CN111586299A - 一种图像处理方法和相关设备 - Google Patents
一种图像处理方法和相关设备 Download PDFInfo
- Publication number
- CN111586299A CN111586299A CN202010386592.0A CN202010386592A CN111586299A CN 111586299 A CN111586299 A CN 111586299A CN 202010386592 A CN202010386592 A CN 202010386592A CN 111586299 A CN111586299 A CN 111586299A
- Authority
- CN
- China
- Prior art keywords
- ground
- image
- determining
- pixel point
- undetermined
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Abstract
本申请实施例公开了一种图像处理方法和相关设备,基于深度图像和点云图像中均包括了像素点对应场景的空间信息,由此,可以根据图像中像素点对应的坐标,确定图像中可能为地面的像素点,记为待定地面像素点;然后,确定该待定地面像素点对应的待定地面方程。接下来,根据图像中的像素点,确定待定地面方程是否满足基于先验知识得到的地面条件。若是,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。该方法通过基于图像中像素点的坐标确定地面方程的方式,可以准确快速的检测地面,不再需要惯导,降低了成本过高对地面识别的限制。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种图像处理方法和相关设备。
背景技术
随着计算机视觉技术的不断发展,使得视觉技术在许多领域得到了广泛的应用,比如基于深度相机的行人检测跟踪,人体姿态识别,行为分析,机器人导航,三维重建与实时定位,人流统计等。在这许多应用中,都需要将地面从图像中检测出来,因此地面检测是其中必需的基础模块。
目前,主要通过为相机等图像采集设备配备辅助的惯导系统,以利用惯导测得的相机的准确姿态信息估计图像中的地面。
该种增加惯导系统的方案使得图像处理系统的整体成本提高,限制了该系统在实际场景中的广泛应用。
发明内容
为了解决上述技术问题,本申请提供了一种图像处理方法和相关设备,可以准确快速的检测地面,不再需要惯导,降低了成本过高对地面识别的限制。
本申请实施例公开了如下技术方案:
一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点,所述图像为深度图像或点云图像;
确定所述待定地面像素点对应的待定地面方程;
根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件;
若是,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。
另一方面,本申请实施例提供了一种图像处理装置所述装置包括:
第一确定单元,用于根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点,所述图像为深度图像或点云图像;
第二确定单元,用于确定所述待定地面像素点对应的待定地面方程;
第三确定单元,用于根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件;
第四确定单元,用于若确定所述待定地面方程满足地面条件,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。
另一方面,本申请实施例提供了一种图像处理设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述方法。
另一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述方法。
由上述技术方案可以看出,基于深度图像和点云图像中均包括了像素点对应场景的空间信息,由此,可以根据图像中像素点对应的坐标,确定图像中可能为地面的像素点,记为待定地面像素点;然后,确定该待定地面像素点对应的待定地面方程。接下来,根据图像中的像素点,确定待定地面方程是否满足基于先验知识得到的地面条件。若是,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。该方法通过基于图像中像素点的坐标确定地面方程的方式,可以准确快速的检测地面,不再需要惯导,降低了成本过高对地面识别的限制。
附图说明
为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,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为本申请实施例提供的一种图像处理方法流程图;
图2为本申请实施例提供的一种包括待定地面像素点的图像示意图;
图3为本申请实施例提供的一种标记出地面的图像示意图;
图4为本申请实施例提供的一种针对视频识别图像中目标像素点的方法流程图;
图5为本申请实施例提供的一种确定待定地面像素点的方法流程图;
图6为本申请实施例提供的一种确定待定地面像素点的方法流程图。
具体实施方式
下面结合附图,对本申请的实施例进行描述。
目前,主要通过为相机等图像采集设备配备辅助的惯导系统,以利用惯导测得的相机的准确姿态信息估计图像中的地面。该种增加惯导系统的方案使得图像处理系统的整体成本提高,限制了该系统在实际场景中的广泛应用。
为此,本申请实施例提供了一种图像处理方法,通过基于深度图像和点云图像中均包括了像素点对应场景的空间信息,由此,通过基于图像中像素点确定地面方程的方式检测地面,无需惯导,降低了成本过高对地面识别的限制。
首先对本申请实施例提供的图像处理方法的执行主体进行介绍,该方法可以应用于图像处理设备,该图像处理设备可以是终端或服务器。该终端可以包括智能手机等,该服务器可以是独立的服务器、集群中的服务器或云服务器等。
参见图1,该图示出了本申请实施例提供的一种图像处理方法流程图,如图1所示,所述方法包括:
S101:根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点。
其中,该图像可以是深度图像或点云图像。点云图像可以是通过测量仪器得到的目标表面特性的数据点集合,包括三维坐标和反射强度,本申请中的点云图像仅需具有图中场景的三维坐标即可。深度图像可以是指携带有从图像采集设备到场景各点的距离的图像。
在本申请实施例中,当该图像为深度图像时,其中像素点对应的坐标可以是针对图像采集设备的坐标系下的坐标,该图像采集设备的坐标系可以是指以图像采集设备的光心为原点,,以光轴为Z轴建立的三维直角坐标系,其X轴和Y轴与成像平面的X轴和Y轴平行。也就是说,该图像中像素点对应的坐标可以体现该像素点所对应真实场景的坐标。
如此,可以根据图像中像素点对应的坐标,确定所述图像中可能对应于地面的待定地面像素点。
为了准确确定图像中的待定地面像素点,在一种可能的实现方式中,该S101、根据图像中像素点对应的坐标,确定图像中的待定地面像素点的方法,包括:
S201:根据对应于图像采集场景的图像采集设备的姿态角范围,确定所述图像针对多个姿态角分别对应的第一地面像素点集合,所述多个姿态角符合所述姿态角范围。
姿态角是由机体坐标系与地理坐标系之间的关系确定的,用航向角、俯仰角和横滚角三个欧拉角表示。其中,俯仰角可以是图像采集设备的拍摄方向与水平面的夹角,航向角可以是图像采集设备的拍摄方向与行驶方向的夹角,横滚角可以是图像采集设备横轴与水平线之间的夹角。
在本申请实施例中,航向角不影响地面检测,由此设置为0。
可以理解,在通过图像采集设备针对图像采集的场景采集图像时,具有对应的姿态角范围。例如,针对通过智能手机等终端采集图像时,智能手机的姿态角通常不是固定的,而是变化的,由此可以确定对应的姿态角变化范围。
其中,可以根据对应于图像采集场景的图像采集设备的姿态角范围,确定多个姿态角。多个姿态角符合姿态角范围。
本申请实施例不限定该多个姿态角的确定方式,在具体实现中,可以按照预设的角度间隔确定多个姿态角。例如,在对姿态角进行遍历时,角度间隔无需设置过小,在普通的室内场景下,经测试,图像采集设备为相机时对应的横滚角和俯仰角可以以10°为角度间隔遍历,使得准确的选择出待定地面像素点。另外,即便任意的确定多个姿态角,只需要最多几百次的遍历,也可以将姿态角范围遍历完毕。
然后,可以确定图像针对多个姿态角分别对应的第一地面像素点集合。
在一种可能的实现方式中,确定图像针对多个姿态角分别对应的第一地面像素点集合的方法,包括:
S301:根据目标姿态角和所述图像中像素点的坐标,确定所述图像中多个行分别对应的行高度最低像素点,所述目标姿态角为所述多个姿态角中的任意一个。
其中,所述图像中的行可以是指图像中任意一行的像素点。
在本申请实施例中,可以将深度图从图像坐标系转换到图像采集设备对应的坐标系,以得到深度图中每个像素点在相机坐标系中的三维坐标。其中,假设深度图中像素点在图像坐标系(以图像左上角为原点,以横向为横轴,以纵向为纵轴)中的坐标为(xI,yI),深度值为d,这里所述的深度值为该像素点所对应场景与图像采集设备间的距离。则,该像素点在图像采集设备对应的坐标系中的三维坐标为:
xC=(d/fx)*(xI-WI/2);yC=(d/fy)*(yI-HI/2);zC=d。
其中,WI为图像的宽度,HI为图像的高度,fx和fy为图像采集设备的坐标转换参数。
然后,可以将多个姿态角中的任意一个姿态角,记为目标姿态角。针对目标姿态角,包括俯仰角记为pitch,横滚角记为roll,可以根据该俯仰角和横滚角,计算出重力方向的单位矢量在图像采集设备所对应坐标系中的表示,将该图像采集设备所对应坐标系中重力方向的单位矢量记为norm_gravity_in_world=(0,-1,0),其为:
然后,针对图像采集设备中的多个行的像素点,将每一行中像素点(纵坐标为负值)到图像采集设备的连线在重力矢量上的投影最大的像素点,作为该行像素点对应的行高度最低像素点。
其中,确定像素点到图像采集设备的连线在重力矢量上的投影的方式包括:
根据该像素点在图像采集设备所对应坐标系内的坐标和重力方向单位矢量在该图像采集设备所对应坐标系内的点积计算得到。假设该像素点在图像采集设备对应的坐标系内的坐标为(xC,yC,zC),则该像素点到图像采集设备的连线在重力矢量上的投影为:
H=-sin(roll)·xc-cos(roll)·cos(pitch)·yc+cos(roll)·sin(pitch)·zc;
从而,根据目标姿态角和图像中像素点的坐标,确定图像中多个行分别对应的行高度最低像素点。
需要说明,针对图像的多个行的确定方式,在一种可能的实现方式中,可以按照预设的行间隔从图像中抽取多个行,比如可以每隔8行抽取一行等。
S302:根据所述行高度最低像素点,确定所述图像的图像高度最低像素点。
可以理解,每一行都有对应的行高度最低像素点,由此,可以从这些行高度最低点中,确定出高度最低的行高度最低像素点,作为该图像对应的图像最低像素点。
S303:根据所述图像高度最低像素点,确定所述图像针对所述目标姿态角对应的第一地面像素点集合。
从而,根据该图像高度最低像素点,确定图像针对目标姿态角对应的第一地面像素点集合。
在一种可能的实现方式中,S303中根据图像高度最低像素点,确定图像针对目标姿态角对应的第一地面像素点集合的方法,包括:
S401:从所述多个行中确定行高度最低像素点与所述图像高度最低像素点间的高度间隔不大于第一阈值的目标行。
该第一阈值可以是预设的用于体现地面上出现的高度差值范围。通过该第一阈值,以用于确定图像中属于地面的行。具体的,可以根据实际经验来确定该第一阈值。
其中,该第一阈值可以是根据图像采集设备的深度误差、目标姿态角,以及姿态角的误差来确定的,假设深度误差为Δd,姿态角的误差为Δroll、Δpitch,计算第一阈值ΔHthreshhold为:
在本申请实施例中,可以从多个行中确定行高度最低像素点与图像高度最低像素点间的高度间隔不大于第一阈值的行,记为目标行。
S402:将所述目标行中的像素点与所述图像高度最低像素点间的高度间隔小于第二阈值的像素点,确定为组成所述图像针对所述目标姿态角对应的第一地面像素点集合的像素点。
其中,第二阈值可以是用于确定图像中属于地面的像素点。本申请实施例不限定该第二阈值的确定,所确定的该第二阈值可以与第一阈值相同,也可以不同。
然后,可以将目标行中的像素点与图像高度最低像素点间的高度间隔小于第二阈值的像素点,组成图像针对目标姿态角对应的第一地面像素点集合的像素点。
需要说明,针对从目标行中选择用于与图像高度最低像素点进行高度比较的像素点的方式,在一种可能的实现方式中,可以按照一定的像素点间隔从行中选择,比如可以每隔8个像素点抽取一个像素点等。因此上述选点流程耗费的计算量极小,在普通的家用电脑或者手机上,都可以在ms量级的时间内完成。
S202:根据所述第一地面像素点集合中的像素点数量,确定待定地面像素点集合,所述待定地面像素点集合中包括所述待定地面像素点。
从而,可以根据每个姿态角对应的第一地面像素点集合中包括的像素点数据,将像素点数量最多的第一地面像素点集合确定为待定地面像素点集合,该待定地面像素点集合中包括了待定地面像素点。
参见图2,该图示出了本申请实施例提供的一种包括待定地面像素点的图像示意图,如图2所示,其中白色的亮点即是选出的用于估计地面方程的待定地面像素点。
在一些场景中,在通过图像采集设备针对图像采集的场景采集图像时,图像采集设备可能是静止不动的,即图像采集设备的姿态角固定。
该方法无需额外配置测量图像采集设备姿态的惯导等设备,可以快速准确的从图像中挑出若干可能属于地面的像素点,节约了系统成本。
由此,在S101中根据图像中像素点对应的坐标,确定图像中的待定地面像素点的方法,包括:
根据对应于图像采集场景的图像采集设备的姿态角,确定待定地面像素点集合,所述待定地面像素点集合中包括所述待定地面像素点。
其中,基于该姿态角确定待定地面像素点集合的方式如前针对目标姿态角确定待定地面像素点集合的方式相同,此处不再赘述。
S102:确定所述待定地面像素点对应的待定地面方程。
可以理解,地面方程是一个用于表示地面的平面方程。从理论上讲,从选出的待定地面像素点中任选3个即可算出待定地面方程,但由于深度图噪声的影响,以及上述选取待定地面像素点过程中可能选出不属于地面的像素点带来的选择误差,若只用3个待定地面像素点计算地面方程,可能存在较大偏差。
为此,在一种可能的实现方式中,若确定的待定地面像素点的数量大于3,该S102中确定待定地面像素点对应的待定地面方程的方式,包括:
当至少四个像素点分别与预设的地面方程所确定的地面间的距离的平方和最小时,确定地面方程对应的该平面为估计的地面,该平面的参数为所述待定地面方程中的目标地面参数。
其中,上述至少四个像素点可以为待定地面像素点中任意的至少四个像素点,上述至少四个像素点可以为所有的待定地面像素点,当待定地面像素点数量较多时,该至少四个像素点也可以是待定地面像素点中的一部分(如4个、5个、6个等)像素点。
本申请根据多个像素点来确定待定地面方程,以使该待定地面方程由多个待定地面像素点共同决定,最终确定的地面为到多个待定地面像素点的距离平方和最小的平面,提高了所确定的待定地面方程的准确性。
其中,预设地面方程为:
A·x+B·y+C·z+D=0;
上式中(A,B,C)是地面的法向量,决定了地面方向,D决定了地面的偏移量。
所选的至少四个像素点中的任意一个像素点(坐标记为(xi,yi,zi))到该预设的地面方程的距离d为:
则该至少四个像素点中的每个像素点到该预设地面方程的距离的平方和为:
上式中,f是关于A,B,C,D的凸函数。
下面介绍确定至少四个像素点分别与预设的地面方程间的距离的平方和最小的方法。其中,可用梯度下降法,牛顿法或者拟牛顿法进行求解。
梯度下降法实现简单,但收敛速度较慢。牛顿法收敛速度快,但需要求解海森矩阵的逆矩阵,计算较为复杂。拟牛顿法通过正定矩阵来近似海森矩阵或其逆矩阵,简化了这一运算,同时具有收敛速度快和计算简单的优点。
其中,拟牛顿法是求解非线性优化问题最有效的方法之一。DFP算法是拟牛顿法的一种实现,DFP分别代表它的三位发明者的姓氏的首字母William C.Devidon,RogerFletcher和Michael J.D.Powell。
在本申请实施例中,可以采用拟牛顿法中的DFP算法来求解地面方程,其流程如下:
首先,可以设置参数k为0,为地面方程的参数赋一组初始解qk=0=(A0,B0,C0,D0),具体地,将地面法向量初始化为(A0,B0,C0)重力方向的单位矢量,D0则初始化为选出的至少四个像素点的平均高度值。将正定矩阵Gk初始化为单位矩阵。
然后,可以计算梯度若||gk||<ε,最小则停止计算,得到地面方程的近似解(A*,B*,C*,D*)=(Ak=0,Bk=0,Ck=0,Dk=0);否则,执行后续步骤。其中,ε是一个预设值,以用于确定多个像素点与预设的地面方程所确定的地面之间的距离的平方和是否已达到最小。
计算向量pk=-Gk·gk。并通过一维搜索,求λk,以满足下述公式:
上式中,δqk=qk-qk-1,δgk=gk-gk-1。
设置k=k+1,并执行计算向量pk=-Gk·gk的步骤。
通过上述迭代算法,一般只需迭代几次,即可得到地面方程的最优解。
该方法通过拟牛顿法估计出使得待定地面像素点到地面方程对应平面的平均距离最小的平面来,具有计算量小准确度高的优点。
S103:根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件;若是,执行S104。若否,执行S105。
在一种可能的实现方式中,该地面条件可以包括下述条件中的任意一种或多种的组合:
第一个条件为图像中不存在第一像素点。所述第一像素点为第一像素点所对应高度低于待定地面方程对应的地面高度,且所对应高度与待定地面方程对应的地面高度的差值大于第三阈值。其中,该第三阈值可以是上述中的第一阈值,或者其它根据经验得到的数值。
第二个条件为:若图像中所有像素点的高度高于待定地面方程对应的高度,且图像中的最低像素点与待定地面方程所对应地面间的高度差值不大于第四阈值。其中,该第四阈值可以是上述中的第一阈值,或者其它根据经验得到的数值。
第三个条件为:图像中存在第二像素点,所述第二像素点所对应高度与所述待定地面方程所对应地面高度的差值不大于第五阈值。其中,该第五阈值可以是上述中的第一阈值,或者其它根据经验得到的数值。
在具体实现中,待定地面方程满足上述地面条件的数量越多,体现了该待定地面方程标识真实地面的可能性越高。
S104:确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。
从而,可以确定该待定地面方程为图像中标识地面的目标地面方程。根据该目标地面方程,确定图像中属于地面的目标像素点。
在具体实现中,在得到目标地面方程之后,可以根据该目标地面方程遍历整幅图像,确定图像中像素点高度与目标地面方程对应的地面高度间的高度间隔在一定阈值内的像素点,并根据确定的这些像素点标记为地面。参见图3,该图示出了本申请实施例提供的一种标记出地面的图像示意图,如图3所示,图中标记的灰色区域即为地面部分。
S105:停止确定图像中属于地面的目标像素点。
由上述技术方案可以看出,基于深度图像和点云图像中均包括了像素点对应场景的空间信息,由此,可以根据图像中像素点对应的坐标,确定图像中可能为地面的像素点,记为待定地面像素点;然后,确定该待定地面像素点对应的待定地面方程。接下来,根据图像中的像素点,确定待定地面方程是否满足基于先验知识得到的地面条件。若是,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。该方法通过基于图像中像素点确定地面方程的方式,可以准确快速的检测地面,不再需要惯导,降低了成本过高对地面识别的限制。
可以理解,该图像可以是视频中的一帧图像。由此,在一种可能的实现方式中,若图像为视频中的第i帧图像,i大于1,在执行S101、根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点之前,所述方法还包括:
确定第j帧图像对应的目标地面方程为第i帧图像对应的待定地面方程,并执行所述根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件的步骤。
也就是说,由于视频中帧数接近的图像所对应的采集场景接近,由此,在通过遍历像素点为该第i帧图像确定待定地面方程之前,可以将第j帧图像对应的目标地面方程作为该第i帧图像的待定地面方程,并执行S103、根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件的步骤。其中,i-j<n。n可以是一个预设值,用于确定与第i帧帧数接近的第j帧图像。优选的,第j帧图像可以是第i-1帧图像,即为第i帧图像的上一帧图像。
在一种可能的实现方式中,基于上述场景,针对S103、根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件的方法,包括:
若否,执行S101、所述根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点的步骤。
也就是说,若第j帧的目标地面方程在第i帧中标记地面失败即不属于第i帧图像的目标地面方程,则在第i帧图像中进行遍历以选择待定地面像素点,用于重新估计待定地面方程。若通过上述S103-S104的方法确定该待定地面方程为目标地面方程即标记地面成功,则实现确定出针对第i帧图像的目标地面方程。若通过上述S103-S104的方法确定待定地面方程不属于目标地面方程即标记地面失败,则跳过针对该第i帧图像的地面确定,并继续处理下一帧图像。
参见图4,该图示出了本申请实施例提供的一种针对视频识别图像中目标像素点的方法流程图,如图4所示,所述方法包括:
S401:输入视频中的第i帧图像。
S402:待定地面方程初始化。
即将第j帧图像对应的目标地面方程确定为第i帧图像对应的待定地面方程。
S403:确定待定地面方程是否满足地面条件。若是,执行S404,若否,执行S405。
S404:处理第i+1帧图像。
S405:根据第i帧图像中像素点对应的坐标,确定待定地面像素点。
其中,参见图5,该图示出了本申请实施例提供的一种确定待定地面像素点的方法流程图,如图5所示,所述方法包括:
S501:确定第i帧图像中像素点对应的坐标。
S502:将待定地面像素点集合置空,初始化图像采集设备的姿态角。
S503:确定是否根据姿态角范围完成姿态角遍历,若是,结束该方法流程,若否,执行S504。
S504:更新姿态角为目标姿态角。
S505:根据姿态角,计算重力方向单位矢量在图像采集设备下的表示。
S506:确定第i帧图像中多个行分别对应的行高度最低像素点。
S507:确定多个行高度最低像素点,确定行高度最低像素点与第i帧图像高度最低像素点间的高度间隔不大于第一阈值的目标行。
S508:筛选目标行中像素点与图像高度最低像素点间的高度间隔小于第二阈值的像素点。
S509:确定S508中筛选的像素点数量是否多于待定地面像素点集合对应的元素个数。若是,执行S510,若否,执行S503。
S510:清空待定地面像素点集合,将S508中筛选的像素点置于待定地面像素点集合中。
S406:根据待定像素点,确定对应的地面方程。
S407:将确定的地面方程更新为第i帧图像对应的待定地面方程,并执行S403。
通过该种方式,可以提高针对视频中图像的地面识别效率。
本申请还提供了一种图像处理装置,参见图6,该图示出了本申请实施例提供的一种图像处理装置示意图,如图6所示,所述装置包括:
第一确定单元601,用于根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点,所述图像为深度图像或点云图像;
第二确定单元602,用于确定所述待定地面像素点对应的待定地面方程;
第三确定单元603,用于根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件;
第四确定单元604,用于若确定所述待定地面方程满足地面条件,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。
可选的,所述第一确定单元601,具体用于:
根据对应于图像采集场景的图像采集设备的姿态角范围,确定所述图像针对多个姿态角分别对应的第一地面像素点集合,所述多个姿态角符合所述姿态角范围;
根据所述第一地面像素点集合中的像素点数量,确定待定地面像素点集合,所述待定地面像素点集合中包括所述待定地面像素点。
可选的,所述第一确定单元601,具体用于:
根据目标姿态角和所述图像中像素点的坐标,确定所述图像中多个行分别对应的行高度最低像素点,所述目标姿态角为所述多个姿态角中的任意一个;
根据所述行高度最低像素点,确定所述图像的图像高度最低像素点;
根据所述图像高度最低像素点,确定所述图像针对所述目标姿态角对应的第一地面像素点集合。
可选的,所述第一确定单元601,具体用于:
从所述多个行中确定行高度最低像素点与所述图像高度最低像素点间的高度间隔不大于第一阈值的目标行;
将所述目标行中的像素点与所述图像高度最低像素点间的高度间隔小于第二阈值的像素点,确定为组成所述图像针对所述目标姿态角对应的第一地面像素点集合的像素点。
可选的,所述第一确定单元601,具体用于:
根据对应于图像采集场景的图像采集设备的姿态角,确定待定地面像素点集合,所述待定地面像素点集合中包括所述待定地面像素点。
可选的,第二确定单元602,若所述待定地面像素点的数量大于3,当至少四个像素点分别与预设的地面方程间的距离的平方和最小时,确定所述地面方程中的地面参数为所述待定地面方程中的目标地面参数,所述至少四个像素点为所述待定地面像素点中的像素点。
可选的,所述第一确定单元601,具体用于:
若所述图像为视频中的第i帧图像,i大于1,在所述根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点之前,确定第j帧图像对应的目标地面方程为所述第i帧图像对应的待定地面方程,并执行所述根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件的步骤,i-j<n。
可选的,第三确定单元603,具体用于:
若否,执行所述根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点的步骤。
可选的,所述地面条件包括下述条件中的任意一种或多种组合:
所述图像中不存在第一像素点,所述第一像素点为所对应高度低于所述待定地面方程对应的地面高度,且所对应高度与所述待定地面方程对应的地面高度的差值大于第三阈值;
若所述图像中所有像素点的高度高于所述待定地面方程对应的高度,所述图像中的最低像素点与所述待定地面方程所对应地面间的高度差值不大于第四阈值;
所述图像中存在第二像素点,所述第二像素点所对应高度与所述待定地面方程所对应地面高度的差值不大于第五阈值。
可选的,第三确定单元603,具体用于:
若否,停止确定所述图像中属于地面的目标像素点。
由上述技术方案可以看出,基于深度图像和点云图像中均包括了像素点对应场景的空间信息,由此,可以根据图像中像素点对应的坐标,确定图像中可能为地面的像素点,记为待定地面像素点;然后,确定该待定地面像素点对应的待定地面方程。接下来,根据图像中的像素点,确定待定地面方程是否满足基于先验知识得到的地面条件。若是,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。该方法通过基于图像中像素点的坐标确定地面方程的方式,可以准确快速的检测地面,不再需要惯导,降低了成本过高对地面识别的限制。
本申请实施例提供了一种图像处理设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述方法。
本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述方法。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如媒体网关等网络通信设备,等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业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申请的精神或范围的情况下,在其它实施例中实现。因此,本申请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公开的原理和新颖特点相一致的最宽的范围。
Claims (13)
1.一种图像处理方法,其特征在于,所述方法包括:
根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点,所述图像为深度图像或点云图像;
确定所述待定地面像素点对应的待定地面方程;
根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件;
若是,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。
2.根据权利要求1所述的方法,其特征在于,所述根据图像中像素点对应的坐标,确定图像中的待定地面像素点,包括:
根据对应于图像采集场景的图像采集设备的姿态角范围,确定所述图像针对多个姿态角分别对应的第一地面像素点集合,所述多个姿态角符合所述姿态角范围;
根据所述第一地面像素点集合中的像素点数量,确定待定地面像素点集合,所述待定地面像素点集合中包括所述待定地面像素点。
3.根据权利要求2所述的方法,其特征在于,所述确定所述图像针对多个姿态角分别对应的第一地面像素点集合,包括:
根据目标姿态角和所述图像中像素点的坐标,确定所述图像中多个行分别对应的行高度最低像素点,所述目标姿态角为所述多个姿态角中的任意一个;
根据所述行高度最低像素点,确定所述图像的图像高度最低像素点;
根据所述图像高度最低像素点,确定所述图像针对所述目标姿态角对应的第一地面像素点集合。
4.根据权利要求3所述的方法,其特征在于,所述根据所述图像高度最低像素点,确定所述图像针对所述目标姿态角对应的第一地面像素点集合,包括:
从所述多个行中确定行高度最低像素点与所述图像高度最低像素点间的高度间隔不大于第一阈值的目标行;
将所述目标行中的像素点与所述图像高度最低像素点间的高度间隔小于第二阈值的像素点,确定为组成所述图像针对所述目标姿态角对应的第一地面像素点集合的像素点。
5.根据权利要求1所述的方法,其特征在于,所述根据图像中像素点对应的坐标,确定图像中的待定地面像素点,包括:
根据对应于图像采集场景的图像采集设备的姿态角,确定待定地面像素点集合,所述待定地面像素点集合中包括所述待定地面像素点。
6.根据权利要求1所述的方法,其特征在于,若所述待定地面像素点的数量大于3,所述确定所述待定地面像素点对应的待定地面方程,包括:
当至少四个像素点分别与预设的地面方程间的距离的平方和最小时,确定所述地面方程中的地面参数为所述待定地面方程中的目标地面参数,所述至少四个像素点为所述待定地面像素点中的像素点。
7.根据权利要求1所述的方法,其特征在于,若所述图像为视频中的第i帧图像,i大于1,在所述根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点之前,所述方法还包括:
确定第j帧图像对应的目标地面方程为所述第i帧图像对应的待定地面方程,并执行所述根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件的步骤,i-j<n。
8.根据权利要求7所述的方法,其特征在于,所述根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件,包括:
若否,执行所述根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点的步骤。
9.根据权利要求1-8任意一项所述的方法,其特征在于,所述地面条件包括下述条件中的任意一种或多种组合:
所述图像中不存在第一像素点,所述第一像素点为所对应高度低于所述待定地面方程对应的地面高度,且所对应高度与所述待定地面方程对应的地面高度的差值大于第三阈值;
若所述图像中所有像素点的高度高于所述待定地面方程对应的高度,所述图像中的最低像素点与所述待定地面方程所对应地面间的高度差值不大于第四阈值;
所述图像中存在第二像素点,所述第二像素点所对应高度与所述待定地面方程所对应地面高度的差值不大于第五阈值。
10.根据权利要求1-8任意一项所述的方法,其特征在于,所述根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件,包括:
若否,停止确定所述图像中属于地面的目标像素点。
11.一种图像处理装置,其特征在于,所述装置包括:
第一确定单元,用于根据图像中像素点对应的坐标,确定所述图像中的待定地面像素点,所述图像为深度图像或点云图像;
第二确定单元,用于确定所述待定地面像素点对应的待定地面方程;
第三确定单元,用于根据所述图像中的像素点,确定所述待定地面方程是否满足地面条件;
第四确定单元,用于若确定所述待定地面方程满足地面条件,确定所述待定地面方程为目标地面方程,根据所述目标地面方程,确定所述图像中属于地面的目标像素点。
12.一种图像处理设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-10所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-10所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386592.0A CN111586299B (zh) | 2020-05-09 | 2020-05-09 | 一种图像处理方法和相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386592.0A CN111586299B (zh) | 2020-05-09 | 2020-05-09 | 一种图像处理方法和相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111586299A true CN111586299A (zh) | 2020-08-25 |
CN111586299B CN111586299B (zh) | 2021-10-19 |
Family
ID=72126407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010386592.0A Active CN111586299B (zh) | 2020-05-09 | 2020-05-09 | 一种图像处理方法和相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111586299B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389042A (zh) * | 2013-07-11 | 2013-11-13 | 夏东 | 基于深度图像的地面自动检测以及场景高度计算的方法 |
CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
CN105518743A (zh) * | 2013-03-13 | 2016-04-20 | 微软技术许可有限责任公司 | 深度图像的处理 |
CN107016697A (zh) * | 2017-04-11 | 2017-08-04 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
CN108171715A (zh) * | 2017-12-05 | 2018-06-15 | 浙江大华技术股份有限公司 | 一种图像分割方法及装置 |
CN108399641A (zh) * | 2018-03-12 | 2018-08-14 | 北京华捷艾米科技有限公司 | 重新检测地面的判定方法及装置 |
CN108460333A (zh) * | 2018-01-19 | 2018-08-28 | 北京华捷艾米科技有限公司 | 基于深度图的地面检测方法及装置 |
CN108885791A (zh) * | 2018-07-06 | 2018-11-23 | 深圳前海达闼云端智能科技有限公司 | 地面检测方法、相关装置及计算机可读存储介质 |
KR20190106570A (ko) * | 2018-03-09 | 2019-09-18 | 한국과학기술원 | 라이트 필드 이미지의 깊이 추정 방법 및 장치 |
CN110378246A (zh) * | 2019-06-26 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 地面检测方法、装置、计算机可读存储介质及电子设备 |
CN110849331A (zh) * | 2019-11-04 | 2020-02-28 | 上海航天控制技术研究所 | 基于三维点云数据库模型的单目视觉测量与地面试验方法 |
-
2020
- 2020-05-09 CN CN202010386592.0A patent/CN111586299B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518743A (zh) * | 2013-03-13 | 2016-04-20 | 微软技术许可有限责任公司 | 深度图像的处理 |
CN103389042A (zh) * | 2013-07-11 | 2013-11-13 | 夏东 | 基于深度图像的地面自动检测以及场景高度计算的方法 |
CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
CN107016697A (zh) * | 2017-04-11 | 2017-08-04 | 杭州光珀智能科技有限公司 | 一种高度测量方法及装置 |
CN108171715A (zh) * | 2017-12-05 | 2018-06-15 | 浙江大华技术股份有限公司 | 一种图像分割方法及装置 |
CN108460333A (zh) * | 2018-01-19 | 2018-08-28 | 北京华捷艾米科技有限公司 | 基于深度图的地面检测方法及装置 |
US20190228536A1 (en) * | 2018-01-19 | 2019-07-25 | BeiJing Hjimi Technology Co.,Ltd | Depth-map-based ground detection method and apparatus |
KR20190106570A (ko) * | 2018-03-09 | 2019-09-18 | 한국과학기술원 | 라이트 필드 이미지의 깊이 추정 방법 및 장치 |
CN108399641A (zh) * | 2018-03-12 | 2018-08-14 | 北京华捷艾米科技有限公司 | 重新检测地面的判定方法及装置 |
US20190279372A1 (en) * | 2018-03-12 | 2019-09-12 | BeiJing Hjimi Technology Co.,Ltd | Determining whether ground is to be re-detected |
CN108885791A (zh) * | 2018-07-06 | 2018-11-23 | 深圳前海达闼云端智能科技有限公司 | 地面检测方法、相关装置及计算机可读存储介质 |
CN110378246A (zh) * | 2019-06-26 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 地面检测方法、装置、计算机可读存储介质及电子设备 |
CN110849331A (zh) * | 2019-11-04 | 2020-02-28 | 上海航天控制技术研究所 | 基于三维点云数据库模型的单目视觉测量与地面试验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111586299B (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6573354B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP5671281B2 (ja) | 位置姿勢計測装置、位置姿勢計測装置の制御方法及びプログラム | |
JP6415066B2 (ja) | 情報処理装置、情報処理方法、位置姿勢推定装置、ロボットシステム | |
US11003939B2 (en) | Information processing apparatus, information processing method, and storage medium | |
CN109934847B (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
CN111445531B (zh) | 一种多目相机导航方法、装置、设备及存储介质 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN112378333B (zh) | 仓储货物测量方法和装置 | |
CN112184757A (zh) | 运动轨迹的确定方法及装置、存储介质、电子装置 | |
CN111750804A (zh) | 一种物体测量的方法及设备 | |
JP2020149641A (ja) | 物体追跡装置および物体追跡方法 | |
CN113223078A (zh) | 标志点的匹配方法、装置、计算机设备和存储介质 | |
CN109544584B (zh) | 一种实现巡检稳像精度测量的方法及系统 | |
US20210304411A1 (en) | Map construction method, apparatus, storage medium and electronic device | |
CN113658279A (zh) | 相机内参和外参估算方法、装置、计算机设备及存储介质 | |
JP5976089B2 (ja) | 位置姿勢計測装置、位置姿勢計測方法、およびプログラム | |
CN113052907A (zh) | 一种动态环境移动机器人的定位方法 | |
CN109741370B (zh) | 一种目标跟踪方法和装置 | |
CN111586299B (zh) | 一种图像处理方法和相关设备 | |
JP2010145219A (ja) | 運動推定装置及びプログラム | |
JP2010009236A (ja) | 平面領域推定装置及びプログラム | |
CN116021519A (zh) | 一种基于tof相机采摘机器人手眼标定方法以及装置 | |
KR20170037804A (ko) | 불규칙한 조도 변화에 강건한 영상 기반 주행거리 측정 시스템 및 방법 |
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 |