跳至主要内容
汽车数据集生成

汽车数据集生成

利用合成数据降低汽车姿态估计神经网络的训练成本

automotivesynthetic-datamachine-learning
Chris Laan
Chris Laan
2019年10月12日 · 更新于 2026年10月3日

业务挑战

在近期的一个移动应用项目中,Laan Labs 需要围绕汽车外观打造一种增强现实体验。要在 AR 中将逼真的图形叠加到汽车上,就必须实时、准确地估计车辆的位置和朝向。

图像训练数据的获取成本可能非常高,还可能需要耗费大量人力、容易出错的人工标注。尤其是汽车,体积大、表面光亮,反射率高,在不同天气条件和周围环境下外观差异很大。

Laan Labs 需要收集 10,000 多张图像,这些图像要能代表用户用智能手机拍摄汽车时可能遇到的真实场景。


合成数据能够提供独一无二的照片级逼真图像,并附带精确的真值标注


方案

Laan Labs 的方案是利用合成数据,开发能够生成独一无二的照片级逼真图像并附带精确真值标注的软件。我们挑选了一批由美术人员制作的 3D 汽车模型、背景场景和光照模型,作为 3D 环境的基础。图像标注直接由 3D 场景计算得出。场景的多个方面被参数化,例如:相机角度、光照和背景。车辆相关属性也可自定义,例如:车辆姿态、车漆颜色与哑光效果、车窗贴膜、轮毂选择。有了参数化的 3D 场景,就可以借助云计算,以程序化方式渲染出无数种带标注的汽车图像变体。

汽车渲染图 1汽车渲染图 2

业务价值

通过生成合成数据,Laan Labs 获得了项目所需的 10,000 多张带标注图像,而无需拍摄并手工标注成千上万辆真实汽车。标注直接由 3D 场景计算得出,既省去了人工标注,也避免了随之而来的错误;想要增加光照、车漆和背景方面的新变化,只需修改参数,而不必再组织一次拍摄。该数据集用于训练支撑应用增强现实体验的汽车姿态估计模型。

所用技术

计算机视觉、神经网络、增强现实、Python、iOS、TensorFlow、CoreML

与 Laan Labs 合作

计算机视觉与 AI 开发

定制计算机视觉与机器学习,从概念验证到正式投产,支持设备端与云端。

下载本文

获取 Markdown 源文件,方便离线阅读