【技术实现步骤摘要】
本专利技术涉及计算机视觉对抗领域，尤其是一种对抗伪装生成方法、车辆及装置。
技术介绍
1、随着计算机视觉技术的快速发展，以深度神经网络为框架的感知系统在自动驾驶和安防监控等方面得到广泛的应用，因此使用目标检测算法的安全性变得极为重要。
2、然而，深度神经网络被证实对对抗噪声很敏感，预测结果容易受到特定图案的影响。
3、而现存的对抗纹理图案生成方法绝大多数是生成平面贴纸的对抗纹理，无法附着于物体表面，这使得伪装不能针对设备表面曲面特性进行优化，虽然有少数工作针对3d模型进行对抗训练，但是都是网格单面训练的方式，存在实际应用中无法直接使用的缺陷。
4、因此，研发一种针对目标检测网络模型的强对抗性高实用性的对抗伪装技术，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、为解决现有技术中抗纹理图案不能支持具备表面曲面特性的设备进行任意角度的对抗的问题，本专利技术的目的是提供一种对抗伪装生成方法、车辆及装置，用以解决上述技术问题。
2、第一方面，根据一些实施例，本专利技术提供了一种对抗伪装生成方法，包括：
3、将待伪装的目标模型嵌入自动驾驶仿真环境引擎，生成目标数据集，所述目标数据集，包括测试集与训练集，所述训练集用于将对抗伪装的底图去训练3d伪装纹理，所述测试集将用于评测伪装的攻击成功率；
4、利用网格形式的待伪装的目标的3d模型，制作所述待伪装目标的3d模型对应的u-v映射，根据所述u-v映射，建立与坐标系同尺
5、根据所述u-v贴图及所述目标数据集，确定对应伪装的待涂装区域的掩膜数据，所述掩膜数据可躲避检测器的检测。
6、可选的，在一些实施例中，在确定对应伪装的待涂装区域的掩膜数据之后，还包括：
7、将所述掩膜数据打印，裁剪出待涂装区域纹理，将所述待涂装区域纹理贴在所述待伪装的目标的对应位置上。
8、可选的，在一些实施例中，所述将待伪装的目标模型嵌入自动驾驶仿真环境引擎，生成目标数据集，具体包括：
9、利用自动驾驶仿真引擎，生成多角度、多距离、多场景的目标数据集；
10、其中，生成所述目标数据集的同时，记录传感器相对于目标的角度和距离。
11、具体的，自动驾驶仿真引擎可以为carla。
12、可选的，在一些实施例中，所述利用自动驾驶仿真引擎carla，生成多角度、多距离、多场景的目标数据集，具体包括：
13、将需要伪装的目标模型v嵌入不同的自动驾驶仿真环境rp中，记录不同场景si下不同视角和距离的可见光传感器接收图像；
14、针对不同场景si及传感器位置获得对应的渲染结果，生成所述目标数据集；
15、其中，i为大于等于1的正整数，代表传感器的数量，p代表自动驾驶仿真环境的个数，通常情况下为1，即表示具有一个自动驾驶仿真环境。
16、可选的，在一些实施例中，所述不同场景si及传感器位置获得对应的渲染结果，具体包括：
17、所述传感器的相对坐标为(α，θ，d)，θ∈(0，π)，所述传感器位置为(αi，θi，di)；
18、根据传感器的数据，获得渲染结果，所述渲染结果采用如下公式获得：
19、ipi＝rp(v，αi，θi，di，si)
20、其中，(αi，θi，di)为传感器i针对于模型的球坐标系的坐标，αi为方位角，θi为极角，di为距离。
21、可选的，在一些实施例中，所述利用网格形式的目标3d模型，制作所述目标纹理对应的u-v映射，具体包括：
22、设计所述目标的3d模型的u-v坐标映射；
23、设计2d模型的u-v展开中三角面的点和所述目标的3d模型数据点之间的坐标映射关系，确定待涂装区域的u-v平铺在所述2d模型的映射中没有重叠；
24、根据所述坐标映射关系，制作所述目标纹理对应的u-v映射。
25、可选的，在一些实施例中，所述根据所述坐标映射关系，制作所述目标纹理对应的u-v映射，具体包括：
26、设计所述目标的u-v图中点的排布，不分离所述目标的u-v体中三角面，当所述2d模型映射的u-v图中三角面的面积与所述目标的3d模型三角面的面积趋近一致时，确定当前的映射关系为所述目标纹理对应的u-v映射。
27、可选的，在一些实施例中，所述2d模型映射的u-v图中三角面的面积与所述目标的3d模型三角面的面积趋近一致的方法，具体包括：
28、以降低所述2d模型的u-v映射中三角面的面积sk和所述目标3d模型网格对应面积的比值与1之间差值的平方之和作为目标，在3d软件中进行u-v排布，采用如下公式设计：
29、
30、其中k为三角面的数量，k值的大小取决于3d模型原本的设计。
31、可选的，在一些实施例中，在所述制作所述待伪装目标的3d模型对应的u-v映射之后，在根据所述u-v映射，建立与坐标系同尺寸的u-v贴图之前，还包括：
32、将所述u-v映射中需要伪装的部分，以所述u-v表达形式输出。
33、可选的，在一些实施例中，所述根据所述u-v贴图及所述目标数据集，确定对应伪装的待涂装区域的掩膜数据，具体包括：
34、将所述待伪装的目标的网格面对应的u-v图区域设置为与目标体异色；
35、利用神经网络渲染器，以相同角度距离渲染出2d模型，并将所述渲染结果二值化，得到与生成的数据集对应的待伪装区域的掩膜数据。
36、可选的，在一些实施例中，所述将所述待伪装的目标的网格面对应的u-v图区域设置为与目标体异色，具体包括：
37、选取所述待伪装的u-v体c中待涂装的部分的色彩ct设置为与所述目标体颜色{cj,j∈c}的反相色或纯白色，采用如下公式：
38、
39、其中，r、g、b代表图像中红、绿、蓝三个通道的颜色通道值，cj是目标伪装u-v体c的第j个像素，ct表示除目标伪装u-v体c以外的区域，j表示每个像素，t表示第t个像素。
40、可选的，在一些实施例中，所述利用神经网络渲染器，以相同角度距离渲染出2d模型，具体包括：
41、对于数据集中的每一张图片ipi，利用神经网络渲染器rn，针对其角度(αi,θi)和距离di，采用如下公式在暗光设置下渲染出结果图像imi：
42、imi＝rn(v,αi,θi,di)。
43、可选的，在一些实施例中，所述将所述渲染结果二值化，得到与生成的数据集对应的待伪装区域的掩膜数据，具体包括：
44、计算所述渲染结果中，伪装区域t和非伪装区域n的最值取中间值cmin将渲染结果二值化，其中cmid取值采用如下公式获得：
45、
46、形成与所述数据集中的每一张图本文档来自技高网...
【技术保护点】
1.一种对抗伪装生成方法，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，在确定对应伪装的待涂装区域的掩膜数据之后，还包括：
3.根据权利要求1所述的方法，其特征在于，所述将待伪装的目标模型嵌入自动驾驶仿真环境引擎，生成目标数据集，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述利用自动驾驶仿真引擎，生成多角度、多距离、多场景的目标数据集，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述不同场景si及传感器位置获得对应的渲染结果，具体包括：
6.根据权利要求1所述的方法，其特征在于，所述利用网格形式的目标3D模型，制作所述目标纹理对应的U-V映射，具体包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述坐标映射关系，制作所述目标纹理对应的U-V映射，具体包括：
8.根据权利要求7所述的方法，其特征在于，所述2D模型映射的U-V图中三角面的面积与所述目标的3D模型三角面的面积趋近一致的方法，具体包括：
9.根据权利要求1所述的方法，其特征在于，
10.根据权利要求1所述的方法，其特征在于，所述根据所述U-V贴图及所述目标数据集，确定对应伪装的待涂装区域的掩膜数据，具体包括：
11.根据权利要求10所述的方法，其特征在于，所述将所述待伪装的目标的网格面对应的U-V图区域设置为与目标体异色，具体包括：
12.根据权利要求10所述的方法，其特征在于，所述利用神经网络渲染器，以相同角度距离渲染出2D模型，具体包括：
13.根据权利要求10所述的方法，其特征在于，所述将所述渲染结果二值化，得到与生成的数据集对应的待伪装区域的掩膜数据，具体包括：
14.根据权利要求1所述的方法，其特征在于，在根据所述U-V贴图及所述目标数据集，确定对应伪装的待涂装区域的掩膜数据之后，还包括：
15.根据权利要求14所述的方法，其特征在于，所述对所述掩模数据优化，具体包括：
16.根据权利要求15所述的方法，其特征在于，在对伪装的待涂装区域的U-V贴图映射后的模型进行渲染之后，还包括：
17.根据权利要求16所述的方法，其特征在于，所述采用梯度下降算法优化初始纹理的方法，利用目标损失函数，具体包括:
18.根据权利要求15所述的方法，其特征在于，所述利用可微渲染器，对伪装的待涂装区域的U-V贴图映射后的图像进行渲染，具体包括：
19.根据权利要求17所述的方法，其特征在于，所述采用梯度下降算法优化初始纹理的方法，计算所述检测算法Faster R-CNN检测模型中一阶段RPN网络的目标类别的置信分数和二阶段输出结果的检测框置信分数，具体包括：
20.根据权利要求17所述的方法，其特征在于，所述计算所述U-V图像的图像梯度之和，将所述检测框置信分数和所述梯度之和，按权相加的结果作为目标损失函数，具体包括：
21.一种对抗伪装生成装置，其特征在于，包括：
22.一种车辆，其特征在于，所述车辆的部分车体，粘贴有所述权利要求1-19中任一项方法步骤所制作出的包含所述掩膜数据的贴膜。
23.一种可对抗伪装的装置，其特征在于，所述装置的部分外表面，粘贴有所述权利1-19中任一项方法步骤所制作出的包含所述掩膜数据的贴膜，所述掩膜数据用于干扰检测器的检测。
24.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-19任一项所述方法的步骤。
25.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-19任一项所述方法的步骤。
...【技术特征摘要】
1.一种对抗伪装生成方法，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，在确定对应伪装的待涂装区域的掩膜数据之后，还包括：
3.根据权利要求1所述的方法，其特征在于，所述将待伪装的目标模型嵌入自动驾驶仿真环境引擎，生成目标数据集，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述利用自动驾驶仿真引擎，生成多角度、多距离、多场景的目标数据集，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述不同场景si及传感器位置获得对应的渲染结果，具体包括：
6.根据权利要求1所述的方法，其特征在于，所述利用网格形式的目标3d模型，制作所述目标纹理对应的u-v映射，具体包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述坐标映射关系，制作所述目标纹理对应的u-v映射，具体包括：
8.根据权利要求7所述的方法，其特征在于，所述2d模型映射的u-v图中三角面的面积与所述目标的3d模型三角面的面积趋近一致的方法，具体包括：
9.根据权利要求1所述的方法，其特征在于，在所述制作所述待伪装目标的3d模型对应的u-v映射之后，在根据所述u-v映射，建立与坐标系同尺寸的u-v贴图之前，还包括：
10.根据权利要求1所述的方法，其特征在于，所述根据所述u-v贴图及所述目标数据集，确定对应伪装的待涂装区域的掩膜数据，具体包括：
11.根据权利要求10所述的方法，其特征在于，所述将所述待伪装的目标的网格面对应的u-v图区域设置为与目标体异色，具体包括：
12.根据权利要求10所述的方法，其特征在于，所述利用神经网络渲染器，以相同角度距离渲染出2d模型，具体包括：
13.根据权利要求10所述的方法，其特征在于，所述将所述渲染结果二值化，得到与生成的数据集对应的待伪装区域的掩膜数据，具体包括：
14.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：胡晓林，刘育秋，晏焕钱，苏航，李建民，朱军，
申请(专利权)人：启元实验室，
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。