CN114565721A - 对象确定方法、装置、设备、存储介质以及程序产品 - Google Patents

Abstract

本公开提供了一种对象确定方法、装置、设备、存储介质以及程序产品，涉及图像处理技术领域，尤其涉及计算机视觉技术领域。具体实现方案为：获取整体对象图像和多个局部对象图像，其中，任意一个局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠；对整体对象图像进行目标检测，得到目标对象数据；对多个局部对象图像执行匹配，得到匹配数据；根据匹配数据，对局部对象图像进行三维重建，得到三维目标对象图像；以及根据目标对象数据相对于三维目标对象图像的映射，确定目标对象的尺寸数据。

Description

对象确定方法、装置、设备、存储介质以及程序产品

技术领域

本公开涉及图像处理技术领域，尤其涉及计算机视觉技术领域，具体涉及一种对象确定方法、装置、设备、存储介质以及程序产品。

背景技术

随着计算机技术的发展，生产、生活的各个方面逐渐趋向自动化。如何在恶劣环境下提高作业质量是一个亟待解决的问题。

发明内容

本公开提供了一种对象确定方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种对象确定方法，包括：获取整体对象图像和多个局部对象图像，其中，任意一个局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠；对整体对象图像进行目标检测，得到目标对象数据；对多个局部对象图像执行匹配，得到匹配数据；根据匹配数据，对局部对象图像进行三维重建，得到三维目标对象图像；以及根据目标对象数据相对于三维目标对象图像的映射，确定目标对象的尺寸数据。

根据本公开的另一方面，提供了一种对象确定装置，包括：图像获取模块、目标对象数据确定模块、匹配模块、三维重建模块以及尺寸数据确定模块。图像获取模块，用于获取整体对象图像和多个局部对象图像，其中，任意一个局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠；目标对象数据确定模块，用于对整体对象图像进行目标检测，得到目标对象数据；匹配模块，用于对多个局部对象图像执行匹配，得到匹配数据；三维重建模块，用于根据匹配数据，对局部对象图像进行三维重建，得到三维目标对象图像；尺寸数据确定模块，用于根据目标对象数据相对于三维目标对象图像的映射，确定目标对象的尺寸数据。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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本公开实施例的方法。

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，所述计算机指令用于使所述计算机执行本公开实施例的方法。

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本公开实施例的方法。

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示意性示出了根据本公开实施例的对象确定方法和装置的系统架构图；

图2示意性示出了根据本公开实施例的对象确定方法的流程图；

图3示意性示出了根据本公开实施例的对象确定方法的示意图；

图4示意性示出了根据本公开一实施例的得到匹配数据的示意图；

图5示意性示出了根据本公开一实施例的得到三维目标对象图像的示意图；

图6示意性示出了根据本公开另一实施例的对象确定方法的示意图；

图7示意性示出了根据本公开实施例的对象确定装置的框图；以及

图8示意性示出了可以实现本公开实施例的对象确定方法的电子设备的框图。

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。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

目前，随着计算机技术的发展，生产、生活的各个方面逐渐趋向自动化。但是，在一些例如恶劣环境下的作业仍然需要人工执行，具有人力成本高昂、作业效率低下等缺陷。

例如，在隧道围岩施工过程涉及打孔、装药、爆破、清理、筑基等程序。其中，如何打孔、如何确定装药量取决于围岩等级，而围岩等级与围岩裂隙尺寸等因素相关。在围岩施工场地这一恶劣环境下，如何高效地确定围岩等级成为一个亟待解决的问题。

一些实施例中，通过人工目测围岩裂隙尺寸并计算得到围岩等级。具有人力成本高昂、主观性强等缺陷。

一些实施例中，通过起重机载人，到围岩高处测量，确定围岩裂隙尺寸。虽然可以提高准确性，但是具有安全隐患，同时会影响施工进度。

一些实施例中，通过在围岩上放置长度标定物并拍摄包括长度标定物的图片，估计图片中像素数与长度标定物的长度比例，得到比例因子，根据比例因子确定裂隙长度。这种裂隙长度确定方法需确保围岩平面与相机平面平行，实际测量过程中，因为视角、站立位置等因素会导致较大的测量误差。

以下将以确定围岩裂隙长度为例说明本公开实施例的对象确定方法。需要说明的是，本公开实施例的对象确定方法还可以应用于其他场景下确定对象尺寸，在此不作具体限定。

图1示意性示出了根据本公开一实施例的对象确定方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括成像设备101、客户端102、网络103和服务器104。网络103用以在成像设备101、客户端102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用成像设备101拍摄图像，并将图像传输至客户端102，客户端102可以通过网络103与服务器104交互，以接收或发送消息等。客户端102上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

成像设备101可以是照相机等设备。

客户端102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端102例如可以运行应用程序。

服务器104可以是提供各种服务的服务器，例如对用户利用客户端102所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器104还可以是云服务器，即服务器104具有云计算功能。

需要说明的是，本公开实施例所提供的对象确定方法可以由服务器104执行。相应地，本公开实施例所提供的对象确定装置可以设置于服务器104中。本公开实施例所提供的对象确定方法也可以由不同于服务器104且能够与客户端102和/或服务器104通信的服务器或服务器集群执行。相应地，本公开实施例所提供的对象确定装置也可以设置于不同于服务器104且能够与客户端102和/或服务器104通信的服务器或服务器集群中。

在一种示例中，用户可以使用成像设备101获取整体对象图像和多个局部对象图像，并通过网络103传输整体对象图像和多个局部对象图像至客户端102，服务器104可以通过网络103获取来自客户端102的整体对象图像和多个局部对象图像。

应该理解，图1中的成像设备、客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的成像设备、客户端、网络和服务器。

应注意，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

本公开实施例提供了一种对象确定方法，下面结合图1的系统架构，参考图2～图6来描述根据本公开示例性实施方式的对象确定方法。本公开实施例的对象确定方法例如可以由图1所示的服务器104来执行。

图2示意性示出了根据本公开一实施例的对象确定方法的流程图。

如图2所示，本公开实施例的对象确定方法200例如可以包括操作S210～操作S250。

在操作S210，获取整体对象图像和多个局部对象图像。

以下仍以上述确定围岩裂隙这一目标对象的尺寸数据为例说明本公开是实施例的对象确定方法。整体对象图像例如可以是包括整体围岩的图像，局部对象图像例如可以是包括围岩局部的图像。

示例性地，可以在利用成像设备得到整体对象图像之后，将整体对象图像划分成多个区域，利用成像设备对每一个区域进行拍摄，得到多个局部对象图像。任意一个局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠。

整体对象图像和多个局部对象图像均为二维平面图像。局部对象图像相对于整体独享图像更加清楚，也可以显示更多的细节，局部对象图像与整体对象图像可以对应不同的视角。

示例性地，可以获取三个整体对象图像，三个整体对象图像可以分别对应目标对象的左侧45度、右侧45度以及正向90度的视角。

在操作S220，对整体对象图像进行目标检测，得到目标对象数据。

目标对象数据可以理解为根据二维的整体对象图像确定的用于间接地计算目标对象的尺寸数据的相关数据。

在操作S230，对多个局部对象图像执行匹配，得到匹配数据。

可以理解，多个局部对象图像是各自独立的，并且任意一个局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠，可以将存在重叠的区域作为匹配基础，对多个局部对象图像执行匹配，得到匹配数据。

在操作S240，根据匹配数据，对局部对象图像进行三维重建，得到三维目标对象图像。

三维重建可以理解为根据单视图或者多视图的图像重建三维信息的过程。通过对局部对象图像进行三维重建，得到的三维目标对象图像可以表征目标对象的整体三维数据信息。

在操作S250，根据目标对象数据相对于三维目标对象图像的映射，确定目标对象的尺寸数据。

可以理解，整体对象图像是目标对象的二维图像，三维目标对象图像是目标对象的三维图像。

本公开实施例的对象确定方法，通过检测整体对象图像，得到的目标对象数据用于间接确定目标对象的尺寸数据。通过匹配具有重叠区域的局部对象图像，得到的匹配数据可以用于准确地进行三维重建，通过三维重建得到的三维目标对象图像还可以体现目标对象的深度，因此，通过二维的目标对象数据相对于三维目标对象图像的映射可以准确地确定目标对象的尺寸数据。

本公开实施例的对象确定方法可以自动确定对象尺寸数据，适用于高精度测量和作业环境恶劣等应用场景。例如，在确定围岩裂隙长度这一应用场景，具有更高的对象确定效率。

需要说明的是，操作S210～操作S250仅表示不同的操作，并不表示操作顺序先后。例如，在执行操作S210之后，操作S220与操作S230的执行顺序可以调换，或者，操作S230和操作S240可以在操作S220之前执行。

示例性地，还可以对整体对象图像和多个局部对象图像执行匹配，以提高匹配准确性。

图3示意性示出了根据本公开实施例的对象确定方法300的示意图。

如图3所示，根据本公开实施例的对象确定方法300，包括操作S310～操作S350。

在操作S310，获取整体对象图像301和多个局部对象图像302。在操作S320，对整体对象图像301进行目标检测，得到目标对象数据303。在操作S330，对多个局部对象图像302执行匹配，得到匹配数据304。在操作S340，根据匹配数据304，对局部对象图像302进行三维重建，得到三维目标对象图像305。在操作S350，根据目标对象数据303相对于三维目标对象图像305的映射，确定目标对象的尺寸数据306。

图4示意性示出了本公开一实施例的得到匹配数据的示意图。

如图4所示，根据本公开实施例，操作S430的对多个局部对象图像执行匹配，得到匹配数据可以包括：操作S431～操作S432。

在操作S431，对局部对象图像401进行特征检测，得到特征点402。

特征点可以理解为图像灰度值发生剧烈变化的点或者在图像边缘处曲率较大的点。特征点可以反映图像本质特征，还可以标识图像中的目标对象。

示例性地，可以利用特征描述子表征特征点。特征描述子可以理解为利用向量表示的特征点，该向量可以按照人为规定的方式，描述特征点周围像素的信息。

示例性地，可以通过SIFT算法(SIFT，即Scale-Invariant Feature Transform，尺度不变特征转换)对局部对象图像进行特征检测，得到SIFT特征描述子。通过SIFT算法得到的特征描述子具有稳定性高、几何测量不变形和对于光线、噪声以及微视角改变的容忍度高等优点，可以提高特征检测的准确性。

在操作S432，根据特征点402，对多个局部对象图像401执行匹配，得到初始匹配数据，初始匹配数据可以包括初始图像匹配对403以及初始图像匹配对的图像之间的重叠区域404。

由于特征描述子是一个向量，因此，可以通过两个特征描述子之间的距离数值大小反映两个相对应的特征点之间的匹配程度。

操作S432的“对多个局部对象图像401执行匹配”可以理解为：通过上述特征检测的方式，检测到每一个局部对象图像的至少一个特征点，将每一个局部对象图像的至少一个特征点作为一个特征点集合。对任意两个局部对象图像的特征点集合分别进行特征点的匹配。

初始图像匹配对可以理解为经过匹配后，匹配成功的两个局部对象图像。初始图像匹配对的图像之间的重叠区域可以理解为初始图像匹配对的匹配成功的特征描述子所在区域。

示例性地，可以根据以下匹配策略中的一个对多个局部对象图像401执行匹配：暴力匹配方法、交叉匹配、KNN匹配以及RANSAC匹配(RANSAC即Random Sample Consensus，随机采样一致性)。

示例性地，可以根据RANSAC匹配策略对多个局部对象图像执行匹配，以得到准确的、高鲁棒性的初始匹配数据。

本公开实施例的对象确定方法，通过特征检测以及对多个局部对象图像执行匹配的方式，可以自动关联具有匹配关系的局部对象图像，便于后续进行准确的三维重建等操作。

如图4所示，操作S430的对多个局部对象图像执行匹配，得到匹配数据还可以包括：操作S433。

在操作S433，根据初始图像匹配对的重叠区域404和特征点402，对初始图像匹配对403进行几何验证，得到目标匹配数据。

目标匹配数据可以包括目标图像匹配对405。

示例性地，可以通过：根据初始图像匹配对确定相机的本质矩阵-通过包括两个相机焦点和一个空间目标点的三焦点张量的方式，对初始图像匹配对做整体的几何验证。其中，本质矩阵可以反映一个空间点在不同视角的摄像机坐标系中的关系。

示例性地，可以定义一个比例R：R＝n1/n2，其中，针对某一初始图像匹配对C，n1表示针对初始图像匹配对C在经过几何验证后匹配的特征点的数量，n2表示针对初始图像匹配对C在经过几何验证前匹配的特征点的数量。在R大于某一阈值Th时，可以确定初始图像匹配对C通过几何验证，并确定该初始图像匹配对C为一个目标图像匹配对。

初始匹配数据是根据特征点，对局部对象图像执行匹配得到的，初始匹配数据仅与视觉的特征点相关。局部对象图像是一个二维平面图像，仅根据视觉的特征点执行匹配容易出现匹配错误的情况。

本公开实施例的对象确定方法，可以通过对初始图像匹配对进行几何验证的方式，对初始图像匹配对的匹配关系进行验证，提高匹配准确性。

图5示意性示出了根据本公开一实施例的得到三维目标对象图像的示意图。

如图5所示，操作S540的根据匹配数据，对局部对象图像进行三维重建，得到三维目标对象图像可以包括：操作S541～操作S544。

在操作S541，根据目标图像匹配对501，确定重建初始图像匹配对502。

目标图像匹配对可以包括多个，可以从多个目标图像匹配对中确定一个目标图像匹配对为重建初始图像匹配对。

在操作S542，对重建初始图像匹配对502、局部对象图像503以及整体对象图像504进行图像配准，得到待配准图像505和已配准图像506。

图像配准可以理解为将不同时间、不同成像设备(成像设备)或者不同条件下获取的两个或者多个图像进行匹配、叠加的过程。

图像配准可以包括：通过匹配的特征点确定图像-空间坐标变换参数，根据图像-空间坐标变换参数进行配准。

示例性地，以重建初始图像匹配对于局部对象图像进行图像配准为例进行说明。例如局部对象图像包括I₁至I₉。重建初始图像匹配对包括I₁和I₂。可以通过每次配准一张局部对象图像，共计7次配准，将除了重建初始图像匹配对之外的所有局部对象图像全部配准完毕。例如在第一次配准时，将局部对象图像I₃配准至重建初始图像匹配对，此时，I₁、I₂、I₃为已配准图像，I₄至I9为待配准图像。可以理解，在7次配准完毕时，得到最终的已配准图像，此时不存在待配准图像。

在操作S543，对待配准图像与已配准图像进行三角化处理，得到三角化特征点507。

三角化可以理解为：通过三角原理确定空间点的过程。

三角原理可以理解为：给定两幅图像在同一世界坐标系下的摄像机矩阵P和P’，m和m’是两幅图像的一个点对应，m和m’满足极几何约束m′Fm＝0现在要根据P和P’计算点对应的空间点。由于m的反透射线lm和m’的反透射线lm’确定了通过两摄像机光心的一张平面f，即一张极平面，所以两条反透射线lm和lm’必相交于一个空间点。也就是说，对应点的反透射线与两个摄像机的基线构成一个三角形，这个三角形的顶点是两个摄像机的光心和两条反投射线的交点，这个交点是我们要确定的空间点X。

三角化处理可以包括：从待配准图像与已配准图像提取匹配点对-根据匹配点计算本质矩阵，在通过奇异值分解，计算待配准图像与已配准图像的相对位姿-根据相对位姿，确定匹配点对对应的空间3D点坐标。这里的空间3D点坐标即三角化特征点。

在操作S544，根据三角化特征点507和三维重建模型509，对已配准图像506进行三维重建，得到三维目标对象图像510。

示例性地，三维重建模型可以包括MVS网络模型。

可以理解，待配准图像与已配准图像具有点对应，新配准的图像可以拓展后续三维重建的三维目标对象图像的覆盖范围。本公开实施例的对象确定方法，可以通过三角化处理不断拓展三维模型，得到完整的、覆盖范围更大的三维目标对象图像，通过冗余提高三维目标对象图像的表达能力。

需要说明的是，重建初始图像匹配对可能对应于整体目标图像的中间区域，也可能对应于整体目标图像的边缘区域。在重建初始图像匹配对对应于整体目标图像的中间区域时，会有相对更多的局部对象图像与重建初始图像匹配对重叠，因此，对应于整体目标图像的中间区域的重建初始图像匹配对具有更多的冗余，可以产生高鲁棒性和准确性更高的三维目标对象图像。在重建初始图像匹配对对应于整体目标图像的边缘区域时，三维重建过程更加快速。

如图5所示，根据本公开实施例，操作S540的根据三角化特征点和三维重建模型，对已配准图像进行三维重建，得到三维目标对象图像可以包括：操作S545和操作S546。

在操作S545，对三角化特征点507进行光束平差处理，得到目标特征点508。

在操作S546，根据目标特征点508和三维重建模型509，对已配准图像506进行三维重建，得到三维目标对象图像。

上述操作得到的三角化特征点为特征点的三维坐标，实际上可能由于存在噪声，三角化特征点以及上述操作可以得到的例如相机姿态等其他参数存在误差的情况。光束平差处理用于基于已知的观测值进行调整优化，使得上述操作得到的三角化特征点等参数尽可能地接近真实数值。

本公开实施例的对象确定方法，可以通过光束平差处理，优化三角化特征点等参数的数值，可以得到准确的三维目标对象图像。上述实施例中，在重建初始图像匹配对对应于整体目标图像的边缘区域时，三维重建过程更加快速，但是同时图像更加稀疏。通过光束平差处理，可以避免因图像稀疏造成的三维重建准确性下降。

图6示意性示出了根据本公开另一实施例的对象确定方法600。

如图6所示，根据本公开实施例的对象确定方法，操作S620的对整体对象图像进行目标检测，得到目标对象数据可以包括：操作S621。

在操作S621，利用目标分割模型602对整体对象图像601进行目标检测，得到目标对象点数据603和目标对象曲线数据604。

示例性地，目标分割模型可以包括：HR-Net模型(HR-Net，即，High ResolutionNet，高分辨率网络)。

本公开实施例的对象确定方法，可以根据目标分割模型，自动确定目标对象点数据和目标对象曲线数据，提高对象确定效率。

需要说明的是，在一些情况下，目标对象点数据还可以通过上述操作的对局部对象图像进行特征检测得到。即可以在得到特征点后，确定至少部分特征点为目标对象特征点，或者，还可以在得到特征点后，根据至少部分特征点确定目标对象曲线数据。此时，可以不执行上述的对整体对象图像进行目标检测这一操作。

如图6所示，根据本公开实施例的对象确定方法600，操作S650的根据目标对象数据相对于三维目标对象图像的映射，确定目标对象的尺寸数据可以包括：操作S651～操作S652。

在操作S651，根据目标对象点数据603和目标对象曲线数据604相对于三维目标对象图像605的映射，得到三维目标对象点数据606和三维目标对象曲线数据604。

可以理解，整体对象图像是二维图像，三维目标对象图像是与整体对象图像对应的三维图像。通过整体对象图像检测到的二维的目标对象点数据和目标对象曲线数据可以映射至三维目标对象图像，从而得到三维目标对象点数据和三维目标对象曲线数据。

在操作S652，对三维目标对象点数据606和三维目标对象曲线数据607进行三维坐标计算，得到目标对象的尺寸数据608。

本公开实施例的对象确定方法，通过三维目标对象点数据和三维目标对象曲线数据，可以避免视觉偏差、缺失深度等原因的影响，得到准确的目标对象的尺寸数据。

示例性地，以确定围岩裂隙这一目标对象的长度尺寸数据为例，可以确定围岩裂隙的两个端点对应的三维目标对象点数据，通过距离计算公式，确定围岩裂隙的长度尺寸数据。

图7示意性示出了根据本公开一实施例的对象确定装置的框图。

如图7所示，本公开实施例的对象确定装置700例如包括图像获取模块710、目标对象数据确定模块720、匹配模块730、三维重建模块740以及尺寸数据确定模块750。

图像获取模块710，用于获取整体对象图像和多个局部对象图像。其中，任意一个局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠。

目标对象数据确定模块720，用于对整体对象图像进行目标检测，得到目标对象数据。

匹配模块730，用于对多个局部对象图像执行匹配，得到匹配数据。

三维重建模块740，用于根据匹配数据，对局部对象图像进行三维重建，得到三维目标对象图像。

尺寸数据确定模块750，用于根据目标对象数据相对于三维目标对象图像的映射，确定目标对象的尺寸数据。

根据本公开的实施例，匹配模块可以包括：特征检测子模块和匹配子模块。

特征检测子模块，可以用于对局部对象图像进行特征检测，得到特征点。

匹配子模块，可以用于根据特征点，对多个局部对象图像执行匹配，得到初始匹配数据，初始匹配数据包括初始图像匹配对以及初始图像匹配对的图像之间的重叠区域。

根据本公开的实施例，匹配模块还可以包括：几何验证子模块。

几何验证子模块，可以用于根据初始图像匹配对的重叠区域和特征点，对初始图像匹配对进行几何验证，得到目标匹配数据。其中，目标匹配数据包括目标图像匹配对。

根据本公开的实施例，三维重建模块可以包括：重建初始图像匹配对确定子模块、图像配准子模块、三角化处理子模块以及三维重建子模块。

重建初始图像匹配对确定子模块，可以用于根据目标图像匹配对，确定重建初始图像匹配对。

图像配准子模块，可以用于对重建初始图像匹配对、局部对象图像以及整体对象图像进行图像配准，得到待配准图像和已配准图像。

三角化处理子模块，可以用于对待配准图像与已配准图像进行三角化处理，得到三角化特征点。

三维重建子模块，可以用于根据三角化特征点和三维重建模型，对已配准图像进行三维重建，得到三维目标对象图像。

根据本公开的实施例，三维重建子模块可以包括：光束平差处理单元和三维重建单元。

光束平差处理单元，可以用于对三角化特征点进行光束平差处理，得到目标特征点。

三维重建单元，可以用于根据目标特征点和三维重建模型，对已配准图像进行三维重建，得到三维目标对象图像。

根据本公开的实施例，目标对象数据确定模块可以包括：目标对象数据确定子模块。

目标对象数据确定子模块，可以用于利用目标分割模型对整体对象图像进行目标检测，得到目标对象点数据和目标对象曲线数据。

根据本公开的实施例，尺寸数据确定模块可以包括：数据确定子模块和计算子模块。

数据确定子模块，可以用于根据目标对象点数据和目标对象曲线数据相对于三维目标对象图像的映射，得到三维目标对象点数据和三维目标对象曲线数据。

计算子模块，可以用于对三维目标对象点数据和三维目标对象曲线数据进行三维坐标计算，得到目标对象的尺寸数据。

应该理解，本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似，所解决的技术问题和所达到的技术效果也对应相同或类似，本公开在此不再赘述。

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。

图8示出了可以用来实施本公开的实施例的示例电子设备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8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，例如对象确定方法。例如，在一些实施例中，对象确定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对象确定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)而被配置为执行对象确定方法。

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)、复杂可编程逻辑设备(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 (17)

1.一种对象确定方法，包括：

获取整体对象图像和多个局部对象图像，其中，任意一个所述局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠；

对所述整体对象图像进行目标检测，得到目标对象数据；

对所述多个局部对象图像执行匹配，得到匹配数据；

根据所述匹配数据，对所述局部对象图像进行三维重建，得到三维目标对象图像；以及

根据所述目标对象数据相对于所述三维目标对象图像的映射，确定所述目标对象的尺寸数据。

2.根据权利要求1所述的方法，其中，所述对所述多个局部对象图像执行匹配，得到匹配数据包括：

对所述局部对象图像进行特征检测，得到特征点；以及

根据所述特征点，对所述多个局部对象图像执行匹配，得到初始匹配数据，所述初始匹配数据包括初始图像匹配对以及所述初始图像匹配对的图像之间的重叠区域。

3.根据权利要求2所述的方法，其中，所述对所述多个局部对象图像执行匹配，得到匹配数据还包括：

根据所述初始图像匹配对的重叠区域和所述特征点，对所述初始图像匹配对进行几何验证，得到目标匹配数据，其中，所述目标匹配数据包括目标图像匹配对。

4.根据权利要求3所述的方法，其中，所述根据所述匹配数据，对所述局部对象图像进行三维重建，得到三维目标对象图像包括：

根据所述目标图像匹配对，确定重建初始图像匹配对；

对所述重建初始图像匹配对、所述局部对象图像以及所述整体对象图像进行图像配准，得到待配准图像和已配准图像；

对所述待配准图像与所述已配准图像进行三角化处理，得到三角化特征点；以及

根据所述三角化特征点和三维重建模型，对所述已配准图像进行三维重建，得到所述三维目标对象图像。

5.根据权利要求4所述的方法，其中，所述根据所述三角化特征点和三维重建模型，对所述已配准图像进行三维重建，得到所述三维目标对象图像包括：

对所述三角化特征点进行光束平差处理，得到目标特征点；以及

根据所述目标特征点和所述三维重建模型，对所述已配准图像进行三维重建，得到所述三维目标对象图像。

6.根据权利要求1至5中任一项所述的方法，其中，所述对所述整体对象图像进行目标检测，得到目标对象数据包括：

利用目标分割模型对所述整体对象图像进行目标检测，得到目标对象点数据和目标对象曲线数据。

7.根据权利要求6所述的方法，其中，所述根据所述目标对象数据相对于所述三维目标对象图像的映射，确定所述目标对象的尺寸数据包括：

根据所述目标对象点数据和所述目标对象曲线数据相对于所述三维目标对象图像的映射，得到三维目标对象点数据和三维目标对象曲线数据；以及

对所述三维目标对象点数据和三维目标对象曲线数据进行三维坐标计算，得到所述目标对象的尺寸数据。

8.一种对象确定装置，包括：

图像获取模块，用于获取整体对象图像和多个局部对象图像，其中，任意一个所述局部对象图像与多个局部对象图像中的至少一个其他局部对象图像存在重叠；

目标对象数据确定模块，用于对所述整体对象图像进行目标检测，得到目标对象数据；

匹配模块，用于对所述多个局部对象图像执行匹配，得到匹配数据；

三维重建模块，用于根据所述匹配数据，对所述局部对象图像进行三维重建，得到三维目标对象图像；以及

尺寸数据确定模块，用于根据所述目标对象数据相对于所述三维目标对象图像的映射，确定所述目标对象的尺寸数据。

9.根据权利要求8所述的装置，其中，所述匹配模块包括：

特征检测子模块，用于对所述局部对象图像进行特征检测，得到特征点；以及

匹配子模块，用于根据所述特征点，对所述多个局部对象图像执行匹配，得到初始匹配数据，所述初始匹配数据包括初始图像匹配对以及所述初始图像匹配对的图像之间的重叠区域。

10.根据权利要求9所述的装置，其中，所述匹配模块还包括：

几何验证子模块，用于根据所述初始图像匹配对的重叠区域和所述特征点，对所述初始图像匹配对进行几何验证，得到目标匹配数据，其中，所述目标匹配数据包括目标图像匹配对。

11.根据权利要求10所述的装置，其中，所述三维重建模块包括：

重建初始图像匹配对确定子模块，用于根据所述目标图像匹配对，确定重建初始图像匹配对；

图像配准子模块，用于对所述重建初始图像匹配对、所述局部对象图像以及所述整体对象图像进行图像配准，得到待配准图像和已配准图像；

三角化处理子模块，用于对所述待配准图像与所述已配准图像进行三角化处理，得到三角化特征点；以及

三维重建子模块，用于根据所述三角化特征点和三维重建模型，对所述已配准图像进行三维重建，得到所述三维目标对象图像。

12.根据权利要求11所述的装置，其中，所述三维重建子模块包括：

光束平差处理单元，用于对所述三角化特征点进行光束平差处理，得到目标特征点；以及

三维重建单元，用于根据所述目标特征点和所述三维重建模型，对所述已配准图像进行三维重建，得到所述三维目标对象图像。

13.根据权利要求8至12中任一项所述的装置，其中，所述目标对象数据确定模块包括：

目标对象数据确定子模块，用于利用目标分割模型对所述整体对象图像进行目标检测，得到目标对象点数据和目标对象曲线数据。

14.根据权利要求13所述的装置，其中，所述尺寸数据确定模块包括：

数据确定子模块，用于根据所述目标对象点数据和所述目标对象曲线数据相对于所述三维目标对象图像的映射，得到三维目标对象点数据和三维目标对象曲线数据；以及

计算子模块，用于对所述三维目标对象点数据和三维目标对象曲线数据进行三维坐标计算，得到所述目标对象的尺寸数据。

15.一种电子设备，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1-7中任一项所述的方法。

16.一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1-7中任一项所述的方法。

17.一种计算机程序产品，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1-7中任一项所述的方法。

Images