标注信息生成方法、装置、电子设备及存储介质与流程

1.本公开涉及图像技术领域，尤其涉及一种标注信息生成方法、装置、电子设备、存储介质及程序产品。


背景技术：

2.在机器学习中，训练样本是准确获取神经网络模型的重要影响因素，每个训练样本都需要包括样本图像和样本图像对应的标注信息。
3.现有技术中，为了得到目标对象的训练样本，需要技术人员手动拍摄目标对象的图像，然后人工在该图像内标注目标对象的相关信息，得到训练样本。然而训练一个神经网络模型，通常需要数量巨大且不同形态的目标对象的训练样本，因此通过人工手动拍摄目标对象的图像及标注目标对象的相关信息的方式获取大量训练样本，需要消耗大量人力成本，并且人工手动标注目标对像的相关信息可能会导致标注信息不准确，以及不同的人进行标注会有较大的差异，导致人工标注容易产生误差，如此，大大降低了训练样本获取的可靠性及便捷性。


技术实现要素：

4.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种标注信息生成方法、装置、电子设备、存储介质及程序产品。
5.本公开实施例的第一方面，提供一种标注信息生成方法，该方法包括：同步拍摄目标对象的目标图像和第一图像，该目标图像为通过深度相机拍摄的，第一图像为通过第一相机拍摄的；检测该目标图像中的该目标对象，得到该目标对象的第一信息；基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息；其中，第一标定参数包括：该深度相机的内参，第一相机的内参，以及该深度相机与第一相机之间的外参。
6.可选地，该检测该目标图像中的目标对象，得到该目标对象的第一信息，包括：当该目标图像包括红外图像，通过深度学习检测模型，检测该红外图像中的目标对象，得到第一信息；当该目标图像包括深度图像，基于深度分割方法，检测该深度图像中的目标对象，得到第一信息。
7.可选地，第一标注信息包括该目标对象的中心点在第一图像中的第一像素坐标，第一信息包括该中心点在该目标图像中的第二像素坐标；该基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息，包括：通过第一标定参数，计算第二像素坐标在第一图像中的投影，得到第一像素坐标。
8.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第二尺寸信息，该目标对象上的第一点在该目标图像中的第三像素坐标，以及该目标对象上的第二点在该目标图像中的第四像素坐标；该基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息，包括：计算该目标图像到第一图像的投影比例；根据该投影比例和第二尺寸信息，计算第一尺寸信息；其中，
该投影比例为第一距离与第二距离的比值，第一距离为第三像素坐标与第四像素坐标之间的距离，第二距离为第三像素坐标在第一图像中的投影的像素坐标，与第四像素坐标在第一图像中的投影的像素坐标之间的距离。
9.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第一轮廓信息；该基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息，包括：通过第一标定参数，计算第一轮廓信息在第一图像中的投影，以得到该目标对象在第一图像中的第二轮廓信息；根据第二轮廓信息，计算第一尺寸信息。
10.可选地，该基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息之后，该方法还包括：针对n-1个图像中的每个图像执行下述步骤s1，以得到该目标对象在该每个图像的标注信息，该n-1个图像和第一图像分别为n个相机同步拍摄的目标对象的图像；其中，该s1包括：基于该目标对象在第i-1个图像中的第i-1个标注信息和第i个标定参数，生成该目标对象在第i个图像中的第i个标注信息，第i-1个图像是通过第i-1个相机拍摄的，第i个图像是通过第i个相机拍摄的，第i个标定参数包括：第i-1个相机的内参，第i个相机的内参，以及第i-1个相机与第i个相机之间的外参，n为大于1的整数，i为1,2,3
……
n-1，当i为1时，第i-1个图像为第一图像，第i-1个标注信息为第一标注信息。
11.可选地，第一相机为该n个相机中与该深度相机距离最近的相机，第i个相机为该n个相机中拍摄的图像未标注的相机中与第i-1个相机距离最近的相机。
12.本公开实施例的第二方面，提供一种标注信息生成装置，该装置包括：拍摄模块、检测模块和生成模块；该拍摄模块，用于同步拍摄目标对象的目标图像和第一图像，该目标图像为通过深度相机拍摄的，第一图像为通过第一相机拍摄的；该检测模块，用于检测该拍摄模块拍摄的该目标图像中的该目标对象，得到该目标对象的第一信息；该生成模块，用于基于该检测模块得到的第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息；其中，第一标定参数包括：该深度相机的内参，第一相机的内参，以及该深度相机与第一相机之间的外参。
13.可选地，该检测模块，具体用于当该目标图像包括红外图像，通过深度学习检测模型，检测该红外图像中的目标对象，得到第一信息；当该目标图像包括深度图像，基于深度分割方法，检测该深度图像中的目标对象，得到第一信息。
14.可选地，第一标注信息包括该目标对象的中心点在第一图像中的第一像素坐标，第一信息包括该中心点在该目标图像中的第二像素坐标；该生成模块，具体用于通过第一标定参数，计算第二像素坐标在第一图像中的投影，得到第一像素坐标。
15.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第二尺寸信息，该目标对象上的第一点在该目标图像中的第三像素坐标，以及该目标对象上的第二点在该目标图像中的第四像素坐标；该生成模块，具体用于计算该目标图像到第一图像的投影比例；根据该投影比例和第二尺寸信息，计算第一尺寸信息；其中，该投影比例为第一距离与第二距离的比值，第一距离为第三像素坐标与第四像素坐标之间的距离，第二距离为第三像素坐标在第一图像中的投影的像素坐标，与第四像素坐标在第一图像中的投影的像素坐标之间的距离。
16.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息
包括该目标对象在该目标图像中的第一轮廓信息；该生成模块，具体用于通过第一标定参数，计算第一轮廓信息在第一图像中的投影，以得到该目标对象在第一图像中的第二轮廓信息；根据第二轮廓信息，计算第一尺寸信息。
17.可选地，该生成模块，还用于在基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息之后，针对n-1个图像中的每个图像执行下述步骤s1，以得到该目标对象在该每个图像的标注信息，该n-1个图像和第一图像分别为n个相机同步拍摄的目标对象的图像；其中，该s1包括：基于该目标对象在第i-1个图像中的第i-1个标注信息和第i个标定参数，生成该目标对象在第i个图像中的第i个标注信息，第i-1个图像是通过第i-1个相机拍摄的，第i个图像是通过第i个相机拍摄的，第i个标定参数包括：第i-1个相机的内参，第i个相机的内参，以及第i-1个相机与第i个相机之间的外参，n为大于1的整数，i为1,2,3
……
n-1，当i为1时，第i-1个图像为第一图像，第i-1个标注信息为第一标注信息。
18.可选地，第一相机为该n个相机中与该深度相机距离最近的相机，第i个相机为该n个相机中拍摄的图像未标注的相机中与第i-1个相机距离最近的相机。
19.本公开实施例的第三方面，提供一种电子设备，该电子设备包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如第一方面所述的标注信息生成方法。
20.本公开实施例的第四方面，提供一种计算机可读存储介质，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现如第一方面所述的标注信息生成方法。
21.本公开实施例的第五方面，提供了一种计算机程序产品，其中，该计算机程序产品包括计算机程序，当该计算机程序产品在处理器上运行时，使得处理器执行该计算机程序，实现如第一方面所述的标注信息生成方法。
22.本公开实施例的第六方面，提供了一种芯片，该芯片包括处理器和通信接口，该通信接口和该处理器耦合，该处理器用于运行程序指令，实现如第一方面所述的标注信息生成方法。
23.本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例中，同步拍摄目标对象的目标图像和第一图像，通过检测深度相机拍摄的目标图像中的目标对象得到第一信息，然后基于第一信息和第一标定参数来自动生成目标对象在第一图像(样本图像)中的第一标注信息，进而得到训练样本(第一图像和第一标注信息)，如此无需人工对图像中的目标对象进行标注，可以降低人工成本，提高标注效率，而且通过自动标注可以避免人工标注造成的不准确或误差，进而可以提高训练样本获取的可靠性及便捷性。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
25.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
26.图1为本公开实施例提供的标注信息生成方法的流程示意图之一；
27.图2为本公开实施例提供的标注信息生成方法的流程示意图之二；
28.图3a为本公开实施例提供的标注信息生成方法的流程示意图之三；
29.图3b为本公开实施例提供的从目标图像到第一图像的投影示意图；
30.图4为本公开实施例提供的标注信息生成方法的流程示意图之四；
31.图5为本公开实施例提供的一种样本图像采集的相机布局示意图；
32.图6为本公开实施例提供的一种标注信息生成装置的结构框图；
33.图7为本公开实施例提供的一种电子设备的结构框图。
具体实施方式
34.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
35.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
36.本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
37.本公开实施例中的电子设备可以为移动电子设备，也可以为非移动电子设备。移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等；非移动电子设备可以为个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等；本公开实施例不作具体限定。
38.本公开实施例中，同步拍摄目标对象的目标图像和第一图像，通过检测深度相机拍摄的目标图像中的目标对象得到第一信息，然后基于第一信息和第一标定参数来自动生成目标对象在第一图像中的第一标注信息，进而得到训练样本(第一图像和第一标注信息)，如此无需人工对图像中的目标对象进行标注，可以降低人工成本，提高标注效率，而且通过自动标注可以避免人工标注造成的不准确或误差，进而可以提高训练样本获取的可靠性及便捷性。
39.本公开实施例提供的标注信息生成方法的执行主体可以为上述的电子设备(包括移动电子设备和非移动电子设备)，也可以为该电子设备中能够实现该标注信息生成方法的功能模块和/或功能实体，具体的可以根据实际使用需求确定，本公开实施例不作限定。
40.下面结合附图，通过具体的实施例及其应用场景对本公开实施例提供的标注信息生成方法进行详细地说明。
41.如图1所示，本公开实施例提供一种标注信息生成方法，该方法可以包括下述的步
骤101至步骤103。
42.101、同步拍摄目标对象的目标图像和第一图像。
43.其中，该目标图像为通过深度相机拍摄的，第一图像为通过第一相机拍摄的。
44.其中，同步拍摄可以理解为目标图像的拍摄时间戳与第一图像的拍摄时间戳的差值的绝对值小于或等于时间阈值。
45.其中，时间阈值可以根据实际使用需求确定，本公开实施例不做限定。示例性地，时间阈值可以为0，则同步拍摄为同时拍摄。
46.其中，本公开实施例中，深度(depth)相机可以为结构光(structured-light)深度相机，也可以为光飞行时间法(tof)深度相机，还可以为其他类型的深度相机，具体可以根据实际使用需求确定，本公开实施例不做限定。
47.目前，深度相机可以同时采集到深度(depth)图像和红外(infrared，ir)图像。
48.其中，第一相机可以为单通道相机，也可以为双通道相机、三通道相机等多通道相机。例如，第一相机可以为灰度相机、rgb相机、yuv相机、hsv相机、hsi相机、鱼眼相机等；具体可以根据实际使用需求确定，本公开实施例不做限定。
49.可以理解，本公开实施例中，需要借助对目标图像中的目标对象的识别来标注第一图像中的目标对象，因此，理论上目标图像和第一图像需要为同时拍摄的图像。也就是说，相机数据保存过程中，需要保证数据是同一时刻的，现在同时存在深度相机和第一相机的设备较多，该类设备无需考虑同步问题，因为数据获取过程在硬件模块已经满足数据同步需求，而针对单独的深度相机和第一相机采集而言，需要通过软件控制两个相机同步。
50.其中，通过软件控制两个相机同步的方法可以为在确保相机数据采集频率基本一致(如均为30帧/秒)的前提下，采用同一系统进行数据采集，使用系统时间戳进行图像命名，得到数据后根据时间戳的差进行同步对齐，一般情况下，误差最小的相邻帧即可近似为同步数据帧。
51.102、检测该目标图像中的该目标对象，得到该目标对象的第一信息。
52.相比于识别第一相机拍摄的第一图像中的目标对象，识别深度相机拍摄的深度图像中的目标对象或识别深度相机拍摄的红外图像中的目标对象较容易，而且识别精度要高，因此，本公开实施例中，可以借助识别目标图像中的目标对象，来对第一图像中的目标对象进行标注，获得标注信息，相比直接对第一图像中的目标对象进行识别标注，可以提高标注效率和标注精度。
53.103、基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息。
54.其中，第一标定参数包括：该深度相机的内参，第一相机的内参，以及该深度相机与第一相机之间的外参。
55.其中，相机的内参，用于从相机坐标系转换到像素坐标系，通常与相机的属性参数有关，如相机镜头的焦距相关，而与相机所处的位置，角度等不相关。一般情况下相机的内参包括从相机坐标系到像素坐标系的转换矩阵，有时也包括畸变参数，具体可以根据实际情况确定，本公开实施例不做限定。
56.其中，深度相机与第一相机之间的外参，用于从深度相机坐标系转换到第一相机坐标系，通常情况下，与两个相机的位置关系相关，因此为了后续数据的准确性，在第一标
定参数的标定过程中，以及后续图像的拍摄过程中，需要保持两个相机的位置不变。一般情况下，深度相机与第一相机之间的外参包括从深度相机坐标系到第一相机坐标系的转换矩阵，具体可以根据实际情况确定，本公开实施例不做限定。
57.其中，在相机标定过程中，可以单独对两个相机进行标定，得到第一相机的内参，第一相机的外参，深度相机的内参，深度相机的外参，然后根据第一相机的外参和深度相机的外参，通过计算转换得到深度相机与第一相机之间的外参；也可以直接对两个相机进行标定，得到第一相机的内参，深度相机的内参和深度相机与第一相机之间的外参。
58.其中，一个相机(第一相机或深度相机)的外参用于从世界坐标系转换到对应的相机坐标系，通常情况下一个相机的外参包括从世界坐标系到对应的相机坐标系的转换矩阵。
59.需要说明的是，为了减少人工成本及提高标注效率，本公开实施例中通过深度相机和第一相机联合数据采集，然后借助深度相机采集的图像对第一相机采集的图像中的目标对象进行标注，因此，在采集前需要保证二者的共视区域大于或等于区域阈值，且完整的目标对象需位于二者的共视区域内，再者，为了保证二者的转换关系的准确性，需要充分固定深度相机和第一相机的位置关系，对二者进行内参和外参的标定，以获得深度相机的内参、第一相机的内参，以及深度相机与第一相机之间的外参，而且要保证相机标定误差小于或等于误差阈值，即满足标定需求，以提高数据采集和转换的可靠性。
