CN116433881A - 二维图像的获得方法、装置、电子设备及存储介质 - Google Patents

二维图像的获得方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116433881A
CN116433881A CN202310693451.7A CN202310693451A CN116433881A CN 116433881 A CN116433881 A CN 116433881A CN 202310693451 A CN202310693451 A CN 202310693451A CN 116433881 A CN116433881 A CN 116433881A
Authority
CN
China
Prior art keywords
target
target component
data
dimension data
point cloud
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
Application number
CN202310693451.7A
Other languages
English (en)
Other versions
CN116433881B (zh
Inventor
武春杰
李飞
肖友胜
梁丽
李杰轩
黄炎
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.)
Hefei Lianbao Information Technology Co Ltd
Original Assignee
Hefei Lianbao Information 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 Hefei Lianbao Information Technology Co Ltd filed Critical Hefei Lianbao Information Technology Co Ltd
Priority to CN202310693451.7A priority Critical patent/CN116433881B/zh
Publication of CN116433881A publication Critical patent/CN116433881A/zh
Application granted granted Critical
Publication of CN116433881B publication Critical patent/CN116433881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)

Abstract

本申请提供了一种二维图像的获得方法、装置、电子设备及存储介质，所述方法包括：采集目标部件的点云数据；基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性；基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息；基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。为高效获得能够对部件检测结果进行可视化的图像提供了技术支持。

Description

二维图像的获得方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理领域，尤其涉及一种二维图像的获得方法、装置、电子设备及存储介质。
背景技术
在对诸如笔记本电脑等电子设备进行内部的部件检测时，通常需要将对部件的检测结果进行可视化呈现，如，通过图像展示检测结果。如何高效获得能够对部件检测结果进行可视化的图像成为亟待解决的技术问题。
发明内容
本申请提供了一种二维图像的获得方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
根据本申请的第一方面，提供了一种二维图像的获得方法，所述方法包括：
采集目标部件的点云数据；
基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性；
基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息；
基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。
上述方案中，所述基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，包括：
在目标部件的点云数据的采集属性为第一采集属性的情况下，所述点云数据由三个维度数据构成；
基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；
基于三个维度数据中的第三维度数据，得到目标部件的灰度信息。
上述方案中，所述基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，包括：
在目标部件的点云数据的采集属性为第二采集属性的情况下，所述点云数据由六个维度数据构成；
基于六个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；
基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
上述方案中，所述基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息，包括：
基于目标部件点云数据的第一维度数据和第二维度数据，得到第一维度数据的最大值与最小值、第二维度数据的最大值与最小值；
基于第一维度数据的最大值与最小值、第二维度数据的最大值与最小值，得到目标部件的平面坐标信息。
上述方案中，还包括：
基于所述目标部件的平面坐标信息，确定第一目标点集；
所述基于三个维度数据中的第三维度数据，得到目标部件的灰度信息，包括：
基于所述第一目标点集中点云数据的第三维度数据，得到目标部件的灰度信息。
上述方案中，还包括：
基于所述目标部件的平面坐标信息，确定第二目标点集；
所述基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息，包括：
基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
上述方案中，所述基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息，包括：
基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据中各维度数据的平均值；
基于所述平均值，得到目标部件的灰度信息。
根据本申请的第二方面，提供了一种二维图像的获得装置，所述装置包括：
采集单元，用于采集目标部件的点云数据；
确定单元，用于基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性；
第一获取单元，用于基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息；
第二获取单元，用于基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。
根据本申请的第三方面，提供了一种电子设备，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本申请所述的方法。
根据本申请的第四方面，提供了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本申请所述的方法。
本申请中，通过采集目标部件的点云数据，基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性，基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息，基于目标部件的目标信息，得到目标二维图像。将三维的点云数据转化成二维的图像，大大缩小了数据量，实现了高效的获得能够对部件检测结果进行可视化的图像的技术目的。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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
通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本申请实施例二维图像的获得方法的实现流程示意图；
图2示出了本申请实施例应用实现流程示意图；
图3示出了本申请实施例二维图像的获得装置的组成结构示意图；
图4示出了本申请实施例一种电子设备的组成结构示意图。
具体实施方式
为使本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
可以理解，在诸如笔记本电脑等电子设备出厂前，工厂端通常会对其内部的部件，利用检测算法进行部件是否齐全或者部件位置是否存在偏移的检测，以保证电子设备内部部件齐全，且各部件位置没有发生偏移。通常情况下，在对电子设备内部部件完成检测后，需要将电子设备内部部件的原图和检测结果图一并呈现，以实现对检测结果的可视化。
随着3D（3 Dimensions，三维）视觉检测的引入，可采用3D视觉检测方法对电子设备内部的部件是否齐全以及各部件位置是否发生偏移进行检测，得到的3D检测结果图也需要在对电子设备内部检测完成后可视化呈现出来。但3D检测结果图的数据量巨大，每张图由几百万甚至几亿个点组成，且工厂端每条生产线每天检测几千个部件，要将电子设备内部部件3D检测原图和3D检测结果图一起可视化呈现出来，要求提供渲染性能较高的工控机，大大提高了工厂端的支出成本。
本申请实施例中，通过采集目标部件的点云数据，基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性，基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息，基于目标部件的目标信息，得到目标二维图像。通过对目标部件的点云数据进行前述处理，得到包含目标部件的二维图像，高效的实现了获得能够对目标部件检测结果进行可视化的二维图像的技术目的，降低了对工控机渲染性能的要求，大大节约了支出成本。
下面对本申请实施例的二维图像的获得方法做详细说明。
本申请实施例提供一种二维图像的获得方法，如图1所示，所述方法包括：
S101：采集目标部件的点云数据。
目标部件为电子设备内部存在的部件。示例性地，当电子设备为笔记本电脑时，目标部件可以为诸如导电布、麦拉等部件。目标部件的数量可以是一个，也可以是两个或多个。
本步骤中，采用采集装置、具体是3D相机对电子设备内部存在的部件进行图像拍摄，从而得到目标部件的点云数据。
可以理解，在组装电子设备时，可能由于遗忘而导致本该在电子设备内部存在的部件，存在丢失或缺少的情形。在通过3D相机进行目标部件的采集时，无法采集到丢失或缺少的部件的点云数据，采集到的点云数据是未缺失的部件的点云数据。
S102：基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性。
在实际应用中，对目标部件点云数据拍摄的3D相机包括两种类型：第一种类型是能够采集到x，y，z三个维度的点云数据的3D相机。第二种是能够采集到x，y，z，R，G，B六个维度的点云数据的3D相机。其中，x为空间坐标系中在x维度上的数值，y为空间坐标系中在y维度上的数值，z为空间坐标系中在z维度上的数值。R为颜色维度中红色维度的数值，G为颜色维度中绿色维度的数值，B为颜色维度中蓝色维度的数值。与三个维度相比，六个维度增加了表示点云数据颜色特征的R，G，B三个维度，更便于获得包括目标部件灰度信息的二维图像。
可采用这两种类型中的其中之一进行目标部件的点云数据的采集。
因为可采用如上两种类型的3D相机进行采集，所以，可认为存在两种采集属性，第一采集属性和第二采集属性。其中，第一采集属性表征采用第一类型3D相机进行采集。第二采集属性表征采用第二类型3D相机进行采集。
可以理解，通过第一种3D相机拍摄采集到的目标部件的点云数据表示为（x，y，z）三个维度的形式。通过第二种3D相机拍摄采集到的目标部件的点云数据的表示为（x，y，z，R，G，B）六个维度的形式。基于采集到的目标部件的点云数据的表示形式，是三个维度的形式还是六个维度的形式，确定对目标部件点云数据进行采集时采用的采集属性是第一采集属性还是第二采集属性。
如果是三个维度的形式，确定采集属性是第一采集属性，目标部件的点云数据是通过第一种类型的3D相机拍摄的。如果是六个维度形式，确定采集属性是第二采集属性。目标部件的点云数据是通过第二种类型的3D相机拍摄的。
S103：基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息。
本步骤中，目标部件的目标信息，可视为目标部件在待构建的二维图像中的表示信息。其中，目标信息中的平面坐标信息可表示目标部件在待构建的二维图像中的位置信息。目标信息中的灰度信息可表示目标部件在待构建的二维图像中的灰度。
本步骤中，对不同采集属性的点云数据，采用不同的处理方式进行处理，从而得到有利于待构建二维图像构建的目标信息。
S104：基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。
本步骤中，可基于目标部件的目标信息，对待构建的二维图像进行构建，从而得到包括有目标部件的平面图像（目标二维图像）。
目标部件的平面坐标信息表示目标部件在目标二维图像中的位置信息，目标部件的灰度信息表示目标部件在目标二维图像中的灰度变化。采用目标部件的平面坐标信息与灰度信息，对包括有目标部件的平面图像进行构建，从而得到目标二维图像。
由于在构建目标二维图像的过程中运用到了灰度信息，目标部件灰度的变化在目标二维图像中体现为目标部件在图像中的明暗变化，目标部件在二维图像中的这种明暗变化的显示效果，可达到与3D图类似的立体展示效果，使得目标部件在二维图像中的展示更加直观。此外，相比3D图像而言，二维图像的数据量大大减少，在不影响展示效果的前提下，使得工作效率大大提高，降低了对工控机渲染性能的要求。
在S101~S104所示的方案中，通过采集目标部件的点云数据，基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性，基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息，基于目标部件的目标信息，得到目标二维图像。由于在构建目标二维图像的过程中运用到了灰度信息，目标部件灰度的变化在目标二维图像中体现为目标部件在图像中的明暗变化，目标部件在二维图像中的这种明暗变化的显示效果，可达到与3D图类似的立体展示效果，使得目标部件在二维图像中的展示更加直观。此外，相比3D图像而言，二维图像的数据量大大减少，在不影响展示效果的前提下，使得工作效率大大提高，为工控机的渲染提高了效率。
在一个可选的方案中，所述基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，包括：
在目标部件的点云数据的采集属性为第一采集属性的情况下，所述点云数据由三个维度数据构成；
基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；
基于三个维度数据中的第三维度数据，得到目标部件的灰度信息。
本申请中，当目标部件的点云数据的采集属性为第一采集属性，即点云数据表示形式为（x，y，z）时，三个维度数据分别为x维度数据、y维度数据和z维度数据。其中，第一维度数据为x维度数据，第二维度数据为y维度数据，第三维度数据为z维度数据。即，根据点云数据的x维度数据和y维度数据，得到目标部件的平面坐标信息。根据点云数据的z维度数据，得到目标部件的灰度信息。
本申请中，通过将目标部件点云数据的第三维度数据（z维度数据）转化成目标部件在二维图像中的灰度信息，由于在构建目标二维图像的过程中运用到了灰度信息，目标部件灰度的变化在目标二维图像中体现为目标部件在图像中的明暗变化，目标部件在二维图像中的这种明暗变化的显示效果，可达到与3D图类似的立体展示效果，使得目标部件在二维图像中的展示更加直观。此外，相比3D图像而言，二维图像的数据量大大减少，在不影响展示效果的前提下，使得工作效率大大提高，降低了对工控机渲染性能的要求。
在一个可选的方案中，所述基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息，包括：
基于目标部件点云数据的第一维度数据和第二维度数据，得到第一维度数据的最大值与最小值、第二维度数据的最大值与最小值；
基于第一维度数据的最大值与最小值、第二维度数据的最大值与最小值，得到目标部件的平面坐标信息。
本申请中，一个目标部件的点云数据是由若干表示形式为（x，y，z）的点组成的。根据以下公式（1）-公式（4），得到点云数据第一维度数据（x维度数据，在空间坐标系中x维度上的数值）的最大值
Figure SMS_1
与最小值/>
Figure SMS_2
，以及第二维度数据（y维度数据，在空间坐标系中y维度上的数值）的最大值/>
Figure SMS_3
与最小值/>
Figure SMS_4
：
Figure SMS_5
公式（1）
Figure SMS_6
公式（2）
Figure SMS_7
公式（3）
Figure SMS_8
公式（4）
其中，
Figure SMS_9
为目标部件的点云数据中包含的点在空间坐标系中的x维度数据，/>
Figure SMS_10
为目标部件的点云数据中包含的点在空间坐标系中的y维度数据，/>
Figure SMS_11
表示取最小值，/>
Figure SMS_12
表示取最大值，/>
Figure SMS_13
为大于0的整数，表示目标部件的点云数据中包括的点的数量。
基于由上述公式（1）-公式（4），得到的
Figure SMS_14
、/>
Figure SMS_15
以及/>
Figure SMS_16
，可以得到目标部件点云数据所包含的点的平面坐标信息（/>
Figure SMS_17
），运算方式如公式（5）-公式（6）所示：
Figure SMS_18
公式（5）
Figure SMS_19
公式（6）
其中，
Figure SMS_20
为目标部件点云数据所包含的点的平面坐标信息中的横坐标信息，/>
Figure SMS_21
为目标部件点云数据所包含的点的平面坐标信息中的纵坐标信息，/>
Figure SMS_22
为目标部件点云数据所包含的各点在空间坐标系中的x维度数据，/>
Figure SMS_23
为目标部件点云数据所包含的各点在空间坐标系中的y维度数据，/>
Figure SMS_24
表示为向下取整。
即，组成目标部件点云数据的任一点的平面坐标信息均通过公式（5）-公式（6）的计算得到。其中，平面坐标信息中的横坐标信息是通过让点云数据中每一个点在空间坐标系中的
Figure SMS_25
维度数据（/>
Figure SMS_26
）与所有点在空间坐标系中/>
Figure SMS_27
维度数据最大值与最小值的差值、再求商而得到。平面坐标信息中的纵坐标信息是通过让点云数据中的每一个点在空间坐标系中的/>
