本發明專利技術提供一種箭頭圖片數據增廣方法，方法包括：基于目標相機的內參、外參和預設逆透視變換參數，得到目標相機的水平單應矩陣和視野變換矩陣；基于水平單應矩陣和視野變換矩陣得到透視變換矩陣和逆透視變換矩陣，根據透視變換矩陣將第一前視圖變換為鳥瞰圖；根據多個類型箭頭的長寬比特性，將鳥瞰圖中的箭頭類型進行類型變換；基于逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖。本發明專利技術通過將前視圖變換為鳥瞰圖，然后再鳥瞰圖中對圖片中的多個類型的箭頭進行變換，再基于變換后的鳥瞰圖轉變為前視圖，從而使得在對前視圖進行局部變換時，使得變換符合前視圖片成像規律，進而通過局部圖像變換的方式，提高深度學習模型的泛化能力。型的泛化能力。型的泛化能力。
【技術實現步驟摘要】
一種箭頭圖片數據增廣方法、系統、電子設備及存儲介質
[0001]本專利技術涉及數據增廣
，更具體地，涉及一種箭頭圖片數據增廣方法、系統、電子設備及存儲介質。
技術介紹
[0002]數據增廣是深度學習模型訓練中常用的技巧之一，其主要用于豐富訓練數據集的多樣性和保持數據的平衡，使得訓練的模型泛化能力更強。目前數據增廣方法主要包括：水平/垂直翻轉、旋轉、縮放、裁剪、剪切，平移、對比度、色彩抖動和噪聲等，這些傳統的數據增廣算法對于深度學習模型性能影響較小，上述傳統的數據增廣方式都是基于整體圖像轉換的，從而不能解決修改圖像的局部信息來解決小樣本問題。因此，如何通過修改圖像的局部信息來解決小樣本問題是亟待解決的問題。
技術實現思路
[0003]本專利技術針對現有技術中存在的技術問題，提供一種箭頭圖片數據增廣方法、系統、電子設備及存儲介質，用以解決如何通過修改圖像的局部信息來解決小樣本問題的問題。
[0004]根據本專利技術的第一方面，提供了一種箭頭圖片數據增廣方法，包括：
[0005]基于目標相機的內參、外參和預設逆透視變換參數，得到目標相機的水平單應矩陣和視野變換矩陣；
[0006]基于所述水平單應矩陣和所述視野變換矩陣得到逆透視變換矩陣和透視矩陣，根據所述透視變換矩陣將第一前視圖變換為鳥瞰圖；
[0007]根據多個類型箭頭的長寬比特性，將所述鳥瞰圖中的箭頭類型進行類型變換；
[0008]基于所述逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖。
[0009]在上述技術方案的基礎上，本專利技術還可以作出如下改進。
[0010]優選的，所述目標相機的內參至少包括焦距fu、焦距fv、光學中心cu和光學中心cv，所述外參至少包括俯仰角Pitc、偏航角Yaw和相機中心距離地面高度h，所述預設逆透視變換參數至少包括逆透視圖像的尺寸、逆透視變換的區域、逆透視圖像的尺寸和距離攝像頭前向投影的距離。
[0011]優選的，所述根據多個類型箭頭的長寬比特性，將所述鳥瞰圖中的箭頭類型進行類型變換的步驟，包括：
[0012]獲取原始箭頭和待替換箭頭的長寬比特性，將所述原始箭頭進行等比例縮放，使得所述原始箭頭的長與所述待替換箭頭的長一致，寬度隨長度變換；
[0013]基于K均值提取所述待替換箭頭的區域圖片的背景平均像素值，將等比縮放后的原始箭頭的像素值修改為所述背景平均像素值，并用修改后的原始箭頭替換所述待替換箭頭，完成箭頭類型變換。
[0014]優選的，所述完成箭頭類型變換的步驟之后，包括：
[0015]基于OpenCV中的泊松融合算法對箭頭類型變換的區域，進行背景顏色優化。
[0016]優選的，所述基于OpenCV中的泊松融合算法對箭頭類型變換的區域，進行背景顏色優化的步驟，包括：
[0017]將箭頭類型變換完成后的鳥瞰圖與變換前的鳥瞰圖進行泊松融合，得到第一融合結果；
[0018]將所述第一融合結果與等比縮放后的原始箭頭圖片進行泊松融合，從而對所述箭頭類型變換的區域進行背景顏色優化。
[0019]優選的，所述基于所述逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖的步驟之后，包括：
[0020]對所述第二前視圖的缺失部分進行替換，得到增廣后的圖片。
[0021]優選的，所述基于所述逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖的步驟之后，包括：
[0022]基于所述第一前視圖和所述第二前視圖，對兩個相同網絡進行訓練，比較訓練后網絡的召回率指標，得到數據增廣效果。
[0023]根據本專利技術的第二方面，提供一種箭頭圖片數據增廣系統，包括：
[0024]矩陣獲取模塊，用于基于目標相機的內參、外參和預設逆透視變換參數，得到目標相機的水平單應矩陣和視野變換矩陣；
[0025]視圖變換模塊，用于基于所述水平單應矩陣和所述視野變換矩陣得到逆透視變換矩陣和透視矩陣，根據所述透視變換矩陣將第一前視圖變換為鳥瞰圖；
[0026]類型變換模塊，用于根據多個類型箭頭的長寬比特性，將所述鳥瞰圖中的箭頭類型進行類型變換；
