CN115496791A - 一种深度图的生成方法、装置、电子设备及存储介质 - Google Patents
一种深度图的生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115496791A CN115496791A CN202211160129.XA CN202211160129A CN115496791A CN 115496791 A CN115496791 A CN 115496791A CN 202211160129 A CN202211160129 A CN 202211160129A CN 115496791 A CN115496791 A CN 115496791A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- pinhole
- map
- laser point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001914 filtration Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010422 painting Methods 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
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种深度图的生成方法、装置、电子设备及存储介质。该方法包括:获取目标区域的全景图数据和激光点云数据,并将全景图数据分割为多个针孔图数据;根据激光点云数据,获取每个针孔图数据的激光点云子数据;分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。本发明提供的方案能够突破传统的通过深度相机获取深度图对于测量范围的局限,可生成大场景的深度图,同时节约计算资源,提升深度图的生成速度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种深度图的生成方法、装置、电子设备及存储介质。
背景技术
在三维(3-dimension,3D)计算机图形和计算机视觉中,深度图是一种图像或者图像通道,其中每一个像素值表示场景对象中的某点与相机的距离有关的信息,用于模拟或重建3D形状。
目前,深度图通常是采用深度相机直接获取。然而,现有的深度相机的测量范围通常小于10米,在面临比较大的场景时,深度相机往往无法满足深度图的获取需求。
发明内容
本发明提供了一种深度图的生成方法、装置、电子设备及存储介质,能够突破传统的通过深度相机获取深度图对于测量范围的局限,可生成大场景的深度图,同时节约计算资源,提升深度图的生成速度。
根据本发明的一方面,提供了一种深度图的生成方法,包括:
获取目标区域的全景图数据和激光点云数据,并将全景图数据分割为多个针孔图数据;
根据激光点云数据,获取每个针孔图数据的激光点云子数据;
分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。
可选的,将全景图数据分割为多个针孔图数据,包括:
获取分割参数,分割参数包括针孔图数据的宽度、高度和焦距;
根据针孔图数据的宽度、高度和焦距,确定旋转角度;
以全景球的Z轴为旋转轴,每旋转旋转角度,从全景图数据中分割出一个针孔图数据,旋转一周后得到多个针孔图数据。
可选的,对于任一针孔图数据,根据激光点云数据,获取针孔图数据的激光点云子数据,包括:
对激光点云数据进行一次过滤,得到第一剩余点云数据;
对第一剩余点云数据进行二次过滤,得到第二剩余点云数据;
对第二剩余点云数据进行三次过滤,得到针孔图数据的激光点云子数据。
可选的,对激光点云数据进行一次过滤,得到第一剩余点云数据,包括:
确定针孔图数据所属的全景图数据的时间戳;
根据时间戳,对激光点云数据进行一次过滤,得到第一剩余点云数据,第一剩余点云数据包括的点云的拍摄时间均位于时间戳内。
可选的,对第一剩余点云数据进行二次过滤,得到第二剩余点云数据,包括:
计算针孔图数据的位置和姿态;
根据针孔图数据的位置和姿态,确定视锥体的原点和朝向,并根据原点、朝向、远近裁剪面距离和相机视场角FOV,生成视锥体;
根据视锥体,对第一剩余点云数据进行二次过滤,得到第二剩余点云数据,第二剩余点云数据包括的点云均位于视锥体内。
可选的,对第二剩余点云数据进行三次过滤,得到针孔图数据的激光点云子数据,包括:
在第二剩余点云数据上建立八叉树网格,八叉树网格包括多个子网格,每个子网格包括第二剩余点云数据的部分点云;
分别从每个子网格包括的第二剩余点云数据的部分点云中确定每个子网格的目标点云,目标点云为距子网格的中心最近的点云,所有子网格的目标点云共同构成针孔图数据的激光点云子数据。
可选的,对于任一针孔图数据,根据针孔图数据的激光点云子数据,生成针孔图数据对应的深度图,包括:
建立空白图,空白图的尺寸与针孔图数据的尺寸相同;
将针孔图数据的激光点云子数据投影到空白图上,生成针孔图数据对应的深度图。
根据本发明的另一方面,提供了一种深度图的生成装置,包括:数据获取模块,数据处理模块和深度图生成模块;
数据获取模块,用于获取目标区域的全景图数据和激光点云数据;
数据处理模块,用于将全景图数据分割为多个针孔图数据;以及根据激光点云数据,获取每个针孔图数据的激光点云子数据;
深度图生成模块,用于分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。
根据本发明的另一方面,提供了一种电子设备,电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的深度图的生成方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的深度图的生成方法。
本发明实施例的技术方案,通过获取目标区域的全景图数据和激光点云数据,并将全景图数据分割为多个针孔图数据,根据激光点云数据,获取每个针孔图数据的激光点云子数据,再分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。如此,能够突破传统的通过深度相机获取深度图对于测量范围的局限,可生成大场景的深度图;同时,将全景图数据分割为多个针孔图数据后分别进行处理,能够节约计算资源,提升深度图的生成速度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种深度图的生成方法的流程示意图;
图2是本发明实施例一提供的一种全景图数据的示意图;
图3是本发明实施例一提供的一种激光点云数据的示意图;
图4是本发明实施例一提供的一种基于图2所示的全景图数据分割得到的部分针孔图数据的示意图;
图5是本发明实施例一提供的一种视锥体的示意图;
图6是本发明实施例二提供的一种深度图的生成装置的结构示意图;
图7是本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种深度图的生成方法的流程示意图,本实施例可适用于生成深度图的情况,该方法可以由深度图的生成装置来执行,该深度图的生成装置可以采用硬件和/或软件的形式实现,该深度图的生成装置可配置于电子设备(如计算机或者服务器)中。如图1所示,该方法包括:
S110、获取目标区域的全景图数据和激光点云数据,并将全景图数据分割为多个针孔图数据。
目标区域为任意的空间区域,如房屋、操场、仓库等。
通常,目标区域的全景图数据和激光点云数据可以通过诸如背包式激光雷达设备上设置的传感器获取。全景图数据(又称为360°全景图)能够通过广角的表现手段以及绘画、相片、视频、三维模型等形式,尽可能多表现出目标区域的环境;激光点云数据是空间点的数据集,每一个点都包含了三维坐标信息,也就是X、Y、Z三个元素,有的还可包含颜色信息、反射强度信息、回波次数信息等。示例性的,图2为本发明实施例一提供的一种全景图数据的示意图;图3为本发明实施例一提供的一种激光点云数据的示意图。
本发明中,目标区域的全景图数据和激光点云数据的测量范围依据激光雷达设备的性能决定,通常可以达到几百甚至上千米,从而满足大场景的深度图生成需求。
在一实施例中,全景图数据的数量可以为一帧或者多帧。对于每个全景图数据,都要执行“将全景图数据分割为多个针孔图数据”的步骤。具体的,将全景图数据分割为多个针孔图数据的方法可以包括如下三个步骤。
步骤A1:获取分割参数,分割参数包括针孔图数据的宽度、高度和焦距。
步骤A2:根据针孔图数据的宽度、高度和焦距,确定旋转角度。
步骤A3:以全景球的Z轴为旋转轴,每旋转旋转角度,从全景图数据中分割出一个针孔图数据,旋转一周后得到多个针孔图数据。
参考上述步骤A1-A3可知,旋转角度K的大小决定了针孔图数据的数量。例如,假设旋转角度K等于40°,那么每旋转40°即可从全景图数据中分割出一个针孔图数据,旋转一周(360°)之后一共可以得到9个针孔图数据。示例性的,图4为本发明实施例一提供的一种基于图2所示的全景图数据分割得到的部分针孔图数据的示意图。
在本发明中,将全景图数据分割为多个针孔图数据,多个针孔图数据可以并行进行下述获取针孔图数据的激光点云子数据和生成对应的深度图的处理,从而能够从整体上提升深度图的生成速度。
S120、根据激光点云数据,获取每个针孔图数据的激光点云子数据。
为了节约计算资源,提升单个针孔图数据对应的深度图的生成效率,本发明还可以对激光点云数据进行处理,得到每个针孔图数据的激光点云子数据。
具体的,根据激光点云数据,获取每个针孔图数据的激光点云子数据的方法可以包括如下三个步骤。
步骤B1:对激光点云数据进行一次过滤,得到第一剩余点云数据。
在步骤B1中,一次过滤又可以称为时间过滤,其具体方法可以是:确定针孔图数据所属的全景图数据的时间戳;根据时间戳,对激光点云数据进行一次过滤,得到第一剩余点云数据,第一剩余点云数据包括的点云的拍摄时间均位于时间戳内。
例如,假设一共有5帧全景图数据,第1帧全景图数据的时间戳是指开始拍照的时刻到第2帧全景图数据拍摄前的这一段时间;第2帧全景图数据的时间戳是指第1帧全景图数据拍摄完毕到第3帧全景图数据拍摄前的这一段时间;第3帧全景图数据的时间戳是指第2帧全景图数据拍摄完毕到第4帧全景图数据拍摄前的这一段时间;第4帧全景图数据的时间戳是指第3帧全景图数据拍摄完毕到第5帧全景图数据拍摄前的这一段时间;第5帧全景图数据的时间戳是指第4帧全景图数据拍摄完毕到完成拍照的这一段时间。每帧全景图数据分割为6个针孔图数据,那么在步骤S110执行完毕后,一共有30个针孔图数据。一次过滤主要是根据针孔图数据所属的全景图数据的时间戳,剔除拍摄时间不在该全景图数据的时间戳内的点云。在全景图数据的数量比较多时,这个步骤能有效地过滤大部分点云,极大程度地节约计算资源。
除第1帧全景图数据和最后1帧全景图数据,步骤B1可以通过式(1)来表示:
其中,FilterPoints_K表示所属第K帧全景图数据的针孔图数据经过一次过滤后的第一剩余点云数据,pti.time表示点云中第i个点的时间戳,Pano()表示针孔图数据到全景图数据的转换接口,Pano(K).time表示所属第K帧全景图数据的时间戳,Pano(K).index表示所属第K帧全景图数据的标识(ID),N表示全景图数据的最大ID,全景图数据的ID范围为[1,N]。
可以理解的是,如果全景图数据的数量为一帧,那么分割得到的所有针孔图数据都是属于这帧全景图数据的,即激光点云数据包括的所有点云的拍摄时间均位于这帧全景图数据的时间戳内,一次过滤不会过滤掉点云。也就是说,如果全景图数据的数量为一帧,那么步骤B1可以不用执行。
步骤B2:对第一剩余点云数据进行二次过滤,得到第二剩余点云数据。
在步骤B2中,二次过滤又可以称为视锥体过滤,其具体方法可以是:计算针孔图数据的位置和姿态;根据针孔图数据的位置和姿态,确定视锥体的原点和朝向,并根据原点、朝向、远近裁剪面距离和相机视场角(Field of view,FOV),生成视锥体;根据视锥体,对第一剩余点云数据进行二次过滤,得到第二剩余点云数据,第二剩余点云数据包括的点云均位于视锥体内。
具体的,针孔图数据i的位置Twc_i=Tc,其中,Tc为针孔图数据i所属的全景图数据在世界坐标系中的位置;针孔图数据i的姿态Rwc_i=Rwp*Rpc_i,其中,Rwp为针孔图数据i所属的全景图数据到世界坐标系的旋转矩阵,Rpc_i为针孔图数据i到其所属的全景图数据分割起点的旋转矩阵(例如,以旋转角度为40°为例,第1个针孔图数据到其所属的全景图坐标的旋转为40度,以此类推)。
远近裁剪面距离可以根据实际情况进行设置,通常,远近裁剪面距离的取值范围为[0.1,200]。相机FOV根据背包式激光雷达设备上设置的传感器决定。
图5为本发明实施例一提供的一种视锥体的示意图。如图5所示,E点为根据针孔图数据的位置Twc_i和姿态Rwc_i确定得到的视锥体的原点,截面1与截面2之间的垂直距离为远近裁剪面距离。在视锥体建立完成之后,将第一剩余点云数据转换到相机坐标系下,对第一剩余点云数据进行二次过滤,剔除不在视锥体范围内的点云。在一帧全景图数据分割得到的针孔图数据比较多时,这个步骤能有效地过滤大部分点云,极大程度地节约计算资源。
步骤B3:对第二剩余点云数据进行三次过滤,得到针孔图数据的激光点云子数据。
在步骤B3中,三次过滤又可以称为体素过滤,其具体方法可以是:在第二剩余点云数据上建立八叉树网格,八叉树网格包括多个子网格,每个子网格包括第二剩余点云数据的部分点云;分别从每个子网格包括的第二剩余点云数据的部分点云中确定每个子网格的目标点云,目标点云为距子网格的中心最近的点云,所有子网格的目标点云共同构成针孔图数据的激光点云子数据。
八叉树网格的最小尺度(即每个子网格的大小)可以根据实际情况进行设置。由于同一个子网格内的点云之间的距离很近,因此,三次过滤主要是根据八叉树网格,剔除了同一个子网格中的多余点云,进一步减少了激光点云子数据中的点云数量,提升计算效率。
S130、分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。
具体的,对于任一针孔图数据,根据针孔图数据的激光点云子数据,生成针孔图数据对应的深度图的方法可以包括如下两个步骤。
步骤C1:建立空白图,空白图的尺寸与针孔图数据的尺寸相同。
步骤C2:将针孔图数据的激光点云子数据投影到空白图上,生成针孔图数据对应的深度图。
针孔图数据的激光点云子数据包括的所有点云都要进行投影。如果某一点云的投影坐标在空白图的范围内,则在空白图上标记该位置,并记录该点云的深度信息(即激光点云子数据到图像坐标中心的距离);如果某一点云的投影坐标不在空白图的范围内,则丢弃该点云。直至针孔图数据的激光点云子数据包括的所有点云投影完毕,生成针孔图数据对应的深度图。
在一实施例中,点云的深度信息Depth=Norm(pt3D-Tc_i),其中,pt3D表示该点云的3D坐标,Tc_i表示针孔图数据i的位置,Norm表示取模(即计算点距)。UV值=PROJECT_MATRIX*pt3D,PROJECT_MATRIX表示投影矩阵(从世界坐标转换到针孔图数据i的像素坐标)。
本发明实施例提供了一种深度图的生成方法,包括:获取目标区域的全景图数据和激光点云数据,并将全景图数据分割为多个针孔图数据;根据激光点云数据,获取每个针孔图数据的激光点云子数据;分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。通过获取目标区域的全景图数据和激光点云数据,并将全景图数据分割为多个针孔图数据,根据激光点云数据,获取每个针孔图数据的激光点云子数据,再分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。如此,能够突破传统的通过深度相机获取深度图对于测量范围的局限,可生成大场景的深度图;同时,将全景图数据分割为多个针孔图数据后分别进行处理,能够节约计算资源,提升深度图的生成速度。
实施例二
图6为本发明实施例二提供的一种深度图的生成装置的结构示意图。如图6所示,该装置包括:数据获取模块200,数据处理模块210和深度图生成模块220。
数据获取模块200,用于获取目标区域的全景图数据和激光点云数据;
数据处理模块210,用于将全景图数据分割为多个针孔图数据;以及根据激光点云数据,获取每个针孔图数据的激光点云子数据;
深度图生成模块220,用于分别根据每个针孔图数据的激光点云子数据,生成每个针孔图数据对应的深度图。
可选的,数据处理模块210,具体用于获取分割参数,分割参数包括针孔图数据的宽度、高度和焦距;根据针孔图数据的宽度、高度和焦距,确定旋转角度;以全景球的Z轴为旋转轴,每旋转旋转角度,从全景图数据中分割出一个针孔图数据,旋转一周后得到多个针孔图数据。
可选的,数据处理模块210,具体用于对激光点云数据进行一次过滤,得到第一剩余点云数据;对第一剩余点云数据进行二次过滤,得到第二剩余点云数据;对第二剩余点云数据进行三次过滤,得到针孔图数据的激光点云子数据。
可选的,数据处理模块210,具体用于确定针孔图数据所属的全景图数据的时间戳;根据时间戳,对激光点云数据进行一次过滤,得到第一剩余点云数据,第一剩余点云数据包括的点云的拍摄时间均位于时间戳内。
可选的,数据处理模块210,具体用于计算针孔图数据的位置和姿态;根据针孔图数据的位置和姿态,确定视锥体的原点和朝向,并根据原点、朝向、远近裁剪面距离和相机视场角FOV,生成视锥体;根据视锥体,对第一剩余点云数据进行二次过滤,得到第二剩余点云数据,第二剩余点云数据包括的点云均位于视锥体内。
可选的,数据处理模块210,具体用于在第二剩余点云数据上建立八叉树网格,八叉树网格包括多个子网格,每个子网格包括第二剩余点云数据的部分点云;分别从每个子网格包括的第二剩余点云数据的部分点云中确定每个子网格的目标点云,目标点云为距子网格的中心最近的点云,所有子网格的目标点云共同构成针孔图数据的激光点云子数据。
可选的,深度图生成模块220,具体用于建立空白图,空白图的尺寸与针孔图数据的尺寸相同;将针孔图数据的激光点云子数据投影到空白图上,生成针孔图数据对应的深度图。
本发明实施例所提供的深度图的生成装置可执行本发明任意实施例所提供的深度图的生成方法,具备执行方法相应的功能模块和有益效果。
实施例三
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11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。
在一些实施例中,深度图的生成方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11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,处理器11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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种深度图的生成方法,其特征在于,包括:
获取目标区域的全景图数据和激光点云数据,并将所述全景图数据分割为多个针孔图数据;
根据所述激光点云数据,获取每个所述针孔图数据的激光点云子数据;
分别根据每个所述针孔图数据的激光点云子数据,生成每个所述针孔图数据对应的深度图。
2.根据权利要求1所述的方法,其特征在于,所述将所述全景图数据分割为多个针孔图数据,包括:
获取分割参数,所述分割参数包括所述针孔图数据的宽度、高度和焦距;
根据所述针孔图数据的宽度、高度和焦距,确定旋转角度;
以全景球的Z轴为旋转轴,每旋转所述旋转角度,从所述全景图数据中分割出一个所述针孔图数据,旋转一周后得到多个所述针孔图数据。
3.根据权利要求1所述的方法,其特征在于,对于任一所述针孔图数据,所述根据所述激光点云数据,获取所述针孔图数据的激光点云子数据,包括:
对所述激光点云数据进行一次过滤,得到第一剩余点云数据;
对所述第一剩余点云数据进行二次过滤,得到第二剩余点云数据;
对所述第二剩余点云数据进行三次过滤,得到所述针孔图数据的激光点云子数据。
4.根据权利要求3所述的方法,其特征在于,所述对所述激光点云数据进行一次过滤,得到第一剩余点云数据,包括:
确定所述针孔图数据所属的全景图数据的时间戳;
根据所述时间戳,对所述激光点云数据进行一次过滤,得到所述第一剩余点云数据,所述第一剩余点云数据包括的点云的拍摄时间均位于所述时间戳内。
5.根据权利要求3所述的方法,其特征在于,所述对所述第一剩余点云数据进行二次过滤,得到第二剩余点云数据,包括:
计算所述针孔图数据的位置和姿态;
根据所述针孔图数据的位置和姿态,确定视锥体的原点和朝向,并根据所述原点、所述朝向、远近裁剪面距离和相机视场角FOV,生成所述视锥体;
根据所述视锥体,对所述第一剩余点云数据进行二次过滤,得到所述第二剩余点云数据,所述第二剩余点云数据包括的点云均位于所述视锥体内。
6.根据权利要求3所述的方法,其特征在于,所述对所述第二剩余点云数据进行三次过滤,得到所述针孔图数据的激光点云子数据,包括:
在所述第二剩余点云数据上建立八叉树网格,所述八叉树网格包括多个子网格,每个所述子网格包括所述第二剩余点云数据的部分点云;
分别从每个所述子网格包括的所述第二剩余点云数据的部分点云中确定每个所述子网格的目标点云,所述目标点云为距所述子网格的中心最近的点云,所有所述子网格的目标点云共同构成所述针孔图数据的激光点云子数据。
7.根据权利要求1所述的方法,其特征在于,对于任一所述针孔图数据,所述根据所述针孔图数据的激光点云子数据,生成所述针孔图数据对应的深度图,包括:
建立空白图,所述空白图的尺寸与所述针孔图数据的尺寸相同;
将所述针孔图数据的激光点云子数据投影到所述空白图上,生成所述针孔图数据对应的深度图。
8.一种深度图的生成装置,其特征在于,包括:数据获取模块,数据处理模块和深度图生成模块;
所述数据获取模块,用于获取目标区域的全景图数据和激光点云数据;
所述数据处理模块,用于将所述全景图数据分割为多个针孔图数据;以及根据所述激光点云数据,获取每个所述针孔图数据的激光点云子数据;
所述深度图生成模块,用于分别根据每个所述针孔图数据的激光点云子数据,生成每个所述针孔图数据对应的深度图。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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中任一项所述的深度图的生成方法。
10.一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处理器执行时实现权利要求1-7中任一项所述的深度图的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160129.XA CN115496791A (zh) | 2022-09-22 | 2022-09-22 | 一种深度图的生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160129.XA CN115496791A (zh) | 2022-09-22 | 2022-09-22 | 一种深度图的生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115496791A true CN115496791A (zh) | 2022-12-20 |
Family
ID=84470317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211160129.XA Pending CN115496791A (zh) | 2022-09-22 | 2022-09-22 | 一种深度图的生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496791A (zh) |
-
2022
- 2022-09-22 CN CN202211160129.XA patent/CN115496791A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
WO2018119889A1 (zh) | 三维场景定位方法和装置 | |
CN112344869A (zh) | 基于侧面拟合的铁塔变形监测方法及系统 | |
CN115272572A (zh) | 输电线路重建方法、装置、电子设备及存储介质 | |
CN114972027A (zh) | 一种图像拼接方法、装置、设备、介质和计算机产品 | |
CN112150595A (zh) | 一种点云数据处理方法、装置、设备及介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN115761142B (zh) | 一种基于多gpu协同的高性能实景建模方法 | |
CN116758503A (zh) | 车道线自动标注方法、装置、设备及存储介质 | |
CN116863083A (zh) | 变电站三维点云数据的处理方法和装置 | |
CN115063485B (zh) | 三维重建方法、装置及计算机可读存储介质 | |
CN116664997A (zh) | 一种感知融合系统、电子设备和存储介质 | |
CN115496791A (zh) | 一种深度图的生成方法、装置、电子设备及存储介质 | |
CN116129422A (zh) | 单目3d目标检测方法、装置、电子设备和存储介质 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN115049810A (zh) | 固态激光雷达点云的上色方法、装置、设备及存储介质 | |
CN114596362A (zh) | 一种高点摄像头坐标计算方法、装置、电子设备及介质 | |
CN114612544B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN116229209B (zh) | 目标模型的训练方法、目标检测方法及装置 | |
CN116400372A (zh) | 一种激光雷达点云提取方法、装置、电子设备及存储介质 | |
CN115713614A (zh) | 一种图像场景构造方法、装置、电子设备和存储介质 | |
CN115601522A (zh) | 变电站实景模型生成方法、装置、设备及存储介质 | |
CN114612540A (zh) | 一种点云数据的生成方法、装置、设备及介质 | |
CN117576395A (zh) | 点云语义分割方法、装置、电子设备及存储介质 | |
CN117456509A (zh) | 一种车辆的信号灯检测方法、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 |