【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种数据增广的方法和装置。
技术介绍
1、单目3d目标检测作为目前应用最广泛的计算机视觉技术之一，通过单目3d视觉检测模型对摄像头的2d图像信息进行3d检测，得到目标物体的类别信息，以及其在三维空间中的长、宽、高、角度以及位置距离等信息，其应用场景主要包括车辆自动驾驶系统、智能机器人、智能交通等领域。一个稳定的单目3d视觉检测模型，需要大量丰富的训练数据来提升其鲁棒性和泛化能力。
2、在实现本专利技术过程中，专利技术人发现现有技术中存在如下问题：
3、由于硬件采集设备的个体差异以及采集角度高度的差异，现有公开的外部数据集和实际场景会有差异，只能作为模型训练的补充数据，而构建大量场景丰富的训练数据集就需要耗费较大的成本，所以数据增广是一种有效丰富训练数据的方法。现有的数据增广方法，主要应用在视觉2d目标检测领域和点云3d目标检测领域，对于单目3d目标检测，由于其训练数据的2d图像信息中有对应的3d属性信息，现有的数据方法很难直接应用到单目3d目标检测的训练数据的增广上，不能满足实际需要。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种数据增广的方法和装置，可以对单目3d目标检测的训练数据进行数据增广，高效低成本地丰富了训练数据，以达到提升3d视觉检测模型的鲁棒性和泛化能力的目的。
2、为实现所述目的，根据本专利技术实施例的一个方面，提供了一种数据增广的方法，包括：
3、获取待进行数据增广处理的训练数
4、对所述训练数据集进行第一数据增广处理，得到第一增广数据集，其中，所述第一数据增广处理为增广处理集中的任一种，所述增广处理集包括图像层面的数据增广处理、实例层面的数据增广处理，以及物体掩膜的数据增广处理；
5、对所述第一增广数据集进行第二数据增广处理，得到第二增广数据集，其中，所述第二数据增广处理为所述增广处理集中区别于所述第一数据增广处理的剩余两种增广处理中的至少一种；
6、将所述第二增广数据集作为数据增广处理的结果。
7、可选地，在所述第一数据增广处理为所述图像层面的数据增广处理的情况下，对所述训练数据集进行第一数据增广处理，包括：对所述训练数据集中的图像数据进行缩放焦距的数据增广处理和调整成像范围的数据增广处理中的至少一种；对所述第一增广数据集进行第二数据增广处理，包括：对所述第一增广数据集进行所述实例层面的数据增广处理，以及所述物体掩膜的数据增广处理中的至少一种。
8、可选地，对所述训练数据集中的图像数据进行缩放焦距的数据增广处理，包括：确定所述图像数据的焦距缩放倍数值和所述图像数据的三维坐标值；根据所述焦距缩放倍数值和所述三维坐标值，得到所述图像数据增广处理的第一处理结果。
9、可选地，对所述训练数据集中的图像数据进行调整成像范围的数据增广处理，包括：确定所述图像数据的成像范围系数；以所述图像数据的中心点为基准，结合所述成像范围系数，得到所述图像数据增广处理的第二处理结果。
10、可选地，对所述第一增广数据集进行所述实例层面的数据增广处理，包括：获取所述第一增广数据集中的图像数据，以及所述图像数据对应的点云数据，组成图像点云对；从所述图像点云对中确定待复制的图像点云对和待粘贴的图像点云对；将所述待复制的图像点云对复制粘贴在对应的所述待粘贴的图像点云对中。
11、可选地，将所述待复制的图像点云对复制粘贴在对应的所述待粘贴的图像点云对中，包括：将所述待复制的图像点云对中的待复制点云数据复制粘贴到所述待粘贴的图像点云对中的待粘贴点云数据中；根据预设的点云坐标系到相机坐标系的转换矩阵和相机的内部参数，计算所述待复制点云数据相对于所述待粘贴的图像点云对中的待粘贴图像的二维属性信息；根据所述二维属性信息，将所述待复制的图像点云对中的待复制图像数据复制粘贴到所述待粘贴的图像点云对中的待粘贴图像数据中。
12、可选地，对所述第一增广数据集进行所述物体掩膜的数据增广处理，包括：获取所述第一增广数据集中图像数据的标注框属性，筛选出标注框属性为无遮挡的待增广图像数据；根据应用场景确定掩膜范围和掩膜比例；根据所述掩膜范围和所述掩膜比例，结合预设的删除规则，确定所述待增广图像数据的删除区域，将所述删除区域从所述待增广图像数据中删除。
13、可选地，在所述第一数据增广处理为所述实例层面的数据增广处理的情况下，对所述第一增广数据集进行第二数据增广处理，包括：对所述第一增广数据集进行所述图像层面的数据增广处理，以及所述物体掩膜的数据增广处理中的至少一种；或者，在所述第一数据增广处理为所述物体掩膜的数据增广处理的情况下，对所述第一增广数据集进行第二数据增广处理，包括：对所述第一增广数据集进行所述图像层面的数据增广处理，以及所述实例层面的数据增广处理中的至少一种。
14、根据本专利技术实施例的第二方面，提供一种数据增广的装置，包括：
15、训练数据集获取模块，用于获取待进行数据增广处理的训练数据集；
16、第一增广处理模块，用于对所述训练数据集进行第一数据增广处理，得到第一增广数据集，其中，所述第一数据增广处理为增广处理集中的任一种，所述增广处理集包括图像层面的数据增广处理、实例层面的数据增广处理，以及物体掩膜的数据增广处理；
17、第二增广处理模块，用于对所述第一增广数据集进行第二数据增广处理，得到第二增广数据集，其中，所述第二数据增广处理为所述增广处理集中区别于所述第一数据增广处理的剩余两种增广处理中的至少一种；
18、增广结果确定模块，用于将所述第二增广数据集作为数据增广处理的结果。
19、根据本专利技术实施例的第三方面，提供一种数据增广的电子设备，包括：
20、一个或多个处理器；
21、存储装置，用于存储一个或多个程序，
22、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例第一方面提供的方法。
23、根据本专利技术实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术实施例第一方面提供的方法。
24、所述专利技术中的一个实施例具有如下优点或有益效果：通过获取待进行数据增广处理的训练数据集；对训练数据集进行第一数据增广处理，得到第一增广数据集，其中，第一数据增广处理为增广处理集中的任一种，增广处理集包括图像层面的数据增广处理、实例层面的数据增广处理，以及物体掩膜的数据增广处理；对第一增广数据集进行第二数据增广处理，得到第二增广数据集，其中，第二数据增广处理为增广处理集中区别于第一数据增广处理的剩余两种增广处理中的至少一种；将第二增广数据集作为数据增广处理的结果的技术方案，实现了对单目3d目标检测的训练数据的数据增广处理，高效低成本地丰富了训练数据，以达到提升3d视觉检测模型的鲁棒性和泛化能力的目的。
本文档来自技高网...【技术保护点】
1.一种数据增广的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述第一数据增广处理为所述图像层面的数据增广处理的情况下，
3.根据权利要求2所述的方法，其特征在于，对所述训练数据集中的图像数据进行缩放焦距的数据增广处理，包括：
4.根据权利要求2所述的方法，其特征在于，对所述训练数据集中的图像数据进行调整成像范围的数据增广处理，包括：
5.根据权利要求2所述的方法，其特征在于，对所述第一增广数据集进行所述实例层面的数据增广处理，包括：
6.根据权利要求5所述的方法，其特征在于，将所述待复制的图像点云对复制粘贴在对应的所述待粘贴的图像点云对中，包括：
7.根据权利要求2所述的方法，其特征在于，对所述第一增广数据集进行所述物体掩膜的数据增广处理，包括：
8.根据权利要求1所述的方法，其特征在于，在所述第一数据增广处理为所述实例层面的数据增广处理的情况下，对所述第一增广数据集进行第二数据增广处理，包括：对所述第一增广数据集进行所述图像层面的数据增广处理，以及所述物体掩膜的数据增
9.一种数据增广的装置，其特征在于，包括：
10.一种移动电子设备终端，其特征在于，包括：
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种数据增广的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述第一数据增广处理为所述图像层面的数据增广处理的情况下，
3.根据权利要求2所述的方法，其特征在于，对所述训练数据集中的图像数据进行缩放焦距的数据增广处理，包括：
4.根据权利要求2所述的方法，其特征在于，对所述训练数据集中的图像数据进行调整成像范围的数据增广处理，包括：
5.根据权利要求2所述的方法，其特征在于，对所述第一增广数据集进行所述实例层面的数据增广处理，包括：
6.根据权利要求5所述的方法，其特征在于，将所述待复制的图像点云对复制粘贴在对应的所述待粘贴的图像点云对中...
【专利技术属性】
技术研发人员：安耀祖，
申请(专利权)人：北京京东远升科技有限公司，
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。