CN108235775B - 具有伪边缘消除的基于块的边缘像素检测的系统和方法 - Google Patents
具有伪边缘消除的基于块的边缘像素检测的系统和方法 Download PDFInfo
- Publication number
- CN108235775B CN108235775B CN201880000076.0A CN201880000076A CN108235775B CN 108235775 B CN108235775 B CN 108235775B CN 201880000076 A CN201880000076 A CN 201880000076A CN 108235775 B CN108235775 B CN 108235775B
- Authority
- CN
- China
- Prior art keywords
- sub
- edge
- blocks
- image data
- image representation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000003379 elimination reaction Methods 0.000 title claims description 21
- 230000008030 elimination Effects 0.000 title claims description 13
- 238000012545 processing Methods 0.000 claims abstract description 81
- 230000008569 process Effects 0.000 claims description 30
- 238000012805 post-processing Methods 0.000 abstract description 19
- 238000004458 analytical method Methods 0.000 description 14
- 238000003708 edge detection Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明描述了使用基于块的边缘像素技术来提供物体边缘图像表示生成的方法和系统,该基于块的边缘像素技术实施边缘像素检测的后处理来消除伪边缘。实施例细分图像数据(例如,图像点云)以便对图像数据的多个子块进行单独边缘像素检测处理。应用伪边缘消除算法以重组从子块的边缘像素检测处理获得的物体边缘图像表示子块,从而消除与使用基于块的边缘像素检测相关的伪边缘假象。
Description
技术领域
本发明涉及图像处理,特别涉及在图像点云中的基于块的边缘像素检测,实施边缘像素检测的后处理以消除伪边缘。
背景技术
各种图像,包括诸如由运动或静止图像相机、断层成像装置、磁性成像装置、地震成像装置等拍摄的二维(2D)和三维(3D)图像,通常用于众多领域,包括制造业、医疗、安全、能源和建筑业等。例如,这些图像可用于质量控制分析、医学诊断、面部识别、地质勘探、部件应力和负载分析、和/或其它基于图像的应用。
对这些图像进行基于处理器(例如,基于计算机)的处理,可用于提供各种基于图像的应用,例如用于提供机器视觉、物体识别、边缘检测、深度映射等。用于这类基于处理器进行处理的图像可能包含相当大的数据集。例如,表示一个或多个物体的3D图像的点云可能相当大,比如数量级为兆字节或千兆字节。因此,从图像提取相关特征的技术(例如,一个图像内的物体边缘),常常用于减小图像数据的大小,并提供所示特征的图像表示,从而便于对一个或多个基于图像的应用进行图像处理。
已经存在多种技术来识别一个图像的点云内的边缘。例如,Bendels,Gerhard H.,Ruwen Schnabel和Reinhard Klein的“Detecting Holes in Point Set Surfaces”,WSCG2006International Programme Committee(2006);Hackel,Timo,Jan D.Wegner和KonradSchindler的“Contour detection in unstructured 3d point clouds”,Proceedings ofthe IEEE Con ference on Computer Vision and Pattern Recognition(2016);Boulassal,H.,T.Landes和P.Grussenmeyer的“Automatic extraction of planarclusters and their contour on building facades by terrestrial laser scanner”,International Journal of Architectural Computing 7.1,pp 1-20,(2009);和Ni,Huan等人的“Edge detection and feature line tracing in 3d-point clouds by analysesgeometric properties of neighborhoods”,Remote Sensing 8.9,p.710(2016),上述所列的参考文献都引用作为本说明书的揭示内容,通过使用边缘像素(边缘像素edgel,是指图像内被识别为某物体边缘的像素或3D点云里的体素voxel)检测算法,检测图像内的边缘。这些技术用于提取3D点云中的边缘像素点,从而提供一个比原始点云数据量显著减少的图像再现(在此被称为物体边缘图像表示),但仍然保留图像中所示物体的主要特征。
然而,这些边缘像素图像处理技术通常需要可观的处理时间和资源来生成物体边缘图像表示。因此,使用传统的现有边缘像素图像处理技术,在大型或复杂图像内提取物体主要特征,可能需要难以接受的时间量和/或处理资源量,且在某些情况下或使用特定基于处理器的系统下,是不可能的或不切实际的。例如,尽管物体边缘图像表示可以有助于特定的基于图像的应用,例如物体识别和机器视觉,但使用传统边缘像素图像处理技术来生成物体图像表示所需的时间可能使实时实施变得不切实际(例如,对于实时运动图像中的物体识别)。此外,使用传统边缘像素图像处理技术生成物体图像表示所需的处理资源可能使得在任何特定情况下可用系统(例如,部署在高速分类或装配线中的机器人拣取和放置系统)上实施变得不切实际。
发明内容
本发明涉及的系统和方法,使用基于块的边缘像素技术来提供物体边缘图像表示生成,该技术实施边缘检测的后处理来消除伪边缘。依照本发明的构思,通过基于块的边缘像素检测技术,本发明实施例细分图像数据(例如,图像点云)以便对图像数据的多个子块独立(并行或串行)进行边缘像素检测处理。应用伪边缘消除算法,以重新合并从子块边缘像素检测处理而获得的物体边缘图像表示子块,消除与使用基于块的边缘像素检测有关的伪边缘假象。
从前述可以理解,本发明实施例有助于快速甚至实时地生成物体边缘图像表示。另外,与传统边缘检测技术所需的计算资源相比,实施例使用具有更少计算资源的处理器平台来生成物体边缘图像表示。此外,依照本发明实施例可以实现上述功能,而不会将伪边缘假象引入到所获得的物体边缘图像表示中。
前面已经相当广泛地概述了本发明的特征和技术优点,以便可以更好地理解下面对本发明的详细描述。下面将描述形成本发明权利要求主题的本发明的附加特征和优点。本领域技术人员应当理解,所公开的构思和具体实施例可以容易地用作一个经修改或设计用于实现本发明相同目的的其他结构的基础。本领域技术人员还应该认识到,这种等同结构不脱离所附权利要求中所阐述的本发明的精神和范围。当结合附图考虑时,将从以下描述中更好地理解本发明特征的新颖性、其组织和操作方法、以及其它目的和优点。然而,应当明确地理解,每个附图仅是为了说明和描述而提供,并不作为本发明的限制。
附图说明
为了更完整地理解本发明,现在结合附图并参考以下描述,其中:
图1显示本发明实施例的系统框图,该系统被配置以使用基于块的边缘像素技术来提供物体边缘图像表示的生成,该基于块的边缘像素技术实施边缘像素检测的后处理以消除伪边缘;
图2是本发明实施例的图像处理器的运行流程简图,该图像处理器使用基于块的边缘像素检测和边缘像素检测的后处理而消除伪边缘,以提供物体边缘图像表示生成;
图3A显示本发明实施例的一个示例性图像,其被基于块的边缘像素技术处理以生成物体边缘图像表示,该基于块的边缘像素技术实施边缘像素检测的后处理以消除伪边缘;
图3B显示一个示例性的物体边缘图像表示,其是根据本发明实施例使用基于块的边缘像素技术从图3A的图像而生成,该基于块的边缘像素技术实施边缘像素检测的后处理以消除伪边缘;
图4描述本发明实施例的图像处理器提供基于块的边缘像素检测处理的运行流程图;
图5描述本发明实施例的图像处理器提供边缘像素检测的后处理来消除伪边缘的运行流程图。
图6A、6B-1、6B-2、6C-1和6C-2显示本发明实施例的细分图像数据和分别处理子块用于物体边缘图像表示生成,使用基于块的边缘像素技术实施边缘像素检测的后处理来消除伪边缘;
图7显示在子块边界上的伪边缘,其可以是由本发明实施例的基于块的边缘像素检测而引入的。
具体实施方式
图1显示本发明实施例的系统框图,该系统被配置以使用基于块的边缘像素技术实施边缘像素检测的后处理,以消除伪边缘,来提供物体边缘图像表示的生成。所述实施例的系统100包括图像处理器110,其具有基于块的边缘像素检测逻辑112和伪边缘消除逻辑115,它们协同运作以处理图像数据数据库114的图像数据(例如,一个或多个图像点云),并由此生成物体边缘图像表示数据库116的物体边缘图像表示。
依照本发明的实施例,图像处理器110可以包括各种形式的处理器系统。例如,图像处理器110可以包括通用计算机系统(例如,个人计算机(PC)、服务器、平板装置等)和/或专用处理器平台(例如,专用集成电路(ASIC)、片上系统(SoC)等)。所示实施例的图像处理器110包括处理器111(例如,英特尔的CORE系列的一个或多个处理器,英特尔的ATOM系列的一个或多个处理器,IBM的POWERPC系列的一个或多个处理器,一个或多个ASIC处理器实施等)和存储器112(例如,一个或多个半导体存储设备、只读存储器(ROM)、闪存、可擦除ROM(EROM)、光盘ROM(CD-ROM)、光盘、硬盘等)。所示实施例的存储器112包括处理器可读介质,其被配置以除了存储图像数据数据库114和物体边缘图像表示数据库116之外还存储一个或多个指令集(例如软件、固件等),当所述指令集由处理器(例如,处理器111的一个或多个处理器)执行时,能够实现如本文所述的任务和功能。例如,基于块的边缘像素检测逻辑113和伪边缘消除逻辑115可以包括存储在存储器112里的代码段,当该代码段由处理器111执行时,根据本发明的运行逻辑,使用基于块的边缘像素技术,实施边缘像素检测的后处理,来消除伪边缘,以提供物体边缘图像表示生成。
图2是图像处理器的运行流程简图,该图像处理器使用基于块的边缘像素检测和边缘像素检测的后处理以消除伪边缘,以提供物体边缘图像表示生成。例如,图2所示流程200的功能可以由图1的图像处理器110来执行,根据所述实施例,提供基于块的边缘像素检测及伪边缘消除。
在图2所示实施例的步骤201,获得图像数据用于图像处理。根据实施例的系统100,运行时,一个或多个成像装置(例如,成像装置120a-120c,可以包括静止图像摄像机、电影摄像机、自动化系统成像设备等)可以拍摄图像,并提供图像数据(例如,数据云格式)给图像数据数据库114,用于图像处理器110进行处理。拍摄图像数据用于图像处理,以提供物体识别、质量控制分析、自动捡取和放置操作、医学诊断、运动检测、安全分析、地质分析、应力和负载分析等。不管图像数据的特定最终用途是什么,根据所示实施例的流程200的步骤201的运行,获得一个或多个图像的数据,为其生成一个或多个物体边缘图像表示。例如,对应图3A拍摄图像的点云包括明火。
在流程200的步骤202,使用基于块的边缘像素检测处理提供物体边缘图像表示生成,可以由图1的基于块的边缘像素检测逻辑113来实施。通过所示实施例的基于块的边缘像素检测处理,图像数据被细分,以便使用多个边缘像素检测处理实例。因此,在步骤202a,图像数据被细分为多个子块的图像数据,这将在下面进一步详细描述。应当理解的是,相对于图像数据内所表示的内容或物体,图像数据的子块是任意的(即,图像中所表示的物体的表面可以穿越多个子块的边界或边缘)。在步骤202b,分别对每个图像数据子块进行边缘像素检测。例如,一个或多个边缘像素检测技术,如在Bendels,Gerhard H.,Ruwen Schnabel和Reinhard Klein的“Detecting Holes in Point Set Surfaces”,WSCG2006International Program Committee Committee(2006);Hackel,Timo,Jan D.Wegner和Konrad Schindler的“Contour detection in unstructured 3d point clouds”,Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition(2016);Boulassal,H.,T.Landes和P.Grussenmeyer的“Automatic extraction of planarclusters and their contour on building facades by terrestrial laser scanner”,International Journal of Architectural Computing 7.1,pp 1-20,(2009);以及Ni,Huan等人的“Edge detection and feature line tracing in3d-point clouds byanalyses geometric properties of neighborhoods”,Remote Sensing 8.9,p.710,(2016)描述的那些技术,可以用来对每个图像数据子块检测其边缘像素。然而,应该认识到,每个子块的边缘像素检测是分开进行的(例如,可以并行处理多个子块以进行边缘像素检测,可以串行处理多个子块以进行边缘像素检测,或者针对子块并行和串行组合进行边缘像素检测处理)。因此,所述实施例流程200的步骤202运行提供多个边缘像素处理的子块。
在图2所示流程200的步骤203,使用如图1的伪边缘消除逻辑115实施伪边缘消除过程,边缘像素处理的子块被组合形成物体边缘图像表示的图像数据。例如,在重新组合从子块边缘像素检测处理获得的物体边缘图像表示子块时,应用伪边缘消除算法,消除与使用基于块的边缘像素检测相关的伪边缘假象。本实施例实施的伪边缘消除算法可以使用相邻点分析技术,用于识别和/或消除伪边缘,这将在以下详细描述。
在图像数据的边缘像素处理的子块被组合之后,由此将基于块的边缘像素检测过程的伪边缘假象消除了,所示实施例的流程200的步骤204提供所获得的物体边缘图像表示的图像数据输出,例如可以是图3B的边缘像素图像,其包含图3A图像数据内的物体(明火)的边缘。例如,图1的伪边缘消除逻辑115可以输出由流程200运行生成的物体边缘图像表示到物体边缘图像表示数据库116。一个或多个这种物体边缘图像表示可以用于各种基于图像的应用中,如物体识别、质量控制分析、自动捡取和放置操作、医学诊断、运动检测、安全分析、地质分析、应力和负载分析等(例如,自动装置130a-130b,可以包括机器视觉系统、机器人操纵器等)。
根据本发明的构思,以上已经大致描述了使用基于块的边缘像素检测和边缘像素检测的后处理来消除伪边缘的物体边缘图像表示生成,以下将参考图4和5,详细描述示例性的基于块的边缘像素检测处理和示例性的边缘像素检测的后处理。特别地,图4描述图像处理器提供基于块的边缘像素检测处理的运行流程图,图5描述图像处理器提供边缘像素检测的后处理来消除伪边缘的运行流程图。图4基于块的边缘像素检测处理和图5边缘像素检测的后处理协作以处理图像数据(例如,3D点云610),而生成一个相应的物体边缘图像表示(例如,物体边缘图像表示650),如图6A、6B-1、6B-2、6C-1、和6C-2所述。
首先参照图4,根据本发明实施例,提供基于块的边缘像素检测处理的流程400。例如,流程400提供图2的物体边缘图像表示生成处理的步骤202的基于块的边缘像素检测处理功能。
在图4所示实施例的步骤401,将图像数据读入到图像处理器的基于块的边缘像素检测逻辑内,对于所述图像数据,将会生成物体边缘图像表示。例如,即将被处理的图像的3D点云(例如,图6A、6B-1、6B-2的3D点云610)被读入(例如,从图像数据数据库114)到图像处理器110的基于块的边缘像素检测逻辑113内。根据实施例进行运行时,在步骤401的通过基于块的边缘像素检测逻辑进行的处理,包括细分图像数据,以进行基于块的边缘像素检测。例如,可以通过对上述3D点云的点进行量化和/或下采样(例如,使用随机方法、网格平均方法、非均匀网格采样方法等),以进行细分,其中点的量化和/或下采样用以减少原始点云的数据量,同时提高识别精度,因为其消除了点位置的不明确性。另外或可替代地,依照实施例,例如通过分析3D点云在X、Y和Z方向上的尺寸,确定图像数据占据的面积或体积(例如,图6A的图像体积620),用于细分块。例如,3D点云在X,Y和Z方向上的最大尺寸可以由基于块的边缘像素检测逻辑113分别确定为图像数据尺寸Lx,Ly和Lz。
在所示实施例流程400的步骤402,建立用于细分图像体积的参数以及用于基于块的边缘像素检测的图像数据。例如,分别对应于X、Y和Z方向的细分参数M、N和P,可以由基于块的边缘像素检测逻辑113来设置,用于控制图像体积620在每个维度要被分成的块数量。在图6A所示的图像体积620的示例中,细分参数M、N和P被设置为M=N=P=2,由此定义8个子块(显示为子块621-628)用于细分图像数据。然而,应该认识到,基于块的边缘像素检测和边缘像素检测的后处理以消除伪边缘所使用的特定细分参数,不仅可以不同于示例中所示的值2,而且任意或所有细分参数M、N和P的值可以被设置为相互不同的值。应该意识到,细分参数M、N和P的值可以基于多个标准来选择(例如,选择的子块尺寸可以允许在特定主机处理器环境中提供最佳处理性能,选择的子块数量可以适合处理核数量,例如子块数量不超过可用处理核数量,子块数量是可用处理核数量的特定倍数等),其中如果子块的总数(M、N和P的乘积)大于主机处理器环境中可用处理核的数量,则子块的处理可以多批次来完成。不管在选择细分参数M、N和P时使用的特定标准是什么,每个细分参数都最好选择为一个整数值,便于快速、甚至实时地生成物体边缘图像表示,和/或使用比传统边缘检测技术需要更少计算资源的处理器平台生成物体边缘图像表示。
在图4所示实施例的步骤403,根据图像体积的细分参数M、N和P,而设置有关图像数据的图像数据尺寸。例如,依照实施例运行时,对应图像体积的细分参数M、N和P,有关图像数据而确定的图像数据尺寸Lx,Ly和Lz被基于块的边缘像素检测逻辑113分别调整为L’x,L’y和L’z,其中L’x,L’y和L’z的选择,使得它们可以单独整除相应的细分参数M、N和P。
依照实施例,对于基于块的边缘像素检测,在步骤404,根据图像体积细分参数,图像数据被细分成图像数据子块。例如,图6A、6B-1、6B-2的3D点云610被基于块的边缘像素检测逻辑113分成图像数据子块631-638(例如,可以存储在图像数据数据库114内,用于随后的边缘像素检测处理),对应图像体积620的子块621-628。因此,依照所述示例,图像数据子块631-638中的每个图像数据子块的尺寸是L’x/M,L’y/N和L’z/P。
