一种箭头图片数据增广方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种箭头图片数据增广方法，方法包括：基于目标相机的内参、外参和预设逆透视变换参数，得到目标相机的水平单应矩阵和视野变换矩阵；基于水平单应矩阵和视野变换矩阵得到透视变换矩阵和逆透视变换矩阵，根据透视变换矩阵将第一前视图变换为鸟瞰图；根据多个类型箭头的长宽比特性，将鸟瞰图中的箭头类型进行类型变换；基于逆透视变换矩阵，将类型变换后的鸟瞰图还变换为第二前视图。本发明专利技术通过将前视图变换为鸟瞰图，然后再鸟瞰图中对图片中的多个类型的箭头进行变换，再基于变换后的鸟瞰图转变为前视图，从而使得在对前视图进行局部变换时，使得变换符合前视图片成像规律，进而通过局部图像变换的方式，提高深度学习模型的泛化能力。型的泛化能力。型的泛化能力。

【技术实现步骤摘要】
一种箭头图片数据增广方法、系统、电子设备及存储介质


[0001]本专利技术涉及数据增广
，更具体地，涉及一种箭头图片数据增广方法、系统、电子设备及存储介质。

技术介绍

[0002]数据增广是深度学习模型训练中常用的技巧之一，其主要用于丰富训练数据集的多样性和保持数据的平衡，使得训练的模型泛化能力更强。目前数据增广方法主要包括：水平/垂直翻转、旋转、缩放、裁剪、剪切，平移、对比度、色彩抖动和噪声等，这些传统的数据增广算法对于深度学习模型性能影响较小，上述传统的数据增广方式都是基于整体图像转换的，从而不能解决修改图像的局部信息来解决小样本问题。因此，如何通过修改图像的局部信息来解决小样本问题是亟待解决的问题。

技术实现思路

[0003]本专利技术针对现有技术中存在的技术问题，提供一种箭头图片数据增广方法、系统、电子设备及存储介质，用以解决如何通过修改图像的局部信息来解决小样本问题的问题。
[0004]根据本专利技术的第一方面，提供了一种箭头图片数据增广方法，包括：
[0005]基于目标相机的内参、外参和预设逆透本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种箭头图片数据增广方法，其特征在于，所述方法包括：基于目标相机的内参、外参和预设逆透视变换参数，得到目标相机的水平单应矩阵和视野变换矩阵；基于所述水平单应矩阵和所述视野变换矩阵得到逆透视变换矩阵和透视矩阵，根据所述透视变换矩阵将第一前视图变换为鸟瞰图；根据多个类型箭头的长宽比特性，将所述鸟瞰图中的箭头类型进行类型变换；基于所述逆透视变换矩阵，将类型变换后的鸟瞰图还变换为第二前视图。2.根据权利要求1所述的箭头图片数据增广方法，其特征在于，所述目标相机的内参至少包括焦距fu、焦距fv、光学中心cu和光学中心cv，所述外参至少包括俯仰角Pitc、偏航角Yaw和相机中心距离地面高度h，所述预设逆透视变换参数至少包括逆透视图像的尺寸、逆透视变换的区域、逆透视图像的尺寸和距离摄像头前向投影的距离。3.根据权利要求1所述的箭头图片数据增广方法，其特征在于，所述根据多个类型箭头的长宽比特性，将所述鸟瞰图中的箭头类型进行类型变换的步骤，包括：获取原始箭头和待替换箭头的长宽比特性，将所述原始箭头进行等比例缩放，使得所述原始箭头的长与所述待替换箭头的长一致，宽度随长度变换；基于K均值提取所述待替换箭头的区域图片的背景平均像素值，将等比缩放后的原始箭头的像素值修改为所述背景平均像素值，并用修改后的原始箭头替换所述待替换箭头，完成箭头类型变换。4.根据权利要求3所述的箭头图片数据增广方法，其特征在于，所述完成箭头类型变换的步骤之后，包括：基于OpenCV中的泊松融合算法对箭头类型变换的区域，进行背景颜色优化。5.根据权利要求4所述的箭头图片数据增广方法，其特征在于，所述基于OpenCV中的泊松融合算法对箭头类型变换的区域，进行背景颜色优化的步骤，包括：将箭头类型变...

【专利技术属性】
技术研发人员：何云，李汉玢，万齐斌，尹玉成，刘奋，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：