[发明专利]一种图像标定方法及装置

说明书

本说明书实施例公开了一种图像标定方法及装置，图像标定方法可以包括：基于雷达数据和第一帧图像的第一标定结果，得到对于第二帧图像的预测位置信息；第二帧图像为第一帧图像的下一帧图像；预测位置信息用于表示目标物在第二帧图像上的第一位置信息；采用识别模型对第二帧图像进行识别，得到目标物在第二帧图像上的第二位置信息；判断第二帧的第一位置信息和第二位置信息的交并比是否小于预设阈值，得到判断结果；当判断结果表示交并比小于预设阈值时，采用预测结果位置信息对第二帧图像进行标定；将标定后的第二帧图像作为训练样本输入识别模型，对识别模型进行训练。本说明书实施例中的图像标定方法，大大提高了图像标定的准确度和效率。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种图像标定方法及装置。

背景技术

深度学习利用神经网络(Neural Networks)来构建机器学习的模型，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习已经广泛应用于机器视觉领域，例如：图片的识别、物体的检测等。基于深度学习图像检测网络能够实现目标检测，将检测结果自动化格式化为标注格式。

现有技术中基于深度学习的图像检测，在困难样本中表现较差。而单独基于毫米波雷达的检测无法分辨类别信息，只能生成目标大小和位置，单靠毫米波雷达无法在图像上生成有用的标注信息。基于激光雷达的检测对类别的判断较差，置信度不高，没有图像直接检测得到的效果好。

因此，急需一种将图像数据和雷达数据进行结合实现对图像的标注方法。

发明内容

本说明书实施例提供一种图像标定方法及装置，以解决现有的图像标注中对于困难样本无法标注的问题。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种图像标定方法，所述方法包括：

基于雷达数据和第一帧图像的第一标定结果，得到对于第二帧图像的预测位置信息；所述第二帧图像为所述第一帧图像的下一帧图像；所述预测位置信息用于表示目标物在所述第二帧图像上的第一位置信息；

采用识别模型对所述第二帧图像进行识别，得到所述目标物在所述第二帧图像上的第二位置信息；

判断所述第二帧的所述第一位置信息和所述第二位置信息的交并比是否小于预设阈值，得到判断结果；

当所述判断结果表示所述交并比小于所述预设阈值时，采用所述预测结果位置信息对所述第二帧图像进行标定；

将标定后的所述第二帧图像作为训练样本输入所述识别模型，对所述识别模型进行训练。

可选的，所述基于雷达数据和第一帧图像的第一标定结果，得到对于第二帧图像的预测位置信息，包括：

所述第一标定结果包括图像标定结果和雷达标定结果；

采用识别模型对所述第一帧图像进行标定，得到所述图像标定结果，所述第一帧图像为通过图像采集设备对目标区域采集得到，所述图像标定结果至少包括目标区域内的目标物的第二位置信息，所述第二位置信息表示所述目标物在所述第一帧图像中的位置；

基于所述雷达数据对所述目标物进行标定，得到所述雷达标定结果，所述雷达数据通过雷达设备对所述目标区域采集得到，所述雷达标定结果至少包括所述目标物的速度信息、加速度信息和位置信息。

可选的，所述采用识别模型对所述第二帧图像进行识别，得到所述目标物在所述第二帧图像上的第二位置信息，包括：

采用深度学习模型对所述第二帧图像进行识别，得到第二标定结果，所述第二标定结果还包括所述目标物的类别信息和置信度信息。

可选的，所述基于雷达数据和第一帧图像的第一标定结果，得到对于第二帧图像的预测位置信息，包括：