在所示实施例流程400的步骤405,图像数据子块被处理,用于边缘像素检测以生成物体边缘图像表示的子块。例如,图6A、6B-1、6B-2的图像数据子块631-638中的每个图像数据子块(例如,可以从图像数据库114中取出)可以分别被处理,用于边缘像素检测,以生成图6A、6C-1、6C-2的对应物体边缘图像表示子块641-648(例如,可以存储在物体边缘图像表示数据库116里用于随后的伪边缘消除处理,和/或合并以形成物体边缘图像表示的图像数据)。如上所述,根本发明实施例,各种边缘像素检测技术(例如,Bendels,Gerhard H.,Ruwen Schnabel和Reinhard Klein的“Detecting Holes in Point Set Surfaces”,WSCG2006International Program Committee Committee(2006);Hackel,Timo,Jan D.Wegner和Konrad Schindler的“Contour detection in unstructured 3d point clouds”,Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition(2016);Boulaassal,H.,T.Landes和P.Grussenmeyer的“Automatic extraction ofplanar clusters and their contours on buildingrecorded by terrestriallaser scanner”,International Journal of Architectural Computing 7.1,pp 1-20,(2009);Ni,Huan等人的“Edge detection and feature line tracing in 3d-pointclouds by analyzing geometric properties of neighborhoods”,Remote Sensing8.9,p.710,(2016))可以用于从每个图像数据子块生成一个对应的物体边缘图像表示子块。
依照本发明实施例,对多个图像数据子块,并行进行边缘像素检测。例如,图像数据子块631-638中的每个图像数据子块,可被提供给独立处理单元(例如,独立处理器、多核处理器的处理器内核等)用于边缘像素检测,由此每个这种处理单元生成一个相应的物体边缘图像表示子块641-648。或者,可以并行处理一部分图像数据子块,进行边缘像素检测(例如,一部分图像数据子块对应于用于细分点云的一行、一列或一层图像体积620,一部分图像数据子块对应于可用数量的处理单元等),由此一些或全部处理单元可用来生成不止一个物体边缘图像表示子块。依照本发明实施例,通过在多个处理单元之间分配经常性资源密集处理图像数据,并行处理的边缘像素检测有助于快速甚至实时地生成物体边缘图像表示。
除了上述的并行边缘像素检测处理之外,本发明实施例可以串行地依次进行处理多个图像数据子块的边缘像素检测。例如,在以上示例中,仅有一部分图像数据子块被并行处理用于边缘像素检测(例如,其中点云610被细分成8个图像数据子块,只有4个处理单元可用于边缘像素检测处理),一个处理单元可以执行第一图像数据子块(例如,图像数据子块631)的边缘像素检测处理,以生成其对应的物体边缘图像表示子块(例如,物体边缘图像表示子块641),然后执行第二图像数据子块(例如,图像数据子块633)的边缘像素检测,以生成其对应的物体边缘图像表示子块(例如,物体边缘图像表示子块643)。作为另一个串行边缘像素检测处理的示例,可以使用同一个处理单元执行有关所有图像数据子块(例如,图像数据子块631-638中的每个图像数据子块)的边缘像素检测处理,一个接一个。鉴于处理单元仅需要足够的资源用于在任何特定时间处理图像数据子块,该实施例便于使用比传统边缘像素检测技术所需计算资源更少的处理器平台(例如,能力较低、性能较低的处理单元等)来生成物体边缘图像表示。
依照本发明实施例提供的边缘像素检测处理不仅提供图像内的边缘检测,而且还被配置为通过边缘像素检测的后处理来消除伪边缘。例如,在实施例流程400的步骤405上所进行的边缘像素检测处理,可以记录(例如,在物体边缘图像表示数据库116内)图像数据子块上检测到的每个边缘像素点的位置(例如,边缘像素点或像素在点云内的坐标)和法线(例如,在边缘像素点或像素位置上的表面法线)。依照实施例运行时,如果一个边缘像素点是在一个表面的边缘上,则该表面的法线用于表示该点的法线,如果一个边缘体素是在一个3D细棒的边缘上,则一个预定值(例如0)用来表示该点的法线。
现参见图5,流程500显示本发明实施例提供的边缘像素检测的后处理以消除伪边缘。例如,使用图2的物体边缘图像表示生成处理的步骤203的伪边缘消除过程,流程500可以合并边缘像素处理的子块,用于形成物体边缘图像表示的图像数据。
依照实施例使用基于块的边缘像素检测,可能在子块边界上产生伪边缘(例如,由图像数据的细分所引起的),如图7所示。例如,一个物体(如物体701)可能延伸超出执行边缘像素检测的子块的区域之外(例如,子块741,其可以是任何一个物体边缘图像表示子块641-648),其中在该物体与该子块边缘交接的一部分上,可以检测到边缘像素(这些边缘像素是指边界边缘像素点)。这会产生一个或多个伪边缘(例如,伪边缘761-763),其会出现在通过本发明实施例的基于块的边缘像素检测技术而生成的物体边缘图像表示子块上。因此,依照本发明实施例,提供边缘像素检测的后处理以避免伪边缘被视为真边缘,并运行以消除伪边缘,其中边界边缘像素点是由细分图像数据用于边缘像素检测而引起的。例如,依照一些实施例,应用图5所示流程500实施的伪边缘消除算法,重新合并从子块的边缘像素检测处理所获得的物体边缘图像表示子块,从而消除与使用基于块的边缘像素检测有关的伪边缘假象。
在图5所示实施例的步骤501,合并边缘像素检测处理的子块(例如,如图4流程400所生成的物体边缘图像表示子块641-648,可以从物体边缘图像表示数据库116中取出),用于形成物体边缘图像表示的图像数据。因此,在所述实施例里,所有空的物体边缘图像表示子块(例如,物体边缘图像表示子块641-648中没有边缘像素点的、或识别出的边缘像素点少于阈值量的任一子块)被标记为“合并的”,以避免不必要的进一步处理这些空的子块。但是,所有非空的物体边缘图像表示子块(例如,物体边缘图像表示子块641-648中有一些边缘像素点的、或此识别出的边缘像素点多于阈值量的任一子块)被标记为“未合并的”,以通过流程500所实施的伪边缘消除算法进行进一步的处理。
依照所述实施例的流程500运行时,在步骤502,选择图像数据的一个物体边缘图像表示子块作为物体边缘图像表示的基块。例如,任何非空的物体边缘图像表示子块(例如,物体边缘图像表示子块641-648中的识别出有边缘像素点的任一子块)可以是物体边缘图像表示(例如,物体边缘图像表示650)的基块(例如,用于合并的任意初始子块,其中基块尺寸将增加,因为来自其他子块的越来越多的边缘像素点会被添加到其中),物体边缘图像表示是从合并的物体边缘图像表示子块生成的。如果所有物体边缘图像表示子块都是空的,则依照步骤502,可以选择任一空子块作为基块。
依照实施例运行时,被选为基块的物体边缘图像表示子块被标记为“合并的”。依照所述实施例,在基块里的边缘像素点的点集合被记为PSbase。
在所示实施例的步骤503,确定是否有任何未合并的物体边缘图像表示子块,需要通过流程500进行合并。如果没有未合并的物体边缘图像表示子块留待被合并,则依照所述实施例使用伪边缘消除处理,合并边缘像素处理的子块,形成物体边缘图像表示的图像数据,然后流程500终止(例如,处理可以行进到图2的步骤204)。但是,如果还有未合并的物体边缘图像表示子块留待被合并,依照流程500的所述实施例的处理,行进到步骤504,选择一个未合并的物体边缘图像表示子块以与基块合并。
依照实施例流程500运行时,识别出有边缘像素点的物体边缘图像表示子块与基块合并,合并这些子块以形成物体边缘图像表示的图像数据。因此,在步骤504,选择一个未合并的物体边缘图像表示子块(例如,与基块共用一个侧面的物体边缘图像表示子块641-648中的一个子块,且其没有被合并,否则被标记为“合并的”)用于与基块合并。
如上所述,在图像数据上所示物体与图像数据子块边缘相交接的一部分,可能出现伪边缘。但是,真实边缘也同样出现在图像数据子块的边缘上。为了避免真实边缘被看作是伪边缘,所述实施例流程500进行分析,以确定边界边缘像素点是否应该被移除或与基块合并,用于形成物体边缘图像表示。
在所述实施例流程500步骤505,执行处理以确定边界边缘像素点是否应该被移除或与基块合并时,确定选择的用来与基块合并的物体边缘图像表示子块里的边缘像素点是否留待处理用于进行合并。如果确定所选物体边缘图像表示子块没有边缘像素点留待处理,处理行进到步骤506,其中,所选的物体边缘图像表示子块被标记为“合并的”,然后处理返回到步骤503以确定是否仍然有任何未合并的物体边缘图像表示子块。但是,如果确定所选的物体边缘图像表示子块有边缘像素点留待处理,处理行进到步骤507以进行进一步处理,来确定所选的物体边缘图像表示子块的未经处理的边缘像素点是否应该被移除或与基块合并。
在所述实施例的步骤507,选择一个未被处理的所选物体边缘图像表示子块的边缘像素点用于移除或与基块合并。相应地,依照本发明实施例,选择下一个边缘像素点以进行进一步处理来确定该边缘像素点是否应该被移除或与基块合并。边缘像素点的选择,可以从物体边缘图像表示子块中那些仍未被处理的边缘像素点中随机选择,也可以使用一个预设坐标模式按顺序选择,以遍历物体边缘图像表示子块内的所有点,等等。
依照流程500的步骤507的运行,不论如何选择将被处理的下一个边缘像素点,对于所选的边缘像素点,应用实施例的一个伪边缘消除算法。例如,所选边缘像素点可以被记为Pe,其3D位置被记为LPe。此外,所选边缘像素点的法线可以被记为NPe。
在步骤508,确定所选边缘像素点Pe是否位于一个或多个表面的边缘上。例如,如果所选边缘像素点Pe位于一个或多个表面的边界上,则所选边缘像素点Pe的法线NPe将大于一个所选阈值ε1(例如,一个可调的小阈值,在[0,0.02π]的范围内)。如果在步骤508确定所选边缘像素点Pe并没有位于一个或多个表面的边缘上(例如,|NPe|≤ε1),处理行进到步骤509,将所选边缘像素点Pe添加到基块上。但是,如果确定所选边缘像素点Pe位于一个或多个表面的边缘上(例如,|NPe|>ε1),处理行进到步骤510,进行进一步的处理,确定所选边缘像素点是否应该被移除或与基块合并。
在步骤510,确定所选边缘像素点Pe在基块内是否有任何相邻的边缘像素点。依照实施例运行时,所选边缘像素点的位置LPe可以被用作一个中心以在基块点集合PSbase里寻找相邻边缘像素点Px的一个相邻点集合PSx。例如,对每个边缘像素点其位置LPx应该满足|LPx-LPe|<ε2,其中ε2是一个选择的阈值(例如,一个可调阈值,在[0,4个精度单位]的范围内,其中一个精度单位是所拍摄的点云的最小精度,或下采样点云的最小精度)。在步骤510,如果确定所选边缘像素点Pe在基块内没有相邻边缘像素点Px(例如,集合的元素数目NPx=0),处理行进到步骤509,将所选边缘像素点Pe添加到基块。但是,如果确定所选边缘像素点Pe在基块内有一个或多个相邻边缘像素点Px(例如,集合的元素数目PSx,NPx大于0),处理行进到步骤511,进行进一步的处理,确定所选边缘像素点是否应该被移除或与基块合并。
在步骤511,确定相邻边缘像素点Px(例如,相邻点集合PSx中的边缘像素点被确定与所选边缘像素点Pe相邻)是否位于一个或多个表面的边缘上。例如,如果相邻边缘像素点Px位于一个或多个表面的边界上,则相邻边缘像素点Px的法线NPx将大于一个所选阈值ε3(例如,一个可调的小阈值,在[0,0.02π]的范围内)。依照实施例运行时,表示点集合PSx的法线或一部分点的法线的一个法线值,可以用于确定相邻边缘像素点是否位于一个或多个表面的边缘上。例如,点集合PSx的平均法线,记为NPSx,可以被计算用于确定相邻点是否位于一个表面的边缘上。在步骤511,如果确定相邻边缘像素点Px没有位于一个或多个表面的边缘上(例如,|NPSx|≤ε3),处理行进到步骤509,将所选边缘像素点Pe添加到基块。但是,如果确定相邻边缘像素点Px位于一个或多个表面的边缘上(例如,|NPSx|>ε3),处理行进到步骤512,进行进一步的处理,确定所选边缘像素点是否应该被移除或与基块合并。
在步骤512,确定所选边缘像素点Pe和相邻边缘像素点Px是否是同一表面的一部分。例如,如果所选边缘像素点Pe和相邻边缘像素点Px的法线是相同的,或在一些预选阈值量ε4内(例如,一个可调的小阈值,在[0,0.01π]的范围内),则所选边缘像素点Pe和相邻边缘像素点Px可以被确定为同一表面的一部分。在步骤512,如果确定所选边缘像素点Pe和相邻边缘像素点Px不是同一表面的一部分(例如,|NPSx-NPe|≤ε4),则处理行进到步骤509,将所选边缘像素点Pe添加到基块。但是,如果确定所选边缘像素点Pe和相邻边缘像素点Px是同一表面的一部分(例如,|NPSx-NPe|>ε4),则处理行进到步骤513,移除所选的边缘像素点Pe,不被添加到基块,并从基块移除相邻边缘像素点Px。
依照所述实施例流程500运行时,在将所选边缘像素点Pe添加到基块(步骤509)或移除所选边缘像素点Pe使得其不被添加到基块(步骤513)后,处理行进到步骤514,将所选边缘像素点Pe标记为已处理的。此后,依照所述实施例,处理返回到步骤505,确定选择的用来与基块合并的物体边缘图像表示子块里的边缘像素点是否留待处理以便进行合并。
从上述应该理解,图5所示流程500实施的伪边缘消除算法实施一个规则集(ruleset),以消除来自基于块的边缘像素检测细分而产生的伪边缘(例如,在物体边缘图像表示子块边界上的伪边缘),同时避免将真实边缘视为伪边缘。特别地,示例性实施例的伪边缘消除规则运行以保留位于物体边缘图像表示子块内部的边缘,保留位于物体边缘图像表示子块边缘或边界上的真边缘,并移除位于物体边缘图像表示子块的边缘或边界上的伪边缘。在运行时保留真边缘并移除伪边缘,示例性实施例运行以保留线边缘(例如,在物体边缘图像表示子块的边缘或边界上的线被保留;在两个相邻物体边缘图像表示子块的边缘或边界上的相邻线被保留:如果两条边缘线非常临近,但是一条是线状边缘,另一条是附属于平面的边缘,那么这两条边缘线将被保留),保留不同表面的边缘(例如,如果两条属于平面的边缘线非常临近,但是它们处在不同的平面上,那么这两条边缘线将被保留),并移除相同表面的边缘(例如,如果两条属于平面的边缘线非常临近,但是它们处在同一个平面上,那么这两条边缘线将被移除)。
