CN113012210B - 深度图的生成方法、装置、电子设备和存储介质 - Google Patents
深度图的生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113012210B CN113012210B CN202110320739.0A CN202110320739A CN113012210B CN 113012210 B CN113012210 B CN 113012210B CN 202110320739 A CN202110320739 A CN 202110320739A CN 113012210 B CN113012210 B CN 113012210B
- Authority
- CN
- China
- Prior art keywords
- coordinate position
- dimensional coordinate
- depth
- pixel point
- correction model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000007 visual effect Effects 0.000 claims abstract description 65
- 238000012937 correction Methods 0.000 claims abstract description 53
- 238000000605 extraction Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开公开了深度图的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，具体为计算机视觉、智能交通和深度学习技术领域。实现方案为：根据获取到的点云图和视觉图像，生成视觉图像中各个像素点的第一深度值，根据视觉图像中各个像素点的坐标位置和第一深度值，确定各个像素点在世界坐标系中的三维坐标位置，将各个像素点的三维坐标位置和像素信息输入至深度修正模型，以生成各个像素点的第二深度值，以生成场景的深度图。本公开中将视觉图像中各个像素点和第一深度值投影回三维空间中，基于各个像素点的三维坐标位置和包含的像素信息，在三维空间中进行深度修正，得到最终的深度图，提高了深度估计的准确性。
Description
技术领域
本公开涉及人工智能技术领域，具体为计算机视觉、智能交通和深度学习技术领域，尤其涉及深度图的生成方法、装置、电子设备和存储介质。
背景技术
场景深度补全，即通过算法补全深度图中空洞或者不可靠的位置，得到致密且精确的深度图，是计算机视觉领域中的一个重要课题，在机器人、自动驾驶和增强现实等领域中起到关键性作用。
因此，如何得到准确的深度图是亟待解决的技术问题。
发明内容
本公开提供了一种用于提高深度图确定的准确性的深度图的生成方法、装置、电子设备和存储介质。
根据本公开的一方面，提供了一种深度图的生成方法，包括：
获取场景的点云图和视觉图像；
根据所述点云图和所述视觉图像，生成所述视觉图像中各个像素点的第一深度值；
根据所述视觉图像中所述各个像素点的坐标位置和第一深度值，确定所述各个像素点在世界坐标系中的三维坐标位置；
将所述各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成所述各个像素点的第二深度值；
根据所述各个像素点的第二深度值，生成所述场景的深度图。
根据本公开的另一方面，提供了一种深度图的生成装置，包括：
获取模块，用于获取场景的点云图和视觉图像；
第一生成模块，用于根据所述点云图和所述视觉图像，生成所述视觉图像中各个像素点的第一深度值；
确定模块，用于根据所述视觉图像中所述各个像素点的坐标位置和第一深度值，确定所述各个像素点在世界坐标系中的三维坐标位置；
第二生成模块，用于将所述各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成所述各个像素点的第二深度值；
第三生成模块，用于根据所述各个像素点的第二深度值，生成所述场景的深度图。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的一种深度图的生成方法的流程示意图；
图2为本公开实施例提供的另一种深度图的生成方法的流程示意图；
图3为本公开实施例提供的一种深度图的生成装置的结构示意图；
图4为本公开实施例提供的一种电子设备800的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的深度图的生成方法、装置、电子设备和存储介质。
图1为本公开实施例提供的一种深度图的生成方法的流程示意图。
如图1所示，该方法包括以下步骤：
步骤101，获取场景的点云图和视觉图像。
本实施例的一种示例中，由相机和激光雷达等传感器同步采集场景的视觉图像和点云图数据，其中，视觉图像可以为彩色RGB图像或者是黑白图像。场景，例如，路面道路，建筑物、车辆等。
其中，点云图中的点云：是指通过激光雷达等传感器测量得到的关于物体外观表面的点数据，每个点数据包含x、y、z坐标，深度和反射强度信息。
步骤102，根据点云图和视觉图像，生成视觉图像中各个像素点的第一深度值。
其中，点云图获取到的深度信息是较为稀疏的，场景图像中的部分物体存在未在点云图中展示，也就是说点云图中不包含部分像素点的深度信息。本实施例中，基于点云图中携带的多维信息和视觉图像中包含的像素信息，例如，红Red、绿Green、蓝Blue三原色的信息，定位图像中包含的各物体的结构信息，以初步提取到多维度特征，多维度特征可用于对视觉图像中各个像素点进行初始深度估计，以得到视觉图像中各个像素点的第一深度值。
步骤103，根据视觉图像中各个像素点的坐标位置和第一深度值，确定各个像素点在世界坐标系中的三维坐标位置。
本实施例的一个示例中，将相机坐标系中视觉图像中各个像素点的坐标位置，和第一深度值，利用相机的内参矩阵，投影至世界坐标系中，得到各个像素点在世界坐标系中的三维坐标位置。
其中，u和v是相机坐标系中视觉图像中各个像素点的坐标位置，fx代表相机的横比例焦距，fy代表相机的纵比例焦距，u0和v0代表相机的主点坐标，例如，为原点坐标，Xc、Yc、Zc是像素点投影至世界坐标系中的三维坐标位置。
本实施例中，在获取得到各像素点的初始深度估计值，即第一深度估计值后，将视觉图像中的各个像素点和第一深度估计值，映射至真实的三维世界中，得到各个像素点的三维坐标位置，可用于确定各个像素点在真实世界中的结构关系。
步骤104，将各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成各个像素点的第二深度值。
其中，深度修正模型，已经预先学习到像素点的三维坐标位置和对应的像素点的像素信息，与各个像素点的深度信息间的对应关系。
本实施例中，将三维坐标位置和对应像素点的像素信息，中包含的多个维度信息输入深度修正模型，以捕捉各个像素点在空间中的邻域信息，进而提取得到图像中各个物体在三维空间中的结构信息，以修正初始深度估计中不准的区域对应的像素点的第一深度值或者是补全未确定深度值的各像素点，即第一深度值为0的各像素点的深度值，以得到准确的各个像素点的第二深度值，提高了深度估计的准确性。
步骤105，根据各个像素点的第二深度值，生成场景的深度图。
本实施例中，根据深度修正模型输出的各个像素点的第二深度值，可以生成场景的深度图，提高了场景的深度图确定的准确性。
本实施例的深度图的生成方法中，根据获取到的点云图和视觉图像，生成视觉图像中各个像素点的第一深度值，根据视觉图像中各个像素点的坐标位置和第一深度值，确定各个像素点在世界坐标系中的三维坐标位置，将各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成各个像素点的第二深度值，根据各个像素点的第二深度值，生成场景的深度图。本公开中通过将视觉图像中的各个像素点和第一深度估计值，映射至真实的三维世界中，得到各个像素点的三维坐标位置，基于各个像素点的三维坐标位置和包含的像素信息，以捕捉各个像素点在空间中的邻域信息，进而进行特征提取得到图像中各个物体在三维空间中的结构信息，以对初始深度估计的像素点的第一深度值进行修正，得到准确的各个像素点的第二深度值，提高了深度估计的准确性。
基于上述实施例，本实施例提供了另一种深度图的生成方法，图2为本公开实施例提供的另一种深度图的生成方法的流程示意图，如图2所示，该方法：
步骤201，获取场景的点云图和视觉图像。
具体可参照上述实施例中的解释说明，原理相同，本实施例中不再赘述。
步骤202，将点云图和视觉图像，输入编解码网络，以生成视觉图像中各像素点的第一深度值。
本实施例中，像素信息为红Red、绿Green、蓝Blue三原色的信息，根据RGB信息的相似性，可用于确定物体的结构信息。
在本实施例的一种实现方式中，将点云图和彩色视觉图像，输入编码器和解码器架构的识别模型，其中，编码器encoder网络包含多个卷积层，例如，30-40层的卷积层，提取RGB特征和初始深度的特征，将提取得到的RGB特征和初始深度的特征输入解码器decoder网络，得到视觉图像中各个像素点的初始深度估计值，本实施例中称为第一深度估计，其中，解码器网络包含多层的反卷积层，例如，4-5层的反卷积层。本申请中通过编码和解码网络提取点云图和视觉图像中包含的多维度特征，根据提取到的多维度特征确定深度信息，可提高初始深度估计确定的准确性。
步骤203，根据视觉图像中各个像素点的坐标位置和第一深度值，确定各个像素点在世界坐标系中的三维坐标位置。
具体地，可参照上述实施例中的解释说明，原理相同，本实施例中不再赘述。
步骤204，将各个三维坐标位置，输入至深度修正模型的分组层，以生成各个三维坐标位置的相邻坐标位置。
本实施例中，深度修正模型的分组层，根据三维坐标位置间的距离的远近，确定各个三维坐标位置的相邻坐标位置。
其中，深度修正模型，例如为pointnet网络。
在本实施例的第一种实现方式中，将各个三维坐标位置，输入深度修正模型的分组层，以使得深度修正模型的分组层根据每一个三维坐标位置，确定第一设定空间范围，将处于第一设定空间范围内的三维坐标位置，作为三维坐标位置的相邻坐标位置。具体来说，深度修正模型的分组层以每一个三维坐标位置为圆心，预设的距离为半径，得到一个球形的设定空间范围，将处于该第一设定空间范围内的三维坐标位置，作为相应三维坐标位置的相邻坐标位置。
例如，以三维坐标位置A为圆心，设定距离R为半径，确定对应的球形的第一设定空间范围，确定处于第一设定空间范围内的三维坐标位置有4个，分别记为B1，B2，B3和B4，则三维坐标位置B1，B2，B3和B4为三维坐标位置A的相邻坐标位置。其中，由于相邻坐标位置的三维坐标位置，空间距离较近，通常具有相似的特征，可用于确定三维空间中物体的结构特征，以提高后续深度估计的准确性。
在本实施例的第二种实现方式中，将各个三维坐标位置，输入深度修正模型的分组层，以使得深度修正模型的分组层根据每一个三维坐标位置，确定相应的第一设定空间范围，进而，根据相应的第一设定空间范围内的三维坐标位置和设定的偏移量，确定对应的三维坐标位置的相邻坐标位置，其中，第一设定空间范围内的每一个三维坐标位置具有对应的设定的偏移量，而每一个三维坐标位置对应的设定的偏移量可以相同，也可以不同。具体来说，根据各个三维坐标位置，确定出属于第一设定空间范围内的三维坐标位置，将属于第一设定空间范围内的各个三维坐标位置，根据设定的偏移量中包含的X方向、Y方向和Z方向上的偏移量，确定新的三维坐标位置，将新的三维坐标位置，作为相应三维坐标位置的相邻坐标位置。
例如，根据三维坐标位置A，确定的第一设定空间范围内的三维坐标位置有4个，分别记为B1，B2，B3和B4，将和三维坐标位置B1，B2，B3和B4对应的设定的偏移量叠加，得到偏移后的三维坐标位置，例如，三维坐标位置B1(X1，Y1，Z1)对应的设定的偏移量为ΔX1,ΔY1和ΔZ1，则将B1偏移后得到的三维坐标位置为B1’(X1+ΔX1,Y1+ΔY1,Z1+ΔZ1)。同理，可得到B2，B3和B4偏移后得到的三维坐标位置B2’、B3’和B4’。从而，可将偏移后得到的三维坐标位置B1’、B2’、B3’和B4’作为三维坐标位置A的相邻坐标位置。
需要说明的是，偏移后得到的多个三维坐标位置，可以是各个像素点在世界坐标系中的三维坐标位置中的一个。
例如，在一些场景下，图片中包含的目标物体较大，例如，目标物体为场景图像中的大卡车。由于目标物体体积较大，针对属于目标物体的每一个三维坐标位置，通过将处于第一设定范围内的三维坐标位置进行偏移，将偏移后得到的三维坐标位置作为相邻坐标位置，可以扩大相邻坐标位置的分布范围，以提高后续深度估计的准确性。
其中，在本实施例的一个示例中，设定偏移量的确定方式，可以是根据深度修正模型的分组层中包含的偏移网络确定，该偏移网络已经预先学习到输入的各三维坐标位置和偏移量的对应关系，基于该偏移量可以向物体的远端扩散，提高了不同场景下偏移量确定的准确性，进而提高深度估计的准确性。
作为第三种实现方式，在确定每一个三维坐标位置的相邻坐标位置时，可将上述第一实现方式确定的相邻作为位置和上述第二种实现方式确定的平移后的相邻坐标位置，均作为相应三维坐标位置的相邻坐标位置，以提高了各个点对应的相邻坐标位置点的数量，可在后续步骤中提高每一个三维坐标位置所携带的特征信息量，进而以提高深度估计的准确性。
步骤205，将各个三维坐标位置和对应像素点的像素信息输入至深度修正模型的特征提取层，以生成各个三维坐标位置的第一中间特征。
其中，像素信息为红Red、绿Green、蓝Blue三原色的信息，根据RGB信息的相似性，可用于确定物体的结构信息。
本实施例中，将每一个三维坐标位置和该三维坐标位置对应像素点的像素信息，即将六维信息[R,G,B,Xc,Yc,Zc]输入至深度修正模型的特征提取层，以在三维空间上提取每一个三维坐标位置携带的第一中间特征，其中，第一中间特征指示了像素点的深度信息。
需要说明是，通过对第一设定范围内的多个三维坐标位置进行偏移得到的多个偏移后的三维坐标位置，若偏移后的三维坐标位置不属于视觉图像中各个像素点在世界坐标系中的三维坐标位置，则偏移后的三维坐标位置的第一中间特征，可以是根据和各个偏移后的三维坐标位置距离在设定阈值内的至少一个三维坐标位置的第一中间特征确定的，例如，通过加权平均确定，权重和距离成反比，其中，设定阈值小于设定偏移量。
需要说明的是，步骤205可以在步骤204之前执行，也可以在步骤204之后执行，也可以同步执行，本实施例中不进行限定。
步骤206，将各个三维坐标位置的第一中间特征，和各个三维坐标位置对应的相邻坐标位置的第一中间特征，输入深度修正模型的特征融合层，以得到各个三维坐标位置的第二中间特征。
本实施例中，将提取得到的每一个三维坐标位置对应的相邻坐标位置的第一中间特征融合至相应的三维坐标位置的第一中间特征中，以得到该三维坐标位置的第二中间特征，增加了每个三维坐标位置携带的特征信息，而由于相邻坐标位置具有相近的特征，同属于一个物体空间中的点的概率也很大，可用于构建图像中的物体在三维空间中的结构信息，可提高深度估计时边缘深度估计的准确性。
需要说明的是，上述通过偏移确定的各个三维坐标位置的特征，可基于和相应三维坐标位置的距离在设定范围内的三维坐标位置的特征确定。
例如，C1为偏移得到的一个三维坐标位置，而D1和D2为各个像素点投影得到三维坐标位置，其中，若C1和D1的距离在设定范围内，从而，将D1的第一中间特征作为C1的第一中间特征；若D1和D2，与C1的距离均在设定范围内，则将D1的第一中间和D2的第一中间特征取平均后确定C1的第一中间特征。
步骤207，根据各个三维坐标位置的第二中间特征，生成各个三维坐标位置的第二深度值。
本实施例的一个示例中，根据提取到的每一个三维坐标位置的第二中间特征，将第二中间特征输入特征提取层，继续进行特征提取，其中，第二中间特征输入的特征提取层，和步骤205中的特征提取层，可以为不同的特征提取层，本步骤中的特征提取层可以包含多个子特征提取层，通过多个子特征提取层进行特征提取后，得到的第二中间特征的维度不断的增加。进而，将维度增加的第二中间特征进行特征映射，以进行维度降低得到和深度估计相符的特征，作为一种实现方式，可得到指示深度的一维特征，根据该一维特征，确定对应的三维坐标位置的第二深度值。
步骤208，根据各个像素点的第二深度值，生成场景的深度图。
本实施例中，根据深度修正模型输出的各个像素点的第二深度值，可以生成场景的深度图，提高了场景的深度图确定的准确性。
本实施例的深度图的生成方法中，根据获取到的点云图和视觉图像，生成视觉图像中各个像素点的第一深度值，根据视觉图像中各个像素点的坐标位置和第一深度值，确定各个像素点在世界坐标系中的三维坐标位置，将各个像素点的三维坐标位置和对应像素点的RGB信息输入至深度修正模型，以生成各个像素点的第二深度值，根据各个像素点的第二深度值，生成场景的深度图。本公开中通过将视觉图像中的各个像素点和第一深度估计值，映射至真实的三维世界中，得到各个像素点的三维坐标位置，基于各个像素点的三维坐标位置和包含的RGB信息像素信息，利用pointnet网络捕捉各个像素点在空间中的邻域信息，进而进行特征提取得到图像中各个物体在三维空间中的结构信息，以对初始深度估计的像素点的第一深度值进行修正，得到准确的各个像素点的第二深度值，提高了深度估计的准确性。
在本实施例的一种实现方式中，上述得到各个像素点的第二深度值后，可以将根据得到的第二深度值，重复执行上述步骤203-207，也就说基于深度修正得到的第二深度值重新投影至世界坐标系中，得到更新的三维坐标位置，进而利用深度修正模型重新提取点邻域特征，修正初始深度估计值，得到最终的深度估计值，以提高深度估计的准确性。
为了实现上述实施例，本公开实施例提供了一种深度图的生成装置。
图3为本公开实施例提供的一种深度图的生成装置的结构示意图。
如图3所示，该装置包含：获取模块31、第一生成模块32、确定模块33、第二生成模块34和第三生成模块35。获取模块31，用于获取场景的点云图和视觉图像。
第一生成模块32，用于根据所述点云图和所述视觉图像，生成所述视觉图像中各个像素点的第一深度值。
确定模块33，用于根据所述视觉图像中所述各个像素点的坐标位置和第一深度值，确定所述各个像素点在世界坐标系中的三维坐标位置。
第二生成模块34，用于将所述各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成所述各个像素点的第二深度值。
第三生成模块35，用于根据所述各个像素点的第二深度值，生成所述场景的深度图。
进一步，在本实施例的一种实现方式中，第二生成模块34，包括：
第一生成单元，用于将所述各个三维坐标位置，输入至所述深度修正模型的分组层，以生成所述各个三维坐标位置的相邻坐标位置。
特征提取单元，用于将所述各个三维坐标位置和对应像素点的像素信息输入至所述深度修正模型的特征提取层，以生成所述各个三维坐标位置的第一中间特征。
特征融合单元，用于将所述各个三维坐标位置的所述第一中间特征，和所述各个三维坐标位置对应的相邻坐标位置的第一中间特征，输入所述深度修正模型的特征融合层，以得到所述各个三维坐标位置的第二中间特征。
第二生成单元用于根据所述各个三维坐标位置的第二中间特征，生成所述各个三维坐标位置的第二深度值。
在本实施例的一种实现方式中，上述第一生成单元，具体用于：
所述深度修正模型的分组层根据每一个所述三维坐标位置，确定第一设定空间范围；所述深度修正模型的分组层将处于所述第一设定空间范围内的三维坐标位置，作为所述三维坐标位置的相邻坐标位置。
在本实施例的另一种实现方式中，上述第一生成单元，具体用于：
所述深度修正模型的分组层根据每一个所述三维坐标位置，确定第一设定空间范围；所述深度修正模型的分组层根据第一设定空间范围内的三维坐标位置和设定的偏移量，确定每一个所述三维坐标位置的相邻坐标位置；其中，所述第一设定空间范围内的三维坐标位置和设定的偏移量具有对应关系。
在本实施例的另一种实现方式中，第一生成模块32，具体用于：
将所述点云图和所述视觉图像，输入编解码网络，以生成所述视觉图像中各像素点的第一深度值。
需要说明的是，前述对方法实施例的解释说明也适用于本实施例的装置，原理相同，本实施例中不再赘述。
本实施例的深度图的生成装置中，根据获取到的点云图和视觉图像，生成视觉图像中各个像素点的第一深度值，根据视觉图像中各个像素点的坐标位置和第一深度值，确定各个像素点在世界坐标系中的三维坐标位置，将各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成各个像素点的第二深度值，根据各个像素点的第二深度值，生成场景的深度图。本公开中通过将视觉图像中的各个像素点和第一深度估计值，映射至真实的三维世界中，得到各个像素点的三维坐标位置，基于各个像素点的三维坐标位置和包含的像素信息，以捕捉各个像素点在空间中的邻域信息，进而进行特征提取得到图像中各个物体在三维空间中的结构信息，以对初始深度估计的像素点的第一深度值进行修正，得到准确的各个像素点的第二深度值，提高了深度估计的准确性。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
为了实现上述实施例，本公开实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述方法实施例所述的方法。
为了实现上述实施例，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述方法实施例所述的方法。
为了实现上述实施例，本公开实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述方法实施例所述的方法。
图4为本公开实施例提供的一种电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如深度图的生成方法。例如，在一些实施例中，深度图的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的深度图的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行深度图的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (11)
1.一种深度图的生成方法，包括：
获取场景的点云图和视觉图像；
根据所述点云图和所述视觉图像，生成所述视觉图像中各个像素点的第一深度值；
根据所述视觉图像中所述各个像素点的坐标位置和第一深度值，确定所述各个像素点在世界坐标系中的三维坐标位置；
将所述各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成所述各个像素点的第二深度值；
根据所述各个像素点的第二深度值，生成所述场景的深度图；
所述将所述各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成所述各个像素点的第二深度值，包括：
将所述各个三维坐标位置，输入至所述深度修正模型的分组层，以生成所述各个三维坐标位置的相邻坐标位置；
将所述各个三维坐标位置和对应像素点的像素信息输入至所述深度修正模型的特征提取层，以生成所述各个三维坐标位置的第一中间特征；
将所述各个三维坐标位置的所述第一中间特征，和所述各个三维坐标位置对应的相邻坐标位置的第一中间特征，输入所述深度修正模型的特征融合层，以得到所述各个三维坐标位置的第二中间特征；
根据所述各个三维坐标位置的第二中间特征，生成所述各个三维坐标位置的第二深度值。
2.根据权利要求1所述的方法，其中，所述将各个三维坐标位置，输入所述深度修正模型的分组层，以生成所述各个三维坐标位置的相邻坐标位置，包括：
所述深度修正模型的分组层根据每一个所述三维坐标位置，确定第一设定空间范围；
所述深度修正模型的分组层将处于所述第一设定空间范围内的三维坐标位置，作为所述三维坐标位置的相邻坐标位置。
3.根据权利要求1所述的方法，其中，所述将各个三维坐标位置，输入所述深度修正模型的分组层，以生成所述各个三维坐标位置的相邻坐标位置，包括：
所述深度修正模型的分组层根据每一个所述三维坐标位置，确定第一设定空间范围；
所述深度修正模型的分组层根据第一设定空间范围内的三维坐标位置和设定的偏移量，确定每一个所述三维坐标位置的相邻坐标位置；其中，所述第一设定空间范围内的三维坐标位置和设定的偏移量具有对应关系。
4.根据权利要求1所述的方法，其中，所述根据所述点云图和所述视觉图像，生成所述视觉图像中各像素点的第一深度值，包括：
将所述点云图和所述视觉图像，输入编解码网络，以生成所述视觉图像中各像素点的第一深度值。
5.一种深度图的生成装置，包括：
获取模块，用于获取场景的点云图和视觉图像；
第一生成模块，用于根据所述点云图和所述视觉图像，生成所述视觉图像中各个像素点的第一深度值；
确定模块，用于根据所述视觉图像中所述各个像素点的坐标位置和第一深度值，确定所述各个像素点在世界坐标系中的三维坐标位置；
第二生成模块，用于将所述各个像素点的三维坐标位置和对应像素点的像素信息输入至深度修正模型，以生成所述各个像素点的第二深度值；
第三生成模块，用于根据所述各个像素点的第二深度值，生成所述场景的深度图；
所述第二生成模块，包括：
第一生成单元，用于将所述各个三维坐标位置，输入至所述深度修正模型的分组层，以生成所述各个三维坐标位置的相邻坐标位置；
特征提取单元，用于将所述各个三维坐标位置和对应像素点的像素信息输入至所述深度修正模型的特征提取层，以生成所述各个三维坐标位置的第一中间特征；
特征融合单元，用于将所述各个三维坐标位置的所述第一中间特征，和所述各个三维坐标位置对应的相邻坐标位置的第一中间特征，输入所述深度修正模型的特征融合层，以得到所述各个三维坐标位置的第二中间特征；
第二生成单元，用于根据所述各个三维坐标位置的第二中间特征，生成所述各个三维坐标位置的第二深度值。
6.根据权利要求5所述的装置，其中，所述第一生成单元，具体用于：
所述深度修正模型的分组层根据每一个所述三维坐标位置，确定第一设定空间范围；
所述深度修正模型的分组层将处于所述第一设定空间范围内的三维坐标位置，作为所述三维坐标位置的相邻坐标位置。
7.根据权利要求5所述的装置，其中，所述第一生成单元，具体用于：
所述深度修正模型的分组层根据每一个所述三维坐标位置，确定第一设定空间范围；
所述深度修正模型的分组层根据第一设定空间范围内的三维坐标位置和设定的偏移量，确定每一个所述三维坐标位置的相邻坐标位置；其中，所述第一设定空间范围内的三维坐标位置和设定的偏移量具有对应关系。
8.根据权利要求5所述的装置，其中，所述第一生成模块，具体用于：
将所述点云图和所述视觉图像，输入编解码网络，以生成所述视觉图像中各像素点的第一深度值。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110320739.0A CN113012210B (zh) | 2021-03-25 | 2021-03-25 | 深度图的生成方法、装置、电子设备和存储介质 |
| EP22164198.8A EP4027299A3 (en) | 2021-03-25 | 2022-03-24 | Method and apparatus for generating depth map, and storage medium |
| US17/703,731 US20220215565A1 (en) | 2021-03-25 | 2022-03-24 | Method for generating depth map, elecronic device and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110320739.0A CN113012210B (zh) | 2021-03-25 | 2021-03-25 | 深度图的生成方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113012210A CN113012210A (zh) | 2021-06-22 |
| CN113012210B true CN113012210B (zh) | 2022-09-27 |
Family
ID=76407213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110320739.0A Active CN113012210B (zh) | 2021-03-25 | 2021-03-25 | 深度图的生成方法、装置、电子设备和存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220215565A1 (zh) |
| EP (1) | EP4027299A3 (zh) |
| CN (1) | CN113012210B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230195854A1 (en) * | 2021-12-22 | 2023-06-22 | Julien Ip | Filtering of dynamic objects from vehicle generated map |
| CN114463409B (zh) * | 2022-02-11 | 2023-09-26 | 北京百度网讯科技有限公司 | 图像深度信息的确定方法、装置、电子设备和介质 |
| CN114723796A (zh) * | 2022-04-24 | 2022-07-08 | 北京百度网讯科技有限公司 | 一种三维点云生成方法、装置及电子设备 |
| CN114723894B (zh) * | 2022-04-28 | 2023-10-13 | 北京百度网讯科技有限公司 | 一种三维坐标获取方法、装置及电子设备 |
| CN115174774B (zh) * | 2022-06-29 | 2024-01-26 | 上海飞机制造有限公司 | 一种深度图像的压缩方法、装置、设备及存储介质 |
| CN115334239B (zh) * | 2022-08-10 | 2023-12-15 | 青岛海信移动通信技术有限公司 | 前后摄像头拍照融合的方法、终端设备和存储介质 |
| CN115578433B (zh) * | 2022-09-30 | 2023-09-01 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN115329111B (zh) * | 2022-10-11 | 2023-02-03 | 齐鲁空天信息研究院 | 一种基于点云与影像匹配的影像特征库构建方法及系统 |
| CN116527663B (zh) * | 2023-04-10 | 2024-04-26 | 北京城市网邻信息技术有限公司 | 信息处理方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833253A (zh) * | 2017-09-22 | 2018-03-23 | 北京航空航天大学青岛研究院 | 一种面向rgbd三维重建纹理生成的相机姿态优化方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241977A (zh) * | 2019-07-16 | 2021-01-19 | 北京京东乾石科技有限公司 | 一种特征点的深度估计方法和装置 |
| CN112446909B (zh) * | 2019-08-30 | 2022-02-01 | 上海商汤临港智能科技有限公司 | 一种深度图像补全方法及装置、计算机可读存储介质 |
| CN111223053A (zh) * | 2019-11-18 | 2020-06-02 | 北京邮电大学 | 基于深度图像的数据增强方法 |
| CN111161338B (zh) * | 2019-12-26 | 2022-05-17 | 浙江大学 | 一种基于二维图像灰度进行深度预测的点云密度提升方法 |
| CN111340864B (zh) * | 2020-02-26 | 2023-12-12 | 浙江大华技术股份有限公司 | 基于单目估计的三维场景融合方法及装置 |
| CN111583323B (zh) * | 2020-04-30 | 2023-04-25 | 深圳大学 | 一种单帧结构光场三维成像方法和系统 |
| CN111612728B (zh) * | 2020-05-25 | 2023-07-25 | 北京交通大学 | 一种基于双目rgb图像的3d点云稠密化方法和装置 |
| CN111721281B (zh) * | 2020-05-27 | 2022-07-15 | 阿波罗智联(北京)科技有限公司 | 位置识别方法、装置和电子设备 |
| CN112270745B (zh) * | 2020-11-04 | 2023-09-29 | 北京百度网讯科技有限公司 | 一种图像生成方法、装置、设备以及存储介质 |
-
2021
- 2021-03-25 CN CN202110320739.0A patent/CN113012210B/zh active Active
-
2022
- 2022-03-24 US US17/703,731 patent/US20220215565A1/en not_active Abandoned
- 2022-03-24 EP EP22164198.8A patent/EP4027299A3/en not_active Withdrawn
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833253A (zh) * | 2017-09-22 | 2018-03-23 | 北京航空航天大学青岛研究院 | 一种面向rgbd三维重建纹理生成的相机姿态优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4027299A3 (en) | 2022-09-21 |
| US20220215565A1 (en) | 2022-07-07 |
| CN113012210A (zh) | 2021-06-22 |
| EP4027299A2 (en) | 2022-07-13 |
| EP4027299A8 (en) | 2022-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113012210B (zh) | 深度图的生成方法、装置、电子设备和存储介质 | |
| CN113902897A (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
| CN112634343A (zh) | 图像深度估计模型的训练方法、图像深度信息的处理方法 | |
| WO2020083307A1 (en) | Method, apparatus, and storage medium for obtaining depth image | |
| CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
| CN113378760A (zh) | 训练目标检测模型和检测目标的方法及装置 | |
| CN112097732A (zh) | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 | |
| CN114186632A (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
| CN112734837B (zh) | 图像匹配的方法及装置、电子设备及车辆 | |
| CN112862006A (zh) | 图像深度信息获取模型的训练方法、装置及电子设备 | |
| CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
| CN112509126A (zh) | 三维物体检测的方法、装置、设备及存储介质 | |
| CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
| CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
| CN117078767A (zh) | 激光雷达与相机标定方法、装置、电子设备及存储介质 | |
| CN115880555B (zh) | 目标检测方法、模型训练方法、装置、设备及介质 | |
| CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
| CN114842066A (zh) | 图像深度识别模型训练方法、图像深度识别方法及装置 | |
| CN113591969B (zh) | 面部相似度评测方法、装置、设备以及存储介质 | |
| CN115205361A (zh) | 深度图像补全方法、装置、设备及存储介质 | |
| CN114510996A (zh) | 基于视频的车辆匹配方法、装置、电子设备及存储介质 | |
| CN114266879A (zh) | 三维数据增强、模型训练检测方法、设备及自动驾驶车辆 | |
| CN113554882A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
| CN115345919B (zh) | 一种深度确定方法、装置、电子设备以及存储介质 | |
| CN112819890A (zh) | 三维物体检测方法、装置、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 |