【技术实现步骤摘要】
本公开涉及数据处理，尤其涉及一种基于多模型融合的三维红绿灯自动标注方法。
技术介绍
1、红绿灯自动标注是指利用计算机视觉和深度学习技术，对交通场景中的红绿灯进行自动检测和标注。通过自动标注红绿灯，可以帮助交通管理部门及时发现、修复存在的问题，并提供更加安全和可靠的交通环境；可以减少人为误判的情况，提高交通事件的准确性和可靠性；可以帮助交通管理部门快速获取大量的交通场景数据，这些数据对于交通流量的分析以及交通规划和优化非常重要；可以为城市交通规划提供科学依据，提高道路资源的利用效率，减少交通拥堵；可以提供训练数据集，帮助自动驾驶系统学习红绿灯的视觉特征，从而更加准确地识别和响应红绿灯信号。
2、目前，对于特定场景下的红绿灯自动标注往往采用特定的模型对其进行自动标注，而对于不同的场景之间的红绿灯的自动标注无法实现对模型参数的及时调整，导致对红绿灯的自动标注的准确性较低。
3、因此，亟需一种具有较高标注准确性的基于多模型融合的三维红绿灯自动标注方法。
技术实现思路
1、本公开提供了一种基于多模型融合的三维红绿灯自动标注方法。
2、根据本公开的第一方面，提供了一种基于多模型融合的三维红绿灯自动标注方法。该方法包括：
3、对目标红绿灯只进行一次标注，将对应标注信息传播到经过该目标红绿灯的待标注帧中得到各待标注数据帧，所述待标注数据帧含有预标注红绿灯结果，所述预标注红绿灯结果含括三维框、颜色和形状；
4、将各所述待标注数据帧发送至位置
5、将所述待标注修正数据帧中预标注红绿灯结果映射到图像上，得到对应的目标二维框；
6、将所述待标注修正数据帧发送给至少一个二维检测模型进行检测，得到对应的检测二维框、检测颜色、检测形状；
7、根据各所述检测二维框、目标二维框，确定最终二维框、最终三维框；
8、根据各所述检测颜色，确定最终颜色；
9、根据各所述检测形状，确定最终形状；
10、根据所述最终二维框、最终三维框、最终颜色、最终形状，对对应的所述待标注修正数据帧进行自动标注。
11、进一步地，在所述将各所述待标注数据帧发送至位置修正模型对对应的预标注红绿灯结果进行位置修正之前，包括：
12、获取预设数据帧集；
13、将所述预设数据帧集作为训练集发送至所述位置修正模型；
14、通过调整所述位置修正模型的第一超参和训练集中数据的分布，对所述位置修正模型进行训练。
15、进一步地，所述第一超参至少包括下列中的至少一个：
16、体素尺寸参数、检测距离参数、第一特征层数参数。
17、进一步地，在所述将所述待标注修正数据帧发送给至少一个二维检测模型进行检测之前，包括：
18、获取预设数据帧集；
19、将所述预设数据帧集作为训练集发送至所述二维检测模型；
20、通过调整所述位置修正模型的第二超参和训练集中数据的分布，对所述二维检测模型进行训练。
21、进一步地，所述第二超参至少包括下列中的至少一个：
22、第二特征层数参数、学习率参数、特征图大小参数。
23、进一步地，在所述将所述待标注修正数据帧发送给至少一个二维检测模型进行检测之前，包括：对所述待标注修正数据帧进行分类，得到对应的类别，所述类别至少包括下列中的至少一个：夜晚、雨天、雪天、雾霾、逆光。
24、进一步地，所述待标注数据帧至少包括下列中的至少一个：
25、待标注点云图像数据帧、待标注三维图像数据帧。
26、进一步地，所述根据各所述检测二维框、目标二维框，确定最终二维框、最终三维框，包括：
27、计算所述检测二维框和目标二维框之间的匹配度；
28、将各所述匹配度按照数值大小从大到小的顺序进行排序；
29、获取数值排名第一的匹配度对应的检测二维框，并作为最终二维框。
30、进一步地，所述根据各所述检测颜色，确定最终颜色，包括：
31、获取所述检测颜色出现的次数；
32、将出现次数最大对应的检测颜色作为最终颜色。
33、进一步地，所述根据各所述检测形状，确定最终形状，包括：
34、获取所述检测形状出现的次数；
35、将出现次数最大对应的检测形状作为最终形状。
36、根据本公开的第二方面，提供了一种基于多模型融合的三维红绿灯自动标注装置。该装置包括：
37、获取模块，用于对目标红绿灯只进行一次标注，将对应标注信息传播到经过该目标红绿灯的待标注帧中得到各待标注数据帧，所述待标注数据帧含有预标注红绿灯结果，所述预标注红绿灯结果含括三维框、颜色和形状；
38、修正模块，用于将各所述待标注数据帧发送至位置修正模型对对应的预标注红绿灯三维位置进行位置修正，得到对应的待标注修正数据帧，所述待标注修正数据帧包括修正过位置的三维框、原颜色和形状；
39、映射模块，用于将所述待标注修正数据帧中预标注红绿灯结果映射到图像上，得到对应的目标二维框；
40、检测模块，用于将所述待标注修正数据帧发送给至少一个二维检测模型进行检测，得到对应的检测二维框、检测颜色、检测形状；
41、第一生成模块，用于根据各所述检测二维框、目标二维框，确定最终二维框、最终三维框；
42、第二生成模块，用于根据各所述检测颜色，确定最终颜色；
43、第三生成模块，用于根据各所述检测形状，确定最终形状；
44、标注模块，用于根据所述最终二维框、最终三维框、最终颜色、最终形状，对对应的所述待标注修正数据帧进行自动标注。
45、根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现基于多模型融合的三维红绿灯自动标注方法。
46、根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现基于多模型融合的三维红绿灯自动标注方法。
47、本公开通过获取各待标注数据帧，所述待标注数据帧含有预标注红绿灯结果；将各所述待标注数据帧发送至位置修正模型对对应的预标注红绿灯结果进行位置修正，得到对应的待标注修正数据帧；将所述待标注修正数据帧中预标注红绿灯结果映射到图像上，得到对应的目标二维框；将所述待标注修正数据帧发送给至少一个二维检测模型进行检测，得到对应的检测二维框、检测颜色、检测形状；根据各所述检测二维框、目标二维框，确定最终二维框、最终三维框；根据各所述检测颜色，确定最终颜色；根据各所述检测形状，确定最终形状；根据所述最终二维框、最终三维框、本文档来自技高网...
【技术保护点】
1.一种基于多模型融合的三维红绿灯自动标注方法，其特征在于，包括：
2.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，在所述将各所述待标注数据帧发送至位置修正模型对对应的预标注红绿灯结果进行位置修正之前，包括：
3.根据权利要求2所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述第一超参至少包括下列中的至少一个：
4.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，在所述将所述待标注修正数据帧发送给至少一个二维检测模型进行检测之前，包括：
5.根据权利要求4所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述第二超参至少包括下列中的至少一个：
6.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，在所述将所述待标注修正数据帧发送给至少一个二维检测模型进行检测之前，包括：对所述待标注修正数据帧进行分类，得到对应的类别，所述类别至少包括下列中的至少一个：夜晚、雨天、雪天、雾霾、逆光。
7.根据权利要求1所述的基于多模型融
8.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述根据各所述检测二维框、目标二维框，确定最终二维框、最终三维框，包括：
9.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述根据各所述检测颜色，确定最终颜色，包括：
10.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述根据各所述检测形状，确定最终形状，包括：
...【技术特征摘要】
1.一种基于多模型融合的三维红绿灯自动标注方法，其特征在于，包括：
2.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，在所述将各所述待标注数据帧发送至位置修正模型对对应的预标注红绿灯结果进行位置修正之前，包括：
3.根据权利要求2所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述第一超参至少包括下列中的至少一个：
4.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，在所述将所述待标注修正数据帧发送给至少一个二维检测模型进行检测之前，包括：
5.根据权利要求4所述的基于多模型融合的三维红绿灯自动标注方法，其特征在于，所述第二超参至少包括下列中的至少一个：
6.根据权利要求1所述的基于多模型融合的三维红绿灯自动标注方法，其特征在...
【专利技术属性】
技术研发人员：岳建永，徐泽林，曹博，赵季，
申请(专利权)人：北京辉羲智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。