CN112667837A 图像数据自动标注方法及装置 （上海商汤临港智能科技有限公司）

本公开提供了一种图像数据自动标注方法2根据所述车辆定位信息，获取所述车辆定位信息对应将所述地图图像上的道路信息投影到所述车辆采集图4.根据权利要求1～3任一项所述的方法，其特征在于，将基于所述世界全局坐标系的地图图像转换到车体坐将基于所述车体坐标系的地图图像转换到相机坐标系和/或像素坐标系，以将所述地根据所述旋转平移矩阵，将基于所述世界全局坐标系所述车体坐标系的地图图像转换到相机坐标系和/或像素坐标系，以将所述地图图像上的根据所述单应性矩阵，将所述采用齐次坐标系表示的基于所述车体坐标系的地图图述车体坐标系的地图图像转换到相机坐标系和/或像素坐标系，以将所述地图图像上的道根据所述车体坐标系与所述相机坐标系之间的旋转平移矩阵，3根据所述相机坐标系与所述像素坐标系之间的投影经用于提取道路信息的神经网络对所述车辆采集第二获取单元，用于根据所述车辆定位信息，投影单元，用于将所述地图图像上的道路信息投所述存储器中存储一组程序指令，且所述处理器用于调用所述存储器中存储的程序指令，45[0018]将基于所述车体坐标系的地图图像转换到相机坐标系和/或像素坐标系，以将所图像转换到相机坐标系和/或像素坐标系，以将所述地图图像上的道路信息投影到所述车图像转换到相机坐标系和/或像素坐标系，以将所述地图图像上的道路信息投影到所述车[0033]确定所述感知道路信息中的感知道路元素与投影到所述车辆采集图像上的道路6[0041]将所述车辆采集图像中的感知道路元素与所述预设范围内的地图道路元素基于[0045]响应于所述车辆采集图像中的感知道路元素在所述预设范围内的地图道路元素[0047]分别确定每个所述配对方案中每个感知道路元素和地图道路元素的配对的个体[0051]基于所述车辆定位信息确定配对的感知道路元素和地图道路元素之间的定位偏[0054]确定所述感知采样点集与所述地图采样点集各自包括的采样点之间的旋转平移[0055]基于所述旋转平移矩阵获得所述感知道路元素与所述地图道路元素的坐标偏移[0060]在一个实现中，所述第二获取单元用于以所述局部区域内的7[0063]所述第二获取单元用于获取所述局部区域的范围内的所述地图图像上的地图道[0065]第一转换单元，用于将基于所述世界全局坐标系的地图图像转换到车体坐标系[0066]所述投影单元用于将基于所述车体坐标系的地图图像转换到相机坐标系和/或像[0073]第三转换单元，用于根据所述车体坐标系与所述相机坐标系之间的旋转平移矩89[0110]图5为本公开实施例提供的确定感知道路元素与地图道路元素之间的偏移信息方[0111]图6为本公开实施例提供的确定与感知道路元素配对的地图道路元素方法的示[0113]图8为本公开实施例提供的确定配对的感知道路元素和地图道路元素之间的定位[0125]地图道路图像的属性信息，可以包括与上述地图道路元素相关的一种或多种信[0140]采集车还可以配置有高精度的位置传感器，以更准确地获得采集车的定位[0143]上述神经网络可以通过带有标注信息的道路图像(不妨称为样本道路图像)进行[0144]通过样本道路图像对神经网络进行训练，可以使该模型具备在输入的道路图像[0147]本领域技术人员应当理解，地图道路元素属性信息的识别方法[0161]S206、经用于提取道路信息的神经网络对车辆采集图像进行道[0165]上述神经网络可以通过带有标注信息的道路图像(不妨称为样本道路图像)进行[0166]通过样本道路图像对神经网络进行训练，可以使该模型具备在输入的道路图像[0175]S302、确定配对的感知道路元素和地图道路元素在同一设备坐标系下的位置信[0182]S303、基于位置信息确定配对的感知道路元素和地图道路元素之间的定位偏移[0183]在获得了同一设备坐标系下的感知道路元素以及与其配对的地图道路元素的位得到的每一种配对方案是一组二元组的集合，每个二元组(ai,bj)即是道路元素的一种配[0203]可以将具有不相交边的数量大于设定比例或者设定阈值的边集[0213]Distance(i,j)表示第i个感知车道线[0215]Otype(i,j)当且仅当第i个感知车道线与第j个地图车道线的车道线属性相同时为[0217]在上述公式中，Distance(i,j)用于计算感知[0221]对于位置信息的整体相似度，可以利用所有二元对中两个元素距离的方差来表[0227]match_weight_sum＝sum(match__items_[pr__idx][hdm__idx].weight)+CalculateVarianceOfMatchResult(match_result)+CalculateMMConfidence(match_[0231]CalculateMMConfidence(match_result)表示配对方案中，各个二元组语义信息的置信度为100每有一对车道线的属性不一致，例如可以设置为置信度下降10数量才出现的情况下，是无法找到与该感知道路元素对应的地图道路元素的。通过设置空[0238]图8示出确定配对的感知道路元素和地图道路元素之间的定位偏移量的一种方[0244]S503、确定感知采样点集与地图采样点集各自包括的采样点之间的旋转平移矩[0255]在一个实现中，所述第二获取单元12用于以所述局部区域内的地图图像为根节[0258]所述第二获取单元12用于获取所述局部区域的范围内的所述地图图像上的地图[0261]所述投影单元13用于将基于所述车体坐标系的地图图像转换到相机坐标系和/或[0264]第三获取单元131，用于获取所述像素坐标系和所述车体坐标系之间的单应性矩[0268]第三转换单元，用于根据所述车体坐标系与所述相机坐标系之间的旋转平移矩[0300]可选的，上述图像数据自动标注方法的程序可以存储在存储器113中。该存储器[0301]可选的，当上述实施例的图像数据自动标注方法中的部分或全部通过软件实现[0302]处理器可以是中央处理器(centralprocessingunit，CPU)，网络处理器[0303]处理器还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specificintegratedcircuit，ASIC)，可编程逻辑器件(programmablelogicdevice，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex[0304]存储器可以包括易失性存储器(volatilememory)，例如随机存取存储器(random-accessmemory，RAM)；存储器也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flashmemory)，硬盘(harddiskdrive，HDD)或固态硬盘[0307]本公开实施例还提供一种包含指令的计算机程序产品，当其在计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用