CN109300190B - 三维数据的处理方法、装置、设备和存储介质 - Google Patents
三维数据的处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109300190B CN109300190B CN201811037048.4A CN201811037048A CN109300190B CN 109300190 B CN109300190 B CN 109300190B CN 201811037048 A CN201811037048 A CN 201811037048A CN 109300190 B CN109300190 B CN 109300190B
- Authority
- CN
- China
- Prior art keywords
- depth map
- dimensional
- point cloud
- cloud data
- sparse 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
- 238000003672 processing method Methods 0.000 title claims description 16
- 238000012545 processing Methods 0.000 claims abstract description 101
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 13
- 230000010339 dilation Effects 0.000 claims description 12
- 230000002146 bilateral effect Effects 0.000 claims description 11
- 230000006837 decompression Effects 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 229910003460 diamond Inorganic materials 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- QNRATNLHPGXHMA-XZHTYLCXSA-N (r)-(6-ethoxyquinolin-4-yl)-[(2s,4s,5r)-5-ethyl-1-azabicyclo[2.2.2]octan-2-yl]methanol;hydrochloride Chemical compound Cl.C([C@H]([C@H](C1)CC)C2)CN1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OCC)C=C21 QNRATNLHPGXHMA-XZHTYLCXSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- 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
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/403—Edge-driven scaling; Edge-based scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Generation (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Processing Or Creating Images (AREA)
- Multimedia (AREA)
Abstract
本发明实施例公开了一种三维数据的处理方法、装置、设备和存储介质。所述方法包括：获取待处理的三维点云数据；将三维点云数据映射至二维图像空间中，得到稀疏深度图；变更稀疏深度图中包括的目标物的遮挡关系后，对稀疏深度图进行膨胀处理；在膨胀处理后，重新变更稀疏深度图中包括的目标物的遮挡关系，得到与三维点云数据匹配的稠密深度图。本发明实施例的技术方案解决了现有技术中一台或较少数量的三维激光扫描仪所获取的三维点云数据准确度较低，难以完整、正确地展现所测量物体的形态的技术缺陷，合理、有效地增加了三维点云数据的数量，提高了三维点云数据的准确度，使得三维点云数据可以更加准确、完整地展现所测量物体的形态。
Description
技术领域
本发明实施例涉及三维数据处理技术领域，尤其涉及一种三维数据的处理方法、装置、设备和存储介质。
背景技术
三维激光扫描技术又被称为实景复制技术，是测绘领域继GPS技术之后的一次技术革命。它突破了传统的单点测量方法，具有高效率、高精度的独特优势。三维激光扫描技术能够提供扫描物体表面的三维点云数据，因此可以用于获取高精度高分辨率的数字地形模型。
用于实现三维激光扫描技术的三维激光扫描仪广泛应用于公路测量和检测(车辙，道路表面，道路变形)、维护和勘察、建立公路几何模型(横向和纵向的剖面分析)、结构分析(立交桥)、淹水评估分析、在GIS系统(geographic information system，地理信息系统)中的叠加分析、交通流量分析以及驾驶视野和安全分析等领域。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：使用一台或较少数量的三维激光扫描仪所获取的三维点云数据准确度较低，难以完整、正确地展现所测量物体的形态和位置。
发明内容
有鉴于此，本发明实施例提供了一种三维数据的处理方法、装置、设备和存储介质，以优化现有的三维点云数据的处理方法，提高了三维点云数据的准确度。
在第一方面，本发明实施例提供了一种三维数据的处理方法，包括：
获取待处理的三维点云数据；
将所述三维点云数据映射至二维图像空间中，得到稀疏深度图；
变更所述稀疏深度图中包括的目标物的遮挡关系后，对所述稀疏深度图进行膨胀处理；
在膨胀处理后，重新变更所述稀疏深度图中包括的目标物的遮挡关系，得到与所述三维点云数据匹配的稠密深度图。
在第二方面，本发明实施例提供了一种三维数据的处理方法，包括：
获取待处理的三维点云数据；
将所述三维点云数据映射至二维图像空间中，得到稀疏深度图；
变更所述稀疏深度图中包括的目标物的遮挡关系后，对所述稀疏深度图进行膨胀处理；
在膨胀处理后，重新变更所述稀疏深度图中包括的目标物的遮挡关系，得到与所述三维点云数据匹配的稠密深度图。
在第三方面，本发明实施例提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任一实施例所述的三维数据的处理方法。
在第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明任一实施例所述的三维数据的处理方法。
本发明实施例提供了一种三维数据的处理方法、装置、设备和存储介质，通过对三维点云数据映射至二维图像空间中得到的稀疏深度图进行物体遮挡关系变换以及膨胀处理，得到该三维点云数据匹配的稠密深度图，解决了现有技术中一台或较少数量的三维激光扫描仪所获取的三维点云数据准确度较低，难以完整、正确地展现所测量物体的形态和位置的技术缺陷，合理、有效地增加了三维点云数据的数量，提高了三维点云数据的准确度，使得三维点云数据可以更加准确、完整地展现所测量物体的形态和位置。
附图说明
图1是本发明实施例一提供的一种三维数据的处理方法的流程图；
图2是本发明实施例二提供的一种三维数据的处理方法的流程图；
图3是本发明实施例三提供的一种三维数据的处理装置的结构图；
图4是本发明实施例四提供的一种设备的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。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1为本发明实施例一提供的一种三维数据的处理方法的流程图，本实施例的方法可以由三维数据的处理装置来执行，该装置可通过硬件和/或软件的方式实现，并一般可集成于三维数据测量设备中，例如车载或船载激光雷达等。本实施例的方法具体包括：
S101、获取待处理的三维点云数据。
在本实施例中，待处理的三维点云数据具体可以是三维激光扫描仪对某一景象进行扫描得到的数据。
可以理解的是，由于三维激光扫描仪价格昂贵，因此一般情况下，一台三维数据测量设备中不会同时配置有很多台三维激光扫描仪，甚至大部分只配置一台三维激光扫描仪。进一步可以理解的是，对于内容较为复杂的景象来说，可能需要同时使用多台三维激光扫描仪才能准确、完整地获取该景象对应的三维点云数据。所以，很多时候三维点云数据是不够准确也不够完整的，无法正确地体现当前景象。然而，通过本实施例中的三维数据处理方法，即步骤101至步骤104可以提高三维点云数据的准确度和完整性。
S102、将三维点云数据映射至二维图像空间中，得到稀疏深度图。
在本实施例中，二维图像空间具体是指所包括的像素点具有深度信息的二维图像构成的图像空间。
在本实施例中，“将三维点云数据映射至二维图像空间中”的方式具体可以是按照设定的坐标转换规则，将三维点云数据中每一个数据的平面坐标转换为设定二维图像范围中的像素坐标，同时将三维点云数据中每一个点的深度坐标作为对应的像素坐标的深度值。
其中，设定二维图像范围既可以是一个规则的图像范围(例如100*100的正方形，500*300的长方形等)，也可以是一个不规则的图像范围，本实施例对此不进行限定。当然，无论设定二维图像范围是否规则，应保证三维点云数据可以全部有效地映射至该设定二维图像范围中，且还应保证经过步骤103中的膨胀处理之后，所增加的像素点也能全部有效地落入该设定二维图像范围中。
进一步可以理解的是，三维点云数据中各个数据的平面位置可能是不连续的、离散的，并且三维点云数据仅是用于表征当前景象中的各个物体的形态和远近位置，而当前景象中的背景没有对应的三维点云数据。所以，在将三维点云数据映射至二维图像空间之后，该二维图像空间中并非所有的像素点都具有深度值，且具有深度值的像素点的位置也可能是不连续的、离散的。由此可见，三维点云数据映射至二维图像空间中之后得到的图为具有深度信息的稀疏二维图构成的三维图，在本实施例中，称之为“稀疏深度图”。
S103、变更稀疏深度图中包括的目标物的遮挡关系后，对稀疏深度图进行膨胀处理。
所述膨胀操作，是指将结构元素X在稀疏深度图中由深度信息确定的目标物O(该目标物O为该稀疏深度图中深度信息相同，坐标位置相近的各点组合构成)上进行卷积操作，如果移动结构元素X的过程中，与目标物O存在重叠区域，则记录该位置，所有移动结构元素X与目标物O存在交集的位置的集合为目标物O在结构元素X作用下的膨胀结果。相应的，上述集合中包括的各点可以对应填充目标物O的深度信息，以扩大该稀疏深度图中与目标物O对应的，包括深度信息的点集。
可以理解的是，在对具有深度值的图像进行膨胀处理时，如果膨胀所增加的像素点A的像素位置与膨胀之前具有深度值的像素点B(或膨胀所增加的像素点C)的像素位置重合，且像素点B(或像素点C)的深度值小于像素点A的深度值，那么，则会出现像素点A替代像素点B(或覆盖像素点C)的情况，如此就会使得膨胀之后的图像中出现后面的物体遮挡前面的物体的情况。
因此，在本实施例中，在对稀疏深度图进行膨胀处理之前，先将稀疏深度图中包括的目标物的遮挡关系进行变更，即通过改变像素点的深度值进而颠倒目标物的前后位置，如此就不会使得膨胀之后，稀疏深度图中包括的目标物体出现后面的目标物体遮挡前面的目标物体的情况。
其中，像素点的深度值的改变方法本实施例不进行限定，但是像素点的深度值的改变方法应满足两点要求：第一，像素点的深度值改变之后可以正确实现对目标物前后位置的颠倒，第二，像素点的深度值改变方法存在对应的反运算方法，通过该反运算方法可以复原目标物之间的原有位置关系。
S104、在膨胀处理后，重新变更稀疏深度图中包括的目标物的遮挡关系，得到与三维点云数据匹配的稠密深度图。
在本实施例中，在膨胀处理之后，需要将目标物体的遮挡关系复原，所以应重新变更稀疏深度图中包括的目标物体的遮挡关系，即再次颠倒目标物的前后位置，本次变更之后得到了与三维点云数据匹配的稠密深度图。
本发明实施例提供了一种三维数据的处理方法，该方法通过对三维点云数据映射至二维图像空间中得到的稀疏深度图进行物体遮挡关系变换以及膨胀处理，得到该三维点云数据匹配的稠密深度图，解决了现有技术中一台或较少数量的三维激光扫描仪所获取的三维点云数据准确度较低，难以完整、正确地展现所测量物体的形态的技术缺陷，合理、有效地增加了三维点云数据的数量，提高了三维点云数据的准确度，使得三维点云数据可以更加准确、完整地展现所测量物体的形态。
实施例二
图2是本发明实施例二提供的一种三维数据的处理方法的流程图。本实施例以上述实施例为基础进行优化，在本实施例中，给出了一种具体化目标物遮挡关系变更方法，具体化膨胀方法，增加闭操作处理步骤，增加结构元素边长的计算过程，增加联合双边滤波过程以及增加图像压缩和解压过程的具体实施方式。
相应的，本实施例的方法具体包括：
S201、获取待处理的三维点云数据。
S202、将三维点云数据映射至二维图像空间中，得到稀疏深度图。
S203、计算稀疏深度图中包括深度信息的像素点在全部像素点中所占的比例r，并根据r计算出尺度常数w，其中
在本实施例中，设置了尺度常数w，该尺度常数具体作为用于膨胀处理的结构元素的边长的基准数值。尺度常数w等于
其中，r为稀疏深度图中包括深度信息的像素点在全部像素点中所占的比例，由此可知，尺度常数w与r成反比，也就是说，稀疏深度图中包括深度信息的像素点越多，所需膨胀的像素点的数量就越少。
S204、确定第一边长为
确定第二边长为
确定第三边长为
可以理解的是，当用于膨胀处理的结构元素为一近圆形的结构元素时，膨胀处理之后得到的图像中的各个边界会更加光滑。
因此，在本实施例中，通过分别以菱形结构元素和正方形结构元素作为膨胀结构元素的先后两次膨胀过程(步骤207和步骤208)，实现了以近圆形结构元素进行单次膨胀处理的处理效果。
为了实现上述效果，在本实施例中，将菱形结构元素的边长，即第一边长设置为
将正方形结构元素的边长，即第二边长设置为
进一步地，在本实施例中，在两次膨胀操作之后，还继续对第二膨胀处理后的图像进行了闭操作处理，本次闭操作使用的结构元素为正方形结构元素，且将该正方形结构元素的边长设置为
S205、获取稀疏深度图中具有深度信息的各目标像素点。
这里需要说明的是，步骤205和步骤206，既可以在步骤203和步骤204之后执行，也可以在步骤203和步骤204之前执行，还可以与步骤203和步骤204同时执行等。
在本实施例中，通过步骤205和步骤206实现了稀疏深度图中包括的目标物的遮挡关系的变更。目标像素点具体是指稀疏深度图中具有深度信息的像素点。
S206、将目标像素点的深度信息更新为原始深度信息的倒数。
在本实施例中，目标物的遮挡关系的变更是通过将目标像素点的深度信息的倒数作为该目标像素点的深度信息实现的，如此可以简单、有效地将目标物的前后位置进行颠倒。
S207、使用第一边长的菱形结构元素，对稀疏深度图进行第一膨胀处理。
S208、使用第二边长的正方形结构元素，对第一膨胀处理后的图像进行第二膨胀处理。
S209、使用第三边长的正方形结构元素，对第二膨胀处理后的图像进行闭操作处理。
先膨胀后腐蚀的操作称之为闭操作。它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。
S210、获取与三维点云数据匹配的二维彩色图像。
在本实施例中，为了使膨胀处理以及闭操作处理之后的图像中的各个边界更加光滑，通过步骤210和步骤211对闭操作之后的图像进行了联合双边滤波处理。
可以理解的是，由于进行膨胀处理的稀疏深度图是由三维点云数据映射得到，所以如果使用三维点云数据对应的实景图像对闭操作处理之后的图像进行联合双边滤波处理可以优化该滤波处理的效果。因此，在本实施例中，获取了与三维点云数据匹配的二维彩色图像用于联合双边滤波。
其中，双边滤波是以高斯滤波为基础，引入色度差异后的改进。滤波器卷积窗加权权值同时考虑了空间和色度的二维特征差异。
S211、根据二维彩色图像，以及稀疏深度图中各像素点的结构化信息，对闭操作处理后的图像进行联合双边滤波，其中，结构化信息包括：像素点的颜色信息，和/或像素点的位置信息。
在本实施例中，用于联合双边滤波处理的稀疏深度图中各像素点的结构化信息既可以是像素点的彩色信息，也可以是像素点的位置信息，还可以是像素点的彩色信息和位置信息，本实施例对此不进行限制。
S212、在膨胀处理后，重新变更稀疏深度图中包括的目标物的遮挡关系，得到与三维点云数据匹配的稠密深度图。
S213、如果检测到对稠密深度图的压缩存储操作，则采用下采样的方式生成与稠密深度图匹配的压缩图像，并对压缩图像进行存储。
在本实施例中，对稠密深度图的压缩方法是下采样方式，其中，下采样方式的采样间隔应该与步骤214中的解压操作相对应。具体来说，由于解压操作即步骤214中使用了膨胀处理，因此，本步骤中的下采样的采样间隔应与步骤214中的膨胀处理相匹配，以保证通过步骤214可以正确还原稠密深度图。
S214、如果检测到对压缩图像的解压操作时，变更压缩图像中包括的目标物的遮挡关系后，对压缩图像进行膨胀处理，并在膨胀处理后，重新变更压缩图像中包括的目标物的遮挡关系，得到稠密深度图。
