CN115578522A - 一种基于图像的彩色稠密化点云生成方法及装置 - Google Patents
一种基于图像的彩色稠密化点云生成方法及装置 Download PDFInfo
- Publication number
- CN115578522A CN115578522A CN202211442269.6A CN202211442269A CN115578522A CN 115578522 A CN115578522 A CN 115578522A CN 202211442269 A CN202211442269 A CN 202211442269A CN 115578522 A CN115578522 A CN 115578522A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- camera image
- pixels
- cloud data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000000295 complement effect Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001502 supplementing effect Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000000280 densification Methods 0.000 abstract description 3
- 238000013507 mapping Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像的彩色稠密化点云生成方法及装置,其方法包括:获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的像素,并将其颜色信息添加到对应的点云数据;根据激光雷达的线束分布,以及相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;融合多个目标像素对应的点云数据与原点云数据,生成稠密化彩色点云。本发明利用图像与点云的映射关系,通过颜色信息保证融合后的点云的准确性。
Description
技术领域
本发明属于激光点云数据处理技术领域,具体涉及一种基于图像的彩色稠密化点云生成方法及装置。
背景技术
随着智能网联汽车的大力发展,自动驾驶的数据融合显得尤为重要,自动驾驶算法的训练数据形态也从图像、点云到两者的融合。传统的点云稠密化方法没有依赖图像信息,大多是采用深度学习的方式,所以生成点云形态不可控,同时由于市面上的激光雷达线束密度相对于图像像素密度有较大差距,也很难在不影响原始信息的前提下实现。
发明内容
为在不影响原始信息的前提下实现彩色稠密化点云的生成问题,在本发明的第一方面提供了一种基于图像的彩色稠密化点云生成方法,包括:获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。
在本发明的一些实施例中,所述根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数包括:计算横向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定横向补点窗口的大小;计算纵向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定纵向补点窗口的大小。
进一步的,若激光雷达的线束分布不均匀,则根据横向相邻点云和/或纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数。
在本发明的一些实施例中,所述基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标包括:在以目标像素为中心的补点窗口所对应的相机图像区域中,寻找一个或多个已标记的像素;根据所述一个或多个已标记的像素与目标像素的加权距离,计算每个目标像素的对应点云的三维坐标;将目标像素的颜色信息添加到其对应点云中。
进一步的,若已标记的像素的对应点云与目标像素的对应点云之间的距离大于预设值时,则删除目标像素的对应点云。
在上述的实施例中,所述获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影包括:通过同步授时和时间戳,获取同一时刻的点云数据与其对应的相机图像;根据激光雷达和相机的外参矩阵,将点云数据转换到相机的世界坐标系中;利用相机的内参矩阵,将点云数据在世界坐标系的坐标转换到图像坐标系中。
本发明的第二方面,提供了一种基于图像的彩色稠密化点云生成装置,包括:获取模块,用于获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;确定模块,用于根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;计算模块,用于基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;融合模块,用于融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。
本发明的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明在第一方面提供的基于图像的彩色稠密化点云生成方法。
本发明的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本发明在第一方面提供的基于图像的彩色稠密化点云生成方法。
本发明的有益效果是:
一种基于图像的彩色稠密化点云生成方法,包括:获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。可见,本发明提供一种基于图像的彩色稠密化点云生成方法,其利用图像与点云的数据映射关系,扩充点云数据点,实现点云密度增强,同时在点云信息中增加图像像素值信息,极大的增强了数据融合的效果,同时保证了点云信息的准确性。
附图说明
图1为本发明的一些实施例中的基于图像的彩色稠密化点云生成方法的基本流程示意图;
图2为本发明的一些实施例中的基于图像的彩色稠密化点云生成方法的具体流程示意图;
图3为本发明的一些实施例中的基于图像的彩色稠密化点云生成装置的结构示意图;
图4为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
参考图1与图2,在本发明的第一方面,提供了一种基于图像的彩色稠密化点云生成方法,包括:S100.获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;S200.根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;S300基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;S400.融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。
可以理解,上述颜色信息包含但不限于RGB值、YUV值等;补点窗口也可称为滑窗或锚定框,其沿着图像的预设方向和步长提取像素或确定选区;点云数据通常是指激光雷达扫描空间得到的三维点云数据。
在本公开的实施例的步骤S100中,所述获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影包括:S101.通过同步授时和时间戳,获取同一时刻的点云数据与其对应的相机图像;S102.根据激光雷达和相机的外参矩阵,将点云数据转换到相机的世界坐标系中;S103.利用相机的内参矩阵,将点云数据在世界坐标系的坐标转换到图像坐标系中。
具体地,通过工控机进行时间同步授时,保证工业相机与激光雷达的时间同步,提取工业相机的图片数据与激光雷达的点云数据,基于数据采集时间戳,获取同时刻点云与图像数据;通过激光雷达与工业相机的外参转换矩阵将点云的三维坐标转换到工业相机的世界坐标系中,再利用工业相机内参矩阵将坐标转换到图像uv坐标系下,遍历点云中所有数据点向图像坐标系中进行映射,当映射像素在图像范围内时,对该像素点进行标记,同时将像素点的像素值RGB信息添加到点云对应数据点上。
在本发明的一些实施例的步骤S200中,所述根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数包括:S201.计算横向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定横向补点窗口的大小;S202.计算纵向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定纵向补点窗口的大小。
具体地,行两次稠密化补点操作窗口计算:a.计算横向相邻点云在图像中跨越的像素个数i,则n取值为2i+1,即取值为较小奇数值,如3,5等;b.计算竖向相邻点云在图像中跨越的像素个数j,则m取值为2j+1,即取值为较小奇数值,如1,3等;当激光雷达线束纵向分布不均匀时,基于不同线束分布区域可存在多组纵向窗口。即,当补点窗口的形状或滑动方向,不在固定,而是根据点云的分布具体确定。通常,沿点云密度变化最小的方向(分布函数的偏导)滑动。
进一步的,若激光雷达的线束分布不均匀,则根据横向相邻点云和/或纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数。
在本发明的一些实施例的步骤S300中,所述基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标包括:S301.在以目标像素为中心的补点窗口所对应的相机图像区域中,寻找一个或多个已标记的像素;S302.根据所述一个或多个已标记的像素与目标像素的加权距离,计算每个目标像素的对应点云的三维坐标;S303.将目标像素的颜色信息添加到其对应点云中。
具体地,对于横向方向的点云对应的像素以及横向补点窗口,从左到右,从上到下(左到右)遍历图像像素点,寻找像素点为中心周围m*n-1个像素点中,左右距离最近被标记的像素点,记录寻找到的左右像素点与当前点距离L1,L2(相邻层为1,间隔一层为2,以此类推),计算左右点权重w1=L2/(L1+L2)与w2=L1/(L1+L2),利用权重与标记像素点的点云xyz值对目标像素点进行计算,获取目标像素点对应点云的xyz值,(x,y,z)=w1*(x1,y1,z1)+w2*(x2,y2,z2),并添加目标像素点的RGB信息,如新计算出的点云(x,y,z)距离被标记像素点点云的最大间隔与最小间隔相差大于3时,删除该新增点云信息。
对于纵向方向的点云对应的像素以及纵向补点窗口,从左到右,从上到下遍历图像像素点,寻找像素点为中心周围m*n-1个像素点中,上下距离最近被标记的像素点,记录寻找到的上下像素点与当前点距离L1,L2(相邻层为1,间隔一层为2,以此类推),计算左右点权重w1=L2/(L1+L2)与w2=L1/(L1+L2),利用权重与标记像素点的点云(x,y,z)值对目标像素点进行计算,获取目标像素点对应点云的xyz值,(x,y,z)=w1*(x1,y1,z1)+w2*(x2,y2,z2),并添加目标像素点的RGB信息,如新计算出的点云xyz距离被标记像素点点云的最大间隔与最小间隔相差大于3个像素时,删除该新增点云信息。
在本发明的一些实施例的步骤S400中,将添加颜色信息的原始点云与新增点云进行融合,生成稠密化彩色点云。可选的,融合方法包括合并去重、关键点匹配。
实施例2
参考图3,本发明的第二方面,提供了一种基于图像的彩色稠密化点云生成装置1,包括:获取模块11,用于获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;确定模块12,用于根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;计算模块13,用于基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;融合模块14,用于融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。
进一步的,所述确定模块12包括:第一确定单元,用于计算横向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定横向补点窗口的大小;第二确定单元,计算纵向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定纵向补点窗口的大小。
实施例3
参考图4,本发明的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明在第一方面的方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。需要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像的彩色稠密化点云生成方法,其特征在于,包括:
获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;
根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;
基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;
融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。
2.根据权利要求1所述的基于图像的彩色稠密化点云生成方法,其特征在于,所述根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数包括:
计算横向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定横向补点窗口的大小;
计算纵向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定纵向补点窗口的大小。
3.根据权利要求2所述的基于图像的彩色稠密化点云生成方法,其特征在于,还包括:若激光雷达的线束分布不均匀,则根据横向相邻点云和/或纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数。
4.根据权利要求1所述的基于图像的彩色稠密化点云生成方法,其特征在于,所述基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标包括:
在以目标像素为中心的补点窗口所对应的相机图像区域中,寻找一个或多个已标记的像素;
根据所述一个或多个已标记的像素与目标像素的加权距离,计算每个目标像素的对应点云的三维坐标;
将目标像素的颜色信息添加到其对应点云中。
5.根据权利要求4所述的基于图像的彩色稠密化点云生成方法,其特征在于,还包括:若已标记的像素的对应点云与目标像素的对应点云之间的距离大于预设值时,则删除目标像素的对应点云。
6.根据权利要求1至5任一项所述的基于图像的彩色稠密化点云生成方法,其特征在于,所述获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影包括:
通过同步授时和时间戳,获取同一时刻的点云数据与其对应的相机图像;
根据激光雷达和相机的外参矩阵,将点云数据转换到相机的世界坐标系中;
利用相机的内参矩阵,将点云数据在世界坐标系的坐标转换到图像坐标系中。
7.一种基于图像的彩色稠密化点云生成装置,其特征在于,包括:
获取模块,用于获取同一时刻激光雷达的点云数据与其对应的相机图像,将点云数据向相机图像进行投影;标记点云数据投影到相机图像中的一个或多个像素,并将其颜色信息添加到对应的点云数据;
确定模块,用于根据激光雷达的线束分布,以及横向相邻点云和纵向相邻点云在相机图像跨越的最少像素个数,确定补点窗口的大小和个数;
计算模块,用于基于补点窗口,将相机图像的每个像素作为目标像素,在相机图像中确定一个或多个已标记的像素并根据其与目标像素的加权距离,计算每个目标像素对应的点云坐标;
融合模块,用于融合多个目标像素对应的点云数据与已添加颜色信息的点云数据,生成稠密化彩色点云。
8.根据权利要求7所述的基于图像的彩色稠密化点云生成装置,其特征在于,所述确定模块包括:
第一确定单元,用于计算横向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定横向补点窗口的大小;
第二确定单元,计算纵向相邻的两个点云在相机图像中跨越的像素个数,并根据其确定纵向补点窗口的大小。
9.一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于图像的彩色稠密化点云生成方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于图像的彩色稠密化点云生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211442269.6A CN115578522B (zh) | 2022-11-17 | 2022-11-17 | 一种基于图像的彩色稠密化点云生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211442269.6A CN115578522B (zh) | 2022-11-17 | 2022-11-17 | 一种基于图像的彩色稠密化点云生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115578522A true CN115578522A (zh) | 2023-01-06 |
CN115578522B CN115578522B (zh) | 2023-03-10 |
Family
ID=84589751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211442269.6A Active CN115578522B (zh) | 2022-11-17 | 2022-11-17 | 一种基于图像的彩色稠密化点云生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578522B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200104976A1 (en) * | 2018-09-28 | 2020-04-02 | Apple Inc. | Point cloud compression image padding |
CN111612728A (zh) * | 2020-05-25 | 2020-09-01 | 北京交通大学 | 一种基于双目rgb图像的3d点云稠密化方法和装置 |
CN113902846A (zh) * | 2021-10-11 | 2022-01-07 | 岱悟智能科技(上海)有限公司 | 一种基于单目深度相机和里程传感器的室内三维建模方法 |
CN114076956A (zh) * | 2021-11-12 | 2022-02-22 | 北京斯年智驾科技有限公司 | 一种基于激光雷达点云辅助的车道线标定方法 |
CN115222919A (zh) * | 2022-07-27 | 2022-10-21 | 徐州徐工矿业机械有限公司 | 一种用于移动机械彩色点云地图构建的感知系统及方法 |
-
2022
- 2022-11-17 CN CN202211442269.6A patent/CN115578522B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200104976A1 (en) * | 2018-09-28 | 2020-04-02 | Apple Inc. | Point cloud compression image padding |
CN111612728A (zh) * | 2020-05-25 | 2020-09-01 | 北京交通大学 | 一种基于双目rgb图像的3d点云稠密化方法和装置 |
CN113902846A (zh) * | 2021-10-11 | 2022-01-07 | 岱悟智能科技(上海)有限公司 | 一种基于单目深度相机和里程传感器的室内三维建模方法 |
CN114076956A (zh) * | 2021-11-12 | 2022-02-22 | 北京斯年智驾科技有限公司 | 一种基于激光雷达点云辅助的车道线标定方法 |
CN115222919A (zh) * | 2022-07-27 | 2022-10-21 | 徐州徐工矿业机械有限公司 | 一种用于移动机械彩色点云地图构建的感知系统及方法 |
Non-Patent Citations (1)
Title |
---|
刘豪杰: "激光雷达点云的时空稠密化算法研究", 《中国优秀硕士全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115578522B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113811920A (zh) | 分布式姿势估计 | |
CN111415409B (zh) | 一种基于倾斜摄影的建模方法、系统、设备和存储介质 | |
CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
WO2023193639A1 (zh) | 图像渲染方法、装置、可读介质及电子设备 | |
CN113378605B (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
CN109949414A (zh) | 室内地图的构建方法及装置 | |
CN113590878B (zh) | 在视频画面上规划路径的方法、装置、终端设备 | |
CN114998406A (zh) | 一种自监督多视图深度估计方法、装置 | |
CN109579857A (zh) | 一种用于更新地图的方法与设备 | |
CN111870953A (zh) | 一种高度图生成方法、装置、设备及存储介质 | |
CN113421217A (zh) | 可行驶区域检测方法和装置 | |
CN114445269A (zh) | 一种图像特效处理方法、装置、设备及介质 | |
CN113761618A (zh) | 一种基于实数据的3d仿真道路网自动化构建方法及系统 | |
CN115578522B (zh) | 一种基于图像的彩色稠密化点云生成方法及装置 | |
CN110378948B (zh) | 3d模型重建方法、装置及电子设备 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN116844129A (zh) | 多模态特征对齐融合的路侧目标检测方法、系统及装置 | |
CN115272575B (zh) | 图像生成方法及装置、存储介质和电子设备 | |
CN114723600A (zh) | 美妆特效的生成方法、装置、设备、存储介质和程序产品 | |
CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及系统 | |
CN111461982B (zh) | 用于拼接点云的方法和装置 | |
CN113761090A (zh) | 一种基于点云地图的定位方法和装置 | |
CN118071941B (zh) | 三维扫描方法、装置、设备及存储介质 | |
CN116894933B (zh) | 一种三维模型比较方法、装置、设备和存储介质 | |
CN116188583B (zh) | 相机位姿信息生成方法、装置、设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |