CN116168132B - 街景重建模型获取及街景重建方法、装置、设备及介质 - Google Patents
街景重建模型获取及街景重建方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116168132B CN116168132B CN202211599763.3A CN202211599763A CN116168132B CN 116168132 B CN116168132 B CN 116168132B CN 202211599763 A CN202211599763 A CN 202211599763A CN 116168132 B CN116168132 B CN 116168132B
- Authority
- CN
- China
- Prior art keywords
- street view
- model
- image
- pose
- view 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000009877 rendering Methods 0.000 claims abstract description 97
- 230000001537 neural effect Effects 0.000 claims abstract description 83
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 12
- 210000005036 nerve Anatomy 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 abstract description 4
- 230000003190 augmentative effect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 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
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了街景重建模型获取及街景重建方法、装置、设备及介质，涉及增强现实、虚拟现实、计算机视觉以及深度学习等人工智能领域，可应用于元宇宙、智慧城市以及自动驾驶等场景。其中的街景重建模型获取方法可包括：获取对应于不同街道的街景图像，组成第一图像集；对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型；利用第一图像集中的街景图像对第二神经渲染模型进行预训练，将预训练后的第二神经渲染模型作为街景重建模型，用于利用街景重建模型确定出待重建的相机位姿对应的街景图像。应用本公开所述方案，可提升重建结果的准确性等。
Description
技术领域
本公开涉及人工智能技术领域，特别涉及增强现实、虚拟现实、计算机视觉以及深度学习等领域的街景重建模型获取及街景重建方法、装置、设备及介质。
背景技术
在实际应用中，很多场景下会有街景重建的需求，即确定出某个/某些街道中的不同相机位姿对应的街景图像，而目前的重建方式的准确性通常都比较差。
发明内容
本公开提供了街景重建模型获取及街景重建方法、装置、设备及介质。
一种街景重建模型获取方法，包括：
获取对应于不同街道的街景图像，组成第一图像集；
对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型；
利用所述第一图像集中的街景图像对所述第二神经渲染模型进行预训练，将预训练后的所述第二神经渲染模型作为所述街景重建模型，用于利用所述街景重建模型确定出待重建的相机位姿对应的街景图像。
一种街景重建方法，包括：
针对待重建的相机位姿，获取作为参考的参考街景图像，并获取街景重建模型，所述街景重建模型为利用第一图像集中的街景图像对第二神经渲染模型进行预训练后得到的，所述第一图像集中包括对应于不同街道的街景图像，所述第二神经渲染模型为对所选取的第一神经渲染模型进行表达能力优化后得到的；
根据所述参考街景图像以及所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像。
一种街景重建模型获取装置，包括：第一获取模块、模型优化模块以及模型训练模块；
所述第一获取模块，用于获取对应于不同街道的街景图像，组成第一图像集；
所述模型优化模块，用于对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型；
所述模型训练模块，用于利用所述第一图像集中的街景图像对所述第二神经渲染模型进行预训练，将预训练后的所述第二神经渲染模型作为所述街景重建模型，用于利用所述街景重建模型确定出待重建的相机位姿对应的街景图像。
一种街景重建装置，包括：第二获取模块以及街景重建模块；
所述第二获取模块，用于针对待重建的相机位姿，获取作为参考的参考街景图像，并获取街景重建模型，所述街景重建模型为利用第一图像集中的街景图像对第二神经渲染模型进行预训练后得到的，所述第一图像集中包括对应于不同街道的街景图像，所述第二神经渲染模型为对所选取的第一神经渲染模型进行表达能力优化后得到的；
所述街景重建模块，用于根据所述参考街景图像以及所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像。
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如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。
一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
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为本公开所述街景重建模型获取方法实施例的流程图；
图2为本公开所述街景重建方法实施例的流程图；
图3为本公开所述街景重建模型获取及街景重建方法的整体实现过程示意图；
图4为本公开所述街景重建模型获取装置实施例400的组成结构示意图；
图5为本公开所述街景重建装置实施例500的组成结构示意图；
图6示出了可以用来实施本公开的实施例的电子设备600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。
另外，应理解，本文中术语“和/或”，仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本公开所述方案中，提出了一种优化后的街景重建方法，该方法可依赖于预先训练得到的街景重建模型实现，以下首先对街景重建模型的获取方法进行说明。
图1为本公开所述街景重建模型获取方法实施例的流程图。如图1所示，包括以下具体实现方式。
在步骤101中，获取对应于不同街道的街景图像，组成第一图像集。
在步骤102中，对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型。
在步骤103中，利用第一图像集中的街景图像对第二神经渲染模型进行预训练，将预训练后的第二神经渲染模型作为街景重建模型，用于利用街景重建模型确定出待重建的相机位姿对应的街景图像。
传统方式中，在进行街景重建时，由于空间规模较大，图像采集成本较高，针对某一街道，通常只会获取比较稀疏的一些街景图像，然后基于获取到的街景图像训练神经渲染模型，进而基于神经渲染模型以及体素渲染方法重建出/确定出该街道中的不同相机位姿对应的街景图像，由于街景图像数量较少，在对神经渲染模型进行训练时很容易出现过拟合的问题，泛化效果较差，进而导致重建结果的准确性较差，而且，针对不同的街道，需要分别按照上述方式进行模型训练等，非常耗时，无法做到实时重建。
而采用上述方法实施例所述方案，可利用对应于不同街道的大量的街景图像对神经渲染模型进行预训练，以得到所需的街景重建模型，从而避免了过拟合等问题，进而提升了重建结果的准确性，而且，可对神经渲染模型进行表达能力优化，从而提升了神经渲染模型的学习能力，进而进一步提升了重建结果的准确性，另外，得到的街景重建模型对于不同的街道均可适用，并可满足实时重建的需求等。
在实际应用中，可通过人工采集或网络爬取等方式，获取对应于不同街道的大量街景图像，并可利用这些街景图像组成第一图像集。
另外，可选取所采用的神经渲染模型，为便于区分，将所选取的神经渲染模型称为第一神经渲染模型，比如，可选取目前学术界已有的主流的基于预训练的神经渲染模型(神经渲染算法)，如可包括基于学习的多视角图像渲染(IBRNet，LearningMulti-ViewImage-BasedRendering)模型以及基于多视点立体的快速广义辐射场重建(MVSNeRF，FastGeneralizableRadiance FieldReconstructionfromMulti-ViewStereo)模型等。
进一步地，可对第一神经渲染模型进行表达能力优化，得到第二神经渲染模型。优选地，所述进行表达能力优化可包括以下之一或任意组合：修改图像特征提取网络，增加模型参数，进行多模型融合。
考虑到第一神经渲染模型的模型容量较低，无法有效学习到海量数据的特征，因此本公开所述方案中提出，可对第一神经渲染模型进行表达能力优化，以得到表达能力更强的第二神经渲染模型，即得到表达能力更强的大模型。
具体地，可修改图像特征提取网络，比如，可将IBRNet模型中的图像特征提取网络由A类型修改为特征提取能力/性能更强的B类型，或者，可增加模型参数，模型的表达能力与模型大小即参数量有着直接的关系，通过增加模型参数，可提升模型的表达能力，或者，可通过进行多模型融合，提升模型的表达能力。
上述处理方式中，通过对神经渲染模型进行表达能力优化，提升了神经渲染模型的学习能力，进而进一步提升了重建结果的准确性。
进一步地，可利用第一图像集中的街景图像对第二神经渲染模型进行预训练，并可将预训练后的第二神经渲染模型作为所需的街景重建模型。
优选地，可分别对第一图像集中的各街景图像进行预处理，之后可根据预处理结果对第二神经渲染模型进行预训练。
优选地，针对任一街景图像进行的预处理可包括：去除街景图像中的移动物体，以及，分别对街景图像进行位姿估计和深度估计，得到街景图像对应的相机位姿以及深度信息，相应地，所述预处理结果可包括：去除移动物体后的街景图像，以及，街景图像对应的相机位姿和深度信息。
通常来说，神经渲染模型主要适用于处理静止物体，因此可从街景图像中去除移动物体，相应地，可提升基于街景图像所进行的后续处理结果的准确性。比如，可采用语义分割技术，从街景图像中去除移动物体，如车辆和行人等。
另外，针对任一街景图像，可分别对其进行位姿估计和深度估计，从而分别得到街景图像对应的相机位姿以及深度信息。比如，可采用传统的三维重建方法，如通用的运动结构和多视图立体管道(Colmap)方法，估计出街景图像对应的相机位姿，即拍摄街景图像所用的相机的相机位姿，相机位姿是指相机在空间中的位置和朝向等。另外，可采用传统的三维重建方法，如Colmap方法，估计出街景图像的深度信息，所述深度信息可以是指街景图像中的各像素点的深度信息。
相应地，针对第一图像集，可根据其中的去除移动物体后的各街景图像，以及各街景图像对应的相机位姿和深度信息，对第二神经渲染模型进行预训练。
如何进行预训练不作限制，比如，第二神经渲染模型可针对第一图像集中的任一街景图像a(去除移动物体后)，根据其对应的相机位姿，假设为相机位姿a，生成对应的街景图像，之后可将生成的街景图像与街景图像a进行比较，进而可根据比较结果更新模型参数等，其中，可根据第一图像集中符合以下条件的街景图像生成相机位姿a对应的街景图像：属于相机位姿a对应的街道、且对应的相机位姿与相机位姿a之间的关系符合预定要求，符合预定要求可以是指相机位姿差异小于预定阈值，所述阈值的具体取值可根据实际需要而定，即可结合邻近的街景图像生成相机位姿a对应的街景图像。
比如，采集人员可沿着某一街道行走，每隔10米采集一张街景图像(全景图像)，各街景图像分别对应各自的相机位姿，假设要生成40米时的街景图像，那么可结合30米以及50米时的街景图像，生成40米时的街景图像，或者，也可结合20米、30米、50米和60米时的街景图像，生成40米时的街景图像，根据所述阈值的取值不同，结合的街景图像数量也可能不同。
另外，在预训练过程中，第一图像集中的各街景图像对应的深度信息可起到监督项的作用。
完成预训练后，可直接将得到的第二神经渲染模型作为所需的街景重建模型，后续，可利用所述街景重建模型确定出待重建的相机位姿对应的街景图像。
或者，优选地，还可对得到的街景重建模型进行进一步优化，即可获取待重建的相机位姿对应的街道的街景图像，组成第二图像集，并可利用第二图像集中的街景图像对街景重建模型进行微调，相应地，可利用微调后的街景重建模型确定出待重建的相机位姿对应的街景图像。
即可在预训练模型的基础上，利用待处理的街道(即待重建的相机位姿对应的街道)的街景图像，对预训练后得到的街景重建模型进行微调，从而得到更适合待处理的街道的街景重建模型，进而进一步提升了重建结果的准确性。
优选地，可分别对第二图像集中的各街景图像进行预处理，根据预处理结果对街景重建模型进行微调。
优选地，针对任一街景图像进行的预处理可包括：去除街景图像中的移动物体，以及，分别对街景图像进行位姿估计和深度估计，得到街景图像对应的相机位姿以及深度信息，相应地，所述预处理结果可包括：去除移动物体后的街景图像，以及，街景图像对应的相机位姿和深度信息。
相应地，根据街景重建模型或微调后的街景重建模型，可确定出待重建的相机位姿对应的街景图像。
以下即通过具体实施例，对如何确定出待重建的相机位姿对应的街景图像进行说明。
图2为本公开所述街景重建方法实施例的流程图。如图2所示，包括以下具体实现方式。
在步骤201中，针对待重建的相机位姿，获取作为参考的参考街景图像，并获取街景重建模型，街景重建模型为利用第一图像集中的街景图像对第二神经渲染模型进行预训练后得到的，第一图像集中包括对应于不同街道的街景图像，第二神经渲染模型为对所选取的第一神经渲染模型进行表达能力优化后得到的。
在步骤202中，根据参考街景图像以及街景重建模型，确定出待重建的相机位姿对应的街景图像。
采用上述方法实施例所述方案，可利用对应于不同街道的大量的街景图像对神经渲染模型进行预训练，以得到所需的街景重建模型，从而避免了过拟合等问题，进而提升了重建结果的准确性，而且，可对神经渲染模型进行表达能力优化，从而提升了神经渲染模型的学习能力，进而进一步提升了重建结果的准确性，另外，得到的街景重建模型对于不同的街道均可适用，并可满足实时重建的需求等。
如果要求实时重建，那么可直接利用获取到的街景重建模型，即按照图1所示实施例中的方式获取到的街景重建模型，具体地，即图1所示实施例的步骤103中所述的预训练后的第二神经渲染模型，将预训练后的第二神经渲染模型作为所需的街景重建模型，并可根据参考街景图像以及街景重建模型，确定出待重建的相机位姿对应的街景图像。
或者，如果不要求实时重建，那么优选地，还可获取待重建的相机位姿对应的街道的街景图像，组成第二图像集，并可利用第二图像集中的街景图像对所述街景重建模型进行微调，进而可根据参考街景图像以及微调后的街景重建模型，确定出待重建的相机位姿对应的街景图像。
也就是说，可直接根据参考街景图像以及获取到的街景重建模型，确定出待重建的相机位姿对应的街景图像，或者，也可对获取到的街景重建模型进行进一步优化，即微调，相应地，可根据参考街景图像以及微调后的街景重建模型，确定出待重建的相机位姿对应的街景图像。
比如，针对待重建的相机位姿对应的街道即待处理的街道，获取到了20张街景图像，分别对应于不同的相机位姿，如每隔10米采集一张街景图像，那么可利用这20张街景图像组成第二图像集，并可利用第二图像集中的街景图像对获取到的街景重建模型进行微调。
即可在预训练模型的基础上，利用待处理的街道的街景图像，对预训练后得到的街景重建模型进行微调，从而得到更适合待处理的街道的街景重建模型，进而进一步提升了重建结果的准确性。
优选地，参考街景图像可为待重建的相机位姿对应的街道的街景图像，且参考街景图像对应的相机位姿与待重建的相机位姿之间的关系符合预定要求。
符合预定要求可以是指相机位姿差异小于预定阈值，所述阈值的具体取值可根据实际需要而定，即可将邻近的街景图像作为参考街景图像。
根据参考街景图像以及街景重建模型(或微调后的街景重建模型)，可确定出待重建的相机位姿对应的街景图像。
优选地，可去除参考街景图像中的移动物体，进而可根据去除移动物体后的参考街景图像、参考街景图像对应的相机位姿以及街景重建模型(或微调后的街景重建模型)，确定出待重建的相机位姿对应的街景图像。
比如，待重建的相机位姿对应于待处理的街道25米处，那么可将20米和30米处的街景图像作为参考街景图像，分别去除各参考街景图像中的移动物体，并可将去除移动物体后的各参考街景图像以及各参考街景图像对应的相机位姿作为街景重建模型(或微调后的街景重建模型)的输入，从而得到待重建的相机位姿对应的街景图像。
按照类似的方式，可得到任意待重建的相机位姿对应的街景图像，从而实现街景重建。
结合上述介绍，图3为本公开所述街景重建模型获取及街景重建方法的整体实现过程示意图。
如图3所示，可首先进行街景图像采集，即可获取对应于不同街道的街景图像，组成第一图像集。
如图3所示，针对第一图像集中的各街景图像，可分别对其进行预处理，如可针对任一街景图像，分别进行以下预处理：去除街景图像中的移动物体，以及，分别对街景图像进行位姿估计和深度估计，得到街景图像对应的相机位姿以及深度信息。
如图3所示，还可进行大模型的设计与预训练，具体地，可首先进行算法选择，即确定出所选取的第一神经渲染模型，之后可进行大模型设计，即可对第一神经渲染模型进行表达能力优化，得到第二神经渲染模型，进一步地，可利用第一图像集中去除移动物体后的各街景图像，以及，各街景图像对应的相机位姿和深度信息，对第二神经渲染模型进行预训练，得到街景重建模型。
如图3所示，如果需要，还可进行模型微调，即可获取待重建的相机位姿对应的街道的街景图像，组成第二图像集，并可利用第二图像集中的街景图像对街景重建模型进行微调。其中，可分别对第二图像集中的各街景图像进行预处理，根据预处理结果对街景重建模型进行微调。
如图3所示，可利用微调后的街景重建模型，实现街景重建，具体地，可根据待重建的相机位姿对应的参考街景图像以及微调后的街景重建模型，确定出待重建的相机位姿对应的街景图像。
需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。另外，某个实施例中没有详述的部分，可以参见其它实施例中的相关说明。
总之，采用本公开方法实施例所述方案，可提升重建结果的准确性，并可满足实时重建的需求，另外，对于各种场景均有较好的适用性，即具有普遍适用性等。
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
图4为本公开所述街景重建模型获取装置实施例400的组成结构示意图。如图4所示，包括：第一获取模块401、模型优化模块402以及模型训练模块403。
第一获取模块401，用于获取对应于不同街道的街景图像，组成第一图像集。
模型优化模块402，用于对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型。
模型训练模块403，用于利用第一图像集中的街景图像对第二神经渲染模型进行预训练，将预训练后的第二神经渲染模型作为街景重建模型，用于利用街景重建模型确定出待重建的相机位姿对应的街景图像。
采用上述装置实施例所述方案，可利用对应于不同街道的大量的街景图像对神经渲染模型进行预训练，以得到所需的街景重建模型，从而避免了过拟合等问题，进而提升了重建结果的准确性，而且，可对神经渲染模型进行表达能力优化，从而提升了神经渲染模型的学习能力，进而进一步提升了重建结果的准确性，另外，得到的街景重建模型对于不同的街道均可适用，并可满足实时重建的需求等。
第一获取模块401获取到的街景图像可包括：通过人工采集或网络爬取等方式获取到的对应于不同街道的大量街景图像，并可利用这些街景图像组成第一图像集。
另外，可确定所选取的神经渲染模型，比如，可选取目前学术界已有的主流的基于预训练的神经渲染模型。
进一步地，模型优化模块402可对第一神经渲染模型进行表达能力优化，得到第二神经渲染模型。优选地，所述进行表达能力优化可包括以下之一或任意组合：修改图像特征提取网络，增加模型参数，进行多模型融合。
进一步地，模型训练模块403可利用第一图像集中的街景图像对第二神经渲染模型进行预训练，并可将预训练后的第二神经渲染模型作为所需的街景重建模型。
优选地，模型训练模块403可分别对第一图像集中的各街景图像进行预处理，之后可根据预处理结果对第二神经渲染模型进行预训练。
优选地，模型训练模块403针对任一街景图像，可分别进行以下预处理：去除街景图像中的移动物体，以及，分别对街景图像进行位姿估计和深度估计，得到街景图像对应的相机位姿以及深度信息，相应地，所述预处理结果可包括：去除移动物体后的街景图像，以及，街景图像对应的相机位姿和深度信息。
完成预训练后，可直接将得到的第二神经渲染模型作为所需的街景重建模型，后续，可利用所述街景重建模型确定出待重建的相机位姿对应的街景图像。
优选地，模型训练模块403还可获取待重建的相机位姿对应的街道的街景图像，组成第二图像集，并可利用第二图像集中的街景图像对街景重建模型进行微调，用于利用微调后的街景重建模型确定出待重建的相机位姿对应的街景图像。
优选地，模型训练模块403可分别对第二图像集中的各街景图像进行预处理，并可根据预处理结果对街景重建模型进行微调。
优选地，模型训练模块403针对任一街景图像，可分别进行以下预处理：去除街景图像中的移动物体，以及，分别对街景图像进行位姿估计和深度估计，得到街景图像对应的相机位姿以及深度信息，相应地，所述预处理结果可包括：去除移动物体后的街景图像，以及，街景图像对应的相机位姿和深度信息。
图5为本公开所述街景重建装置实施例500的组成结构示意图。如图5所示，包括：第二获取模块501以及街景重建模块502。
第二获取模块501，用于针对待重建的相机位姿，获取作为参考的参考街景图像，并获取街景重建模型，街景重建模型为利用第一图像集中的街景图像对第二神经渲染模型进行预训练后得到的，第一图像集中包括对应于不同街道的街景图像，第二神经渲染模型为对所选取的第一神经渲染模型进行表达能力优化后得到的。
街景重建模块502，用于根据参考街景图像以及街景重建模型，确定出待重建的相机位姿对应的街景图像。
采用上述装置实施例所述方案，可利用对应于不同街道的大量的街景图像对神经渲染模型进行预训练，以得到所需的街景重建模型，从而避免了过拟合等问题，进而提升了重建结果的准确性，而且，可对神经渲染模型进行表达能力优化，从而提升了神经渲染模型的学习能力，进而进一步提升了重建结果的准确性，另外，得到的街景重建模型对于不同的街道均可适用，并可满足实时重建的需求等。
优选地，第二获取模块501还可获取待重建的相机位姿对应的街道的街景图像，组成第二图像集，并可利用第二图像集中的街景图像对街景重建模型进行微调，相应地，街景重建模块502可根据参考街景图像以及微调后的街景重建模型，确定出待重建的相机位姿对应的街景图像。
优选地，参考街景图像可为待重建的相机位姿对应的街道的街景图像，且参考街景图像对应的相机位姿与待重建的相机位姿之间的关系符合预定要求。
另外，优选地，街景重建模块502可去除参考街景图像中的移动物体，并可根据去除移动物体后的参考街景图像、参考街景图像对应的相机位姿以及街景重建模型，确定出待重建的相机位姿对应的街景图像。
图4和图5所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明，不再赘述。
总之，采用本公开装置实施例所述方案，可提升重建结果的准确性，并可满足实时重建的需求，另外，对于各种场景均有较好的适用性，即具有普遍适用性等。
本公开所述方案可应用于人工智能领域，特别涉及增强现实、虚拟现实、计算机视觉以及深度学习等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
本公开所述实施例中的街景图像并不是针对某一特定用户的，并不能反映出某一特定用户的个人信息。
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。
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。
图6示出了可以用来实施本公开的实施例的电子设备600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、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，个人数字助理、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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。
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，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 (17)
1.一种街景重建模型获取方法，包括：
获取对应于不同街道的街景图像，组成第一图像集；
对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型；
利用所述第一图像集中的街景图像对所述第二神经渲染模型进行预训练，将预训练后的所述第二神经渲染模型作为所述街景重建模型，用于利用所述街景重建模型以及作为参考的参考街景图像确定出待重建的相机位姿对应的街景图像；
还包括：获取所述待重建的相机位姿对应的街道的街景图像，组成第二图像集，利用所述第二图像集中的街景图像对所述街景重建模型进行微调。
2.根据权利要求1所述的方法，其中，
所述进行表达能力优化包括以下之一或任意组合：修改图像特征提取网络，增加模型参数，进行多模型融合。
3.根据权利要求1所述的方法，其中，
所述利用所述第一图像集中的街景图像对所述第二神经渲染模型进行预训练包括：分别对所述第一图像集中的各街景图像进行预处理，根据预处理结果对所述第二神经渲染模型进行预训练；
所述利用所述第二图像集中的街景图像对所述街景重建模型进行微调包括：分别对所述第二图像集中的各街景图像进行预处理，根据预处理结果对所述街景重建模型进行微调。
4.根据权利要求3所述的方法，其中，
针对任一街景图像进行的预处理包括：去除所述街景图像中的移动物体，以及，分别对所述街景图像进行位姿估计和深度估计，得到所述街景图像对应的相机位姿以及深度信息；
所述预处理结果包括：去除所述移动物体后的所述街景图像，以及，所述街景图像对应的所述相机位姿和所述深度信息。
5.一种街景重建方法，包括：
针对待重建的相机位姿，获取作为参考的参考街景图像，并获取街景重建模型，所述街景重建模型为利用第一图像集中的街景图像对第二神经渲染模型进行预训练后得到的，所述第一图像集中包括对应于不同街道的街景图像，所述第二神经渲染模型为对所选取的第一神经渲染模型进行表达能力优化后得到的；
根据所述参考街景图像以及所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像；
还包括：
获取所述待重建的相机位姿对应的街道的街景图像，组成第二图像集；
利用所述第二图像集中的街景图像对所述街景重建模型进行微调；
根据所述参考街景图像以及微调后的所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像。
6.根据权利要求5所述的方法，其中，
所述参考街景图像为所述待重建的相机位姿对应的街道的街景图像，且所述参考街景图像对应的相机位姿与所述待重建的相机位姿之间的关系符合预定要求。
7.根据权利要求5～6中任一项所述的方法，其中，
所述根据所述参考街景图像以及街景重建模型，确定出所述待重建的相机位姿对应的街景图像包括：
去除所述参考街景图像中的移动物体；
根据去除所述移动物体后的所述参考街景图像、所述参考街景图像对应的相机位姿以及所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像。
8.一种街景重建模型获取装置，包括：第一获取模块、模型优化模块以及模型训练模块；
所述第一获取模块，用于获取对应于不同街道的街景图像，组成第一图像集；
所述模型优化模块，用于对所选取的第一神经渲染模型进行表达能力优化，得到第二神经渲染模型；
所述模型训练模块，用于利用所述第一图像集中的街景图像对所述第二神经渲染模型进行预训练，将预训练后的所述第二神经渲染模型作为所述街景重建模型，用于利用所述街景重建模型以及作为参考的参考街景图像确定出待重建的相机位姿对应的街景图像；
所述模型训练模块进一步用于，获取所述待重建的相机位姿对应的街道的街景图像，组成第二图像集，利用所述第二图像集中的街景图像对所述街景重建模型进行微调。
9.根据权利要求8所述的装置，其中，
所述模型优化模块进行的表达能力优化包括以下之一或任意组合：修改图像特征提取网络，增加模型参数，进行多模型融合。
10.根据权利要求8所述的装置，其中，
所述模型训练模块分别对所述第一图像集中的各街景图像进行预处理，根据预处理结果对所述第二神经渲染模型进行预训练；
所述模型训练模块分别对所述第二图像集中的各街景图像进行预处理，根据预处理结果对所述街景重建模型进行微调。
11.根据权利要求10所述的装置，其中，
所述模型训练模块针对任一街景图像，分别进行以下预处理：去除所述街景图像中的移动物体，以及，分别对所述街景图像进行位姿估计和深度估计，得到所述街景图像对应的相机位姿以及深度信息；
所述预处理结果包括：去除所述移动物体后的所述街景图像，以及，所述街景图像对应的所述相机位姿和所述深度信息。
12.一种街景重建装置，包括：第二获取模块以及街景重建模块；
所述第二获取模块，用于针对待重建的相机位姿，获取作为参考的参考街景图像，并获取街景重建模型，所述街景重建模型为利用第一图像集中的街景图像对第二神经渲染模型进行预训练后得到的，所述第一图像集中包括对应于不同街道的街景图像，所述第二神经渲染模型为对所选取的第一神经渲染模型进行表达能力优化后得到的；
所述街景重建模块，用于根据所述参考街景图像以及所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像；
所述第二获取模块进一步用于，获取所述待重建的相机位姿对应的街道的街景图像，组成第二图像集，利用所述第二图像集中的街景图像对所述街景重建模型进行微调；
所述街景重建模块进一步用于，根据所述参考街景图像以及微调后的所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像。
13.根据权利要求12所述的装置，其中，
所述参考街景图像为所述待重建的相机位姿对应的街道的街景图像，且所述参考街景图像对应的相机位姿与所述待重建的相机位姿之间的关系符合预定要求。
14.根据权利要求12～13中任一项所述的装置，其中，
所述街景重建模块去除所述参考街景图像中的移动物体，并根据去除所述移动物体后的所述参考街景图像、所述参考街景图像对应的相机位姿以及所述街景重建模型，确定出所述待重建的相机位姿对应的街景图像。
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1-7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1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211599763.3A CN116168132B (zh) | 2022-12-12 | 2022-12-12 | 街景重建模型获取及街景重建方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211599763.3A CN116168132B (zh) | 2022-12-12 | 2022-12-12 | 街景重建模型获取及街景重建方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116168132A CN116168132A (zh) | 2023-05-26 |
| CN116168132B true CN116168132B (zh) | 2023-12-22 |
Family
ID=86410343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211599763.3A Active CN116168132B (zh) | 2022-12-12 | 2022-12-12 | 街景重建模型获取及街景重建方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116168132B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288816A (zh) * | 2020-11-16 | 2021-01-29 | Oppo广东移动通信有限公司 | 位姿优化方法、位姿优化装置、存储介质与电子设备 |
| CN114332415A (zh) * | 2022-03-09 | 2022-04-12 | 南方电网数字电网研究院有限公司 | 基于多视角技术的输电线路廊道的三维重建方法及装置 |
| CN114429528A (zh) * | 2022-01-24 | 2022-05-03 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、设备、计算机程序及存储介质 |
| CN114677507A (zh) * | 2022-03-11 | 2022-06-28 | 吉林化工学院 | 一种基于双向注意力网络的街景图像分割方法及系统 |
| CN115147558A (zh) * | 2022-08-31 | 2022-10-04 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、三维重建方法及装置 |
-
2022
- 2022-12-12 CN CN202211599763.3A patent/CN116168132B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288816A (zh) * | 2020-11-16 | 2021-01-29 | Oppo广东移动通信有限公司 | 位姿优化方法、位姿优化装置、存储介质与电子设备 |
| CN114429528A (zh) * | 2022-01-24 | 2022-05-03 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、设备、计算机程序及存储介质 |
| CN114332415A (zh) * | 2022-03-09 | 2022-04-12 | 南方电网数字电网研究院有限公司 | 基于多视角技术的输电线路廊道的三维重建方法及装置 |
| CN114677507A (zh) * | 2022-03-11 | 2022-06-28 | 吉林化工学院 | 一种基于双向注意力网络的街景图像分割方法及系统 |
| CN115147558A (zh) * | 2022-08-31 | 2022-10-04 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、三维重建方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116168132A (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113902897B (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
| CN113139543B (zh) | 目标对象检测模型的训练方法、目标对象检测方法和设备 | |
| CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
| CN113409430B (zh) | 可驱动三维人物生成方法、装置、电子设备及存储介质 | |
| CN115330940B (zh) | 一种三维重建方法、装置、设备和介质 | |
| CN113538235A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| CN113792742A (zh) | 遥感图像的语义分割方法和语义分割模型的训练方法 | |
| CN114202026A (zh) | 多任务模型训练方法和装置、多任务处理方法和装置 | |
| CN114120413A (zh) | 模型训练方法、图像合成方法、装置、设备及程序产品 | |
| CN115880435B (zh) | 图像重建方法、模型训练方法、装置、电子设备和介质 | |
| CN115272705B (zh) | 显著性物体检测模型的训练方法、装置以及设备 | |
| CN116721460A (zh) | 手势识别方法、装置、电子设备以及存储介质 | |
| CN116168132B (zh) | 街景重建模型获取及街景重建方法、装置、设备及介质 | |
| CN116543417A (zh) | 人体姿态估计方法、装置、设备以及存储介质 | |
| CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN116152702A (zh) | 点云标签的获取方法、装置、电子设备和自动驾驶车辆 | |
| CN114140320B (zh) | 图像迁移方法和图像迁移模型的训练方法、装置 | |
| CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| CN113344121A (zh) | 训练招牌分类模型和招牌分类的方法 | |
| CN113569912A (zh) | 车辆识别方法、装置、电子设备及存储介质 | |
| CN115049895B (zh) | 一种图像属性识别方法、属性识别模型训练方法及装置 | |
| CN113139483B (zh) | 人体行为识别方法、装置、设备、存储介质以及程序产品 | |
| CN116935482A (zh) | 交互检测模型的获取及交互检测方法和装置 | |
| CN116580050A (zh) | 医疗图像分割模型的确定方法、装置、设备及介质 | |
| CN117710459A (zh) | 三维信息的确定方法、装置及计算机程序产品 |
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 |