一种基于辐射场和生成对抗网络的数据生成方法及装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，特别是指一种基于辐射场和生成对抗网络的数据生成方法及装置，一种基于辐射场和生成对抗网络的数据生成方法包括：对车辆事故场景进行数据采集，获得训练数据集；基于生成对抗网络和辐射场网络建立模型，获得数据生成训练模型；根据训练数据集、数据生成训练模型和随机五种噪声进行训练，获得数据生成模型；输入随机五种噪声，通过数据生成模型，获得自动驾驶测试图片。本发明专利技术提供了一种具备三维一致性的可控高质量数据的生成方法。据的生成方法。据的生成方法。

【技术实现步骤摘要】
一种基于辐射场和生成对抗网络的数据生成方法及装置


[0001]本专利技术涉及图像处理
，特别是指一种基于辐射场和生成对抗网络的数据生成方法及装置。

技术介绍

[0002]随着汽车智能化和高级辅助驾驶技术的快速发展，自动驾驶作为辅助驾驶技术的高级阶段，俨然成为未来解决交通出行的重要方式，已成为全球范围内的一个新的技术研究热点。而由于实地场景路测要求极高且可能开销与风险大，对于自动驾驶的算法训练与验证，常常需要通过采用仿真环境以及虚拟生成的数据来检验自动驾驶算法和系统的功能鲁棒性和泛化性。
[0003]自动驾驶技术主要依靠三维空间中获取到的雷达、点云信息作为决策依据，而目前学术界更成熟的技术是二维图像的生成，即通过GAN或者VAE等方法生成更逼真细节更好的图像。受益于自然语言处理大模型的发展，输入文字生成二维图像的程式流程也日趋成熟。不过对于具有三维感知能力的图像生成，自2020年NeRF的工作以来才逐渐发展起来，到目前为止在三维感知生成的质量上已有了极大的提升。然而目前的三维感知图像数据生成的相关工作与技术仍未能达到成熟可用的阶段，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于辐射场和生成对抗网络的数据生成方法，其特征在于，所述方法包括：对车辆事故场景进行数据采集，获得训练数据集；基于生成对抗网络和辐射场网络建立模型，获得数据生成训练模型；根据所述训练数据集、所述数据生成训练模型和随机五种噪声进行训练，获得数据生成模型；输入随机五种噪声，通过所述数据生成模型，获得自动驾驶测试图片。2.根据权利要求1所述的一种基于辐射场和生成对抗网络的数据生成方法，其特征在于，所述对车辆事故场景进行数据采集，获得训练数据集，包括：通过人工采集的方式，采集1000张车辆事故场景构建事故数据集；建立训练集数据模型；根据所述事故数据集对所述训练集数据模型进行训练，获得可以生成真实的事故场景边角案例的事故数据训练集模型；输入随机五种噪声，通过所述事故数据训练集模型，获得训练数据集。3.根据权利要求1所述的一种基于辐射场和生成对抗网络的数据生成方法，其特征在于，所述数据生成训练模型包括生成器和两种判别器。4.根据权利要求3所述的一种基于辐射场和生成对抗网络的数据生成方法，其特征在于，所述生成器由神经辐射场模块和生成器模块构成；所述神经辐射场模块对物体进行隐式建模，合成数据的特征图；所述生成器模块包含风格调制模块、生成上采样模块和RGB转换模块；所述风格调制模块对生成数据进行风格化卷积；所述生成上采样模块对生成数据进行分辨率增强；所述RGB转换模块将生成数据的特征图转换为RGB图像。5.根据权利要求3所述的一种基于辐射场和生成对抗网络的数据生成方法，其特征在于，所述两种判别器包括第一种判别器以及第二种判别器；所述第一种判别器由判别器模块构成；所述判别器模块包含第一卷积模块和判别下采样模块；所述第二种判别器基于第二卷积模块和判别上采样模块，将各个尺度的图像特征整合为相同尺寸的图像特征；所述两种判别器根据输入判别器的数据尺寸，选择所述两种判别器的其中一种判别器进行使用；所述两种判别器根据输入判别器的数据尺寸进行适应性的尺度调整。6.根据权利要求1所述的一种基于辐射场和生成对抗网络的数据生成方法，其特征在于，所述基于生成对抗...

【专利技术属性】
技术研发人员：马惠敏，于淏辰，公维熙，胡天宇，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：