在本实施例中，对压缩图像的解压方法具体为与任一实施例中，将稀疏深度图变化为稠密深度图像的方法相同的方法，例如本实施例中的步骤203至步骤212的过程。
本发明实施例提供了一种三维数据的处理方法，该方法具体化了目标物遮挡关系变更方法，实现了快速、简便以及准确地颠倒目标物的位置关系，具体化了膨胀方法，通过使用菱形结构元素加正方形结构元素实现的近圆形结构元素的膨胀处理，增加了膨胀处理之后的图像中边界的光滑度，增加了闭操作处理步骤，不但使得图像中的轮廓线更加光滑，而且还可以消弥狭窄的间断和长细的鸿沟、消除小的空洞以及填补轮廓线中的断裂，增加了结构元素边长的计算过程，使得菱形结构元素加正方形结构元素的组合更加接近圆形结构元素，还增加了联合双边滤波过程，进一步提高了图像中各个边界的光滑度，以及增加了图像压缩和解压过程，提高了解压后图像对稠密深度图的恢复效果。
在上述各实施例的基础上，将对稀疏深度图进行膨胀处理具体化为：构造设定尺度参数的近圆形结构元素对稀疏深度图进行膨胀处理。
这样设置的好处是：提高膨胀处理之后图像中各个边界的光滑度。
实施例三
图3是本发明实施例三提供的一种三维数据的处理装置的结构图。如图3所示，所述装置包括：数据获取模块301、稀疏深度图获取模块302、膨胀处理模块303以及稠密深度图获取模块304，其中：
数据获取模块301，用于获取待处理的三维点云数据；
稀疏深度图获取模块302，用于将三维点云数据映射至二维图像空间中，得到稀疏深度图；
膨胀处理模块303，用于变更稀疏深度图中包括的目标物的遮挡关系后，对稀疏深度图进行膨胀处理；
稠密深度图获取模块304，用于在膨胀处理后，重新变更稀疏深度图中包括的目标物的遮挡关系，得到与三维点云数据匹配的稠密深度图。
本发明实施例提供了一种三维数据的处理装置，该装置首先通过数据获取模块301获取待处理的三维点云数据，然后通过稀疏深度图获取模块302将三维点云数据映射至二维图像空间中，得到稀疏深度图，再通过膨胀处理模块303变更稀疏深度图中包括的目标物的遮挡关系后，对稀疏深度图进行膨胀处理，最后通过稠密深度图获取模块304在膨胀处理后，重新变更稀疏深度图中包括的目标物的遮挡关系，得到与三维点云数据匹配的稠密深度图。
该装置解决了现有技术中一台或较少数量的三维激光扫描仪所获取的三维点云数据准确度较低，难以完整、正确地展现所测量物体的形态的技术缺陷，合理、有效地增加了三维点云数据的数量，提高了三维点云数据的准确度，使得三维点云数据可以更加准确、完整地展现所测量物体的形态。
在上述各实施例的基础上，膨胀处理模块303可以包括：
目标像素点获取单元，用于获取稀疏深度图中具有深度信息的各目标像素点；
深度信息更新单元，用于将各目标像素点的深度信息更新为原始深度信息的倒数。
在上述各实施例的基础上，膨胀处理模块303具体可以用于：
构造设定尺度参数的近圆形结构元素对稀疏深度图进行膨胀处理。
在上述各实施例的基础上，膨胀处理模块303可以包括：
第一膨胀处理单元，用于使用第一边长的菱形结构元素，对稀疏深度图进行第一膨胀处理；
第二膨胀处理单元，用于使用第二边长的正方形结构元素，对第一膨胀处理后的图像进行第二膨胀处理。
在上述各实施例的基础上，膨胀处理模块303还可以包括：
第三膨胀处理单元，用于在使用第二边长的正方形结构元素，对第一膨胀处理后的图像进行第二膨胀处理之后，使用第三边长的正方形结构元素，对第二膨胀处理后的图像进行闭操作处理。
在上述各实施例的基础上，还可以包括：
比例计算模块，用于在将三维点云数据映射至二维图像空间中，得到稀疏深度图之后，计算稀疏深度图中包括深度信息的像素点在全部像素点中所占的比例r，并根据r计算出尺度常数w，其中
边长确定模块，用于确定第一边长为
确定第二边长为
确定第三边长为
在上述各实施例的基础上，还可以包括：
二维彩色图像获取模块，用于在使用第三边长的正方形结构元素，对第二膨胀处理后的图像进行闭操作处理之后，获取与三维点云数据匹配的二维彩色图像；
联合双边滤波模块，用于根据二维彩色图像，以及稀疏深度图中各像素点的结构化信息，对闭操作处理后的图像进行联合双边滤波；
其中，结构化信息包括：像素点的颜色信息，和/或像素点的位置信息。
在上述各实施例的基础上，还可以包括：
图像压缩模块，用于在得到与三维点云数据匹配的稠密深度图之后，如果检测到对稠密深度图的压缩存储操作，则采用下采样的方式生成与稠密深度图匹配的压缩图像，并对压缩图像进行存储；
图像解压模块，用于如果检测到对压缩图像的解压操作时，将压缩图像作为新的稀疏深度图后，执行三维数据的处理方法。
本发明实施例所提供的三维数据的处理装置可用于执行本发明任意实施例提供的三维数据的处理方法，具备相应的功能模块，实现相同的有益效果。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备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，设备12以通用计算设备的形式表现。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。
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。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。
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设备12交互的设备通信，和/或与使得该设备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，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与设备/终端/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合设备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，例如实现本发明实施例所提供的三维数据的处理方法。也即：获取待处理的三维点云数据；将所述三维点云数据映射至二维图像空间中，得到稀疏深度图；变更所述稀疏深度图中包括的目标物的遮挡关系后，对所述稀疏深度图进行膨胀处理；在膨胀处理后，重新变更所述稀疏深度图中包括的目标物的遮挡关系，得到与所述三维点云数据匹配的稠密深度图。
实施例五
本发明实施例五还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的三维数据的处理方法。也即：获取待处理的三维点云数据；将所述三维点云数据映射至二维图像空间中，得到稀疏深度图；变更所述稀疏深度图中包括的目标物的遮挡关系后，对所述稀疏深度图进行膨胀处理；在膨胀处理后，重新变更所述稀疏深度图中包括的目标物的遮挡关系，得到与所述三维点云数据匹配的稠密深度图。
本发明实施例的计算机存储介质，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 (11)
1.一种三维数据的处理方法，其特征在于，包括：
获取待处理的三维点云数据；将所述三维点云数据映射至二维图像空间中，得到稀疏深度图；
通过改变所述稀疏深度图中各像素点的深度值，颠倒所述稀疏深度图中包括的目标物的前后位置后，采用近圆形结构元素对所述稀疏深度图进行膨胀处理；
在膨胀处理后，重新颠倒所述稀疏深度图中包括的目标物的前后位置，得到与所述三维点云数据匹配的稠密深度图。
2.根据权利要求1所述的方法，其特征在于，通过改变所述稀疏深度图中各像素点的深度值，颠倒所述稀疏深度图中包括的目标物的前后位置，包括：
获取所述稀疏深度图中具有深度信息的各目标像素点；
将各所述目标像素点的深度信息更新为原始深度信息的倒数。
3.根据权利要求1所述的方法，其特征在于，采用近圆形结构元素对所述稀疏深度图进行膨胀处理，包括：
构造设定尺度参数的近圆形结构元素对所述稀疏深度图进行膨胀处理。
4.根据权利要求3所述的方法，其特征在于，构造设定尺度参数的近圆形结构元素对所述稀疏深度图进行膨胀处理，包括：
使用第一边长的菱形结构元素，对所述稀疏深度图进行第一膨胀处理；
使用第二边长的正方形结构元素，对第一膨胀处理后的图像进行第二膨胀处理。
5.根据权利要求4所述的方法，其特征在于，在使用第二边长的正方形结构元素，对第一膨胀处理后的图像进行第二膨胀处理之后，还包括：
使用第三边长的正方形结构元素，对第二膨胀处理后的图像进行闭操作处理。
6.根据权利要求5所述的方法，其特征在于，在将所述三维点云数据映射至二维图像空间中，得到稀疏深度图之后，还包括：
计算所述稀疏深度图中包括深度信息的像素点在全部像素点中所占的比例r，并根据r计算出尺度常数
；
确定第一边长为
，确定第二边长为
，确定第三边长为
。
7.根据权利要求5所述的方法，其特征在于，在使用第三边长的正方形结构元素，对第二膨胀处理后的图像进行闭操作处理之后，还包括：
获取与所述三维点云数据匹配的二维彩色图像；
根据所述二维彩色图像，以及所述稀疏深度图中各像素点的结构化信息，对闭操作处理后的图像进行联合双边滤波；
其中，所述结构化信息包括：像素点的颜色信息，和/或像素点的位置信息。
8.根据权利要求1-7任一项所述的方法，其特征在于，在得到与所述三维点云数据匹配的稠密深度图之后，还包括：
如果检测到对所述稠密深度图的压缩存储操作，则采用下采样的方式生成与所述稠密深度图匹配的压缩图像，并对所述压缩图像进行存储；
如果检测到对所述压缩图像的解压操作时，将所述压缩图像作为新的稀疏深度图后，执行所述三维数据的处理方法。
9.一种三维数据的处理装置，其特征在于，包括：
数据获取模块，用于获取待处理的三维点云数据；
稀疏深度图获取模块，用于将所述三维点云数据映射至二维图像空间中，得到稀疏深度图；
膨胀处理模块，用于通过改变所述稀疏深度图中各像素点的深度值，颠倒所述稀疏深度图中包括的目标物的前后位置后，采用近圆形结构元素对所述稀疏深度图进行膨胀处理；
稠密深度图获取模块，用于在膨胀处理后，重新变更所述稀疏深度图中包括的目标物的遮挡关系，得到与所述三维点云数据匹配的稠密深度图。
10.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的三维数据的处理方法。
11.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一项所述的三维数据的处理方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811037048.4A CN109300190B (zh) | 2018-09-06 | 2018-09-06 | 三维数据的处理方法、装置、设备和存储介质 |
| EP19193694.7A EP3623753B1 (en) | 2018-09-06 | 2019-08-27 | Method and apparatus for processing three-dimensional data, device and storage medium |
| JP2019155577A JP6932163B2 (ja) | 2018-09-06 | 2019-08-28 | ３次元データの処理方法、装置、機器及び記憶媒体 |
| US16/560,443 US10964038B2 (en) | 2018-09-06 | 2019-09-04 | Method and apparatus for mapping three-dimensional point cloud data, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811037048.4A CN109300190B (zh) | 2018-09-06 | 2018-09-06 | 三维数据的处理方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109300190A CN109300190A (zh) | 2019-02-01 |
| CN109300190B true CN109300190B (zh) | 2021-08-10 |
Family
ID=65166278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811037048.4A Active CN109300190B (zh) | 2018-09-06 | 2018-09-06 | 三维数据的处理方法、装置、设备和存储介质 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10964038B2 (zh) |
| EP (1) | EP3623753B1 (zh) |
| JP (1) | JP6932163B2 (zh) |
| CN (1) | CN109300190B (zh) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020155159A1 (zh) * | 2019-02-02 | 2020-08-06 | 深圳市大疆创新科技有限公司 | 增加点云采样密度的方法、点云扫描系统、可读存储介质 |
| CN111696144A (zh) * | 2019-03-11 | 2020-09-22 | 北京地平线机器人技术研发有限公司 | 深度信息确定方法、深度信息确定装置及电子设备 |
| US10929995B2 (en) * | 2019-06-24 | 2021-02-23 | Great Wall Motor Company Limited | Method and apparatus for predicting depth completion error-map for high-confidence dense point-cloud |
| CN110866882B (zh) * | 2019-11-21 | 2021-09-07 | 湖南工程学院 | 基于深度置信度的分层联合双边滤波深度图修复方法 |
| CN113177427A (zh) * | 2020-01-23 | 2021-07-27 | 宝马股份公司 | 道路预测的方法以及自主驾驶的方法、车辆及设备 |
| CN113378867B (zh) * | 2020-02-25 | 2023-08-22 | 北京轻舟智航智能技术有限公司 | 一种异步数据融合的方法、装置、存储介质及电子设备 |
| CN111292369B (zh) * | 2020-03-10 | 2023-04-28 | 中车青岛四方车辆研究所有限公司 | 激光雷达的伪点云数据生成方法 |
| CN113496550B (zh) * | 2020-03-18 | 2023-03-24 | 广州极飞科技股份有限公司 | 一种dsm的计算方法、装置、计算机设备及存储介质 |
| CN111539074B (zh) * | 2020-03-31 | 2023-11-14 | 苏州数设科技有限公司 | 一种工件加工数据处理方法与装置 |
| US11688073B2 (en) | 2020-04-14 | 2023-06-27 | Samsung Electronics Co., Ltd. | Method and system for depth map reconstruction |
| CN111625415A (zh) * | 2020-05-08 | 2020-09-04 | 国家电网有限公司客户服务中心 | 设备数据端口的三维立体展示方法、装置 |
| CN111696162B (zh) * | 2020-06-11 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种双目立体视觉精细地形测量系统及方法 |
| CN111563923B (zh) * | 2020-07-15 | 2020-11-10 | 浙江大华技术股份有限公司 | 获得稠密深度图的方法及相关装置 |
| US11315269B2 (en) * | 2020-08-24 | 2022-04-26 | Toyota Research Institute, Inc. | System and method for generating a point cloud that includes surface normal information |
| CN112150527B (zh) * | 2020-08-31 | 2024-05-17 | 深圳市慧鲤科技有限公司 | 测量方法及装置、电子设备及存储介质 |
| CN112132900A (zh) * | 2020-09-29 | 2020-12-25 | 凌美芯（北京）科技有限责任公司 | 一种视觉重定位方法及系统 |
| CN112561824B (zh) * | 2020-12-21 | 2023-04-07 | 中国科学院自动化研究所 | 2d激光与深度图像融合的数据对齐修复方法及系统 |
