[发明专利]面向无人机起降引导的深度学习标签数据生成方法

说明书

一种面向无人机起降引导的深度学习标签数据生成方法，管理员客户端建立数据库系统，定义标注要求并派发任务；各用户登陆标注客户端，通过各标注客户端接收标注任务和标注要求，对各待标注的场景图像进行人工标注，标注后的各场景图像以xml格式的形式保存到数据库系统，对数据库系统进行实时更新。所有待标注的场景图像全部标注完毕后，审核员登陆审核员客户端，通过审核员客户端网络访问数据库系统，由审核员客户端对标注结果(即标注后的各场景图像)进行审核。本发明通过网络化方式发布标注任务，设计审核方法自动审核标注结果，大大提高了数据标注效率和标注结果可靠性，有效的解决了深度学习大规模样本标注的现实需求。

技术领域

本发明主要涉及到无人机自主起飞降落引导系统的设计领域，特指一种面向无人机起降引导的深度学习标签数据生成方法。

背景技术

无人机起降引导系统旨在解决在弱GPS或GPS拒止环境中的自主起飞和着陆问题。引导系统通过摄像机获取无人机起降过程中包含无人机目标的场景图像，通过提取图像中无人机目标区域以及锚点坐标，运用计算机视觉测量及滤波估计等方法解算无人机的世界坐标位姿，从而实现引导无人机的自主起降。从图像中提取无人机目标区域及锚点坐标是引导系统的必要功能。

针对角点和边缘等特征提取无人机目标区域及锚点坐标的方法存在适用性弱、参数敏感等不足，提出深度学习方案去除参数依赖提高场景适用性。深度学习方法自动提取无人机目标及锚点需要构建标签数据集，由于深度学习样本数据规模大，急需交互便捷、操作高效、网络化运行的标签数据生成工具。

发明内容

针对现有技术中存在的缺陷，本发明提供一种面向无人机起降引导的深度学习标签数据生成方法。

为实现上述技术目的，本发明的技术方案是：

面向无人机起降引导的深度学习标签数据生成方法，方法如下；

(1)建立数据库系统，

由管理员客户端建立数据库系统，管理员客户端对数据库系统进行管理，能够上传图片到数据库系统，能够删除数据库系统中的图片，能够对数据库系统的中保存的图片进行查询并且能够导出标注结果。

数据库系统中存储有所有待标注的场景图像，其中待标注的场景图像包括从未被标注过的由摄像机拍摄的无人机起降过程中包含无人机目标的场景图像以及已经人工标注过一次以上的由摄像机拍摄的无人机起降过程中包含无人机目标的场景图像。

(2)根据任务需求，由管理员客户端确定待标注出的无人机目标区域以及锚点坐标。

锚点坐标可以选择机头、左机翼、右机翼、左尾翼、右尾翼、左脚架、中脚架、右脚架等八个锚点的坐标。

(3)由管理员客户端通过网络动态分配待标注的场景图像给各标注客户端；

将所有待标注的场景图像按照其被人工标注过的次数从少到多依次排序，其中从未被标注过的由摄像机拍摄的无人机起降过程中包含无人机目标的场景图像的次数为0。

分配待标注的场景图像时，优先分配的顺序是：先将从未被标注过的场景图像优先随机分配给各标注客户端，然后按照被人工标注过的次数从少到多的顺序依次将各待标注的场景图像随机分配给各标注客户端，确保所有的待标注的场景图像都能被标注。其中随机分配是指待标注的场景图像在本轮标注中随机分配给其中一个以上的标注客户端进行标注。因此在本轮标注中，待标注的场景图像有可能被一个以上的标注客户端进行标注，即在本轮标注中实际上有可能存在某些待标注的场景图像被标注多次。

(4)各标注客户端接收标注任务和标注要求，标注任务为管理员客户端发布给各标注客户端的待标注的场景图像，标注要求为步骤(2)中确定的待标注出的无人机目标区域以及锚点坐标。