[0027]視圖轉換模塊，用于基于所述逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖。
[0028]根據本專利技術的第三方面，提供了一種電子設備，包括存儲器、處理器，所述處理器用于執行存儲器中存儲的計算機管理類程序時實現上述第一方面中任一箭頭圖片數據增廣方法的步驟。
[0029]根據本專利技術的第四方面，提供了一種計算機可讀存儲介質，其上存儲有計算機管理類程序，所述計算機管理類程序被處理器執行時實現上述第一方面中任一箭頭圖片數據增廣方法的步驟。
[0030]本專利技術提供的一種箭頭圖片數據增廣方法、系統、電子設備及存儲介質，方法包括：基于目標相機的內參、外參和預設逆透視變換參數，得到目標相機的水平單應矩陣和視野變換矩陣；基于上述水平單應矩陣和上述視野變換矩陣得到透視變換矩陣和逆透視變換矩陣，根據上述透視變換矩陣將第一前視圖變換為鳥瞰圖；根據多個類型箭頭的長寬比特性，將上述鳥瞰圖中的箭頭類型進行類型變換；基于上述逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖。本專利技術通過將前視圖變換為鳥瞰圖，然后再鳥瞰圖中對圖片中的多個類型的箭頭進行變換，再基于變換后的鳥瞰圖轉變為前視圖，從而使得在對前視圖進行局部變換時，使得變換符合前視圖片成像規律，進而可以將交通路面中數量較多的直行箭頭替換為其他類型的箭頭，平衡樣本不同類別之間的數量，進而通過局部圖像變換的方式，提高深度學習模型的泛化能力。
附圖說明
[0031]圖1為本專利技術提供的一種箭頭圖片數據增廣方法流程圖；
[0032]圖2為本專利技術提供的實驗效果的示意圖；
[0033]圖3為本專利技術提供的算法簡化流程的示意圖；
[0034]圖4為本專利技術提供的一種箭頭圖片數據增廣系統結構示意圖；
[0035]圖5為本專利技術提供的一種可能的電子設備的硬件結構示意圖；
[0036]圖6為本專利技術提供的一種可能的計算機可讀存儲介質的硬件結構示意圖。
具體實施方式
[0037]下面結合附圖和實施例，對本專利技術的具體實施方式作進一步詳細描述。以下實施例用于說明本專利技術，但不用來限制本專利技術的范圍。
[0038]圖1為本專利技術提供的一種箭頭圖片數據增廣方法流程圖，如圖1所示，方法包括：
[0039]步驟S100：基于目標相機的內參、外參和預設逆透視變換參數，得到目標相機的水平單應矩陣和視野變換矩陣；
[0040]需要說明的是，本實施例方法的執行主體可以是具有數據處理、網絡通信及程序運行功能的計算機終端設備，例如：電腦、平板電腦等；也可以是具有相同相似功能的服務器設備，還可以是具有相似功能的云服務器，本實施例對此不做限制。為了便于理解，本實施例及下述各實施例將以電腦設備為例進行說明。
[0041]本實施例中使用的電腦環境為ubuntu16.04，顯卡為本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種箭頭圖片數據增廣方法，其特征在于，所述方法包括：基于目標相機的內參、外參和預設逆透視變換參數，得到目標相機的水平單應矩陣和視野變換矩陣；基于所述水平單應矩陣和所述視野變換矩陣得到逆透視變換矩陣和透視矩陣，根據所述透視變換矩陣將第一前視圖變換為鳥瞰圖；根據多個類型箭頭的長寬比特性，將所述鳥瞰圖中的箭頭類型進行類型變換；基于所述逆透視變換矩陣，將類型變換后的鳥瞰圖還變換為第二前視圖。2.根據權利要求1所述的箭頭圖片數據增廣方法，其特征在于，所述目標相機的內參至少包括焦距fu、焦距fv、光學中心cu和光學中心cv，所述外參至少包括俯仰角Pitc、偏航角Yaw和相機中心距離地面高度h，所述預設逆透視變換參數至少包括逆透視圖像的尺寸、逆透視變換的區域、逆透視圖像的尺寸和距離攝像頭前向投影的距離。3.根據權利要求1所述的箭頭圖片數據增廣方法，其特征在于，所述根據多個類型箭頭的長寬比特性，將所述鳥瞰圖中的箭頭類型進行類型變換的步驟，包括：獲取原始箭頭和待替換箭頭的長寬比特性，將所述原始箭頭進行等比例縮放，使得所述原始箭頭的長與所述待替換箭頭的長一致，寬度隨長度變換；基于K均值提取所述待替換箭頭的區域圖片的背景平均像素值，將等比縮放后的原始箭頭的像素值修改為所述背景平均像素值，并用修改后的原始箭頭替換所述待替換箭頭，完成箭頭類型變換。4.根據權利要求3所述的箭頭圖片數據增廣方法，其特征在于，所述完成箭頭類型變換的步驟之后，包括：基于OpenCV中的泊松融合算法對箭頭類型變換的區域，進行背景顏色優化。5.根據權利要求4所述的箭頭圖片數據增廣方法，其特征在于，所述基于OpenCV中的泊松融合算法對箭頭類型變換的區域，進行背景顏色優化的步驟，包括：將箭頭類型變...
【專利技術屬性】
技術研發人員：何云，李漢玢，萬齊斌，尹玉成，劉奮，
申請(專利權)人：武漢中海庭數據技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。