[发明专利]一种三维姿态估计数据集的生成方法

说明书

本发明属于计算机视觉技术领域，具体为一种三维姿态估计数据集的生成方法。本发明方法包括如下步骤：数据准备：在3D软件中导入目标的3D模型；数据处理与采集：3D软件中创建摄像机对准目标3D模型并设置摄像机运动轨迹，采集多视角目标图像数据；数据标注：利用相机标定的方法自动标注目标最小三维矩形框顶点投影到图像上的像素坐标。通过本方法可以快速生成大量带标签的目标三维姿态估计数据集。与传统方法相比，本发明方法硬件成本低、标注准确度高，且适用范围广。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种三维姿态估计数据集的生成方法。

背景技术

三维姿态估计广泛应用于机器人抓举、人体姿态识别、航天器对接等众多领域。随着深度学习的发展，不断产生新的三维姿态估计算法，模型姿态估计的能力也不断提高。深度学习之所以取得成功，归功于高容量的模型，高速增长的计算力，以及大规模标记数据的可用性。文献[1]研究表明大规模数据有助于表征学习，采用大规模的数据集进行训练，可能会对该领域产生极大的好处。在特定任务领域我们能够提供大量的数据来训练模型，但在大部分领域是难以做到的。例如卫星姿态估计问题，卫星作为国家保密资源，公开的数据很少。因此需要找到一种高效的生成三维姿态估计数据集的方法。

三维姿态估计中数据集的获取至关重要。传统的方法是利用深度相机等设备采集目标数据，但难以解决目标数据不足或者标记困难的问题。本发明提出的方法利用3D软件采集多视角目标图像数据，通过计算目标最小三维矩形框顶点的投影坐标，生成高质量的三维姿态估计数据集。

参考文献

[1]Sun C, Shrivastava A, Singh S, et al. Revisiting unreasonableeffectiveness of data in deep learning era[C]//2017 IEEE InternationalConference on Computer Vision (ICCV). IEEE, 2017: 843-852.。

发明内容

针对传统方法的不足，本发明提出一种硬件成本低、标注准确度高、适用范围广的三维姿态估计数据集的生成方法。

本发明提供的一种三维姿态估计数据集的生成方法，具体步骤为：

步骤S1、数据准备：

3D软件中导入目标3D模型，调整3D模型的大小和位置参数；

步骤S2、数据处理与采集：

3D软件中创建摄像机，设置摄像机运动轨迹、视图环境背景和光源属性，通过渲染采集目标图像数据；

步骤S3、数据标注：

通过相机标定以及坐标变换的方法标注目标最小三维矩形框顶点投影的像素坐标。

优选的，步骤S1具体包括：

步骤S11、从3D软件中导入目标的3D模型，3D软件包括但不限于3ds Max、solid works、unity等；

步骤S12、根据模型实际大小设置系统单位转换比例，并将模型组合为一个整体；

步骤S13、设置模型初始旋转角度，调整模型在世界坐标系中的位置。

优选的，步骤S2具体包括：

步骤S21、根据需求创建一个或多个摄像机，摄像机目标对准S12中组合后的模型中心；

步骤S22、创建一个图形作为摄像机的运动轨迹，并以此作为S21中摄像机的路径约束，通过调整轨迹的大小和旋转角度实现不同角度与不同距离下对目标的观测；

步骤S23、添加视图环境背景，设置光源属性；