标签:像素 use detection issue 图像 数据集 key jpg pytho
Tusimple 是一家做自动驾驶的公司,他也公布了一些其在自动驾驶领域积累的数据,其中有一些是和车道线检测相关的。2018年6 月份,其举办了一次以摄像头图像数据做车道检测的比赛,公开了一部分数据及其标注。数据下载数据是:https://github.com/TuSimple/tusimple-benchmark/issues/3
在其doc中可以发现数据个数的一些说明
标注json 文件中每一行包括三个字段
raw_file : 每一个数据段的第20帧图像的的 path 路径
lanes 和 h_samples 是数据具体的标注内容,为了压缩,h_sample 是纵坐标(应该是从上到下拍好顺序的),lanes 是每个车道的横坐标,是个二维数组。
-2 表示这个点是无效的点
上面的数据就有 4 条车道线,第一条车道线的第一个点的坐标是(632,280)。
标注的过程应该是,将图片的下半部分如70%*height 等分成N份。然后取车道线(如论虚实)与该标注线交叉的点
利用以下脚本可以处理得到标注的数据,这个脚本稍微改动下也可以作为深度学习输入的图像。
# -*- coding: utf-8 -*- import cv2 import json import numpy as np base_path = "/Users/jcl/workspace/lane_detection/" file=open(base_path+‘test_label.json‘,‘r‘) image_num=0 for line in file.readlines(): data=json.loads(line) # print data[‘raw_file‘] # 取第 29 帧 看一下处理的效果 if image_num == 29: image=cv2.imread(base_path+data[‘raw_file‘]) # 二进制图像数组初始化 binaryimage=np.zeros((image.shape[0],image.shape[1],1),np.uint8) # 实例图像数组初始化 instanceimage=binaryimage.copy() arr_width=data[‘lanes‘] arr_height=data[‘h_samples‘] width_num=len(arr_width) height_num=len(arr_height) # print width_num # print height_num # 遍历纵坐标 for i in range(height_num): lane_hist=40 # 遍历各个车道的横坐标 for j in range(width_num): # 端点坐标赋值 if arr_width[j][i-1]>0 and arr_width[j][i]>0: binaryimage[int(arr_height[i]),int(arr_width[j][i])]=255 instanceimage[int(arr_height[i]),int(arr_width[j][i])]=lane_hist if i>0: # 画线,线宽10像素 cv2.line(binaryimage, (int(arr_width[j][i-1]),int(arr_height[i-1])), (int(arr_width[j][i]),int(arr_height[i])), 255, 10) cv2.line(instanceimage,(int(arr_width[j][i-1]),int(arr_height[i-1])), (int(arr_width[j][i]),int(arr_height[i])), lane_hist, 10) lane_hist+=50 cv2.imshow(‘image.jpg‘,image) cv2.waitKey() cv2.imshow(‘binaryimage.jpg‘,binaryimage) cv2.waitKey() cv2.imshow(‘instanceimage.jpg‘,instanceimage) cv2.waitKey() break # string1=base_path+"gt_image_binary/"+str(image_num)+".png" # string2=base_path+"gt_image_instance/"+str(image_num)+".png" # string3=base_path+"raw_image/"+str(image_num)+".png" # cv2.imwrite(string1,binaryimage) # cv2.imwrite(string2,instanceimage) # cv2.imwrite(string3,image) image_num = image_num + 1 file.close() print "total image_num:"+str(image_num)
处理完之后图片输出如下所示:
Tusimple 数据的标注特点:
1、车道线实际上不只是道路上的标线,虚线被当作了一种实线做处理的。这里面双实线、白线、黄线这类信息也是没有被标注的。
2、每条线实际上是点序列的坐标集合,而不是区域集合
标签:像素 use detection issue 图像 数据集 key jpg pytho
原文地址:https://www.cnblogs.com/oftenlin/p/10670534.html