CN112396107B - 重建图像选取方法、装置及电子设备 - Google Patents
重建图像选取方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112396107B CN112396107B CN202011297195.2A CN202011297195A CN112396107B CN 112396107 B CN112396107 B CN 112396107B CN 202011297195 A CN202011297195 A CN 202011297195A CN 112396107 B CN112396107 B CN 112396107B
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- adjacent
- straight line
- similarity
- 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
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提出一种重建图像选取方法、装置及电子设备,涉及图像技术领域。其中,上述重建图像选取方法包括:获取目标图像所对应的多帧相邻图像;其中,相邻图像与目标图像所对应的采集视角相邻;确定目标图像和每帧相邻图像之间的相似因子;其中,相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比;依据相似因子,从多帧相邻图像中选出与目标图像对应的重建图像;其中,重建图像的相似因子小于未选为重建图像的相邻图像的相似因子。通过巧妙的从相邻图像中选取重建图像,从而改善针对空间内线缆重建效果不佳的问题。
Description
技术领域
本发明涉及图像技术领域,具体而言,涉及一种重建图像选取方法、装置及电子设备。
背景技术
随着农业机械化、智能化进程的推进,越来越多的自动化设备应用于农业,近期无人机在农业中的应用也是引人瞩目。然而,由于农田内作业环境复杂(比如,农田上空存在的电线、斜拉线等),导致自动化作业设备在农业中应用范围有限。特别是对于无人机这类作业设备,无法准确感知电线的位置很容易使得飞机撞上电线,造成机毁断电的后果。
目前主要通过基于图像重建农田上空场景,以识别农田上空的悬挂线缆,从而提前规避出能够避开悬挂线缆的飞行路线。然而,由于线缆的特殊性,通常重建农田上空的悬挂线缆时效果并不好,进而影响到无人机实际的避障效果。
发明内容
有鉴于此,本发明的目的在于提供一种重建图像选取方法、装置及电子设备。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供一种重建图像选取方法,所述重建图像选取方法包括:
获取目标图像所对应的多帧相邻图像;其中,所述相邻图像与所述目标图像所对应的采集视角相邻;
确定所述目标图像和每帧所述相邻图像之间的相似因子;其中,所述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比;
依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像;其中,所述重建图像的所述相似因子小于未选为重建图像的所述相邻图像的相似因子。
在可选的实施方式中,所述确定所述目标图像和每帧所述相邻图像之间的相似因子的步骤包括:
获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量;
根据获得的所述直线特征向量,计算所述目标图像中每条直线与所述相邻图像中每条直线之间的相似度;
分别统计所述目标图像与每帧所述相邻图像之间相似度大于预设值的直线对的第一数量;
根据所述第一数量及所述目标图像中存在的直线的第二数量,计算与每帧所述相邻图像之间的所述相似因子。
在可选的实施方式中,所述获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量的步骤包括:分别从所述目标图像和所述相邻图像中进行直线提取;获取所述目标图像中提取到的直线相对于所述目标图像的图像坐标轴的第一夹角;获取所述相邻图像中提取到的直线相对于所述相邻图像的图像坐标轴的第二夹角;根据对应的所述第一夹角,分别构建所述目标图像中各条直线所对应的所述直线特征向量;根据对应的所述第二夹角,分别构建所述相邻图像中各条直线所对应的所述直线特征向量。
在可选的实施方式中,所述获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量的步骤还包括:获取所述目标图像中提取到的直线相对于所述目标图像的图像坐标原点之间的第一距离;获取所述相邻图像中提取到的直线相对于所述相邻图像的图像坐标原点之间的第二距离;所述根据对应的所述第一夹角,分别构建所述目标图像中各条直线所对应的所述直线特征向量的步骤包括:根据对应的所述第一夹角及第一距离,分别构建所述目标图像中各条直线所对应的所述直线特征向量;所述根据对应的所述第二夹角,分别构建所述相邻图像中各条直线所对应的所述直线特征向量的步骤包括:根据对应的所述第二夹角及第二距离,分别构建所述相邻图像中各条直线所对应的所述直线特征向量。在可选的实施方式中,所述依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像的步骤包括:
将所述相似因子按照大小关系进行排序;
将列于预选名次的相似因子所对应的相邻图像确定为与所述目标图像对应的所述重建图像。
在可选的实施方式中,所述获取目标图像所对应的多帧相邻图像的步骤包括:
遍历所有采集到的图像数据,计算遍历到的每帧图像数据与所述目标图像之间的共视比例;
若所述共视比例超过指定阈值,则将对应的所述图像数据确定为所述目标图像的相邻图像。
第二方面,本发明实施例提供一种重建图像选取装置,所述重建图像选取重建包括:
获取模块,用于获取目标图像所对应的多帧相邻图像;其中,所述相邻图像与所述目标图像所对应的采集视角相邻;
确定模块,用于确定所述目标图像和每帧所述相邻图像之间的相似因子;其中,所述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比;
选择模块,用于依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像;其中,所述重建图像的所述相似因子小于未选为重建图像的所述相邻图像的相似因子。
第三方面,本发明实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的方法。
第四方面,本发明实施例提供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如前述实施方式中任一项所述的方法。
本发明实施例提供的重建图像选取方法、装置及电子设备,通过获取目标图像所对应的多帧相邻图像,并确定目标图像和每帧相邻图像之间的相似因子。由于目标图像与相邻图像之间采集视角相邻,故二者之间存在共视直线。利用上述相似因子可以表征目标图像与相邻图像之间满足相似条件的直线占比的特点,从多帧所述相邻图像中选出与目标图像对应的重建图像。由于选出的重建图像的相似因子小于未选为重建图像的所述相邻图像的相似因子,故,可以确保重建图像与目标图像之间共视直线的延伸方向与采集视野之间的变化方向一致的可能性较低。通过上述方式选出的重建图像能够有效改善线缆的重建效果,以便于规划避障效果更佳的飞行路线。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例提供的电子设备的示意图。
图2示出了本发明实施例提供的重建图像选取方法的步骤流程图。
图3示出了本发明实施例提供的步骤S101的子步骤流程图。
图4示出了本发明实施例提供的步骤S102的子步骤流程图。
图5示出了本发明实施例提供的目标图像与相邻图像的直线之间相似度较高的示例图。
图6示出了本发明实施例提供的步骤S103的子步骤流程图。
图7示出了本发明实施例提供的重建图像选取装置的示意图。
图标:100-电子设备;101-存储器;102-通信接口;103-处理器;104-总线;300-重建图像选取装置;301-获取模块;302-确定模块;303-选择模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“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。
无人机自动飞行作业的前提是识别出飞行空间内的障碍物,比如,树木、电线杆、斜拉线等。特别是飞行空间为农田上空时,由于农田内复杂的环境因素(比如,存在交错的电线和斜拉线),导致无人机在农业的应用范围有限。当然,只要无人机能够实现准确识别飞行空间内存在的悬空电缆,便可解决上述问题。
相关技术中,为了改善农田场景对无人机应用的制约,通常采用以下两种方式:
其一,实时感知系统,直接通过机载传感器感知线缆。然而,该方式避开线缆的准确性依赖于传感器的灵敏度。同时,该方式缺乏预判,容易出现识别到障碍物时已经来不及调整飞行位姿的情况。
其二,利用无人搭载激光雷达对电线进行点云重建,然而,该方式成本高,点云稀疏。
其三,根据航拍到的图像数据进行重建,以便于识别出空中存在的线缆。
以上三种方式中,第三种方式最优,且应用非常广泛。然而,却存在对空中线缆重建效果不佳的问题。可以理解地,直线与点不一样的是,在计算重投影误差的时候,直线有一个延伸方向,若航拍图像的视野变化方向与直线的延伸方向重合,那基于航拍图像得到的该直线的重投影误差为零,如此,即便是多视角也无法准确计算该直线的真实三维信息。
为了改善上述问题,本发明实施例提供了一种重建图像选取方法、装置及电子设备,其旨在通过巧妙的重建图像选取,改善由于视野变化方向与线缆延伸方向重合而造成的无法准确得到线缆真实三维信息的问题。从而提高对空间内线缆的重建效果,进而能够规划出准确避开空间内线缆的飞行路径,确保作业安全。
请参照图1,图1示出了本发明实施例提供的电子设备100的方框示意图。电子设备100可以是,但不限于个人电脑(personal computer,PC)、服务器、分布式部署的计算机等等。可以理解的是,电子设备100也不限于物理设备,还可以是物理设备上布局的虚拟机、基于云平台上构建的虚拟机等能提供与所述服务器或者虚拟机有相同功能的计算机。
此外,一些实施例中,上述电子设备100为无人机。在另一实施例中,上述电子设备100可以是与无人机通信连接的设备。
电子设备100的操作系统可以是,但不限于,Windows系统、Linux系统等。上述电子设备100包括存储器101、通信接口102、处理器103和总线104,所述存储器101、通信接口102和处理器103通过总线104连接,处理器103用于执行存储器101中存储的可执行模块,例如计算机程序。其中,存储器101可能包含高速随机存取存储器(RAM:Random AccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口102(可以是有线或者无线)实现该电子设备100与外部设备之间的通信连接。
总线104可以是ISA总线、PCI总线或EISA总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线104或一种类型的总线104。
在一些实施例中,存储器101用于存储程序,例如图7所示的重建图像选取装置300。该重建图像选取方法包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述电子设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器103在接收到执行指令后,执行所述程序以实现本发明上述实施例揭示的重建图像选取方法。
处理器103可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器103中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器103可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
应当理解的是,图1所示的结构仅为电子设备100的结构示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参考图2,图2示出了本发明实施例提供的一种重建图像选取方法。上述重建图像选取方法应用于上述电子设备100。如图2所示,上述重建图像选取方法可以包括以下步骤:
步骤S101,获取目标图像所对应的多帧相邻图像。
上述目标图像可以是采集到的呈现待重建空间的图像数据。同样,相邻图像数据也是采集到的呈现待重建空间的图像数据。上述待重建空间为计划进行三维点云重建的真实空间,比如,农田空间(即,农田及其上空)。
在一些实施例中,呈现待重建空间的图像数据中每一帧图像均可以被作为目标图像,由于相邻图像是与目标图像是采集视角相邻的图像数据,故,在得到目标图像之后,即可得到其所对应的相邻图像。可见,目标图像与相邻图像之间存在相对关系。
步骤S102,确定目标图像和每帧相邻图像之间的相似因子。
上述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比。如果相似因子值越高,表明上述目标图像和该相邻图像相比其他相邻图像而言不适合进行三维重建。反之,表明上述目标图像和该相邻图像可以进行三维重建。
上述满足相似条件的直线可以是目标图像中呈现的线条且其与该相邻图像的直线在各自对应的图像中相对位置满足相似要求。比如,目标图像中的直线a在目标图像中所呈现的角度和、或位置与相邻图像中的直线b在该相邻直线中所呈现的角度和、或位置满足相似要求,那么将直线a确定为满足相似条件的直线。
步骤S103,依据相似因子,从多帧相邻图像中选出与目标图像对应的重建图像。
上述被选到的重建图像的相似因子小于未选为重建图像的相邻图像的相似因子。
可以理解地,满足相似条件的直线与相邻图像中至少一条直线的延伸方向重合。相邻视角下采集到的目标图像和相邻图像之间存在共视线缆。上述共视线缆为实际空间中同时被目标图像和相邻图像呈现的线缆。故,在相似条件的直线占比越高时,那目标图像和相邻图像中呈现共视线缆的线条在延伸方向重合的可能性也越高。由于目标图像与该相邻图像为不同视角下采集到的图像,那么从相邻图像所对应的采集视角过渡到目标图像所对应的采集视角的视角变化方向将会与共视线缆在目标图像中呈现的延伸方向相同,此时,若是基于目标图像和该相邻图像进行是三维重建,就会导致难以准确计算出共视线缆的真实三维位姿。
故,通过表征满足相似条件的直线占比的相似因子,从相邻图像中筛选出重建图像,实现提高针对空间内线缆重建效果。
下面对本申请的实施细节进行描述:
在一些实施例中,上述步骤S101的目的为初步获取到满足重建基本条件的图像数据。
在一些实施例中,上述步骤S101中目标图像可以是在已采集到的能够呈现待重建空间的图像数据中遍历到的图像。
在另一些实施例中,上述步骤S101中目标图像还可以是采集设备实时采集到的图像数据。上述采集设备为用于采集能够呈现待重建空间的图像数据。比如,采集设备为航测无人机,由无人机航拍待重建空间,每拍摄到一帧图像数据,便将其作为目标图像。
在一些实施方式中,上述采集设备还可以为带有图像采集模块的植保无人机,所述植保无人机可以通过图像采集模块去采集能够呈现待重建空间的图像数据。
当然,无论目标图像如何确定,其对应的相邻图像的确定方式基本一致。上述相邻图像的确定主要基于与目标图像之间的共视比例确定。
在一些可能的实施例中,如图3所示,上述步骤S101可以包括步骤:
子步骤S101-1,遍历所有采集到的图像数据,计算遍历到的每帧图像数据与目标图像之间的共视比例。
在一些实施例中,可以是对上述目标图像与遍历到的图像数据进行特征匹配,确定出目标图像与该图像数据之间的匹配区域,将匹配区域与目标图像之间的面积比例,以作为与该图像数据之间的共视比例。
子步骤S101-2,若共视比例超过指定阈值,则将对应的图像数据确定为目标图像的相邻图像。
比如,图像数据与目标图像之间的共视比例超过70%,那么将其确定为相邻图像。
上述步骤S101中获取相邻图像本质上是为了得到与目标图像共视比例满足要求的图像数据。除了通过上述计算的方式确定相邻图像的方式外,还可以利用图像数据采集的时间特点和空间特点,基于图像数据所对应的采集时间确定出相邻图像,或者图像数据所对应的空间位姿确定出相邻图像。
在另一些实施例中,上述步骤S101的实现方式还可以包括:预先根据采集设备进行图像采集时与地面的高度、移动速度及采集视野范围,确定一采集间隔时长,确保采集时间差不超过上述采集间隔时长的图像数据之间共视比例能够满足要求。如此,依据目标图像所对应的采集时间点及上述采集间隔时长,从所有采集到的图像数据中筛选出相邻图像,以确保筛选出的相邻图像与目标图像之间的采集时间差不超过采集间隔时长。比如,目标图像的采集时间点为1分00秒,采集间隔时长为10s,那么采集时间点为0分55秒的图像数据和采集时间点为1分05秒的图像数据均可以作为该目标图像的相邻图像。
在另一些实施例中,上述步骤S101的实现方式还可以包括:获取采集设备采集上述目标图像所对应的第一位姿信息,获取遍历到的图像数据的第二位姿信息,根据上述第一位姿信息和第二位姿信息,确定采集设备在采集目标图像和上述遍历到的图像数据时视野的重叠比例,以判定该遍历到的图像数据是否可以被作为相邻图像。
在一些实施例中,如图4所示,上述步骤S102可以包括以下步骤:
子步骤S102-1,获取目标图像和相邻图像中出现的直线所对应的直线特征向量。
上述直线特征向量用于表征直线在对应图像中的相对位置。比如,目标图像中的直线所对应的直线特征向量,用于表征该直线在目标图像中的二维相对位置。相邻图像中的直线所对应的直线特征向量,用于表征该直线在相邻图像中的二维相对位置。
在一些实施例中,上述子步骤S102-1可以包括:
(1)分别从目标图像和相邻图像中进行直线提取。
在一些实施例中,可以利用直线检测算法分别从目标图像和相邻图像中进行直线提取。比如,利用EDLine算法分别从目标图像和相邻图像中进行直线检测,并将检测到的直线提取出来。
(2)获取目标图像中提取到的直线相对于目标图像的图像坐标轴的第一夹角。在一些实施例中,上述第一夹角可以是与图像坐标系中的纵坐标之间的夹角。在另一些实施例中,上述第一夹角也可以是与图像坐标系中的横坐标之间的夹角。上述两种方式,可以根据本领域技术人员的实际需求进行选择,本发明实施例对此不做限定。
在一些实施例中,利用直线表达公式:得到出和如此,即可得到第一夹角。其中,上述α代表第一夹角。上述t代表参数,该参数表征直线上的可选点到点(x1,y1)的距离值,在选择不同的可选点的情况下,对应的t取值也不同。比如,点(x2,y2)便是一个可选点,P1P2代表点(x2,y2)与点(x1,y1)之间的距离,换句话说,P1P2可以是可选点(x2,y2)所对应的参数t。
(3)获取目标图像中提取到的直线与目标图像的图像坐标原点之间的第一距离。
在一些实施例中,可以利用下述公式:
计算第一距离。其中,上述d代表第一距离。上述x0代表图像坐标原点的横坐标值,y0代表图像坐标原点的纵坐标值。A、B和C代表直线的参数常量,可以理解地,直线的表达式可以是Ax+By+C=0。
(4)获取相邻图像中提取到的直线相对于相邻图像的图像坐标轴的第二夹角。其原理与计算第一夹角的相同,在此不再赘述。
(5)获取相邻图像中提取到的直线与邻图像的图像坐标原点之间的第二距离。其原理与计算第一距离的相同,在此不再赘述。
(6)根据对应的第一夹角和第一距离,分别构建目标图像中各条直线所对应的直线特征向量。
在一些实施例中,将对应的第一夹角和第一距离作为两个向量元素,得到目标图像中直线所对应的直线特征向量。
(7)根据对应的第二夹角和第二距离,分别构建相邻图像中各条直线所对应的直线特征向量。
在一些实施例中,将对应的第二夹角和第二距离作为两个向量元素,得到相邻图像中直线所对应的直线特征向量。
在一些可能的实施例中,用于确定相似度的直线特征向量可以仅根据夹角得到。如此,上述子步骤S102-1可以是在步骤(1)、(2)、(4)的基础上,根据对应的第一夹角,分别构建目标图像中各条直线所对应的直线特征向量。以及根据对应的第二夹角,分别构建相邻图像中各条直线所对应的直线特征向量。
在另外一些实施例中,上述第一夹角可以由直线在目标图像中的方向向量代替,上述第二夹角可以由直线在相邻图像中的方向向量代替。
子步骤S102-2,根据获得的直线特征向量,计算目标图像中每条直线与相邻图像中每条直线之间的相似度。
在一些实施例中,可以根据两条直线所对应的直线特征向量计算该两条直线之间的欧氏距离,上述两条直线分别为目标图像中的一条直线和相邻图像中的一条直线。基于欧式距离评估两条直线之间的相似度。比如,图5所示,目标图像中的一条直线与相邻图像1中的直线相似度就比较高,目标图像中的一条直线与相邻图像2中的直线相似度也比较高。
可以理解地,相似度越大表征两条直线的延伸方向与所属图像之间的视角变化方向相同。
在一些实施例中,还可以构建一个相似矩阵,用于存储目标图像和相邻图像之间直线的相似度。比如,将形似矩阵的每一行代表目标图像中的一条直线,每一列代表相邻图像中的一条直线,相似矩阵的行数与目标图像中直线的条数相同,同样,相似矩阵的列数与相邻图像中直线的条数相同。相似矩阵中每一个元素代表该元素所处行对应的直线和该元素所处列所对应的直线之间的相似度。
如此,便可以得到每一个相邻图像与目标图像之间所对应的相似矩阵。
子步骤S102-3,分别统计目标图像与每帧相邻图像之间相似度大于预设值的直线对的第一数量。
在一些实施例中,可以根据目标图像与相邻图像对应的相似矩阵进行统计。比如,统计目标行的行数,上述目标行为存在大于预设值的元素的行。
子步骤S102-4,根据第一数量及目标图像中存在的直线的第二数量,计算与每帧相邻图像之间的相似因子。
在一些实施例中,可以是将第一数量与第二数量之比作为相似因子。
在另外一些实施例中,上述步骤S102还可以是采用预先训练的网络模型,识别目标图像与相邻图像之间的相似度。训练得到网络模型识别目标图像与相邻图像之间的相似度的原理是分别提取目标图像与相邻图像中的直线,并识别出分别属于目标图像与相邻图像的不同直线之间的相似度,从而输出目标图像与该相邻图像之间相似因子。
在一些实施例中,如图6所示,上述步骤S103可以包括:
子步骤S103-1,将相似因子按照大小关系进行排序。
在一些实施例中,由于步骤S101可以选出多帧相邻图像,而每帧相邻图像经过步骤S102的处理后,都能够获取与目标图像之间的相似因子。故,可以得到多个相似因子。上述子步骤S103-1可以将得到的相似因子按照从大到小的顺序进行排序。
在另外一些实施例中,上述子步骤S103-1还可以是将得到的相似因子按照从小到大的顺序进行排序。
子步骤S103-2,将列于预选名次的相似因子所对应的相邻图像确定为与目标图像对应的重建图像。
在一些实施例中,若相似因子按照从大到小的顺序排列,那么上述子步骤S103-2可以是将指定名次之后的序次确定为预选名次。比如,有10个相似因子,指定名次为7,那么将排序序次为7、8、9和10的相似因子所对应的相邻图像确定为重建图像。
在一些实施例中,若相似因子按照从小到大的顺序排列,那么上述子步骤S103-2可以是将指定名次之前的序次确定为预选名次。比如,有10个相似因子,指定名次为3,那么将排序序次为1、2和3的相似因子所对应的相邻图像确定为重建图像。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种重建图像选取装置300的实现方式,可选地,该重建图像选取装置300可以采用上述图1所示的电子设备100的器件结构。进一步地,请参阅图7,图7为本发明实施例提供的一种重建图像选取装置300的功能模块图。需要说明的是,本实施例所提供的重建图像选取装置300,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该重建图像选取装置300包括:获取模块301、确定模块302和选择模块303。
获取模块301,用于获取目标图像所对应的多帧相邻图像;其中,所述相邻图像与所述目标图像所对应的采集视角相邻。
确定模块302,用于确定所述目标图像和每帧所述相邻图像之间的相似因子;其中,所述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比。
选择模块303,用于依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像;其中,所述重建图像的所述相似因子小于未选为重建图像的所述相邻图像的相似因子。
在一些实施例中,上述确定模块302包括:
获取子模块,用于获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量;
计算子模块,用于根据获得的所述直线特征向量,计算所述目标图像中每条直线与所述相邻图像中每条直线之间的相似度;
统计子模块,用于分别统计所述目标图像与每帧所述相邻图像之间相似度大于预设值的直线对的第一数量;
所述计算子模块,还用于根据所述第一数量及所述目标图像中存在的直线的第二数量,计算与每帧所述相邻图像之间的所述相似因子。
在一些实施例中,上述获取子模块具体用于:
分别从所述目标图像和所述相邻图像中进行直线提取;
获取所述目标图像中提取到的直线相对于所述目标图像的图像坐标轴的第一夹角,以及与所述目标图像的图像坐标原点之间的第一距离;
获取所述相邻图像中提取到的直线相对于所述相邻图像的图像坐标轴的第二夹角,以及与所述相邻图像的图像坐标原点之间的第二距离;
根据对应的所述第一夹角和第一距离,分别构建所述目标图像中各条直线所对应的所述直线特征向量;
根据对应的所述第二夹角和第二距离,分别构建所述相邻图像中各条直线所对应的所述直线特征向量。
在一些实施例中,上述选择模块303用于:
将所述相似因子按照大小关系进行排序;
将列于预选名次的相似因子所对应的相邻图像确定为与所述目标图像对应的所述重建图像。
在一些实施例中,上述获取模块301用于:
遍历所有采集到的图像数据,计算遍历到的每帧图像数据与所述目标图像之间的共视比例;
若所述共视比例超过指定阈值,则将对应的所述图像数据确定为所述目标图像的相邻图像。
可选地,上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器101中或固化于该电子设备100的操作系统(Operating System,OS)中,并可由图1中的处理器103执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器101中。
综上所述,本发明实施例提供了一种重建图像选取方法、装置及电子设备,其中,上述重建图像选取方法包括:获取目标图像所对应的多帧相邻图像;其中,所述相邻图像与所述目标图像所对应的采集视角相邻;确定所述目标图像和每帧所述相邻图像之间的相似因子;其中,所述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比;依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像;其中,所述重建图像的所述相似因子小于未选为重建图像的所述相邻图像的相似因子。巧妙的利用目标图像和相邻图像之间的相似因子,降低选到与目标图像之间视角变化方向与共视线缆延伸方向重合的相邻图像作为重建图像的可能,从而改善针对空间内线缆重建效果不佳的问题。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种重建图像选取方法,其特征在于,所述重建图像选取方法包括:
获取目标图像所对应的多帧相邻图像;其中,所述相邻图像与所述目标图像所对应的采集视角相邻;
确定所述目标图像和每帧所述相邻图像之间的相似因子;其中,所述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比;
依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像;其中,所述重建图像的所述相似因子小于未选为重建图像的所述相邻图像的相似因子;
所述确定所述目标图像和每帧所述相邻图像之间的相似因子的步骤包括:
获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量;其中,所述目标图像中的直线所对应的直线特征向量表征所述直线在所述目标图像中的二维相对位置;所述相邻图像中的直线所对应的直线特征向量表征所述直线在所述相邻图像中的二维相对位置;
根据获得的所述直线特征向量,计算所述目标图像中每条直线与所述相邻图像中每条直线之间的相似度;
分别统计所述目标图像与每帧所述相邻图像之间相似度大于预设值的直线对的第一数量;
根据所述第一数量及所述目标图像中存在的直线的第二数量,计算与每帧所述相邻图像之间的所述相似因子;所述相似因子为所述第一数量与所述第二数量的比值。
2.根据权利要求1所述的重建图像选取方法,其特征在于,所述获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量的步骤包括:
分别从所述目标图像和所述相邻图像中进行直线提取;
获取所述目标图像中提取到的直线相对于所述目标图像的图像坐标轴的第一夹角;
获取所述相邻图像中提取到的直线相对于所述相邻图像的图像坐标轴的第二夹角;
根据对应的所述第一夹角,分别构建所述目标图像中各条直线所对应的所述直线特征向量;
根据对应的所述第二夹角,分别构建所述相邻图像中各条直线所对应的所述直线特征向量。
3.根据权利要求2所述的重建图像选取方法,其特征在于,所述获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量的步骤还包括:
获取所述目标图像中提取到的直线相对于所述目标图像的图像坐标原点之间的第一距离;
获取所述相邻图像中提取到的直线相对于所述相邻图像的图像坐标原点之间的第二距离;
所述根据对应的所述第一夹角,分别构建所述目标图像中各条直线所对应的所述直线特征向量的步骤包括:根据对应的所述第一夹角及第一距离,分别构建所述目标图像中各条直线所对应的所述直线特征向量;
所述根据对应的所述第二夹角,分别构建所述相邻图像中各条直线所对应的所述直线特征向量的步骤包括:根据对应的所述第二夹角及第二距离,分别构建所述相邻图像中各条直线所对应的所述直线特征向量。
4.根据权利要求1所述的重建图像选取方法,其特征在于,所述依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像的步骤包括:
将所述相似因子按照大小关系进行排序;
将列于预选名次的相似因子所对应的相邻图像确定为与所述目标图像对应的所述重建图像。
5.根据权利要求1所述的重建图像选取方法,其特征在于,所述获取目标图像所对应的多帧相邻图像的步骤包括:
遍历所有采集到的图像数据,计算遍历到的每帧图像数据与所述目标图像之间的共视比例;
若所述共视比例超过指定阈值,则将对应的所述图像数据确定为所述目标图像的相邻图像。
6.一种重建图像选取装置,其特征在于,所述重建图像选取重建包括:
获取模块,用于获取目标图像所对应的多帧相邻图像;其中,所述相邻图像与所述目标图像所对应的采集视角相邻;
确定模块,用于确定所述目标图像和每帧所述相邻图像之间的相似因子;其中,所述相似因子用于表征目标图像与相邻图像之间满足相似条件的直线占比;
选择模块,用于依据所述相似因子,从多帧所述相邻图像中选出与所述目标图像对应的重建图像;其中,所述重建图像的所述相似因子小于未选为重建图像的所述相邻图像的相似因子;
所述确定模块还用于:获取所述目标图像和所述相邻图像中出现的直线所对应的直线特征向量;其中,所述目标图像中的直线所对应的直线特征向量表征所述直线在所述目标图像中的二维相对位置;所述相邻图像中的直线所对应的直线特征向量表征所述直线在所述相邻图像中的二维相对位置;
根据获得的所述直线特征向量,计算所述目标图像中每条直线与所述相邻图像中每条直线之间的相似度;
分别统计所述目标图像与每帧所述相邻图像之间相似度大于预设值的直线对的第一数量;
根据所述第一数量及所述目标图像中存在的直线的第二数量,计算与每帧所述相邻图像之间的所述相似因子;所述相似因子为所述第一数量与所述第二数量的比值。
7.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-5任一所述的方法。
8.根据权利要求7所述的电子设备,其特征在于,所述电子设备为带有图像采集模块的植保无人机,所述植保无人机通过所述图像采集模块获取所述目标图像和所述多帧相邻图像。
9.一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如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011297195.2A CN112396107B (zh) | 2020-11-18 | 2020-11-18 | 重建图像选取方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011297195.2A CN112396107B (zh) | 2020-11-18 | 2020-11-18 | 重建图像选取方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112396107A CN112396107A (zh) | 2021-02-23 |
CN112396107B true CN112396107B (zh) | 2023-02-14 |
Family
ID=74606650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011297195.2A Active CN112396107B (zh) | 2020-11-18 | 2020-11-18 | 重建图像选取方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396107B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087344A (zh) * | 2018-07-18 | 2018-12-25 | 四川华雁信息产业股份有限公司 | 三维重建中的图像选择方法及装置 |
CN110910493A (zh) * | 2019-11-29 | 2020-03-24 | 广州极飞科技有限公司 | 三维重建方法、装置及电子设备 |
CN110910483A (zh) * | 2019-11-29 | 2020-03-24 | 广州极飞科技有限公司 | 三维重建方法、装置及电子设备 |
CN111784841A (zh) * | 2020-06-05 | 2020-10-16 | 中国人民解放军军事科学院国防科技创新研究院 | 重建三维图像的方法、装置、电子设备及介质 |
CN111815738A (zh) * | 2020-06-15 | 2020-10-23 | 北京沃东天骏信息技术有限公司 | 一种构建地图的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2994307B1 (fr) * | 2012-08-06 | 2015-06-05 | Commissariat Energie Atomique | Procede et dispositif pour la reconstruction d'images a super-resolution |
-
2020
- 2020-11-18 CN CN202011297195.2A patent/CN112396107B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087344A (zh) * | 2018-07-18 | 2018-12-25 | 四川华雁信息产业股份有限公司 | 三维重建中的图像选择方法及装置 |
CN110910493A (zh) * | 2019-11-29 | 2020-03-24 | 广州极飞科技有限公司 | 三维重建方法、装置及电子设备 |
CN110910483A (zh) * | 2019-11-29 | 2020-03-24 | 广州极飞科技有限公司 | 三维重建方法、装置及电子设备 |
CN111784841A (zh) * | 2020-06-05 | 2020-10-16 | 中国人民解放军军事科学院国防科技创新研究院 | 重建三维图像的方法、装置、电子设备及介质 |
CN111815738A (zh) * | 2020-06-15 | 2020-10-23 | 北京沃东天骏信息技术有限公司 | 一种构建地图的方法和装置 |
Non-Patent Citations (1)
Title |
---|
多视点图像中线特征的三维重建;邓宝松等;《计算机辅助设计与图形学学报》;20070615(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112396107A (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ge et al. | Fruit localization and environment perception for strawberry harvesting robots | |
KR101933216B1 (ko) | 드론과 공간정보를 이용한 하천지형정보 생성 방법 | |
Morsdorf et al. | Clustering in airborne laser scanning raw data for segmentation of single trees | |
Fritz et al. | UAV-based photogrammetric point clouds–tree stem mapping in open stands in comparison to terrestrial laser scanner point clouds | |
CN111213155A (zh) | 图像处理方法、设备、可移动平台、无人机及存储介质 | |
CN113705108B (zh) | 实时滑坡灾害监测预警方法及系统 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN108830933B (zh) | 一种电力杆塔塔身重建方法、系统、介质及设备 | |
CN111091025B (zh) | 图像处理方法、装置和设备 | |
CN114332134B (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN112561941A (zh) | 一种悬崖检测方法、装置和机器人 | |
CN112381041A (zh) | 一种用于输电线路的树木识别方法、装置及终端设备 | |
CN115909096A (zh) | 无人机巡航管道隐患分析方法、装置及系统 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
CN112329946A (zh) | 地面分割学习模型训练方法、地平面确定方法及相关装置 | |
CN112396107B (zh) | 重建图像选取方法、装置及电子设备 | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
CN113837943A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN114066999A (zh) | 基于三维建模的目标定位系统及方法 | |
CN111104861B (zh) | 用于确定电线位置的方法和设备以及存储介质 | |
CN115683109B (zh) | 基于cuda和三维栅格地图的视觉动态障碍物检测方法 | |
Ullah et al. | Comparing image-based point clouds and airborne laser scanning data for estimating forest heights | |
US9378555B2 (en) | Enhanced outlier removal for 8 point algorithm used in camera motion estimation | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: XAG Co., Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |