CN111967342B - 平面参数设置的方法、装置、电子装置和存储介质 - Google Patents

平面参数设置的方法、装置、电子装置和存储介质 Download PDF

Info

Publication number
CN111967342B
CN111967342B CN202010733229.1A CN202010733229A CN111967342B CN 111967342 B CN111967342 B CN 111967342B CN 202010733229 A CN202010733229 A CN 202010733229A CN 111967342 B CN111967342 B CN 111967342B
Authority
CN
China
Prior art keywords
plane
dimensional point
point cloud
parameter
grade
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
CN202010733229.1A
Other languages
English (en)
Other versions
CN111967342A (zh
Inventor
张高明
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.)
Hangzhou Yixian Advanced Technology Co ltd
Original Assignee
Hangzhou Yixian Advanced 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 Hangzhou Yixian Advanced Technology Co ltd filed Critical Hangzhou Yixian Advanced Technology Co ltd
Priority to CN202010733229.1A priority Critical patent/CN111967342B/zh
Publication of CN111967342A publication Critical patent/CN111967342A/zh
Application granted granted Critical
Publication of CN111967342B publication Critical patent/CN111967342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

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

本申请涉及一种平面参数设置的方法、装置、电子装置和存储介质,其中,该平面参数设置的方法包括:获取检测场景中的角点,计算该角点的角点参数,根据该角点参数与预设参数阈值的对比结果,判断该检测场景中的三维点云的等级,根据该三维点云的等级,设置该检测场景的平面参数。通过本申请,解决了平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大的问题,实现了根据实际场景中三维点云的数目特点和精度特点灵活调整平面参数,提高了平面提取的准确度。

Description

平面参数设置的方法、装置、电子装置和存储介质
技术领域
本申请涉及计算机视觉技术领域,特别是涉及平面参数设置的方法、装置、电子装置和存储介质。
背景技术
随着互联网和第五代移动通信(5th Generation Mobile Networks,简称为5G)技术的大力发展,增强现实(Augmented Reality,简称为AR)应用的热度正逐渐升高。其中,AR技术是一种将虚拟信息与真实世界进行融合的技术,可以借助相关的硬件载体,例如手机或者眼镜,将计算机生成的虚拟信息融合到真实的三维世界中。在实现AR技术的过程中,平面提取是必要步骤,常用于用户与真实世界的交互。通常情况下,平面提取的输入数据是三维点云,三维点云可能来自深度传感器,也可能来自AR系统中的定位算法。
在相关技术中,使用随机抽样一致算法(Random Sample Consensus,简称为RANSAC),通过三维点云进行平面提取,RANSAC算法对包含离群数据在内的观测数据进行内群拟合与迭代计算,在多次迭代之后,选择内群数量最多的模型作为计算结果。在RANSAC算法中,进行平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大。
目前针对相关技术中,平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种平面参数设置的方法、装置、电子装置和存储介质,以至少解决相关技术中,平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大的问题。
第一方面,本申请实施例提供了一种平面参数设置的方法,所述方法包括:
获取检测场景中的角点,计算所述角点的角点参数;
根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级;
根据所述三维点云的等级,设置所述检测场景的平面参数。
在其中一些实施例中,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级包括:
计算所述角点的角点总数,在所述角点总数小于预设检测参数的情况下,判定所述三维点云的等级为第一等级,其中,根据预设检测总数与第一检测比例的乘积得到所述预设检测参数。
在其中一些实施例中,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级还包括:
获取所述角点的响应值,计算所述响应值低于预设响应阈值的角点的数量,记为角点响应数量;
在所述角点响应数量大于预设响应参数的情况下,判定所述三维点云的等级为所述第一等级,其中,根据所述角点总数与第二检测比例的乘积得到所述预设响应参数。
在其中一些实施例中,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级还包括:
计算所述角点的响应值的中位数,在所述中位数小于预设中位数的情况下,判定所述三维点云的等级为第一等级。
在其中一些实施例中,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级还包括:
在所述角点参数满足预设参数范围的情况下,判定所述检测场景对应的三维点云的等级为第一等级,或者,在所述角点参数不满足所述预设参数范围的情况下,判定所述检测场景对应的三维点云的等级为第二等级,其中,所述预设参数范围根据所述预设参数阈值确定。
在其中一些实施例中,所述根据所述三维点云的等级,设置所述检测场景的平面参数包括:
所述平面参数包括平面面积、平面厚度与所述三维点云的占比,在所述三维点云的等级为第一等级的条件下,设置所述平面面积为第一面积,所述平面厚度为第一厚度,所述占比为第一占比,或者,
在所述三维点云的等级为第二等级的条件下,设置所述平面面积为第二面积,所述平面厚度为第二厚度,所述占比为第二占比,其中,所述第一面积大于所述第二面积,所述第一厚度大于所述第二厚度,所述第一占比小于所述第二占比,且所述占比根据所述平面中的三维点云的数目与输入的三维点云的数目得到。
第二方面,本申请实施例提供了一种平面参数设置的装置,所述装置包括获取模块、判断模块和设置模块:
所述获取模块,用于获取检测场景中的角点,计算所述角点的角点参数;
所述判断模块,用于根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级;
所述设置模块,用于根据所述三维点云的等级,设置所述检测场景的平面参数。
在其中一些实施例中,所述判断模块包括角点总数判断单元:
所述角点总数判断单元,用于计算所述角点的角点总数,在所述角点总数小于预设检测参数的情况下,判定所述三维点云的等级为第一等级,其中,根据预设检测总数与第一检测比例的乘积得到所述预设检测参数。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述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如上述第一方面所述的平面参数设置的方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的平面参数设置的方法。
相比于相关技术,本申请实施例提供的平面参数设置的方法,通过获取检测场景中的角点,计算该角点的角点参数,根据该角点参数与预设参数阈值的对比结果,判断该检测场景中的三维点云的等级,根据该三维点云的等级,设置该检测场景的平面参数,解决了平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大的问题,实现了根据实际场景中三维点云的数目特点和精度特点灵活调整平面参数,提高了平面提取的准确度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的平面参数设置的方法的应用环境示意图;
图2是根据本申请实施例的平面参数设置的方法的流程图;
图3是根据本申请实施例的判断三维点云等级的方法的流程图;
图4是根据本申请实施例的平面参数设置的结构框图;
图5是根据本申请实施例的另一种平面参数设置的结构框图;
图6是根据本申请实施例的电子设备的内部结构示意图。
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,对本申请进行描述和说明。应当理解,此处所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。基于本申请提供的实施例,本领域普通技术人员在没有作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。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的平面参数设置的方法,可以应用于如图1所示的应用环境中,图1是根据本申请实施例的平面参数设置的方法的应用环境示意图,如图1所示。其中,测量仪102与服务器104通过网络进行通信。测量仪102获取检测场景中的三维点云,服务器104对三维点云进行分析,得到检测场景中的角点,并计算该角点的角点参数,服务器104根据该角点参数与预设参数阈值的对比结果,判断该检测场景中的三维点云的等级,根据该三维点云的等级,设置该检测场景的平面参数。其中,测量仪102可以为三维坐标测量机或者三维激光扫描仪,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。
在实现AR交互的过程中,对平面提取的要求是可以快速、准确地识别到空间中的平面。为了保证平面提取的快速和准确,一般要求三维点云的数目足够多,精度足够高。然而在实际应用中,这种对三维点云的要求并不总能被满足。相关技术中的平面提取方法,例如RANSAC算法,通常不会根据实际场景中三维点云的数目特点和精度特点调整平面提取的参数,因此无法针对不同的应用场景灵活调整。在平面提取的条件过于严苛的情况下,在三维点云数目较少或三维点云精度较差的场景下,例如环境纹理不足的环境,将无法识别到平面;在平面提取的条件过于宽松,三维点云数目较多的情况下,将容易出现误识别情况。
本实施例提供了一种平面参数设置的方法,图2是根据本申请实施例的平面参数设置的方法的流程图,如图2所示,该方法包括如下步骤:
步骤S201,获取检测场景中的角点,计算该角点的角点参数,其中,检测场景包括用户与真实世界进行交互的任何场景,可以用于教学,例如教室和图书馆,还可以为各个景点,例如长城、故宫。本实施例中的角点可以为FAST(Features from Accelerated SegmentTest,简称为FAST)角点,计算FAST角点的方法为主要考虑某个像素点与周围邻域内其他像素点的差异,如果该像素与其周围邻域内足够多的像素点相差较大,则该像素可能是角点,通常情况下,取该像素点周围的16个像素点进行对比,FAST角点的计算方法简单,计算速度快。本实施例中的角点参数包括对角点数量的计算与对角点特征的计算,角点特征包括角点的响应值,响应值的中位数、平均值、方差等统计数据;
步骤S202,根据该角点参数与预设参数阈值的对比结果,判断该检测场景中的三维点云的等级。三维点云作为平面提取算法的输入,可能来自深度传感器,也可能来自AR系统中的定位算法,其质量对最终得到的平面有重大影响。三维点云的质量等级可以通过角点参数与预设参数阈值的对比得到,例如根据对比结果将三维点云的质量等级分为“点云质量差”和“点云质量好”。本实施例中的预设参数阈值可以根据实际的应用场景进行调整,并与场景中的角点参数有关;
步骤S203,根据该三维点云的等级,设置该检测场景的平面参数,该平面参数随三维点云等级的不同而变化。用户可以根据需求设置多个三维点云的等级,每一个等级设置对应的平面参数,具体地,可以将三维点云的质量设置两个等级,在“点云质量差”的情况下,平面参数的取值较为宽松,在“点云质量好”的情况下,平面参数的取值较为严苛。
通过上述步骤S201至步骤S203,根据角点参数与预设参数阈值的对比结果判断三维点云的等级,根据三维点云的等级灵活调整平面提取过程中的平面参数,解决了平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大的问题,实现了根据实际场景中三维点云的数目特点和精度特点灵活调整平面参数,提高了平面提取的准确度。
在其中一些实施例中,根据角点参数与预设参数阈值的对比结果,判断检测场景中的三维点云的等级包括:计算角点的角点总数,该角点总数为检测过程中,实际检测得到的角点数量,在该角点总数小于预设检测参数的情况下,判定该三维点云的等级为第一等级,其中,根据预设检测总数与第一检测比例的乘积得到该预设检测参数,预设检测总数为在检测过程中,用户想要检测得到的角点数量。例如,在检测场景中,用户想要检测的FAST角点数量为T,实际检测到的FAST角点数目记为A,在A<1/10T的情况下,说明得到的角点数量过少,则判断当前场景的点云特性为“点云质量差”,在该实施例中,T为预设检测总数,A为角点总数,1/10为第一检测比例,1/10T为预设检测参数,“点云质量差”为第一等级。在其他实施例中,预设检测总数与第一检测比例可以根据实际的应用场景进行调整,第一等级的具体含义也可以根据实际的应用场景进行调整,例如,在用户对三维点云的质量设置多个等级的情况下,第一等级还可以为“点云质量一般”或者“点云质量较差”。本实施例中,通过对角点总数与预设检测参数的对比,对三维点云的质量进行评估,可以确定三维点云的质量等级,在此基础上,设置平面参数,可以提高平面提取的准确度。
在其中一些实施例中,图3是根据本申请实施例的判断三维点云等级的方法的流程图,如图3所示,该方法包括如下步骤:
步骤S301,获取角点的响应值,计算该响应值低于预设响应阈值的角点的数量,记为角点响应数量,其中,角点的响应值可以根据角点响应函数计算得到,进一步地,本实施例中的响应值可以为FAST角点的响应值,该响应值表现角点的显著程度,响应值越大,表示与响应值对应的角点和周围其他角点的差异性越大;
步骤S302,在该角点响应数量大于预设响应参数的情况下,判定三维点云的等级为第一等级,其中,根据角点总数与第二检测比例的乘积得到该预设响应参数。
例如,统计响应值低于20的FAST角点的数目,记为S,判断S是否大于2/3A,如果是,则判断当前场景的点云特性为“点云质量差”,其中,20为预设响应阈值,S为角点响应数量,2/3A为预设响应参数,2/3为第二检测比例,A为角点总数,“点云质量差”为第一等级。在其他实施例中,预设响应值与第二检测比例可以根据实际的应用场景进行调整,第一等级的具体含义也可以根据实际的应用场景进行调整。
通过上述步骤S301和步骤S302,基于角点响应数量与预设响应参数的对比结果,对三维点云的质量的进行评估,在响应值低于预设响应阈值的角点响应数量过多的情况下,可以判定角点中灵敏度低的角点数量过多,进而确定三维点云的质量等级,在此基础上,设置平面参数,可以提高平面提取的准确度。
在其中一些实施例中,根据角点参数与预设参数阈值的对比结果,判断检测场景中的三维点云的等级还包括:计算角点的响应值的中位数,本实施例的中位数代表了一张检测场景图像中全部角点的整体显著水平,显著水平越高,表示角点的精度越高,与角点对应的三维点云精度也越高。在该中位数小于预设中位数的情况下,判定该三维点云的等级为第一等级。其中,中位数(Median)是一个统计学参数,是按顺序排列的一组数据中居于中间位置的数,中位数可以将数值集合划分为数量相等的上下两部分。如果数值集合中有偶数个数值,通常取最中间的两个数值的平均数作为中位数。中位数是以自身在所有数值中所处的位置确定的代表值,不受分布数列的极大值或者极小值的影响,可以提高对分布数列的代表性,在角点的中位数小于预设中位数的情况下,说明角点的分布出现偏差。例如,角点响应值的中位数记为M,判断M是否小于10,如果是,则判断当前场景的点云特性为“点云质量差”,其中,10为预设中位数,“点云质量差”为第一等级,在其他实施例中,预设中位数可以根据实际的应用场景进行调整,第一等级的具体含义也可以根据实际的应用场景进行调整。本实施例中,通过角点中的中位数与预设中位数的对比结果,确定三维点云的质量等级,更有代表性,在此基础上设置平面参数,可以进一步提高平面提取的准确度。
在其中一个实施例中,根据角点参数与预设参数阈值的对比结果,判断检测场景中的三维点云的等级还包括:在角点参数满足预设参数范围的情况下,判定该检测场景对应的三维点云的等级为第一等级,或者,在该角点参数不满足该预设参数范围的情况下,判定该检测场景对应的三维点云的等级为第二等级,其中,预设参数范围根据该预设参数阈值确定。例如,在角点参数包括角点总数、角点响应值和角点的中位数的情况下,预设参数阈值分别为预设检测参数、角点响应数量和预设中位数,预设参数范围具体为,角点总数小于预设检测参数,角点响应数量大于预设响应参数,中位数小于预设中位数,在角点参数满足预设参数范围的情况下,判定三维点云的等级为第一等级,本实施例中的第一等级可以为“点云质量差”,在角点总数、角点响应值和角点的中位数均不满足预设参数范围的情况下,判定三维点云的等级为第二等级,本实施例中的第二等级可以为“点云质量好”。在其他实施例中,用户可以根据需求将三维点云的质量分为多个等级。本实施例中,通过角点参数与预设参数范围的关系判断三维点云的质量等级,根据三维点云的质量等级设置不同的平面参数,以提高平面提取的准确率。
在其中一些实施例中,根据该三维点云的等级,设置该检测场景的平面参数包括:该平面参数包括平面面积、平面厚度与该三维点云的占比,其中,占比为平面包含的三维点云数目与输入的三维点云数目的比值,在该三维点云的等级为第一等级的条件下,设置该平面面积为第一面积,该平面厚度为第一厚度,该占比为第一占比,具体地,第一等级为“点云质量差”,对应的平面参数为宽松参数,例如,平面面积大于0.25平方米,平面厚度小于0.03米,占比大于30%。或者,在该三维点云的等级为第二等级的条件下,设置该平面面积为第二面积,该平面厚度为第二厚度,该占比为第二占比,具体地,第二等级为“点云质量好”,对应的平面参数为严格参数,例如,平面面积大于0.01平方米,平面厚度小于0.01米,占比大于50%。显然,第一面积大于第二面积,第一厚度大于第二厚度,第一占比小于第二占比。本实施例基于三维点云的质量设置包括平面面积、平面厚度和占比的平面参数,可以实现不同场景下的平面参数的自适应,既可以保证较高的平面提取成功率,又可以保证较高的平面提取正确率。
本申请各个实施例提供的平面参数设置的方法,其预设参数阈值,例如,预设检测总数、第一检测比例、预设响应阈值、第二检测比例、预设中位数和平面参数均可以根据实验的经验值进行设置,因此本申请中的方法可以根据场景的特性,自动调整平面提取的参数,适用于任何一种具体的平面提取方法。在检测场景的纹理不足,例如检测场景为白墙或者玻璃的情况下,平面提取的条件会自动变宽松,从而可以提取到平面;在场景纹理丰富的情况下,平面提取的条件会自动变严格,从而可以提取到准确的平面。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种平面参数设置的装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在其中一些实施例中,图4是根据本申请实施例的平面参数设置的结构框图,如图4所示,该装置包括获取模块41、判断模块42和设置模块43:获取模块41,用于获取检测场景中的角点,计算该角点的角点参数;判断模块42,用于根据该角点参数与预设参数阈值的对比结果,判断该检测场景中的三维点云的等级;设置模块43,用于根据该三维点云的等级,设置该检测场景的平面参数。本实施例中的判断模块42根据角点参数与预设参数阈值的对比结果判断三维点云的等级,设置模块43根据三维点云的等级灵活调整平面提取过程中的平面参数,解决了平面提取时的平面参数固定,导致在平面提取的场景发生变化的情况下,平面提取的误差增大的问题,实现了根据实际场景中三维点云的数目特点和精度特点灵活调整平面参数,提高了平面提取的准确度。
在其中一些实施例中,图5是根据本申请实施例的另一种平面参数设置的结构框图,如图5所示,判断模块42包括角点总数判断单元51:角点总数判断单元51,用于计算该角点的角点总数,在该角点总数小于预设检测参数的情况下,判定该三维点云的等级为第一等级,其中,根据预设检测总数与第一检测比例的乘积得到该预设检测参数。本实施例中,角点总数判断单元51通过对角点总数与预设检测参数的对比,对三维点云的质量的进行评估,可以确定三维点云的质量等级,在此基础上,设置平面参数,可以提高平面提取的准确度。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
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终端。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、显示屏和输入装置。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和计算机程序。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平面参数设置的方法。该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,该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。
在一个实施例中,图6是根据本申请实施例的电子设备的内部结构示意图,如图6所示,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图6所示。该电子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,该电子设备的处理器用于提供计算和控制能力。该电子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。该电子设备的数据库用于存储数据。该电子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平面参数设置的方法。
本领域技术人员可以理解,图6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电子设备的限定,具体的电子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。
本实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取检测场景中的角点,计算该角点的角点参数。
S2,根据该角点参数与预设参数阈值的对比结果,判断该检测场景中的三维点云的等级。
S3,根据该三维点云的等级,设置该检测场景的平面参数。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的平面参数设置的方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种平面参数设置的方法。
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,该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。
本领域的技术人员应该明白,以上所述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 (9)

1.一种平面参数设置的方法,其特征在于,所述方法包括:
获取检测场景中的角点,计算所述角点的角点参数,所述角点参数包括对角点数量的计算与对角点特征的计算;
根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级;
根据所述三维点云的等级,设置所述检测场景的平面参数;
所述根据所述三维点云的等级,设置所述检测场景的平面参数包括:
所述平面参数包括平面面积、平面厚度与所述三维点云的占比,在所述三维点云的等级为第一等级的条件下,设置所述平面面积为第一面积,所述平面厚度为第一厚度,所述占比为第一占比,或者,
在所述三维点云的等级为第二等级的条件下,设置所述平面面积为第二面积,所述平面厚度为第二厚度,所述占比为第二占比,其中,所述第一面积大于所述第二面积,所述第一厚度大于所述第二厚度,所述第一占比小于所述第二占比,且所述占比根据所述平面中的三维点云的数目与输入的三维点云的数目得到。
2.根据权利要求1所述的方法,其特征在于,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级包括:
计算所述角点的角点总数,在所述角点总数小于预设检测参数的情况下,判定所述三维点云的等级为第一等级,其中,根据预设检测总数与第一检测比例的乘积得到所述预设检测参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级还包括:
获取所述角点的响应值,计算所述响应值低于预设响应阈值的角点的数量,记为角点响应数量;
在所述角点响应数量大于预设响应参数的情况下,判定所述三维点云的等级为所述第一等级,其中,根据所述角点总数与第二检测比例的乘积得到所述预设响应参数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级还包括:
计算所述角点的响应值的中位数,在所述中位数小于预设中位数的情况下,判定所述三维点云的等级为第一等级。
5.根据权利要求1所述的方法,其特征在于,所述根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级还包括:
在所述角点参数满足预设参数范围的情况下,判定所述检测场景对应的三维点云的等级为第一等级,或者,在所述角点参数不满足所述预设参数范围的情况下,判定所述检测场景对应的三维点云的等级为第二等级,其中,所述预设参数范围根据所述预设参数阈值确定。
6.一种平面参数设置的装置,其特征在于,所述装置包括获取模块、判断模块和设置模块:
所述获取模块,用于获取检测场景中的角点,计算所述角点的角点参数,所述角点参数包括对角点数量的计算与对角点特征的计算;
所述判断模块,用于根据所述角点参数与预设参数阈值的对比结果,判断所述检测场景中的三维点云的等级;
所述设置模块,用于根据所述三维点云的等级,设置所述检测场景的平面参数;
所述根据所述三维点云的等级,设置所述检测场景的平面参数包括:
所述平面参数包括平面面积、平面厚度与所述三维点云的占比,在所述三维点云的等级为第一等级的条件下,设置所述平面面积为第一面积,所述平面厚度为第一厚度,所述占比为第一占比,或者,
在所述三维点云的等级为第二等级的条件下,设置所述平面面积为第二面积,所述平面厚度为第二厚度,所述占比为第二占比,其中,所述第一面积大于所述第二面积,所述第一厚度大于所述第二厚度,所述第一占比小于所述第二占比,且所述占比根据所述平面中的三维点云的数目与输入的三维点云的数目得到。
7.根据权利要求6所述的装置,其特征在于,所述判断模块包括角点总数判断单元:
所述角点总数判断单元,用于计算所述角点的角点总数,在所述角点总数小于预设检测参数的情况下,判定所述三维点云的等级为第一等级,其中,根据预设检测总数与第一检测比例的乘积得到所述预设检测参数。
8.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任一项所述的平面参数设置的方法。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至5中任一项所述的平面参数设置的方法。
CN202010733229.1A 2020-07-27 2020-07-27 平面参数设置的方法、装置、电子装置和存储介质 Active CN111967342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010733229.1A CN111967342B (zh) 2020-07-27 2020-07-27 平面参数设置的方法、装置、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010733229.1A CN111967342B (zh) 2020-07-27 2020-07-27 平面参数设置的方法、装置、电子装置和存储介质

Publications (2)

Publication Number Publication Date
CN111967342A CN111967342A (zh) 2020-11-20
CN111967342B true CN111967342B (zh) 2024-04-12

Family

ID=73362877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010733229.1A Active CN111967342B (zh) 2020-07-27 2020-07-27 平面参数设置的方法、装置、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN111967342B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06300542A (ja) * 1993-04-16 1994-10-28 Nippon Telegr & Teleph Corp <Ntt> 2次元レーザパターンによる形状特徴抽出装置および2次元レーザパターン発生装置
JP2008009999A (ja) * 2007-07-27 2008-01-17 Sony Corp 平面抽出方法、その装置、そのプログラム、その記録媒体及び撮像装置
CN107424193A (zh) * 2017-04-27 2017-12-01 巧夺天宫(深圳)科技有限公司 一种门窗信息提取方法及其装置
WO2018019272A1 (zh) * 2016-07-29 2018-02-01 成都理想境界科技有限公司 基于平面检测实现增强现实的方法及装置
CN109410183A (zh) * 2018-10-08 2019-03-01 香港理工大学 基于点云数据的平面提取方法、系统、装置及存储介质
CN109813335A (zh) * 2017-11-21 2019-05-28 武汉四维图新科技有限公司 数据采集系统的标定方法、装置、系统及存储介质
CN111179428A (zh) * 2019-12-31 2020-05-19 武汉中海庭数据技术有限公司 一种基于锁定平面的地物制作方法和装置
CN111242908A (zh) * 2020-01-07 2020-06-05 青岛小鸟看看科技有限公司 一种平面检测方法及装置、平面跟踪方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8199977B2 (en) * 2010-05-07 2012-06-12 Honeywell International Inc. System and method for extraction of features from a 3-D point cloud
US10186024B2 (en) * 2015-12-29 2019-01-22 Texas Instruments Incorporated Method and system for real time structure from motion in a computer vision system
US10832471B2 (en) * 2017-03-27 2020-11-10 Mitsubishi Electric Research Laboratories, Inc. Fast T-spline fitting system and method
US10789733B2 (en) * 2017-11-22 2020-09-29 Apple Inc. Point cloud compression with multi-layer projection

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06300542A (ja) * 1993-04-16 1994-10-28 Nippon Telegr & Teleph Corp <Ntt> 2次元レーザパターンによる形状特徴抽出装置および2次元レーザパターン発生装置
JP2008009999A (ja) * 2007-07-27 2008-01-17 Sony Corp 平面抽出方法、その装置、そのプログラム、その記録媒体及び撮像装置
WO2018019272A1 (zh) * 2016-07-29 2018-02-01 成都理想境界科技有限公司 基于平面检测实现增强现实的方法及装置
CN107424193A (zh) * 2017-04-27 2017-12-01 巧夺天宫(深圳)科技有限公司 一种门窗信息提取方法及其装置
CN109813335A (zh) * 2017-11-21 2019-05-28 武汉四维图新科技有限公司 数据采集系统的标定方法、装置、系统及存储介质
CN109410183A (zh) * 2018-10-08 2019-03-01 香港理工大学 基于点云数据的平面提取方法、系统、装置及存储介质
CN111179428A (zh) * 2019-12-31 2020-05-19 武汉中海庭数据技术有限公司 一种基于锁定平面的地物制作方法和装置
CN111242908A (zh) * 2020-01-07 2020-06-05 青岛小鸟看看科技有限公司 一种平面检测方法及装置、平面跟踪方法及装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A Methodology for Automated Segmentation and Reconstruction of Urban 3-D Buildings from ALS Point Clouds;Dong Chen et al.;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 》;第7卷(第10期);第4199-4217页 *
Multi-Feature Registration of Point Clouds;Tzu-Yi Chuang et al.;《remote sensing》;第9卷(第3期);第1-28页 *
基于RANSAC算法的稳健点云平面拟合方法;杨军建等;《北京测绘》(第2期);第73-79页 *
基于地面特征的移动机器人单目视觉里程计算法;王可等;《光学学报》;第35卷(第5期);第1-7页 *
基于机载激光雷达点云的飞行障碍物提取方法研究;苏伟等;《农业机械学报》;第48卷;第79-85页 *
随机抽样一致性算法在线结构光视觉测量系统中的应用;马媛媛等;《科学技术与工程》;第18卷(第3期);第68-73页 *

Also Published As

Publication number Publication date
CN111967342A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN110751149B (zh) 目标对象标注方法、装置、计算机设备和存储介质
CN111667001B (zh) 目标重识别方法、装置、计算机设备和存储介质
CN110930386B (zh) 图像处理方法、装置、设备及存储介质
CN114543797B (zh) 位姿预测方法和装置、设备、介质
CN114627244A (zh) 三维重建方法及装置、电子设备、计算机可读介质
CN113032508B (zh) 电子地图数据的存储方法、装置、计算机设备和存储介质
CN111967342B (zh) 平面参数设置的方法、装置、电子装置和存储介质
CN112233161B (zh) 手部图像深度确定方法、装置、电子设备及存储介质
CN111915532B (zh) 图像追踪方法、装置、电子设备及计算机可读介质
CN113793392A (zh) 一种相机参数标定方法及装置
CN110472085B (zh) 三维图像搜索方法、系统、计算机设备和存储介质
CN113034582A (zh) 位姿优化装置及方法、电子设备及计算机可读存储介质
CN117612470A (zh) 颜色查找表生成方法及色彩校正方法
CN114549927B (zh) 特征检测网络训练、增强现虚实注册跟踪及遮挡处理方法
CN115937299B (zh) 在视频中放置虚拟对象的方法及相关设备
CN111626919B (zh) 图像合成方法、装置、电子设备及计算机可读存储介质
CN111652831B (zh) 对象融合方法、装置、计算机可读存储介质及电子设备
CN110196638B (zh) 基于目标检测和空间投影的移动端增强现实方法和系统
CN117726666B (zh) 跨相机单目图片度量深度估计方法、装置、设备及介质
CN117615113B (zh) 一种视差自动矫正方法、装置、设备和可读存储介质
CN114414065B (zh) 物体温度探测方法、装置、计算机设备和介质
CN113298869B (zh) 距离测定方法、装置、计算机设备和存储介质
CN110853087A (zh) 一种视差估计方法、装置、存储介质及终端
CN114612510B (zh) 图像处理方法、装置、设备、存储介质及计算机程序产品
CN117593211B (zh) 视频处理方法、装置、电子设备及存储介质

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