拟相机的参数都是已知的，通过确定性的数学计算可以准确的获取机器学习所需的各类真值，如目标检测所用的正负样本、图像像素的SceneDepth，图像各类对象的Segmentation，视频流的稠密特征匹配或者稠密光流以及环境3DStructure。用CG技术可以快速的获取海量有标注信息的图像数据，且能保证标注的正确性。探索CG技术图像数据生成在机器学习领域的应用具有革新性意义。
技术实现思路
本专利技术的目的在于提供一种基于CG生产目标物样本的方法，能够针对选定的目标物生成不同场景条件的、大量的样本，并可根据要求随机设置目标物所处环境条件，形成不同环境条件下的、可用于ADAS系统的样本模型。为实现上述专利技术目的，本专利技术提供一种基于CG生产目标物样本的方法，包括如下步骤：a)建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；b)从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；c)将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；d)调整所述初始目标物环境样本模型参数，包括：d1)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的亮度参数；d2)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的气象参数；e)调整所述初始目标物样本模型参数，包括：e1)针对所抽取的初始目标物环境样本模型,调整所述初始目标物样本模型的表面积物参数；e2)针对所抽取的初始目标物环境样本模型，调整所述初始目标物样本模型的空间位置参数；f)针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；g)渲染形成图像，计算2D边界框，计算3D边界框；h)形成并输出目标物样本。根据本专利技术的一个方面，所述目标物包括运动目标物和静止目标物；所述运动目标物包括：人、动物、车辆、泥石流、洪水、滚动的石块等；所述静止目标物包括：房屋、树木、栅栏、交通标志物、交通设施、高速路收费站等；所述目标物环境为所述目标物所处环境，包括：城市、建筑物、高速路、城市道路、隧道、桥梁道路、山路、室内、旷野、森林、太阳光、人造光、雨雪天气、沙尘天气、目标物表面积物等。根据本专利技术的一个方面，所述亮度参数包括白天和夜晚。根据本专利技术的一个方面，当所述亮度参数为白天时，调整太阳光角度参数、强度参数、颜色参数；当所述亮度参数为夜晚时，调整所述目标物自身发光亮度参数和照射角度参数、目标物所处环境中人造光亮度参数和照射角度参数和颜色参数等。根据本专利技术的一个方面，所述气象参数包括：降雨气象、降雪天气和雾气气象。根据本专利技术的一个方面，在降雨气象条件下，设置降雨天气参数建立降雨气象并按照弱、中、强等级调整降雨强度参数；在降雪气象条件下，设置降雪天气参数建立降雪气象并按照弱、中、强等级调整降雪强度参数；在雾气气象条件下，设置雾气天气参数建立雾气气象并按照弱、中、强等级调整雾气强度参数。根据本专利技术的一个方面，所述初始目标物样本模型的表面积物参数包括积水参数、积雪参数和积尘参数。根据本专利技术的一个方面，在目标物表面积水条件下，设置积水参数建立目标物表面积水并按照弱、中、强等级调整积水强度参数；在目标物表面积雪条件下，设置积雪参数建立目标物表面积雪并按照弱、中、强等级调整积雪强度参数；在目标物表面积尘条件下，设置积尘参数建立目标物表面积尘并按照弱、中、强等级调整积雪强度参数。根据本专利技术的一个方面，基于初始目标物环境样本模型参数如路面倾斜角、路面朝向等设置初始目标物样本模型的空间位置参数。根据本专利技术的一个方面，设置相机视野范围参数包括设置针孔模型或广角模型，所述针孔模型视角为垂直方向30°，水平方向56°所述广角为垂直方向60°，水平方向112°。根据本专利技术的一个方面，用追踪算法形成所述3D边界框；用拟合算法形成所述2D边界框。根据本专利技术的一个方案，通过构建不同的CG模型，以及多种CG环境中场景的布置，能够方便且快速的构造出不同且种类丰富的虚拟环境，进一步的实现大量实际环境的仿真模拟，从而实现了方便、快捷以及大量的生成所需要的样本，有效降低了对现实环境拍照取样的工作量和工作强度，并且减少了人力，提高了工作效率。根据本专利技术的一个方案，通过对CG环境中不同的模型进行参数的调整就能够非常方便的实现现实环境中的不同因素条件，可以方便快捷地实现各种天气变化、车辆拥堵、复杂自然环境等情况，解决了现实环境中取样的不便及场景限制。根据本专利技术的一个方案，通过改变CG环境中虚拟相机模型的参数，就可以快速的拍摄出不同视角、分辨率等要求的图像样本，充分满足了样本视角、成像质量等多样性的要求。附图说明图1是示意性表示根据本专利技术的一种CG样本生成方法流程图。具体实施方式为了更清楚地说明本专利技术实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在针对本专利技术的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本专利技术的限制。下面结合附图和具体实施方式对本专利技术作详细地描述，实施方式不能在此一一赘述，但本专利技术的实施方式并不因此限定于以下实施方式。针对ADAS(AdvancedDriverAssistanceSystems)系统车辆数据库基础样本模型、环境数据库基础样本模型，本专利技术提供一种依靠或基于CG(Computer本文档来自技高网...

