CN109242903B - 三维数据的生成方法、装置、设备及存储介质 - Google Patents
三维数据的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109242903B CN109242903B CN201811045660.6A CN201811045660A CN109242903B CN 109242903 B CN109242903 B CN 109242903B CN 201811045660 A CN201811045660 A CN 201811045660A CN 109242903 B CN109242903 B CN 109242903B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- target object
- vehicle
- dimensional image
- depth
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了一种三维数据的生成方法、装置、设备及存储介质。所述方法包括:获取目标物体在二维图像中的轮廓信息标注结果;根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向;根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据。通过本发明实施例的技术方案,能够降低三维标注的成本,提高三维标注的效率。
Description
技术领域
本发明实施例涉及信息处理技术,尤其涉及一种三维数据的生成方法、装置、设备及存储介质。
背景技术
在自动驾驶中,车辆的三维信息检测对于在行驶环境中感知和规划至关重要。
现有技术中,三维信息检测需要依赖于对车辆的三维信息进行标注,而标注的方式仅限于人工标注,因此,进行三维信息的标注往往昂贵费时,而已有的低成本且快速的二维标注方法又无法满足获取三维信息数据的要求。
发明内容
本发明实施例提供了一种三维数据的生成方法、装置、设备及存储介质,以降低三维标注的成本,提高三维标注的效率。
第一方面,本发明实施例提供了一种三维数据的生成方法,包括:
获取目标物体在二维图像中的轮廓信息标注结果;
根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向;
根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;
根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据。
第二方面,本发明实施例还提供了一种三维数据的生成装置,该装置包括:
结果获取模块,用于获取目标物体在二维图像中的轮廓信息标注结果;
三维计算模块,用于根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向;
坐标确定模块,用于根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;
数据生成模块,用于根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序所述处理器执行所述程序时实现如本发明实施例所述的三维数据的生成方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所述的三维数据的生成方法。
本发明实施例提供了一种三维数据的生成方法、装置、设备及存储介质,通过根据获取的目标物体在二维图像中的轮廓信息标注结果,以及目标物体的标准三维尺寸,计算目标物体的景深和三维朝向,并根据目标物体中参考二维图像点在二维图像中的二维坐标,以及景深,确定参考二维图像点的三维坐标,进而根据该三维坐标以及目标物体的三维朝向,生成与目标物体匹配的三维数据,利用二维标注预测三维信息,解决了现有技术中因三维标注仅限于人工标注的方式,而导致的三维标注昂贵费时的问题,实现了降低三维标注成本,提高三维标注效率的效果。
附图说明
图1a是本发明实施例一提供的一种三维数据的生成方法的流程示意图;
图1b是本发明实施例一适用的车辆拍摄俯视图的示意图;
图2是本发明实施例二提供的一种三维数据的生成方法的流程示意图;
图3是本发明实施例三提供的一种三维数据的生成装置的结构示意图;
图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1a为本发明实施例一提供的一种三维数据的生成方法的流程图,本实施例可适用于对物体进行三维信息标注的情况,该方法可以由本发明实施例提供的三维数据的生成装置来执行,该装置可采用软件和/或硬件的方式实现,并一般可集成在计算机设备中。如图1a所示,本实施例的方法具体包括:
S110、获取目标物体在二维图像中的轮廓信息标注结果。
本实施例中,可将从预设角度采集的目标物体的图像,作为目标物体的二维图像,其中,预设角度包括但不限于本设备与目标物体处于同一水平线上时的任意方位。例如,可通过无人车上的激光雷达来抓拍采集目标车辆的图像,作为获取的二维图像。
其中,轮廓信息标注结果可以是获取的二维图像中,能够表征目标物体的轮廓特征的标注结果。例如,当目标物体为车辆时,其轮廓信息标注结果可以是车辆在二维图像中外接的矩形框,也即车辆的外框,还可以是二维图像中车辆的车头与车身之间的分界线,也即分割线,在该外框中的位置。
具体的,可通过图像识别技术,对二维图像进行识别处理,以识别出目标物体在该二维图像中的轮廓信息,并进行标注,得到轮廓信息标注结果。
可选的,在获取目标物体在二维图像中的轮廓信息标注结果之后,还包括:根据轮廓信息标注结果,在二维图像中截取与目标物体匹配的局部图像;将局部图像输入至预先训练的标准三维识别模型中,得到目标物体的标准三维尺寸。
其中,截取的与目标物体匹配的局部图像,可以是目标物体在二维图像中外接的矩形框所对应的那部分图像。具体的,标准三维识别模型可以是基于深机器学习算法建立的模型,用于对物体对应的图像进行识别,预测物体对应的实际三维尺寸,也即标准三维尺寸。其中,该标准三维识别模型所采用的机器学习算法包括但不限于深度卷积神经网络。示例性的,可先通过采集大量的不同物体所对应的图像样本,对深度卷积神经网络模型进行训练,以训练出能够从图像中预测出物体标准三维尺寸的模型,作为标准三维识别模型;再将截取的与目标物体匹配的局部图像输入至该标准三维识别模型中,从而通过目标物体的图像预测其标准三维尺寸,例如长、宽、高(L,W,H)。另外,还可以设置目标物体尺寸模板,将得到的标准三维尺寸与目标物体尺寸模板相匹配,以滤除不合理值,进一步提高预测准确性。
S120、根据轮廓信息标注结果以及目标物体的标准三维尺寸,计算目标物体的景深以及目标物体的三维朝向。
由于轮廓信息标注结果为基于二维图像得到的目标物体的轮廓关键信息,而目标物体的标准三维尺寸为目标物体的实际尺寸,因此可将二者相结合,在二维图像的基础上,获取目标物体的三维信息。其中,三维信息包括但不限于目标物体的景深以及目标物体的三维朝向。通过二维标注预测三维信息的好处在于,可以使用相对低成本且快速的二维标注,得到昂贵费时的三维标注等同的检测效果。
具体的,目标物体的景深可以是目标物体至二维图像对应的拍摄焦点之间的距离,目标物体的三维朝向可以是目标物体的所朝方向与拍摄平面之间的夹角。
例如如图1b所示的车辆拍摄俯视图中,车辆1在二维图像2上的成像范围为,拍摄焦点A与车辆1上的最左端点E和最右端点G在二维图像2上的投影,也即交点B和交点C,其中,车辆的景深为拍摄焦点A到车辆1中最接近二维图像2的端点之间的距离,也即距离Z;车辆1的三维朝向为角γ。
S130、根据目标物体中参考二维图像点在二维图像中的二维坐标,以及景深,确定参考二维图像点的三维坐标。
本实施例中,参考二维图像点可以是目标物体在二维图像中的任意一点,例如,目标物体在二维图像中外接矩形框的几何中心点,也即如图1b所示的K点。
示例性的,以二维图像的一个端点为原点建立二维坐标系,通过识别目标物体外接矩形框的几何中心点,进而基于该二维坐标系获取该几何中心点的坐标,作为目标物体中参考二维图像点在二维图像中的二维坐标,结合计算得到的目标物体的景深,按照预设计算公式确定参考二维图像点的三维坐标。
可选的,根据目标物体中参考二维图像点的二维坐标,以及景深,确定参考二维图像点的三维坐标,包括:
根据公式:
计算参考二维图像点的三维坐标P,其中,x为参考二维图像点的横坐标,y为参考二维图像点的纵坐标,Z为景深,f为与二维图像对应的拍摄焦距。
以一个实际例子为例,如图1b所示,车辆1的外接矩形框的几何中心点,也即车辆1的外框中心点K的坐标为(x,y),可采用上述公式计算车辆1的外框中心点所对应的三维坐标其中,Z为车辆1的景深,f为二维图像所在拍摄平面与拍摄焦点A之间的距离,也即拍摄焦距。
S140、根据参考二维图像点的三维坐标以及目标物体的三维朝向,生成与目标物体匹配的三维数据。
本实施例中,若参考二维图像点的三维坐标以及目标物体的三维朝向确定,则可根据二维图像上参考二维图像点到目标物体上待测图像点之间的距离,按照预设计算公式,确定待测图像点对应的三维坐标,进而根据每个图像点对应的三维坐标构造生成与整个目标物体匹配的三维数据,实现利用目标物体的二维标注,得到目标物体的三维标注,从而节约了直接进行三维标注时所需的人工时间,提高了三维标注效率,另外,由于整个过程都是计算机自动完成的,无需人工参与,因此还可以降低三维标注的成本。
本发明实施例提供了一种三维数据的生成方法,通过根据获取的目标物体在二维图像中的轮廓信息标注结果,以及目标物体的标准三维尺寸,计算目标物体的景深和三维朝向,并根据目标物体中参考二维图像点在二维图像中的二维坐标,以及景深,确定参考二维图像点的三维坐标,进而根据该三维坐标以及目标物体的三维朝向,生成与目标物体匹配的三维数据,利用二维标注预测三维信息,解决了现有技术中因三维标注仅限于人工标注的方式,而导致的三维标注昂贵费时的问题,实现了降低三维标注成本,提高三维标注效率的效果。
实施例二
图2为本发明实施例二提供的一种三维数据的生成方法的流程图,本实施例以上述实施例为基础进行具体化。在本实施例中,将目标物体进一步优化为车辆,并将轮廓信息标注结果进一步优化为包括:车辆的外框,以及车辆的车头与车身的分割线在外框中的位置。
相应的,本实施例的方法包括:
S210、获取车辆在二维图像中的轮廓信息标注结果,其中,轮廓信息标注结果包括:车辆的外框,以及车辆的车头与车身的分割线在外框中的位置。
本实施例中,车辆的外框具体可以是车辆在二维图像中的外接矩形框,车辆的车头与车身的分割线在外框中的位置可以是车辆的车头与车身之间的分界线在该外接矩形框中的位置。例如图1b所示俯视图中,交点B为车辆1的外框的最左侧点,交点C为车辆1的外框的最右侧点,交点D为车辆1的车头与车身的分割线在外框中的位置点。
如图1b所示,举一个实际例子,若以车辆1的外框的几何中心点K(x,y)为参考二维图像点,且二维图像2中车辆1的外框的宽和高为(w,h),其中,外框的宽h即为交点B和交点C之间的距离,则可得到车辆1的外框最左侧点B的横坐标为最右侧点C的横坐标为车头和车身分割线位置点D的横坐标为xseg。
S220、根据车辆的外框的外框高度,以及标准三维尺寸中的车辆实际高度,计算目标物体的景深。
其中,车辆的外框的外框高度可以是车辆在二维图像中的外接矩形框的高度,也即二维图像中车辆的高度。由于车辆的外框的外框高度与标准三维尺寸中的车辆实际高度之比,与二维图像的拍摄焦距与目标物体的景深之比是相等的,因此,可根据车辆的外框的外框高度、标准三维尺寸中的车辆实际高度以及预设的二维图像的拍摄焦距,来计算车辆的景深,也即目标物体的景深。
如图1b所示,可根据车辆1的实际高度H、车辆1的外框高度h、以及二维图像2的拍摄焦距f,按照上述计算公式计算得到车辆1的景深Z,也即目标物体的景深Z。
S230、根据车头与车身的分割线在外框中的位置、标准三维尺寸中的车辆实际长度以及目标物体的景深,计算目标物体的三维朝向。
本实施例中,目标物体的三维朝向具体为车辆的车身长边相对于拍摄平面所呈角度,例如图1b所示的角γ。具体的,可根据车头与车身的分割线在外框中的位置计算车头与车身的分割线与车辆的外框最左侧点的横向距离,再根据该横向距离以及车辆的景深与拍摄焦距之间的比值,确定实际场景中车辆的车身长边在二维图像的拍摄平面上的投影长度,最后根据该投影长度以及标准三维尺寸中的车辆实际长度,按照预设几何公式,计算车辆的三维朝向,也即目标物体的三维朝向。
可选的,根据车头与车身的分割线在外框中的位置、标准三维尺寸中的车辆实际长度以及目标物体的景深,计算目标物体的三维朝向,包括:
计算外框中最左侧点的横坐标xleft;
根据xleft以及车头与车身的分割线在外框中的位置,计算车头与车身的分割线与最左侧点的横向距离wleft;
根据下述公式,计算目标物体的三维朝向γ:
γ=π-α-β; (4)
其中,N为实际场景中车辆的车身长边在二维图像的拍摄平面上的投影,Z为目标物体的景深,α为目标光线与拍摄平面之间的夹角,β为目标光线与车辆的车身长边之间的夹角,L为标准三维尺寸中的车辆实际长度,目标光线为实际场景中车辆的最左侧点与二维图像的交点之间的连线。
如图1b所示,以二维图像2中车辆1的外框的几何中心点K点的坐标为原点(0,0)建立的二维坐标系中,可得到车辆1的外框最左侧点B的横坐标为其中,w为车辆1在二维图像2中的外框的宽度。当车头和车身分割线位置点D的横坐标为xseg时,交点B和位置点D之间的距离,也即车头与车身的分割线与最左侧点的横向距离wleft=xseg-xleft。利用实际场景中车辆1的车身长边在二维图像的拍摄平面上的投影长度,也即交点Q与点F之间的距离,与二维图像2中交点B和位置点D之间的距离之比,与车辆1的景深与二维图像2的拍摄焦距之比是相等的,因此,可根据上述公式(1)来计算实际场景中车辆1的车身长边在二维图像的拍摄平面上的投影N的长度。然后,再根据三角函数公式(2)来计算拍摄焦点A与交点B和交点K所组成的三角形中∠ABK的值,从而根据平行线定理,也即公式(3),确定角α的值,再结合车辆1的实际车身长度L,以及车辆1的车身长边在二维图像的拍摄平面上的投影N的长度,按照正弦定理,得到角β的值,最后根据三角形内角和定理,也即公式(4),计算得到角γ,也即目标物体的三维朝向。
S240、根据目标物体中参考二维图像点在二维图像中的二维坐标,以及景深,确定参考二维图像点的三维坐标。
S250、根据参考二维图像点的三维坐标以及目标物体的三维朝向,生成与目标物体匹配的三维数据。
本发明实施例的技术方案,通过获取车辆在二维图像中的外框以及车辆的车头与车身的分割线在外框中的位置,并结合车辆的外框的外框高度,以及标准三维尺寸中车辆实际高度,计算车辆的景深,再根据车头与车身的分割线在外框中的位置、标准三维尺寸中的车辆实际长度以及车辆的景深,计算车辆的三维朝向,最后,结合车辆中参考二维图像点在二维图像中的二维坐标以及景深,确定参考二维图像点的三维坐标,并根据参考二维图像点的三维坐标以及车辆的三维朝向,生成与车辆匹配的三维数据,从而利用车辆的二维标注自动生成车辆的三维数据,无需人工对车辆进行三维标注,降低了车辆三维标注的成本,提高了车辆三维标注的效率。
实施例三
图3为本发明实施例三提供的一种三维数据的生成装置的结构示意图,如图3所示,所述装置包括:结果获取模块310、三维计算模块320、坐标确定模块330以及数据生成模块340。
结果获取模块310,用于获取目标物体在二维图像中的轮廓信息标注结果;
三维计算模块320,用于根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向;
坐标确定模块330,用于根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;
数据生成模块340,用于根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据。
本发明实施例提供了一种三维数据的生成装置,通过根据获取的目标物体在二维图像中的轮廓信息标注结果,以及目标物体的标准三维尺寸,计算目标物体的景深和三维朝向,并根据目标物体中参考二维图像点在二维图像中的二维坐标,以及景深,确定参考二维图像点的三维坐标,进而根据该三维坐标以及目标物体的三维朝向,生成与目标物体匹配的三维数据,利用二维标注预测三维信息,解决了现有技术中因三维标注仅限于人工标注的方式,而导致的三维标注昂贵费时的问题,实现了降低三维标注成本,提高三维标注效率的效果。
进一步的,所述目标物体可以包括车辆,所述轮廓信息标注结果可以包括:所述车辆的外框,以及所述车辆的车头与车身的分割线在所述外框中的位置。
进一步的,三维计算模块320,可以包括:
景深计算子模块,用于根据所述车辆的外框的外框高度,以及所述标准三维尺寸中的车辆实际高度,计算所述目标物体的景深;
朝向计算子模块,用于根据所述车头与车身的分割线在所述外框中的位置、所述标准三维尺寸中的车辆实际长度以及所述目标物体的景深,计算所述目标物体的三维朝向。
进一步的,景深计算子模块具体可以用于:
其中,H为所述车辆实际高度,h为所述外框高度,f为与二维图像对应的拍摄焦距。
进一步的,朝向计算子模块具体可以用于:
计算所述外框中最左侧点的横坐标xleft;
根据所述xleft以及所述车头与车身的分割线在所述外框中的位置,计算所述车头与车身的分割线与所述最左侧点的横向距离wleft;
根据下述公式,计算所述目标物体的三维朝向γ:
γ=π-α-β;
其中,N为实际场景中所述车辆的车身长边在所述二维图像的拍摄平面上的投影,Z为所述目标物体的景深,α为目标光线与所述拍摄平面之间的夹角,β为所述目标光线与所述车辆的车身长边之间的夹角,L为所述标准三维尺寸中的车辆实际长度,所述目标光线为实际场景中所述车辆的最左侧点与所述二维图像的交点之间的连线。
进一步的,三维数据的生成装置还可以包括:
图像截取模块,用于在获取目标物体在二维图像中的轮廓信息标注结果之后,根据所述轮廓信息标注结果,在所述二维图像中截取与所述目标物体匹配的局部图像;
尺寸获取模块,用于将所述局部图像输入至预先训练的标准三维识别模型中,得到所述目标物体的标准三维尺寸。
进一步的,坐标确定模块330具体可以用于:
根据公式:
计算所述参考二维图像点的三维坐标P,其中,x为所述参考二维图像点的横坐标,y为所述参考二维图像点的纵坐标,Z为所述景深,f为与所述二维图像对应的拍摄焦距。
上述三维数据的生成装置可执行本发明任意实施例所提供的三维数据的生成方法,具备执行三维数据的生成方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明各实施例所提供的三维数据的生成方法。也即,所述处理单元执行所述程序时实现:获取目标物体在二维图像中的轮廓信息标注结果;根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向;根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据。
实施例五
本发明实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的三维数据的生成方法。也即,该程序被处理器执行时实现:获取目标物体在二维图像中的轮廓信息标注结果;根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向;根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据。
可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
计算机可读的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。计算机可读的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——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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发明操作的计算机程序代码,所述程序设计语言包括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用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户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器上执行。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)—连接到用户计算机,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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种三维数据的生成方法,其特征在于,包括:
获取目标物体在二维图像中的轮廓信息标注结果;
根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深,并根据所述轮廓信息标注结果、所述目标物体的标准三维尺寸以及所述目标物体的景深,计算所述目标物体的三维朝向;
根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;
根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据;
其中,所述目标物体包括车辆,所述轮廓信息标注结果包括:所述车辆的外框,以及所述车辆的车头与车身的分割线在所述外框中的位置。
2.根据权利要求1所述的方法,其特征在于,根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深以及所述目标物体的三维朝向,包括:
根据所述车辆的外框的外框高度,以及所述标准三维尺寸中的车辆实际高度,计算所述目标物体的景深;
根据所述车头与车身的分割线在所述外框中的位置、所述标准三维尺寸中的车辆实际长度以及所述目标物体的景深,计算所述目标物体的三维朝向。
4.根据权利要求3所述的方法,其特征在于,根据所述车头与车身的分割线在所述外框中的位置、所述标准三维尺寸中的车辆实际长度以及所述目标物体的景深,计算所述目标物体的三维朝向,包括:
计算所述外框中最左侧点的横坐标xleft;
根据所述xleft以及所述车头与车身的分割线在所述外框中的位置,计算所述车头与车身的分割线与所述最左侧点的横向距离wleft;
根据下述公式,计算所述目标物体的三维朝向γ:
γ=π-α-β;
其中,N为实际场景中所述车辆的车身长边在所述二维图像的拍摄平面上的投影,Z为所述目标物体的景深,α为目标光线与所述拍摄平面之间的夹角,β为所述目标光线与所述车辆的车身长边之间的夹角,L为所述标准三维尺寸中的车辆实际长度,所述目标光线为实际场景中所述车辆的最左侧点与所述二维图像的交点之间的连线。
5.根据权利要求1-4任一项所述的方法,其特征在于,在获取目标物体在二维图像中的轮廓信息标注结果之后,还包括:
根据所述轮廓信息标注结果,在所述二维图像中截取与所述目标物体匹配的局部图像;
将所述局部图像输入至预先训练的标准三维识别模型中,得到所述目标物体的标准三维尺寸。
7.一种三维数据的生成装置,其特征在于,包括:
结果获取模块,用于获取目标物体在二维图像中的轮廓信息标注结果;
三维计算模块,用于根据所述轮廓信息标注结果以及所述目标物体的标准三维尺寸,计算所述目标物体的景深,并根据所述轮廓信息标注结果、所述目标物体的标准三维尺寸以及所述目标物体的景深,计算所述目标物体的三维朝向;
坐标确定模块,用于根据所述目标物体中参考二维图像点在所述二维图像中的二维坐标,以及所述景深,确定所述参考二维图像点的三维坐标;
数据生成模块,用于根据所述参考二维图像点的三维坐标以及所述目标物体的三维朝向,生成与所述目标物体匹配的三维数据;
其中,所述目标物体包括车辆,所述轮廓信息标注结果包括:所述车辆的外框,以及所述车辆的车头与车身的分割线在所述外框中的位置。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的三维数据的生成方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的三维数据的生成方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045660.6A CN109242903B (zh) | 2018-09-07 | 2018-09-07 | 三维数据的生成方法、装置、设备及存储介质 |
US16/562,129 US11024045B2 (en) | 2018-09-07 | 2019-09-05 | Method and apparatus for generating three-dimensional data, device, and storage medium |
EP19195798.4A EP3621036A1 (en) | 2018-09-07 | 2019-09-06 | Method and apparatus for generating three-dimensional data, device, and storage medium |
JP2019163317A JP6830139B2 (ja) | 2018-09-07 | 2019-09-06 | 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045660.6A CN109242903B (zh) | 2018-09-07 | 2018-09-07 | 三维数据的生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242903A CN109242903A (zh) | 2019-01-18 |
CN109242903B true CN109242903B (zh) | 2020-08-07 |
Family
ID=65060153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811045660.6A Active CN109242903B (zh) | 2018-09-07 | 2018-09-07 | 三维数据的生成方法、装置、设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11024045B2 (zh) |
EP (1) | EP3621036A1 (zh) |
JP (1) | JP6830139B2 (zh) |
CN (1) | CN109242903B (zh) |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816727B (zh) * | 2019-01-29 | 2023-05-02 | 江苏医像信息技术有限公司 | 三维图集的目标识别方法 |
CN109829447B (zh) * | 2019-03-06 | 2021-04-30 | 百度在线网络技术(北京)有限公司 | 用于确定车辆三维框架的方法和装置 |
CN110033515B (zh) * | 2019-04-15 | 2023-04-07 | 同济大学建筑设计研究院(集团)有限公司 | 图形转换方法、装置、计算机设备及存储介质 |
CN110287764B (zh) * | 2019-05-06 | 2022-01-11 | 深圳大学 | 姿势预测方法、装置、计算机设备和存储介质 |
CN110390258A (zh) * | 2019-06-05 | 2019-10-29 | 东南大学 | 图像目标三维信息标注方法 |
CN110826499A (zh) * | 2019-11-08 | 2020-02-21 | 上海眼控科技股份有限公司 | 物体空间参数检测方法、装置、电子设备及存储介质 |
CN111161129B (zh) * | 2019-11-25 | 2021-05-25 | 佛山欧神诺云商科技有限公司 | 二维图像的立体交互设计方法、系统 |
CN113065999B (zh) * | 2019-12-16 | 2023-03-10 | 杭州海康威视数字技术股份有限公司 | 车载全景图生成方法、装置、图像处理设备及存储介质 |
CN111136648B (zh) * | 2019-12-27 | 2021-08-27 | 深圳市优必选科技股份有限公司 | 一种移动机器人的定位方法、定位装置及移动机器人 |
CN113435224A (zh) * | 2020-03-06 | 2021-09-24 | 华为技术有限公司 | 用于获取车辆3d信息的方法和装置 |
CN111401423B (zh) * | 2020-03-10 | 2023-05-26 | 北京百度网讯科技有限公司 | 用于自动驾驶车辆的数据处理方法和装置 |
CN113392267B (zh) * | 2020-03-12 | 2024-01-16 | 平湖莱顿光学仪器制造有限公司 | 一种用于生成目标对象的二维显微视频信息的方法与设备 |
CN111581415B (zh) * | 2020-03-18 | 2023-07-04 | 时时同云科技(成都)有限责任公司 | 确定相似物体的方法、物体相似度的确定方法和设备 |
CN111476798B (zh) * | 2020-03-20 | 2023-05-16 | 上海遨遥人工智能科技有限公司 | 一种基于轮廓约束的车辆空间形态识别方法及系统 |
CN111882596B (zh) * | 2020-03-27 | 2024-03-22 | 东莞埃科思科技有限公司 | 结构光模组三维成像方法、装置、电子设备以及存储介质 |
CN111429512B (zh) * | 2020-04-22 | 2023-08-25 | 北京小马慧行科技有限公司 | 图像处理方法和装置、存储介质及处理器 |
CN111541907B (zh) * | 2020-04-23 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 物品显示方法、装置、设备及存储介质 |
CN113643226B (zh) * | 2020-04-27 | 2024-01-19 | 成都术通科技有限公司 | 标注方法、装置、设备及介质 |
CN113591518B (zh) * | 2020-04-30 | 2023-11-03 | 华为技术有限公司 | 一种图像的处理方法、网络的训练方法以及相关设备 |
CN112089422A (zh) * | 2020-07-02 | 2020-12-18 | 王兆英 | 基于伤口面积分析的自适应医疗系统及方法 |
CN111754622B (zh) * | 2020-07-13 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 脸部三维图像生成方法及相关设备 |
CN112097732A (zh) * | 2020-08-04 | 2020-12-18 | 北京中科慧眼科技有限公司 | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 |
CN112070782B (zh) * | 2020-08-31 | 2024-01-09 | 腾讯科技(深圳)有限公司 | 识别场景轮廓的方法、装置、计算机可读介质及电子设备 |
EP4213068A1 (en) * | 2020-09-11 | 2023-07-19 | Beijing Co Wheels Technology Co., Ltd | Target detection method and apparatus based on monocular image |
CN112233222A (zh) * | 2020-09-29 | 2021-01-15 | 深圳市易尚展示股份有限公司 | 基于神经网络关节点估计的人体参数化三维模型变形方法 |
CN112132113A (zh) * | 2020-10-20 | 2020-12-25 | 北京百度网讯科技有限公司 | 车辆再识别的方法、装置、训练方法以及电子设备 |
CN112164143A (zh) * | 2020-10-23 | 2021-01-01 | 广州小马慧行科技有限公司 | 三维模型的构建方法、构建装置、处理器和电子设备 |
CN112258640B (zh) * | 2020-10-30 | 2024-03-22 | 李艳 | 颅骨模型的建立方法、装置、存储介质及电子设备 |
CN113873220A (zh) * | 2020-12-03 | 2021-12-31 | 上海飞机制造有限公司 | 一种偏差分析方法、装置、系统、设备及存储介质 |
CN116635754A (zh) * | 2020-12-04 | 2023-08-22 | 西安大医集团股份有限公司 | 实时位置监测方法、电子设备、系统及存储介质 |
CN112634152B (zh) * | 2020-12-16 | 2024-06-18 | 中科海微(北京)科技有限公司 | 基于图像深度信息的人脸样本数据增强方法及系统 |
CN112785492A (zh) * | 2021-01-20 | 2021-05-11 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN112907550B (zh) * | 2021-03-01 | 2024-01-19 | 创新奇智(成都)科技有限公司 | 一种建筑物检测方法、装置、电子设备及存储介质 |
