[CV] Rotated IoU 计算旋转矩形之间的重叠面积

最新推荐文章于 2024-03-26 17:16:15 发布

lih627

最新推荐文章于 2024-03-26 17:16:15 发布

阅读量9k

点赞数 34

分类专栏：深度学习算法文章标签：几何学计算机视觉

本文链接：https://blog.csdn.net/Hoooo_233/article/details/108308795

版权

本文介绍了在计算机视觉中计算旋转矩形之间的重叠面积，即旋转IoU。通过解析SECOND目标检测论文的源码，文章详细探讨了旋转包围盒的编码方式，包括中心点和顶点编码，并提供了数学公式和代码实现。此外，还讨论了相交区域的判断、顶点排序和三角剖分等关键步骤，以帮助理解旋转矩形的相交面积计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[CV] Rotated IoU 计算旋转矩形之间的重叠面积

文章目录

[CV] Rotated IoU 计算旋转矩形之间的重叠面积

简介

在目标检测的领域，基于Anchor的方法需要对Anchor分配正负样本的标签。通常，对于axis-aligned的anchor和ground truth，可以直接通过 [top left right down]四个值计算他们之间的重叠面积。但是针对于旋转的矩形框，这个问题就变得尤为复杂。

我参考了3D目标检测论文SECOND的源码，来尝试解释一下如何计算旋转包围盒的重叠面积。

代码全部来自second.pytorch这个项目的早期版本，去掉了numba/cuda加速的代码。

旋转包围盒的编码方式

作者代码使用了两种方式

通过包围盒中心点位置，尺度以及角度来编码rbbox

rbbox = [x, y, x_d (w), y_d (h), angle]

通过包围盒的顶点corners来编码

矢量的旋转公式

将矢量看作列矢量 $\vec{\alpha}\in \mathbb R^{2\times1}$ ，则将其逆时针旋转 $\theta$ 之后的矢量为：

$\begin{bmatrix}\cos\theta&-\sin\theta\\ \sin\theta & \cos\theta\end{bmatrix}\vec{\alpha}$

包围盒转化为角点

如图，rbbox为绿色的包围盒，是原始黑色包围盒通过逆时针旋转 $\theta$ 角度得到。分析 $A ’$ 的真实坐标：

首先向量 $\overrightarrow{OA}$ 被表示为

$\overrightarrow{OA} = [-\frac{x_d}{2}, -\frac{y_d}{2}]^T$

旋转后的向量可以被表示为

$\overrightarrow{OA'} = T_\theta\overrightarrow{OA} = \begin{bmatrix} \cos\theta\cdot\frac{-x_d}{2} -\sin\theta\frac{-y_d}{2}\\ \sin\theta \frac{-x_d}{2} + \cos\theta\frac{-y_d}{2}\end{bmatrix}$
通过 $\overrightarrow{OA’}$ 恢复顶点的坐标即可。

代码表示

下段代码将[x, y, x_d, y_d, angle]转化为顺时针方方向表示的顶点坐标[x0, y0, x1, y1, x2, y2, x3, y3]

import math
def rbbox_to_corners(rbbox):
    # generate clockwise corners and rotate it clockwise
    # 顺时针方向返回角点位置
    cx, cy, x_d, y_d, angle = rbbox
    a_cos = math.cos(angle)
    a_sin = math.sin(angle)
    corners_x = [-x_d / 2, -x_d / 2, x_d / 2, x_d / 2]
    corners_y = [-y_d / 2, y_d / 2, y_d / 2, -y_d / 2]
    corners = [0] * 8
    for i in range(4):
        corners[2 *
                i] = a_cos * corners_x[i] + \
                     a_sin * corners_y[i] + cx
        corners[2 * i +
                1] = -a_sin * corners_x[i] + \
                     a_cos * corners_y[i] + cy
    return corners

测试一下结果：

rbbox = [0, 0, 2, 4, math.pi / 2]
corners = rbbox_to_corners(rbbox)
print([round(_) for _ in corners])
# [-2, 1, 2, 1, 2, -1, -2, -1]

相交区域的特点

两个四边形(矩形)，求交叠面积，可以先求出相交的多边形(Polygon)的顶点, 构成多边形的顶点可由两种类型的点构成：

原始四边形的顶点
四边形的边相交产生的交点

对应问题为：

判断点在四边形内
判断线段的交点

点在四边形(矩形)内

如图所示，四边形(矩形)通过ABCD四个顶点表示，可以使用较强的规则判断P在矩形内，即AP在AB 的投影在线段AB上，在AD的投影在线段AD上。

点积的物理意义

两个矢量的点积是标量，点积满足交换律：

矢量的模被定义为 $|a|=\sqrt{a\cdot a}$

最低0.47元/天解锁文章