【技术保护点】
1.基于CG生成目标物样本的方法，包括以下步骤：a)建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；b)从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；c)将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；d)调整所述初始目标物环境样本模型参数，包括：d1)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的亮度参数；d2)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的气象参数；e)调整所述初始目标物样本模型参数，包括：e1)针对所抽取的初始目标物环境样本模型,调整所述初始目标物样本模型的表面积物参数；e2)针对所抽取的初始目标物环境样本模型，调整所述初始目标物样本模型的空间位置参数；f)针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；g)渲染形成图像，计算2D边界框，计算3D边界框；h)形成并输出目标物样本。

【技术特征摘要】
1.基于CG生成目标物样本的方法，包括以下步骤：a)建立初始目标物样本模型数据库和初始目标物环境样本模型数据库；b)从初始目标物样本模型数据库中随机抽取至少一个初始目标物样本模型，从初始目标物环境样本模型数据库中随机抽取至少一个初始目标物环境样本模型；c)将所提取的所述初始目标物样本模型与所提取的所述初始目标物环境样本模型结合；d)调整所述初始目标物环境样本模型参数，包括：d1)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的亮度参数；d2)针对所抽取的初始目标物样本模型，调整所述初始目标物环境样本模型的气象参数；e)调整所述初始目标物样本模型参数，包括：e1)针对所抽取的初始目标物环境样本模型,调整所述初始目标物样本模型的表面积物参数；e2)针对所抽取的初始目标物环境样本模型，调整所述初始目标物样本模型的空间位置参数；f)针对所抽取的初始目标物样本模型和初始目标物环境样本模型设置模拟相机的视野范围参数、分辨率参数、畸变参数；g)渲染形成图像，计算2D边界框，计算3D边界框；h)形成并输出目标物样本。2.根据权利要求1所述的基于CG生成样本的方法，其特征在于，所述目标物包括运动目标物和静止目标物；所述运动目标物包括：人、动物、车辆、泥石流、洪水、滚动的石块等；所述静止目标物包括：房屋、树木、栅栏、交通标志物、交通设施、高速路收费站等；所述目标物环境为所述目标物所处环境，包括：城市、建筑物、高速路、城市道路、隧道、桥梁道路、山路、室内、旷野、森林、太阳光、人造光、雨雪天气、沙尘天气、目标物表面积物等。3.根据权利要求1所述的基于CG生成样本的方法，其特征在于，所述亮度参数包括白天和夜晚。4.根据权利要求3所述的基于CG生成样本的方法，其特征在于，当所述亮度参数为白天时，调整太阳光...

【专利技术属性】
技术研发人员：胡振程，董延超，王艳明，
申请(专利权)人：上海为森车载传感技术有限公司，
类型：发明
国别省市：上海,31