【技术实现步骤摘要】
图像标注方法、装置、系统及主机
本专利技术涉及图像处理
，尤其是涉及一种图像标注方法、装置、系统及主机。
技术介绍
目前，深度学习算法已经被广泛应用于工业零部件的缺陷检测中，诸如用于检测金属零件的划痕等缺陷。一般来说，往往需要训练一个神经网络以检测零部件缺陷。在神经网络的训练过程中，标注有缺陷的零部件图像作为训练数据，其数量和标注质量直接影响神经网络的检测效果。现阶段图像的标注方式主要依赖人工，即需要人工对每一张待标注的零部件图像进行标注，该依赖人工的单张图像的标注方式消耗了较大的标注成本，降低了数据的标注效率；并且每张图像标注数据的质量难以确保统一，从而进一步地对检测效果产生了负面影响。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种图像标注方法、装置、系统及主机，能够有效提高标注效率，降低标注成本，对标注结果的质量能够较好地统一，从而有助于提升零件的缺陷检测效果。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种图像标注方法，...
【技术保护点】
1.一种图像标注方法，其特征在于，所述方法由主机执行，所述主机与第一相机相连，所述方法包括：/n通过所述第一相机获取目标对象的不同角度的多张待标注的二维图像；/n根据所述目标对象的三维模型和所述第一相机之间的位姿变换关系，计算所述目标对象的三维模型对应于各个所述二维图像的位姿参数；其中，所述三维模型为所述目标对象建模时的模型或者为基于所述目标对象的三维点云数据构建的模型；/n获取所述三维模型的缺陷标注信息；/n根据所述三维模型对应于各个所述二维图像的位姿参数，将所述三维模型的缺陷标注信息投影至所述二维图像上，得到所述二维图像的标注结果。/n
【技术特征摘要】
1.一种图像标注方法，其特征在于，所述方法由主机执行，所述主机与第一相机相连，所述方法包括：
通过所述第一相机获取目标对象的不同角度的多张待标注的二维图像；
根据所述目标对象的三维模型和所述第一相机之间的位姿变换关系，计算所述目标对象的三维模型对应于各个所述二维图像的位姿参数；其中，所述三维模型为所述目标对象建模时的模型或者为基于所述目标对象的三维点云数据构建的模型；
获取所述三维模型的缺陷标注信息；
根据所述三维模型对应于各个所述二维图像的位姿参数，将所述三维模型的缺陷标注信息投影至所述二维图像上，得到所述二维图像的标注结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的三维模型和所述第一相机之间的位姿变换关系，计算所述目标对象的三维模型对应于各个所述二维图像的位姿参数的步骤，包括：
根据所述目标对象的三维模型和所述第一相机之间的位姿变换关系、所述第一相机与所述二维图像之间的投影透射关系，确定所述三维模型对应于各个所述二维图像的位姿参数。
3.根据权利要求1所述的方法，其特征在于，所述第一相机设置于机械臂的末端；所述主机还连接有第二相机，所述第二相机用于获取所述目标对象的三维点云数据，且所述第二相机为深度相机；
所述目标对象的三维模型和所述第一相机之间的位姿变换关系为预先通过以下方式确定的：
采用棋盘格标定法获取棋盘格角点分别在第一相机坐标系、世界坐标系和第二相机坐标系下的位姿参数；
基于机械臂坐标系与世界坐标系之间预设的第一位姿变换关系以及所述棋盘格角点在所述第一相机坐标系和所述世界坐标系下的位姿参数，标定所述第一相机坐标系和所述机械臂坐标系之间的第二位姿变换关系；
根据所述棋盘格角点在所述第一相机坐标系、所述第二相机坐标系下的位姿参数，标定所述第一相机坐标系和所述第二相机坐标系之间的第三位姿变换关系；
根据所述棋盘格角点在所述第二相机坐标系、所述世界坐标系下的位姿参数，标定所述第二相机坐标系和所述世界坐标系之间的第四位姿变换关系；
基于所述第一位姿变换关系、所述第二位姿变换关系、所述第三位姿变换关系和所述第四位姿变换关系中的至少一种，确定所述目标对象的三维模型和所述第一相机之间的位姿变换关系。
4.根据权利要求3所述的方法，其特征在于，
如果所述三维模型为所述目标对象建模时的模型，所述三维模型和所述第一相机之间的位姿变换关系为基于所述三维模型在世界坐标系下的位姿参数、所述第一位姿变换关系和所述第二位姿变换关系确定的，或者为基于所述三维模型在世界坐标系下的位姿参数、所述第三位姿变换关系和所述第四位姿变换关系确定的。
5.根据权利要求3所述的方法，其特征在于，
如果所述三维模型为基于所述目标对象的三维点云数据构建的模型，所...
【专利技术属性】
技术研发人员：王昌龙，付兴银，皮若言，孙斯瑾，李广，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。