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

这个地面实况贴标签机应用程序使您能够在多个视频，图像序列，或激光雷达点云标签地面真相数据。

使用该应用程序，您可以：

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、折线感兴趣区域标签、像素感兴趣区域标签、激光雷达标贴长方体感兴趣区域标签和场景标贴定义。使用这些标签交互式地标签你的地面真相数据。
使用投影视图可同时在俯视图、前视图和侧视图中查看标签的选项。
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。

要了解有关此应用的更多信息，请参阅开始使用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，在下面汽车，单击应用程序图标。
MATLAB命令提示：输入地滚球打标机．

例子

程序化使用

全部展开

`地滚球打标机`

地滚球打标机打开应用程序的新会话，使您能够标记地面实况数据。

`groundTruthLabeler（视频文件名）`

groundTruthLabeler（视频文件名）打开应用程序并加载输入视频。视频文件必须具有支持的扩展名金宝appVideoReader．

例子:groundTruthLabeler（'caltech_cordova1.avi'））

`地面标记器（imageSeqFolder）`

地面标记器（imageSeqFolder）打开应用程序并从输入文件夹加载图像序列。一图像序列是一组有序的图像，类似于视频。

ImageSeq文件夹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金宝appimformats的返回顺序加载迪尔作用

`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。时间戳一定是个期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(“驾驶”),“驱动数据”,“道路序列”）;负载(fullfile (imageDir“timeStamps.mat”))groundTruthLabeler（imageDir，时间戳）

`groundTruthLabeler (___,“ConnectorTargetHandle”连接器)`

groundTruthLabeler (___,“ConnectorTargetHandle”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

这个连接器Input是。的句柄驱动连接器实现外部工具的类。

例如，这个语法会打开带有视频信号和同步激光雷达可视化工具的应用程序。

groundTruthLabeler (“01 _city_c2s_fcw_10s.mp4”,“ConnectorTargetHandle”, @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，即在应用程序底部的回放控件中使用其时间戳的信号。如果你改变了主信号，应用程序将断开工具并关闭它。
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已保存的应用程序会话，sessionFile．这个sessionFile输入包含路径和文件名。垫子锉sessionFile指向包含已保存会话的。

`groundTruthLabeler (gTruth)`

groundTruthLabeler (gTruth)打开应用程序并加载groundTruth对象。地面真值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直线或像素ROI标签。金宝app
像素ROI标签不支持子标签或属性。金宝app
长方体ROI标签不支持子标签。金宝app
“标签摘要”窗口不支持子标签或属性金宝app

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。可以直接从此窗格创建标签定义。或者，可以使用labelDefinitionCreatorMultisignal对象，然后将这些标签定义导入应用程序会话。

该应用程序支持R金宝appOI标签、子标签和属性的定义。

ROI标签

一ROI标签是信号帧中对应感兴趣区域(ROI)的标签。该表描述了支持的标签类型。金宝app

ROI标签	描述	场景
`矩形/长方体`	根据信号类型，在对象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，请参见标记激光雷达点云的目标检测．	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）。
`线`	绘制线性ROI标签以表示线。要绘制多段线ROI，请使用两个或多个点。	车道边界、护栏、路缘石
`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，请参阅用于语义分割的标记像素．	车辆、路面、树木、路面
`多边形`	绘制多边形ROI标签。可以标记同一类的不同实例。有关为实例和语义分割网络绘制多边形ROI标签的详细信息，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,一个车辆标签可能包含头灯,牌照和轮子标签。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签地面真实数据．

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。这个仅在定义标签或子标签后出现。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”选项仅适用于矩形,线,多边形,投影长方体和长方体ROI标签。

ROI属性

一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。金宝app

属性类型	样本属性定义	样本的默认值
`数值`
`一串`
`必然的`
`列表`

有关属性的详细信息，请参见使用子标签和属性标签地面真实数据．

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

您可以使用标签自动算法加快应用程序中的标签速度。要创建自己的标签自动化算法以在应用程序中使用，请参阅创建自动标记算法。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，请单击选择信号并在“选择信号”窗口中，选择一个或多个要自动化的信号。点击好啊．
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

使用聚合通道功能（ACF）检测和标记车辆。该算法基于vehicleDetectorACF作用要使用此算法，必须至少定义一个矩形ROI标签。您不需要绘制任何ROI标签。

要帮助改进算法结果，请首先单击设置．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”模型使用车辆前部、后部、左侧和右侧的未包含图像进行训练。这个“front-rear-view”模型仅使用车辆前部和后部的图像进行训练。
重叠率阈值，从0到1，用于检测车辆-当矩形ROI重叠超过该阈值时，算法丢弃其中一个ROI。
检测车辆的分类分数阈值-增加分数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。

您还可以通过导入单眼对象导入MATLAB工作区。以世界单位（如米）指定车辆的长度和宽度范围。

ACF人探测器

使用聚合通道特性(ACF)检测和标记人员。这个算法是基于peopleDetectorACF作用要使用此算法，必须至少定义一个矩形ROI标签。您不需要绘制任何ROI标签。

要帮助改进算法结果，请首先单击设置．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。这个“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标签愿景。PointTracker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。

若要更改用于获取跟踪初始点的特征检测器，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。	`检测错误特征`
`快速的`	利用加速分段测试（FAST）算法的特征检测角点。	`检测广播功能`
`轻快的`	利用二进制鲁棒不变可扩展关键点算法检测特征。	`detectBRISKFeatures`
`KAZE`	通过使用非线性扩散构造图像的尺度空间来检测特征，然后从该尺度空间中检测多尺度角点特征（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`
`MSER`	使用最大稳定极值区域(MSER)算法检测区域。	`检测特征`

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。在每一帧，该算法将ROI在图像中移动2个像素x-方向和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

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。

考虑一个具有10帧的点云序列。第一帧有一个以[5,5,0]为中心的长方体ROI。第10帧有一个以[25,25,0]为中心的长方体ROI。在每一帧，该算法将ROI在图像中移动2个点x-方向，2个点Y-方向，以及方向上的0点Z-方向。因此，该算法在第二帧中将ROI集中在[7,7,0]，在第三帧将ROI集中在[9,9,0]，以此类推，直到在第二帧到最后一帧将ROI集中在[23,23,0]。

车道边界检测器

使用估计的鸟瞰图投影图像检测和标记车道边界。要使用此算法，您必须定义至少一行ROI标签。您不需要画任何ROI标签。为了检测车道边界，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ROI转换为鸟瞰图像，以使车道平行并消除失真。
它使用这个图像分割车道边界。

要帮助改进算法结果，请首先单击设置．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