前述示例性实施例可运行以使用基于块的边缘像素技术来提供物体边缘图像表示生成,该基于块的边缘像素技术实施边缘像素检测的后处理以消除伪边缘,从而有效使用计算资源来快速生成物体边缘图像表示。使用传统的非基于块的技术生成的物体边缘图像表示(例如,全图像3D点云处理用于边缘像素检测)与使用基于块的技术生成的物体边缘图像表示(例如,以子块方式处理图像3D点云,其中选择细分参数M,N和P为2,并使用伪边缘消除算法进行合并)相比,基于块的技术实施比传统技术快2.7倍。即使在两种技术使用边缘像素检测核心技术完全相同,并要求达到相同的边缘检测精度条件下,也可以在提取物体边缘上实现前述运算时间的改进。
尽管已经详细描述了本发明的实施例及其优点,但应当理解,在不脱离由所附权利要求限定的实施例精神和范围的情况下,可以在本文中进行各种改变、替换和变更。此外,本发明的范围并不限于说明书中所述的过程、机器、制造、物质组成、手段、方法和步骤的特定实施例。本领域普通技术人员将容易理解,可以利用执行与本文所述相应实施例基本相同功能或获得与本文所述实施例基本相同结果的目前存在的或稍后要开发的上述披露、过程、机器、制造、物质组成、手段、方法或步骤。因此,所附权利要求旨在将这些过程、机器、制造、物质组成、手段、方法或步骤包含在其范围内。
Claims (17)
1.一种从图像数据集生成物体边缘图像表示的方法,所述方法包括:
将所述图像数据集细分成多个图像数据子块,其中所述细分对于在所述图像数据内表示的物体是不可知的,使得所述图像数据子块相对于所述物体是任意的;
分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测,以生成多个物体边缘图像表示子块,其中,所述多个图像数据子块中的每个图像数据子块对应所述多个物体边缘图像表示子块中的一个物体边缘图像表示子块;和
使用伪边缘消除处理,来合并所述多个物体边缘图像表示子块中的物体边缘图像表示子块,以生成所述物体边缘图像表示;
其中,使用伪边缘消除处理,来合并所述多个物体边缘图像表示子块中的物体边缘图像表示子块包括:
选择所述多个物体边缘图像表示子块中的一个非空物体边缘图像表示子块作为一个基块,用于所述物体边缘图像表示;和
使用所述伪边缘消除处理来确定是否消除所述多个物体边缘图像表示子块中的剩余物体边缘图像表示子块的边缘像素点,或者是否将所述剩余物体边缘图像表示子块的所述边缘像素点添加到所述基块,其中所述伪边缘消除处理被迭代地应用到所述多个物体边缘图像表示子块中的每个剩余物体边缘图像表示子块,用于合并所述多个物体边缘图像表示子块以生成所述物体边缘图像表示。
2.根据权利要求1所述的方法,其中所述多个图像数据子块中的每个图像数据子块具有相同尺寸。
3.根据权利要求1所述的方法,其中将所述图像数据细分成多个图像数据子块包括:
确定所述图像数据适合的图像体积;和
设置细分参数M,N和P,用于控制所述图像体积在每个维度上要被分成的多个部分的数量,以提供所述多个图像数据子块。
4.根据权利要求1所述的方法,其中分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测包括:
对所述多个图像数据子块中的两个或多个图像数据子块的图像数据并行地进行边缘像素检测。
5.根据权利要求4所述的方法,其中对所述多个图像数据子块中的两个或多个所述图像数据子块的图像数据并行地进行边缘像素检测包括:
对所述多个图像数据子块中的每个图像数据子块的图像数据并行地进行边缘像素检测。
6.根据权利要求4所述的方法,其中分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测包括:
对所述多个图像数据子块中的两个或多个图像数据子块的图像数据串行地进行边缘像素检测。
7.根据权利要求1所述的方法,其中所述伪边缘消除处理包括:
确定所述剩余物体边缘图像表示子块的边缘像素点的表面法线值;
确定在所述基块内与所述剩余物体边缘图像表示子块的边缘像素点相邻的边缘像素点;
确定在所述基块内与所述剩余物体边缘图像表示子块的边缘像素点相邻的边缘像素点的平均表面法线值;和
如果所述表面法线值和所述平均表面法线值之间的差值小于或等于一个阈值,则移除所述剩余物体边缘图像表示子块的所述边缘像素点,而不将其添加到所述基块;或者如果所述表面法线值和所述平均表面法线值之间的差值大于一个阈值,则将所述剩余物体边缘图像表示子块的所述边缘像素点添加到所述基块。
8.一种从图像数据集生成物体边缘图像表示的系统,所述系统包括:
至少一个处理器;和
存储器,其耦合到所述至少一个处理器,其中所述至少一个处理器被配置有逻辑以:
将所述图像数据集细分成多个图像数据子块,其中所述图像数据集的细分对于所述图像数据内表示的物体是不可知的,使得所述图像数据子块相对于所述物体是任意的;
分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测,以生成多个物体边缘图像表示子块,其中,所述多个图像数据子块中的每个图像数据子块对应所述多个物体边缘图像表示子块中的一个物体边缘图像表示子块;和
使用伪边缘消除处理,来合并所述多个物体边缘图像表示子块中的物体边缘图像表示子块,以生成所述物体边缘图像表示;
其中,使用伪边缘消除处理,来合并所述多个物体边缘图像表示子块中的物体边缘图像表示子块的逻辑包括逻辑以:
选择所述多个物体边缘图像表示子块中的一个非空物体边缘图像表示子块作为一个基块,用于所述物体边缘图像表示;和
使用伪边缘消除处理逻辑来确定是否消除所述多个物体边缘图像表示子块中的剩余物体边缘图像表示子块的边缘像素点,或是否将所述剩余物体边缘图像表示子块的所述边缘像素点添加到所述基块,其中所述伪边缘消除处理被迭代地应用到所述多个物体边缘图像表示子块中的每个剩余物体边缘图像表示子块,用于合并所述多个物体边缘图像表示子块以生成所述物体边缘图像表示。
9.根据权利要求8所述的系统,其中所述多个图像数据子块中的每个图像数据子块具有相同尺寸。
10.根据权利要求8所述的系统,其中将所述图像数据集细分成多个图像数据子块的所述逻辑包括逻辑以:
确定所述图像数据适合的图像体积;和
设置细分参数M,N和P,用于控制所述图像体积在每个维度上要被分成的多个部分的数量,以提供所述多个图像数据子块。
11.根据权利要求8所述的系统,其中分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测的所述逻辑包括逻辑以:
对所述多个图像数据子块中的两个或多个图像数据子块的图像数据并行地进行边缘像素检测。
12.根据权利要求11所述的系统,其中对所述多个图像数据子块中的两个或多个图像数据子块的图像数据并行地进行边缘像素检测的所述逻辑包括逻辑以:
对所述多个图像数据子块中的每个图像数据子块的图像数据并行地进行边缘像素检测。
13.根据权利要求11所述的系统,其中分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测的所述逻辑包括逻辑以:
对所述多个图像数据子块中的两个或多个图像数据子块的图像数据串行地进行边缘像素检测。
14.根据权利要求8所述的系统,其中所述伪边缘消除处理逻辑包括逻辑以:
确定所述剩余物体边缘图像表示子块的边缘像素点的表面法线值;
确定在所述基块内与所述剩余物体边缘图像表示子块的边缘像素点相邻的边缘像素点;
确定在所述基块内与所述剩余物体边缘图像表示子块的边缘像素点相邻的边缘像素点的平均表面法线值;和
如果所述表面法线值与所述平均表面法线值之间的差值小于或等于一个阈值,则移除所述剩余物体边缘图像表示子块的所述边缘像素点,而不将其添加到所述基块,或者如果所述表面法线值与所述平均表面法线值之间的差值大于一个阈值,则将所述剩余物体边缘图像表示子块的所述边缘像素点添加到所述基块。
15.一种从图像数据集生成物体边缘图像表示的方法,所述方法包括:
将所述图像数据集细分成多个图像数据子块,其中所述细分对于在所述图像数据内表示的物体是不可知的,使得所述图像数据子块相对于所述物体是任意的;
分别对所述多个图像数据子块中的每个图像数据子块的图像数据进行边缘像素检测,以生成多个物体边缘图像表示子块,其中,所述多个图像数据子块中的每个图像数据子块对应所述多个物体边缘图像表示子块中的一个物体边缘图像表示子块;和
合并所述多个物体边缘图像表示子块中的物体边缘图像表示子块,以通过以下操作来生成所述物体边缘图像表示:
选择所述多个物体边缘图像表示子块中的一个非空物体边缘图像表示子块作为一个基块,用于所述物体边缘图像表示;
选择所述多个物体边缘图像表示子块中的剩余非空物体边缘图像表示子块,以将边缘像素点添加到所述基块;和
当将所选的剩余非空物体边缘图像表示子块的边缘像素点与所述基块合并时,通过以下步骤执行伪边缘消除处理:
确定所选的非空物体边缘图像表示子块的边缘像素点的表面法线值;
确定在所述基块内与所选的剩余非空物体边缘图像表示子块的边缘像素点相邻的边缘像素点;
确定在所述基块内与所选的剩余非空物体边缘图像表示子块的边缘像素点相邻的所述边缘像素点的平均表面法线值;
如果所述表面法线值与所述平均表面法线值之间的差值小于或等于一个阈值,则移除所选的剩余非空物体边缘图像表示子块的所述边缘像素点,而不将其添加到所述基块,或者如果所述表面法线值与所述平均表面法线值之间的差值大于一个阈值,则将所述剩余的非空物体边缘图像表示子块的所述边缘像素点添加到所述基块;和
对位于所选的剩余非空物体边缘图像表示子块的边界上的至少每个边缘像素点重复所述进行伪边缘消除处理;
重复选择剩余非空物体边缘图像表示子块,并对所述多个物体边缘图像表示子块中的每个剩余非空物体边缘图像表示子块进行伪边缘消除处理;和
输出具有来自一个或多个所述剩余非空物体边缘图像表示子块的边缘像素点的所述基块作为所述物体边缘图像表示。
16.根据权利要求15所述的方法,其中将所述图像数据集细分成多个图像数据子块包括:
确定所述图像数据适合的图像体积;和
设置细分参数M,N和P,用于控制所述图像体积在每个维度上要被分成的多个部分的数量,以提供所述多个图像数据子块。
17.根据权利要求15所述的方法,其中对所述多个图像数据子块中的每个图像数据子块的图像数据分别进行边缘像素检测包括:
对所述多个图像数据子块中的图像数据子块的图像数据并行地进行边缘像素检测。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/845,846 | 2017-12-18 | ||
US15/845,846 US10510148B2 (en) | 2017-12-18 | 2017-12-18 | Systems and methods for block based edgel detection with false edge elimination |
PCT/CN2018/072160 WO2019119567A1 (en) | 2017-12-18 | 2018-01-10 | Systems and methods for block based edgel detection with false edge elimination |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108235775A CN108235775A (zh) | 2018-06-29 |
CN108235775B true CN108235775B (zh) | 2021-06-15 |
Family
ID=62657757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880000076.0A Active CN108235775B (zh) | 2017-12-18 | 2018-01-10 | 具有伪边缘消除的基于块的边缘像素检测的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108235775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116310227B (zh) * | 2023-05-18 | 2023-09-12 | 海纳云物联科技有限公司 | 三维稠密重建方法、装置、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1720550A (zh) * | 2002-12-05 | 2006-01-11 | 皇家飞利浦电子股份有限公司 | 从分割图像中去除伪边缘的方法和设备 |
CN102034224A (zh) * | 2010-11-30 | 2011-04-27 | 辽宁师范大学 | 基于伪Zernike矩的图像去噪算法 |
CN103139577A (zh) * | 2011-11-23 | 2013-06-05 | 华为技术有限公司 | 一种深度图像滤波方法、获取深度图像滤波阈值的方法和装置 |
US9014265B1 (en) * | 2011-12-29 | 2015-04-21 | Google Inc. | Video coding using edge detection and block partitioning for intra prediction |
CN107301661A (zh) * | 2017-07-10 | 2017-10-27 | 中国科学院遥感与数字地球研究所 | 基于边缘点特征的高分辨率遥感图像配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9111349B2 (en) * | 2011-12-16 | 2015-08-18 | Microsoft Technology Licensing, Llc | Object identification using 3-D curve matching |
-
2018
- 2018-01-10 CN CN201880000076.0A patent/CN108235775B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1720550A (zh) * | 2002-12-05 | 2006-01-11 | 皇家飞利浦电子股份有限公司 | 从分割图像中去除伪边缘的方法和设备 |
CN102034224A (zh) * | 2010-11-30 | 2011-04-27 | 辽宁师范大学 | 基于伪Zernike矩的图像去噪算法 |
CN103139577A (zh) * | 2011-11-23 | 2013-06-05 | 华为技术有限公司 | 一种深度图像滤波方法、获取深度图像滤波阈值的方法和装置 |
US9014265B1 (en) * | 2011-12-29 | 2015-04-21 | Google Inc. | Video coding using edge detection and block partitioning for intra prediction |
CN107301661A (zh) * | 2017-07-10 | 2017-10-27 | 中国科学院遥感与数字地球研究所 | 基于边缘点特征的高分辨率遥感图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108235775A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10510148B2 (en) | Systems and methods for block based edgel detection with false edge elimination | |
Barron et al. | Fast bilateral-space stereo for synthetic defocus | |
US7760932B2 (en) | Method for reconstructing three-dimensional structure using silhouette information in two-dimensional image | |
Jeon et al. | Reconstruction-based pairwise depth dataset for depth image enhancement using CNN | |
JP7322460B2 (ja) | 情報処理装置、三次元モデルの生成方法、及びプログラム | |
CN113487633A (zh) | 一种点云轮廓提取方法、装置、计算机设备及存储介质 | |
KR102158390B1 (ko) | 영상 처리 방법 및 장치 | |
WO2018039936A1 (en) | Fast uv atlas generation and texture mapping | |
CN108235775B (zh) | 具有伪边缘消除的基于块的边缘像素检测的系统和方法 | |
KR100691855B1 (ko) | 영상정보의 특징 추출장치 및 그 방법 | |
JP6901885B2 (ja) | 前景抽出装置及びプログラム | |
Krishnamoorthy et al. | An enhanced method for object removal using exemplar-based image inpainting | |
CN111369611B (zh) | 图像像素深度值优化方法及其装置、设备和存储介质 | |
CN112465984A (zh) | 一种基于双层过滤的单目相机序列图像三维重构方法 | |
CN109785283B (zh) | 一种用于织物分割的纹理特征匹配方法及装置 | |
Andre Sorensen et al. | A RANSAC based CAD mesh reconstruction method using point clustering for mesh connectivity | |
US11893744B2 (en) | Methods and apparatus for extracting profiles from three-dimensional images | |
Lindblad et al. | Exact linear time euclidean distance transforms of grid line sampled shapes | |
Haque et al. | Robust feature-preserving denoising of 3D point clouds | |
Liu et al. | 3D point cloud denoising and normal estimation for 3D surface reconstruction | |
CN113111741A (zh) | 一种基于三维特征点的装配状态识别方法 | |
JP6116271B2 (ja) | 特徴量算出装置、方法及びプログラム | |
Thomas et al. | A study on close-range photogrammetry in image based modelling and rendering (IMBR) approaches and post-processing analysis | |
CN111932566A (zh) | 一种模型轮廓图生成方法、装置和系统 | |
Gkeli et al. | Automatic 3D reconstruction of buildings roof tops in densely urbanized areas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |