CN114627239B - 包围盒生成方法、装置、设备及存储介质 - Google Patents
包围盒生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114627239B CN114627239B CN202210212672.3A CN202210212672A CN114627239B CN 114627239 B CN114627239 B CN 114627239B CN 202210212672 A CN202210212672 A CN 202210212672A CN 114627239 B CN114627239 B CN 114627239B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- determining
- bounding box
- action
- selection
- 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 56
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000009471 action Effects 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000009877 rendering Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供一种包围盒生成方法、装置、设备及存储介质,涉及人工智能领域,尤其涉及计算机视觉、云计算、智能搜索、车联网和智能座舱技术领域。具体实现方案为:获取待处理的深度图和该深度图对应的深度信息,捕获用户在该深度图上针对目标对象的选择动作,进而基于该选择动作,在深度信息中,确定出目标对象的边界点云信息,最后基于该边界点云信息,生成目标对象的包围盒。该技术方案,基于深度图中的交互操作去编辑深度信息中的数据,基于用户的选择动作可以自动确定出目标对象的边界点云信息,提高了包围盒的生成效率,简化了处理的复杂度,降低了人力成本。
Description
技术领域
本公开涉及人工智能领域中的计算机视觉、云计算、智能搜索、车联网和智能座舱技术领域,尤其涉及一种包围盒生成方法、装置、设备及存储介质。
背景技术
在创建高精地图或对高精地图进行更新时,需要制作环境中各个对象的包围盒,为高精地图的创建提供支撑。
相关技术中,对象包围盒的生成方法是将获取到的环境数据或环境的点云数据在3G空间中展示,然后作业员识别3D空间中的目标对象,并确认目标对象的边界,通过画点、画线等方式确认目标对象的包围盒初始形态,最后通过包围盒修正,得到目标对象的包围盒。
发明内容
本公开提供了一种包围盒生成方法、装置、设备及存储介质。
根据本公开的第一方面,提供了一种包围盒生成方法,包括:
获取待处理的深度图和所述深度图对应的深度信息;
捕获用户在所述深度图上针对目标对象的选择动作;
基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息;
基于所述边界点云信息,生成所述目标对象的包围盒。
根据本公开的第二方面,提供了一种包围盒生成装置,包括:
获取单元,用于获取待处理的深度图和所述深度图对应的深度信息;
捕获单元,用于捕获用户在所述深度图上针对目标对象的选择动作;
第一确定单元,用于基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息;
生成单元,用于基于所述边界点云信息,生成所述目标对象的包围盒。
根据本公开的第三方面,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。
根据本公开的第四方面,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。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的技术方案,提高了对象包围盒的生成效率、降低了成本,为量化生产奠定了基础。
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是本公开实施例所适用的一种架构示意图;
图2是本公开第一实施例提供的包围盒生成方法的流程示意图;
图3是深度图与深度信息的关系示意图;
图4是本公开第二实施例提供的包围盒生成方法的流程示意图;
图5是基于框选动作确定目标对象边界点云信息的过程示意图;
图6是本公开第三实施例提供的包围盒生成方法的流程示意图;
图7是本公开第四实施例提供的包围盒生成方法的流程示意图;
图8是本公开实施例提供的一种包围盒生成装置的结构示意图;
图9是用来实施本公开的实施例的示例电子设备的示意性框图。
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。
在智能经济浪潮和新基建的双重作用下,数字城市、自动驾驶等领域飞速发展,对作为“底座”型业务的地图行业提出了更高的要求,因而高精地图的创建或更新是关键因素。而高精地图的创建或更新的前提是地图中各个对象的包围盒制作。
基于背景技术中的记载可知,在三维场景中生成包围盒的方法存在制作效率低、成本高、无法实现大规模量产的问题,这主要是由于基于点云编辑需要3D渲染,而点云数据为输入参考资料,数据量比较大,存在加载、渲染慢的问题,而且对机器性能要求较高,此外,基于点云的编辑操作复杂,对作业员的要求较高,成本高且不利于量化生产,视觉效果差,不够直观,存在点云边缘不清晰,操作耗时的问题。
针对上述技术问题,本公开实施例的技术构思过程如下:发明人发现对目标区域进行数据采集时,可以同步采集目标区域的深度图以及该深度图的深度信息,该深度图是已知采集位置(例如,拍摄相机坐标)的图片,该深度图的深度信息是与图片相对应的稀疏点云信息,该稀疏点云信息主要包括:点云点在图片中的像素坐标、点云点相对采集设备(例如,相机)的三维相对坐标、点云点的三维绝对坐标、点云点的反射强度等,因而,在图片中进行人机交互,即选择目标对象时,可以确定出其在深度信息中的边界点云信息,从而生成目标对象的包围盒。
基于上述技术构思过程,本公开实施例提供了一种包围盒生成方法,通过获取待处理的深度图和该深度图对应的深度信息,捕获用户在该深度图上针对目标对象的选择动作,进而基于该选择动作,在深度信息中,确定出目标对象的边界点云信息,最后基于该边界点云信息,生成目标对象的包围盒。该技术方案,基于深度图中的交互操作去编辑深度信息中的数据,基于用户的选择动作可以自动确定出目标对象的边界点云信息,提高了包围盒的生成效率,简化了处理的复杂度,降低了人力成本。
本公开提供一种包围盒生成方法、装置、设备及存储介质,应用于人工智能领域中的计算机视觉、云计算、智能搜索、车联网和智能座舱技术领域,以提高对象包围盒的生成效率、降低了成本,为量化生产奠定了基础。
需要说明的是,本实施例中的包围盒并不是针对某一特定对象的包围盒,并不能反映出某一特定对象的信息。需要说明的是,本实施例中的深度图和深度信息均来自于公开数据集。
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。
示例性的,图1是本公开实施例所适用的一种架构示意图。如图1所示,该架构示意图包括:数据部分、编辑部分和渲染部分。
如图1所示,数据部分主要包括数据模块和数据模块的应用。
其中,数据模块即数据的获取方式,主要包括:从数据库中读取或者通过超文本传输协议(hyper text transfer protocol,HTTP)从服务端获取。
模块应用主要包括:数据的索引和深度信息的处理。其中,数据的索引方式包括:二维空间索引和三维空间索引,在本公开的实施例中,二维空间索引主要是深度图的索引,三维空间索引主要是深度信息的索引。
深度信息的处理包括:深度信息缓存管理(主要是对已经处理或使用过的深度信息的缓存)、深度信息离线加载(可以理解为从本地加载深度信息)、在线深度信息访问(包括:通过联网形式,从服务端获取深度信息)等。
编辑模块可以包括点云处理模块和点云处理模块的应用。其中,点云处理模块的应用主要包括:在图片中选择包围盒边界的交互过程、根据点云信息获取图片中的包围盒边界、像素坐标和点云位置的相互计算以及滤波算法的使用等。
渲染模块可以包括渲染模块和渲染模块的应用。其中,渲染模块的应用主要包括:图片渲染和包围盒在图片中渲染。
可以理解的是,图1所示的架构场景中还可以包括其他模块,例如,存储模块,本公开实施例并不对其进行限定。
需要说明的是,执行本公开实施例中设备可以是终端设备,也可以是服务器或者虚拟机等,还可以是一个或多个服务器和/或计算机等组成的分布式计算机系统等。其中,该终端设备包括但不限于:智能手机、笔记本电脑、台式电脑、平台电脑、车载设备、智能穿戴设备等,本公开实施例不作限定。服务器可以为普通服务器或者云服务器,云服务器又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
值得说明的是,本公开的产品实现形态是包含在平台软件中,并部署在设备(也可以是计算云或移动终端等具有计算能力的硬件)上的程序代码。本公开的程序代码可以存储在执行本公开实施例的设备内部。运行时,程序代码运行于该设备的主机内存和/或GPU内存。
本公开实施例中,“多个”是指两个或两个以上。“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。字符“/”一般表示前后关联对象是一种“或”的关系。
下面将结合附图,以具体地实施例对本公开实施例提供的包围盒生成方法进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2是本公开第一实施例提供的包围盒生成方法的流程示意图。如图2所示,该包围盒生成方法可以包括如下步骤:
S201、获取待处理的深度图和深度图对应的深度信息。
在本公开的实施例中,可以从其他设备接收待处理的深度图和深度图对应的深度信息,也可以从自身的数据库中读取待处理的深度图和深度图对应的深度信息,还可以是基于HTTP方式从服务端获取待处理的深度图和深度图对应的深度信息。
可选的,当获取到深度图对应的深度信息后,可以对该深度信息进行滤波处理,去除深度信息中的噪声点,提高深度信息中的点云质量。
可理解,在本公开的实施例中,待处理的深度图和深度图对应的深度信息可以是经过预处理后的数据,也可以是未经处理的数据,本实施例不对其进行限定。
在本公开的实施例中,深度图是一种已知位置的图片,位置指深度图的拍摄相机坐标,深度图的深度信息是与图片相对应的稀疏点云信息。点云信息主要包括:点云点在图片中的像素坐标、点云点相对相机的三维相对坐标、点云点三维绝对坐标、点云点反射强度等。
示例性的,图3是深度图与深度信息的关系示意图。其中,图3中的(a)为某个区域的深度图,当在该深度图上增加稀疏点云(即,与像素一一对应的点云信息)后,便可以得到该深度图对应的深度信息,参见图3中的(b)所示。
S202、捕获用户在深度图上针对目标对象的选择动作。
示例性的,在获取到深度图后,便可以将该深度图显示在人机交互界面上,这样用户便可以在该深度图上进行操作。可选的,用户可以基于图片中显示的对象信息,在深度图上选择要生成包围盒的目标对象,从而使得执行本公开实施例的设备可以捕获到用户在该深度图上针对目标对象的选择动作。
示例性的,该选择动作可以是框选动作,也可以是点选动作,本实施例不对其进行限定。
S203、基于上述选择动作,在深度信息中,确定出目标对象的边界点云信息。
可选的,当执行本公开实施例的设备捕获到用户在深度图中的选择动作时,可以基于深度图与深度信息的对应关系,在深度信息中确定出该目标对象的目标点云信息,进而确定的目标对象的边界点云信息。
可理解,在本公开的实施例中,该目标对象可以是一个对象,例如,路牌,也可以是相互关联的一组对象,例如,红绿灯等,本实施例不对其限定。
S204、基于该边界点云信息,生成目标对象的包围盒。
可选的,在确定出目标对象的边界点云信息后,便可以基于该边界点云信息中点云点的三维绝对坐标,生成目标对象在三维空间中的包围盒。
可以理解的是,在该步骤之前,还可以对确定的边界点云信息进行滤波处理,去除噪声点,以生成边界清晰的包围盒,从而提高包围盒的视觉效果。
值得注意的是,在本公开的实施例中,滤波处理方法可以包括但不局限于基于平面的特征点滤波、统计滤波等。而且,在实际应用中,可以根据深度信息的数据质量确定是否需要进行滤波处理,以及需要进行滤波处理时选择的滤波处理方法。
例如,经过处理的点云数据的数据质量好,在确定出目标对象的边界点云信息后,便可以不需要进行滤波处理;而未经过处理的点云数据的数据质量差,则需要进行滤波处理等。
在本公开的实施例中,通过获取待处理的深度图和该深度图对应的深度信息,捕获用户在该深度图上针对目标对象的选择动作,进而基于该选择动作,在深度信息中,确定出目标对象的边界点云信息,最后基于该边界点云信息,生成目标对象的包围盒。该技术方案,基于深度图中的交互操作去编辑深度信息中的数据,基于用户的选择动作可以自动确定出目标对象的边界点云信息,提高了包围盒的生成效率,简化了处理的复杂度,降低了人力成本。
在图2所示实施例的基础上,下述对本公开实施例提供的包围盒生成方法进行更详细的介绍。
示例性的,图4是本公开第二实施例提供的包围盒生成方法的流程示意图。如图4所示,在本公开的实施例中,上述选择动作为框选动作,相应的,上述S203可以通过如下步骤实现:
S401、确定框选动作对应的对象选择框。
作为一种示例,当用户在深度图中的选择动作是框选动作,此时,便可以基于该框选动作在深度图中的位置,确定出该框选动作形成的对象选择框。
S402、基于该对象选择框的像素坐标,确定出对象选择框在深度信息中的位置。
可选的,由于深度图是具有像素坐标的图片,因而,在确定出框选动作对应的对象选择框后,便可以确定出该对象选择框的像素坐标,然后基于像素坐标与深度信息中点云点的对应关系,从而可以确定出对象选择框在深度信息中的位置。
S403、根据对象选择框的位置,确定出对象选择框的目标点云区域。
在本公开的实施例中,在深度信息对应的稀疏点云信息中确定出对象选择框的位置后,便可以基于该位置的框选范围,确定出框选范围内的目标点云区域,即,该对象选择框的目标点云区域。
S404、根据对象选择框的目标点云区域,确定目标对象的边界点云信息。
可选的,在本实施例中,由于要生成目标对象的包围盒,则在确定对象选择框的目标点云区域后,确定出目标点云区域的边界信息,从而确定出目标对象的边界点云信息。
在本实施例中,目标对象的包围盒由用户框选的精准度确定,用户在深度图中针对目标对象的框选位置越准确,则在深度信息中确定的目标对象的边界点云信息也精确,也可以解释为用户框选的对象选择框大小,决定了在深度信息中生成的包围盒的大小。
示例性的,图5是基于框选动作确定目标对象边界点云信息的过程示意图。如图5中的(a)所示,若用户在深度图中框选了道路中的一个路牌,框选动作对应的对象选择框为路牌中的黑色粗实线,这时,参照图5中的(b)所示,基于该对象选择框的位置,可以在该深度图的深度信息中筛选出对象选择框对应框选范围内的目标点云区域;最后参照图5中的(c)所示,基于该目标点云区域的边界信息可以确定出目标对象的边界点云信息。
可理解,图5中(b)和(c)所示的点云信息为图5中(a)所示深度图对应深度信息的一部分,其仅作为示例性进行说明,本实施例不对其进行限定。
本公开实施例中,通过确定框选动作对应的对象选择框,基于该对象选择框的像素坐标,确定出对象选择框在所述深度信息中的位置,然后根据对象选择框的位置,确定出该对象选择框的目标点云信息,并将对象选择框的目标点云信息,确定为目标对象的边界点云信息。该技术方案中,基于用户的框选动作形成对象选择框,进而确定目标对象的边界点云信息,实现方式简单,包围盒的生成效率高。
可理解,图6所示的实施例是另一种基于框选动作确定目标对象的边界点云信息的实现方案。
示例性的,图6是本公开第三实施例提供的包围盒生成方法的流程示意图。如图6所示,在本公开的实施例中,上述选择动作为框选动作,相应的,上述S203可以通过如下步骤实现:
S601、确定框选动作对应的对象选择框。
S602、基于该对象选择框的像素坐标,确定出对象选择框在深度信息中的位置。
可选的,本实施例中的S601和S602的具体实现可以参见图4所示实施例中的S401和S402,此处不作赘述。
S603、根据对象选择框的位置,确定出相互关联的至少一个目标点云区域。
在本公开的实施例中,当在深度信息对应的稀疏点云信息中确定出对象选择框的位置时,便可以基于对象选择框所在位置处的点云点数量、点云点密集程度以及点云分布规律,确定出该对象选择框对应对象的至少一个目标点云区域,该至少一个目标点云区域是相关关联的,也就是说,该至少一个目标点云区域是具有相同性质的对象的点云区域。
示例性的,在本实施例中,若框选动作对应的目标对象为路牌,则该目标点云区域为路牌的点云区域,即不管用户框选的对象选择框的大小,该目标点云区域都是路牌的点云区域,而不局限于对象选择框的大小。
示例性的,若用户在深度图中框选了交通信号灯中的一个信号灯,由于交通信号灯为一个整体,其对应的点云数量和点云密集程度基本类似,所以,本实施例的方案可以确定出该交通信号灯中所有信号灯的点云区域,即本实施例中多个目标点云区域。
S604、根据所述至少一个目标点云区域,确定目标对象的边界点云信息。
在本实施例中,在确定出相关关联的至少一个目标点云区域时,可以基于该每个目标点云区域的范围,确定出每个目标点云区域的边界信息,并将其作为目标对象的边界点云信息。
在本公开的实施例中,通过确定框选动作对应的对象选择框,基于该对象选择框的像素坐标,确定出对象选择框在深度信息中的位置,然后根据对象选择框的位置,确定出相互关联的至少一个目标点云区域,最后根据所述至少一个目标点云区域,确定目标对象的边界点云信息。该技术方案中,目标对象实际上可以包括至少一个,即通过框选动作可以确定出一组对象的边界点云信息,提高了包围盒的生成效率,为后续生成一组包围盒奠定了基础,提供了包围盒量化生产的可能性。
示例性的,图7是本公开第四实施例提供的包围盒生成方法的流程示意图。如图7所示,在本公开的实施例中,上述选择动作为点选动作,相应的,上述S203可以通过如下步骤实现:
S701、确定点选动作的点选位置。
作为一种示例,当用户在深度图中的选择动作是点选动作,此时,便可以获取该点选动作在深度图中的点选位置。
S702、根据该点选位置的像素坐标,确定点选位置在深度信息中的位置。
可选的,由于深度图是具有像素坐标的图片,因而,在确定出点选动作的点选位置后,便可以确定出该点选位置的像素坐标,然后基于像素坐标与深度信息中点云点的对应关系,从而可以确定出点选位置在深度信息中的位置。
S703、根据深度信息的点云分布规律,确定出该点选位置对应的目标点云区域。
示例性的,在本公开的实施例中,在确定出点选位置在深度信息中的位置时,便可以基于点选位置预设范围内的点云点数量、点云点密集程度以及点云分布规律,确定出该点选位置对应的目标点云区域。
例如,当用户在包含路牌的深度图中点选了路牌,本方案便可以在深度信息中,确定出该路牌对应的目标点云区域。
S704、将目标点云区域的边界点云信息,确定为目标对象的边界点云信息。
在本实施例中,在确定出点选位置对应的目标点云区域时,可以基于该目标点云区域的范围,确定出该目标点云区域的边界信息,并将其作为目标对象的边界点云信息。
在本公开的实施例中,通过确定点选动作的点选位置,根据该点选位置的像素坐标,确定点选位置在深度信息中的位置,然后根据深度信息的点云分布规律,确定出该点选位置对应的目标点云区域,最后将目标点云区域的边界点云信息,确定为目标对象的边界点云信息。该技术方案中,通过点选动作便可以自动确定出目标对象的边界点云信息,提高了包围盒的生成效率,简化了处理的复杂度,降低了人力成本。
可选的,在本公开的实施例中,该包围盒的生成方法还可以包括包围盒的显示部分。
在本公开的一种可能实现中,该包围盒的生成方法还可以包括:
在三维空间显示该目标对象的包围盒。
示例性的,在该可能实现中,包围盒是在三维空间中生成的,因而,可以直接在三维空间中显示该目标对象的包围盒。例如,上述图5的(c)中所示。
在本公开的另一种可能实现中,该包围盒的生成方法还可以包括:
根据像素坐标与点云信息的对应关系,确定包围盒在深度图中的位置;
基于该包围盒在深度图中的位置,在深度图中,显示目标对象的包围盒。
在该种可能实现中,目标对象的包围盒还可以在深度图中显示,但由于包围盒是在三维空间中基于点云信息生成的,因而,生成的包围盒需要进行反向处理。
具体的,根据目标对象的边界点云信息,确定出包围盒在深度图中的位置,进而在深度图中突出显示该位置,从而实现了在深度图中显示目标对象包围盒的目的。
在本公开的实施例,包围盒既可以在三维空间中显示,也可以在深度图中进行显示,提高了显示的多样性,提高了用户的视觉效果。
图8是本公开实施例提供的一种包围盒生成装置的结构示意图。本实施例提供的包围盒生成可以为一种电子设备或者为电子设备中的装置。如图8所示,本公开实施例提供的包围盒生成装置800可以包括:
获取单元801,用于获取待处理的深度图和所述深度图对应的深度信息;
捕获单元802,用于捕获用户在所述深度图上针对目标对象的选择动作;
第一确定单元803,用于基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息;
生成单元804,用于基于所述边界点云信息,生成所述目标对象的包围盒。
在本公开实施例的一种可能实现中,所述选择动作为框选动作;
所述第一确定单元803,包括:
第一选择框确定模块,用于确定所述框选动作对应的对象选择框;
第一位置确定模块,用于基于所述对象选择框的像素坐标,确定出所述对象选择框在所述深度信息中的位置;
第一区域确定模块,用于根据所述对象选择框的位置,确定出所述对象选择框的目标点云区域;
第一边界确定模块,用于根据所述对象选择框的目标点云区域,确定所述目标对象的边界点云信息。
在本公开实施例的一种可能实现中,所述选择动作为框选动作;
所述第一确定单元803,包括:
第二选择框确定模块,用于确定所述框选动作对应的对象选择框;
第二位置确定模块,用于基于所述对象选择框的像素坐标,确定出所述对象选择框在所述深度信息中的位置;
第二区域确定模块,用于根据所述对象选择框的位置,确定出相互关联的至少一个目标点云区域;
第二边界确定模块,用于根据所述至少一个目标点云区域,确定所述目标对象的边界点云信息。
在本公开实施例的一种可能实现中,所述选择动作为点选动作;
所述第一确定单元803,包括:
点选位置确定模块,用于确定所述点选动作的点选位置;
第三位置确定模块,用于根据所述点选位置的像素坐标,确定所述点选位置在所述深度信息中的位置;
第三区域确定模块,用于根据所述深度信息的点云分布规律,确定出所述点选位置对应的目标点云区域;
第三边界确定模块,用于将所述目标点云区域的边界点云信息,确定为所述目标对象的边界点云信息。
在本公开实施例的一种可能实现中,所述包围盒生成装置,还包括:
第一显示单元(未示出),用于在三维空间显示所述目标对象的包围盒。
在本公开实施例的一种可能实现中,所述包围盒生成装置还包括:
第二确定单元(未示出),用于根据像素坐标与点云信息的对应关系,确定所述包围盒在所述深度图中的位置;
第二显示单元(未示出),用于基于所述包围盒在所述深度图中的位置,在所述深度图中,显示所述目标对象的包围盒。
在本公开实施例的一种可能实现中,所述包围盒生成装置还包括:
第一滤波单元(未示出),用于对所述边界点云信息进行滤波处理。
在本公开实施例的一种可能实现中,所述包围盒生成装置还包括:
第二滤波单元(未示出),用于对所述深度信息进行滤波处理。
本实施例提供的包围盒生成装置,可用于执行上述任意方法实施例中的包围盒生成方法,其实现原理和技术效果类似,此处不做作赘述。
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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图9是用来实施本公开的实施例的示例电子设备的示意性框图。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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理,例如,包围盒生成方法。例如,在一些实施例中,包围盒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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的包围盒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901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行包围盒生成方法。
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)、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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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 (16)
1.一种包围盒生成方法,包括:
获取待处理的深度图和所述深度图对应的深度信息;
捕获用户在所述深度图上针对目标对象的选择动作;
基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息;其中,所述选择动作为框选动作或者点选动作;
基于所述边界点云信息,生成所述目标对象的包围盒;
当所述选择动作为点选动作时,所述基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息,包括:
确定所述点选动作的点选位置;根据所述点选位置的像素坐标,确定所述点选位置在所述深度信息中的位置;根据所述深度信息的点云分布规律,确定出所述点选位置对应的目标点云区域;将所述目标点云区域的边界点云信息,确定为所述目标对象的边界点云信息。
2.根据权利要求1所述的方法,其中,当所述选择动作为框选动作时,所述基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息,包括:
确定所述框选动作对应的对象选择框;
基于所述对象选择框的像素坐标,确定出所述对象选择框在所述深度信息中的位置;
根据所述对象选择框的位置,确定出所述对象选择框的目标点云区域;
根据所述对象选择框的目标点云区域,确定所述目标对象的边界点云信息。
3.根据权利要求1所述的方法,其中,当所述选择动作为框选动作时,所述基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息,包括:
确定所述框选动作对应的对象选择框;
基于所述对象选择框的像素坐标,确定出所述对象选择框在所述深度信息中的位置;
根据所述对象选择框的位置,确定出相互关联的至少一个目标点云区域;
根据所述至少一个目标点云区域,确定所述目标对象的边界点云信息。
4.根据权利要求1至3任一项所述的方法,还包括:
在三维空间显示所述目标对象的包围盒。
5.根据权利要求1至3任一项所述的方法,还包括:
根据像素坐标与点云信息的对应关系,确定所述包围盒在所述深度图中的位置;
基于所述包围盒在所述深度图中的位置,在所述深度图中,显示所述目标对象的包围盒。
6.根据权利要求1至3任一项所述的方法,在所述基于所述边界点云信息,生成所述目标对象的包围盒之前,还包括:
对所述边界点云信息进行滤波处理。
7.根据权利要求1至3任一项所述的方法,在所述捕获用户在所述深度图上针对目标对象的选择动作之前,还包括:
对所述深度信息进行滤波处理。
8.一种包围盒生成装置,包括:
获取单元,用于获取待处理的深度图和所述深度图对应的深度信息;
捕获单元,用于捕获用户在所述深度图上针对目标对象的选择动作;
第一确定单元,用于基于所述选择动作,在所述深度信息中,确定出所述目标对象的边界点云信息;其中,所述选择动作为框选动作或者点选动作;
生成单元,用于基于所述边界点云信息,生成所述目标对象的包围盒;
当所述选择动作为点选动作时,所述第一确定单元,包括:
点选位置确定模块,用于确定所述点选动作的点选位置;
第三位置确定模块,用于根据所述点选位置的像素坐标,确定所述点选位置在所述深度信息中的位置;
第三区域确定模块,用于根据所述深度信息的点云分布规律,确定出所述点选位置对应的目标点云区域;
第三边界确定模块,用于将所述目标点云区域的边界点云信息,确定为所述目标对象的边界点云信息。
9.根据权利要求8所述的装置,其中,当所述选择动作为框选动作时,所述第一确定单元,包括:
第一选择框确定模块,用于确定所述框选动作对应的对象选择框;
第一位置确定模块,用于基于所述对象选择框的像素坐标,确定出所述对象选择框在所述深度信息中的位置;
第一区域确定模块,用于根据所述对象选择框的位置,确定出所述对象选择框的目标点云区域;
第一边界确定模块,用于根据所述对象选择框的目标点云区域,确定所述目标对象的边界点云信息。
10.根据权利要求8所述的装置,其中,当所述选择动作为框选动作时,所述第一确定单元,包括:
第二选择框确定模块,用于确定所述框选动作对应的对象选择框;
第二位置确定模块,用于基于所述对象选择框的像素坐标,确定出所述对象选择框在所述深度信息中的位置;
第二区域确定模块,用于根据所述对象选择框的位置,确定出相互关联的至少一个目标点云区域;
第二边界确定模块,用于根据所述至少一个目标点云区域,确定所述目标对象的边界点云信息。
11.根据权利要求8至10任一项所述的装置,还包括:
第一显示单元,用于在三维空间显示所述目标对象的包围盒。
12.根据权利要求8至10任一项所述的装置,还包括:
第二确定单元,用于根据像素坐标与点云信息的对应关系,确定所述包围盒在所述深度图中的位置;
第二显示单元,用于基于所述包围盒在所述深度图中的位置,在所述深度图中,显示所述目标对象的包围盒。
13.根据权利要求8至10任一项所述的装置,还包括:
第一滤波单元,用于对所述边界点云信息进行滤波处理。
14.根据权利要求8至10任一项所述的装置,还包括:
第二滤波单元,用于对所述深度信息进行滤波处理。
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至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计算机执行权利要求1至7中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212672.3A CN114627239B (zh) | 2022-03-04 | 2022-03-04 | 包围盒生成方法、装置、设备及存储介质 |
US17/818,051 US20220375186A1 (en) | 2022-03-04 | 2022-08-08 | Method and apparatus for generating bounding box, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212672.3A CN114627239B (zh) | 2022-03-04 | 2022-03-04 | 包围盒生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114627239A CN114627239A (zh) | 2022-06-14 |
CN114627239B true CN114627239B (zh) | 2024-04-30 |
Family
ID=81899204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210212672.3A Active CN114627239B (zh) | 2022-03-04 | 2022-03-04 | 包围盒生成方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220375186A1 (zh) |
CN (1) | CN114627239B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115097977A (zh) * | 2022-07-13 | 2022-09-23 | 北京有竹居网络技术有限公司 | 用于点云处理的方法、装置、设备和存储介质 |
CN115222806B (zh) * | 2022-09-20 | 2022-12-09 | 腾讯科技(深圳)有限公司 | 多边形处理方法、装置、设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598172A (zh) * | 2020-05-18 | 2020-08-28 | 东北大学 | 基于异构深度网络融合的动态目标抓取姿态快速检测方法 |
CN111899299A (zh) * | 2020-06-16 | 2020-11-06 | 弗徕威智能机器人科技(上海)有限公司 | 地面障碍物地图标记方法、移动机器人和存储介质 |
CN112084854A (zh) * | 2020-08-04 | 2020-12-15 | 深圳市优必选科技股份有限公司 | 一种障碍物检测方法、障碍物检测装置及机器人 |
CN113223091A (zh) * | 2021-04-29 | 2021-08-06 | 达闼机器人有限公司 | 三维目标检测方法、抓取方法、装置及电子设备 |
CN113674287A (zh) * | 2021-09-03 | 2021-11-19 | 阿波罗智能技术(北京)有限公司 | 高精地图的绘制方法、装置、设备以及存储介质 |
WO2021259081A1 (zh) * | 2020-06-24 | 2021-12-30 | 苏宁易购集团股份有限公司 | 一种场景蒙版的生成方法和系统 |
-
2022
- 2022-03-04 CN CN202210212672.3A patent/CN114627239B/zh active Active
- 2022-08-08 US US17/818,051 patent/US20220375186A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598172A (zh) * | 2020-05-18 | 2020-08-28 | 东北大学 | 基于异构深度网络融合的动态目标抓取姿态快速检测方法 |
CN111899299A (zh) * | 2020-06-16 | 2020-11-06 | 弗徕威智能机器人科技(上海)有限公司 | 地面障碍物地图标记方法、移动机器人和存储介质 |
WO2021259081A1 (zh) * | 2020-06-24 | 2021-12-30 | 苏宁易购集团股份有限公司 | 一种场景蒙版的生成方法和系统 |
CN112084854A (zh) * | 2020-08-04 | 2020-12-15 | 深圳市优必选科技股份有限公司 | 一种障碍物检测方法、障碍物检测装置及机器人 |
CN113223091A (zh) * | 2021-04-29 | 2021-08-06 | 达闼机器人有限公司 | 三维目标检测方法、抓取方法、装置及电子设备 |
CN113674287A (zh) * | 2021-09-03 | 2021-11-19 | 阿波罗智能技术(北京)有限公司 | 高精地图的绘制方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
RT3D: Real-Time 3-D Vehicle Detection in LiDAR Point Cloud for Autonomous Driving;Yiming Zeng .etal;IEEE Robotics and Automation Letters;第3卷(第4期);第3434页图1, 第3437页第四节 * |
基于深度图像的点云边界点提取;刘浩 等;水利与建筑工程学报(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US20220375186A1 (en) | 2022-11-24 |
CN114627239A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114627239B (zh) | 包围盒生成方法、装置、设备及存储介质 | |
CN110632608B (zh) | 一种基于激光点云的目标检测方法和装置 | |
CN112862877B (zh) | 用于训练图像处理网络和图像处理的方法和装置 | |
CN112652036B (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
EP3904829B1 (en) | Method and apparatus for generating information, device, medium and computer program product | |
CN109118456B (zh) | 图像处理方法和装置 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
JP2023531350A (ja) | サンプル画像を増分する方法、画像検出モデルの訓練方法及び画像検出方法 | |
CN113724368A (zh) | 图像采集系统、三维重建方法、装置、设备以及存储介质 | |
CN111815738A (zh) | 一种构建地图的方法和装置 | |
CN115330940A (zh) | 一种三维重建方法、装置、设备和介质 | |
CN110633716A (zh) | 一种目标对象的检测方法和装置 | |
CN115423946A (zh) | 大场景弹性语义表征与自监督光场重建方法及装置 | |
CN110633717A (zh) | 一种目标检测模型的训练方法和装置 | |
CN115170815A (zh) | 视觉任务处理及模型训练的方法、装置、介质 | |
CN113421217A (zh) | 可行驶区域检测方法和装置 | |
CN115115793A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113901998A (zh) | 模型的训练方法、装置、设备、存储介质以及检测方法 | |
US20230048643A1 (en) | High-Precision Map Construction Method, Apparatus and Electronic Device | |
CN113379884B (zh) | 地图渲染方法、装置、电子设备、存储介质以及车辆 | |
CN112241977A (zh) | 一种特征点的深度估计方法和装置 | |
CN114549303B (zh) | 图像显示、处理方法、装置、设备和存储介质 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114581523A (zh) | 一种用于单目3d目标检测的标注数据确定方法和装置 | |
CN115527028A (zh) | 地图数据处理方法及装置 |
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 |