CN111784765B - 物体测量、虚拟对象处理方法及装置、介质和电子设备 - Google Patents

物体测量、虚拟对象处理方法及装置、介质和电子设备 Download PDF

Info

Publication number
CN111784765B
CN111784765B CN202010495293.0A CN202010495293A CN111784765B CN 111784765 B CN111784765 B CN 111784765B CN 202010495293 A CN202010495293 A CN 202010495293A CN 111784765 B CN111784765 B CN 111784765B
Authority
CN
China
Prior art keywords
information
infrared image
dimensional
vertex coordinates
image
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
Application number
CN202010495293.0A
Other languages
English (en)
Other versions
CN111784765A (zh
Inventor
曾凡涛
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202010495293.0A priority Critical patent/CN111784765B/zh
Publication of CN111784765A publication Critical patent/CN111784765A/zh
Priority to PCT/CN2021/086654 priority patent/WO2021244140A1/zh
Priority to EP21818887.8A priority patent/EP4160532A4/en
Priority to US18/061,411 priority patent/US20230113647A1/en
Application granted granted Critical
Publication of CN111784765B publication Critical patent/CN111784765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本公开提供了一种物体测量方法、虚拟对象处理方法、物体测量装置、虚拟对象处理装置、计算机可读存储介质和电子设备，涉及测量领域。本公开涉及的方法包括：获取场景的深度图像，根据深度图像确定场景的点云数据；对点云数据进行平面分割处理，以确定场景中物体的表面信息；结合物体的表面信息确定物体的三维顶点坐标；利用物体的三维顶点坐标计算物体的测量参数。另外，还可以生成与测量参数相关联的虚拟对象，并在电子设备上显示出该虚拟对象，以便用户查看。本公开可以提高物体测量的准确性。

Description

物体测量、虚拟对象处理方法及装置、介质和电子设备
技术领域
本公开涉及测量技术领域，具体而言，涉及一种物体测量方法、虚拟对象处理方法、物体测量装置、虚拟对象处理装置、计算机可读存储介质和电子设备。
背景技术
在生产和生活中，往往需要对真实世界中的物体进行测量。测量人员可以利用例如卷尺等测量工具进行手动测量，这种方式需要测量人员携带专门的测量工具并在测量后进行记录，过程繁琐，效率低。
随着AR(Augmented Reality，增强现实)技术的发展，AR测量方案应运而生。目前，在AR测量的方法中，通常采用深度学习的方法获取物体的尺寸信息。
然而，基于深度学习的方案，对于没有预训练过的物体，测量结果不准确，方案鲁棒性差。
发明内容
本公开提供一种物体测量方法、虚拟对象处理方法、物体测量装置、虚拟对象处理装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服物体测量结果不准确的问题。
根据本公开的第一方面，提供了一种物体测量方法，包括：获取场景的深度图像，根据深度图像确定场景的点云数据；对点云数据进行平面分割处理，以确定场景中物体的表面信息；结合物体的表面信息确定物体的三维顶点坐标；利用物体的三维顶点坐标计算物体的测量参数。
根据本公开的第二方面，提供了一种虚拟对象处理方法，应用于能够显示虚拟对象的电子设备，包括：利用上述物体测量方法测量场景中物体的测量参数，生成与物体的测量参数相关联的虚拟对象，以便在电子设备上显示出虚拟对象。
根据本公开的第三方面，提供了一种物体测量装置，包括：点云确定模块，用于获取场景的深度图像，根据深度图像确定场景的点云数据；平面分割模块，用于对点云数据进行平面分割处理，以确定场景中物体的表面信息；物体顶点确定模块，用于结合物体的表面信息确定物体的三维顶点坐标；参数计算模块，用于利用物体的三维顶点坐标计算物体的测量参数。
根据本公开的第四方面，提供了一种虚拟对象处理装置，应用于能够显示虚拟对象的电子设备，包括：物体测量装置，用于利用上述物体测量方法测量场景中物体的测量参数；对象处理模块，用于生成与物体的测量参数相关联的虚拟对象，以便在电子设备上显示出虚拟对象。
根据本公开的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的物体测量方法或虚拟对象处理方法。
根据本公开的第六方面，提供了一种电子设备，包括处理器；存储器，用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得处理器实现上述的物体测量方法或虚拟对象处理方法。
在本公开的一些实施例所提供的技术方案中，利用场景的深度点云数据确定场景中物体的表面信息，结合物体的表面信息确定该物体的三维顶点坐标，并利用三维顶点坐标计算物体的测量参数。另外，还可以生成与物体的测量参数相关联的虚拟对象，并显示该虚拟对象。一方面，本公开借助于场景深度信息自动测量物体，相比于深度学习的方案，本公开不需要收集大量物体的信息进行训练，且避免了对于没有预训练过的物体，测量结果不准确的问题，提高了物体测量的鲁棒性和适用范围；另一方面，通过生成与物体的测量参数相关联的虚拟对象并显示，用户可以直观的了解到与物体测量参数相关的信息，整个过程自动进行，方便快捷，无需用户手动测量并记录测量结果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示出了本公开实施例的进行AR测量的示例性系统架构的示意图；
图2示出了适于用来实现本公开实施例的电子设备的结构示意图；
图3示意性示出了根据本公开的示例性实施方式的物体测量方法的流程图；
图4示意性示出了根据本公开的示例性实施方式的虚拟对象处理方法的流程图；
图5示意性示出了本公开一个实施例的AR测量的整个过程的流程图；
图6示出了本公开一个实施例的执行AR测量后的显示效果的示意图；
图7示出了本公开另一个实施例的执行AR测量后的显示效果的示意图；
图8示意性示出了根据本公开的示例性实施方式的物体测量装置的方框图；
图9示意性示出了根据本公开的示例性实施方式的虚拟对象处理装置的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，下面所有的术语“第一”、“第二”仅是为了区分的目的，不应作为本公开内容的限制。
图1示出了本公开实施例的进行AR测量的示例性系统架构的示意图。
应当理解的是，本公开实施例所述的进行AR测量的系统架构可以部署在电子设备中。该电子设备可以是任意具有AR处理功能的设备，包括但不限于手机、平板、AR眼镜、AR头盔等。
如图1所示，本公开实施例实现AR测量的系统架构可以包括惯性测量单元(Inertial Measurement Unit，IMU)11、RGB拍摄装置12、深度感测装置13、红外感测装置14、物体测量装置15、AR平台16和AR测量应用17。
惯性测量单元11可以包括陀螺仪和加速度计，可以分别测量电子设备的角速度和加速度。RGB拍摄装置12可以为任意拍摄RGB图像的相机，本公开对其类型不做限制。
由于惯性测量单元11的工作频率通常比RGB拍摄装置12的频率高，可以采用IMU预积分的方式评估对应帧的惯性信息。其中，IMU预积分是基于时间的积分，可以得到对应两个图像的位置、速度与旋转角度等惯性信息。
通过惯性测量单元11和RGB拍摄装置12的工作，可以得到位姿信息，其中，位姿信息可以例如包括6DOF(6Degrees Of Freedom，6自由度)姿态信息。
深度感测装置13可以是用于生成场景深度图像的装置，也就是说，其可以用于采集环境的深度信息。深度感测装置13可以例如是TOF(Time Of Flight，飞行时间)模组、结构光模组或双目视觉模组。
红外感测装置14可以是用于生成场景红外图像的装置，其可以是各种类型的红外传感器。
物体测量装置15可以是用于结合深度感测装置13所感测的深度数据对场景中物体进行测量的装置。
AR平台16可以是基于现有AR引擎(例如，ARCore、ARKit等)构建出的平台。
AR测量应用17可以是用于人机交互的AR应用程序，通过该AR应用程序对应的显示界面，用户可以查看与场景中物体的测量参数相关联的虚拟对象。在一些实例中，用户还可以对该虚拟对象进行操作。
在物体测量装置15利用深度感测装置13采集的深度图像对场景中物体进行测量的实例中，首先，物体测量装置15获取深度感测装置13采集的场景深度图像，根据深度图像确定场景的点云数据；接下来，物体测量装置15可以对点云数据进行平面分割处理，以确定场景中的平面信息，也就是确定出场景中物体的表面信息；随后，物体测量装置15可以根据物体的表面信息确定出物体的三维顶点坐标，并利用物体的三维顶点坐标计算物体的测量参数。
本公开所述的测量参数包括物体的长度信息、宽度信息、高度信息、表面面积信息、体积信息中的一个或多个。另外，本公开针对的待测量的物体通常是规则物体，然而，本领域技术人员可以基于本方案的构思，联想到待测量物体还可以是不规则物体，采用本公开的构思实现不规则物体的测量方案，也属于本公开的保护范围。
上面的实施例中，仅利用深度信息计算物体的测量参数。然而，由于可能存在的物体表面颜色深、采集角度不佳、深度感测装置13性能缺陷等原因，深度感测装置13不能采集物体的全部深度信息，这样会造成确定出物体顶点不准确。
在这种情况下，物体测量装置15可以结合深度感测装置13和红外感测装置14的感测结果，来计算物体的测量参数，以避免仅采用深度感测装置13的感测数据而造成物体顶点识别不准确的问题。
在物体测量装置15利用深度感测装置13采集的深度图像以及红外感测装置14采集的红外图像对场景中物体进行测量的实例中，首先，物体测量装置15获取深度感测装置13采集的场景深度图像，根据深度图像确定场景的点云数据；接下来，物体测量装置15可以对点云数据进行平面分割处理，以确定场景中物体的表面信息；另外，物体测量装置15获取物体测量装置15获取红外感测装置14采集的红外图像，提取红外图像中的角点信息和直线信息，利用角点信息和直线信息确定出物体在红外图像中的二维顶点坐标，并根据该二维顶点坐标计算出物体在红外感测装置14的坐标系下的三维顶点坐标；随后，物体测量装置15利用物体在红外感测装置14的坐标系下的三维顶点坐标以及确定出的物体的表面信息，确定出物体在深度感测装置13坐标系下的三维顶点坐标，并利用物体在深度感测装置13坐标系下的三维顶点坐标计算物体的测量参数。
此外，物体测量装置15在对物体的测量参数进行测量时，还可以结合RGB拍摄装置12采集的图像以及深度感测装置13的感测结果，以提高物体顶点识别的准确性。具体的，可以对RGB拍摄装置12拍摄的RGB图像进行图像纹理分析，以确定出物体在RGB拍摄装置12坐标系下的三维顶点坐标，并结合深度感测装置13采集的深度图像，最终得到用于计算物体的测量参数的三维顶点坐标。
应当理解的是，在进一步得到更加准确的物体顶点坐标的实例中，物体测量装置15还可以结合RGB拍摄装置12、深度感测装置13、红外感测装置14发送的数据来计算物体的测量数据，这均属于本公开的保护范围。
在物体测量装置15计算出物体的测量参数后，本公开另一些实施例还包括配置与测量参数相关联的虚拟对象，并显示在电子设备的AR测量应用的界面上。
例如，可以将测量参数以虚拟文本的形式显示在界面上，以便用户查看。
又例如，物体测量装置15可以将物体在深度感测装置13坐标系下的三维顶点坐标以及测量参数发送给AR平台16，AR平台16可以将物体在深度感测装置13坐标系下的三维顶点坐标转换为在AR平台16坐标系下的坐标，在AR测量应用17中，实现物体外接三维边框的渲染，并在界面上显示出该虚拟的三维边框。应当理解的是，在AR测量中，该虚拟的三维边框始终外接于物体。
另外，物体的三维顶点坐标和/或测量参数可以存储在电子设备或云端，以便该电子设备下次在相同场景下运行AR测量应用17时可以直接获取这些信息，或者其他电子设备在相同场景下运行AR测量应用17时可以获取到这些信息。
图2示出了适于用来实现本公开示例性实施方式的电子设备的示意图。需要说明的是，图2示出的电子设备仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本公开的电子设备至少包括处理器和存储器，存储器用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得处理器可以实现本公开示例性实施方式的物体测量方法或虚拟对象处理方法。
具体的，如图2所示，电子设备200可以包括：处理器210、内部存储器221、外部存储器接口222、通用串行总线(Universal Serial Bus，USB)接口230、充电管理模块240、电源管理模块241、电池242、天线1、天线2、移动通信模块250、无线通信模块260、音频模块270、扬声器271、受话器272、麦克风273、耳机接口274、传感器模块280、显示屏290、摄像模组291、指示器292、马达293、按键294以及用户标识模块(Subscriber IdentificationModule，SIM)卡接口295等。其中传感器模块280可以包括深度传感器、压力传感器、陀螺仪传感器、气压传感器、磁传感器、加速度传感器、距离传感器、接近光传感器、指纹传感器、温度传感器、触摸传感器、环境光传感器及骨传导传感器等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备200的具体限定。在本申请另一些实施例中，电子设备200可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。
处理器210可以包括一个或多个处理单元，例如：处理器210可以包括应用处理器(Application Processor，AP)、调制解调处理器、图形处理器(Graphics ProcessingUnit，GPU)、图像信号处理器(Image Signal Processor，ISP)、控制器、视频编解码器、数字信号处理器(Digital Signal Processor，DSP)、基带处理器和/或神经网络处理器(Neural-etwork Processing Unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。另外，处理器210中还可以设置存储器，用于存储指令和数据。
USB接口230是符合USB标准规范的接口，具体可以是MiniUSB接口，MicroUSB接口，USBTypeC接口等。USB接口230可以用于连接充电器为电子设备200充电，也可以用于电子设备200与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他电子设备，例如AR设备等。
充电管理模块240用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。电源管理模块241用于连接电池242、充电管理模块240与处理器210。电源管理模块241接收电池242和/或充电管理模块240的输入，为处理器210、内部存储器221、显示屏290、摄像模组291和无线通信模块260等供电。
电子设备200的无线通信功能可以通过天线1、天线2、移动通信模块250、无线通信模块260、调制解调处理器以及基带处理器等实现。
移动通信模块250可以提供应用在电子设备200上的包括2G/3G/4G/5G等无线通信的解决方案。
无线通信模块260可以提供应用在电子设备200上的包括无线局域网(WirelessLocal Area Networks，WLAN)(如无线保真(Wireless Fidelity，Wi-Fi)网络)、蓝牙(Bluetooth，BT)、全球导航卫星系统(Global Navigation Satellite System，GNSS)、调频(Frequency Modulation，FM)、近距离无线通信技术(Near Field Communication，NFC)、红外技术(Infrared，IR)等无线通信的解决方案。
电子设备200通过GPU、显示屏290及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏290和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器210可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
电子设备200可以通过ISP、摄像模组291、视频编解码器、GPU、显示屏290及应用处理器等实现拍摄功能。在一些实施例中，电子设备200可以包括1个或N个摄像模组291，N为大于1的正整数，若电子设备200包括N个摄像头，N个摄像头中有一个是主摄像头。
内部存储器221可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器221可以包括存储程序区和存储数据区。外部存储器接口222可以用于连接外部存储卡，例如Micro SD卡，实现扩展电子设备200的存储能力。
电子设备200可以通过音频模块270、扬声器271、受话器272、麦克风273、耳机接口274及应用处理器等实现音频功能。例如音乐播放、录音等。
音频模块270用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块270还可以用于对音频信号编码和解码。在一些实施例中，音频模块270可以设置于处理器210中，或将音频模块270的部分功能模块设置于处理器210中。
扬声器271，也称“喇叭”，用于将音频电信号转换为声音信号。电子设备200可以通过扬声器271收听音乐，或收听免提通话。受话器272，也称“听筒”，用于将音频电信号转换成声音信号。当电子设备200接听电话或语音信息时，可以通过将受话器272靠近人耳接听语音。麦克风273，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风273发声，将声音信号输入到麦克风273。电子设备200可以设置至少一个麦克风273。耳机接口274用于连接有线耳机。
针对电子设备200中传感器模块280可以包括的传感器，深度传感器用于获取景物的深度信息。压力传感器用于感受压力信号，可以将压力信号转换成电信号。陀螺仪传感器可以用于确定电子设备200的运动姿态。气压传感器用于测量气压。磁传感器包括霍尔传感器。电子设备200可以利用磁传感器检测翻盖皮套的开合。加速度传感器可检测电子设备200在各个方向上(一般为三轴)加速度的大小。距离传感器用于测量距离。接近光传感器可以包括例如发光二极管(LED)和光检测器，例如光电二极管。指纹传感器用于采集指纹。温度传感器用于检测温度。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏290提供与触摸操作相关的视觉输出。环境光传感器用于感知环境光亮度。骨传导传感器可以获取振动信号。
按键294包括开机键，音量键等。按键294可以是机械按键。也可以是触摸式按键。马达293可以产生振动提示。马达293可以用于来电振动提示，也可以用于触摸振动反馈。指示器292可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。SIM卡接口295用于连接SIM卡。电子设备200通过SIM卡和网络交互，实现通话以及数据通信等功能。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。
计算机可读存储介质可以发送、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。计算机可读存储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。
计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
在下面的描述中，涉及到的RGB拍摄装置、深度感测装置和红外感测装置均是完成相机参数标定后的装置，本公开对标定的过程不做限制。另外，采集到的RGB图像、深度图像和红外图像的时间戳同步。
需要说明的是，本公开对场景中存在的物体的数量不做限制，均可以采用下述物体测量方案测量出各物体的测量参数。
图3示意性示出了本公开的示例性实施方式的物体测量方法的流程图。参考图3，该物体测量方法可以包括以下步骤：
S32.获取场景的深度图像，根据深度图像确定场景的点云数据。
本公开示例性实施方式所说的场景指代的是包含物体的真实场景，电子设备中配备的深度感测装置可以对场景进行感测，得到场景的深度图像。
在确定场景的点云数据的过程中，可以利用深度感测装置的相机参数进行计算，以得到与深度图像对应的点云数据。
首先，可以获取拍摄深度图像的深度感测装置的相机参数，该相机参数具体可以表示为：
其中，fx和fy表示深度感测装置的摄像头焦距，u0和v0表示深度图像的中心坐标。本领域技术人员可以理解的是，fx、fy、u0和v0可以通过标定的方式计算出。
标定的过程可以在离线或在线的情况下完成，举例而言，可以采用线性标定方法(例如，Faugeras标定法等)、非线性优化标定方法(例如，Levenberg-Marquadt算法等)、两步标定法(例如，Tsai两步法、张正友标定算法等)或其他方法计算fx、fy、u0和v0，本示例性实施例中对此不做特殊限定。
以张正友标定算法为例，可以将画有棋盘格的图像作为标定图像放置于摄像头前方，由于需要计算出四个量，因此，当以不同角度和位置拍摄至少3幅图像时，即可利用张正友标定算法线性唯一求解出fx、fy、u0和v0。
也就是说，在本公开的示例性实施方式中，可以将上述至少3幅图像作为标定图像，利用张正友标定算法对所述标定图像进行处理，自动计算出相机参数。
此外，标定图像还可以是除画有棋盘格的图像之外的其他图像，本示例性实施方式中对此不做特殊限定。
在确定出深度感测装置的相机参数后，可以利用该相机参数以及深度图像上各像素的深度信息，计算与深度信息对应的三维数据，作为场景的点云数据。具体可以采用下述公式进行计算：
其中，u、v为深度图像上各像素的坐标点，Zc为相机坐标的z轴值，由于在深度感测装置自身参考坐标系下，因此，R为单位矩阵，T为0。在已知fx、fy、u0、v0以及u、v、ZW的情况下，即可求解出XW和YW，最终得到XW、YW、ZW，生成场景的三维点云数据。
S34.对点云数据进行平面分割处理，以确定场景中物体的表面信息。
在本公开的示例性实施方式中，可以采用随机抽样一致(random sampleconsensus，RANSAC)算法对点云数据进行平面分割。
例如，对点云数据进行随机采样，对采样的深度点进行平面拟合，检测拟合出的平面与深度点的相对关系，根据相对关系实现深度点的剔除与更新操作，以确定出场景中各平面信息，再结合物体的几何约束信息，得到物体的表面信息。
以规则物体为例，本公开所述的几何约束信息可以包括但不限于：平面之间或表面之间是相交的(即存在重叠的点云)，侧表面与放置面(地面或桌面)是相互垂直的，等等。
在一些实施例中，在对点云数据进行平面分割处理之前，可以对点云数据进行去噪处理，例如，可以采用不同类型的滤波器实现对去噪处理，本公开对此不做限制。
S36.结合物体的表面信息确定物体的三维顶点坐标。
根据本公开的一些实施例，在基于深度感测装置采集的深度图像完整且准确的情况下，可以直接利用基于平面分割而确定出的物体表面信息确定出物体的三维顶点坐标。例如，确定出场景中放置于地面上的长方体的上表面4个顶点坐标。再结合地面与上表面的距离，得到该长方体的高度信息，利用高度信息以及上表面的法向量，可以得到该长方体的下表面4个顶点坐标。即，确定出物体的三维顶点坐标。
然而，可能出现深度感测装置采集的深度图像不完整或精确性不高的问题，在这种情况下，根据本公开的另一些实施例，可以结合深度图像和红外图像来计算物体的三维顶点坐标。
首先，电子设备中配备的红外感测装置可以对场景进行感测，得到场景的红外图像，并提取红外图像中物体的角点信息。
另外，在提取红外图像中物体的角点信息之前，本公开一个实施例还可以对红外图像进行亮度均衡处理，以避免图像过暗或过亮的情况。例如，可以通过归一化处理、直方图均衡化等处理手段使红外图像的亮度分布均匀，并使红外图像各像素的平均亮度大于亮度阈值。
针对提取红外图像中物体的角点信息的过程，根据本公开的一个实施例，可以采用例如SUSAN角点检测算法来提取红外图像中物体的角点信息。例如，可以基于像素领域包含若干元素的近似圆形模板，对每个像素基于该模板领域的图像灰度计算角点响应函数的数值，如果大于阈值且为局部极大值，则确定该点为角点。
鉴于单纯角点的提取过程可能存在角点提取不全的问题，可以利用红外图像中直线的关系来进一步确定出角点。
根据本公开的另一个实施例，一方面，可以对红外图像执行角点提取过程，将利用此过程得到角点确定为红外图像的第一角点信息。另一方面，可以对红外图像执行直线提取过程，得到红外图像的直线信息，具体的，可以采用Hough变换、HOG特征提取等方法从红外图像中提取出直线信息。随后，可以从得到的直线信息中确定直线间相交的点作为红外图像的第二角点信息。
针对红外图像的第一角点信息和第二角点信息，剔除冗余的角点信息，以确定出红外图像中物体的角点信息。
接下来，电子设备可以根据红外图像中物体的角点信息以及步骤S34确定出的物体的表面信息，确定物体的三维顶点坐标。
在得到红外图像中物体的角点信息后，可以利用该角点信息确定红外图像中物体的二维顶点坐标。为了进一步使此二维顶点坐标准确，可以利用深度信息以及物体的几何约束信息进行约束。具体的，可以根据物体的表面信息确定物体上平面点云的范围，将物体上平面点云的范围以及物体的几何约束信息作为约束条件，对确定出的角点进行限制，以确定出红外图像中物体的二维顶点坐标。
在得到红外图像中物体的二维顶点坐标后，可以利用红外图像中物体的二维顶点坐标和红外感测装置的相机相机参数计算出物体在红外感测装置的坐标系下的三维顶点坐标，具体计算所用公式与步骤S32中的公式类似，不再赘述。
利用物体在红外感测装置的坐标系下的三维顶点坐标以及物体的表面信息，可以确定物体的三维顶点坐标。
具体的，以深度传感器的相机光心坐标为起点，构建射向红外感测装置的坐标系下的三维顶点坐标的射线。由此，该射线与物体的表面信息对应的平面会存在交点，将该交点确定为物体在深度感测装置的坐标系下的三维顶点坐标，并将物体在深度感测装置的坐标系下的三维顶点坐标，确定为步骤S36中确定出的物体的三维顶点坐标。
本领域技术人员可以理解的是，深度感测装置与红外感测装置的相机坐标系相同。
S38.利用物体的三维顶点坐标计算物体的测量参数。
在本公开的示例性实施方式中，物体的测量参数包括物体的长度信息、宽度信息、高度信息、表面面积信息、体积信息中的一个或多个。
容易看出，在物体的三维顶点确定的情况下，上述测量参数即可用常规计算方法计算出，本公开对此过程不进行限定。
根据本公开的一些实施例，步骤S36确定出的三维顶点坐标包括物体上表面的三维顶点坐标。在这种情况下，可以利用上表面的三维顶点坐标计算出下表面的三维顶点坐标，再利用上、下表面的三维顶点坐标计算物体的测量参数。
针对计算物体下表面的三维顶点坐标的过程，首先，利用针对点云数据的平面分割处理结果，确定放置物体的平面(如地面或桌面)的平面信息；接下来，可以根据放置物体的平面的平面信息以及物体上表面的表面信息，计算物体的高度信息，也就是说，可以计算两个平面的距离，以得到物体的高度信息；随后，结合物体的高度信息、物体上表面的三维顶点坐标以及物体上表面的法向量，可以计算物体下表面的三维顶点坐标。
基于上述物体测量方法，一方面，本公开借助于场景深度信息自动测量物体，相比于深度学习的方案，本公开不需要收集大量物体的信息进行训练，且避免了对于没有预训练过的物体，测量结果不准确的问题，提高了物体测量的鲁棒性和适用范围；另一方面，在本公开的一些实施方式中，结合了红外图像，进一步提高了识别物体三维顶点坐标的准确性，使得计算出的测量参数更加准确。
进一步的，本公开还提供了一种利用上述物体测量方法实现虚拟对象生成并显示的方案。具体的，本公开还提供了一种虚拟对象处理方法，该虚拟对象处理方法应用于能够显示虚拟对象的电子设备。
参考图4，本公开示例性实施方式的虚拟对象处理方法可以包括以下步骤：
S40.获取场景的深度图像，根据深度图像确定场景的点云数据；
S42.对点云数据进行平面分割处理，以确定场景中物体的表面信息；
S44.结合物体的表面信息确定物体的三维顶点坐标；
S46.利用物体的三维顶点坐标计算物体的测量参数；
S48.生成与物体的测量参数相关联的虚拟对象，以便在电子设备上显示出虚拟对象。
步骤S40至步骤S46与上述步骤S32至步骤S38的实现过程相同，在此不再赘述。
根据本公开的一些实施例，虚拟对象包括与物体对应的三维虚拟边框。在这种情况下，针对步骤S48中生成与物体的测量参数相关联的虚拟对象的过程，首先，可以获取物体的三维顶点坐标，并将物体的三维顶点坐标转换为增强现实平台坐标系下的三维坐标。
具体的，基于RGB拍摄装置所拍摄的RGB图像以及由IMU检测的惯性数据可以得到RGB图像位姿信息，其中，RGB图像的时间戳与在确定物体的三维顶点坐标时所用的深度图像的时间戳一致。
在获取到RGB拍摄装置的相机参数以及深度感测装置的相机参数的情况下，可以利用RGB拍摄装置的相机参数、深度感测装置的相机参数以及RGB图像的位姿信息，将物体的三维顶点坐标转换为RGB拍摄装置的坐标系下的三维坐标，并可以将此三维坐标确定为增强现实平台坐标系下的三维坐标。具体转换的过程仍涉及三维数据与二维数据的转换过程，具体参见步骤S32中的公式，在此不再赘述。
在确定出物体在增强现实平台坐标系下的三维坐标后，可以利用物体的几何约束，渲染生成与物体对应的三维虚拟边框。
在一个实施例中，当用户在电子设备的界面上进行与虚拟对象显示相关的操作(例如，点击物体、长按物体等)后，可以在界面上显示出该三维虚拟边框。
根据本公开的另一些实施例，虚拟对象可以是对测量参数进行转换后生成的虚拟文本。
需要说明的是，步骤S48中生成的虚拟对象的数量可以是一个或多个，例如，虚拟对象可以既包括三维虚拟边框又包括虚拟文本。
下面将参考图5对本公开一个实施例的AR测量过程进行说明。
在步骤S502中，可以获取由深度感测装置采集的场景的深度图像；在步骤S504中，基于深度感测装置的相机参数，可以利用深度图像生成点云数据；在步骤S506中，对点云数据进行平面分割处理，得到场景中物体的表面信息。
在步骤S508中，可以获取由红外感测装置采集的场景的红外图像；在步骤S510中，可以提取红外图像的角点信息和直线信息；在步骤S512中，可以基于提取到的角点信息和直线信息，确定红外图像中物体的二维顶点坐标。另外，在确定红外图像中物体的二维顶点坐标时，可以利用深度点云数据加以约束，使得确定出的顶点坐标更加准确。在步骤S514中，利用二维顶点坐标以及红外感测装置的相机参数，可以计算物体在红外感测装置坐标系下的三维顶点坐标。
在步骤S516中，可以利用基于由深度图像确定出的物体的表面信息以及红外感测装置坐标系下的三维顶点坐标，确定物体在深度感测装置坐标系下的三维顶点坐标。
在步骤S518中，可以利用物体的三维顶点坐标计算物体的测量参数。
在步骤S520中，可以生成与物体的测量参数相关联的虚拟对象并显示在电子设备的应用程序界面上。
图6示出了本公开一个实施例的执行AR测量后的显示效果的示意图。参考图6，桌子61上放置有一个长方体的箱子62，在电子设备60开启AR测量应用并执行上述虚拟对象处理方法后，在电子设备60的应用程序界面上可以显示出箱子62的三维边框63。另外，通过渲染操作，三维边框63可以被配置为各种颜色和样式。
可以理解的是，三维边框63以锚点的方式配置，无论用户观察视角如何变化，即无论电子设备60如何移动，三维边框63与箱子62的相对位置固定不变。
图7示出了本公开另一个实施例的执行AR测量后的显示效果的示意图。参考图7，桌子71上放置有一个长方体的箱子72，在电子设备70开启AR测量应用并执行上述虚拟对象处理方法后，在电子设备70的应用程序界面上可以显示出箱子72对应的测量参数的虚拟文本，如图所示，该虚拟文本例如为“物体体积：18cm3”。另外，通过渲染操作，虚拟文本可以被配置为各种颜色和样式。
为了避免虚拟对象遮挡场景中可能存在的其他物体，在本公开的一些实施例中，电子设备还可以对物体周围的环境进行检测，如果检测出预设类型的对象，则避开这些对象进行虚拟对象的显示。其中，预设类型可以由用户自行设定，检测的过程可以采用深度学习的分类模型来实现，本公开对此不做限制。
此外，在显示上述虚拟对象之外，在电子设备判断出物体的测量参数满足预设要求时，可以在物体的周围配置另外的虚拟对象，已增加趣味性或实现AR游戏的配置。例如，在确定出物体的上表面面积大于面积阈值的情况下，可以在物体的上表面配置虚拟卡通人物，用户还可以利用界面上的控件控制该虚拟卡通人物进行行走、跳跃、招手等各种动作的展示。
基于上述虚拟对象处理方法，一方面，通过生成与物体的测量参数相关联的虚拟对象并显示，用户可以直观的了解到与物体测量参数相关的信息，整个过程自动进行，方便快捷，无需用户手动测量并记录测量结果；另一方面，通过虚拟对象的配置还可以增加了AR应用的趣味性。
应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
进一步的，本示例实施方式中还提供了一种物体测量装置。
图8示意性示出了本公开的示例性实施方式的物体测量装置的方框图。参考图8，根据本公开的示例性实施方式的物体测量装置8可以包括点云确定模块81、平面分割模块83、物体顶点确定模块85、参数计算模块87。
具体的，点云确定模块81可以用于获取场景的深度图像，根据所述深度图像确定所述场景的点云数据；平面分割模块83可以用于对所述点云数据进行平面分割处理，以确定所述场景中物体的表面信息；物体顶点确定模块85可以用于结合所述物体的表面信息确定所述物体的三维顶点坐标；参数计算模块87可以用于利用所述物体的三维顶点坐标计算所述物体的测量参数。
根据本公开的示例性实施例，物体顶点确定模块85可以被配置为执行：获取场景的红外图像，提取红外图像中物体的角点信息；根据红外图像中物体的角点信息以及物体的表面信息，确定物体的三维顶点坐标。
根据本公开的示例性实施例，物体顶点确定模块85提取红外图像中物体的角点信息的过程可以被配置为执行：对红外图像执行角点提取过程，得到红外图像的第一角点信息；对红外图像执行直线提取过程，得到红外图像的直线信息；利用红外图像的直线信息，确定红外图像的第二角点信息；结合红外图像的第一角点信息和第二角点信息，确定红外图像中物体的角点信息。
根据本公开的示例性实施例，物体顶点确定模块85根据红外图像中物体的角点信息以及物体的表面信息确定物体的三维顶点坐标的过程可以被配置为执行：结合红外图像中物体的角点信息确定红外图像中物体的二维顶点坐标；利用红外图像中物体的二维顶点坐标、拍摄红外图像的红外感测装置的相机参数以及物体的表面信息，确定物体的三维顶点坐标。
根据本公开的示例性实施例，物体顶点确定模块85结合红外图像中物体的角点信息确定红外图像中物体的二维顶点坐标的过程可以被配置为执行：根据物体的表面信息，确定物体上平面点云的范围；利用红外图像中物体的角点信息、物体上平面点云的范围以及物体的几何约束信息，确定红外图像中物体的二维顶点坐标。
根据本公开的示例性实施例，物体顶点确定模块85确定物体的三维顶点坐标的过程可以被配置为执行：利用红外图像中物体的二维顶点坐标以及红外感测装置的相机参数，计算物体在红外感测装置的坐标系下的三维顶点坐标；以拍摄深度图像的深度感测装置的相机光心坐标为起点，构建射向红外感测装置的坐标系下的三维顶点坐标的射线；将射线与物体的表面信息对应平面的交点，确定为物体在深度感测装置的坐标系下的三维顶点坐标，并将物体在深度感测装置的坐标系下的三维顶点坐标确定为物体的三维顶点坐标；其中，深度感测装置与红外感测装置的相机坐标系相同。
根据本公开的示例性实施例，物体顶点确定模块85在提取红外图像中物体的角点信息之前，还可以被配置为执行：对红外图像进行亮度均衡处理。
根据本公开的示例性实施例，物体的三维顶点坐标包括物体上表面的三维顶点坐标；在这种情况下，参数计算模块87可以被配置为执行：利用针对点云数据的平面分割处理结果，确定放置物体的平面的平面信息；根据放置物体的平面的平面信息以及物体上表面的表面信息，计算物体的高度信息；结合物体的高度信息、物体上表面的三维顶点坐标以及物体上表面的法向量，计算物体下表面的三维顶点坐标；利用物体上表面的三维顶点坐标和物体下表面的三维顶点坐标，计算物体的测量参数。
根据本公开的示例性实施例，物体的测量参数包括物体的长度信息、宽度信息、高度信息、表面面积信息、体积信息中的一个或多个。
根据本公开的示例性实施例，点云确定模块81可以被配置为执行：获取拍摄深度图像的深度感测装置的相机参数；利用拍摄深度图像的深度感测装置的相机参数以及深度图像上各像素的深度信息，计算出与深度信息对应的三维数据，作为场景的点云数据。
由于本公开实施方式的物体测量装置的各个功能模块与上述方法实施方式中相同，因此在此不再赘述。
进一步的，本示例实施方式中还提供了一种虚拟对象处理装置，该虚拟对象处理装置应用于能够显示虚拟对象的电子设备。
图9示意性示出了本公开的示例性实施方式的虚拟对象处理装置的方框图。参考图9，根据本公开的示例性实施方式的虚拟对象处理装置9可以包括上述物体测量装置8和对象处理模块91。
其中，对物体测量装置8不再赘述。另外，对象处理模块91用于生成与物体的测量参数相关联的虚拟对象，以便在电子设备上显示出虚拟对象。
根据本公开的示例性实施例，虚拟对象包括与物体对应的三维虚拟边框；在这种情况下，对象处理模块91可以被配置为执行：获取物体的三维顶点坐标；将物体的三维顶点坐标转换为增强现实平台坐标系下的三维坐标；基于增强现实平台坐标系下的三维坐标，渲染生成与物体对应的三维虚拟边框。
根据本公开的示例性实施例，对象处理模块91将物体的三维顶点坐标转换为增强现实平台坐标系下的三维坐标的过程可以被配置为执行：获取RGB图像的位姿信息；其中，RGB图像的时间戳与在确定物体的三维顶点坐标时所用的深度图像的时间戳一致；获取拍摄RGB图像的RGB拍摄装置的相机参数，以及拍摄拍摄深度图像的深度感测装置的相机参数；利用RGB图像的位姿信息、RGB拍摄装置的相机参数和深度感测装置的相机参数，将物体的三维顶点坐标转换为RGB拍摄装置的坐标系下的三维坐标，以得到增强现实平台坐标系下的三维坐标。
由于本公开实施方式的虚拟对象处理装置的各个功能模块与上述方法实施方式中相同，因此在此不再赘述。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (13)

1.一种物体测量方法，其特征在于，包括：
获取场景的深度图像，根据所述深度图像确定所述场景的点云数据；
对所述点云数据进行平面分割处理，以确定所述场景中物体的表面信息；
获取所述场景的红外图像，提取所述红外图像中所述物体的角点信息，根据所述物体的表面信息确定所述物体上平面点云的范围，利用所述红外图像中所述物体的角点信息、所述物体上平面点云的范围以及所述物体的几何约束信息，确定所述红外图像中所述物体的二维顶点坐标，利用所述红外图像中所述物体的二维顶点坐标、拍摄所述红外图像的红外感测装置的相机参数以及所述物体的表面信息，确定所述物体的三维顶点坐标；
利用所述物体的三维顶点坐标计算所述物体的测量参数；
其中，提取所述红外图像中所述物体的角点信息包括：
对所述红外图像执行角点提取过程，得到所述红外图像的第一角点信息；
对所述红外图像执行直线提取过程，得到所述红外图像的直线信息；
利用所述红外图像的直线信息，确定所述红外图像的第二角点信息；
结合所述红外图像的所述第一角点信息和所述第二角点信息，确定所述红外图像中所述物体的角点信息。
2.根据权利要求1所述的物体测量方法，其特征在于，利用所述红外图像中所述物体的二维顶点坐标、拍摄所述红外图像的红外感测装置的相机参数以及所述物体的表面信息，确定所述物体的三维顶点坐标，包括：
利用所述红外图像中所述物体的二维顶点坐标以及所述红外感测装置的相机参数，计算所述物体在所述红外感测装置的坐标系下的三维顶点坐标；
以拍摄所述深度图像的深度感测装置的相机光心坐标为起点，构建射向所述红外感测装置的坐标系下的三维顶点坐标的射线；
将所述射线与所述物体的表面信息对应平面的交点，确定为所述物体在所述深度感测装置的坐标系下的三维顶点坐标，并将所述物体在所述深度感测装置的坐标系下的三维顶点坐标确定为所述物体的三维顶点坐标；
其中，所述深度感测装置与所述红外感测装置的相机坐标系相同。
3.根据权利要求1所述的物体测量方法，其特征在于，在提取所述红外图像中所述物体的角点信息之前，所述物体测量方法还包括：
对所述红外图像进行亮度均衡处理。
4.根据权利要求1至3中任一项所述的物体测量方法，其特征在于，所述物体的三维顶点坐标包括所述物体上表面的三维顶点坐标；其中，利用所述物体的三维顶点坐标计算所述物体的测量参数包括：
利用针对所述点云数据的平面分割处理结果，确定放置所述物体的平面的平面信息；
根据放置所述物体的平面的平面信息以及所述物体上表面的表面信息，计算所述物体的高度信息；
结合所述物体的高度信息、所述物体上表面的三维顶点坐标以及所述物体上表面的法向量，计算所述物体下表面的三维顶点坐标；
利用所述物体上表面的三维顶点坐标和所述物体下表面的三维顶点坐标，计算所述物体的测量参数。
5.根据权利要求4所述的物体测量方法，其特征在于，所述物体的测量参数包括所述物体的长度信息、宽度信息、高度信息、表面面积信息、体积信息中的一个或多个。
6.根据权利要求1所述的物体测量方法，其特征在于，根据所述深度图像确定所述场景的点云数据包括：
获取拍摄所述深度图像的深度感测装置的相机参数；
利用拍摄所述深度图像的深度感测装置的相机参数以及所述深度图像上各像素的深度信息，计算出与所述深度信息对应的三维数据，作为所述场景的点云数据。
7.一种虚拟对象处理方法，应用于能够显示虚拟对象的电子设备，其特征在于，包括：
利用权利要求1至6中任一项所述的物体测量方法，测量场景中物体的测量参数；
生成与所述物体的测量参数相关联的虚拟对象，以便在所述电子设备上显示出所述虚拟对象。
8.根据权利要求7所述的虚拟对象处理方法，其特征在于，所述虚拟对象包括与所述物体对应的三维虚拟边框；其中，生成与所述物体的测量参数相关联的虚拟对象包括：
获取所述物体的三维顶点坐标；
将所述物体的三维顶点坐标转换为增强现实平台坐标系下的三维坐标；
基于所述增强现实平台坐标系下的三维坐标，渲染生成与所述物体对应的三维虚拟边框。
9.根据权利要求8所述的虚拟对象处理方法，其特征在于，将所述物体的三维顶点坐标转换为增强现实平台坐标系下的三维坐标包括：
获取RGB图像的位姿信息；其中，所述RGB图像的时间戳与在确定所述物体的三维顶点坐标时所用的深度图像的时间戳一致；
获取拍摄所述RGB图像的RGB拍摄装置的相机参数，以及拍摄所述深度图像的深度感测装置的相机参数；
利用所述RGB图像的位姿信息、所述RGB拍摄装置的相机参数和所述深度感测装置的相机参数，将所述物体的三维顶点坐标转换为所述RGB拍摄装置的坐标系下的三维坐标，以得到所述增强现实平台坐标系下的三维坐标。
10.一种物体测量装置，其特征在于，包括：
点云确定模块，用于获取场景的深度图像，根据所述深度图像确定所述场景的点云数据；
平面分割模块，用于对所述点云数据进行平面分割处理，以确定所述场景中物体的表面信息；
物体顶点确定模块，用于获取所述场景的红外图像，提取所述红外图像中所述物体的角点信息，根据所述物体的表面信息确定所述物体上平面点云的范围，利用所述红外图像中所述物体的角点信息、所述物体上平面点云的范围以及所述物体的几何约束信息，确定所述红外图像中所述物体的二维顶点坐标，利用所述红外图像中所述物体的二维顶点坐标、拍摄所述红外图像的红外感测装置的相机参数以及所述物体的表面信息，确定所述物体的三维顶点坐标；
参数计算模块，用于利用所述物体的三维顶点坐标计算所述物体的测量参数；
其中，所述物体顶点确定模块提取所述红外图像中所述物体的角点信息的过程被配置为：对所述红外图像执行角点提取过程，得到所述红外图像的第一角点信息；对所述红外图像执行直线提取过程，得到所述红外图像的直线信息；利用所述红外图像的直线信息，确定所述红外图像的第二角点信息；结合所述红外图像的所述第一角点信息和所述第二角点信息，确定所述红外图像中所述物体的角点信息。
11.一种虚拟对象处理装置，应用于能够显示虚拟对象的电子设备，其特征在于，包括：
物体测量装置，用于利用权利要求1至6中任一项所述的物体测量方法，测量场景中物体的测量参数；
对象处理模块，用于生成与所述物体的测量参数相关联的虚拟对象，以便在所述电子设备上显示出所述虚拟对象。
12.一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，所述程序被处理器执行时实现如权利要求1至6中任一项所述的物体测量方法或如权利要求7至9中任一项所述的虚拟对象处理方法。
13.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如权利要求1至6中任一项所述的物体测量方法或如权利要求7至9中任一项所述的虚拟对象处理方法。
CN202010495293.0A 2020-06-03 2020-06-03 物体测量、虚拟对象处理方法及装置、介质和电子设备 Active CN111784765B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010495293.0A CN111784765B (zh) 2020-06-03 2020-06-03 物体测量、虚拟对象处理方法及装置、介质和电子设备
PCT/CN2021/086654 WO2021244140A1 (zh) 2020-06-03 2021-04-12 物体测量、虚拟对象处理方法及装置、介质和电子设备
EP21818887.8A EP4160532A4 (en) 2020-06-03 2021-04-12 OBJECT MEASUREMENT METHOD AND APPARATUS, VIRTUAL OBJECT PROCESSING METHOD AND APPARATUS, ELECTRONIC MEDIUM AND DEVICE
US18/061,411 US20230113647A1 (en) 2020-06-03 2022-12-02 Object measurement method, virtual object processing method, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010495293.0A CN111784765B (zh) 2020-06-03 2020-06-03 物体测量、虚拟对象处理方法及装置、介质和电子设备

Publications (2)

Publication Number Publication Date
CN111784765A CN111784765A (zh) 2020-10-16
CN111784765B true CN111784765B (zh) 2024-04-26

Family

ID=72753703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010495293.0A Active CN111784765B (zh) 2020-06-03 2020-06-03 物体测量、虚拟对象处理方法及装置、介质和电子设备

Country Status (4)

Country Link
US (1) US20230113647A1 (zh)
EP (1) EP4160532A4 (zh)
CN (1) CN111784765B (zh)
WO (1) WO2021244140A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784765B (zh) * 2020-06-03 2024-04-26 Oppo广东移动通信有限公司 物体测量、虚拟对象处理方法及装置、介质和电子设备
CN112484678B (zh) * 2020-10-29 2022-03-11 贝壳找房(北京)科技有限公司 一种基于虚拟三维空间的精准测量方法及装置
CN112414396A (zh) * 2020-11-05 2021-02-26 山东产研信息与人工智能融合研究院有限公司 现实场景中物体模位置测量方法、装置、存储介质及设备
CN112270702A (zh) * 2020-11-12 2021-01-26 Oppo广东移动通信有限公司 体积测量方法及装置、计算机可读介质和电子设备
CN113240789B (zh) * 2021-04-13 2023-05-23 青岛小鸟看看科技有限公司 虚拟对象构建方法及装置
CN116243795A (zh) * 2023-02-20 2023-06-09 南方科技大学 基于混合现实的物品抓取方法及混合现实设备
CN117274525B (zh) * 2023-11-21 2024-03-29 江西格如灵科技股份有限公司 一种虚拟卷尺测量仿真方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106813568A (zh) * 2015-11-27 2017-06-09 阿里巴巴集团控股有限公司 物体测量方法及装置
CN110006340A (zh) * 2019-03-26 2019-07-12 华为技术有限公司 一种物体尺寸测量方法和电子设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10157495B2 (en) * 2011-03-04 2018-12-18 General Electric Company Method and device for displaying a two-dimensional image of a viewed object simultaneously with an image depicting the three-dimensional geometry of the viewed object
US20140351073A1 (en) * 2011-05-11 2014-11-27 Proiam, Llc Enrollment apparatus, system, and method featuring three dimensional camera
US9841311B2 (en) * 2012-10-16 2017-12-12 Hand Held Products, Inc. Dimensioning system
US10089750B2 (en) * 2017-02-02 2018-10-02 Intel Corporation Method and system of automatic object dimension measurement by using image processing
CN108416804A (zh) * 2018-02-11 2018-08-17 深圳市优博讯科技股份有限公司 获取目标物体体积的方法、装置、终端设备及存储介质
CN108648230A (zh) * 2018-05-14 2018-10-12 南京阿凡达机器人科技有限公司 一种包裹尺寸测量方法、系统、储存介质及移动终端
CN109029253B (zh) * 2018-06-29 2020-08-25 南京阿凡达机器人科技有限公司 一种包裹体积测量方法、系统、储存介质及移动终端
CN109916301B (zh) * 2019-03-27 2021-03-16 青岛小鸟看看科技有限公司 一种体积测量方法和深度相机模组
CN111784765B (zh) * 2020-06-03 2024-04-26 Oppo广东移动通信有限公司 物体测量、虚拟对象处理方法及装置、介质和电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106813568A (zh) * 2015-11-27 2017-06-09 阿里巴巴集团控股有限公司 物体测量方法及装置
CN110006340A (zh) * 2019-03-26 2019-07-12 华为技术有限公司 一种物体尺寸测量方法和电子设备

Also Published As

Publication number Publication date
US20230113647A1 (en) 2023-04-13
EP4160532A1 (en) 2023-04-05
WO2021244140A1 (zh) 2021-12-09
EP4160532A4 (en) 2023-12-06
CN111784765A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN111784765B (zh) 物体测量、虚拟对象处理方法及装置、介质和电子设备
CN108537845B (zh) 位姿确定方法、装置及存储介质
CN110502954B (zh) 视频分析的方法和装置
CN110555883B (zh) 相机姿态追踪过程的重定位方法、装置及存储介质
CN108682036B (zh) 位姿确定方法、装置及存储介质
CN108682038B (zh) 位姿确定方法、装置及存储介质
CN111325842B (zh) 地图构建方法、重定位方法及装置、存储介质和电子设备
CN109947886B (zh) 图像处理方法、装置、电子设备及存储介质
CN111445583B (zh) 增强现实处理方法及装置、存储介质和电子设备
CN110807361A (zh) 人体识别方法、装置、计算机设备及存储介质
CN111126182A (zh) 车道线检测方法、装置、电子设备及存储介质
CN109522863B (zh) 耳部关键点检测方法、装置及存储介质
CN112270754A (zh) 局部网格地图构建方法及装置、可读介质和电子设备
CN111815666B (zh) 图像处理方法及装置、计算机可读存储介质和电子设备
CN112581358B (zh) 图像处理模型的训练方法、图像处理方法及装置
CN114170349A (zh) 图像生成方法、装置、电子设备及存储介质
CN111338474A (zh) 虚拟对象位姿校准方法及装置、存储介质和电子设备
CN111027490A (zh) 人脸属性识别方法及装置、存储介质
CN110647881A (zh) 确定图像对应的卡片类型的方法、装置、设备及存储介质
CN114022532A (zh) 身高测量方法、身高测量装置和终端
WO2019000464A1 (zh) 一种图像显示方法、装置、存储介质和终端
CN110807769A (zh) 图像显示控制方法及装置
CN111982293B (zh) 体温测量方法、装置、电子设备及存储介质
CN111325083A (zh) 记录考勤信息的方法和装置
CN113689484B (zh) 深度信息的确定方法、装置、终端及存储介质

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