一种车位训练样本生成方法技术

本发明专利技术提供一种车位训练样本生成方法，包括：步骤1、按照第一预设规则制作带标注信息的单边T型车位线；步骤2、根据第二预设规则旋转所述初始单边T型车位线的长边，形成不同朝向和角度的单边斜T车位线；步骤3、将所述单边斜T车位线根据第三预设规则在所述黑色底图上组合生成第二预设数量的斜T车位，得到前景车位图片；步骤4、将所述前景车位图片与背景图片合成，生成车位训练样本。本发明专利技术实现了车位训练样本的自动生成，提高了深度学习的训练效果。提高了深度学习的训练效果。提高了深度学习的训练效果。

【技术实现步骤摘要】
一种车位训练样本生成方法


[0001]本专利技术涉及机器学习
，尤其涉及一种车位训练样本生成方法。

技术介绍

[0002]目前，深度学习方法在停车位识别技术中已有广泛的应用，取得了良好的效果。深度学习网络能自动发现数据中隐藏的特征，但必须利用大量的数据进行训练；深度学习网络越复杂，数据的作用也越突出。为确保模型的识别精度与泛化能力，对标注数据的需求量一般在数十万甚至数百万的量级。
[0003]在现有技术中，车位训练数据仍然是通过实车实地采集原始数据。在采集原始数据时，需要考虑天气、场地、车位类型等诸多不同因素，还要确保一定的采集数量，而且针对一些不常见的车位类型，如实线斜T车位，难以在不同场地中找到实际的对象，也就无法满足对场景多样性和数据数量的要求。而且，采集的原始数据需在初步处理图像后由人工按照特定规则标识出图片中的车位。在面对百万级数据量时，无论是采集还是标注，都需要花费大量的时间、人力和物力成本，且无法应对标注需求变化的情况。

技术实现思路

[0004]本专利技术提供一种车位训练样本生成方法，旨在解决现有技术中的缺陷，实现车位训练样本的自动生成，提高深度学习的训练效果。
[0005]为达到上述目的，本专利技术所采取的技术方案为：本专利技术提供一种车位训练样本生成方法，包括：步骤1、按照第一预设规则制作带标注信息的单边T型车位线。
[0006]步骤2、根据第二预设规则旋转所述初始单边T型车位线的长边，形成不同朝向和角度的单边斜T车位线；步骤3、将所述单边斜T车位线根据第三预设规则在所述黑色底图上组合生成第二预设数量的斜T车位，得到前景车位图片；步骤4、将所述前景车位图片与背景图片合成，生成车位训练样本。
[0007]具体地，所述步骤1包括：步骤101、读取原始T型车位图片，并从所述原始T型车位图片中提取T型车位的长边及短边；步骤102、在一黑色底图上将所述长短边重新组合成初始单边T型车位线，所述初始单边T型车位线的长边与所述黑色底图的边缘相交；步骤103、以所述黑色底图左上角为原点，向下为纵轴正方向，往右为横轴正方向建立图片坐标系；步骤104、利用标注工具在所述初始单边T型车位线上确定第一预设数量的车位线标注点信息。
[0008]具体地，所述标注信息保存为json文件。
[0009]具体地，所述步骤2包括：将所述初始单边T型车位线的长边绕第一交点点顺时针分别旋转预设角度，再将所述初始单边T型车位线的短边平移，使所述短边的中点与所述长边的原端点重合，生成斜向下单边斜T车位线；将所述初始单边T型车位线的长边绕第二交点逆时针分别旋转预设角度，再将所述初始单边T型车位线的短边平移，使所述短边的中点与所述长边的原端点重合，生成斜向上单边斜T车位线。
[0010]具体地，所述步骤3包括：步骤301、设置所述单边斜T车位线的纵向坐标的范围；步骤302、设置所述斜T车位斜边的长度范围、宽度范围；步骤303、设置所述斜T车位的排列模式、复制模式；步骤304、以随机方式确定车位生成初始参数，读取所述排列模式、复制模式，计算最大车位数，并根据所述最大车位数确定所述第二预设数量，所述车位生成初始参数包括单边斜T车位线的纵向坐标、所述斜T车位斜边的长度、宽度；步骤305、根据第三预设规则生成生成第二预设数量的斜T车位，得到前景车位图片；步骤306、计算每个所述斜T车位两条长边的标注点坐标并组合，作为所述所述斜T车位的标注点信息保存。
[0011]具体地，所述步骤301包括：若所述单边斜T车位线为斜向上单边斜T车位线，则将所述单边斜T车位线长边与短边的交点确定为所述单边斜T车位线的纵向坐标；若所述单边斜T车位线为斜向下单边斜T车位线，则将所述单边斜T车位线长边与所述黑色底图边缘的交点确定为所述单边斜T车位线的纵向坐标。
[0012]具体地，所述步骤305包括：步骤305a、根据所述单边斜T车位线的纵向坐标，在纵轴方向上将所述单边斜T车位线平移复制到预设位置；步骤305b、将所述斜T车位斜边的长度，与所述初始单边T型车位线的长边长度作差，确定所述单边斜T车位线在横轴方向上的平移量；步骤305c、根据所述斜T车位斜边的宽度、所述单边斜T车位线的角度，根据预设公式确定所述单边斜T车位线在纵轴方向上复制平移的距离。
[0013]具体地，所述预设公式为：其中，offsetd表示复制平移的距离，d表示所述斜T车位斜边的宽度，θ表示所述单边斜T车位线的角度。
[0014]具体地，所述步骤4包括：用所述前景车位图片中的车位线位置的像素值替换所述背景图片中对应位置的像素值。
[0015]具体地，所述黑色底图的尺寸为640
×
640像素，所述初始单边T型车位线的长边长度为300个像素，短边长度为254个像素。
[0016]本专利技术的有益效果在于：本专利技术通过提高制作带标注信息的单边T型车位线，进而形成不同朝向和角度的单边斜T车位线，并将所述单边斜T车位线根据在黑色底图上组合生成斜T车位，得到前景车位图片，然后将所述前景车位图片与背景图片合成，生成车位训练样本，从而实现最终的车位训练样本只取决于背景图片的数量，并省去了大量人工标注操作，实现了车位训练样本的自动生成，提高了深度学习的训练效果。
附图说明
[0017]图1是本专利技术的车位训练样本生成方法的流程示意图；图2是本专利技术的单边T型车位线示意图；图3是本专利技术的单边斜T车位线示意图；图4是本专利技术的斜T车位示意图；图5是本专利技术的车位训练样本示意图。
具体实施方式
[0018]下面结合附图具体阐明本专利技术的实施方式，附图仅供参考和说明使用，不构成对本专利技术专利保护范围的限制。
[0019]在本专利技术的说明书、权利要求书或附图中描述的流程中，包含各个步骤的序号（如步骤10、20等），所述序号仅用于区分开各个步骤，所述序号本身不代表任何的执行顺序。需要说明的是，本文中的“第一”、“第二”等描述，仅用于区分描述对象等，不代表先后顺序，也不表示“第一”、“第二”等是不同的类型。
[0020]如图1所示，本实施例提供一种车位训练样本生成方法，包括：步骤1、按照第一预设规则制作带标注信息的单边T型车位线。
[0021]在本实施例中，所述步骤1包括：步骤101、读取原始T型车位图片，并从所述原始T型车位图片中提取T型车位的长边及短边。
[0022]步骤102、在一黑色底图上将所述长短边重新组合成初始单边T型车位线，所述初始单边T型车位线的长边与所述黑色底图的边缘相交。
[0023]如图2所示，在本实施例中，所述黑色底图的尺寸为640
×
640像素，单个像素代表实际长度2 cm；其中，所述初始单边T型车位线的长边长度为300个像素，短边长度为254个像素。
[0024]步骤103、以所述黑色底图左上角为原点，向下为纵轴正方向，往右为横轴正方向建立图片坐标系。
[0025]步骤104、利用标注工具在所述初始单边T型车位线上确定第一预设数量的车位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车位训练样本生成方法，其特征在于，包括：步骤1、按照第一预设规则制作带标注信息的单边T型车位线；步骤2、根据第二预设规则旋转所述初始单边T型车位线的长边，形成不同朝向和角度的单边斜T车位线；步骤3、将所述单边斜T车位线根据第三预设规则在所述黑色底图上组合生成第二预设数量的斜T车位，得到前景车位图片；步骤4、将所述前景车位图片与背景图片合成，生成车位训练样本。2.根据权利要求1所述的车位训练样本生成方法，其特征在于，所述步骤1包括：步骤101、读取原始T型车位图片，并从所述原始T型车位图片中提取T型车位的长边及短边；步骤102、在一黑色底图上将所述长短边重新组合成初始单边T型车位线，所述初始单边T型车位线的长边与所述黑色底图的边缘相交；步骤103、以所述黑色底图左上角为原点，向下为纵轴正方向，往右为横轴正方向建立图片坐标系；步骤104、利用标注工具在所述初始单边T型车位线上确定第一预设数量的车位线标注点信息。3.根据权利要求2所述的车位训练样本生成方法，其特征在于，所述标注信息保存为json文件。4.根据权利要求1所述的车位训练样本生成方法，其特征在于，所述步骤2包括：将所述初始单边T型车位线的长边绕第一交点点顺时针分别旋转预设角度，再将所述初始单边T型车位线的短边平移，使所述短边的中点与所述长边的原端点重合，生成斜向下单边斜T车位线；将所述初始单边T型车位线的长边绕第二交点逆时针分别旋转预设角度，再将所述初始单边T型车位线的短边平移，使所述短边的中点与所述长边的原端点重合，生成斜向上单边斜T车位线。5.根据权利要求1所述的车位训练样本生成方法，其特征在于，所述步骤3包括：步骤301、设置所述单边斜T车位线的纵向坐标的范围；步骤302、设置所述斜T车位斜边的长度范围、宽度范围；步骤303、设置所述斜T车位的排列模式、复制模式；步骤304、以随机方式确定车位生成初始参数，读取所述排列模式、复制模式，计...

【专利技术属性】
技术研发人员：刘振，
申请(专利权)人：惠州华阳通用电子有限公司，
类型：发明
国别省市：