半自动室内整体布局标注系统（上）

吃橘子的猴子

已于 2022-03-15 20:20:35 修改

阅读量5.4k

点赞数

文章标签： python 深度学习计算机视觉

于 2022-03-14 19:41:08 首次发布

本文链接：https://blog.csdn.net/Decayboy/article/details/123481969

版权

室内全景图标注软件概述

简介

本系统是室内全景布局标注的半自动工具。它可以快速标注室内全景图形成3D标注结果。由Python3编程实现，并使用PyQt作为GUI框架以及使用OpenGL来渲染图形图像。
在这里插入图片描述

设置

环境配置：
●Python >= 3.6
●tensorflow >= 1.10/pytorch>=1.0.0
●shapely/torchvision/scipy
●PyQt5 / PyOpenGL
●Numpy / Pillow / scikit-image
●opencv-python>=3.1/open3d>=0.7

下载预先训练的模型

下载我们预先训练的深度神经网络模型权重，并复制到./estimator/depth/models/trained

设置环境

您可以自行配置环境。如果您已经安装了Anaconda，您可以通过以下代码激活环境：
conda env create -f ./scripts/annotator_env.yml
activate Annotator

启动软件

python ./MainWindow.py

预处理

标注的是曼哈顿对齐的RGB全景图。其中边缘检测图和方向图是可选的。任意一张室内全景图需要经过曼哈顿对齐算法校正。校正过程中需要先进行边缘检测以得到VP点，然后将VP点和原图像进行校正。只有在校正后的曼哈顿布局全景图才能够作为我们标注的对象。校正算法位于algorithm文件夹下的panoalign.py文件。
在这里插入图片描述

对齐后的全景图

在这里插入图片描述

全景图边缘检测图

批量标注配置

在启动工具并开始批量标注之前，您需要将批量的数据格式化。我们默认的工作空间是D:/PanoAnnotator,您需要将数据和标签文件夹分别命名为img和label_cor。格式化工具位于algorithm文件夹下的formadir.py文件，启动该文件您就可以得到可批量化标注的数据了。将格式化好的文件复制到该路径下。如下所示：
在这里插入图片描述