本發明公開了一種用于深度學習地鐵軌道識別的訓練數據集標注的生成方法，包括：利用安裝在地鐵車頭前方的攝像頭采集得到地鐵行駛時的地鐵軌道圖像，對每一幀地鐵軌道圖像執行以下操作：從地鐵位置信息中提取地鐵軌道圖像拍攝時地鐵所在的公里標，將所述公里標導入到地鐵軌道電子地圖中，得到所述公里標所對應的軌道參數；利用所述軌道參數構建三維地鐵軌道；利用攝像頭的內、外參數將所述三維地鐵軌道映射變換到地鐵軌道圖像中，計算出地鐵軌道圖像中的軌道位置，并生成對地鐵軌道圖像中的軌道區域的標注；由每一幀地鐵軌道圖像得到的對地鐵軌道圖像中的軌道區域的標注合集得到所述訓練數據集標注。

技術領域

本發明涉及一種用于深度學習地鐵軌道識別訓練數據集標注的生成方法，屬于計算機視覺技術領域。

背景技術

近年來，隨著城市規模的逐漸擴大以及城市人口的不斷增加，城市內的交通壓力越來越大。為了方便市民的出行，許多城市開始或已經修建了地鐵。地鐵在為市民提供方便快捷的出行方式的同時，其安全性也日益引起社會的關注。因此，計算機輔助地鐵前方軌道障礙物檢測成為非常重要的研究課題。

但是地鐵隧道里的軌道相比普通軌道，周邊環境更為復雜，軌道在圖像上的梯度特征也更不明顯，并且存在著較大曲率的彎道，所以給軌道識別帶來了許多困難，除深度學習外的其他識別效果都不理想。深度學習是目前計算機視覺上很好的方法，在許多圖像識別問題上已經體現了其巨大的優勢。但是深度學習方法需要大量的數以萬計的標注圖片作為數據集進行訓練，而地鐵軌道訓練數據集的生成需要對數據集中的每一張地鐵軌道圖片進行人工標注。在這個問題中，所謂的標注訓練數據集，就是將數據集中每一張地鐵軌道圖像的軌道區域畫出來。傳統圖像處理的標注方法需要使用人機交互手段通過人工的方式在每一張地鐵軌道圖像中框出軌道區域，每張圖片需要數十秒的時間完成標注操作，耗費大量的人力和時間，效率低下。

發明內容

本發明所要解決的技術問題是：提供一種用于深度學習地鐵軌道識別的訓練數據集標注生成方法，以克服傳統圖像處理的人工標注方法的效率低下的缺點，快速完成對地鐵列車前方軌道的標注并生成帶標注的地鐵軌道數據。

為解決上述技術問題，本發明的構思是：為了代替傳統圖像處理手工標注方法，提出對于有電子軌道地圖的地鐵路線，通過安裝在地鐵車頭前方的攝像頭采集到的地鐵軌道圖像，結合地鐵軌道的電子地圖，完成對地鐵軌道圖像中的軌道區域的標注，快速生成訓練數據集以用于進一步進行深度學習地鐵軌道識別。雖然通過電子軌道地圖的方法可以快速準確地計算生成軌道區域，但是在很多真正的應用當中，并沒有電子軌道地圖。所以，利用本發明方法，再進一步通過深度學習地鐵軌道識別訓練，可以得到一種通用的地鐵軌道識別方法。本發明可為深度學習地鐵軌道識別訓練快速生成帶有地鐵軌道標注的訓練集。

為解決上述技術問題，本發明所采取的技術方案是：本發明用于深度學習地鐵軌道識別的訓練數據集標注的生成方法包括：

利用安裝在地鐵車頭前方的攝像頭采集得到地鐵行駛時的地鐵軌道圖像，對每一幀地鐵軌道圖像執行以下操作：

從地鐵位置信息中提取地鐵軌道圖像拍攝時地鐵所在的公里標，將所述公里標導入到地鐵軌道電子地圖中，得到所述公里標所對應的軌道參數，所述軌道參數包括軌道曲率；利用所述軌道參數構建三維地鐵軌道；利用攝像頭的內、外參數將所述三維地鐵軌道映射變換到地鐵軌道圖像中，計算出地鐵軌道圖像中的左軌道位置和右軌道位置，并生成對地鐵軌道圖像中的軌道區域的標注。

再由每一幀地鐵軌道圖像得到的對地鐵軌道圖像中的軌道區域的標注合集得到所述訓練數據集標注。

當地鐵位置信息不準確時，可在從地鐵位置信息中提取地鐵軌道圖像拍攝時地鐵所在的公里標導入到地鐵軌道電子地圖中前，以參照點的地鐵公里標為參照，對地鐵軌道圖像拍攝時地鐵所在的公里標進行人工校正，所述參照點為地鐵站點或預設的地點（如一些軌道曲率變化的地點），從而保證生成標注的準確性。