CN111179337A - 空间直线朝向测量方法、装置、计算机设备和存储介质 - Google Patents

空间直线朝向测量方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111179337A
CN111179337A CN201811244687.8A CN201811244687A CN111179337A CN 111179337 A CN111179337 A CN 111179337A CN 201811244687 A CN201811244687 A CN 201811244687A CN 111179337 A CN111179337 A CN 111179337A
Authority
CN
China
Prior art keywords
image
convolution
straight line
coordinate
pixel
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.)
Granted
Application number
CN201811244687.8A
Other languages
English (en)
Other versions
CN111179337B (zh
Inventor
刘希龙
顾庆毅
陈梦娟
秦文翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Artificial Intelligence Chip Innovation Institute Institute Of Automation Chinese Academy Of Sciences
Institute of Automation of Chinese Academy of Science
Original Assignee
Nanjing Artificial Intelligence Chip Innovation Institute Institute Of Automation Chinese Academy Of Sciences
Institute of Automation of Chinese Academy of Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Artificial Intelligence Chip Innovation Institute Institute Of Automation Chinese Academy Of Sciences, Institute of Automation of Chinese Academy of Science filed Critical Nanjing Artificial Intelligence Chip Innovation Institute Institute Of Automation Chinese Academy Of Sciences
Priority to CN201811244687.8A priority Critical patent/CN111179337B/zh
Publication of CN111179337A publication Critical patent/CN111179337A/zh
Application granted granted Critical
Publication of CN111179337B publication Critical patent/CN111179337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/06Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种空间直线朝向测量方法、装置、计算机设备和存储介质,通过获取原始图像,提取原始图像中的直线,计算直线置信度,将各条直线进行非线性变换得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新得到更新后的变换图像,对更新后的变换图像进行卷积运算得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标,根据卷积图像坐标与原始图像的原始图像坐标的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向,实现自动化计算。

Description

空间直线朝向测量方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机视觉领域,尤其涉及一种空间直线朝向测量方法、装置、计算机设备和存储介质。
背景技术
随着互联网的发展,计算机视觉技术被应用到各个技术领域中,如无人机姿态测量、平衡车控制、工业测量、建筑物测绘、三维重建等。对于可简化为小孔成像模型的相机,空间直线上无穷远点在图像中的位置称为该直线的消失点。相互平行的空间直线具有相同的消失点。一旦在图像上确定了其中一条直线的消失点,就可以计算出相机相对于该直线的姿态。若可以确定两条以上相互不平行直线的消失点,通过消失点确定直线的朝向。
目前计算直线消失点的方法,需要人工根据先验知识对图像中提出来的直线进行筛选和分组,当图像的内容较为复杂时,很难对直线进行分组,导致计算无法进行。
发明内容
为了解决上述技术问题,本申请提供了一种空间直线朝向测量方法、装置、计算机设备和存储介质。
在一个实施例中,本申请提供了一种空间直线朝向测量方法,包括:
获取原始图像,提取原始图像中的直线,计算直线置信度;
将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;
对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;
根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
在一个实施例中,本申请提供了一种空间直线朝向测量装置,包括:
直线提取模块,用于获取原始图像,提取原始图像中的直线,计算直线置信度;
直线变换模块,用于将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;
目标卷积坐标计算模块,用于对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;
直线朝向计算模块,用于根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
在一个实施例中,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计算机程序时实现以下步骤:
获取原始图像,提取原始图像中的直线,计算直线置信度;
将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;
对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;
根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取原始图像,提取原始图像中的直线,计算直线置信度;
将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;
对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;
根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
本申请实施例提供的该方法、装置、计算设备和存储介质,通过获取原始图像,提取原始图像中的直线,计算直线置信度;将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。通过将直线进行非线性变换,无需对直线进行分组,减少分组错误带来的计算误差,避免相交直线之间的夹角太小带来的奇异值问题,在各种应用情形下均能实现自动化计算。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中空间直线朝向测量方法的应用场景图;
图2为一个实施例中空间直线朝向测量方法的流程图;
图3为另一个实施例中空间直线朝向测量方法的流程图;
图4为一个实施例中目标卷积坐标计算步骤的流程图;
图5为一个实施例中直线变换的示意图;
图6为一个实施例中空间直线朝向测量装置的结构框图;
图7为另一个实施例中空间直线朝向测量装置的结构框图;
图8为一个实施例中计算机设备的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为一个实施例中空间直线朝向测量方法的应用环境图。参照图1,该空间直线朝向测量方法应用于空间直线检测系统。该空间直线朝向检测系统包括终端110和服务器120。终端110和服务器120通过网络连接。服务器120获取原始图像,提取原始图像中的直线,计算直线置信度,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像,对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标,根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。将直线的空间朝向发送至终端110。
上述图像数据获取、直线提取、直线变换、卷积运算、消失点计算和直线的空间朝向计算等过程均可以在终端110中实现。终端110为包含相机的设备。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示,在一个实施例中,提供了一种空间直线朝向测量方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。参照图2,该空间直线朝向测量方法具体包括如下步骤:
步骤S202,获取原始图像,提取原始图像中的直线,计算直线置信度。
其中,原始图像是指相机拍摄的图像,原始图像中包含直线。图像中的直线提取方法可以采用现有成熟方法或使用者技术人员自行研发的方法,如霍夫变换、canny算子、拉普拉斯算子、sobel算子等。直线置信度可以自定义,如可以根据直线所经过的边缘点数量作为判断置信度的依据,或者直线经过区域的灰度差值作为判断置信度的依据等。
具体地,终端获取相机拍摄的图像,对相机拍摄的图像进行直线提取,得到对应的直线,通过直线方程描述直线,如Ax+By+C=0,其中A,B,C为由相应直线提取方法确定的参数,(x,y)是直线上的点在图像坐标中的坐标。
步骤S204,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点进行更新,得到更新后的变换图像。
具体地,直线的非线性变换是指对直线进行分线性扩展。变换图像是指直线通过非线性变换后所在的平面图像,该平面图像能够容纳所有直线变换后的曲线轨迹。对直线方程进行非线性变换得到对应的曲线方程,曲线方程在变换图像中的轨迹为直线变换后的曲线轨迹。根据上述步骤获取到的置信度对曲线轨迹经过的像素点的像素值进行调整,具体调整方式可以自定义,如可以直接在曲线轨迹经过的像素点的像素值加上或减去直线置信度、或将直线置信度进行数学运算后,在与曲线轨迹经过的像素点的像素值进行求和。通过置信度调整曲线轨迹经过的像素点的像素值后,得到更新了像素值得变换图像。即空间直线与成像平面夹角逐渐减小时,消失点的位置趋向于无穷远,数值求解法误差大,将直线变换为曲线能够将无线延伸的直线变换为有限的曲线,降低误差。
在一个实施例中,所有的直线变换后的曲线轨迹均为半椭圆轨迹,各条直线对应的椭圆轨迹对应的椭圆具有相同的长轴长度和相同的椭圆中心,且半椭圆轨迹的两个轨迹端点为各条直线对应的椭圆的长轴端点。其中非线性变换后得到的半椭圆轨迹方程如式(1)所示:
Figure BDA0001840226110000071
其中,r为椭圆半长轴的长度,可以根据需要给定具体数值,u,v为椭圆方程变量。且图像中的平行直线经过非线性变换后,在变换平面内会相交于一点,降低了计算复杂度,从而提升数据的处理速率。
在一个实施例中,各条直线进行非线性变换,得到各条直线在变换图像平面中的半椭圆轨迹之后,还包括:以椭圆的中心为中心,椭圆的长轴长度为边长构造正方形平面,将正方形平面离散化,形成多个等边正方形网格阵列,每个等边正方形网格代表一个像素点。
具体的,将椭圆的中心作为正方形平面的中心,将椭圆的长轴长度作为正方形平面的边长,对正方形平面进行分割,如分割成R1*R1个等边正方形网格,每个网格代表一个像素点。
步骤S206,对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标。
具体地,卷积运算是指从图像的其中一个位置开始,开一个与模板同样大小的活动窗口,窗口图像与模板像元对应起来相乘再相加,并用计算结果代替窗口中心的像元亮度值。然后,活动窗口移动,并作同样的运算,重复上述移动步骤和运算步骤,即可得到一幅新图像。通过不同的卷积核对图像进行卷积运算能够对图像数据进行不同的筛选。从卷积图像中筛选出满足交点条件的像素点对应的卷积图像坐标,作为目标卷积坐标,其中交点条件是指预先设置的用于判断是否卷积图像中的像素点是否为交点的条件,交点条件可以自定义,如根据技术人员的经验确定,或根据图像的直线分布规律等确定。对图像进行卷积运算能够对特定数据进行检测,提高了数据的计算准确度,从而提升消失点位置的精确度。
步骤S208,根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个所述消失点坐标确定与各个所述消失点对应的直线的空间朝向。
具体地,其中卷积图像是对变换图像进行变换得到的,故卷积图像的坐标与变换图像的坐标存在对应的变换关系,而变换图像的坐标与原始图像的坐标存在对应的变换关系,故根据坐标之间的变换关系可以计算得到目标卷积坐标在原始图像上的坐标,将目标卷积坐标在原始图像上的坐标作为消失点坐标。在确定消失点坐标后,可以根据消失点的坐标确定与消失点对应的直线的空间朝向,空间朝向是指相机坐标系中的直线朝向,其中相机坐标系是指拍摄图像的相机的坐标系,通过相机坐标系与世界坐标系的对应关系可以确定空间直线在世界坐标系中的位置。以测绘为例,在实际测绘过程中,通过相机拍摄测绘图像,根据图像提取方法提取图像中的直线,对提取的直线进行非线性变换,得到变换平面中的曲线轨迹,根据曲线轨迹计算得到消失点,确定消失点在图像坐标系中的坐标,并根据消失点的坐标确定与消失点对应的直线在相机坐标系中的空间朝向,从而确定测绘的朝向。
上述空间直线朝向测量方法,通过获取原始图像和直线置信度,提取原始图像中的直线;将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点进行更新,得到更新后的变换图像;对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。通过将直线进行非线性变换,无需对直线进行分组,减少分组错误带来的计算误差,避免相交直线之间的夹角太小带来的奇异值问题,从而提高了消失点的计算精确度,该方法能够对各种情形下的空间直线实现自动化计算,且能够提高直线的空间朝向的精确度。
在一个实施例中,如图3所示,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹之前,还包括:
步骤S302,获取变换图像,变换图像的各个像素值相同。
具体地,变换图像为预先构建的图像,该图像与原始图像平行,且变换图像的各个像素点的像素值相同,如所有像素点的像素值可以设置为0、10或100等。
在本实施例中,步骤S204,包括:
步骤S2042,将各条曲线轨迹经过的像素点的像素值与直线置信度进行累加,得到各条曲线轨迹经过的像素点的累加值,根据各个像素点的累加值更新变换图像,得到更新后的变换图像。
具体地,若设置变换图像的像素点为0,在曲线轨迹经过的像素点的像素值0加上步骤S202中获取到的直线置信度,得到曲线轨迹经过的各个像素点的像素值,如直线置信度为1,则曲线轨迹经过的像素点的像素值变为1,若同一个像素点为n个曲线轨迹经过的点,则像素值变为n,根据直线置信度调整轨迹经过的像素点的像素值,得到更新后的变换图像。通过直线置信度的累加,能够计算出各个曲线的交点,交点处像素值相对周围的像素值更大。
在一个实施例中,如图4所示,步骤S206包括:
步骤S2062,获取卷积核,根据卷积核对更新后的变换图像进行卷积运算,得到卷积图像。
步骤S2064,从卷积图像中筛选出当前像素点对应的像素值大于当前像素点相邻的各个像素点的像素值,且当前像素点的像素值大于预设像素值时,将当前像素点的坐标作为目标卷积坐标。
具体地,通过卷积核对更新后的变换图像进行卷积运算,得到对应的卷积图像。当前像素点是指卷积图像的全部像素点中正在进行计算的像素点,当正在执行计算的像素点坐标为(U1,V1),则坐标为(U1,V1)像素点为当前像素点。预设像素值是预先自定义的临界值,该临界值技术人员可以根据经验确定,或根据直线的分布等确定。当当前像素的像素值大于相邻的各个像素点的像素值,且当前像素点的像素值大于预设像素值时,表示当前像素点为多个之间变换后的交点的概率较大,故将该点的坐标保存下来,将其作为目标卷积坐标。进行卷积运算能够对更新后的变换图像的像素值进行数据筛选,从而提高消失点的计算准确度。
在一个具体实施例中,上述空间直线朝向测量方法,包括:
如图5所示,构造一个半径为r的球体,使得该球与原始图像所在的平面相切,切点为图像坐标系的原点。沿着球体与原始图像所在的平面平行的赤道面将其切开,保留下半圆球,对于图像中任意一点(x,y),其与球心连线与球面交点坐标记为(u,v,h),其中h是该交点距离图像平面的距离,(u,v)为该点在赤道面上投影的坐标。赤道面坐标系建立方式为:以球心为原点,U轴,V轴分别与图像坐标系X轴,Y轴平行;在该坐标系中,当点(x,y)沿着Ax+By+C=0移动时,映射点(u,v)在赤道面上画出一条曲线,将直线表示为参数方程形式,根据几何关系可以推导出该曲线方程为
Figure BDA0001840226110000101
使用Canny边缘提取算法对原始图像进行边缘点提取,得到和原始图像尺寸一样的二值化边缘点图,像素值为0表示该点不是边缘点,像素值为1表示该点是边缘点,为了便于表示,我们用Ll,Ls表示图像的长边和短边的长度,其中Ll,Ls为大于0的整数,且Ll≥Ls。对得到的二值化边缘点图,使用霍夫变换算法提取直线,得到一系列直线,将这些直线表示成Ax+By+C=0形式的3参数方程,对于每条直线,计算其在二值化边缘点图上经过的所有像素的像素值得和作为该直线的置信度。对于每条直线,利用其直线方程的三个参数构造方程,方程具体如式(2)所示:
Figure BDA0001840226110000111
其中A,B,C为直线的三个参数,R=2Ll。
构造一个(2R+1)×(2R+1)的矩阵M1,矩阵每个元素取值为0到65535之间的整数,将矩阵初始化为全0矩阵,定义矩阵元素的坐标为行列号减去R,例如第i行第j列元素的坐标定义为(i-R,j-R)。对A,B,C描述的直线进行计算,得到两个端点P1和P2,具体计算如式(3)所示:
Figure BDA0001840226110000112
如果B的绝对值大于A的绝对值,不适一般性,假设B≥0,则对于U坐标,从与
Figure BDA0001840226110000113
最近的整数开始,每次加1,直到其值变为
Figure BDA0001840226110000114
对于每个U值,带入公式
Figure BDA0001840226110000115
求解v,最多有两个解,最少有一个解,取与v最接近的整数作为V坐标,对于坐标为(U,V)的矩阵元素,其值加上该直线的置信度;
如果A的绝对值大于B的绝对值,不适一般性,假设A≥0,则:
对于V坐标,从与
Figure BDA0001840226110000116
最近的整数开始,每次加1,直到其值变为
Figure BDA0001840226110000117
对于每个V值,带入公式
Figure BDA0001840226110000118
求解u,最多有两个解,最少有一个解,取与u最接近的整数作为U坐标,对于坐标为(U,V)的矩阵元素,其值加上该直线的置信度。
对于每条直线重复上述步骤,直到所有直线都累加完毕。
构造一个(2D+1)×(2D+1)的矩阵M2;其中D为与R/40最接近的整数;矩阵第a行,第b列元素赋值如式(4)所示:
Figure BDA0001840226110000121
其中1≤a≤2D+1,1≤b≤2D+1;以矩阵M2为卷积和与矩阵M1做卷积,得到M3,其中M3为(2R+1)×(2R+1)的矩阵,M3的各元素,如果其中一个元素其大于其所有与之相邻的元素,且其值大于给定阈值T,记录其行列号(c,d),对于行列号(c,d)进行如式(5)所示的计算,得到一个消失点的坐标(x,y)。
Figure BDA0001840226110000122
通过消失点的坐标确定与消失点对应的直线的空间朝向,在确定了直线的空间朝向后可以根据直线朝向与消失点计算得到相机的姿态。消失点定位准确,能够得到相机的精准姿态,从而通过相机姿态进行精准定位。
在一个实施例中,如图6所示,提供了一种空间直线朝向测量装置,包括:
直线提取模块202,用于获取原始图像,提取原始图像中的直线,计算直线置信度。
直线变换模块204,用于将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像。
目标卷积坐标计算模块206,用于对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标。
直线朝向计算模块208,用于根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
在一个实施例中,直线变换模块204还用于将各条直线进行非线性变换,得到各条直线在变换图像平面中的半椭圆轨迹,其中各条直线对应的半椭圆轨迹的两个轨迹端点分别为半椭圆轨迹对应的椭圆的长轴的两个端点,各个半椭圆轨迹对应的椭圆的长轴长度相同,各个半椭圆轨迹对应的椭圆的中心点重合。
在一个实施例中,空间直线朝向测量装置还包括:
图像构造模块302,用于以椭圆的中心为中心,椭圆的长轴长度为边长构造正方形平面,将正方形平面离散化,形成多个等边正方形网格阵列,每个等边正方形网格代表一个像素点。
在一个实施例中,如图7所示,空间直线朝向测量装置还包括:
变换图像获取模块402,用于获取变换图像,变换图像的各个像素值相同。
直线变换模块204还用于将各条曲线轨迹经过的像素点的像素值与直线置信度进行累加,得到各条曲线轨迹经过的像素点的累加值,根据各个像素点的累加值更新变换图像,得到更新后的变换图像。
在一个实施例中,目标卷积坐标计算模块206还用于获取卷积核,根据卷积核对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出当前像素点对应的像素值大于当前像素点相邻的各个像素点的像素值,且当前像素点的像素值大于预设像素值时,将当前像素点的坐标作为目标卷积坐标。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图8所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现空间直线朝向测量方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行空间直线朝向测量方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的空间直线朝向测量装置可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该空间直线朝向测量装置的各个程序模块,比如,图6所示的直线提取模块202、直线变换模块204、目标卷积坐标计算模块206和直线朝向计算模块208。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的空间直线朝向测量方法中的步骤。
例如,图8所示的计算机设备可以通过如图6所示的空间直线朝向测量装置中的直线提取模块202直线获取原始图像,提取原始图像中的直线,计算直线置信度。计算机设备可通过直线变换模块204执行将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像。计算机设备可通过目标卷积坐标计算模块206执行对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标。计算机设备可通过直线朝向计算模块208执行根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
在一个实施例中,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,处理器执行计算机程序时实现以下步骤:获取原始图像,提取原始图像中的直线,计算直线置信度,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像,对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标,根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
在一个实施例中,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹包括:将各条直线进行非线性变换,得到各条直线在变换图像平面中的半椭圆轨迹,其中各条直线对应的半椭圆轨迹的两个轨迹端点分别为半椭圆轨迹对应的椭圆的长轴的两个端点,各个半椭圆轨迹对应的椭圆的长轴长度相同,各个半椭圆轨迹对应的椭圆的中心点重合。
在一个实施例中,各条直线进行非线性变换,得到各条直线在变换图像平面中的半椭圆轨迹之后,处理器执行计算机程序时还实现以下步骤:以椭圆的中心为中心,椭圆的长轴长度为边长构造正方形平面,将正方形平面离散化,形成多个等边正方形网格阵列,每个等边正方形网格代表一个像素点。
在一个实施例中,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹之前,处理器执行计算机程序时还实现以下步骤:获取变换图像,变换图像的各个像素值相同,根据直线置信度对各条曲线轨迹经过的像素点进行更新,得到更新后的变换图像,包括:将各条曲线轨迹经过的像素点的像素值与直线置信度进行累加,得到各条曲线轨迹经过的像素点的累加值,根据各个像素点的累加值更新变换图像,得到更新后的变换图像。
在一个实施例中,对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标包括:获取卷积核,根据卷积核对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出当前像素点对应的像素值大于当前像素点相邻的各个像素点的像素值,且当前像素点的像素值大于预设像素值时,将当前像素点的坐标作为目标卷积坐标。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取原始图像,提取原始图像中的直线,计算直线置信度,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹,根据直线置信度对各条曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像,对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标,根据卷积图像坐标与原始图像的原始图像坐标之间的对应关系,计算得到目标卷积坐标对应的原始图像坐标,将目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个消失点坐标确定与各个消失点对应的直线的空间朝向。
在一个实施例中,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹包括:将各条直线进行非线性变换,得到各条直线在变换图像平面中的半椭圆轨迹,其中各条直线对应的半椭圆轨迹的两个轨迹端点分别为半椭圆轨迹对应的椭圆的长轴的两个端点,各个半椭圆轨迹对应的椭圆的长轴长度相同,各个半椭圆轨迹对应的椭圆的中心点重合。
在一个实施例中,各条直线进行非线性变换,得到各条直线在变换图像平面中的半椭圆轨迹之后,处理器执行计算机程序时还实现以下步骤:以椭圆的中心为中心,椭圆的长轴长度为边长构造正方形平面,将正方形平面离散化,形成多个等边正方形网格阵列,每个等边正方形网格代表一个像素点。
在一个实施例中,将各条直线进行非线性变换,得到各条直线在变换图像平面中的曲线轨迹之前,处理器执行计算机程序时还实现以下步骤:获取变换图像,变换图像的各个像素值相同,根据直线置信度对各条曲线轨迹经过的像素点进行更新,得到更新后的变换图像,包括:将各条曲线轨迹经过的像素点的像素值与直线置信度进行累加,得到各条曲线轨迹经过的像素点的累加值,根据各个像素点的累加值更新变换图像,得到更新后的变换图像。
在一个实施例中,对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标包括:获取卷积核,根据卷积核对更新后的变换图像进行卷积运算,得到卷积图像,从卷积图像中筛选出当前像素点对应的像素值大于当前像素点相邻的各个像素点的像素值,且当前像素点的像素值大于预设像素值时,将当前像素点的坐标作为目标卷积坐标
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种空间直线朝向测量方法,包括:
获取原始图像,提取所述原始图像中的直线,计算各直线置信度;
将各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的曲线轨迹,根据所述直线置信度对各条所述曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;
对所述更新后的变换图像进行卷积运算,得到卷积图像,从所述卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;
根据所述卷积图像坐标与所述原始图像的原始图像坐标之间的对应关系,计算得到所述目标卷积坐标对应的原始图像坐标,将所述目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个所述消失点坐标确定与各个所述消失点对应的直线的空间朝向。
2.根据权利要求1所述的方法,其特征在于,所述将各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的曲线轨迹包括:
将各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的半椭圆轨迹,其中各条所述直线对应的半椭圆轨迹的两个轨迹端点分别为半椭圆轨迹对应的椭圆的长轴的两个端点,各个所述半椭圆轨迹对应的椭圆的长轴长度相同,各个所述半椭圆轨迹对应的椭圆的中心点重合。
3.根据权利要求2所述的方法,其特征在于,所述各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的半椭圆轨迹之后,还包括:
以所述椭圆的中心为中心,所述椭圆的长轴长度为边长构造正方形平面,将所述正方形平面离散化,形成多个等边正方形网格阵列,每个所述等边正方形网格代表一个像素点。
4.根据权利要求1所述的方法,其特征在于,所述将各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的曲线轨迹之前,还包括:
获取变换图像,所述变换图像的各个像素值相同;
所述根据所述直线置信度对各条所述曲线轨迹经过的像素点进行更新,得到更新后的变换图像,包括:
将各条所述曲线轨迹经过的像素点的像素值与所述直线置信度进行累加,得到各条所述曲线轨迹经过的像素点的累加值,根据各个所述像素点的累加值更新所述变换图像,得到所述更新后的变换图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述更新后的变换图像进行卷积运算,得到卷积图像,从所述卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标包括:
获取卷积核,根据所述卷积核对所述更新后的变换图像进行卷积运算,得到所述卷积图像;
从所述卷积图像中筛选出当前像素点对应的像素值大于所述当前像素点相邻的各个像素点的像素值,且所述当前像素点的像素值大于预设像素值时,将所述当前像素点的坐标作为所述目标卷积坐标。
6.一种空间直线朝向测量装置,其特征在于,所述装置包括:
直线提取模块,用于获取原始图像,提取所述原始图像中的直线,计算各直线置信度;
直线变换模块,用于将各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的曲线轨迹,根据所述直线置信度对各条所述曲线轨迹经过的像素点的像素值进行更新,得到更新后的变换图像;
目标卷积坐标计算模块,用于对所述更新后的变换图像进行卷积运算,得到卷积图像,从所述卷积图像中筛选出像素值满足交点条件的像素点的卷积图像坐标,作为目标卷积坐标;
直线朝向计算模块,用于根据所述卷积图像坐标与所述原始图像的原始图像坐标之间的对应关系,计算得到所述目标卷积坐标对应的原始图像坐标,将所述目标卷积坐标对应的原始图像坐标作为消失点坐标,根据各个所述消失点坐标确定与各个所述消失点对应的直线的空间朝向。
7.根据权利要求6所述的装置,其特征在于,所述直线变换模块还用于将各条所述直线进行非线性变换,得到各条所述直线在变换图像平面中的半椭圆轨迹,其中各条所述直线对应的半椭圆轨迹的两个轨迹端点分别为半椭圆轨迹对应的椭圆的长轴的两个端点,各个所述半椭圆轨迹对应的椭圆的长轴长度相同,各个所述半椭圆轨迹对应的椭圆的中心点重合。
8.根据权利要求6所述的装置,其特征在于,所述目标卷积坐标计算模块还用于获取卷积核,根据所述卷积核对所述更新后的变换图像进行卷积运算,得到所述卷积图像,从所述卷积图像中筛选出当前像素点对应的像素值大于所述当前像素点相邻的各个像素点的像素值,且所述当前像素点的像素值大于预设像素值时,将所述当前像素点的坐标作为所述目标卷积坐标。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
CN201811244687.8A 2018-10-24 2018-10-24 空间直线朝向测量方法、装置、计算机设备和存储介质 Active CN111179337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811244687.8A CN111179337B (zh) 2018-10-24 2018-10-24 空间直线朝向测量方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811244687.8A CN111179337B (zh) 2018-10-24 2018-10-24 空间直线朝向测量方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111179337A true CN111179337A (zh) 2020-05-19
CN111179337B CN111179337B (zh) 2024-02-02

Family

ID=70649804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811244687.8A Active CN111179337B (zh) 2018-10-24 2018-10-24 空间直线朝向测量方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111179337B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033379A (zh) * 2020-11-03 2020-12-04 腾讯科技(深圳)有限公司 一种对象检测方法、装置以及计算机可读存储介质
WO2022160101A1 (zh) * 2021-01-26 2022-08-04 深圳市大疆创新科技有限公司 朝向估计方法、装置、可移动平台及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030202678A1 (en) * 2002-04-30 2003-10-30 Silverstein D. Amnon Method of and system for edge watermarking of an image
US20070061159A1 (en) * 2005-09-09 2007-03-15 Vest Herb D Method for determining sexual compatibility
US20100053325A1 (en) * 2008-09-03 2010-03-04 Dai Nippon Printing Co., Ltd. Image converter
JP2011022995A (ja) * 2009-06-16 2011-02-03 Nippon Soken Inc 消失点推定装置およびプログラム
US20130265319A1 (en) * 2012-04-04 2013-10-10 Microsoft Corporation Visualization of changing confidence intervals
CN107292234A (zh) * 2017-05-17 2017-10-24 南京邮电大学 一种基于信息边缘和多模态特征的室内场景布局估计方法
CN107424161A (zh) * 2017-04-25 2017-12-01 南京邮电大学 一种由粗至精的室内场景图像布局估计方法
CN107830846A (zh) * 2017-09-30 2018-03-23 杭州艾航科技有限公司 一种利用无人机和卷积神经网络测量通信塔天线角度方法
CN108305261A (zh) * 2017-08-11 2018-07-20 腾讯科技(深圳)有限公司 图片分割方法、装置、存储介质和计算机设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030202678A1 (en) * 2002-04-30 2003-10-30 Silverstein D. Amnon Method of and system for edge watermarking of an image
US20070061159A1 (en) * 2005-09-09 2007-03-15 Vest Herb D Method for determining sexual compatibility
US20100053325A1 (en) * 2008-09-03 2010-03-04 Dai Nippon Printing Co., Ltd. Image converter
JP2011022995A (ja) * 2009-06-16 2011-02-03 Nippon Soken Inc 消失点推定装置およびプログラム
US20130265319A1 (en) * 2012-04-04 2013-10-10 Microsoft Corporation Visualization of changing confidence intervals
CN107424161A (zh) * 2017-04-25 2017-12-01 南京邮电大学 一种由粗至精的室内场景图像布局估计方法
CN107292234A (zh) * 2017-05-17 2017-10-24 南京邮电大学 一种基于信息边缘和多模态特征的室内场景布局估计方法
CN108305261A (zh) * 2017-08-11 2018-07-20 腾讯科技(深圳)有限公司 图片分割方法、装置、存储介质和计算机设备
CN107830846A (zh) * 2017-09-30 2018-03-23 杭州艾航科技有限公司 一种利用无人机和卷积神经网络测量通信塔天线角度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
H. LOU: "《Viterbi decoder design for the IS-95 CDMA forward link》", 《IEEE》 *
张唯春: "《巧用法向量和方向向量解决空间平面及直线问题》", 《长春师范大学学报》 *
李瑶: "《基于随机场的场景三维重建关键技术研究》", 《中国优秀硕士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033379A (zh) * 2020-11-03 2020-12-04 腾讯科技(深圳)有限公司 一种对象检测方法、装置以及计算机可读存储介质
WO2022160101A1 (zh) * 2021-01-26 2022-08-04 深圳市大疆创新科技有限公司 朝向估计方法、装置、可移动平台及可读存储介质

Also Published As

Publication number Publication date
CN111179337B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN109448090B (zh) 图像处理方法、装置、电子设备及存储介质
CN110517278B (zh) 图像分割和图像分割网络的训练方法、装置和计算机设备
CN111968235B (zh) 一种物体姿态估计方法、装置、系统和计算机设备
CN109685152B (zh) 一种基于dc-spp-yolo的图像目标检测方法
CN109063742B (zh) 蝴蝶识别网络构建方法、装置、计算机设备及存储介质
CN108805828B (zh) 图像处理方法、装置、计算机设备和存储介质
CN111079632A (zh) 文本检测模型的训练方法、装置、计算机设备和存储介质
CN110148157B (zh) 画面目标跟踪方法、装置、存储介质及电子设备
CN110427932B (zh) 一种识别图像中多个票据区域的方法及装置
CN111353969A (zh) 道路可行驶区域的确定方法、装置及计算机设备
CN111144398A (zh) 目标检测方法、装置、计算机设备和存储介质
CN110827202A (zh) 目标检测方法、装置、计算机设备和存储介质
CN112668480A (zh) 头部姿态角检测方法、装置、电子设备及存储介质
CN112597986B (zh) 生理电信号分类处理方法、装置、计算机设备和存储介质
CN111179337B (zh) 空间直线朝向测量方法、装置、计算机设备和存储介质
CN110517221B (zh) 基于现实坐标的缝隙定位方法、装置和存储介质
CN110472588B (zh) 锚点框确定方法、装置、计算机设备和存储介质
CN112464945A (zh) 基于深度学习算法的文本识别方法、装置、设备及存储介质
CN110689230A (zh) 一种区域的贫困程度确定方法、电子装置及存储介质
CN108875901B (zh) 神经网络训练方法以及通用物体检测方法、装置和系统
CN111445513B (zh) 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
CN117689911A (zh) 一种自动驾驶多源感知不确定性评估方法、装置及介质
CN110824496B (zh) 运动估计方法、装置、计算机设备和存储介质
CN110084816B (zh) 物体分割方法、装置、计算机可读存储介质和计算机设备
CN115346125B (zh) 一种基于深度学习的目标检测方法

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