CN109587469B - 基于人工智能识别的影像处理方法及装置 - Google Patents
基于人工智能识别的影像处理方法及装置 Download PDFInfo
- Publication number
- CN109587469B CN109587469B CN201811403474.5A CN201811403474A CN109587469B CN 109587469 B CN109587469 B CN 109587469B CN 201811403474 A CN201811403474 A CN 201811403474A CN 109587469 B CN109587469 B CN 109587469B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- splicing
- initial model
- target
- 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
Landscapes
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人工智能识别的影像处理方法及装置,所述影像处理方法包括:获取一拍摄目标的若干3D影像以及与3D影像一一对应2D影像;拼接两个3D影像生成一3D初始模型;通过人工智能识别所述两个3D影像对应的2D影像中的目标信息;根据所述目标信息修正所述3D初始模型的拼接以生成一3D优化影像。本发明的基于人工智能识别的影像处理方法及装置能够获取更加保真的3D影像,使3D影像的成像更加清晰,3D建模更加准确。
Description
技术领域
本发明涉及一种基于人工智能识别的影像处理方法及装置。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。
物体三维重建是计算机辅助几何设计、计算机图形学、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的共性科学问题和核心技术。在计算机内生成物体三维表示主要有两类方法。一类是使用几何建模软件通过人机交互生成人为控制下的物体三维几何模型,另一类是通过一定的手段获取真实物体的几何形状。前者实现技术已经十分成熟。后者一般称为三维重建过程,三维重建是指利用二维投影恢复物体三维信息的数学过程和计算机技术,包括数据获取、预处理、点云拼接和特征分析等步骤。
技术中3D建模影像容易出现失真且获取的影像质量较差的缺陷。
发明内容
本发明要解决的技术问题是为了克服现有技术中3D建模影像容易出现失真且获取的影像质量较差的缺陷,提供一种能够获取更加保真的3D影像,使3D影像的成像更加清晰,3D建模更加准确的影像处理方法及装置。
本发明是通过下述技术方案来解决上述技术问题:
一种基于人工智能识别的影像处理方法,其特点在于,所述影像处理方法包括:
获取一拍摄目标的若干3D影像以及与3D影像一一对应2D影像;
拼接两个3D影像生成一3D初始模型;
通过人工智能识别所述两个3D影像对应的2D影像中的目标信息;
根据所述目标信息修正所述3D初始模型的拼接以生成一3D优化影像。
较佳地,所述影像处理方法包括:
在所述3D初始模型的拼接线的两侧分别选取两个特征点;
通过人工智能识别获取两个特征点在2D影像中的间距作为所述目标信息;
根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像。
较佳地,所述根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像包括:
对于获取所述间距的2D影像,获取所述2D影像的拍摄角度;
调节所述3D初始模型的空间位置并以与所述拍摄角度相同的观察角度调节所述3D初始模型中两个3D影像的相对位置以生成所述3D优化影像。
较佳地,所述影像处理方法包括:
对于拼接所述3D初始模型的两个3D影像,分别获取距离各自拍摄点距离最小的目标影像点,目标影像点为第一影像点和第二影像点;
获取第一影像点距离拼接线上最近影像点的长度以及第二影像点距离拼接线上最近影像点的长度;
通过人工智能识别目标2D影像中的目标信息,所述目标2D影像为距离拼接线上最近影像点的长度较小的目标影像点所在的3D影像所对应的 2D影像。
较佳地,所述影像处理方法包括:
通过结构层影像拼接两个3D影像生成3D初始模型;
在初始影像的拼接线两侧分别贴附3D影像各自对应的2D影像;
根据所述目标信息修正所述3D初始模型的拼接以生成3D优化影像,所述目标信息为通过人工智能识别两个3D影像对应的2D影像中的颜色与颜色所处位置的对应关系。
本发明还提供一种基于人工智能识别的影像处理装置,其特点在于,所述影像处理装置包括一获取模块、一拼接模块、一识别模块以及一修正模块,
所述获取模块用于获取一拍摄目标的若干3D影像以及与3D影像一一对应2D影像;
所述拼接模块用于拼接两个3D影像生成一3D初始模型;
所述识别模块用于通过人工智能识别所述两个3D影像对应的2D影像中的目标信息;
所述修正模块用于根据所述目标信息修正所述3D初始模型的拼接以生成一3D优化影像。
较佳地,所述影像处理装置还包括一选取模块,
所述选取模块用于在所述3D初始模型的拼接线的两侧分别选取两个特征点;
所述识别模块用于通过人工智能识别获取两个特征点在2D影像中的间距作为所述目标信息;
所述修正模块用于根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像。
较佳地,
对于获取所述间距的2D影像,所述获取模块还用于获取所述2D影像的拍摄角度;
所述修正模块用于调节所述3D初始模型的空间位置并以与所述拍摄角度相同的观察角度调节所述3D初始模型中两个3D影像的相对位置以生成所述3D优化影像。
较佳地,
对于拼接所述3D初始模型的两个3D影像,所述获取模块用于分别获取距离各自拍摄点距离最小的目标影像点,目标影像点为第一影像点和第二影像点;
所述识别模块用于获取第一影像点距离拼接线上最近影像点的长度以及第二影像点距离拼接线上最近影像点的长度;
所述识别模块还用于通过人工智能识别目标2D影像中的目标信息,所述目标2D影像为距离拼接线上最近影像点的长度较小的目标影像点所在的 3D影像所对应的2D影像。
较佳地,
所述拼接模块用于通过结构层影像拼接两个3D影像生成3D初始模型;
所述拼接模块还用于在初始影像的拼接线两侧分别贴附3D影像各自对应的2D影像;
所述修正模块用于根据所述目标信息修正所述3D初始模型的拼接以生成3D优化影像,所述目标信息为通过人工智能识别两个3D影像对应的2D 影像中的颜色与颜色所处位置的对应关系。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明的基于人工智能识别的影像处理方法及装置能够获取更加保真的3D影像,使3D影像的成像更加清晰,3D建模更加准确。
附图说明
图1为本发明实施例1的影像处理方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种基于人工智能识别的影像处理装置,所述影像处理装置包括一获取模块、一拼接模块、一识别模块以及一修正模块。
所述获取模块用于获取一拍摄目标的若干3D影像以及与3D影像一一对应2D影像;
所述拼接模块用于拼接两个3D影像生成一3D初始模型;
所述识别模块用于通过人工智能识别所述两个3D影像对应的2D影像中的目标信息;
所述修正模块用于根据所述目标信息修正所述3D初始模型的拼接以生成一3D优化影像。
本实施例可以通过结构层也就是空间中的数字点云进行拼接,然后通过 2D影像上的信息进行拼接校准,所述2D影像上的信息包括颜色或各个特征点之间的距离。
具体地,本实施例提供了利用人工智能识别2D影像上特征点之间的距离来修正3D初始模型的方式:
所述影像处理装置还包括一选取模块,
所述选取模块用于在所述3D初始模型的拼接线的两侧分别选取两个特征点;
所述识别模块用于通过人工智能识别获取两个特征点在2D影像中的间距作为所述目标信息;
通过人工智能识别算法能够获得2D影像中特征点之间的距离与3D影像中对应特征点之间的距离的对应关系,根据特征点所在的位置通过人工智能技术加入深度向量从而能够精准的修正拼接的准确性。
所述修正模块用于根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像。
对于获取所述间距的2D影像,所述获取模块还用于获取所述2D影像的拍摄角度;
所述修正模块用于调节所述3D初始模型的空间位置并以与所述拍摄角度相同的观察角度调节所述3D初始模型中两个3D影像的相对位置以生成所述3D优化影像。
利用上述影像处理装置,本实施例还提供一种
步骤100、获取一拍摄目标的若干3D影像以及与3D影像一一对应2D 影像;
步骤101、拼接两个3D影像生成一3D初始模型;
步骤102、在所述3D初始模型的拼接线的两侧分别选取两个特征点;
步骤103、通过人工智能识别获取两个特征点在2D影像中的间距作为所述目标信息;
步骤104、对于获取所述间距的2D影像,获取所述2D影像的拍摄角度;
步骤105、根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成3D优化影像。
在步骤105中还包括调节的具体方式:调节所述3D初始模型的空间位置并以与所述拍摄角度相同的观察角度调节所述3D初始模型中两个3D影像的相对位置以生成所述3D优化影像。
实施例2
本实施例与实施例1基本相同,不同之处仅在于:
对于拼接所述3D初始模型的两个3D影像,所述获取模块用于分别获取距离各自拍摄点距离最小的目标影像点,目标影像点为第一影像点和第二影像点;
所述识别模块用于获取第一影像点距离拼接线上最近影像点的长度以及第二影像点距离拼接线上最近影像点的长度;
所述识别模块还用于通过人工智能识别目标2D影像中的目标信息,所述目标2D影像为距离拼接线上最近影像点的长度较小的目标影像点所在的 3D影像所对应的2D影像。
由于两个3D影像的拼接会获取两个2D影像,对于2D影像的选取本实施例提供了具体的方式。
对应地,所述影像处理方法包括:
对于拼接所述3D初始模型的两个3D影像,分别获取距离各自拍摄点距离最小的目标影像点,目标影像点为第一影像点和第二影像点;
获取第一影像点距离拼接线上最近影像点的长度以及第二影像点距离拼接线上最近影像点的长度;
通过人工智能识别目标2D影像中的目标信息,所述目标2D影像为距离拼接线上最近影像点的长度较小的目标影像点所在的3D影像所对应的 2D影像。
距离所述拼接线最近的2D影像记载拼接线附近影像最保真。
实施例3
本实施例与实施例1基本相同,不同之处仅在于:
所述拼接模块用于通过结构层影像拼接两个3D影像生成3D初始模型;
所述拼接模块还用于在初始影像的拼接线两侧分别贴附3D影像各自对应的2D影像;
所述修正模块用于根据所述目标信息修正所述3D初始模型的拼接以生成3D优化影像,所述目标信息为通过人工智能识别两个3D影像对应的2D 影像中的颜色与颜色所处位置的对应关系。
本实施例通过色差来修正3D影像的拼接。利用结构层影像拼接时拼接线两侧会出现色差,本实施例通过2D影像中查找所述色差对应位置能够对 3D影像的拼接进行调整。
对应地,所述影像处理方法包括:
通过结构层影像拼接两个3D影像生成3D初始模型;
在初始影像的拼接线两侧分别贴附3D影像各自对应的2D影像;
根据所述目标信息修正所述3D初始模型的拼接以生成3D优化影像,所述目标信息为通过人工智能识别两个3D影像对应的2D影像中的颜色与颜色所处位置的对应关系。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种基于人工智能识别的影像处理方法,其特征在于,所述影像处理方法包括:
获取一拍摄目标的若干3D影像以及与3D影像一一对应2D影像;
拼接两个3D影像生成一3D初始模型;
通过人工智能识别所述两个3D影像对应的2D影像中的目标信息;
根据所述目标信息修正所述3D初始模型的拼接以生成一3D优化影像;
所述影像处理方法还包括:
对于拼接所述3D初始模型的两个3D影像,分别获取距离各自拍摄点距离最小的目标影像点,目标影像点为第一影像点和第二影像点;
获取第一影像点距离拼接线上最近影像点的长度以及第二影像点距离拼接线上最近影像点的长度;
通过人工智能识别目标2D影像中的目标信息,所述目标2D影像为距离拼接线上最近影像点的长度较小的目标影像点所在的3D影像所对应的2D影像。
2.如权利要求1所述的影像处理方法,其特征在于,所述影像处理方法包括:
在所述3D初始模型的拼接线的两侧分别选取两个特征点;
通过人工智能识别获取两个特征点在2D影像中的间距作为所述目标信息;
根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像。
3.如权利要求2所述的影像处理方法,其特征在于,所述根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像包括:
对于获取所述间距的2D影像,获取所述2D影像的拍摄角度;
调节所述3D初始模型的空间位置并以与所述拍摄角度相同的观察角度调节所述3D初始模型中两个3D影像的相对位置以生成所述3D优化影像。
4.如权利要求1所述的影像处理方法,其特征在于,所述影像处理方法包括:
通过结构层影像拼接两个3D影像生成3D初始模型;
在初始影像的拼接线两侧分别贴附3D影像各自对应的2D影像;
根据所述目标信息修正所述3D初始模型的拼接以生成3D优化影像,所述目标信息为通过人工智能识别两个3D影像对应的2D影像中的颜色与颜色所处位置的对应关系。
5.一种基于人工智能识别的影像处理装置,其特征在于,所述影像处理装置包括一获取模块、一拼接模块、一识别模块以及一修正模块,
所述获取模块用于获取一拍摄目标的若干3D影像以及与3D影像一一对应2D影像;
所述拼接模块用于拼接两个3D影像生成一3D初始模型;
所述识别模块用于通过人工智能识别所述两个3D影像对应的2D影像中的目标信息;
所述修正模块用于根据所述目标信息修正所述3D初始模型的拼接以生成一3D优化影像;
对于拼接所述3D初始模型的两个3D影像,所述获取模块还用于分别获取距离各自拍摄点距离最小的目标影像点,目标影像点为第一影像点和第二影像点;
所述识别模块还用于获取第一影像点距离拼接线上最近影像点的长度以及第二影像点距离拼接线上最近影像点的长度;
所述识别模块还用于通过人工智能识别目标2D影像中的目标信息,所述目标2D影像为距离拼接线上最近影像点的长度较小的目标影像点所在的3D影像所对应的2D影像。
6.如权利要求5所述的影像处理装置,其特征在于,所述影像处理装置还包括一选取模块,
所述选取模块用于在所述3D初始模型的拼接线的两侧分别选取两个特征点;
所述识别模块用于通过人工智能识别获取两个特征点在2D影像中的间距作为所述目标信息;
所述修正模块用于根据所述间距调节所述3D初始模型中两个3D影像的相对位置一生成所述3D优化影像。
7.如权利要求6所述的影像处理装置,其特征在于,
对于获取所述间距的2D影像,所述获取模块还用于获取所述2D影像的拍摄角度;
所述修正模块用于调节所述3D初始模型的空间位置并以与所述拍摄角度相同的观察角度调节所述3D初始模型中两个3D影像的相对位置以生成所述3D优化影像。
8.如权利要求5所述的影像处理装置,其特征在于,
所述拼接模块用于通过结构层影像拼接两个3D影像生成3D初始模型;
所述拼接模块还用于在初始影像的拼接线两侧分别贴附3D影像各自对应的2D影像;
所述修正模块用于根据所述目标信息修正所述3D初始模型的拼接以生成3D优化影像,所述目标信息为通过人工智能识别两个3D影像对应的2D影像中的颜色与颜色所处位置的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811403474.5A CN109587469B (zh) | 2018-11-23 | 2018-11-23 | 基于人工智能识别的影像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811403474.5A CN109587469B (zh) | 2018-11-23 | 2018-11-23 | 基于人工智能识别的影像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109587469A CN109587469A (zh) | 2019-04-05 |
CN109587469B true CN109587469B (zh) | 2021-01-12 |
Family
ID=65923941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811403474.5A Active CN109587469B (zh) | 2018-11-23 | 2018-11-23 | 基于人工智能识别的影像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109587469B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288680A (zh) * | 2019-05-30 | 2019-09-27 | 盎锐(上海)信息科技有限公司 | 影像生成方法及移动终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599317A (zh) * | 2014-12-18 | 2015-05-06 | 深圳市亿思达科技集团有限公司 | 一种实现3d扫描建模功能的移动终端及方法 |
CN108513122A (zh) * | 2018-03-30 | 2018-09-07 | 盎锐(上海)信息科技有限公司 | 基于3d成像技术的模型调整方法及模型生成装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI555379B (zh) * | 2015-11-06 | 2016-10-21 | 輿圖行動股份有限公司 | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 |
-
2018
- 2018-11-23 CN CN201811403474.5A patent/CN109587469B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599317A (zh) * | 2014-12-18 | 2015-05-06 | 深圳市亿思达科技集团有限公司 | 一种实现3d扫描建模功能的移动终端及方法 |
CN108513122A (zh) * | 2018-03-30 | 2018-09-07 | 盎锐(上海)信息科技有限公司 | 基于3d成像技术的模型调整方法及模型生成装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109587469A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859305B (zh) | 基于多角度二维人脸的三维人脸建模、识别方法及装置 | |
CN111723691B (zh) | 一种三维人脸识别方法、装置、电子设备及存储介质 | |
CN107578376B (zh) | 基于特征点聚类四叉划分和局部变换矩阵的图像拼接方法 | |
CN111783820A (zh) | 图像标注方法和装置 | |
CN110111248B (zh) | 一种基于特征点的图像拼接方法、虚拟现实系统、照相机 | |
US10169891B2 (en) | Producing three-dimensional representation based on images of a person | |
CN110599528A (zh) | 一种基于神经网络的无监督三维医学图像配准方法及系统 | |
CN106447601B (zh) | 一种基于投影-相似变换的无人机遥感影像拼接方法 | |
CN108734078B (zh) | 图像处理方法、装置、电子设备、存储介质及程序 | |
US20190272670A1 (en) | Real-time hand modeling and tracking using convolution models | |
CN113888689A (zh) | 图像渲染模型训练、图像渲染方法及装置 | |
CN109948441B (zh) | 模型训练、图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110264527A (zh) | 基于zynq的实时双目立体视觉输出方法 | |
CA3207430A1 (en) | Rendering new images of scenes using geometry-aware neural networks conditioned on latent variables | |
CN109410158B (zh) | 一种基于卷积神经网络的多焦点图像融合方法 | |
CN105678778A (zh) | 一种图像匹配方法和装置 | |
CN110120013A (zh) | 一种点云拼接方法及装置 | |
CN108573192B (zh) | 匹配人脸的眼镜试戴方法和装置 | |
JP2000099760A (ja) | 3次元物体モデル生成方法及び3次元物体モデル生成プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN109587469B (zh) | 基于人工智能识别的影像处理方法及装置 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN115293995B (zh) | 一种基于Transformer的点云逐点去噪方法 | |
CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
CN109509262B (zh) | 基于人工智能的智能增强建模方法及装置 | |
CN109360270B (zh) | 基于人工智能的3d人脸姿态对齐方法及装置 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230724 Address after: 201703 Room 2134, Floor 2, No. 152 and 153, Lane 3938, Huqingping Road, Qingpu District, Shanghai Patentee after: Shanghai Qingyan Heshi Technology Co.,Ltd. Address before: 201703 No.206, building 1, no.3938 Huqingping Road, Qingpu District, Shanghai Patentee before: UNRE (SHANGHAI) INFORMATION TECHNOLOGY Co.,Ltd. |