图像标注方法技术

本申请涉及数据自动标注领域，并且更具体地涉及一种图像标注方法

【技术实现步骤摘要】
图像标注方法、计算机设备和存储介质


[0001]本申请涉及数据自动标注领域，并且更具体地涉及一种图像标注方法
、
实施该方法的计算机设备以及实施该方法的计算机存储介质
。

技术介绍

[0002]自动驾驶系统中对物体的感知依赖于模型迭代，而大量的标注数据是模型迭代的基础
。
图像分割模型作为自动驾驶中重要的感知识别模型，不同于检测和分类模型，其标注需要像素级
。
像素级标注精度要求极高，物体边缘必须完美的拟合，这就导致了一张图像的分割标注成本极高，且标注时间极长
。
此类像素级标注由于过高的复杂性和成本，无法支持大规模的数据量，使得自动驾驶系统的感知功能受限于数据量，精度无法进一步提高
。
[0003]要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息
。

技术实现思路

[0004]为了解决或至少缓解以上问题中的一个或多个，提供了以下技术方案
。...

【技术保护点】

【技术特征摘要】
1.
一种图像标注方法，其特征在于，所述方法包括以下步骤：
A、
利用图像分割模型对多视角下的原始图像进行分割处理，以输出各视角下的原始图像的分割掩码图，所述分割掩码图包含指示目标物体的轮廓的标注信息；
B、
利用神经辐射场对各视角下的分割掩码图进行多视角融合以修正单视角错误，并生成经修正的第一掩码图；以及
C、
根据时序关系对所述第一掩码图进行多帧时序融合以修正单帧错误，并生成鸟瞰图视角下的第二掩码图
。2.
根据权利要求1所述的图像标注方法，其中，所述方法进一步包括：对由多视角视频采集单元采集的视频数据进行抽帧处理，并生成一系列带有时间戳的原始图像
。3.
根据权利要求1所述的图像标注方法，其中，步骤
A
包括：利用所述图像分割模型对所述原始图像进行像素级识别，其中所述原始图像中的每个像素都被标注有类别信息；以及基于标注的类别信息绘制所述目标物体的轮廓
。4.
根据权利要求1所述的图像标注方法，其中，所述图像分割模型是基于包含样本图像和所述样本图像的掩码信息的训练数据集而构建的，所述掩码信息是基于针对所述样本图像中的所述目标物体的目标识别结果而生成的，并且所述图像分割模型包括以下各项中的一项或多项：针对刚性物体的实例分割模型
、
针对非刚性物体的语义分割模型
、
针对刚性物体以及非刚性物体的全景分割模型
。5.
根据权利要求1所述的图像标注方法，其中，步骤
B
包括：利用所述神经辐射场对所述分割掩码图进行三维重建，以将多视角下的分割掩码图中的二维掩码投影到三维掩码网格；以及将重建后的三维掩码图反投影至二维掩码网格，以生成经修正的
、
多视角下的第一掩码图
。6.
根据权利要求1所述的图像标注方法，其中，步骤
C
包括：针...

【专利技术属性】
技术研发人员：任少卿，谢涛，周欣，李斌，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：