一种模拟采集获取移动图像的方法及应用技术

本发明专利技术公开了一种模拟采集获取移动图像的方法及应用，包括如下步骤：工控机中内置三维建模软件，进行目标场景的三维建模；安装ISET软件，获取三维建模中的目标场景的虚拟图片；基于实验装置，启动显示屏幕，开启照明射灯，调节亮度；运行ISET软件，生成并显示目标场景的虚拟图片训练集；采集相机实时采集显示屏幕上显示的目标场景的训练集虚拟图片；对图像训练集进行ELM自适应拟合优化；基于优化后的训练集，完成深度学习算法的训练；基于测试集，对训练后的深度学习算法进行测试，以此验证试训练集以及ELM自适应拟合优化算法，通过对比可以看到，消除传感数据偏差后，验证错误得到显著的降低。

【技术实现步骤摘要】
一种模拟采集获取移动图像的方法及应用
本专利技术涉及数据采集相关
，具体涉及一种模拟采集获取移动图像的方法及应用。
技术介绍
基于深度神经网络的计算机视觉算法的有效性对数据集非常依赖，在常规的机器学习或者深度学习中，往往假设测试集和训练集分布一致，在训练集上训练模型，然后在测试集上测试，测试集也就是真实工况数据集的样本，用来检验完成训练的算法在目标真实工况中是否可以正常且稳定的工作。如果在实际问题中，训练集的质量不高，则会和测试集有很大差异，这时候会出现过拟合的问题：模型在测试集上效果不理想。这里训练集和测试集的异同主要体现在两个部分：第一个部分是数据集的内容、数量，这里实际采集的训练集虽然内容没有问题，但是样本数量过少，因为实际采集数据、处理数据、筛选图像、人工标注会非常费时费力，三五个人的小团队无法完成大规模的实际采集工作，虚拟网络数据集的内容针对性较差，内容质量不高。第二个部分是数据集的采集方式，体现在实际中也就是传感方式，不同的相机参数(位置、角度、光圈、焦距、采集帧率、景深等等)对数据采集有较大影响，训练集和测试集,如果是通过不同传感方式采集得到的，两个数据集间就会存在偏差问题，反映到实际工况下，会产生过拟合的问题，导致验证错误变大。为保证训练数据集和测试数据集可以消除传感偏差，算法训练中选择使用和测试与实际工作相同的传感器，设定相同的光圈、位置、角度等参数。基于上述问题，提出本专利技术的一种实时采集ISET虚拟图片数据的实验装置、应用和模拟方法。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供了一种模拟采集获取移动图像的方法及应用。为了实现上述目的，本专利技术提供了以下的技术方案：一种模拟采集获取移动图像的方法，其特征在于：包括如下步骤：(11)、工控机中内置三维建模软件，进行目标场景的三维建模；(12)、对工控机安装ISET软件，获取三维建模中的目标场景的虚拟图片；(13)、基于实验装置，启动显示屏幕，开启照明射灯，调节亮度；(14)、运行ISET软件，生成并显示目标场景的虚拟图片；(15)、采集相机实时采集显示屏幕上显示的目标场景的虚拟图片；(16)、完成目标数量的虚拟图片数据集采集后，形成图像训练集；(17)、对图像训练集进行ELM自适应拟合优化；(18)、基于优化后的图像训练集，进行深度学习算法的训练。作为上述方案的进一步优化，深度学习算法训练工作台为内置基于深度神经网络开发计算机视觉算法的训练工作台。作为上述方案的进一步优化，ELM自适应拟合优化的目标函数为：式中Ls(β)代表源域训练差，Ls(β,W)为目标域训练误差，此项中，W乘以β代表是目标域分类器参数向源域的迁移过程，R(β)为正则项，C1,C2为惩罚系数。作为上述方案的进一步优化，(19)、基于真实工况测试集，运行基于训练集训练后的深度学习算法，验证训练集和优化算法的有效性。作为上述方案的进一步优化，所述实验装置包括：采集箱体(1)；以及位于采集箱体(1)内的采集机构、联动机构和随动照射结构；所述采集箱体(1)内设有采集空腔(2)，采集空腔(2)的一侧设有显示屏幕(3)；所述采集机构对显示屏幕(3)上的虚拟图像进行实时采集，且采集机构带动联动机构移动，所述联动机构的移动改变所述随动照射结构的照射范围，使所述随动照射结构对采集机构产生实时有效的照射。作为上述方案的进一步优化，所述采集机构为采集相机(5)，所述采集相机(5)的左右两侧均固定连接一个延伸柱(6)，延伸柱(6)的一端插入第一长条(4)正面的滑槽内，所述第一长条(4)的背面与采集空腔(2)侧壁的中部固定连接。作为上述方案的进一步优化，所述采集相机(5)的采集端朝向显示屏幕(3)的中心处，采集相机(5)的固定端与活动杆(8)的一端固定连接，所述活动杆(8)的另一端贯穿第一导向块(9)中部的圆孔并延伸至采集箱体(1)的外侧，且活动杆(8)的另一端通过铰接座连接推杆(10)的一端，所述推杆(10)通过活动杆(8)带动所述采集相机(5)相对于显示屏幕(3)产生前后方向的移动。作为上述方案的进一步优化，所述第一导向块(9)的中部位于采集箱体(1)侧壁的横向滑道(21)内，且第一导向块(9)中部的上下侧分别通过一个燕尾滑块嵌接在横向滑道(21)顶底两面的燕尾滑槽内，所述导向块(9)带动所述采集相机(5)相对于显示屏幕(3)产生左右方向的移动。作为上述方案的进一步优化，所述随动照射结构为两根照明射管(7)，两根照明射管(7)分别固定安装在一个第二长条(41)的正面内，两根所述第二长条(41)的背面分别与采集空腔(2)两侧内壁的上部固定连接。作为上述方案的进一步优化，所述联动机构包括与第二长条(41)正面贴合的第二导向块(11)，所述第二导向块(11)的侧面截面为C形结构，第二导向块(11)的下端通过固定机构与采集相机(5)的上端连接，所述第二导向块(11)的一侧与遮光条(15)的一端固定连接，遮光条(15)的另一端缠绕设置在圈筒的外侧，所述圈筒的上下两端分别通过一个转轴与支板(16)的一端固定连接，所述支板(16)的另一端与采集空腔(2)的内壁固定连接。本专利技术还公开了基于权利要求1-9任一所述的一种模拟采集获取移动图像的方法的应用：所述一种模拟采集获取移动图像的方法在模拟采集获取移动图像用于训练模拟中的应用。本专利技术采用上述技术方案，与现有技术相比，本专利技术的一种模拟采集获取移动图像的方法及应用。具有以下有益效果：1、本专利技术的实验装置，结构简单，便于调节图像采集传感器的位置，用以适应显示屏的位置，可采集优化数据。2、过本专利技术是生成高质量的训练集数据，训练集是基于ISET，通过相机在环试验台，并应用ELM自适应拟合优化算法处理后，得以生成的。此训练集训练后的深度学习算法，可以经过真实数据得到的测试集的测试，以证明有效。3、为保证训练数据集和测试数据集消除传感偏差，算法训练中选择使用和测试与实际工作相同的传感器，设定相同的光圈、位置、角度等参数。本专利技术的实验装置、应用和模拟方法，工控机中内置三维建模软件，进行目标场景的三维建模；安装ISET软件，获取三维建模中的目标场景的虚拟图片；基于实验装置，启动显示屏，开启照明射灯，调节亮度；运行ISET软件，生成并显示目标场景的虚拟图片；图像采集传感器实时采集显示屏上显示的目标场景的虚拟图片；通过对比可以看到，消除传感数据偏差后，验证错误得到显著的降低。4、本专利技术的实验装置，模拟采集获取移动图像的方法，通过基于三维建模软件blender建立目标三维场景，应用ISET软件完成虚拟图像数据集的生成，基于虚拟图像数据集来进行算法训练。基于blender建立三维场景，因为目标场景是已知的，可以建立高质量的三维场景，完全模拟真实场景，ISET是针对深度神经网络算法开发虚拟相机模型，生成的虚拟图像非常好的适用于深度学习算法的训练和测试，通过此方法生成的虚拟图像质量较高。5、本专利技术的实验装置，模拟采集获取移动图像的方法，通过以上方法进行虚拟数据集的生成，一方面场景模型和图像渲染是完全可控的，并且生成图像质量较高，这样就克服了传统方法中基于开源数据集的，质量参差不急、场景针对性不强的缺点；另一方面，从三维建模到图像渲染，是完全自下而上的工作，可以自动生本文档来自技高网...

【技术保护点】
1.一种模拟采集获取移动图像的方法，其特征在于：包括如下步骤：(11)、工控机中内置三维建模软件，进行目标场景的三维建模；(12)、对工控机安装ISET软件，获取三维建模中的目标场景的虚拟图片；(13)、基于实验装置，启动显示屏幕，开启照明射灯，调节亮度；(14)、运行ISET软件，生成并显示目标场景的虚拟图片；(15)、采集相机实时采集显示屏幕上显示的目标场景的虚拟图片；(16)、完成目标数量的虚拟图片数据集采集后，形成图像训练集；(17)、对图像训练集进行ELM自适应拟合优化；(18)、基于优化后的图像训练集，进行深度学习算法的训练。

【技术特征摘要】
1.一种模拟采集获取移动图像的方法，其特征在于：包括如下步骤：(11)、工控机中内置三维建模软件，进行目标场景的三维建模；(12)、对工控机安装ISET软件，获取三维建模中的目标场景的虚拟图片；(13)、基于实验装置，启动显示屏幕，开启照明射灯，调节亮度；(14)、运行ISET软件，生成并显示目标场景的虚拟图片；(15)、采集相机实时采集显示屏幕上显示的目标场景的虚拟图片；(16)、完成目标数量的虚拟图片数据集采集后，形成图像训练集；(17)、对图像训练集进行ELM自适应拟合优化；(18)、基于优化后的图像训练集，进行深度学习算法的训练。2.根据权利要求1所述的一种模拟采集获取移动图像的方法，其特征在于：深度学习算法训练工作台为内置基于深度神经网络开发计算机视觉算法的训练工作台。3.根据权利要求1所述的一种模拟采集获取移动图像的方法，其特征在于：ELM自适应拟合优化的目标函数为：式中Ls(β)代表源域训练差，Ls(β,W)为目标域训练误差，此项中，W乘以β代表是目标域分类器参数向源域的迁移过程，R(β)为正则项，C1,C2为惩罚系数。4.根据权利要求1所述的一种模拟采集获取移动图像的方法，其特征在于，还包括：(19)、基于真实工况测试集，运行基于训练集训练后的深度学习算法，验证训练集和优化算法的有效性。5.根据权利要求1所述的一种模拟采集获取移动图像的方法，其特征在于：所述实验装置包括：采集箱体(1)；以及位于采集箱体(1)内的采集机构、联动机构和随动照射结构；所述采集箱体(1)内设有采集空腔(2)，采集空腔(2)的一侧设有显示屏幕(3)；所述采集机构对显示屏幕(3)上的虚拟图像进行实时采集，且采集机构带动联动机构移动，所述联动机构的...

【专利技术属性】
技术研发人员：张栋，布莱恩·万德尔，吴坚，孙博华，何睿，林泽，许文超，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22