Ground Truth Labeler

Маркируйте наземные данные об истине для автоматизированных ведущих приложений

расширьте все на странице

Описание

Приложение Ground Truth Labeler позволяет вам маркировать наземные данные об истине в видео в последовательности изображений, или от пользовательского читателя источника данных. Используя приложение, вы можете:

  • Задайте прямоугольные метки видимых областей (ROI), метки ROI ломаной линии, пиксельные метки ROI и метки сцены, и используйте эти метки, чтобы в интерактивном режиме маркировать ваши наземные данные об истине.

  • Используйте встроенные алгоритмы обнаружения или отслеживания, чтобы маркировать ваши наземные данные об истине.

  • Запишите, импортируйте и используйте свой собственный алгоритм автоматизации, чтобы автоматически маркировать наземную истину. Смотрите Создают Алгоритм Автоматизации для Маркировки (Computer Vision Toolbox).

  • Оцените производительность своих алгоритмов автоматизации метки с помощью визуальных сводных данных. Сводные данные Вида на море Наземной Истины Маркируют (Computer Vision Toolbox).

  • Экспортируйте маркированную наземную истину как объект groundTruth. Можно использовать этот объект для системной верификации или для обучения объектный детектор или семантическая сеть сегментации. Смотрите Детектор Объекта Train или Семантическую Сеть Сегментации от Наземных Данных об Истине (Computer Vision Toolbox).

  • Отобразите синхронизируемые со временем сигналы, такие как лазерный дальномер или данные о шине CAN, с помощью API driving.connector.Connector.

Чтобы узнать больше об этом приложении, см. Запуск с Ground Truth Labeler.

Откройте приложение Ground Truth Labeler

  • MATLAB® Toolstrip: На вкладке Apps, под Automotive, кликают по значку приложения.

  • Подсказка команды MATLAB: Введите groundTruthLabeler.

Примеры

Связанные примеры

Программируемое использование

развернуть все

groundTruthLabeler открывает новый сеанс приложения, позволяя вам маркировать наземные данные об истине.

groundTruthLabeler(videoFileName) открывает приложение и загружает входное видео. Видеофайлу должен был поддержать расширение VideoReader.

Пример: groundTruthLabeler('caltech_cordova1.avi')

groundTruthLabeler(imageSeqFolder) открывает приложение и загружает последовательность изображений от входной папки. image sequence является упорядоченным множеством изображений, которые напоминают видео. Изображения должны быть одного размера. imageSeqFolder должен быть скаляром строки или вектором символов, который задает папку, содержащую файлы изображений. Файлам изображений должен был поддержать расширения imformats и загружаются в порядке, возвращенном функцией dir.

Чтобы маркировать набор неупорядоченных изображений, которые могут отличаться по размеру, используйте приложение Image Labeler вместо этого.

groundTruthLabeler(imageSeqFolder,timestamps) открывает приложение и загружает последовательность изображений с их соответствующими метками времени. timestamps должен быть вектором duration той же длины как количество изображений в последовательности.

Например, загрузите последовательность дорожных изображений и их соответствующих меток времени в приложение.

imageDir = fullfile(toolboxdir('driving'),'drivingdata','roadSequence');
load(fullfile(imageDir,'timeStamps.mat'))
groundTruthLabeler(imageDir,timeStamps)

groundTruthLabeler(gtSource) открывает приложение и загружает объект groundTruthDataSource, gtSource. Объект содержит пользовательский источник данных и соответствующие метки времени. Смотрите Использование Пользовательский Читатель Источника данных для Разметки достоверных данных (Computer Vision Toolbox).

groundTruthLabeler(sessionFile) открывает приложение и загружает сохраненный сеанс приложения, sessionFile. Вход sessionFile содержит путь и имя файла. MAT-файл, на который указывает sessionFile, содержит сохраненный сеанс.

groundTruthLabeler(___,'ConnectorTargetHandle','connector') открывает приложение со специальным коннектором. 'connector' является указателем на класс driving.connector.Connector. Указатель реализует пользовательский инструмент анализа или визуализации, который синхронизируется со временем с приложением Ground Truth Labeler. Например, чтобы сопоставить цель коннектора, заданную в классе MyConnectorClass, задайте @MyConnectorClass.

Например, откройте приложение, загрузите 10-секундное видео в него и откройте инструмент визуализации лазерного дальномера, который синхронизируется со временем с видео.

groundTruthLabeler('01_city_c2s_fcw_10s.mp4','ConnectorTargetHandle',@LidarDisplay);

Ограничения

  • Встроенные алгоритмы автоматизации поддерживают автоматизацию прямоугольных меток ROI только. Когда вы выбираете встроенный алгоритм и нажимаете Automate, метки сцены, пиксельные метки, метки ломаной линии, подметки, и атрибуты не импортируются в сеанс автоматизации. Чтобы автоматизировать маркировку этих функций, создайте пользовательский алгоритм автоматизации. Смотрите Создают Алгоритм Автоматизации для Маркировки (Computer Vision Toolbox).

  • Пиксельные метки ROI не поддерживают подметки или атрибуты.

  • Окно Label Summary не поддерживает подметки или атрибуты

Советы

  • Чтобы избежать необходимости повторно маркировать наземную истину новыми метками, организуйте схему маркировки, которую вы хотите использовать прежде, чем отметить вашу наземную истину.

Алгоритмы

Приложение Ground Truth Labeler предоставляет встроенные алгоритмы, которые можно использовать, чтобы автоматизировать маркировку. От панели инструментов приложения нажмите Select Algorithm, и затем выберите алгоритм автоматизации.

Встроенный алгоритм автоматизацииОписание

ACF People Detector

Обнаружьте и маркируйте людей, использующих предварительно обученный детектор на основе совокупных функций канала (ACF). С этим алгоритмом вы не должны чертить метки ROI.

Point Tracker

Отследите и маркируйте одну или несколько прямоугольных меток ROI на коротких интервалах с помощью алгоритма Kanade-Lucas-Tomasi (KLT).

Temporal Interpolator

Оцените КОРОЛЕЙ в промежуточных кадрах с помощью интерполяции прямоугольных КОРОЛЕЙ в ключевых кадрах. Чертите КОРОЛЕЙ на минимуме двух кадров (вначале и в конце интервала). Алгоритм интерполяции оценивает КОРОЛЕЙ между кадрами.

ACF Vehicle Detector

Обнаружьте и маркируйте автомобили с помощью предварительно обученного детектора на основе ACF. С этим алгоритмом вы не должны чертить метки ROI.

Смотрите также

Приложения

Функции

Объекты

Темы

Введенный в R2017a

Документация Automated Driving Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте