CN115115709A - 车内场景构建方法、终端设备及计算机可读存储介质 - Google Patents

车内场景构建方法、终端设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115115709A
CN115115709A CN202210044980.XA CN202210044980A CN115115709A CN 115115709 A CN115115709 A CN 115115709A CN 202210044980 A CN202210044980 A CN 202210044980A CN 115115709 A CN115115709 A CN 115115709A
Authority
CN
China
Prior art keywords
point
space
feature point
vehicle
image
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
CN202210044980.XA
Other languages
English (en)
Inventor
范玉涛
赵崇
刘明亮
刘贵波
陈翰军
陈现岭
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.)
Great Wall Motor Co Ltd
Original Assignee
Great Wall Motor 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 Great Wall Motor Co Ltd filed Critical Great Wall Motor Co Ltd
Priority to CN202210044980.XA priority Critical patent/CN115115709A/zh
Publication of CN115115709A publication Critical patent/CN115115709A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Abstract

本申请适用于视觉技术领域，提供了一种车内场景构建方法、装置、终端设备及计算机可读存储介质，包括：通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像；通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像；根据第一特征点和第二特征点计算第一拍摄装置所属的第一相机坐标系和第二拍摄装置所属的第二相机坐标系之间的第一变换矩阵，其中，第一特征点为第一图像中的特征点，第二特征点为所述第二图像中与第一特征点对应的特征点；根据第一变换矩阵计算车内空间的第一空间点的三维坐标；根据第一空间点的三维坐标构建车内空间的三维场景。通过上述方法，可以构建出精确的车内三维场景，进而利于精准确定座舱内目标对象的位置。

Description

车内场景构建方法、终端设备及计算机可读存储介质
技术领域
本申请属于图像处理技术领域，尤其涉及一种车内场景构建方法、装置、终端设备及计算机可读存储介质。
背景技术
视觉技术被广泛应用于汽车领域。例如，通过汽车内置摄像头监测车内环境和车内人员状态。但是现有技术中，汽车内置摄像头采集的图像通常为二维图像，缺少了深度信息。而座舱内的目标对象处于三维空间内，因此，现有方法无法确定出目标对象在座舱内的精准位置。
发明内容
本申请实施例提供了一种车内场景构建方法、装置、终端设备及计算机可读存储介质，可以构建出精确的车内三维场景，进而利于精准确定座舱内目标对象的位置。
第一方面，本申请实施例提供了一种车内场景构建方法，包括：
通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像；
通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像；
根据第一特征点和第二特征点计算第一变换矩阵，其中，所述第一特征点为所述第一图像中的特征点，所述第二特征点为所述第二图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的变换矩阵；
根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点；
根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
在第一方面的一种可能的实现方式中，所述根据第一特征点和第二特征点计算所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的第一变换矩阵，包括：
对所述第一图像和所述第二图像进行特征点匹配处理，获得第一特征点和所述第二特征点；
根据预设的内参矩阵将所述第一特征点转换为第一坐标点、将所述第二特征点转换为第二坐标点，其中，所述内参矩阵表示图像坐标系和相机坐标系之间的转换关系；
根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵。
在第一方面的一种可能的实现方式中，所述根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵，包括：
根据所述第一坐标点和所述第二坐标点计算本征矩阵，其中，所述本征矩阵表示所述第一相机坐标系和所述第二相机坐标系之间的转换关系；
从所述本征矩阵中分解出所述第一变换矩阵。
在第一方面的一种可能的实现方式中，所述根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，包括：
获取所述第一空间点在所述车内空间中的位置与所述第二拍摄装置之间的第一距离；
根据所述第一距离、所述内参矩阵和所述第一变换矩阵计算所述第一空间点的所述三维坐标。
在第一方面的一种可能的实现方式中，所述根据所述第一空间点的所述三维坐标构建所述车内空间的三维场景，包括：
获取所述车内空间的第三图像，所述第三图像由第三拍摄装置拍摄获得；
根据第三特征点和第四特征点确定第二变换矩阵，其中，所述第三特征点为所述第二图像中的特征点，所述第四特征点为所述第三图像中与所述第三特征点对应的特征点，所述第二变换矩阵为所述第三拍摄装置所属的第三相机坐标系和所述第一拍摄装置所属的第一相机坐标系之间的变换矩阵；
根据所述第二变换矩阵计算所述车内空间的第二空间点的三维坐标，其中，所述第二空间点为所述第三特征点和所述第四特征点对应的空间点；
根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景。
在第一方面的一种可能的实现方式中，所述根据第三特征点和第四特征点确定所述第三拍摄装置所属的第三相机坐标系和所述第一拍摄装置所属的第一相机坐标系之间的第二变换矩阵，包括：
根据第五特征点对应的空间点的三维坐标，计算所述第三拍摄装置的第三拍摄位置，其中，所述第五特征点为所述第三特征点中属于所述第二特征点的特征点；
计算所述第三拍摄位置对应的所述第三相机坐标系与所述第一拍摄位置对应的所述第一相机坐标系之间的所述第二变换矩阵。
在第一方面的一种可能的实现方式中，在根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景之后，所述方法包括：
根据预设的代价函数计算场景构建参数对应的损失值，其中，所述场景构建参数包括所述内参矩阵、每个拍摄位置对应的变换矩阵、所述车内空间中的空间点的三维坐标、以及所述车内空间中的空间点在每张图像中的像素坐标；
根据梯度下降方法和所述损失值优化所述场景构建参数。
第二方面，本申请实施例提供了一种车内场景构建装置，包括：
第一获取单元，用于通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像；
第二获取单元，用于通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像；
第一计算单元，用于根据第一特征点和第二特征点计算第一变换矩阵，其中，所述第一特征点为所述第一图像中的特征点，所述第二特征点为所述第二图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的变换矩阵；
第二计算单元，用于根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点；
场景构建单元，用于根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的车内场景构建方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，本申请实施例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程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的车内场景构建方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的车内场景构建方法。
本申请实施例中，通过不同位置的拍摄装置对车内空间进行拍摄，获得第一图像和第二图像；根据不同拍摄位置获得的第一图像和第二图像计算不同拍摄装置各自所属的相机坐标系之间的变换矩阵；再根据变换矩阵计算车内空间的空间点的三维坐标；最后根据车内空间的空间点的三维坐标构建车内空间的三维场景。通过上述方法，在缺少深度信息的条件下，可以构建出精确的车内三维场景，进而利于精准确定座舱内目标对象的位置。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的车内场景构建方法的流程示意图；
图2是本申请实施例提供的两个位置的拍摄示意图；
图3是本申请实施例提供的标定图案的示意图；
图4是本申请实施例提供的汽车座舱内相机位置的示意图；
图5是本申请实施例提供的车内场景构建装置的结构框图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。
参见图1，是本申请实施例提供的车内场景构建方法的流程示意图，作为示例而非限定，所述方法可以包括以下步骤：
S101，通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像。
S102，通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像。
本申请实施例中，第一拍摄装置和第二拍摄装置可以指安装于不同拍摄位置的不同的拍摄装置，也可以指同一拍摄装置被放置到不同拍摄位置。
参见图2，是本申请实施例提供的两个位置的拍摄示意图。如图2所示，p点表示车内空间中的空间点，o1xyz是第一拍摄位置所属的第一相机坐标系，o2xyz是第二拍摄位置所属的第二相机坐标系。x1是p点在第一图像中对应的像素点(即第一特征点)，x2是p点在第二图像中对应的像素点(即第二特征点)。需要说明的是，图2中仅示出了一个空间点，对应的第一图像和第二图像中仅标注了一个特征点。实际第一图像和第二图像中各自包括多个特征点，每个特征点对应车内空间中的一个空间点。
S103，根据第一特征点和第二特征点计算第一变换矩阵。
其中，所述第一特征点为所述第一图像中的特征点，所述第二特征点为所述第二图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的变换矩阵。
需要说明的是，由于第一变换矩阵中包括多个参数，需要利用多组特征点进行计算。每组特征点中包括一个第一特征点和该第一特征点对应的第二特征点。下面介绍任意一组特征点的计算过程。
在一个实施例中，第一变换矩阵的计算方式包括：
S1031，对所述第一图像和所述第二图像进行特征点匹配处理，获得第一特征点和所述第二特征点。
可选的，可以采用现有的尺度不变特征变换(Scale-invariant featuretransform，SIFT)算法或加速稳健特征(Speeded Up Robust Features，SUFT)算法进行特征点匹配处理。
S1032，根据预设的内参矩阵将所述第一特征点转换为第一坐标点、将所述第二特征点转换为第二坐标点，其中，所述内参矩阵表示图像坐标系和相机坐标系之间的转换关系。
本申请实施例中的内参矩阵为预先标定的。具体过程为：利用拍摄装置对预设的标定图案进行拍摄，根据拍摄图像中像素点的坐标计算内参矩阵。参见图3，是本申请实施例提供的标定图案的示意图。其中，内参矩阵K为：
Figure BDA0003471763680000071
其中，f为相机焦距，cx为图像的中心水平坐标，cy为图像的中心竖直坐标。
获得内参矩阵后，根据下式计算第一坐标点和第二坐标点：
K-1x1＝x′1；
K-1x2＝x′2；
其中，x1和x2分别为第一图像和第二图像上对应的点，x′1和x′2分别为变换后的第一坐标点和第二坐标点。需要说明的是，当第一拍摄装置和第二拍摄装置为相同装置时，上述两式中的K相同；当第一拍摄装置和第二拍摄装置为不同装置时，上述两式中的K分别指代第一拍摄装置对应的内参矩阵和第二拍摄装置对应的内参矩阵。
S1033，根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵。
上述方式中，由于内参矩阵是预先标定好的，因此，可以有效节约第一变换矩阵的计算时间。
可选的，S1033的一种实现方式为：
根据所述第一坐标点和所述第二坐标点计算本征矩阵；从所述本征矩阵中分解出所述第一变换矩阵。其中，所述本征矩阵表示所述第一相机坐标系和所述第二相机坐标系之间的转换关系。
示例性的，假设将第一相机坐标系确定为世界坐标系。根据极线约束方程
x′1Ex′2＝0
计算本征矩阵E。由于本征矩阵E中包含了旋转参数和平移参数共5个参数，因此，需要至少5对第一坐标点和第二坐标点代入上述极线约束方程，以计算本征矩阵。计算出本征矩阵后，可以对本征矩阵进行矩阵分解(如SVD分解等)，以获得第一变换矩阵。其中，第一变换矩阵中包括旋转矩阵R2和平移矩阵T2。
通过上述方式，利用简单的数学方法(即矩阵分解)，即可以获得第一变换矩阵。由于矩阵分解的计算方式较为简单，可以有效减少计算复杂度。
S104，根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标。
其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点。
在一个实施例中，S104包括：
获取所述第一空间点在所述车内空间中的位置与所述第二拍摄装置之间的第一距离；根据所述第一距离、所述内参矩阵和所述第一变换矩阵计算所述第一空间点的所述三维坐标。
本申请实施例中，第一距离可以通过激光测距辅助获得。
示例性的，建立第二拍摄装置的模型方程：
s2x2＝K(R2X+T2)；
其中，s2为第一距离，x2为第二图像中的第二特征点，K为内参矩阵，R2和T2为第一变换矩阵，X为第二特征点x2对应的第一空间点的三维坐标。上式变换可以得到：
Figure BDA0003471763680000091
使用SVD算法求矩阵
Figure BDA0003471763680000092
的零空间即可得到X。通过上述方法，分别计算出第二图像中每个第二特征点对应的第一空间点的三维坐标。
通过上述方式，利用简单的数学方法(即矩阵计算)，即可以计算出三维坐标。由于矩阵计算的计算方式较为简单，可以有效减少计算复杂度。
S105，根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
根据多个第一空间点各自的三维坐标可以确定出多个第一空间点在车内空间中的位置，进而有多个第一空间点构建出车内空间的三维场景。
本申请实施例中，通过不同位置的拍摄装置对车内空间进行拍摄，获得第一图像和第二图像；根据不同拍摄位置获得的第一图像和第二图像计算不同拍摄装置各自所属的相机坐标系之间的变换矩阵；再根据变换矩阵计算车内空间的空间点的三维坐标；最后根据车内空间的空间点的三维坐标构建车内空间的三维场景。通过上述方法，在缺少深度信息的条件下，可以构建出精确的车内三维场景，进而利于精准确定座舱内目标对象的位置。
为了提高三维场景构建的精度，在一个实施例中，提出了一种多位置联合计算方法。具体的，S105包括：
S1051，获取所述车内空间的第三图像，所述第三图像由第三拍摄装置拍摄获得。
本申请实施例中，第三拍摄装置和第一拍摄装置、第二拍摄装置可以指安装于不同拍摄位置的不同的拍摄装置，也可以指同一拍摄装置被放置到不同拍摄位置。
S1052，根据第三特征点和第四特征点确定第二变换矩阵。
其中，所述第三特征点为所述第二图像中的特征点，所述第四特征点为所述第三图像中与所述第三特征点对应的特征点,所述第三拍摄装置所属的第三相机坐标系和所述第一拍摄装置所属的第一相机坐标系之间的。与S1031步骤相同，可以采用现有的特征匹配算法对第三图像和第二图像进行特征点匹配处理，获得第三特征点和第四特征点。同样的，第二图像中包括多个第三特征点，相应的，第三图像中包括与多个第三特征点各自匹配的第四特征点。
需要说明的是，第二图像和第三图像进行特征点匹配处理后得到的第三特征点中，可能包括第五特征点，所述第五特征点为第三特征点中属于第二特征点的特征点。换言之，第二图像中的部分特征点既与第一图像中的特征点相匹配、又与第三图像中的特征点相匹配，这部分特征点为第五特征点。第二图像中的另一部分特征点未与第一图像中的特征点相匹配、但与第三图像中的特征点相匹配，这部分特征点为新增特征点。由于第五特征点对应的三维坐标由上述步骤已经确定得到，因此，可根据第五特征点修正第三拍摄装置的位置。
可选的，第二变换矩阵的计算方式为：
根据第五特征点对应的空间点的三维坐标，计算所述第三拍摄装置的第三拍摄位置；计算所述第三拍摄位置对应的所述第三相机坐标系与所述第一拍摄位置对应的所述第一相机坐标系之间的所述第二变换矩阵。
实际应用中，可以通过OpenCV中的solvePnP工具包实现上述第二变换矩阵的计算。
S1053，根据所述第二变换矩阵计算所述车内空间的第二空间点的三维坐标，其中，所述第二空间点为所述第三特征点和所述第四特征点对应的空间点。
如S1052中所述，第二图像中包括第五特征点和新增特征点。根据S1052的方法对第三拍摄装置的位置进行修正之后，第二空间点中与第五特征点对应的空间点的三维坐标与第一空间点中第五特征点对应的空间点的三维坐标一致。第二空间点中除与第五特征点对应的空间点外的空间点则为新增特征点对应的空间点，相当于通过第三图像确定了更多的空间点的三维坐标。
S1054，根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景。
当然，在S1054之后，还可以继续引入多个拍摄位置对应的车内空间的图像，由多个拍摄位置对应的车内空间的图像联合计算出车内空间的多个空间点的三维坐标。引入下一拍摄位置的计算方法，与上述S1051-S1053的方法相同，在此不再赘述。
本申请实施例中，通过引入多个拍摄位置，利用多个拍摄位置联合计算，可以有效减少位置累计误差，进而有效提高三维场景构建的精度。
需要说明的是，引入的拍摄位置越多，能够确定出的空间点的数量越多，计算出的空间点的三维坐标也越准确，进而创建出的三维场景也越精确。
参见图4，是本申请实施例提供的汽车座舱内相机位置的示意图。如图4所示，为汽车座舱内设置的8个拍摄位置。实际应用中，不对拍摄位置的数量和具体位置做限定。
随着引入的拍摄位置的增多，积累的误差也会增加。为了减少积累误差，在一个实施例中，在S1054之后，所述方法还包括：
根据预设的代价函数计算场景构建参数对应的损失值，其中，所述场景构建参数包括所述内参矩阵、每个拍摄位置对应的变换矩阵、所述车内空间中的空间点的三维坐标、以及所述车内空间中的空间点在每张图像中的像素坐标；根据梯度下降方法和所述损失值优化所述场景构建参数。
其中，代价函数可以为fi(Ki,Ri,Ti,Pj)＝π(Ki[RiTi]Pi]-pj i)，Ki为第i个拍摄装置的内参矩阵，第i个拍摄位置对应的变换矩阵为Ri和Ti，车内空间中的某个空间点的坐标为Pj，该点在第i张图像中的像素坐标为pj i，π为投影函数。需要说明的是，当采用一个拍摄装置，将该拍摄装置移动到不同拍摄位置获取车内空间的图像，上式中的Ki和Ki+1为相同的内参矩阵。
根据minx∑iρi(||fi(xi1,xi2,…,xik)||)2进行优化。其中，ρi为第i个拍摄位置对应的损失函数。
应理解，上述实施例中各步骤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，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的车内场景构建方法，图5是本申请实施例提供的车内场景构建装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，该装置包括：
第一获取单元51，用于通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像。
第二获取单元52，用于通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像。
第一计算单元53，用于根据第一特征点和第二特征点计算第一变换矩阵，其中，所述第一特征点为所述第一图像中的特征点，所述第二特征点为所述第二图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的变换矩阵。
第二计算单元54，用于根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点。
场景构建单元55，用于根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
可选的，第一计算单元53还用于：
对所述第一图像和所述第二图像进行特征点匹配处理，获得第一特征点和所述第二特征点；
根据预设的内参矩阵将所述第一特征点转换为第一坐标点、将所述第二特征点转换为第二坐标点，其中，所述内参矩阵表示图像坐标系和相机坐标系之间的转换关系；
根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵。
可选的，第一计算单元53还用于：
根据所述第一坐标点和所述第二坐标点计算本征矩阵，其中，所述本征矩阵表示所述第一相机坐标系和所述第二相机坐标系之间的转换关系；
从所述本征矩阵中分解出所述第一变换矩阵。
可选的，第二计算单元54还用于：
获取所述第一空间点在所述车内空间中的位置与所述第二拍摄装置之间的第一距离；
根据所述第一距离、所述内参矩阵和所述第一变换矩阵计算所述第一空间点的所述三维坐标。
可选的，场景构建单元55还用于：
获取所述车内空间的第三图像，所述第三图像由第三拍摄装置拍摄获得；
根据第三特征点和第四特征点确定第二变换矩阵，其中，所述第三特征点为所述第二图像中的特征点，所述第四特征点为所述第三图像中与所述第三特征点对应的特征点，所述第二变换矩阵为所述第三拍摄装置所属的第三相机坐标系和所述第一拍摄装置所属的第一相机坐标系之间的变换矩阵；
根据所述第二变换矩阵计算所述车内空间的第二空间点的三维坐标，其中，所述第二空间点为所述第三特征点和所述第四特征点对应的空间点；
根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景。
可选的，场景构建单元55还用于：
根据第五特征点对应的空间点的三维坐标，计算所述第三拍摄装置的第三拍摄位置，其中，所述第五特征点为所述第三特征点中属于所述第二特征点的特征点；
计算所述第三拍摄位置对应的所述第三相机坐标系与所述第一拍摄位置对应的所述第一相机坐标系之间的所述第二变换矩阵。
可选的，装置5还包括：
参数优化单元56，用于在根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景之后，根据预设的代价函数计算场景构建参数对应的损失值，其中，所述场景构建参数包括所述内参矩阵、每个拍摄位置对应的变换矩阵、所述车内空间中的空间点的三维坐标、以及所述车内空间中的空间点在每张图像中的像素坐标；根据梯度下降方法和所述损失值优化所述场景构建参数。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
另外，图5所示的车内场景构建装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中，还可以作为独立的终端设备存在。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图6是本申请实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意各个车内场景构建方法实施例中的步骤。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
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程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车内场景构建方法，其特征在于，包括：
通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像；
通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像；
根据第一特征点和第二特征点计算第一变换矩阵，其中，所述第一特征点为所述第一图像中的特征点，所述第二特征点为所述第二图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的变换矩阵；
根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点；
根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
2.如权利要求1所述的车内场景构建方法，其特征在于，所述根据第一特征点和第二特征点计算所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的第一变换矩阵，包括：
对所述第一图像和所述第二图像进行特征点匹配处理，获得第一特征点和所述第二特征点；
根据预设的内参矩阵将所述第一特征点转换为第一坐标点、将所述第二特征点转换为第二坐标点，其中，所述内参矩阵表示图像坐标系和相机坐标系之间的转换关系；
根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵。
3.如权利要求2所述的车内场景构建方法，其特征在于，所述根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵，包括：
根据所述第一坐标点和所述第二坐标点计算本征矩阵，其中，所述本征矩阵表示所述第一相机坐标系和所述第二相机坐标系之间的转换关系；
从所述本征矩阵中分解出所述第一变换矩阵。
4.如权利要求2所述的车内场景构建方法，其特征在于，所述根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，包括：
获取所述第一空间点在所述车内空间中的位置与所述第二拍摄装置之间的第一距离；
根据所述第一距离、所述内参矩阵和所述第一变换矩阵计算所述第一空间点的所述三维坐标。
5.如权利要求1所述的车内场景构建方法，其特征在于，所述根据所述第一空间点的所述三维坐标构建所述车内空间的三维场景，包括：
获取所述车内空间的第三图像，所述第三图像由第三拍摄装置拍摄获得；
根据第三特征点和第四特征点确定第二变换矩阵，其中，所述第三特征点为所述第二图像中的特征点，所述第四特征点为所述第三图像中与所述第三特征点对应的特征点，所述第二变换矩阵为所述第三拍摄装置所属的第三相机坐标系和所述第一拍摄装置所属的第一相机坐标系之间的变换矩阵；
根据所述第二变换矩阵计算所述车内空间的第二空间点的三维坐标，其中，所述第二空间点为所述第三特征点和所述第四特征点对应的空间点；
根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景。
6.如权利要求5所述的车内场景构建方法，其特征在于，所述根据第三特征点和第四特征点确定所述第三拍摄装置所属的第三相机坐标系和所述第一拍摄装置所属的第一相机坐标系之间的第二变换矩阵，包括：
根据第五特征点对应的空间点的三维坐标，计算所述第三拍摄装置的第三拍摄位置，其中，所述第五特征点为所述第三特征点中属于所述第二特征点的特征点；
计算所述第三拍摄位置对应的所述第三相机坐标系与所述第一拍摄位置对应的所述第一相机坐标系之间的所述第二变换矩阵。
7.如权利要求5所述的车内场景构建方法，其特征在于，在根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景之后，所述方法包括：
根据预设的代价函数计算场景构建参数对应的损失值，其中，所述场景构建参数包括内参矩阵、每个拍摄位置对应的变换矩阵、所述车内空间中的空间点的三维坐标、以及所述车内空间中的空间点在每张图像中的像素坐标；
根据梯度下降方法和所述损失值优化所述场景构建参数。
8.一种车内场景构建装置，其特征在于，包括：
第一获取单元，用于通过第一拍摄位置的第一拍摄装置获取车内空间的第一图像；
第二获取单元，用于通过第二拍摄位置的第二拍摄装置获取车内空间的第二图像；
第一计算单元，用于根据第一特征点和第二特征点计算第一变换矩阵，其中，所述第一特征点为所述第一图像中的特征点，所述第二特征点为所述第二图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一拍摄装置所属的第一相机坐标系和所述第二拍摄装置所属的第二相机坐标系之间的变换矩阵；
第二计算单元，用于根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标，其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点；
场景构建单元，用于根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一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至7任一项所述的方法。
CN202210044980.XA 2022-01-14 2022-01-14 车内场景构建方法、终端设备及计算机可读存储介质 Pending CN115115709A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210044980.XA CN115115709A (zh) 2022-01-14 2022-01-14 车内场景构建方法、终端设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210044980.XA CN115115709A (zh) 2022-01-14 2022-01-14 车内场景构建方法、终端设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115115709A true CN115115709A (zh) 2022-09-27

Family

ID=83325136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210044980.XA Pending CN115115709A (zh) 2022-01-14 2022-01-14 车内场景构建方法、终端设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115115709A (zh)

Similar Documents

Publication Publication Date Title
CN109523597B (zh) 相机外参的标定方法和装置
CN108364253B (zh) 车辆定损方法、系统以及电子设备
CN111462249B (zh) 一种交通摄像头标定方法及装置
CN112085798B (zh) 摄像机标定方法、装置、电子设备及存储介质
CN112070250B (zh) 车辆定损方法、装置、终端设备及存储介质
WO2022160787A1 (zh) 一种机器人手眼标定方法, 装置, 可读存储介质及机器人
CN112198878B (zh) 一种即时地图构建方法、装置、机器人及存储介质
CN114387347B (zh) 确定外参标定的方法、装置、电子设备及介质
CN112435193A (zh) 一种点云数据去噪的方法、装置、存储介质和电子设备
CN108846861B (zh) 图像单应矩阵计算方法、装置、移动终端及存储介质
CN112967347B (zh) 位姿标定方法、装置、机器人及计算机可读存储介质
CN113240031B (zh) 全景图像特征点匹配模型的训练方法、装置以及服务器
CN116597246A (zh) 模型训练方法、目标检测方法、电子设备及存储介质
CN115115709A (zh) 车内场景构建方法、终端设备及计算机可读存储介质
CN111445513A (zh) 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
CN116385509A (zh) 点云数据配准方法、装置、电子设备、系统和存储介质
CN114926316A (zh) 距离测量方法、装置、电子设备及存储介质
CN113570659B (zh) 拍摄装置位姿估计方法、装置、计算机设备和存储介质
CN112884844B (zh) 全景影像系统的标定方法、装置及计算机可读存储介质
CN112669388B (zh) 激光雷达与摄像装置的标定方法及装置、可读存储介质
CN109978986B (zh) 一种三维模型的重建方法、装置、存储介质及终端设备
CN111223139B (zh) 目标定位方法及终端设备
CN109919998B (zh) 卫星姿态确定方法、装置和终端设备
CN113160942A (zh) 影像数据质量评估方法、装置、终端设备及可读存储介质
CN111145268A (zh) 一种视频注册方法及装置

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