计算机可读介质、训练对象检测算法的方法及训练设备技术

计算机可读介质、训练对象检测算法的方法及训练设备。一种非暂时性计算机可读介质包含使一个或多个处理器执行方法的指令。所述方法包括：(A)在一个或多个存储器中接收与对象相对应的3D模型；以及(B)设置用于检测真实场景中的所述对象的姿态的深度传感器的深度传感器特性数据集。所述方法还包括：(C)基于所述3D模型和所述深度传感器特性数据集，为所述3D模型周围的至少一个视图生成所述3D模型的模糊2.5D表示数据，以基于2.5D表示数据生成用于训练对象检测算法的训练数据，以及(D)将所述训练数据存储在一个或多个存储器中。

Computer readable media, training object detection algorithm and training equipment

【技术实现步骤摘要】
计算机可读介质、训练对象检测算法的方法及训练设备
本公开总体上涉及训练对象检测算法的领域，并且更具体地涉及用于对象检测算法的基于形状的训练的方法和系统。
技术介绍
增强现实(AR)随着计算机技术的进步已变得日益常见。AR的一般定义是捕获真实世界场景并且使用软件来添加人造(虚拟)元素。这可增强用户对真实世界的感知或者向用户提供娱乐。对象跟踪被用在许多AR实现中。在对象跟踪中，真实世界对象被人造对象(诸如计算机图形增强或信息泡(如由用户所感知的))“跟随”。换句话说，如果真实世界对象移动或者用户的视图相对于真实世界对象移动，则人造对象将相对于真实世界对象保持在相同位置并且/或者将基于真实世界对象的移动和/或新位置来确定人造对象的内容。位置跟踪也被用于许多AR实现中。在位置跟踪中，不管用户的移动如何，虚拟对象都将停留在场景中的一个位置。用于实现AR的一个平台是智能电话。在相同装置上存在摄像头、显示装置和处理器允许软件容易地将人造元素添加到由摄像头捕获的实况场景。此外，这些装置上的运动传感器和定位器(例如加速度计和GPS)的存在由软件利用来更好地实现AR。尽管智能电话提供了用于实现AR的简单本文档来自技高网...

【技术保护点】
1.一种包含指令的非暂时性计算机可读介质，所述指令当由一个或多个处理器执行时，使处理器执行包括以下步骤的方法：(A)在一个或多个存储器中接收与对象相对应的3D模型；(B)设置用于检测真实场景中的所述对象的姿态的深度传感器的深度传感器特性数据集；(C)基于所述3D模型和所述深度传感器特性数据集，为所述3D模型周围的至少一个视图生成所述3D模型的模糊2.5D表示数据，以基于所述模糊2.5D表示数据生成用于训练对象检测算法的训练数据；以及(D)将所述训练数据存储在一个或多个存储器中。

【技术特征摘要】
2018.04.12 US 15/951,8401.一种包含指令的非暂时性计算机可读介质，所述指令当由一个或多个处理器执行时，使处理器执行包括以下步骤的方法：(A)在一个或多个存储器中接收与对象相对应的3D模型；(B)设置用于检测真实场景中的所述对象的姿态的深度传感器的深度传感器特性数据集；(C)基于所述3D模型和所述深度传感器特性数据集，为所述3D模型周围的至少一个视图生成所述3D模型的模糊2.5D表示数据，以基于所述模糊2.5D表示数据生成用于训练对象检测算法的训练数据；以及(D)将所述训练数据存储在一个或多个存储器中。2.根据权利要求1所述的非暂时性计算机可读介质，其中，生成所述3D模型的模糊2.5D表示数据的步骤(C)包括：基于所述深度传感器特性数据集使所述3D模型模糊；以及为所述3D模型周围的至少一个视图提取所述模糊3D模型的2.5D表示数据，以生成所述模糊2.5D表示数据。3.根据权利要求1所述的非暂时性计算机可读介质，其中，生成所述3D模型的模糊2.5D表示数据的步骤(C)包括：为所述3D模型周围的至少一个视图提取所述3D模型的2.5D表示数据；基于所述深度传感器特性数据集使所提取的所述3D模型的2.5D表示数据模糊，以生成所述模糊2.5D表示数据。4.根据权利要求1所述的非暂时性计算机可读介质，其中，所述方法还包括：识别所述3D模型的所述模糊2.5D表示数据的至少一个边缘和/或至少一个表面特征；存储所识别的至少一个边缘和/或至少一个表面特征作为所述训练数据的至少一部分。5.根据权利要求1所述的非暂时性计算机可读介质，其中，设置深度传感器特性数据集的步骤(B)包括：接收识别具有所述深度传感器的对象检测装置的信息；至少部分地基于识别所述对象检测装置的所述信息，从存储在一个或多个存储器中的多个深度传感器特性数据集中获取所述深度传感器特性数据集，其中，所述多个深度传感器特性数据集中的每个深度传感器特性数据集在所述一个或多个存储器中与多个不同的对象检测装置中的至少一个对象检测装置相关联。6.根据权利要求1所述的非暂时性计算机可读介质，其中，设置深度传感器特性数据集的步骤(B)包括：当具有所述深度传感器的对象检测装置变得能够由所述一个或多个处理器通过数据连接访问时，通过所述数据连接来从该对象检测装置获取所述深度传感器特性数据集。7.根据权利要求1所述的非暂时性计算机可读介质，其中，生成所述3D模型的模糊2.5D表示数据的步骤(C)包括：基于所述3D模型和所述深度传感器特性数据集，为分布在所述3D模型周围的360度方位角和/或仰角的范围内的视图生成所述模糊3D模型的模糊2.5D表示数据。8.一种用于训练对象检测算法的方法，所述方法包括：(A)在一个或多个存储器中接收与对象相对应的3D模型；(B)设置用于检测真实场景中的所述对象的姿态的深度传感器的深度传感器特性数据集；(C)基于所述3D模型和所述深度传感器特性数据集，为所述3D模型周围的至少一个视图生成所述3D模型的模糊2.5D表示数据，以基于所述模糊2.5D表示数据生成用于训练对象检测算法的训练数据；以及(D)将所述训练数据存储在一个或多个存储器中。9.根据权利要求8所述的方法，其中，生成所述3D模型的模糊2.5D表示数据的步骤(C)包括：基于所述深度传感器特性数据集使所述3D模型模糊；以及为所述3D模型周围的至少一个视图提取所述模糊3D模型的2.5D表示数据，以生成所述模糊2.5D表示数据。10.根据权利要求8所述的方法，其中，生成所述3D模型的模糊2.5D表示数据的步骤(C)包括：为所述3D模型周围的至少一个视图提取所述3D模型的2.5D表示数据；基于所述深度传感器特性数据集使所提取的所述3D模型的2.5D...

【专利技术属性】
技术研发人员：M·T·艾哈迈德，D·慕克吉，王洁，
申请(专利权)人：精工爱普生株式会社，
类型：发明
国别省市：日本,JP