60.可选地，该目标图像包括红外图像；上述步骤102具体可以通过下述步骤102a实现。
61.102a、通过深度学习检测模型，检测该红外图像中的目标对象，得到第一信息。
62.可以理解，在通过深度学习检测模型自动检测红外图像中的目标对象之前，需要先训练深度学习检测模型，训练深度学习检测模型需要先获取目标对象的红外图像样本数据，红外图像样本数据包括红外样本图像，以及对红外样本图像中的目标对象的标注信息。由于相比于单通道图像或多通道图像，红外图像最大程度的避免了背景和环境光线的干扰，在相对少量红外图像样本数据对深度学习模型进行训练即可以得到精度较好的深度学习检测模型，而且在多姿态、多角度的变化中对红外图像进行检测的深度学习检测模型则能保证很好的检测精度。
63.可以得到目标对象在红外图像中的轮廓信息，然后可以基于目标对象的轮廓信息计算得到目标对象的中心点在红外图像中的第二像素坐标，也可以基于目标对象的轮廓信息计算得到目标对象在红外图像中的尺寸信息，还可以计算得到目标对象的其他信息，具体可以根据实际情况确定，本公开实施例不做限定。
64.需要说明的是，尺寸信息可以包括长度信息和宽度信息中的至少一项，还可以包括其他尺寸信息，具体可以根据实际情况确定，本公开实施例不做限定。
65.因此，本公开实施例中，通过深度学习检测模型检测红外图像中的目标对象得到第一信息，不仅可以提高检测精度，而且可以提高检测效率，进而提高对第一图像中的目标对象的标注效率和标注精度。
66.可选地，在上述步骤102a之前，本公开实施例提供的标注信息生成方法还可以包括下述的步骤104。
67.104、基于该深度图像，对该红外图像进行背景过滤处理和去噪处理。
68.可以理解，在对红外图像中的目标对象进行检测之前，可以先对红外图像进行预处理，即进行背景过滤处理和去噪处理，以保证目标对象为红外图像中的主导成分，从而提高检测精度和标注质量。
69.其中，对红外图像进行背景过滤处理的方法可以为考虑到实际采集图像的过程中目标对象相对深度相机的距离，可以设定距离范围(如5cm-80cm)，然后基于深度图像，将深度图像中在距离范围内的像素点投影到红外图像中，然后将红外图像中除这些投影的像素点之外的像素点去掉，即实现了对红外图像的背景过滤。
70.其中，对红外图像进行去噪处理的方法可以为根据目标对象的尺寸，设置连通域的尺寸阈值，根据深度图像处理中的连通域尺寸(size)来判断是否为目标对象，在连通域尺寸小于尺寸阈值时，判断其为噪声，然后将为噪声的连通域投影到红外图像，以去除这些投影的像素点，即实现了红外图像的噪声过滤，达到红外图像检测的最理想状态。
71.本公开实施例中，基于深度图像对红外图像进行背景过滤处理和去噪处理，可以提高对红外图像中的目标对象的识别效率和识别精度，进而可以提高对第一图像中的目标对象的标注效率和标注精度。
72.需要说明的是，在获取红外图像样本数据的过程中，也可以对红外样本图像进行背景过滤处理和去噪处理，以保证通过红外图像样本数据训练得到的深度学习检测模型的检测精度。
73.可选地，该目标图像包括深度图像；上述步骤102具体可以通过下述步骤102b实现。
74.102b、基于深度分割方法，检测该深度图像中的目标对象，得到第一信息。
75.可以理解，先根据实际采集图像的过程中目标对象距深度相机的距离，确定一个距离区间，根据距离区间将深度图像进行分割，得到距离区间内的深度图像，然后检测距离区间内的深度区间中的连通域，将连通域尺寸大于尺寸阈值的连通域确定为检测到的目标对象。
76.可以得到目标对象在深度图像中的轮廓信息，然后可以基于目标对象的轮廓信息计算得到目标对象的中心点在深度图像中的第二像素坐标，也可以基于目标对象的轮廓信息计算得到目标对象在深度图像中的尺寸信息，还可以计算得到目标对象的其他信息，具体可以根据实际情况确定，本公开实施例不做限定。
77.示例性地，目标图像为深度图像，中心点即为连通域的中心点，可以根据连通域的中心点确定目标对象的中心点的2d坐标p(x,y)，计算连通域的尺寸即为目标对象的尺寸信息，例如尺寸信息为目标对象的高宽(wd,hd)。
78.本技术实施例中，基于深度分割方法，检测该深度图像中的目标对象，可以提高深度图像中目标对象的检测效率和检测精度，进而提高对第一图像中的目标对象的标注效率和标注精度。
79.本公开实施例中，提供了多种对目标图像中的目标对象的检测方法，即提供了多种第一信息的获取方法，还可以通过其他方法检测目标图像中的目标对象，具体可以根据实际使用需求确定，本公开实施例不做限定。
80.可选地，第一标注信息包括该目标对象的中心点在第一图像中的第一像素坐标，第一信息包括该中心点在该目标图像中的第二像素坐标；结合图1，如图2所示，上述步骤
103具体可以通过下述步骤103a实现。
81.103a、通过第一标定参数，计算第二像素坐标在第一图像中的投影，得到第一像素坐标。
82.其中，第二像素坐标为目标对象的中心点在目标图像中的位置，第一像素坐标为目标对象的中心点在第一图像中的位置。
83.可以理解，通过步骤102检测得到目标对象的中心点在目标图像中的第二像素坐标，然后通过深度相机的内参，将第二像素坐标从目标图像对应的像素坐标系转换到深度相机坐标系，然后通过深度相机与第一相机之间的外参，转换到第一相机坐标系，最后通过第一相机的内参，转换到第一图像对应的像素坐标系，得到第一像素坐标。如此可以快速准确得到目标对象的中心点在第一图像中的位置。
84.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第二尺寸信息，该目标对象上的第一点在该目标图像中的第三像素坐标，以及该目标对象上的第二点在该目标图像中的第四像素坐标；结合图1，如图3a所示，上述步骤103具体可以通过下述步骤103b至步骤103c实现。
85.103b、计算该目标图像到第一图像的投影比例。
86.103c、根据该投影比例和第二尺寸信息，计算第一尺寸信息。
87.其中，该投影比例为第一距离与第二距离的比值，第一距离为第三像素坐标与第四像素坐标之间的距离，第二距离为第三像素坐标在第一图像中的投影的像素坐标，与第四像素坐标在第一图像中的投影的像素坐标之间的距离。
88.如图3b所示，其中，x1y1z1为目标图像的坐标系，标记“31”指示的为目标图像，标记“32”指示的为目标图像中的目标对象，标记“33”指示的为目标对象上的第一点在该目标图像中的第三像素坐标，标记“34”指示的为目标对象上的第二点在该目标图像中的第四像素坐标，l1为第一距离；x2y2z2为第一图像的坐标系，标记“35”指示的为第一图像，标记“36”指示的为第一图像中的目标对象，标记“37”指示的为目标对象上的第一点在第一图像中的像素点坐标，即第三像素坐标在第一图像中的投影的像素坐标，标记“38”指示的为目标对象上的第二点在第一图像中的像素点坐标，即第四像素坐标在第一图像中的投影的像素坐标，l2为第一距离，投影比例为l1和l2的比值。
89.可以理解，可以先计算目标对象在目标图像中与在第一图像中的比例，即投影比例，然后根据第二尺寸信息和投影比例，计算第一尺寸信息，如此可以提高第一尺寸信息的获取效率。
90.可选地，第三像素坐标对应的点和第四像素坐标对应的点可以为目标对象在目标图像中的任意两个不同的点，其中，第三像素坐标对应的点或第四像素坐标对应的点可以为第二像素坐标对应的点。
91.可选地，以第三像素坐标对应的点和第四像素坐标对应的点为对角线顶点的矩形中的任意一个像素点均在目标对象对应的连通域内。如此可以保证投影比例的准确性。
92.其中，本公开实施例中，是以投影比例为线性比例为例进行说明的，投影比例还可以为非线性比例具体可以根据实际情况确定，此处不做限定。
93.示例性地，目标图像为深度图像，第一图像为rgb图像，以中心点(即第二像素坐标)为基础，分别取m*n大小的矩形区域(如m＝30，n＝20，实际选择中需保证所选择矩形在
连通区域内)，分别对左上、右下顶点进行从深度图像到rgb图像的投影。分别计算深度图像和rgb图像中上述所选择的矩形的对角线的长度ld、l
rgb
，然后计算投影比例scale＝ld/l
rgb
,根据目标对象在深度图像中尺寸(wd,hd)，计算目标对象在rgb图像中的尺寸(w
rgb
,h
rgb
)＝(scale*wd,scale*hd)。
94.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第一轮廓信息；结合图1，如图4所示，上述步骤103具体可以通过下述步骤103d至步骤103e实现。
95.103d、通过第一标定参数，计算第一轮廓信息在第一图像中的投影，以得到该目标对象在第一图像中的第二轮廓信息。
96.103e、根据第二轮廓信息，计算第一尺寸信息。
97.可以理解，可以将检测到的第一轮廓信息中的每个点的像素坐标通过第一标定参数向第一图像投影，得到第二轮廓信息，然而根据第二轮廓信息计算尺寸信息，如此可以保证尺寸信息的准确性。
98.可选地，第一标注信息也可以包括目标对象在第一图像中的第二轮廓信息，具体可以根据实际情况确定第一标注信息包括哪些信息，本公开实施例不做限定。
99.可选地，在上述步骤103之前，本公开实施例提供的标注信息生成方法还可以包括下述的步骤105。
100.105、针对n-1个图像中的每个图像执行下述步骤s1，以得到该目标对象在该每个图像的标注信息，该n-1个图像和第一图像分别为n个相机同步拍摄的目标对象的图像。
101.其中，该s1包括：基于该目标对象在第i-1个图像中的第i-1个标注信息和第i个标定参数，生成该目标对象在第i个图像中的第i个标注信息，第i-1个图像是通过第i-1个相机拍摄的，第i个图像是通过第i个相机拍摄的，第i个标定参数包括：第i-1个相机的内参，第i个相机的内参，以及第i-1个相机与第i个相机之间的外参，n为大于1的整数，i为1,2,3
……
n-1，当i为1时，第i-1个图像为第一图像，第i-1个标注信息为第一标注信息，第i-1个相机为第一相机。
102.可以理解，当i为1时，基于第一标注信息(第0个标注信息)和第1个标定参数，生成该目标对象在第1个图像中的第1个标注信息，其中，第1个图像为通过第1个相机拍摄的该目标对象的图像，第1个图像是与第一图像(第0个图像)同步拍摄的，其中，第1个标定参数包括：第一相机(第0个相机)的内参，第1个相机的内参，以及第一相机(第0个相机)与第1个相机之间的外参；当i为2时，基于第1个标注信息和第2个标定参数，生成该目标对象在第2个图像中的第2个标注信息，其中，第2个图像为通过第2个相机拍摄的该目标对象的图像，第2个图像是与第1个图像同步拍摄的，其中，第2个标定参数包括：第1个相机的内参，第2个相机的内参，以及第1个相机与第2个相机之间的外参；
