CN111738223A - 车架号图像生成方法、装置、计算机设备和存储介质 - Google Patents

车架号图像生成方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111738223A
CN111738223A CN202010737464.6A CN202010737464A CN111738223A CN 111738223 A CN111738223 A CN 111738223A CN 202010737464 A CN202010737464 A CN 202010737464A CN 111738223 A CN111738223 A CN 111738223A
Authority
CN
China
Prior art keywords
frame number
image
vertex
original
coordinates
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.)
Pending
Application number
CN202010737464.6A
Other languages
English (en)
Inventor
李广旭
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.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
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 Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN202010737464.6A priority Critical patent/CN111738223A/zh
Publication of CN111738223A publication Critical patent/CN111738223A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

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

Abstract

本申请涉及图像识别技术领域，特别是涉及一种车架号图像生成方法、装置、计算机设备和存储介质。所述方法包括：获取车架号原始图像；确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。采用本方法能够提升车架号图像生成的智能化水平。

Description

车架号图像生成方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像识别技术领域，特别是涉及一种车架号图像生成方法、装置、计算机设备和存储介质。
背景技术
车架号是识别车辆的唯一标识。在车辆年检中，通过将车架号与拓印膜进行比对，判断车架号是否被篡改，至关重要。
在传统方式中，通过人工对车架号尺寸进行采集，然后将采集的数据与拓印膜进行比对判断，已确定车架号是否被更改。
但是，通过人工进行测量采集，处理过程不够智能化。
发明内容
基于此，有必要针对上述技术问题，提供一种能够智能化的生成车辆车架号图像的车架号图像生成方法、装置、计算机设备和存储介质。
一种车架号图像生成方法，其特征在于，包括：
获取车架号原始图像；
确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；
基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标；
根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；
根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；
根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。
在其中一个实施例中，根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标，包括：
确定目标车架号平面；
根据各顶点的相机坐标，确定在目标车架号平面中各顶点的平面坐标；
根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标，包括：
获取车架号原始图像的图像精度；
根据各顶点的平面坐标以及车架号原始图像的图像精度，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像，包括：
根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像；
对车架号初始图像进行插值处理，得到车架号图像。
在其中一个实施例中，根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像，包括：
根据各顶点的原始像素坐标，确定在车架号原始图像中进行透视变换的车架号文本区域；
根据各顶点的实际像素坐标，确定在目标车架号平面中透视变换的目标区域；
根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像。
在其中一个实施例中，根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像，包括：
通过透视变换矩阵，对车架号文本区域进行透视变换处理，确定车架号文本区域中各原始像素点在目标区域中的各目标像素点；
获取车架号原始图像中各原始像素点的像素值；
基于各原始像素点的像素值对各目标像素点进行填充，得到车架号初始图像。
在其中一个实施例中，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标之后，还包括：
基于各顶点的相机坐标，建立车架号平面方程；
根据建立的车架号平面方程，验证多个顶点是否位于同一平面；
当验证多个顶点位于同一平面时，则继续根据各顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
一种车架号图像生成装置，包括：
车架号原始图像获取模块，用于获取车架号原始图像；
原始像素坐标确定模块，用于确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；
相机坐标确定模块，用于基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标；
实际像素坐标确定模块，用于根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；
透视变换矩阵建立模块，用于根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；
车架号图像生成模块，用于根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。
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，所述处理器执行所述计算机程序时实现任一项所述方法的步骤。
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任一项所述的方法的步骤。
上述车架号图像生成方法、装置、计算机设备和存储介质，通过获取车架号原始图像；确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。从而，可以直接根据获取的车架号原始图像以及点云数据，即可确定在目标车架号平面中的实际像素坐标，并进行透视变换矩阵的建立以及对车架号原始图像进行透视变换，可以无须人工参与，智能化的生成车架号图像，提升处理过程的智能化水平。
附图说明
图1为一个实施例中车架号图像生成方法的应用场景图；
图2为一个实施例中车架号图像生成方法的流程示意图；
图3为一个实施例中语义分割模型输出的图像的示意图；
图4为一个实施例中车架号原始图像的示意图；
图5为一个实施例中构建的虚拟坐标系的示意图；
图6为另一个实施例中车架号图像生成方法的流程示意图；
图7为一个实施例中生成的车架号图像的示意图；
图8为一个实施例中车架号图像生成装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的车架号图像生成方法，可以应用于如图1所示的应用环境中。其中，采集终端102通过网络与服务器104进行通信。具体地，采集终端102对车架上的车架号图像进行采集，得到车架号原始图像，然后将车架号原始图像发送至服务器104。服务器104在获取到采集终端102采集的车架号原始图像后，从车架号原始图像中确定车架号文本区域的多个顶点，并得到各顶点的原始像素坐标。进一步，服务器104基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标，并根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标。进一步，服务器104根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵，然后根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。其中，采集终端102可以但不限于是各种具有采集功能以及数据传输功能的照相机、摄像机以及录像机等采集设备，服务器104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。
在一个实施例中，如图2所示，提供了一种车架号图像生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S202，获取车架号原始图像。
其中，车架号原始图像是指通过采集终端对车架上的车架号采集生成的图像，可以是指采集的彩色图像。在本实施例中，车架号原始图像包括R、G、B三通道像素值。
在本实施例中，采集终端在采集得到车架号原始图像后，可以将采集得到的车架号原始图像发送至服务器，并存储至服务器数据库中。
进一步，当服务器接收到对对应车架号原始图像进行处理的请求时，可以从数据库中获取存储的车架号原始图像，然后进行后续的处理。
在本实施例中，存储至数据库中的车架号原始图像可以是以采集的日期以及采集的车辆编号进行存储的，则服务器可以以车辆编号和采集日期为查询条件，对数据库进行查询，以获取到对应的车架号原始图像。
步骤S204，确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标。
其中，车架号文本区域是指在车架号原始图像中，车架号文本内容所在的区域，例如，参考图3。
顶点是指车架号原始图像中，确定车架号文本内容所在区域的点，对于矩形区域，顶点是指矩形区域的角点。
原始像素坐标是指在车架号原始图像中，各个顶点所在位置的像素坐标。
在本实施例中，服务器在获取车架号原始图像后，可以将车架号原始图像输入预先训练的语义分割模型，以通过语义分割模型对车架号原始图像中的车架号文本内容进行识别分割，得到各车架号文本内容的分割图，如图4所示。
进一步，服务器基于分割图，得到车架号原始图像中车架号文本内容中第一个文本字符以及最后一个文本字符的最高点和最低点像素坐标，从而得到车架号文本区域的多个顶点的像素坐标。
步骤S206，基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标。
其中，点云数据是指根据深度摄像头采集的深度信息数据。
在本实施例中，采集设备是一款同时有RGB摄像头与深度点云摄像头的模组，并且，在进行图像采集之前，RGB摄像头与深度点云摄像头两者的图像已经对齐。
在本实施例中，操作人员可以通过同时具有RGB摄像头与深度点云摄像头的采集设备进行车架号原始图像的采集，同时生成对应的点云数据。生成的点云数据与车架号原始图像中各像素点之间存在这一一对应关系。
在本实施例中，服务器可以根据点云数据与车架号原始图像中各像素点之间的对应关系，根据各顶点的原始像素坐标，从点云数据中获取各顶点对应的相机坐标系下的相机坐标。
在本实施例中，继续参考图4，多个顶点为P0、P1、P2、P3，各顶点的车架号原始图像中对应的原始像素坐标可以分别表示为oriP0(未图示)、oriP1(未图示)、oriP2(未图示)以及oriP3(未图示)，服务器从点云信息中得到多个顶点对应的相机坐标系下的坐标可以表示为cP0(未图示)、cP1(未图示)、cP2(未图示)、cP3(未图示)，即P0顶点对应的原始像素坐标oriP0，对应的相机坐标为cP0，P1顶点对应的原始像素坐标oriP1，对应的相机坐标为cP1，P2顶点对应的原始像素坐标oriP2，对应的相机坐标为cP2，P3顶点对应的原始像素坐标oriP3，对应的相机坐标为cP3。
具体地，上述原始像素坐标以及相机坐标可以分别表示为oriP0(oriP0.x，oriP0.y)、oriP1(oriP1.x，oriP1.y)、oriP2(oriP2.x，oriP2.y)、oriP3(oriP3.x，oriP3.y)、cP0(cP0.x，cP0.y，cP0.z)、cP1(cP1.x，cP1.y，cP1.z)、cP2(cP2.x，cP2.y，cP2.z)以及cP3(cP3.x，cP3.y，cP3.z),每一个相机坐标都含x，y，z三个坐标维度。
步骤S208，根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标。
其中，目标车架号平面是指对应于实际车辆中车架号所在的平面，是虚拟的坐标平面。实际像素坐标是指在目标车架号平面中，各顶点的实际像素坐标位置。
在本实施例中，服务器从点云数据中获取到各顶点的相机坐标后，可以根据相机坐标，确定各顶点在目标车架号平面中的实际像素坐标。
步骤S210，根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵。
其中，透视变换矩阵是指将车架号原始图像透视变换至目标车架号平面中的变换矩阵。
在本实施例中，服务器在确定原始像素坐标以及实际像素坐标后，可以根据原始像素坐标以及实际像素坐标，建立透视变换矩阵，然后对车架号原始图像进行透视变换。
具体地，服务器可以通过如下计算公式(1)建立透视变换矩阵：
Figure BDA0002605621520000071
其中，A为多个顶点的原始像素坐标组成的矩阵，B为多个顶点的实际像素坐标组成的矩阵，a11～a33组成透视变换矩阵。
步骤S212，根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。
在本实施例中，服务器在建立透视变换矩阵后，可以根据原始像素坐标确定的原始车架号图像，实际像素坐标确定的目标区域，以及透视变换矩阵，生成车架号图像。
上述车架号图像生成方法中，通过获取车架号原始图像；确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。从而，可以直接根据获取的车架号原始图像以及点云数据，即可确定在目标车架号平面中的实际像素坐标，并进行透视变换矩阵的建立以及对车架号原始图像进行透视变换，可以无须人工参与，智能化的生成车架号图像，提升处理过程的智能化水平。
在其中一个实施例中，根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标，可以包括：确定目标车架号平面；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的平面坐标；根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标。
在本实施例中，服务器可以建立虚拟坐标系，并以该虚拟坐标系所在平面作为目标车架号平面。
具体地，服务器可以将相机坐标系中cp0映射至目标车架号平面中的点为原点，相机坐标系中cp0和cp1映射至目标车架号平面中所在直线为x轴，cp0指向cp1方向为正，过原点垂直x轴方向为y轴，建立目标车架号平面。
在本实施例中，服务器在建立目标车架号平面后，车架号原始图像中多个顶点P0、P1、P2、P3在目标车架号平面中对应的平面坐标可以分别为表示为IP0、IP1、IP2以及IP3。具体地，参考图5，分别表示为IP0(IP0.x，IP0.y)、IP1(IP1.x，IP1.y)、IP2(IP2.x，IP2.y)、IP3(IP3.x，IP3.y)。其中，由于cp0映射至目标车架号平面中的点为原点，相机坐标系中cp0和cp1映射至目标车架号平面中所在直线为x轴，因此，IP0.x为0，IP0.y为0，IP1.x为0。进一步，服务器可以目标车架号平面中各顶点的平面坐标与相机坐标系中各顶点的相机坐标之间的对应关系，求解各顶点的平面坐标。
具体地，服务器从点云数据中得到的各顶点的相机坐标分别为cP0(cP0.x，cP0.y，cP0.z)、cP1(cP1.x，cP1.y，cP1.z)、cP2(cP2.x，cP2.y，cP2.z)以及cP3(cP3.x，cP3.y，cP3.z)，则服务器可以基于如下公式计算得到各顶点的平面坐标：
(IP1.x)2＝(cP0.x-cP1.x)2+(cP0.y-cP1.y)2+(cP0.z-cP1.z)2；
(IP1.x–IP2.x)2+(IP2.y)2＝(cP2.x-cP1.x)2+(cP2.y-cP1.y)2+(cP2.z-cP1.z)2；
(IP2.x–IP3.x)2+(IP2.y–IP3.y)2＝(cP2.x-cP3.x)2+(cP2.y-cP3.y)2+(cP2.z-cP3.z)2；
(IP3.x)2+(IP3.y)2＝(cP0.x–cP3.x)2+(cP0.y-cP3.y)2+(cP0.z-cP3.z)2；
(IP1.x–IP3.x)2+(IP3.y)2＝(cP3.x-cP1.x)2+(cP3.y-cP1.y)2+(cP3.z-cP1.z)2；
(IP2.x)2+(IP2.y)2＝(cP2.x-cP0.x)2+(cP2.y-cP0.y)2+(cP2.z-cP0.z)2；
其中，IP1.x>0，IP2.y>0，IP3.y>0。
在本实施例中，参考图6，服务器在得到各顶点在目标车架号平面中的平面坐标后，可以基于像素坐标与平面坐标之间的对应关系，得到目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标，可以包括：获取车架号原始图像的图像精度；根据各顶点的平面坐标以及车架号原始图像的图像精度，确定在目标车架号平面中各顶点的实际像素坐标。
在本实施例中，服务器可以根据像素尺寸计算公式计算各平面坐标的实际像素坐标，像素尺寸计算公式如下公式(2)所示：
Lmm＝25.4*Lpixel/DPI(2)
其中，DPI是指车架号原始图像的图像精度，如150DPI、300DPI等，可以根据采集的设备的采集精度确定，Lmm是为平面坐标，单位为mm，Lpixel是像素坐标，单位为像素。
在本实施例中，服务器可以通过上述计算公式、各顶点的平面坐标以及车架号原始图像的图像精度，计算各个顶点的实际像素坐标，即平面坐标IP0(IP0.x，IP0.y)对应的实际像素坐标为newP0(newP0.x，newP0.y)，IP1(IP1.x，IP1.y)对应的实际像素坐标为newP1(newP1.x，newP1.y),IP2(IP2.x，IP2.y)对应的实际像素坐标为newP2(newP2.x，newP2.y),IP3(IP3.x，IP3.y)对应的实际像素坐标为newP3(newP3.x，newP3.y)。其中，newP0.x＝IP0.x*DPI/25.4，newP0.y＝IP0.y*DPI/25.4，newP1.x＝IP1.x*DPI/25.4，newP1.y＝IP1.y*DPI/25.4，newP2.x＝IP2.x*DPI/25.4，newP2.y＝IP2.y*DPI/25.4，newP3.x＝IP3.x*DPI/25.4，newP3.y＝IP3.y*DPI/25.4。
上述实施例中，通过确定目标车架号平面，根据各顶点的相机坐标，确定在目标车架号平面中各顶点的平面坐标，然后根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标，从而可以根据各顶点的相机坐标，确定各顶点在目标车架号平面中的实际像素坐标位置，可以使得生成的车架号图像符合实际尺寸要求。
在其中一个实施例中，根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像，可以包括：根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像；对车架号初始图像进行插值处理，得到车架号图像。
具体地，继续参考图6，服务器在得到透视变换矩阵后，可以根据求取的透视变换矩阵，基于车架号原始图像，得到与实际车架号图像一比一对应的车架号图像。
在本实施例中，服务器基于透视变换矩阵对车架号原始图像进行透视变换后，由于透视变换前与透视变换后图像像素不是完全一一对应的关系，因此，需要通过插值算法对生成的图像进行插值处理，例如，服务器可以通过拉格朗日插值、牛顿插值、分段线性插值、分段三次埃尔米特插值、样条插值函数等对透视变换的后得到的车架号初始图像进行插值处理，得到车架号图像，如图7所示。
上述实施例中，通过对透视变换后得到的车架号初始图像进行插值处理，以得到车架号图像，可以使得得到的车架号图像中每一个像素点均有填充对应的像素值，从而可以提升生成的车架号图像的准确性。
在其中一个实施例中，根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像，可以包括：根据各顶点的原始像素坐标，确定在车架号原始图像中进行透视变换的车架号文本区域；根据各顶点的实际像素坐标，确定在目标车架号平面中透视变换的目标区域；根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像。
在本实施例中，服务器可以根据语义分割模型得到的多个顶点的原始像素坐标，确定在车架号原始图像中车架号文本所在区域。同理服务器可以各顶点在目标车架号平面中的实际像素坐标，确定待生成的车架号图像的目标区域。进一步，服务器根据计算得到的透视变换矩阵，将车架号原始图像中车架号文本区域透视至目标车架号平面的目标区域中，以生成车架号初始图像。
在其中一个实施例中，根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像，可以包括：通过透视变换矩阵，对车架号文本区域进行透视变换处理，确定车架号文本区域中各原始像素点在目标区域中的各目标像素点；获取车架号原始图像中各原始像素点的像素值；基于各原始像素点的像素值对各目标像素点进行填充，得到车架号初始图像。
具体地，服务器可以根据得到的透视变换矩阵，遍历车架号原始图像中车架号文本区域，得到车架号文本区域中各像素点透视变换后的目标像素点。
然后，服务器从车架号原始图像中获取车架号文本区域中各像素点的像素值，即RGB三个通道的值，将其填充到透视变换后的目标像素点中，得到车架号初始图像。
在本实施例中，服务器可以基于透视变换前像素点与透视变换后目标像素点之间的对应关系，获取各像素点的像素值，并对各目标像素点进行填充。
上述实施例中，通过获取车架号原始图像中各原始像素点的像素值，基于各原始像素点的像素值对各目标像素点进行填充，从而，使得生成的车架号图像包含车架号原始图像中的像素值，保留车架号原始图像的信息，提升图像生成的准确性。
在其中一个实施例中，由于通过语义分割模型分割得到的车架号文本区域的顶点存在略微偏差的可能，为了能够保证生成的车架号图像为一比一还原图，车架号文本区域的信息完整不丢失，服务器在建立透视变换矩阵之前，可以将实际像素坐标偏移一定的偏移量，并根据偏移后的实际像素坐标，建立透视变换矩阵。
具体地，服务器可以先确定透视变换后的目标车架号平面中目标区域的起始坐标(u0，v0)，v0＝Offset0，Offset1通过如下公式(3)确定：
Figure BDA0002605621520000121
其中，Offset0和Offset1均为正。
在本实施例中，由于P3顶点在目标车架号平面中的坐标可能位于y轴左侧也可能位于y轴右侧，即可能P3顶点在x轴方向上的实际像素坐标可能为正，也可能为负，因此，在对各顶点的实际像素坐标进行偏移的时候，在x方向上的偏移量根据P3顶点在x轴方向上的实际像素坐标的不同可能不同，即，当P3顶点在x轴方向上的实际像素坐标为负时，u0＝Offset1+|newP3.x|，当当P3顶点在x轴方向上的实际像素坐标为正时，u0＝Offset1。
在本实施中，服务器可以通过调用Open CV函数get Perspective Transform(const Point2f src[],const Point2f dst[])求取透视变换矩阵。其中，src[]为各顶点的原始像素坐标oriP0,oriP1,oriP2,oriP3，dst[]为各顶点偏移后的实际像素坐标newP0+(u0,v0),newP1+(u0,v0),newP2+(u0,v0),newP3+(u0,v0)。
进一步，服务器可以调用void warp Perspective(Input Array src，OutputArray dst，Input Array M，Size dsize，int flags＝INTER_LINEAR，int border Mode＝BORDER_CONSTANT，const Scalar&border Value＝Scalar())，输出车架号图像。其中，src为车架号原始图像，dst为目标区域，M为透视变换矩阵，dsize为输出图像的大小，flags为插值方法。在本实施例中，dsize的横向尺寸为max(newP1.x,newP2.x)-min(newP0.x,newP3.x)+2*Offset1，纵向尺寸为max(newP2.y,newP3.y)+2*Offset0。
上述实施例中，通过实际像素坐标偏移一定的偏移量，从而可以使得车架号文本区域的信息完整不丢失，可以提升生成的车架号图像的完整性。
在其中一个实施例中，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标之后，还可以包括：基于各顶点的相机坐标，建立车架号平面方程；根据建立的车架号平面方程，验证多个顶点是否位于同一平面；当验证多个顶点位于同一平面时，则继续根据各顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
在本实施例中，继续参考图6，服务器在获取各顶点的相机坐标后，可以根据各顶点的相机坐标，验证该多个顶点是否在同一平面上。
具体地，服务器可以基于各顶点的相机坐标，建立车架号平面方程的超定方程组，然后通过最小二乘法对超定方程组进行求解，得到车架号平面方程。
具体地，平面方程为Ax+By+Cz+D＝0,其中A、B、C、D为平面方程的参数。服务器可以根据获取的各顶点在相机平面中的相机坐标，对车架号平面方程组进行求解。
在本实施例中，由于图像采集的过程中，车架号平面不可能过原点，所以D不等于0，因此车架号平面方程等式两边除以D，方程简化为ax+by+cz＝1，参数减少为3个，即a、b、c。
进一步，服务器可以将各顶点的相机坐标带入简化后的车架号平面方程，得到四组方程，即得到超定方程组。
然后，服务器可以利用奇异值分解求解最小二乘法对超定方程组的参数进行求解，以得到超定方程组的最优解，从而得到车架号平面方程。
在本实施例中，服务器可以利用奇异值分解求解最小二乘法对超定方程组的参数进行求解可以是调用open cv函数solve：bool solve(Input Array src1，Input Arraysrc2，Output Array dst，int flags)。其中，第一个参数Input Array src1为输入矩阵，在本实施例中，Input Array src1为四个顶点的相机坐标矩阵，矩阵表达式如下公式(4)所示，第二个参数Input Array src2为线性系统的右部，[1,1,1]-T，第三个参数Output Arraydst为输出解答，为需要求解的矩阵[a，b，c]-T，第四个参数int flags是解决方法，可以选择CV_SVD-奇异值分解法(SVD)。
在本实施例中，函数返回true代表求解成功，false代表求解失败。
Figure BDA0002605621520000131
进一步，服务器可以根据建立的车架号平面方程，验证多个顶点是否位于同一平面。
具体地，服务器先确定多个顶点的中心点，并从点云数据中获取中心点在相机坐标系中的相机坐标，然后服务器从多个顶点以及中心点中选择预设数量的点组成点集合，得到多个点集合。
进一步，服务器基于各点集合中各点的相机坐标，对车架号平面方程进行误差计算，得到多个误差值。
进一步，服务器统计多个误差值中大于预设误差值的误差数量，并计算多个误差值的平均误差。
进一步，服务器判断误差数量以及平均误差是否均满足预设要求，并当误差数量以及平均误差均满足预设要求时，则继续根据各所述顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
具体地，参考图4，服务器可以根据车架号初始图像中顶点P0、P1、P2、P3的原始像素坐标，确定其几何中心P4，即中心点，并得到对应的原始像素坐标。
然后，服务器可以根据中心点的原始像素坐标，从点云数据中查找并获取中心点在相机坐标系中的相机坐标。
进一步，服务器可以以P0、P1、P2、P3、P4中任意3个点为一组，组成点集合，得到10个点集合，并基于各点集合中各点的相机坐标，对得到的车架号平面方程组的参数进行计算，计算公式如公式(5)所示：
ax+by+cz-1 (5)
其中，a、b、c是车架号平面方程组的参数，x、y、z是各点的相机坐标。
进一步，服务器将各点组合计算得到的值的绝对值存入服务器Error Items Vec容器中，以进行误差值计算，得到对应各点集合的10组误差值。
然后，服务器对10组误差值中误差大于预设误差值的误差数量，例如，大于0.01的数量，并对10组误差值的平均值进行求解，得到平均误差。
进一步，服务器基于预设要求，对误差数量以及平均误差进行判定，以确定是否满足要求，例如，误差数量小于3且平均误差小于0.01为满足要求。进而以进行进一步的处理。
上述实施例中，通过基于各顶点的相机坐标，建立车架号平面方程，然后根据建立的车架号平面方程，验证多个顶点是否位于同一平面，并当验证多个顶点位于同一平面时，则继续根据各顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标，从而可以在得到各顶点对应的相机坐标后，对各顶点是否位于同一平面进行验证，并在验证通过后执行后续的操作，提升车架号图像生成的准确性。
应该理解的是，虽然图2和图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种车架号图像生成装置，包括：车架号原始图像获取模块100、原始像素坐标确定模块200、相机坐标确定模块300、实际像素坐标确定模块400、透视变换矩阵建立模块500和车架号图像生成模块600，其中：
车架号原始图像获取模块100，用于获取车架号原始图像。
原始像素坐标确定模块200，用于确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标。
相机坐标确定模块300，用于基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标。
实际像素坐标确定模块400，用于根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标。
透视变换矩阵建立模块500，用于根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵。
车架号图像生成模块600，用于根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。
在其中一个实施例中，实际像素坐标确定模块400可以包括：
目标车架号平面确定子模块，用于确定目标车架号平面。
平面坐标确定子模块，用于根据各顶点的相机坐标，确定在目标车架号平面中各顶点的平面坐标。
实际像素坐标确定子模块，用于根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，实际像素坐标确定子模块，包括：
图像精度获取单元，用于获取车架号原始图像的图像精度。
实际像素坐标确定单元，用于根据各顶点的平面坐标以及车架号原始图像的图像精度，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，车架号图像生成模块600可以包括：
车架号初始图像生成子模块，用于根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像。
插值处理子模块，用于对车架号初始图像进行插值处理，得到车架号图像。
在其中一个实施例中，车架号初始图像生成子模块可以包括：
车架号文本区域确定单元，用于根据各顶点的原始像素坐标，确定在车架号原始图像中进行透视变换的车架号文本区域。
目标区域确定单元，用于根据各顶点的实际像素坐标，确定在目标车架号平面中透视变换的目标区域。
车架号初始图像生成单元，用于根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像。
在其中一个实施例中，车架号初始图像生成单元可以包括：
目标像素点确定子单元，用于通过透视变换矩阵，对车架号文本区域进行透视变换处理，确定车架号文本区域中各原始像素点在目标区域中的各目标像素点。
像素值确定子单元，用于获取车架号原始图像中各原始像素点的像素值。
填充单元，用于基于各原始像素点的像素值对各目标像素点进行填充，得到车架号初始图像。
在其中一个实施例中，上述装置还可以包括：
车架号平面方程建立模块，用于在相机坐标确定模块300从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标之后，基于各顶点的相机坐标，建立车架号平面方程。
验证模块，用于根据建立的车架号平面方程，验证多个顶点是否位于同一平面，并当验证多个顶点位于同一平面时，则继续根据各顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
关于车架号图像生成装置的具体限定可以参见上文中对于车架号图像生成方法的限定，在此不再赘述。上述车架号图像生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车架号原始图像、点云数据以及车架号图像等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车架号图像生成方法。
本领域技术人员可以理解，图9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，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取车架号原始图像；确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。
在其中一个实施例中，处理器执行计算机程序时实现根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标，可以包括：确定目标车架号平面；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的平面坐标；根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，处理器执行计算机程序时实现根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标，可以包括：获取车架号原始图像的图像精度；根据各顶点的平面坐标以及车架号原始图像的图像精度，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，处理器执行计算机程序时实现根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像，可以包括：根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像；对车架号初始图像进行插值处理，得到车架号图像。
在其中一个实施例中，处理器执行计算机程序时实现根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像，可以包括：根据各顶点的原始像素坐标，确定在车架号原始图像中进行透视变换的车架号文本区域；根据各顶点的实际像素坐标，确定在目标车架号平面中透视变换的目标区域；根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像。
在其中一个实施例中，处理器执行计算机程序时实现根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像，可以包括：通过透视变换矩阵，对车架号文本区域进行透视变换处理，确定车架号文本区域中各原始像素点在目标区域中的各目标像素点；获取车架号原始图像中各原始像素点的像素值；基于各原始像素点的像素值对各目标像素点进行填充，得到车架号初始图像。
在其中一个实施例中，处理器执行计算机程序时实现从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标之后，还可以实现如下步骤：基于各顶集点的相机坐标，建立车架号平面方程；根据建立的车架号平面方程，验证多个顶点是否位于同一平面；当验证多个顶点位于同一平面时，则继续根据各顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
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：获取车架号原始图像；确定车架号原始图像中车架号文本区域的多个顶点，并得到各顶点的原始像素坐标；基于各顶点的原始像素坐标，从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标系下的相机坐标；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标；根据各顶点的原始像素坐标以及实际像素坐标，建立透视变换矩阵；根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像。
在其中一个实施例中，计算机程序被处理器执行时实现根据各顶点的相机坐标，确定在目标车架号平面中各顶点的实际像素坐标，可以包括：确定目标车架号平面；根据各顶点的相机坐标，确定在目标车架号平面中各顶点的平面坐标；根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，计算机程序被处理器执行时实现根据各顶点的平面坐标，确定在目标车架号平面中各顶点的实际像素坐标，可以包括：获取车架号原始图像的图像精度；根据各顶点的平面坐标以及车架号原始图像的图像精度，确定在目标车架号平面中各顶点的实际像素坐标。
在其中一个实施例中，计算机程序被处理器执行时实现根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号图像，可以包括：根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像；对车架号初始图像进行插值处理，得到车架号图像。
在其中一个实施例中，计算机程序被处理器执行时实现根据透视变换矩阵，将车架号原始图像透视变换至目标车架号平面中，得到车架号初始图像，可以包括：根据各顶点的原始像素坐标，确定在车架号原始图像中进行透视变换的车架号文本区域；根据各顶点的实际像素坐标，确定在目标车架号平面中透视变换的目标区域；根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像。
在其中一个实施例中，计算机程序被处理器执行时实现根据透视变换矩阵，将车架号文本区域透视变换至目标区域中，得到车架号初始图像，可以包括：通过透视变换矩阵，对车架号文本区域进行透视变换处理，确定车架号文本区域中各原始像素点在目标区域中的各目标像素点；获取车架号原始图像中各原始像素点的像素值；基于各原始像素点的像素值对各目标像素点进行填充，得到车架号初始图像。
在其中一个实施例中，计算机程序被处理器执行时实现从车架号原始图像对应的点云数据中获取各顶点对应的相机坐标之后，还可以实现如下步骤：基于各顶点的相机坐标，建立车架号平面方程；根据建立的车架号平面方程，验证多个顶点是否位于同一平面；当验证多个顶点位于同一平面时，则继续根据各顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车架号图像生成方法，其特征在于，包括：
获取车架号原始图像；
确定所述车架号原始图像中车架号文本区域的多个顶点，并得到各所述顶点的原始像素坐标；
基于各所述顶点的原始像素坐标，从所述车架号原始图像对应的点云数据中获取各所述顶点对应的相机坐标系下的相机坐标；
根据各所述顶点的相机坐标，确定在目标车架号平面中各所述顶点的实际像素坐标；
根据各所述顶点的原始像素坐标以及所述实际像素坐标，建立透视变换矩阵；
根据所述透视变换矩阵，将所述车架号原始图像透视变换至所述目标车架号平面中，得到车架号图像。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述顶点的相机坐标，确定在目标车架号平面中各所述顶点的实际像素坐标，包括：
确定目标车架号平面；
根据各所述顶点的相机坐标，确定在目标车架号平面中各所述顶点的平面坐标；
根据各所述顶点的平面坐标，确定在所述目标车架号平面中各所述顶点的实际像素坐标。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述顶点的平面坐标，确定在所述目标车架号平面中各所述顶点的实际像素坐标，包括：
获取所述车架号原始图像的图像精度；
根据各所述顶点的平面坐标以及所述车架号原始图像的图像精度，确定在所述目标车架号平面中各所述顶点的实际像素坐标。
4.根据权利要求1所述的方法，其特征在于，所述根据所述透视变换矩阵，将所述车架号原始图像透视变换至所述目标车架号平面中，得到车架号图像，包括：
根据所述透视变换矩阵，将所述车架号原始图像透视变换至所述目标车架号平面中，得到车架号初始图像；
对所述车架号初始图像进行插值处理，得到车架号图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述透视变换矩阵，将所述车架号原始图像透视变换至所述目标车架号平面中，得到车架号初始图像，包括：
根据各所述顶点的原始像素坐标，确定在所述车架号原始图像中进行透视变换的车架号文本区域；
根据各所述顶点的实际像素坐标，确定在所述目标车架号平面中透视变换的目标区域；
根据所述透视变换矩阵，将所述车架号文本区域透视变换至所述目标区域中，得到车架号初始图像。
6.根据权利要求5所述的方法，其特征在于，所述根据所述透视变换矩阵，将所述车架号文本区域透视变换至所述目标区域中，得到车架号初始图像，包括：
通过所述透视变换矩阵，对所述车架号文本区域进行透视变换处理，确定所述车架号文本区域中各原始像素点在目标区域中的各目标像素点；
获取所述车架号原始图像中各所述原始像素点的像素值；
基于各所述原始像素点的像素值对各所述目标像素点进行填充，得到车架号初始图像。
7.根据权利要求1所述的方法，其特征在于，所述从所述车架号原始图像对应的点云数据中获取各所述顶点对应的相机坐标之后，还包括：
基于各所述顶点的相机坐标，建立车架号平面方程；
根据建立的车架号平面方程，验证所述多个顶点是否位于同一平面；
当验证所述多个顶点位于同一平面时，则继续根据各所述顶点对应的相机坐标，确定在车架号平面上各顶点的平面坐标。
8.一种车架号图像生成装置，其特征在于，包括：
车架号原始图像获取模块，用于获取车架号原始图像；
原始像素坐标确定模块，用于确定所述车架号原始图像中车架号文本区域的多个顶点，并得到各所述顶点的原始像素坐标；
相机坐标确定模块，用于基于各所述顶点的原始像素坐标，从所述车架号原始图像对应的点云数据中获取各所述顶点对应的相机坐标系下的相机坐标；
实际像素坐标确定模块，用于根据各所述顶点的相机坐标，确定在目标车架号平面中各所述顶点的实际像素坐标；
透视变换矩阵建立模块，用于根据各所述顶点的原始像素坐标以及所述实际像素坐标，建立透视变换矩阵；
车架号图像生成模块，用于根据所述透视变换矩阵，将所述车架号原始图像透视变换至所述目标车架号平面中，得到车架号图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010737464.6A 2020-07-28 2020-07-28 车架号图像生成方法、装置、计算机设备和存储介质 Pending CN111738223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010737464.6A CN111738223A (zh) 2020-07-28 2020-07-28 车架号图像生成方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010737464.6A CN111738223A (zh) 2020-07-28 2020-07-28 车架号图像生成方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111738223A true CN111738223A (zh) 2020-10-02

Family

ID=72656158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010737464.6A Pending CN111738223A (zh) 2020-07-28 2020-07-28 车架号图像生成方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111738223A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112468716A (zh) * 2020-11-02 2021-03-09 航天信息股份有限公司 摄像头视角矫正方法、装置、存储介质及电子设备
CN112561789A (zh) * 2020-12-23 2021-03-26 中国科学院长春光学精密机械与物理研究所 一种不规则图像处理方法
CN112580501A (zh) * 2020-12-17 2021-03-30 上海眼控科技股份有限公司 车架号图像生成方法、装置、计算机设备和存储介质
CN112614045A (zh) * 2020-12-16 2021-04-06 上海交通大学 农机前方作业环境视觉感知透视效应的消除方法和系统
CN113178080A (zh) * 2021-04-21 2021-07-27 浙江工业大学 一种车辆vin码检测采集系统及其采集方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180322610A1 (en) * 2017-05-08 2018-11-08 Weltrend Semiconductor Inc. Image Perspective Conversion Method by Converting Coordinates of Polygonal Sub-regions and System Thereof
CN110796082A (zh) * 2019-10-29 2020-02-14 上海眼控科技股份有限公司 铭牌文本检测方法、装置、计算机设备和存储介质
CN110866871A (zh) * 2019-11-15 2020-03-06 深圳市华云中盛科技股份有限公司 文本图像矫正方法、装置、计算机设备及存储介质
CN111098785A (zh) * 2019-12-20 2020-05-05 天津市航天安通电子科技有限公司 一种驾驶辅助系统、特种车辆及方法
CN111368820A (zh) * 2020-03-06 2020-07-03 腾讯科技（深圳）有限公司 文本标注方法、装置及存储介质
CN111368745A (zh) * 2020-03-06 2020-07-03 上海眼控科技股份有限公司 车架号图像生成方法、装置、计算机设备和存储介质
CN111401363A (zh) * 2020-03-12 2020-07-10 上海眼控科技股份有限公司 车架号图像生成方法、装置、计算机设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180322610A1 (en) * 2017-05-08 2018-11-08 Weltrend Semiconductor Inc. Image Perspective Conversion Method by Converting Coordinates of Polygonal Sub-regions and System Thereof
CN110796082A (zh) * 2019-10-29 2020-02-14 上海眼控科技股份有限公司 铭牌文本检测方法、装置、计算机设备和存储介质
CN110866871A (zh) * 2019-11-15 2020-03-06 深圳市华云中盛科技股份有限公司 文本图像矫正方法、装置、计算机设备及存储介质
CN111098785A (zh) * 2019-12-20 2020-05-05 天津市航天安通电子科技有限公司 一种驾驶辅助系统、特种车辆及方法
CN111368820A (zh) * 2020-03-06 2020-07-03 腾讯科技（深圳）有限公司 文本标注方法、装置及存储介质
CN111368745A (zh) * 2020-03-06 2020-07-03 上海眼控科技股份有限公司 车架号图像生成方法、装置、计算机设备和存储介质
CN111401363A (zh) * 2020-03-12 2020-07-10 上海眼控科技股份有限公司 车架号图像生成方法、装置、计算机设备和存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112468716A (zh) * 2020-11-02 2021-03-09 航天信息股份有限公司 摄像头视角矫正方法、装置、存储介质及电子设备
CN112614045A (zh) * 2020-12-16 2021-04-06 上海交通大学 农机前方作业环境视觉感知透视效应的消除方法和系统
CN112614045B (zh) * 2020-12-16 2022-05-31 上海交通大学 农机前方作业环境视觉感知透视效应的消除方法和系统
CN112580501A (zh) * 2020-12-17 2021-03-30 上海眼控科技股份有限公司 车架号图像生成方法、装置、计算机设备和存储介质
CN112561789A (zh) * 2020-12-23 2021-03-26 中国科学院长春光学精密机械与物理研究所 一种不规则图像处理方法
CN113178080A (zh) * 2021-04-21 2021-07-27 浙江工业大学 一种车辆vin码检测采集系统及其采集方法
CN113178080B (zh) * 2021-04-21 2022-08-05 浙江工业大学 一种车辆vin码检测采集系统及其采集方法

Similar Documents

Publication Publication Date Title
CN111738223A (zh) 车架号图像生成方法、装置、计算机设备和存储介质
CN109737874B (zh) 基于三维视觉技术的物体尺寸测量方法及装置
CN109389665B (zh) 三维模型的纹理获取方法、装置、设备和存储介质
CN110992356A (zh) 目标对象检测方法、装置和计算机设备
CN101577004B (zh) 一种极线矫正方法、装置和系统
EP4131167A1 (en) Binocular image matching method, device, and storage medium
CN111145271A (zh) 相机参数的精确度的确定方法、装置、存储介质及终端
CN106952223A (zh) 图像配准方法及装置
Nozick Multiple view image rectification
CN116222425A (zh) 一种基于多目三维扫描装置的三维重建方法及系统
CN111368745A (zh) 车架号图像生成方法、装置、计算机设备和存储介质
CN117437303B (zh) 一种标定相机外参的方法及系统
CN111915681A (zh) 多组3d相机群的外参标定方法、装置、存储介质及设备
CN113793392A (zh) 一种相机参数标定方法及装置
CN113177999A (zh) 视觉三维重建方法、系统、电子装置和存储介质
CN110148086B (zh) 稀疏深度图的深度补齐方法、装置及三维重建方法、装置
CN115205119A (zh) 基于标定的工艺路径确定方法、装置、设备及存储介质
CN113178000B (zh) 三维重建方法、装置、电子设备及计算机存储介质
CN118115762A (zh) 双目立体匹配模型训练方法、装置、设备及存储介质
CN111274421B (zh) 图片数据清洗方法、装置、计算机设备和存储介质
CN107590857A (zh) 用于生成虚拟视点图像的设备和方法
CN112580501A (zh) 车架号图像生成方法、装置、计算机设备和存储介质
CN113554711B (zh) 相机在线标定方法、装置、计算机设备和存储介质
CN110298833B (zh) 图片处理方法和装置
CN111553850A (zh) 基于双目立体视觉的三维信息获取方法和装置

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