基于虚幻引擎仿真数据集的AI视觉模型构建方法及系统技术方案

本发明专利技术提供一种基于虚幻引擎仿真数据集的AI视觉模型构建方法及系统，方法包括：基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集；对所述数据集中的图片中的目标物进行标注，生成标注文件和图片集，构成仿真数据集；将所述仿真数据集作为训练数据集对AI视觉模型进行训练，得到训练后的AI视觉模型；将实车路采数据集作为测试数据集，对训练后的AI视觉模型进行测试验证，得到AI视觉模型。本发明专利技术基于虚幻引擎搭建仿真场景，并输出图片数据集作为训练数据集，训练AI视觉模型，其中，虚幻引擎可仿真各种不同类型的场景，可生成庞大的数据集，克服了实车路采数据集的数据量不足的缺陷。缺陷。缺陷。

【技术实现步骤摘要】
基于虚幻引擎仿真数据集的AI视觉模型构建方法及系统


[0001]本专利技术涉及AI视觉模型仿真领域，更具体地，涉及一种基于虚幻引擎仿真数据集的AI视觉模型构建方法及系统。

技术介绍

[0002]随着chatGPT的火爆，AI技术的魔力再一次受到全球人民的注视和吸引，周边国内外朋友都在传递各种chatGPT的优秀案例，可以说chatGPT用实际行动为AI技术的再一次兴起提供了强有力的一波辅助。
[0003]对于智能驾驶APA技术开发过程，视觉感知作为第一环节，其有效性和准确性对于整个产品的质量保证重要性更是不言而喻。AI视觉感知算法对于障碍物识别和车位识别的开发训练过程中，场景数据集的多样性和体量都是十分巨大的。
[0004]目前实车路采虽然作为主流方案，但是实际上只能满足其中一部分需求，完整的需求中的一部分实车路采基本不可能实现，比如限定场景及时间内的各类天气变化，以及部分需求满足所需要的时间成本巨大。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，提供一种基于虚幻引擎的AI视觉模型构建方法及系统。
[0006]根据本专利技术的第一方面，提供了一种基于虚幻引擎的AI视觉模型构建方法，包括：
[0007]基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集；
[0008]对所述数据集中的图片中的目标物进行标注，生成标注文件和图片集，构成仿真数据集；
[0009]将所述仿真数据集作为训练数据集对AI视觉模型进行训练，得到训练后的AI视觉模型；
[0010]将实车路采数据集作为测试数据集，对训练后的AI视觉模型进行测试验证，得到AI视觉模型。
[0011]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0012]可选的，所述基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集，包括：
[0013]确定仿真数据集的主要内容，所述主要内容包括场景定义、障碍物及车位定义和天气环境；
[0014]基于虚幻引擎搭建仿真场景，并针对仿真场景中关键元素及背景元素进行素材图片精修，并确认每一个素材图片的逼真度。
[0015]可选的，所述仿真场景包括地下车库泊车场景和行车场景。
[0016]可选的，当所述仿真场景为地下车库泊车场景时，所述关键元素和背景元素锥形桶、行人、地锁、限位器、路沿石、水平车位、垂直车位、I型/U型/L型/T型车位、斜向车位、斜
列车位和拼接地砖车位。
[0017]可选的，对所述数据集中的图片中的目标物进行标注，生成标注文件和图片集，构成仿真数据集，包括：
[0018]基于所述数据集输出一张仅包括障碍物或车位存在的二值化图片；
[0019]对包括障碍物和车位的二值化图片进行轮廓视觉识别，标记出最小外接矩形框，将所述最小外接矩形框储存成“鱼眼”或者“IPM图片”和标定“XML”文件。
[0020]可选的，所述将实车路采数据集作为测试数据集，对训练后的AI视觉模型进行测试验证，得到AI视觉模型，包括：
[0021]从所述实车路采数据集中挑选含有目标物的实车采集图片集，所述目标物至少包括锥形桶和车位；
[0022]基于训练后的AI视觉模型含有目标物的实车采集图片集进行识别；
[0023]根据识别结果确定识别率和误检率，基于识别率和误检率调整AI视觉模型的模型参数，直到AI视觉模型的识别率和误检率满足预设条件。
[0024]根据本专利技术的第二方面，提供一种基于虚幻引擎的AI视觉模型构建系统，包括：
[0025]场景搭建模块，用于基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集；
[0026]标准模块，用于对所述数据集中的图片中的目标物进行标注，生成标注文件和图片集，构成仿真数据集；
[0027]训练模块，用于将所述仿真数据集作为训练数据集对AI视觉模型进行训练，得到训练后的AI视觉模型；
[0028]测试验证模块，用于将实车路采数据集作为测试数据集，对训练后的AI视觉模型进行测试验证，得到AI视觉模型。
[0029]根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现基于虚幻引擎的AI视觉模型构建方法的步骤。
[0030]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现基于虚幻引擎的AI视觉模型构建方法的步骤。
[0031]本专利技术提供的一种基于虚幻引擎的AI视觉模型构建方法及系统，基于虚幻引擎搭建仿真场景，并输出图片数据集作为训练数据集，训练AI视觉模型，其中，虚幻引擎可仿真各种不同类型的场景，可生成庞大的数据集，克服了实车路采数据集的数据量不足的缺陷。
附图说明
[0032]图1为本专利技术提供的一种基于虚幻引擎的AI视觉模型构建方法流程图；
[0033]图2为搭建仿真场景并构建AI视觉模型的示意图；
[0034]图3为本专利技术提供的一种基于虚幻引擎的AI视觉模型构建系统的结构示意图；
[0035]图4为本专利技术提供的一种可能的电子设备的硬件结构示意图；
[0036]图5为本专利技术提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0037]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0038]目前主流的AI训练都是基于实车路采数据集，数据量要求大，且数据多样性要求多。而实际AI算法需要适用于最终现实场景的各类情况，包括不同类型场景、不同天气环境、不同识别目标的排列组合等。实车路采方式基本不可能在合理时间内全部获取，而且对于资源消耗和开发节点都是极其不友好。
[0039]使用虚幻引擎(UE)创建仿真数据集，对于AI算法训练的数据集有效比例的补充或者替代都是十分必要而且高效的。
[0040]基于此，本专利技术基于虚幻引擎(UE)创建的仿真数据集可以有效解决以上问题，且对于最终的AI训练效果提升也有重要的支撑作用。
[0041]图1为本专利技术提供的一种基于虚幻引擎的AI视觉模型构建方法流程图，如图1所示，方法包括：
[0042]步骤1，基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集。
[0043本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚幻引擎仿真数据集的AI视觉模型构建方法，其特征在于，包括：基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集；对所述数据集中的图片中的目标物进行标注，生成标注文件和图片集，构成仿真数据集；将所述仿真数据集作为训练数据集对AI视觉模型进行训练，得到训练后的AI视觉模型；将实车路采数据集作为测试数据集，对训练后的AI视觉模型进行测试验证，得到AI视觉模型。2.根据权利要求1所述的AI视觉模型构建方法，其特征在于，所述基于虚幻引擎进行仿真场景搭建并输出对应的素材图片数据集，包括：确定仿真数据集的主要内容，所述主要内容包括场景定义、障碍物及车位定义和天气环境；基于虚幻引擎搭建仿真场景，并针对仿真场景中关键元素及背景元素进行素材图片精修，并确认每一个素材图片的逼真度。3.根据权利要求2所述的AI视觉模型构建方法，其特征在于，所述仿真场景包括地下车库泊车场景和行车场景。4.根据权利要求3所述的AI视觉模型构建方法，其特征在于，当所述仿真场景为地下车库泊车场景时，所述关键元素和背景元素包括锥形桶、行人、地锁、限位器、路沿石、水平车位、垂直车位、I型/U型/L型/T型车位、斜向车位、斜列车位和拼接地砖车位。5.根据权利要求1所述的AI视觉模型构建方法，其特征在于，所述对所述数据集中的图片中的目标物进行标注，生成标注文件和图片集，构成仿真数据集，包括：基于所述数据集输出一张仅包括障碍物或车位存在的二值化图片；对包括障碍物和车位的二值化图片进行轮廓视觉识别，标记出最小外接矩形框，将所述最小外接矩形框储存成“鱼眼”或者“IP...

【专利技术属性】
技术研发人员：王军德，江忠双，
申请(专利权)人：武汉光庭信息技术股份有限公司，
类型：发明
国别省市：