……
；当i为n-1时，基于第n-2个标注信息和第n-1个标定参数，生成该目标对象在第n-1个图像中的第n-1个标注信息，其中，第n-1个图像为通过第n-1个相机拍摄的该目标对象的图像，第n-1个图像是与第n-2个图像同步拍摄的，其中，第n-1个标定参数包括：第n-2个相机的内参，第n-1个相机的内参，以及第n-2个相机与第n-1个相机之间的外参。
103.对步骤105的描述可以参考对上述步骤103的相关描述，此处不再赘述。其中，对第i个标定参数的描述可以参考上述对第一标定参数的相关描述，此处不再赘述。对第i个标
注信息的描述可以参考上述对第一标注信息的相关描述，此处不再赘述。
104.可以理解，本公开实施例中，可以在拍摄样本图像时，同时设置一个深度相机和多个相机(单通道或多通道相机)，然后，通过深度相机与第一相机进行内外参标定得到第一标定参数，通过第一相机与第二相机进行内外参标定得到第二标定参数，通过第二相机与第三相机进行内外参标定得到第三标定参数
……
及多个相机两两进行标定，对目标对象的相关信息进行传递，以得到目标对象在每个图像中的标注信息，从而可以完成多角度的同时标注，获得不同角度的多个训练样本，可以提高标注效率，提高训练样本的获取效率，而且可以提高训练样本的多样性。
105.可选地，第一相机为该n个相机中与该深度相机距离最近的相机，第i个相机为该n个相机中拍摄的图像未标注的相机中与第i-1个相机距离最近的相机(如，第二相机为该多个相机中拍摄的图像未标注的相机中与第一相机距离最近的相机)。本公开实施例中，对邻近相机进行内外参标定可以提高标定精度。
106.示例性地，以多个相机为5个rgb相机为例，如图5所示，为深度相机与5个rgb相机的布局示意图，在进行相机内外参标定的过程中，可以先标定深度相机和最邻近rgb相机1的内外参数，然后标定rgb相机1与rgb相机2的内外参数，再标定rgb相机2与rgb相机3的内外参数，再标定rgb相机3与rgb相机4的内外参数，最后标定rgb相机4与rgb相机5的内外参数，最终得到相邻的任意两个相机之间的标定参数。图中阴影部分表示深度相机和rgb相机1的共视区。
107.本公开实施例中，可以通过深度相机和多个(单通道或多通道)相机同步进行连续图像采集，得到大量样本图像，然后通过本公开实施例提供的标注信息生成方法对采集的样本图像进行标注，得到标注信息，以生成大量的训练样本。
108.本公开实施例中，在生成标注信息之后，可以根据标注需求和存储格式，对样本图像(如第一图像)和对应的标注信息(如第一标注信息)进行对应存储，得到训练样本。而且为保证训练样本的可靠性，可以对训练样本进行抽样检查。
109.示例性地，采集了1万个训练样本，可以随机抽取该1万个训练样本中的30％进行抽样检查，抽样检查具体为判断该30％的训练样本中的标注信息是否准确，标注信息准确的为合格的训练样本，标注信息不准确的为不合格的训练样本，如果抽样检查的训练样本中合格率达到一定阈值(例如大于或等于95％)，则可以判定采集的该1万个训练样本是合格的，如果抽样检查的训练样本中合格率未达到一定阈值(例如小于95％)，则可以判定采集的该1万个训练样本是不合格的。如果判定采集的该1万个训练样本是不合格的，则需要通过提高相机的内外参标定的标定精度，和/或，提高对目标图像中的目标对象的检测精度等来提高样本图像的标注精度，具体可以根据实际情况确定，此处不做限定。
110.图6为本公开实施例示出的一种标注信息生成装置的结构框图，如图6所示，包括：拍摄模块601、检测模块602和生成模块603；该拍摄模块601，用于同步拍摄目标对象的目标图像和第一图像，该目标图像为通过深度相机拍摄的，第一图像为通过第一相机拍摄的；该检测模块602，用于检测该拍摄模块拍摄的该目标图像中的该目标对象，得到该目标对象的第一信息；该生成模块603，用于基于该检测模块得到的第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息；其中，第一标定参数包括：该深度相机的内参，第一相机的内参，以及该深度相机与第一相机之间的外参。
111.可选地，该检测模块602，具体用于当该目标图像包括红外图像，通过深度学习检测模型，检测该红外图像中的目标对象，得到第一信息；当该目标图像包括深度图像，基于深度分割方法，检测该深度图像中的目标对象，得到第一信息。
112.可选地，第一标注信息包括该目标对象的中心点在第一图像中的第一像素坐标，第一信息包括该中心点在该目标图像中的第二像素坐标；该生成模块603，具体用于通过第一标定参数，计算第二像素坐标在第一图像中的投影，得到第一像素坐标。
113.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第二尺寸信息，该目标对象上的第一点在该目标图像中的第三像素坐标，以及该目标对象上的第二点在该目标图像中的第四像素坐标；该生成模块603，具体用于计算该目标图像到第一图像的投影比例；根据该投影比例和第二尺寸信息，计算第一尺寸信息；其中，该投影比例为第一距离与第二距离的比值，第一距离为第三像素坐标与第四像素坐标之间的距离，第二距离为第三像素坐标在第一图像中的投影的像素坐标，与第四像素坐标在第一图像中的投影的像素坐标之间的距离。