Figure SMS_28
维度数据/>
Figure SMS_29
与所有点在空间坐标系中/>
Figure SMS_30
维度数据最大值与最小值的差值、再求商而得到。当计算得到的值不为整数时，对其向下取整，将最终向下取整得到的数值作为平面坐标信息中横、纵坐标信息。
可以理解，针对同一目标部件，当点云数据中包括i个点时，通过公式（1）-公式（6）而计算的（
Figure SMS_31
）的数量也是i个。i个（/>
Figure SMS_32
）中每个（/>
Figure SMS_33
）表示的是该目标部件的点云数据中的一点对应的平面坐标信息。
基于前述的公式（1）-公式（6），得到目标部件点云数据所包含的点的平面坐标信息，也即得到目标部件的平面坐标信息。需要说明的是，前述公式（1）-公式（6）是针对一个目标部件的点云数据中的各点对应的平面坐标信息的计算方式。当目标部件的数量为多个时，多个目标部件中的各目标部件均采用公式（1）-公式（6）确定各目标部件的点云数据中的各点对应的平面坐标信息。
本申请中，通过目标部件点云数据第一维度数据的最值（最大值和最小值），以及第二维度数据的最值（最大值和最小值），得到目标部件平面坐标信息的方案，在工程上简单易行，容易实施。加速了获得能够将目标部件检测结果可视化二维图像的进程，缩短了耗时，提升了工作效率。
在一个可选的方案中，还包括：
基于所述目标部件的平面坐标信息，确定第一目标点集；
所述基于三个维度数据中的第三维度数据，得到目标部件的灰度信息，包括：
基于所述第一目标点集中点云数据的第三维度数据，得到目标部件的灰度信息。
本申请中，在得到目标部件的平面坐标信息之后，将目标部件点云数据中包含的点对应的（
Figure SMS_35
）相同的点划分到同一集合中，从而得到第一目标点集。当某个点，其（/>
Figure SMS_38
）为独立的、没有其他点的平面坐标信息与其相同，则该点可以作为一个独立的集合存在。其中，第一目标点集的表示形式为{（/>
Figure SMS_40
），（/>
Figure SMS_36
）...，（/>
Figure SMS_39
）}，其中/>
Figure SMS_41
.../>
Figure SMS_42
表示（/>）相同的点在空间坐标系中的z维度数据，/>
Figure SMS_37
为大于0的整数。
在得到第一目标点集后，根据公式（7）可以得到平面坐标信息为（
Figure SMS_43
）的点对应的灰度信息/>
Figure SMS_44
：
Figure SMS_45
公式（7）
其中，
Figure SMS_48
为第一目标点集中点的个数，/>
Figure SMS_49
为第一目标点集中的点在空间坐标系中的z维度数据，/>
Figure SMS_51
为大于0的整数。/>
Figure SMS_47
表示当/>
Figure SMS_50
从1取到/>
Figure SMS_52
时/>
Figure SMS_53
的相加的和，
Figure SMS_46
表示第一目标点集中的所有点在空间坐标系中的y维度数据最大值与最小值的差值。
基于前述的公式（1）-公式（7），可以得到多个表示形式为（
Figure SMS_54
）的坐标信息，这些坐标信息共同构成了目标部件的目标信息。需要说明的是，前述公式（1）-公式（7）是针对一个目标部件平面坐标信息的计算方式，当目标部件的数量为多个时，多个目标部件中的各目标部件均采用公式（1）-公式（7）确定其目标信息。
本申请中，将平面坐标信息相同的点划分到一个目标点集中，通过目标点集中点的z维度数据，得到对应的灰度信息的方案，将原来点云数据深度值z转化成在二维图像中的灰度值
Figure SMS_55
。由于在构建目标二维图像的过程中运用到了灰度信息，目标部件灰度的变化在目标二维图像中体现为目标部件在图像中的明暗变化，目标部件在二维图像中的这种明暗变化的显示效果，可达到与3D图类似的立体展示效果，使得目标部件在二维图像中的展示更加直观。此外，相比3D图像而言，二维图像的数据量大大减少，在不影响展示效果的前提下，使得工作效率大大提高，降低了对工控机渲染性能的要求。
在一个可选的方案中，所述基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，包括：
在目标部件的点云数据的采集属性为第二采集属性的情况下，所述点云数据由六个维度数据构成；
基于六个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；
基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
本申请中，当目标部件的点云数据的采集属性为第二采集属性，即点云数据表示形式为（x，y，z，R，G，B）时，六个维度数据分别为x维度数据、y维度数据、z维度数据、R维度数据（颜色维度中红色维度的数值）、G维度数据（颜色维度中绿色维度的数值）和B维度数据（颜色维度中蓝色维度的数值）。其中，第一维度数据为x维度数据，第二维度数据为y维度数据，第四维度数据为R维度数据，第五维度数据为G维度数据，第六维度数据为B维度数据。
当目标部件的点云数据采集属性为第二采集属性时，根据点云数据的x维度数据和y维度数据，得到目标部件的平面坐标信息的处理过程与前述目标部件点云数据采集属性为第一采集属性时采用的处理过程相同，不赘述。但是，目标部件的点云数据采集属性为第二采集属性时，根据点云数据的R维度数据、G维度数据和B维度数据，得到目标部件的灰度信息的处理过程与采集属性为第一采集属性时不同。
可以理解，R维度数据、G维度数据和B维度数据是用来表示颜色特征的数据。这三个数据的取值范围均为[0，255]。本申请中，采用第二类型3D相机进行采集，可使得采集到的目标部件点云数据本身还具有表示颜色特征的R、G和B数据。本方案中，不考虑z维度数据对颜色特征的影响，即不需要对点云数据的z维度数据做任何处理，根据R维度数据、G维度数据和B维度数据，即可得到目标部件的灰度信息。在原来点云数据自带的表示颜色特征的维度数据（R、G和B数据）的基础上，可以得到目标部件在待构建目标二维图像中的灰度信息，不需要对其他维度数据进行相关操作，处理方式简单易实施，保证了工控机的工作效率。
本申请中，通过将目标部件点云数据的第四维度数据、第五维度数据和第六维度数据（R维度数据、G维度数据和B维度数据）转化成目标部件在二维图像中的灰度信息，由于在构建目标二维图像的过程中运用到了灰度信息，目标部件灰度的变化在目标二维图像中体现为目标部件在图像中的明暗变化，目标部件在二维图像中的这种明暗变化的显示效果，可达到与3D图类似的立体展示效果，使得目标部件在二维图像中的展示更加直观。此外，相比3D图像而言，二维图像的数据量大大减少，在不影响展示效果的前提下，使得工作效率大大提高，降低了对工控机渲染性能的要求。
在一个可选的方案中，所述基于六个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息，包括：
基于目标部件点云数据的第一维度数据和第二维度数据，得到第一维度数据的最大值与最小值、第二维度数据的最大值与最小值；
基于第一维度数据的最大值与最小值、第二维度数据的最大值与最小值，得到目标部件的平面坐标信息。
本申请中，目标部件的点云数据是由若干表示形式为（x，y，z，R，G，B）的点组成，根据前述公式（1）-公式（4）得到点云数据第一维度数据（x维度数据）的最大值
Figure SMS_56
与最小值
Figure SMS_57
，以及第二维度数据（y维度数据）的最大值/>
Figure SMS_58
与最小值/>
Figure SMS_59
，再根据前述公式（5）-公式（6）得到目标部件点云数据所包含的点对应的平面坐标信息（/>
Figure SMS_60
），也即得到目标部件的平面坐标信息。具体实现过程参见理解，不赘述。
本申请中，通过目标部件点云数据第一维度数据的最值，以及第二维度数据的最值得到目标部件平面坐标信息的方案，在工程上简单易行，容易实施。加速了获得能够将目标部件检测结果可视化的二维图像的进程，缩短了耗时，提升了工作效率。
在一个可选的方案中，还包括：
基于所述目标部件的平面坐标信息，确定第二目标点集；
所述基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息，包括：
基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
本申请中，在得到目标部件的平面坐标信息之后，将目标部件点云数据中包含的点对应的（
Figure SMS_62
）相同的点划分到同一集合中，从而得到第二目标点集。当某个点，其（/>
Figure SMS_64
）为独立的、没有其他点的平面坐标信息与其相同，则该点可以作为一个独立的集合存在。其中，第二目标点集的表示形式为{（/>
Figure SMS_66
），（/>
Figure SMS_63
）...，（
Figure SMS_65
）}，其中/>
Figure SMS_67
表示（/>
Figure SMS_68
）相同的各点的R维度数据、G维度数据、B维度数据，/>
Figure SMS_61
为大于0的整数。
在得到第二目标点集后，根据第二目标点集中各点的R维度数据、G维度数据、B维度数据，即可得到第二目标点集（
Figure SMS_69
）对应的灰度信息/>
Figure SMS_70
。示例性地，根据第二目标点集中各点的R维度数据、G维度数据、B维度数据，将其转化为（/>
Figure SMS_71
）对应的的/>
Figure SMS_72
。如此，多个表示形式为（/>
Figure SMS_73
）的坐标信息共同构成了目标部件的目标信息。
本申请中，将平面坐标信息相同的点划分到一个目标点集中，通过目标点集中点的R维度数据、G维度数据、B维度数据得到对应的灰度信息的方案，由于在构建目标二维图像的过程中运用到了灰度信息，目标部件灰度的变化在目标二维图像中体现为目标部件在图像中的明暗变化，目标部件在二维图像中的这种明暗变化的显示效果，可达到与3D图类似的立体展示效果，使得目标部件在二维图像中的展示更加直观。此外，相比3D图像而言，二维图像的数据量大大减少，在不影响展示效果的前提下，使得工作效率大大提高，降低了对工控机渲染性能的要求。
在一个可选的方案中，所述基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息，包括：
基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据中各维度数据的平均值；
基于所述平均值，得到目标部件的灰度信息。
本申请中，目标部件的灰度信息
Figure SMS_74
与第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据中各维度数据的平均值的数学关系如公式（8）-公式（10）所示：
Figure SMS_75
公式（8）
Figure SMS_76
公式（9）
Figure SMS_77
公式（10）
其中，
Figure SMS_79
为第二目标点集中点的个数。/>
Figure SMS_81
为第二目标点集中各点的R维度数据，/>
Figure SMS_83
为第二目标点集中各点的G维度数据，/>
Figure SMS_80
为第二目标点集中各点的B维度数据，/>
Figure SMS_82
为大于0的整数。/>
Figure SMS_84
表示第二目标点集中所有点的R维度数据的平均值。/>
Figure SMS_85
表示第二目标点集中所有点的G维度数据的平均值。/>
Figure SMS_78
表示第二目标点集中所有点的B维度数据的平均值。
本申请，根据第二目标点集中各点的第四、第五、第六维度数据的平均值，得到各点的灰度信息，各点的灰度信息构成了目标部件的灰度信息，这种方案，在工程上简单易行，容易实施。加速了获得能够将目标部件检测结果可视化的二维图像的进程，缩短了耗时，提升了工作效率。
在一具体实施例中，以电子设备为笔记本电脑，目标部件的数量为一个，且目标部件为导电布为例，对本申请的二维图像的获得方法进行说明。
如图2所示，利用3D相机拍摄笔记本电脑内部导电布（目标部件），得到目标部件的点云数据。根据3D相机的拍摄属性，确定目标部件的点云数据采集时采用的采集属性。
当目标部件点云数据的采集属性为第一采集属性，即目标部件的点云数据包括x，y，z三个维度数据时，求出点云数据中包含的所有点的x维度数据中的最大值与最小值，以及所有点的y维度数据中的最大值与最小值。根据前述公式（5）、公式（6）得到点云数据中各个点对应的平面坐标信息（
Figure SMS_86
）。将（/>
Figure SMS_87
）相同的点划分到一个集合（第一目标点集）中。当没有与（/>
Figure SMS_88
）相同的点时，可将该点可以作为独立的一个集合中的点存在。将每个集合的各点的z维度数据代入前述公式（7），求出每个集合中的（/>
Figure SMS_89
）对应的/>
Figure SMS_90
。多个集合得到的（/>
Figure SMS_91
）共同构成目标部件的目标信息。利用目标部件的目标信息，进行二维图像的构建，构建出的二维图像中包括目标部件。
当目标部件点云数据的采集属性为第二采集属性，即目标部件的点云数据包括x，y，z，R，G，B六个维度数据时，求出点云数据中包含的所有点的x维度数据中的最大值与最小值，以及所有点的y维度数据中的最大值与最小值。根据前述公式（5）、公式（6）得到点云数据中各个点的平面坐标信息（
Figure SMS_92
）。将（/>
Figure SMS_93
）相同的点划分到一个集合（第二目标点集）中。当没有与（/>
Figure SMS_94
）相同的点时，该点可以作为独立的一个集合存在。将每个集合的点的R维度数据、G维度数据、B维度数据代入前述公式（8）-公式（10）求出每个集合中的（/>
Figure SMS_95
）对应的/>
Figure SMS_96
。多个集合得到的（/>
Figure SMS_97
）共同构成目标部件的目标信息。利用目标部件的目标信息，进行二维图像的构建，构建出的二维图像中包括目标部件。
前述内容是以电子设备为笔记本电脑，目标部件的数量为一个，且目标部件为导电布为例对本申请的二维图像的获得方法进行的说明。电子设备为其他设备，目标部件的数量为多个，且目标部件为其他部件的方案参见理解，不赘述。
每个目标部件的目标信息均可按照前述的方案而得到。在得到所有目标部件的目标信息的情况下，利用各目标部件的目标信息，对待构建的二维图像进行构建，从而得到包括各目标部件的（目标）二维图像。该二维图像中包括电子设备的各需要进行位置是否偏移检测的部件。将目标二维图像进行显示，以方便直观展示目标部件是否存在位置偏移的检测结果。
本申请实施例提供一种二维图像的获得装置，如图3所示，所述装置包括：
采集单元301，用于采集目标部件的点云数据；
确定单元302，用于基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性；
第一获取单元303，用于基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息；
第二获取单元304，用于基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。
在一个可选的方案中，所述第一获取单元303，用于在目标部件的点云数据的采集属性为第一采集属性的情况下，所述点云数据由三个维度数据构成；基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；基于三个维度数据中的第三维度数据，得到目标部件的灰度信息。
在一个可选的方案中，所述第一获取单元303，用于在目标部件的点云数据的采集属性为第二采集属性的情况下，所述点云数据由六个维度数据构成；基于六个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
在一个可选的方案中，所述第一获取单元303，用于基于目标部件点云数据的第一维度数据和第二维度数据，得到第一维度数据的最大值与最小值、第二维度数据的最大值与最小值；基于第一维度数据的最大值与最小值、第二维度数据的最大值与最小值，得到目标部件的平面坐标信息。
在一个可选的方案中，所述装置还包括：
第三获取单元，用于基于所述目标部件的平面坐标信息，确定第一目标点集；基于所述第一目标点集中点云数据的第三维度数据，得到目标部件的灰度信息。
在一个可选的方案中，所述装置还包括：
第四获取单元，用于基于所述目标部件的平面坐标信息，确定第二目标点集；基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
在一个可选的方案中，所述第四获取单元，用于基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据中各维度数据的平均值；基于所述平均值，得到目标部件的灰度信息。
需要说明的是，本申请实施例的二维图像的获得装置，由于该装置解决问题的原理与前述的二维图像的获得方法相似，因此，该装置的实施过程、实施原理及有益效果均可以参见前述方法的实施过程、实施原理及有益效果的描述，重复之处不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
图4示出了可以用来实施本申请的实施例的示例电子设备400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、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/或者要求的本申请的实现。
如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器（ROM）402中的计算机程序或者从存储单元408加载到随机访问存储器（RAM）403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储电子设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（I/O）接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400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401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401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401执行上文所描述的各个方法和处理，例如二维图像的获得方法。例如，在一些实施例中，二维图像的获得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408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的二维图像的获得方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行二维图像的获得方法。
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）、片上系统（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。
用于实施本申请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。
在本申请的上下文中，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，本申请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，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种二维图像的获得方法，其特征在于，所述方法包括：
采集目标部件的点云数据；
基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性；
基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息；
基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。
2.根据权利要求1所述的方法，其特征在于，所述基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，包括：
在目标部件的点云数据的采集属性为第一采集属性的情况下，所述点云数据由三个维度数据构成；
基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；
基于三个维度数据中的第三维度数据，得到目标部件的灰度信息。
3.根据权利要求1所述的方法，其特征在于，所述基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，包括：
在目标部件的点云数据的采集属性为第二采集属性的情况下，所述点云数据由六个维度数据构成；
基于六个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息；
基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
4.根据权利要求2所述的方法，其特征在于，所述基于三个维度数据中的第一维度数据和第二维度数据，得到目标部件的平面坐标信息，包括：
基于目标部件点云数据的第一维度数据和第二维度数据，得到第一维度数据的最大值与最小值、第二维度数据的最大值与最小值；
基于第一维度数据的最大值与最小值、第二维度数据的最大值与最小值，得到目标部件的平面坐标信息。
5.根据权利要求2所述的方法，其特征在于，还包括：
基于所述目标部件的平面坐标信息，确定第一目标点集；
所述基于三个维度数据中的第三维度数据，得到目标部件的灰度信息，包括：
基于所述第一目标点集中点云数据的第三维度数据，得到目标部件的灰度信息。
6.根据权利要求3所述的方法，其特征在于，还包括：
基于所述目标部件的平面坐标信息，确定第二目标点集；
所述基于六个维度数据中的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息，包括：
基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息。
7.根据权利要求6所述的方法，其特征在于，所述基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到目标部件的灰度信息，包括：
基于所述第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据，得到第二目标点集中点云数据的第四维度数据、第五维度数据以及第六维度数据中各维度数据的平均值；
基于所述平均值，得到目标部件的灰度信息。
8.一种二维图像的获得装置，其特征在于，所述装置包括：
采集单元，用于采集目标部件的点云数据；
确定单元，用于基于目标部件的点云数据，确定对目标部件的点云数据进行采集时采用的采集属性；
第一获取单元，用于基于对目标部件的点云数据的采集属性，对目标部件的点云数据进行处理，得到目标部件的目标信息，所述目标信息包括目标部件的平面坐标信息和灰度信息；
第二获取单元，用于基于目标部件的目标信息，得到目标二维图像，所述目标二维图像包括所述目标部件。
9.一种电子设备，其特征在于，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。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
CN202310693451.7A 2023-06-12 2023-06-12 二维图像的获得方法、装置、电子设备及存储介质 Active CN116433881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310693451.7A CN116433881B (zh) 2023-06-12 2023-06-12 二维图像的获得方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310693451.7A CN116433881B (zh) 2023-06-12 2023-06-12 二维图像的获得方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116433881A true CN116433881A (zh) 2023-07-14
CN116433881B CN116433881B (zh) 2023-10-13

Family

ID=87080058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310693451.7A Active CN116433881B (zh) 2023-06-12 2023-06-12 二维图像的获得方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116433881B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678701A (zh) * 2016-01-28 2016-06-15 鲁鹏 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法
US20180247447A1 (en) * 2017-02-27 2018-08-30 Trimble Ab Enhanced three-dimensional point cloud rendering
CN108875804A (zh) * 2018-05-31 2018-11-23 腾讯科技（深圳）有限公司 一种基于激光点云数据的数据处理方法和相关装置
US20210166372A1 (en) * 2019-11-29 2021-06-03 My Virtual Reality Software As Real-time data acquisition and visualization for point-cloud recording
CN114549669A (zh) * 2022-01-28 2022-05-27 电子科技大学 一种基于图像融合技术的彩色三维点云获取方法
CN115482195A (zh) * 2022-08-03 2022-12-16 西南交通大学 一种基于三维点云的列车部件变形检测方法
CN116205978A (zh) * 2023-02-22 2023-06-02 中冶赛迪信息技术(重庆)有限公司 三维目标物体映射图像确定方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678701A (zh) * 2016-01-28 2016-06-15 鲁鹏 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法
US20180247447A1 (en) * 2017-02-27 2018-08-30 Trimble Ab Enhanced three-dimensional point cloud rendering
CN108875804A (zh) * 2018-05-31 2018-11-23 腾讯科技（深圳）有限公司 一种基于激光点云数据的数据处理方法和相关装置
US20210166372A1 (en) * 2019-11-29 2021-06-03 My Virtual Reality Software As Real-time data acquisition and visualization for point-cloud recording
CN114549669A (zh) * 2022-01-28 2022-05-27 电子科技大学 一种基于图像融合技术的彩色三维点云获取方法
CN115482195A (zh) * 2022-08-03 2022-12-16 西南交通大学 一种基于三维点云的列车部件变形检测方法
CN116205978A (zh) * 2023-02-22 2023-06-02 中冶赛迪信息技术(重庆)有限公司 三维目标物体映射图像确定方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XU, C. ET AL: "Image2Point: 3D Point-Cloud Understanding with 2D Image Pretrained Models", 《COMPUTER VISION – ECCV 2022》, vol. 13697, pages 638 - 656 *
杨积升: "面向三点云的物体检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 3, pages 138 - 1100 *

Also Published As

Publication number Publication date
CN116433881B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN112801164B (zh) 目标检测模型的训练方法、装置、设备及存储介质
CN112634343B (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
EP4027299A2 (en) Method and apparatus for generating depth map, and storage medium
WO2022227489A1 (zh) 针对物体的碰撞检测方法、装置、设备和存储介质
CN116524165B (zh) 三维表情模型的迁移方法、装置、设备和存储介质
CN112991459A (zh) 一种相机标定方法、装置、设备以及存储介质
CN112184837B (zh) 一种图像检测方法、装置、电子设备及存储介质
CN115797565A (zh) 三维重建模型训练方法、三维重建方法、装置及电子设备
CN116205889A (zh) 偏移检测方法、装置、电子设备及存储介质
CN115311414A (zh) 基于数字孪生的实景渲染方法、装置及相关设备
CN114998433A (zh) 位姿计算方法、装置、存储介质以及电子设备
CN115272182A (zh) 车道线检测方法、装置、电子设备和计算机可读介质
JP7262530B2 (ja) 位置情報の生成方法、関連装置及びコンピュータプログラム製品
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN112597983B (zh) 一种遥感图像中目标对象的识别方法及其存储介质和系统
CN116433881B (zh) 二维图像的获得方法、装置、电子设备及存储介质
CN113762397A (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN116486126B (zh) 一种模版确定方法、装置、设备及存储介质
CN117078767A (zh) 激光雷达与相机标定方法、装置、电子设备及存储介质
CN114463409B (zh) 图像深度信息的确定方法、装置、电子设备和介质
CN114549303B (zh) 图像显示、处理方法、装置、设备和存储介质
CN113190150B (zh) 覆盖物的展示方法、设备和存储介质
CN112991451A (zh) 图像识别方法、相关装置及计算机程序产品
CN113221999B (zh) 图片标注的正确率获取方法、装置和电子设备
CN118052054A (zh) 目标辨识方法、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
GR01 Patent grant
GR01 Patent grant