地面实况贴标签机

为自动驾驶应用标注地面真相数据

全部展开页面

描述

的地面实况贴标签机该应用程序允许您在多个视频、图像序列或激光雷达点云中标记地面实况数据。

使用该应用程序，你可以:

同时标记表示同一场景的多个时间重叠信号。
定义矩形感兴趣区域（ROI）标签、多段线ROI标签、像素ROI标签、用于激光雷达标签的长方体ROI标签以及场景标签定义。使用这些标签以交互方式标记地面实况数据。
使用投影视图选项，以查看标签在顶部，正面和侧面视图同时。
使用内置的检测或跟踪算法来标记地面真实数据。
写，导入，并使用自定义自动化算法自动标记地面真值数据。
使用可视化摘要评估标签自动化算法的性能。
导出地面真值标签为groundTruthMultisignal对象您可以将此对象用于系统验证或对象检测器或语义分割网络的培训。
使用显示时间同步信号，如CAN总线数据驱动连接器应用程序编程接口。

要了解更多关于这个应用程序，请看开始使用Ground Truth标签．

打开地面真相标签应用程序

MATLAB^®将来发布:应用程序选项卡,在汽车，单击应用程序图标。
MATLAB命令提示：输入groundTruthLabeler．

例子

编程使用

全部展开

`groundTruthLabeler`

groundTruthLabeler打开一个新的会话的应用程序，使您能够标签地面真相数据。

`groundTruthLabeler (videoFileName)`

groundTruthLabeler (videoFileName)打开应用程序并加载输入的视频。支持的扩展名万博1manbetx录像机．

例子：groundTruthLabeler（'caltech_cordova1.avi'））

`groundTruthLabeler (imageSeqFolder)`

groundTruthLabeler (imageSeqFolder)打开应用程序并从输入文件夹加载图像序列图像序列是一组有序的图像，类似于视频。

imageSeqFolder必须是指定包含图像文件的文件夹的字符串标量或字符向量。图像文件的扩展名必须由支持万博1manbetximformats的返回顺序加载dir函数。

`groundTruthLabeler（imageSeqFolder，时间戳）`

groundTruthLabeler（imageSeqFolder，时间戳）打开应用程序并加载一系列具有相应时间戳的图像。时间戳一定是个持续时间与序列中图像数量相同长度的向量。

例如，将一系列道路图像及其相应的时间戳加载到应用程序中。

imageDir=完整文件（toolboxdir(“开车”)，“驱动数据”，“道路序列”); 加载（完整文件）（imageDir，'时间戳.垫'))groundTruthLabeler（imageDir，时间戳）

`地滚球打标机(＿＿＿，“连接器argethandle”，连接器）`

地滚球打标机(＿＿＿，“连接器argethandle”，连接器）打开应用程序并加载以下两个组件：

一种视频或图像序列信号，取决于您指定的输入参数组合
与指定信号时间同步的外部分析或可视化工具

的连接器输入是一个驱动连接器实现外部工具的类。

例如，此语法使用视频信号和同步激光雷达可视化工具打开应用程序。

地滚球打标机(“01 _city_c2s_fcw_10s.mp4”，“连接器argethandle”, @LidarDisplay);

当你有一个外部工具连接到应用程序中的信号时，考虑以下提示。

如果您删除连接到工具的信号，应用程序将断开工具的连接并关闭它。
连接到工具的信号必须是正确的主信号，即时间戳用于应用程序底部播放控件的信号。如果更改主信号，应用程序将断开并关闭工具。
如果您启动一个新的应用程序会话，应用程序将断开该工具并关闭它。

`groundTruthLabeler (sessionFile)`

groundTruthLabeler (sessionFile)打开应用程序并加载保存的应用程序会话，无柄这个无柄输入包含路径和文件名。的MAT-file无柄指向包含已保存会话的点。

`groundTruthLabeler (gTruth)`

groundTruthLabeler (gTruth)打开应用程序并加载事实真相地面实况对象数据源必须是图像序列、视频或自定义数据源。

局限性

激光雷达信号不支持线条或像素ROI标签。万博1manbetx
像素ROI标签不支持子标签或属性。万博1manbetx
长方体ROI标签不支持子标签。万博1manbetx
“标签摘要”窗口不支持子标签或属性万博1manbetx

更多关于

全部展开

ROI标签、子标签和属性

在应用程序的左侧，是ROI标签窗格包含可以在框架上标记的感兴趣区域(ROI)标签定义。您可以直接从该窗格创建标签定义。或者，您可以使用labelDefinitionCreatorMultisignal对象，然后将这些标签定义导入应用程序会话。

支持ROI标签、万博1manbetx子标签和属性的定义。

ROI标签

一个ROI标签是与信号帧中的感兴趣区域（ROI）相对应的标签。该表描述了支持的标签类型。万博1manbetx

ROI标签	描述	场景
`矩形或长方体`	根据信号类型，在物体周围绘制矩形或长方体ROI标签。在图像信号中，绘制矩形ROI标签（二维边界框）。在激光雷达信号中，绘制长方体ROI标签（三维边界框）。有关激光雷达标签的详细信息，请参见标记用于目标检测的激光雷达点云．	车辆、行人、路标 `矩形`： `长方体`：
`投影长方体`	绘制长方体ROI标签（三维边界框）。
`行`	画线性ROI标签来表示直线。要绘制折线ROI，请使用两个或多个点。	车道边界，护栏，路缘
`像素标签`	为像素指定标签以进行语义分割。您可以使用多边形、笔刷或整体填充手动标记像素。有关像素标签的详细信息，请参阅标记像素用于语义分割．	车辆、路面、树木、路面
`多边形`	绘制多边形ROI标签。你可以给同一个类的不同实例标上标签。有关绘制多边形ROI标签和语义分割网络的更多信息，请参见使用多边形标记对象	车辆、路面、树木、路面

ROI Sublabels

一个ROI sublabel是属于父标签的ROI标签。使用ROI子标签来提供关于已标记的基础真实数据中的ROI的更大程度的细节。例如,一个交通工具标签可能包含头灯，licensePlate和轮子标签。只能为矩形和多段线标签创建子标签。有关子标签的详细信息，请参阅使用子标签和属性标记地面真实数据．

显示或隐藏标签和子标签

属性可以显示或隐藏已标记基础真值数据中的标签或子标签图标ROI标签窗格。的仅在定义标签或子标签后显示。默认情况下，应用程序显示所有标签和子标签。

要隐藏标签或子标签，请单击标签或子标签名称旁边的图标。应用程序隐藏相应的标签或子标签，并显示图标。

显示或隐藏选项仅对矩形，行，多边形，投影长方体和长方体ROI标签。

ROI属性

一个ROI属性指定有关ROI标签或子标签的附加信息。例如，在驾驶场景中，属性可能包括车辆的类型或颜色。该表描述了支持的属性类型。万博1manbetx

属性类型	样本属性定义	示例默认值
`数值`
`字符串`
`逻辑`
`列表`

有关属性的详细信息，请参见使用子标签和属性标记地面真实数据．

提示

为了避免用新的标签重新标记基础真理，在标记基础真理之前，组织你想要使用的标签方案。
您可以在相同类型的信号之间复制和粘贴标签。

算法

全部展开

你可以使用标签自动化算法来加快应用程序中的标签。要创建自己的标签自动化算法在应用程序中使用，请参见创建自动标记算法。您还可以通过以下步骤使用其中一种内置算法：

导入要标记的数据，并创建至少一个标记定义。
在应用程序工具条上，单击选择算法并选择一个内置的自动化算法。
如果需要导入多个信号，请单击选择信号然后，在“选择信号”窗口中，选择一个或多个要自动执行的信号。单击好啊．
点击自动化，然后按照自动化窗口右窗格中的自动化说明进行操作。

ACF车辆检测器

使用聚合通道特征(ACF)检测和标记车辆。这个算法是基于车辆检测器函数。要使用此算法，必须定义至少一个矩形ROI标签。您不需要画任何ROI标签。

要帮助改进算法结果，请先单击设置．您可以更改这些设置中的任何一个。

算法使用的预先训练的车辆检测器模型“众目睽睽”模型训练使用未遮挡的图像的前，后，左，和右侧的车辆。的“front-rear-view”模型仅使用车辆前部和后部的图像进行训练。
车辆检测的重叠率阈值，从0到1—当矩形roi重叠率超过该阈值时，算法将丢弃其中一个roi。
检测车辆的分类评分阈值——增加评分以增加算法的预测置信度。分数低于此阈值的矩形将被丢弃。

您也可以配置检测器与校准的单目摄像机通过导入monoCamera对象导入MATLAB工作区。以世界单位（如米）指定车辆的长度和宽度范围。

ACF人员检测器

使用聚合通道特性(ACF)检测和标记人员。这个算法是基于peopleDetectorACF函数。要使用此算法，必须定义至少一个矩形ROI标签。您不需要画任何ROI标签。

要帮助改进算法结果，请先单击设置．您可以更改这些设置中的任何一个。

算法使用的预先训练过的人检测模型inria - 100 x41的模型使用INRIA个人数据集进行训练。的“加州理工学院-50x21”模型使用Caltech行人数据集进行训练。
用于检测人的重叠率阈值(从0到1)—当矩形roi重叠率超过该阈值时，算法将丢弃其中一个roi。
检测人员的分类分数阈值-增加分数以增加算法的预测可信度。分数低于此阈值的矩形将被丢弃。

点跟踪器

使用Kanade Lucas-Tomasi（KLT）算法在短时间间隔内跟踪和标记一个或多个矩形ROI标签视觉点跟踪器系统对象™. 要使用此算法，必须至少定义一个矩形ROI标签，但不需要绘制任何ROI标签。

要更改用于获取跟踪初始点的特征检测器，请单击设置．该表显示了特性检测器选项。

特征检测器	描述	等效函数
`最小特征值`	使用最小特征值算法检测角点。	`detectMinEigenFeatures`
`哈里斯`	使用Harris–Stephens算法检测角点。	`detectHarrisFeatures`
`快`	利用快速分段测试(FAST)算法的特征进行角点检测。	`检测广播功能`
`轻快的`	使用二进制鲁棒不变可伸缩关键点（BRISK）算法检测特征。	`检测风险特征`
`KAZE`	利用非线性扩散构造图像的尺度空间来检测特征，然后从该尺度空间检测出多尺度角点特征(KAZE特征)。	`detectKAZEFeatures`
`冲浪`	使用加速鲁棒特征（SURF）算法检测斑点特征。	`检测特征`
`女士`	使用最大稳定极值区域(MSER)算法检测区域。	`detectMSERFeatures`

时间内插程序

通过插值时间范围内的ROI位置来估计帧间的矩形ROI。要使用此算法，必须在至少两帧上绘制矩形ROI:一帧在间隔的开始，一帧在间隔的结束。插值算法在中间帧中估计和绘制roi。

考虑一个10帧的视频。第一帧有一个以[5,5]为中心的矩形ROI。第10帧有一个以[25,25]为中心的矩形ROI。算法在每一帧中移动ROI的2个像素x-方向和图像中的2个像素y方向。因此，算法将感兴趣区域集中在第二帧[7,7]，第三帧[9,9]，以此类推，直到倒数第二帧[23,23]。

点云时间插值器

通过在整个时间范围内插值ROI位置，估计点云帧之间的长方体ROI。要使用此算法，必须在至少两帧上绘制长方体ROI：一帧在间隔的开始，另一帧在间隔的结束。插值算法估计并绘制中间帧中的ROI。

考虑一个有10帧的点云序列。第一帧有一个以[5,5,0]为中心的长方体感兴趣区域。第10帧的ROI为长方体，中心为[25,25,0]。在每一帧，算法移动ROI中的2点x-方向，方向上有2个点y-方向上的0点z方向。因此，算法将感兴趣区域集中在第二帧的[7,7,0]，第三帧的[9,9,0]，以此类推，直到倒数第二帧的[23,23,0]。

车道边界探测器

使用估计的鸟瞰投影图像检测和标记车道边界。若要使用此算法，您必须定义至少一个线条ROI标签。您不需要绘制任何ROI标签。若要检测车道边界，此算法遵循以下步骤：

它对图像中车道边界的位置进行初步猜测。
它将车道周围的感兴趣区域转换为鸟瞰图，使车道平行，消除失真。
它使用这个图像分割车道边界。

要帮助改进算法结果，请先单击设置．您可以更改这些设置中的任何一个。

用于生成鸟瞰视图图像的车道线的放置
车道周围的ROI，您可以将其扩展到图像中包含的不仅仅是自我车道边界
图像中检测到的车道边界的像素宽度

您还可以更改要检测的车道边界的数量。默认的车道边界数为2．

兼容性考虑

全部展开