| US11615594B2 (en) | 2021-01-21 | 2023-03-28 | Samsung Electronics Co., Ltd. | Systems and methods for reconstruction of dense depth maps |
| CN112927251B (zh) * | 2021-03-26 | 2022-10-14 | 中国科学院自动化研究所 | 基于形态学的场景稠密深度图获取方法、系统及装置 |
| CN113205549B (zh) * | 2021-05-07 | 2023-11-28 | 深圳市商汤科技有限公司 | 深度估计方法及装置、电子设备和存储介质 |
| CN113223179B (zh) * | 2021-05-12 | 2022-08-05 | 武汉中仪物联技术股份有限公司 | 管道选定线路长度的确定方法和装置 |
| CN113538547A (zh) * | 2021-06-03 | 2021-10-22 | 苏州小蜂视觉科技有限公司 | 一种3d线激光传感器的深度处理方法及点胶设备 |
| JP2022188643A (ja) * | 2021-06-09 | 2022-12-21 | 京セラ株式会社 | 測距装置、移動体及び測距方法 |
| CN113313803B (zh) * | 2021-06-11 | 2024-04-19 | 梅卡曼德（北京）机器人科技有限公司 | 垛型分析方法、装置、计算设备及计算机存储介质 |
| US11580690B1 (en) * | 2021-08-31 | 2023-02-14 | Raytheon Company | Horizon-based navigation |
| US20230209035A1 (en) * | 2021-12-28 | 2023-06-29 | Faro Technologies, Inc. | Artificial panorama image production and in-painting for occluded areas in images |
| CN114677315B (zh) * | 2022-04-11 | 2022-11-29 | 探维科技(北京)有限公司 | 基于图像与激光点云的图像融合方法、装置、设备和介质 |
| CN114782613A (zh) * | 2022-04-29 | 2022-07-22 | 北京字跳网络技术有限公司 | 图像渲染方法、装置、设备及存储介质 |
| CN115223110B (zh) * | 2022-07-08 | 2023-07-07 | 苏州万集车联网技术有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104346608A (zh) * | 2013-07-26 | 2015-02-11 | 株式会社理光 | 稀疏深度图稠密化方法和装置 |
| CN106600675A (zh) * | 2016-12-07 | 2017-04-26 | 西安蒜泥电子科技有限责任公司 | 一种基于深度图约束的点云合成方法 |
| CN108416840A (zh) * | 2018-03-14 | 2018-08-17 | 大连理工大学 | 一种基于单目相机的三维场景稠密重建方法 |
| CN108428255A (zh) * | 2018-02-10 | 2018-08-21 | 台州智必安科技有限责任公司 | 一种基于无人机的实时三维重建方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101892737B1 (ko) * | 2016-03-17 | 2018-08-28 | 한국전자통신연구원 | 다시점 스테레오 장치 및 방법 |
| CN110268283B (zh) * | 2016-11-16 | 2023-09-01 | 应诺维思科技有限公司 | 激光雷达系统和方法 |
| CN110298811B (zh) * | 2018-03-21 | 2021-10-26 | 北京大学 | 图像的预处理方法、装置、终端以及计算机可读存储介质 |
| US10740911B2 (en) * | 2018-04-05 | 2020-08-11 | Symbol Technologies, Llc | Method, system and apparatus for correcting translucency artifacts in data representing a support structure |
-
2018
- 2018-09-06 CN CN201811037048.4A patent/CN109300190B/zh active Active
-
2019
- 2019-08-27 EP EP19193694.7A patent/EP3623753B1/en active Active
- 2019-08-28 JP JP2019155577A patent/JP6932163B2/ja active Active
- 2019-09-04 US US16/560,443 patent/US10964038B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104346608A (zh) * | 2013-07-26 | 2015-02-11 | 株式会社理光 | 稀疏深度图稠密化方法和装置 |
| CN106600675A (zh) * | 2016-12-07 | 2017-04-26 | 西安蒜泥电子科技有限责任公司 | 一种基于深度图约束的点云合成方法 |