114.可选地，第一标注信息包括该目标对象在第一图像中的第一尺寸信息，第一信息包括该目标对象在该目标图像中的第一轮廓信息；该生成模块603，具体用于通过第一标定参数，计算第一轮廓信息在第一图像中的投影，以得到该目标对象在第一图像中的第二轮廓信息；根据第二轮廓信息，计算第一尺寸信息。
115.可选地，该生成模块603，还用于在基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息之后，针对n-1个图像中的每个图像执行下述步骤s1，以得到该目标对象在该每个图像的标注信息，该n-1个图像和第一图像分别为n个相机同步拍摄的目标对象的图像；其中，该s1包括：基于该目标对象在第i-1个图像中的第i-1个标注信息和第i个标定参数，生成该目标对象在第i个图像中的第i个标注信息，第i-1个图像是通过第i-1个相机拍摄的，第i个图像是通过第i个相机拍摄的，第i个标定参数包括：第i-1个相机的内参，第i个相机的内参，以及第i-1个相机与第i个相机之间的外参，n为大于1的整数，i为1,2,3
……
n-1，当i为1时，第i-1个图像为第一图像，第i-1个标注信息为第一标注信息。
116.可选地，第一相机为该n个相机中与该深度相机距离最近的相机，第i个相机为该n个相机中拍摄的图像未标注的相机中与第i-1个相机距离最近的相机。
117.本公开实施例中，各模块可以实现上述方法实施例提供的标注信息生成方法，且能达到相同的技术效果，为避免重复，这里不再赘述。
118.图7为本公开实施例提供的一种电子设备的结构示意图，用于对实现本公开实施例中任意标注信息生成方法的电子设备进行示例性说明，不应理解为对本公开实施例的具体限定。
119.如图7所示，电子设备700可以包括处理器(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram 703中，还存储有电子设备700操作所需的各种程序和数据。处理器701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
120.通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振
动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
121.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom 702被安装。在该计算机程序被处理器701执行时，可以执行本公开实施例提供的任意标注信息生成方法中限定的功能。
122.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
123.在一些实施方式中，客户端、服务端可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
124.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
125.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：同步拍摄目标对象的目标图像和第一图像，该目标图像为通过深度相机拍摄的，第一图像为通过第一相机拍摄的；检测该目标图像中的该目标对象，得到该目标对象的第一信息；基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息；其中，第一标定参数包括：该深度相机的内参，第一相机的内参，以及该深度相机与第一相机之间的外参。
126.在本公开实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本
公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在计算机上执行、部分地在计算机上执行、作为一个独立的软件包执行、部分在计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
127.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
128.描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
129.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
130.在本公开的上下文中，计算机可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
131.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
132.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实
施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
133.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

技术特征：