CN112990217A (zh) * | 2021-03-24 | 2021-06-18 | 北京百度网讯科技有限公司 | 针对车辆的图像识别方法、装置、电子设备和介质 |
WO2022249232A1 (ja) * | 2021-05-24 | 2022-12-01 | 日本電信電話株式会社 | 学習装置、学習済みモデルの生成方法、データ生成装置、データ生成方法およびプログラム |
CN113901562A (zh) * | 2021-10-27 | 2022-01-07 | 国核电力规划设计研究院有限公司 | 一种基于基础三维模型自动计算开挖量的方法 |
CN113902856B (zh) * | 2021-11-09 | 2023-08-25 | 浙江商汤科技开发有限公司 | 一种语义标注的方法、装置、电子设备及存储介质 |
CN114637875A (zh) * | 2022-04-01 | 2022-06-17 | 联影智能医疗科技(成都)有限公司 | 一种医学图像标注方法、系统及装置 |
CN115482269B (zh) * | 2022-09-22 | 2023-05-09 | 佳都科技集团股份有限公司 | 一种土方量计算方法、装置、终端设备以及存储介质 |
CN116643648B (zh) * | 2023-04-13 | 2023-12-19 | 中国兵器装备集团自动化研究所有限公司 | 一种三维场景匹配交互方法、装置、设备及存储介质 |
CN116611165B (zh) * | 2023-05-18 | 2023-11-21 | 中国船舶集团有限公司第七一九研究所 | 一种基于catia的设备基座快速标注方法及系统 |
CN116704129B (zh) * | 2023-06-14 | 2024-01-30 | 维坤智能科技(上海)有限公司 | 基于全景图的三维图像生成方法、装置、设备及存储介质 |
CN117744185B (zh) * | 2024-01-03 | 2024-05-14 | 西北工业大学太仓长三角研究院 | 几何模型的粒子生成方法、装置、电子设备及存储介质 |
CN117876642B (zh) * | 2024-03-08 | 2024-06-11 | 杭州海康威视系统技术有限公司 | 数字模型的构建方法、计算机程序产品及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105333837A (zh) * | 2015-10-21 | 2016-02-17 | 上海集成电路研发中心有限公司 | 三维扫描装置 |
CN105447812A (zh) * | 2015-11-10 | 2016-03-30 | 南京大学 | 一种基于线状阵列的三维活动图像显示及信息隐藏方法 |
CN105704476A (zh) * | 2016-01-14 | 2016-06-22 | 东南大学 | 一种基于边缘修复的虚拟视点图像频域快速获取方法 |
CN106251330A (zh) * | 2016-07-14 | 2016-12-21 | 浙江宇视科技有限公司 | 一种点位标记方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1055446A (ja) | 1996-08-09 | 1998-02-24 | Omron Corp | 物体認識装置 |
JP4328692B2 (ja) | 2004-08-11 | 2009-09-09 | 国立大学法人東京工業大学 | 物体検出装置 |
CN102374860B (zh) * | 2011-09-23 | 2014-10-01 | 奇瑞汽车股份有限公司 | 三维视觉定位方法及系统 |
US9865045B2 (en) | 2014-05-18 | 2018-01-09 | Edge 3 Technologies, Inc. | Orthogonal and collaborative disparity decomposition |
CN105241424B (zh) | 2015-09-25 | 2017-11-21 | 小米科技有限责任公司 | 室内定位方法和智能管理装置 |
US10380439B2 (en) * | 2016-09-06 | 2019-08-13 | Magna Electronics Inc. | Vehicle sensing system for detecting turn signal indicators |
JP2018091656A (ja) * | 2016-11-30 | 2018-06-14 | キヤノン株式会社 | 情報処理装置、計測装置、システム、算出方法、プログラムおよび物品の製造方法 |
CN106803073B (zh) * | 2017-01-10 | 2020-05-05 | 江苏信息职业技术学院 | 基于立体视觉目标的辅助驾驶系统及方法 |
KR102647351B1 (ko) | 2017-01-26 | 2024-03-13 | 삼성전자주식회사 | 3차원의 포인트 클라우드를 이용한 모델링 방법 및 모델링 장치 |
-
2018
- 2018-09-07 CN CN201811045660.6A patent/CN109242903B/zh active Active
-
2019
- 2019-09-05 US US16/562,129 patent/US11024045B2/en active Active