| CN108428255A (zh) * | 2018-02-10 | 2018-08-21 | 台州智必安科技有限责任公司 | 一种基于无人机的实时三维重建方法 |
| CN108416840A (zh) * | 2018-03-14 | 2018-08-17 | 大连理工大学 | 一种基于单目相机的三维场景稠密重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200082554A1 (en) | 2020-03-12 |
| EP3623753A1 (en) | 2020-03-18 |
| US10964038B2 (en) | 2021-03-30 |
| JP6932163B2 (ja) | 2021-09-08 |
| EP3623753B1 (en) | 2021-09-22 |
| CN109300190A (zh) | 2019-02-01 |
| JP2020042803A (ja) | 2020-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109300190B (zh) | 三维数据的处理方法、装置、设备和存储介质 | |
| JP6830139B2 (ja) | 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 | |
| US10984556B2 (en) | Method and apparatus for calibrating relative parameters of collector, device and storage medium | |
| CN112771573B (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
| JP7112993B2 (ja) | レーザレーダの内部パラメータ精度検証方法とその装置、機器及び媒体 | |
| KR101933860B1 (ko) | 증강 현실에 대한 방사 전달 샘플링을 위한 장치 및 방법 | |
| US10455219B2 (en) | Stereo correspondence and depth sensors | |
| CN109191554B (zh) | 一种超分辨图像重建方法、装置、终端和存储介质 | |
| CN112764004B (zh) | 一种点云处理方法、装置、设备及存储介质 | |
| EP2856431A2 (en) | Combining narrow-baseline and wide-baseline stereo for three-dimensional modeling | |
| CN113129352A (zh) | 一种稀疏光场重建方法及装置 | |
| CN113673400A (zh) | 基于深度学习的实景三维语义重建方法、装置及存储介质 | |
| CN113421217A (zh) | 可行驶区域检测方法和装置 | |
| CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
| CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
| CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
| CN116091778B (zh) | 一种数据的语义分割处理方法、装置及设备 | |
| CN115063467B (zh) | 煤矿井下高分辨率图像视差估计方法及装置 | |
| CN116295446B (zh) | 一种偏振多尺度分解的无人机视觉匹配导航方法和装置 | |
| CN117315406B (zh) | 一种样本图像处理方法、装置及设备 | |
| CN113269865B (zh) | 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 | |
| CN115578432B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| US11620752B2 (en) | Image-guided depth sampling and reconstruction | |
| CN113312979B (zh) | 图像处理方法、装置、电子设备、路侧设备及云控平台 | |
| CN114612572A (zh) | 一种基于深度学习的激光雷达与相机外参标定方法及装置 |
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 |
Effective date of registration: 20211019 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. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220810 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Patentee after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Address before: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee before: Apollo Intelligent Technology (Beijing) Co.,Ltd. |
|
| TR01 | Transfer of patent right |