CN114677491A - 一种图像处理方法、装置及设备 - Google Patents

一种图像处理方法、装置及设备 Download PDF

Info

Publication number
CN114677491A
CN114677491A CN202210367580.2A CN202210367580A CN114677491A CN 114677491 A CN114677491 A CN 114677491A CN 202210367580 A CN202210367580 A CN 202210367580A CN 114677491 A CN114677491 A CN 114677491A
Authority
CN
China
Prior art keywords
image
image information
pieces
objects
information
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.)
Pending
Application number
CN202210367580.2A
Other languages
English (en)
Inventor
李劼
邬浩
王益安
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.)
Beijing Datamesh Technology Co ltd
Original Assignee
Beijing Datamesh 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 Beijing Datamesh Technology Co ltd filed Critical Beijing Datamesh Technology Co ltd
Priority to CN202210367580.2A priority Critical patent/CN114677491A/zh
Publication of CN114677491A publication Critical patent/CN114677491A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20Finite element generation, e.g. wire-frame surface description, tesselation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85Stereo camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30244Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例涉及计算机领域,公开了一种图像处理方法、装置及设备。获取目标场景的至少两个图像信息;分别从至少两个图像信息的每个图像信息中获取至少三个对象的图片;针对每个对象,在至少两个图像信息中分别设定一个标定点,得到每个图像信息对应的每个标定点的空间坐标;针对每个对象,得到至少两个图像信息间的关系特征;将图像信息中每个对象的空间坐标转换至参考图像中相应对象的空间坐标,得到目标图像。可见,本技术方案将通过对多设备获取的图像信息建立图像信息之间的关系特征,并以此特征实现了多设备对应的对象坐标的点云合并。这样,保证了多图像采集设备对最终图像采集的准确度以及提高了图像采集设备的摆放灵活性。

Description

一种图像处理方法、装置及设备
技术领域
本发明实施例涉及计算机领域,涉及一种图像处理方法、装置及设备。
背景技术
体感游戏机是依靠视频动作捕捉技术,将人体动作及时反映到游戏系统中,通过人体动作变化进行游戏场景互动。体感游戏机通常包括主机以及控制端,主机负责运行以及新型号处理,控制端实质是一种三维(three dimension,3D)图像采集设备,负责采集动态信息。区别于常规的二维(two dimension,2D)图像采集设备,3D图像采集设备除了可以捕捉场景的颜色信息外,还可以获取场景的深度信息,为主机对捕捉对象进行更完整的空间位置描述。
在同一个游戏场景下,为了对场景内捕捉对象进行更准确的空间位置描述,通常会部署多个3D图像采集设备用于获取捕捉对象的场景信息。但是,由于每个3D图像采集设备相对于捕捉对象的空间位置存在偏差,因此,每个3D图像采集设备获取到捕捉对象的深度信息是存在差异的,这样最终输出的图像中捕捉对象的空间位置也是失真的。对于现阶段多个3D图像采集设备存在的输出图像失真的问题,解决方案通常为固定每个3D图像采集设备在场景中的位置,通过彼此间的固定空间距离对各自的获取的图像中的捕捉对象坐标进行偏移补正,最终在输出端输出补正后的图像。
但是,固定3D图像采集设备位置的方式使体感游戏机产品的实际使用场景受限。并且在固定3D图像采集设备位置的使用场景,增大了使用者进行高精度图像校准的难度。
发明内容
本申请实施例提供了一种图像方法、装置及设备,以解决现有具有多个3D采集设备采集图像失真的问题。
第一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
获取目标场景的至少两个图像信息,所述至少两个图像信息分别由预先部署的至少两个图像采集设备从不同角度采集得到;
分别从所述至少两个图像信息的每个图像信息中获取至少三个对象的图片,所述至少三个对象中的每个对象均包含在所述至少两个图像信息中;
针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标;
针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征;
依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息。
在一些可能的实施方式中,所述图像信息包括颜色信息以及深度信息。
在一些可能的实施方式中,针对所述至少三个对象的图片,所有所述对象的图片来自同一图像帧的图像信息。
在一些可能的实施方式中,在获取至少三个对象的图片之前,所述图像处理方法还包括依据预先设定的矫正矩阵建立所述颜色信息与所述深度信息的对应关系。
在一些可能的实施方式中,所述两个图像信息间的关系特征包括:两个图像信息间的偏移矩阵。
在一些可能的实施方式中,所述图像处理方法还包括:获取目标图像后,依据预设规则对所述目标图像进行判断,并获得对应的结果值,若所述目标图像对应的结果值处于预设阈值范围,则作为最终结果输出;
若所述目标图像对应的结果值不在预设阈值范围之内,则在至少两个图像信息中重新获取新的至少三个对象的图片,所述新的至少三个对象中的每个对象均包含在所述至少两个图像信息中,并且区别于所述目标图像对应的图像帧的至少三个对象。第二方面,本申请实施例还提供了一种图像处理装置,所述装置包括:
第一获取模块,用于获取目标场景的至少两个图像信息,所述至少两个图像信息分别由预先部署的至少两个图像采集设备从不同角度采集得到;
第二获取模块,用于分别从所述至少两个图像信息的每个图像信息中获取至少三个对象的图片,所述至少三个对象中的每个对象均包含在所述至少两个图像信息中;
标定模块,用于针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标;
第一处理模块,用于针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征;
第二处理模块,用于依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息。
第三方面,本申请实施例还提供了一种电子设备,所诉电子设备包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令执行第一方面或第一方面任一可能的实施方式中的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行第一方面或第一方面任一可能的实施方式中的方法。
本申请实施例提供了一种图像处理方法的技术方案,本方案中,首先由至少两个图像预设在不同角度的图像采集设备分别获取场景的图像信息,然后在获取到的至少两个图像信息中分别选取均出现在至少两个图像信息中的至少三个对象的图片,针对至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标,并且依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征,最后依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像。可见,本技术方案将通过对多设备获取的图像信息建立图像信息之间的关系特征,并以此特征实现了多设备对应的对象坐标的点云合并。这样,保证了多图像采集设备对最终图像采集的准确度以及提高了图像采集设备的摆放灵活性。
附图说明
图1是本申请实施例提供的图像处理方法流程示意图;
图2a是本申请实施例提供的K1设备标定点选取示意图;
图2b是本申请实施例提供的K2设备标定点选取示意图;
图3是本申请实施例提供的图像处理装置示例性组成示意图;
图4是本申请实施例提供的图像处理设备示例性结构示意图。
具体实施方式
本申请以下实施例中所使用的术语是为了描述可选实施方式的目的,而非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式。还应当理解,尽管在以下实施例中可能采用术语第一、第二等来描述某一类对象,但所述对象不限于这些术语。这些术语用来将该类对象的具体对象进行区分。例如,以下实施例中可能采用术语第一、第二等来描述的其他类对象同理,此处不再赘述。
本申请实施例提供了一种图像处理方法的技术方案,本方案中,首先由至少两个图像预设在不同角度的图像采集设备分别获取场景的图像信息,然后在获取到的至少两个图像信息中分别选取均出现在至少两个图像信息中的至少三个对象的图片,针对至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标,并且依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征,最后依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像。可见,本技术方案将通过对多设备获取的图像信息建立图像信息之间的关系特征,并以此特征实现了多设备对应的对象坐标的点云合并。这样,保证了多图像采集设备对最终图像采集的准确度以及提高了图像采集设备的摆放灵活性。
本申请实施例涉及的任一电子设备可以是诸如手机、平板电脑、可穿戴设备(例如,智能手表、智能手环等)、笔记本电脑、台式计算机和车载设备等电子设备。该电子设备预先安装有软件部署应用程序。可以理解的是,本申请实施例对电子设备的具体类型不作任何限制。
体感游戏机是依靠视频动作捕捉技术,将人体动作及时反映到游戏系统中,通过人体动作变化进行游戏场景互动。体感游戏机通常包括主机以及控制端,主机负责运行以及新型号处理,控制端实质是一种三维(three dimension,3D)图像采集设备,负责采集动态信息。区别于常规的二维(two dimension,2D)图像采集设备,3D图像采集设备除了可以捕捉场景的颜色信息外,还可以获取场景的深度信息,为主机对捕捉对象进行更完整的空间位置描述。
在同一个游戏场景下,为了对场景内捕捉对象进行更准确的空间位置描述,通常会部署多个3D图像采集设备用于获取捕捉对象的场景信息。但是,由于每个3D图像采集设备相对于捕捉对象的空间位置存在偏差,因此,每个3D图像采集设备获取到捕捉对象的深度信息是存在差异的,这样最终输出的图像中捕捉对象的空间位置也是失真的。对于现阶段多个3D图像采集设备存在的输出图像失真的问题,解决方案通常为固定每个3D图像采集设备在场景中的位置,通过彼此间的固定空间距离对各自的获取的图像中的捕捉对象坐标进行偏移补正,最终在输出端输出补正后的图像。
但是,固定3D图像采集设备位置的方式使体感游戏机产品的实际使用场景受限。并且在固定3D图像采集设备位置的使用场景,增大了使用者进行高精度图像校准的难度。
下面是对几个示例性实施方式的描述,对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。
在本申请的第一方面,提出了一种图像处理方法,参见图1,图1使本申请实施例提供的图像处理方法流程示意图,包括以下步骤:
获取目标场景的至少两个图像信息,所述至少两个图像信息分别由预先部署的至少两个图像采集设备从不同角度采集得到;
分别从所述至少两个图像信息的每个图像信息中获取至少三个对象的图片,所述至少三个对象中的每个对象均包含在所述至少两个图像信息中;
针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标;
针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征;
依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息。
可选的,所述图像信息包括颜色信息以及深度信息。
示例性的,以体感游戏机K设备为例(此处K设备仅用于指代设备类型,不做限定),提前部署至少两个K设备(相当于上述图像采集设备),并将部署的所述至少两个K设备连接至同一主机,使主机呈现最终画面(相当于上述目标图像),设备之间可以互为任意角度摆放,使主机可以获取在同一场景中来自不同角度的图像信息,所述图像信息包括颜色信息以及深度信息,其中深度信息通常可以被理解为所检测对象的各个点的三维坐标值。
通常的,在同一场景下的一个物体,由于拍摄角度的不同,物体的颜色信息(例如当前拍摄角度物体反光程度以及当前拍摄角度的明暗程度等)以及深度信息(例如“近大远小”的现象)会随着拍摄角度的不同而不同。
可选的,为了减轻这种差异,通常可以采用畸变矫正矩阵(即上述矫正矩阵)来建立颜色与深度的逐相对应关系,并对图像信息中的深度信息内容异常进行去噪筛选(例如:剔除深度信息不正常的数据或者缺失深度信息的数据)。这样可以减少后续点云合并过程中的干扰因素,提高图像处理准确度。
示例性的,相同场景下由不同摆放角度设备拍摄的情况如下,图2a为K1设备角度下场景示意图,图2b为K2设备角度下场景示意图,明显的,K1,K2设备拍摄的图像信息角度不同。在K1设备与K2(K1、K2仅指代设备编号,并不做限定)设备各自对应的图像信息中,选取A、B以及C(A、B以及C仅指代对象,并不做限定)三个在场景内出现的对象,并且A、B以及C同时在同一图像帧被K1设备以及K2设备捕捉在各自对应的图像信息中,所述三个在场景内出现的对象也可以是完全静态对象(即受到任何影响也无法改变其空间位置信息的对象,例如场景内固定的摆放物品等),当所述对象为完全静态对象时,对于对象图像的获取将不局限同一帧图像。以A、B以及C作为标定点,那么在K1设备以及K2设备各自获取的图像信息中,A、B以及C三个点分别构成两个三角形,将K1设备对应的图像信息中构成的三角形记作ΔA0B0C0,将K2设备对应的图像信息中构成的三角形记作ΔA1B1C1。这样,可以根据K1以及K2设备各自预先设置好的坐标系,得到各自图像信息中,三角形每个顶点的空间坐标(即A0,B0,C0,A1,B1以及C1)。并且根据每个顶点在两个图像信息中的坐标差距(A0与A1的差距、B0与B1的差距以及C0与C1的差距),得到两个图像信息之间的偏移距转(即上述的关系特征),所述偏移矩阵记作M(相当于上述针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标,以及针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征)。
可选的,依据偏移矩阵M,将ΔA1B1C1偏移至K1设备对应的图像信息中,实现点云合并,偏移矩阵M的计算过程具体包括:
根据向量
Figure BDA0003586548240000081
Figure BDA0003586548240000082
以四元数q1表示从前者到后者的旋转;
设过C点作为AB垂边,垂足为P,根据各三角形坐标分别求出向量
Figure BDA0003586548240000083
Figure BDA0003586548240000084
Figure BDA0003586548240000085
过q1变换后得到向量
Figure BDA0003586548240000086
计算得到从
Figure BDA0003586548240000087
Figure BDA0003586548240000088
的旋转记作四元数q2
由q1乘q2得到最终旋转系数r,经过旋转r后两个三角形完全平行(使用AB边以及AB边上的高线来确定两次旋转,能保证第二次旋转不会影响到第一次旋转后已经对齐的AB边);
由r左乘A0作保得到A’0,记位移向量
Figure BDA0003586548240000089
为t;
基于位移向量t,旋转系数r,缩放系数s,可以得到K1设备对应的图像信息与K2设备对应的图像信息之间的偏移矩阵M(即上述关系特征)。
可选的,当图像处理设备大于2台时,可以针对没太设备重复上述过程,得到每个图像设备两两之间的偏移矩阵(即上述关系特征)。
示例性的,在得到所述偏移矩阵M后,以K1设备获取的图像信息的空间为准,对K2设备采集到的图像信息中的点云数据坐标转换为K1对应的图像信息的空间坐标,实现点云合并(即上述依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息)。
可选的,可以使用图像处理器(Graphics Processing Unit,GPU)工具可以实现实时合并,提高点云合并效率。
可选的,可以对上述BC边以及AC边重复操作过程,得到各自对应的偏移矩阵后进行均值处理,以此减少单点误差。
示例性的,所述方法还包括预校准动作,预校准动作出现的场景包括:场景内至少两台图像采集设备无法完全抓拍到场景的全貌,例如遗漏了场景中“地面”的必要特征,因此需要对无法抓拍到场景全貌的图像采集设备进行预校准动作,具体的方法包括:
在至少两台需要预校准的图像采集设备共同的抓拍范围内,设置校准模板(例如两台需要预校准的图像采集设备都可以抓拍到设置在场景东方的墙面“W”,那么可以以墙面“W”作为共同的抓拍范围,并在这个范围内设定校准模板);
获取校准模板信息,并依据校准模板对至少两台需要预校准的图像采集设备进行上述图像处理方法(此处不再一一赘述),得到最终图像,实现点云合并。这样,经过点云坐标合并,以及归一化的处理,可以实现对图像采集设备的预校准。
可选的,所述校准模板包括至少三个校准点,所述校准点用来至少两台需要预校准的图像采集设备中的每一台提供校准坐标信息。
可选的,图像处理方法还包括:获取目标图像后,依据预设规则对所述目标图像进行判断,并获得对应的结果值,若所述目标图像对应的结果值处于预设阈值范围,则作为最终结果输出;
若所述目标图像对应的结果值不在预设阈值范围之内,则在至少两个图像信息中重新获取新的至少三个对象的图片,所述新的至少三个对象中的每个对象均包含在所述至少两个图像信息中,并且区别于所述目标图像对应的图像帧的至少三个对象。
本申请实施例提供了一种图像处理方法的技术方案,本方案中,首先由至少两个图像预设在不同角度的图像采集设备分别获取场景的图像信息,然后在获取到的至少两个图像信息中分别选取均出现在至少两个图像信息中的至少三个对象的图片,针对至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标,并且依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征,最后依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像。可见,本技术方案将通过对多设备获取的图像信息建立图像信息之间的关系特征,并以此特征实现了多设备对应的对象坐标的点云合并。这样,保证了多图像采集设备对最终图像采集的准确度以及提高了图像采集设备的摆放灵活性。
上述实施例从场景的至少一个图像信息的获取、对象图片的选取、标定点的设定、图像信息之间的关系特征的建立以及坐标的转换等方面,对本申请实施例提供的图像处理方法的各实施方式进行了介绍。应理解,景的至少一个图像信息的获取、对象图片的选取、标定点的设定、图像信息之间的关系特征的建立以及坐标的转换等的处理步骤,本申请实施例可以以硬件或硬件和计算机软件的结合形式来实现上述功能。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
例如,若上述实现步骤通过软件模块来实现相应的功能。如图3所示,图像处理装置可以包括第一获取模块,第二获取模块,标定模块、第一处理模块以及第二处理模块。所述图像处理装置可用于执行上述图像处理方法的部分或全部操作。
例如:
第一获取模块,用于获取目标场景的至少两个图像信息,所述至少两个图像信息分别由预先部署的至少两个图像采集设备从不同角度采集得到;
第二获取模块,用于分别从所述至少两个图像信息的每个图像信息中获取至少三个对象的图片,所述至少三个对象中的每个对象均包含在所述至少两个图像信息中;
标定模块,用于针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标;
第一处理模块,用于针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征;
第二处理模块,用于依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息。
由此可见,
本申请实施例提供了一种图像处理方法的技术方案,本方案中,首先由至少两个图像预设在不同角度的图像采集设备分别获取场景的图像信息,然后在获取到的至少两个图像信息中分别选取均出现在至少两个图像信息中的至少三个对象的图片,针对至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标,并且依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征,最后依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像。可见,本技术方案将通过对多设备获取的图像信息建立图像信息之间的关系特征,并以此特征实现了多设备对应的对象坐标的点云合并。这样,保证了多图像采集设备对最终图像采集的准确度以及提高了图像采集设备的摆放灵活性。
可以理解的是,以上各个模块的功能可以集成到硬件实体实现,例如,获取模块可以集成到收发器实现,生成模块、选择模块以及构建模块可以集成在处理器实现,实现上述各模块功能的程序和指令,可以维护在存储器中。如图4所示,提供了一种电子设备,电子设备包括处理器,收发器以及存储器,其中收发器用于执行图像生成方法中对于图像信息以及对象图片获取,存储器用于存储前述部署装置预装的程序/代码,也可以存储用于处理器执行的代码等。当处理器运行存储器存储的代码过程中,使得电子设备执行上述方法中软件部署方法的部分或全部操作。
具体过程详见上述方法的实施例所述,此处不再详述。
具体实现中,对应前述电子设备,本申请实施例还提供一种计算机存储介质,其中,设置在电子设备中的计算机存储介质可存储有程序,该程序执行时,可实施包括上述软件部署方法的各实施例中的部分或全部步骤。该存储介质均可为磁碟、光盘、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等。
以上模块或单元的一个或多个可以软件、硬件或二者结合来实现。当以上任一模块或单元以软件实现的时候,所述软件以计算机程序指令的方式存在,并被存储在存储器中,处理器可以用于执行所述程序指令并实现以上方法流程。所述处理器可以包括但不限于以下至少一种:中央处理单元(central processing unit,CPU)、微处理器、数字信号处理器(DSP)、微控制器(microcontroller unit,MCU)、或人工智能处理器等各类运行软件的计算设备,每种计算设备可包括一个或多个用于执行软件指令以进行运算或处理的核。该处理器可以内置于SoC(片上系统)或专用集成电路(application specific integratedcircuit,ASIC),也可是一个独立的半导体芯片。该处理器内处理用于执行软件指令以进行运算或处理的核外,还可进一步包括必要的硬件加速器,如现场可编程门阵列(fieldprogrammable gate array,FPGA)、PLD(可编程逻辑器件)、或者实现专用逻辑运算的逻辑电路。
当以上模块或单元以硬件实现的时候,该硬件可以是CPU、微处理器、DSP、MCU、人工智能处理器、ASIC、SoC、FPGA、PLD、专用数字电路、硬件加速器或非集成的分立器件中的任一个或任一组合,其可以运行必要的软件或不依赖于软件以执行以上方法流程。
进一步的,图4中还可以包括总线接口,总线接口可以包括任意数量的互联的总线和桥,具体由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线接口还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发器提供用于在传输介质上与各种其他设备通信的单元。处理器负责管理总线架构和通常的处理,存储器可以存储处理器在执行操作时所使用的数据。
当以上模块或单元使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
应理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对实施例的实施过程构成任何限定。
本说明书的各个部分均采用递进的方式进行描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点介绍的都是与其他实施例不同之处。尤其,对于装置和系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
尽管已描述了本申请的可选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。

Claims (9)

1.一种图像处理方法,其特征在于,所述方法包括:
获取目标场景的至少两个图像信息,所述至少两个图像信息分别由预先部署的至少两个图像采集设备从不同角度采集得到;
分别从所述至少两个图像信息的每个图像信息中获取至少三个对象的图片,所述至少三个对象中的每个对象均包含在所述至少两个图像信息中;
针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标;
针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征;
依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息。
2.根据权利要求1所述的图像处理方法,其特征在于,所述图像信息包括颜色信息以及深度信息。
3.根据权利要求1所述的图像处理方法,其特征在于,针对所述至少三个对象的图片,所有所述对象的图片来自同一图像帧的图像信息。
4.根据权利要求1或2所述的图像处理方法,其特征在于,在获取至少三个对象的图片之前,所述图像处理方法还包括依据预先设定的矫正矩阵建立所述颜色信息与所述深度信息的对应关系。
5.根据权利要求1所述的图像处理方法,其特征在于,所述两个图像信息间的关系特征包括:两个图像信息间的偏移矩阵。
6.根据权利要求1所述的图像处理方法,其特征在于,所述图像处理方法还包括:获取目标图像后,依据预设规则对所述目标图像进行判断,并获得对应的结果值,若所述目标图像对应的结果值处于预设阈值范围,则作为最终结果输出;
若所述目标图像对应的结果值不在预设阈值范围之内,则在至少两个图像信息中重新获取新的至少三个对象的图片,所述新的至少三个对象中的每个对象均包含在所述至少两个图像信息中,并且区别于所述目标图像对应的图像帧的至少三个对象。
7.一种图像处理装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标场景的至少两个图像信息,所述至少两个图像信息分别由预先部署的至少两个图像采集设备从不同角度采集得到;
第二获取模块,用于分别从所述至少两个图像信息的每个图像信息中获取至少三个对象的图片,所述至少三个对象中的每个对象均包含在所述至少两个图像信息中;
标定模块,用于针对所述至少三个对象中每个对象,在所述至少两个图像信息中分别设定一个标定点,得到每个所述图像信息对应的每个标定点的空间坐标;
第一处理模块,用于针对所述至少三个对象中每个对象,依据每个图像信息对应的所述标定点的空间坐标以及至少两个图像信息,得到至少两个图像信息间的关系特征;
第二处理模块,用于依据每个图像信息与参考图像之间的关系特征,将所述图像信息中每个对象的空间坐标转换至所述参考图像中相应对象的空间坐标,得到目标图像,参考图像是所述至少两个图像信息中的任一个图像信息。
8.一种电子设备,其特征在于,所述电子设备包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令执行权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
CN202210367580.2A 2022-04-08 2022-04-08 一种图像处理方法、装置及设备 Pending CN114677491A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210367580.2A CN114677491A (zh) 2022-04-08 2022-04-08 一种图像处理方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210367580.2A CN114677491A (zh) 2022-04-08 2022-04-08 一种图像处理方法、装置及设备

Publications (1)

Publication Number Publication Date
CN114677491A true CN114677491A (zh) 2022-06-28

Family

ID=82078996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210367580.2A Pending CN114677491A (zh) 2022-04-08 2022-04-08 一种图像处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN114677491A (zh)

Similar Documents

Publication Publication Date Title
US20210233275A1 (en) Monocular vision tracking method, apparatus and non-transitory computer-readable storage medium
US11861813B2 (en) Image distortion correction method and apparatus
WO2018119889A1 (zh) 三维场景定位方法和装置
TWI607412B (zh) 多維度尺寸量測系統及其方法
JP5442111B2 (ja) 画像から高速に立体構築を行なう方法
CN111815755A (zh) 虚拟物体被遮挡的区域确定方法、装置及终端设备
CN105026997A (zh) 投影系统、半导体集成电路及图像修正方法
CN109640066B (zh) 高精度稠密深度图像的生成方法和装置
CN110517209B (zh) 数据处理方法、装置、系统以及计算机可读存储介质
CN113361365B (zh) 定位方法和装置、设备及存储介质
US10169891B2 (en) Producing three-dimensional representation based on images of a person
US20200134847A1 (en) Structure depth-aware weighting in bundle adjustment
CN110619660A (zh) 一种物体定位方法、装置、计算机可读存储介质及机器人
CN113643414A (zh) 一种三维图像生成方法、装置、电子设备及存储介质
CN109766896B (zh) 一种相似度度量方法、装置、设备和存储介质
CN114627244A (zh) 三维重建方法及装置、电子设备、计算机可读介质
CN111161398A (zh) 一种图像生成方法、装置、设备及存储介质
CN117635875B (zh) 一种三维重建方法、装置及终端
CN117671159A (zh) 三维模型的生成方法及装置、设备、存储介质
Hadfield et al. Stereo reconstruction using top-down cues
CN114452646A (zh) 虚拟对象透视处理方法、装置及计算机设备
EP4258221A2 (en) Image processing apparatus, image processing method, and program
CN114677491A (zh) 一种图像处理方法、装置及设备
JP5926626B2 (ja) 画像処理装置及びその制御方法、プログラム
CN111369612A (zh) 一种三维点云图像生成方法及设备

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