模型训练数据的构建方法、装置、电子设备及计算机可读存储介质与流程

本申请涉及人工智能，尤其涉及一种模型训练数据的构建方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、机器人与工业视觉系统通常需要可靠的深度信息来完成环境感知、定位、抓取、避障和人机交互。传统rgb-d相机可以通过tof、结构光等方式获取深度，但其主动发射机制会受到工作距离、环境光、反射材质、设备成本以及多相机干扰等因素限制。相比之下，双目视觉通过左右图像之间的视差恢复深度，具有被动成像、距离范围更广、硬件成本较低等优势，因此逐渐成为机器人和工业场景中的重要深度感知方案。然而，高性能双目立体匹配模型通常依赖大规模、高质量、带视差真值的数据进行训练。真实双目数据的高精度标注较难获得，通常需要激光雷达、rgb-d相机、工业标定设备或者复杂采集系统辅助生成深度真值，这些方式成本较高，且在细节边界、弱纹理区域、反光区域、远距离区域等位置容易产生误差，难以满足大模型训练对高精度视差标签的需求。

技术实现思路

1、本申请实施例提供一种模型训练数据的构建方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够高效构建出高几何精确度且贴近真实业务分布的双目训练数据集，从而显著提升了双目立体匹配模型在实际场景中的泛化能力与感知精度。

2、本申请实施例的技术方案是这样实现的：

3、本申请实施例提供一种模型训练数据的构建方法，包括：

4、获取候选单目图像，并对所述候选单目图像进行筛选，得到目标单目图像；

5、对所述目标单目图像进行双目数据合成处理，得到对应的候选双目训练样本，其中，所述候选双目训练样本至少包括合成左图、合成右图、目标视差以及置信度图；

6、对所述合成左图和所述合成右图进行视差评估，得到视差评估结果，并根据所述视差评估结果与所述目标视差之间的偏差，确定第一质量指标，其中，所述第一质量指标用于评估所述合成左图和所述合成右图之间的几何一致性；

7、对所述置信度图进行区域特征统计，得到用于评估所述目标视差可靠性的第二质量指标；

8、基于所述第一质量指标、以及所述第二质量指标对所述候选双目训练样本进行筛选，得到目标双目训练样本，其中，所述目标双目训练样本用于双目立体匹配模型的训练。

9、本申请实施例提供一种模型训练数据的构建装置，包括：

10、获取模块，用于获取候选单目图像；

11、筛选模块，用于对所述候选单目图像进行筛选，得到目标单目图像；

12、合成模块，用于对所述目标单目图像进行双目数据合成处理，得到对应的候选双目训练样本，其中，所述候选双目训练样本至少包括合成左图、合成右图、目标视差以及置信度图；

13、评估模块，用于对所述合成左图和所述合成右图进行视差评估，得到视差评估结果；

14、确定模块，用于根据所述视差评估结果与所述目标视差之间的偏差，确定第一质量指标，其中，所述第一质量指标用于评估所述合成左图和所述合成右图之间的几何一致性；

15、统计模块，用于对所述置信度图进行区域特征统计，得到用于评估所述目标视差可靠性的第二质量指标；

16、所述筛选模块，还用于基于所述第一质量指标、以及所述第二质量指标对所述候选双目训练样本进行筛选，得到目标双目训练样本，其中，所述目标双目训练样本用于双目立体匹配模型的训练。

17、本申请实施例提供一种电子设备，包括：

18、存储器，用于存储计算机可执行指令；

19、处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本申请实施例提供的模型训练数据的构建方法。

20、本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，用于被处理器执行时，实现本申请实施例提供的模型训练数据的构建方法。

21、本申请实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，用于被处理器执行时，实现本申请实施例提供的模型训练数据的构建方法。

22、本申请实施例具有以下有益效果：

23、通过前置图像质量净化、中置双目数据合成、后置多源几何校验与样本分级判定的闭环设计，在无需昂贵真实视差标注的前提下，利用第一质量指标反向校验合成图像的几何正确性，并结合第二质量指标定量评估目标视差自身的可靠性，两指标互为补充、双重把关，从而能够自动、精准地筛选肉眼难辨的几何不一致样本，构建出高几何精确度且贴近真实业务分布的高质量双目训练集，显著降低了双目立体匹配模型的训练成本，并大幅提升了模型在复杂实际场景中的泛化与感知精度。

1.一种模型训练数据的构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述目标单目图像进行双目数据合成处理，得到对应的候选双目训练样本，包括：

3.根据权利要求2所述的方法，其特征在于，在所述将所述合成左图、所述合成右图、所述目标视差以及在生成所述目标视差时同步输出的置信度图，组合为所述候选双目训练样本之前，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述对所述候选单目图像进行筛选，得到目标单目图像，包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述合成左图和所述合成右图进行视差评估，得到视差评估结果，并根据所述视差评估结果与所述目标视差之间的偏差，确定第一质量指标，包括：

6.根据权利要求1所述的方法，其特征在于，

7.根据权利要求1至6任一项所述的方法，其特征在于，在所述基于所述第一质量指标、以及所述第二质量指标对所述候选双目训练样本进行筛选，得到目标双目训练样本之前，所述方法还包括：

8.根据权利要求1至6任一项所述的方法，其特征在于，在所述对所述目标单目图像进行双目数据合成处理，得到对应的候选双目训练样本之后，所述方法还包括：

9.一种模型训练数据的构建装置，其特征在于，所述装置包括：

10.一种电子设备，其特征在于，包括：

11.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时，实现权利要求1至8任一项所述的模型训练数据的构建方法。