1.一种标注信息生成方法，其特征在于，所述方法包括：同步拍摄目标对象的目标图像和第一图像，所述目标图像为通过深度相机拍摄的，所述第一图像为通过第一相机拍摄的；检测所述目标图像中的所述目标对象，得到所述目标对象的第一信息；基于所述第一信息和第一标定参数，生成所述目标对象在所述第一图像中的第一标注信息；其中，所述第一标定参数包括：所述深度相机的内参，所述第一相机的内参，以及所述深度相机与所述第一相机之间的外参。2.根据权利要求1所述的方法，其特征在于，所述检测所述目标图像中的目标对象，得到所述目标对象的第一信息，包括：当所述目标图像包括红外图像，通过深度学习检测模型，检测所述红外图像中的目标对象，得到所述第一信息；当所述目标图像包括深度图像，基于深度分割方法，检测所述深度图像中的目标对象，得到所述第一信息。3.根据权利要求1所述的方法，其特征在于，所述第一标注信息包括所述目标对象的中心点在所述第一图像中的第一像素坐标，所述第一信息包括所述中心点在所述目标图像中的第二像素坐标；所述基于所述第一信息和第一标定参数，生成所述目标对象在所述第一图像中的第一标注信息，包括：通过所述第一标定参数，计算所述第二像素坐标在所述第一图像中的投影，得到所述第一像素坐标。4.根据权利要求1所述的方法，其特征在于，所述第一标注信息包括所述目标对象在所述第一图像中的第一尺寸信息，所述第一信息包括所述目标对象在所述目标图像中的第二尺寸信息，所述目标对象上的第一点在所述目标图像中的第三像素坐标，以及所述目标对象上的第二点在所述目标图像中的第四像素坐标；所述基于所述第一信息和第一标定参数，生成所述目标对象在所述第一图像中的第一标注信息，包括：计算所述目标图像到所述第一图像的投影比例；根据所述投影比例和所述第二尺寸信息，计算所述第一尺寸信息；其中，所述投影比例为第一距离与第二距离的比值，所述第一距离为所述第三像素坐标与所述第四像素坐标之间的距离，所述第二距离为所述第三像素坐标在所述第一图像中的投影的像素坐标，与所述第四像素坐标在所述第一图像中的投影的像素坐标之间的距离。5.根据权利要求1所述的方法，其特征在于，所述第一标注信息包括所述目标对象在所述第一图像中的第一尺寸信息，所述第一信息包括所述目标对象在所述目标图像中的第一轮廓信息；所述基于所述第一信息和第一标定参数，生成所述目标对象在所述第一图像中的第一标注信息，包括：通过所述第一标定参数，计算所述第一轮廓信息在所述第一图像中的投影，以得到所
述目标对象在所述第一图像中的第二轮廓信息；根据所述第二轮廓信息，计算所述第一尺寸信息。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述基于所述第一信息和第一标定参数，生成所述目标对象在所述第一图像中的第一标注信息之后，所述方法还包括：针对n-1个图像中的每个图像执行下述步骤s1，以得到所述目标对象在所述每个图像的标注信息，所述n-1个图像和所述第一图像分别为n个相机同步拍摄的目标对象的图像；其中，所述s1包括：基于所述目标对象在第i-1个图像中的第i-1个标注信息和第i个标定参数，生成所述目标对象在第i个图像中的第i个标注信息，所述第i-1个图像是通过第i-1个相机拍摄的，所述第i个图像是通过第i个相机拍摄的，所述第i个标定参数包括：所述第i-1个相机的内参，所述第i个相机的内参，以及所述第i-1个相机与所述第i个相机之间的外参，n为大于1的整数，i为1,2,3
……
n-1，当i为1时，所述第i-1个图像为所述第一图像，第i-1个标注信息为所述第一标注信息。7.根据权利要求6所述的方法，其特征在于，所述第一相机为所述n个相机中与所述深度相机距离最近的相机，所述第i个相机为所述n个相机中拍摄的图像未标注的相机中与所述第i-1个相机距离最近的相机。8.一种标注信息生成装置，其特征在于，包括：拍摄模块、检测模块和生成模块；所述拍摄模块，用于同步拍摄目标对象的目标图像和第一图像，所述目标图像为通过深度相机拍摄的，所述第一图像为通过第一相机拍摄的；所述检测模块，用于检测所述拍摄模块拍摄的所述目标图像中的所述目标对象，得到所述目标对象的第一信息；所述生成模块，用于基于所述检测模块得到的所述第一信息和第一标定参数，生成所述目标对象在所述第一图像中的第一标注信息；其中，所述第一标定参数包括：所述深度相机的内参，所述第一相机的内参，以及所述深度相机与所述第一相机之间的外参。9.一种电子设备，其特征在于，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行权利要求1至7中任一项所述的标注信息生成方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，计算机程序被处理器执行时实现权利要求1至7中任一项所述的标注信息生成方法。

技术总结
本公开涉及一种标注信息生成方法、装置、电子设备、存储介质及程序产品，能够通过对样本图像的自动标注，降低人工成本，提高标注效率，以及提高训练样本获取的可靠性及便捷性。该方法包括：同步拍摄目标对象的目标图像和第一图像，该目标图像为通过深度相机拍摄的，第一图像为通过第一相机拍摄的；检测该目标图像中的该目标对象，得到该目标对象的第一信息；基于第一信息和第一标定参数，生成该目标对象在第一图像中的第一标注信息；其中，第一标定参数包括：该深度相机的内参，第一相机的内参，以及该深度相机与第一相机之间的外参。以及该深度相机与第一相机之间的外参。以及该深度相机与第一相机之间的外参。


技术研发人员：余海桃 孙飞 吴涛
受保护的技术使用者：北京字跳网络技术有限公司
技术研发日：2022.02.10
技术公布日：2023/8/24