- 2019-09-06 EP EP19195798.4A patent/EP3621036A1/en active Pending
- 2019-09-06 JP JP2019163317A patent/JP6830139B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105333837A (zh) * | 2015-10-21 | 2016-02-17 | 上海集成电路研发中心有限公司 | 三维扫描装置 |
CN105447812A (zh) * | 2015-11-10 | 2016-03-30 | 南京大学 | 一种基于线状阵列的三维活动图像显示及信息隐藏方法 |
CN105704476A (zh) * | 2016-01-14 | 2016-06-22 | 东南大学 | 一种基于边缘修复的虚拟视点图像频域快速获取方法 |
CN106251330A (zh) * | 2016-07-14 | 2016-12-21 | 浙江宇视科技有限公司 | 一种点位标记方法及装置 |
Non-Patent Citations (1)
Title |
---|
3D Free-Form Object Recognition Using Indexing by Contour Features;Jin-Long Chen等;《computer vision and image understanding》;19980930;第71卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US11024045B2 (en) | 2021-06-01 |
JP2020042818A (ja) | 2020-03-19 |
US20200082553A1 (en) | 2020-03-12 |
EP3621036A1 (en) | 2020-03-11 |
CN109242903A (zh) | 2019-01-18 |
JP6830139B2 (ja) | 2021-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242903B (zh) | 三维数据的生成方法、装置、设备及存储介质 | |
CN113486797B (zh) | 无人车位置检测方法、装置、设备、存储介质及车辆 | |
EP3627180A1 (en) | Sensor calibration method and device, computer device, medium, and vehicle | |
CN109961522B (zh) | 图像投射方法、装置、设备和存储介质 | |
US10451403B2 (en) | Structure-based camera pose estimation system | |
CN108734058B (zh) | 障碍物类型识别方法、装置、设备及存储介质 | |
JP7422105B2 (ja) | 路側計算装置に用いる障害物3次元位置の取得方法、装置、電子デバイス、コンピュータ可読記憶媒体、及びコンピュータプログラム | |
CN111462249B (zh) | 一种交通摄像头标定方法及装置 | |
JP2020057387A (ja) | 車両位置決め方法、車両位置決め装置、電子機器及びコンピュータ読み取り可能な記憶媒体 | |
US20170116735A1 (en) | Optimized camera pose estimation system | |
CN111288956B (zh) | 一种目标姿态确定方法、装置、设备和存储介质 | |
CN113763478B (zh) | 无人车相机标定方法、装置、设备、存储介质及系统 | |
CN109345567B (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
CN109300322B (zh) | 引导线绘制方法、装置、设备和介质 | |
CN112215036B (zh) | 跨镜追踪方法、装置、设备及存储介质 | |
CN114627438A (zh) | 目标检测模型生成方法、目标检测方法、设备及介质 | |
CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
CN112085842B (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
CN113487676B (zh) | 确定安装于采集实体的相机之间相对姿态角的方法和装置 | |
CN110827337B (zh) | 确定车载相机的姿态的方法、装置和电子设备 | |
CN111383337A (zh) | 用于识别对象的方法和装置 | |
CN113038070B (zh) | 一种设备调焦方法、装置和云平台 | |
CN115409880B (zh) | 工件数据配准方法、装置、电子设备及存储介质 | |
CN109345596B (zh) | 多传感器标定方法、装置、计算机设备、介质和车辆 | |
Choi et al. | Joint solution for the online 3D photorealistic mapping using SfM and SLAM |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211014 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |