CN117152040A - 一种基于深度图的点云融合方法及装置 - Google Patents

一种基于深度图的点云融合方法及装置 Download PDF

Info

Publication number
CN117152040A
CN117152040A CN202311396387.2A CN202311396387A CN117152040A CN 117152040 A CN117152040 A CN 117152040A CN 202311396387 A CN202311396387 A CN 202311396387A CN 117152040 A CN117152040 A CN 117152040A
Authority
CN
China
Prior art keywords
point
pixel
point cloud
points
correlation
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
CN202311396387.2A
Other languages
English (en)
Other versions
CN117152040B (zh
Inventor
由清圳
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.)
Airlook Aviation Technology Beijing Co ltd
Original Assignee
Airlook Aviation Technology Beijing 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 Airlook Aviation Technology Beijing Co ltd filed Critical Airlook Aviation Technology Beijing Co ltd
Priority to CN202311396387.2A priority Critical patent/CN117152040B/zh
Publication of CN117152040A publication Critical patent/CN117152040A/zh
Application granted granted Critical
Publication of CN117152040B publication Critical patent/CN117152040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于深度图的点云融合方法及装置，其中方法包括将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。基于深度图和相关性搜索实现了高效点云融合，克服了相关技术中点云融合效率低的缺陷。

Description

一种基于深度图的点云融合方法及装置
技术领域
本申请涉及信息处理技术领域，尤其涉及一种基于深度图的点云融合方法及装置。
背景技术
相关技术中，3D点云中冗余点的消除通常效率不佳。
发明内容
本申请提供一种基于深度图的点云融合方法及装置，以解决相关技术中存在的问题。
第一方面，本发明提供一种基于深度图的点云融合方法，包括将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。
可选地，基于预设的搜索规则进行相关性点云搜索包括：S1：基于添加至集合Q中的像素点，确定其对应的3D点，以将该3D点添加至相关性3D点集合P中；S2：将该3D点反投影到可见且不存在于集合IS中的图像上，得到对应的投影像素点；S3：将所述投影像素点添加到所述集合Q中，并将该3D点反投影到的可见且不存在于集合IS中的图像插入到所述集合IS中；S4：确定所述投影像素点对应的3D点，并将所述投影像素点对应的3D点添加至所述相关性3D点集合P中。
可选地，所述方法还包括：S5：如果所述投影像素点对应的3D点无法反投影到可见且不存在于集合IS中的图像上，则相关性点云搜索结束。
可选地，所述方法还包括：S6：如果所述影像素点对应的3D点可反投影到可见且不存在于集合IS中的图像上，则继续执行S2~S4，直到无可反投影且不存在于集合IS中的图像为止。
可选地，如果当前遍历的像素点存在于已融合的像素点集合Q中，则忽略所述当前遍历的像素点，遍历下一个像素点。
可选地，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点包括：基于预设的搜索规则进行相关性点云搜索，得到相关性3D点集合P；对所述相关性3D点集合P中的3D点采用预设处理方法进行融合，得到集合，以作为所述集合Q中所有像素的3D点。
第二方面，本发明提供一种基于深度图的点云融合装置，包括遍历单元，被配置成将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；判断单元，被配置成如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；点云融合单元，被配置成基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。
可选地，所述点云融合单元包括如下处理模块：第一处理模块，基于添加至集合Q中的像素点，确定其对应的3D点，以将该3D点添加至相关性3D点集合P中；第二处理模块，被配置成将该3D点反投影到可见且不存在于集合IS中的图像上，得到对应的投影像素点；第三处理模块，被配置成将所述投影像素点添加到所述集合Q中，并将该3D点反投影到的可见且不存在于集合IS中的图像插入到所述集合IS中；第四处理模块，被配置成确定所述投影像素点对应的3D点，并将所述投影像素点对应的3D点添加至所述相关性3D点集合P中。
可选地，所述装置还包括：第一判断单元，被配置成如果所述投影像素点对应的3D点无法反投影到可见且不存在于集合IS中的图像上，则相关性点云搜索结束。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面提供的一种模型加载的方法。
本发明公开了一种基于深度图的点云融合方法及装置，其中方法包括将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。基于深度图和相关性搜索实现了高效点云融合，克服了相关技术中点云融合效率低的缺陷。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请一种基于深度图的点云融合方法流程图；
图2为本申请中提供的一种基于深度图的点云融合方法的应用示意图；
图3为本申请提供的一种对应于图1的电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
图1为本申请中提供的一种基于深度图的点云融合方法的流程示意图，方法包括以下步骤：
步骤101：将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历。
在本实施例中，已投影图片集合IS初始为空，在遍历过程中可不断被插入图片，遍历所有的图片，对当前所遍历的图片中的像素点进行遍历。
步骤102：如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中。
在本实施例中，已融合像素点集表示为Q，如果在Q中则表明像素点已经进行了融合处理，如果不在Q中则表明像素点未进行融合处理，则将当前遍历的像素点添加至Q中；
参考图2，当前图片，遍历图片中的每一个像素点，如果当前遍历的像素点/>没有在Q中，说明当前像素点没有进行过融合处理，将/>添加到集合Q中，/>，开始进行相关性点云搜索。
步骤103：基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。
在本实施例中，相关性3D点集合初始为空，表示为P={}，通过相关性搜索确定与像素点相关的3D点，以进行融合。
作为本实施例一种可选的实现方式，基于预设的搜索规则进行相关性点云搜索包括：基于添加至集合Q中的像素点，确定其对应的3D点，以将该3D点添加至相关性3D点集合P中；将该3D点反投影到可见且不存在于集合IS中的图像上，得到对应的投影像素点；将所述投影像素点添加到所述集合Q中，并将该3D点反投影到的可见且不存在于集合IS中的图像插入到所述集合IS中；确定所述投影像素点对应的3D点，并将所述投影像素点对应的3D点添加至所述相关性3D点集合P中。
在本可选的实现方式中，三维点可以投影到影像上，即表示在当前影像上可见。参考图2，以当前遍历的深度图I0当前遍历的像素点q0为例，利用深度图I0确定q0的3D点P0，将P0添加到集合P中，得到，将/>反投影到可见的图像上，且图像不在IS集合中。如图2所示，P0在/>、/>可见且投影像素点分别为/>、/>，在/>不可见，将/>、/>添加到集合Q中，将/>、/>插入IS中/>；同理基于/>、/>的深度图，得到3D点/>、/>，将/>、/>添加到P中/>。
作为本实施例一种可选的实现方式，所述方法还包括：S5：如果所述投影像素点对应的3D点无法反投影到可见且不存在于集合IS中的图像上，则相关性点云搜索结束。
在本可选的实现方式中，如果没有可投影的新增图像则相关性点云搜索阶段结束。
作为本实施例一种可选的实现方式，所述方法还包括：S6：如果所述影像素点对应的3D点可反投影到可见且不存在于集合IS中的图像上，则继续执行S2~S4，直到无可反投影且不存在于集合IS中的图像为止。
在本可选的实现方式中，继续参考图2，将、/>投影到可见的图像上，/>在/>、/>、可见且投影像素点分别为/>、/>、/>，/>在/>可见且投影像素点为/>，在/>不可见，将投影像素点插入到Q中/>，按此逻辑不断遍历执行，直到结束。继续遍历下一个像素点，直到图像中所有的像素点都被处理；进一步地，当当前遍历的图像被处理完成后，继续遍历下一个图像，直到所有的图像被处理。
作为本实施例一种可选的实现方式，如果当前遍历的像素点存在于已融合的像素点集合Q中，则忽略所述当前遍历的像素点，遍历下一个像素点。
如果像素点存在于像素点集合，则代表该像素点已被处理，可以遍历当前图像中的下一个像素点，直到整个图像中的像素点均被处理。
作为本实施例一种可选的实现方式，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点包括：基于预设的搜索规则进行相关性点云搜索，得到相关性3D点集合P；对所述相关性3D点集合P中的3D点采用预设处理方法进行融合，得到集合，以作为所述集合Q中所有像素的3D点。
在本可选的实现方式中，集合P中包含了所有相关性的3D点，将这些3D点采用均值法或中值法方法进行融合，得到一个3D点，其作为Q集合中所有像素的3D点，从而实现了点云融合。
本实施例基于深度图和相关性搜索的方式实现了高效的点云融合。
以上为本申请的一个或多个实施例提供的一种方法，基于同样的思路，本申请还提供了相应的一种基于深度图的点云融合装置，包括遍历单元，被配置成将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；判断单元，被配置成如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；点云融合单元，被配置成基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。
作为本实施例一种可选的实现方式，所述点云融合单元包括：第一处理模块，基于添加至集合Q中的像素点，确定其对应的3D点，以将该3D点添加至相关性3D点集合P中；第二处理模块，被配置成将该3D点反投影到可见且不存在于集合IS中的图像上，得到对应的投影像素点；第三处理模块，被配置成将所述投影像素点添加到所述集合Q中，并将该3D点反投影到的可见且不存在于集合IS中的图像插入到所述集合IS中；第四处理模块，被配置成确定所述投影像素点对应的3D点，并将所述投影像素点对应的3D点添加至所述相关性3D点集合P中。
作为本实施例一种可选的实现方式，所述装置还包括：第一判断单元，被配置成如果所述投影像素点对应的3D点无法反投影到可见且不存在于集合IS中的图像上，则相关性点云搜索结束。
作为本实施例一种可选的实现方式，如果所述影像素点对应的3D点可反投影到可见且不存在于集合IS中的图像上，则继续由第二处理模块至第四处理模块执行，直到无可反投影且不存在于集合IS中的图像为止。
作为本实施例一种可选的实现方式，如果当前遍历的像素点存在于已融合的像素点集合Q中，则忽略所述当前遍历的像素点，遍历下一个像素点。
基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点包括：基于预设的搜索规则进行相关性点云搜索，得到相关性3D点集合P；对所述相关性3D点集合P中的3D点采用预设处理方法进行融合，得到集合，以作为所述集合Q中所有像素的3D点。
本申请还提供了一种计算机可读介质，该介质存储有计算机程序，计算机程序可用于执行上述图1提供的基于方法。
本申请还提供了图3所示的一种对应于图1的电子设备的示意结构图。如图3所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的一种模型加载的方法。当然，除了软件实现方式之外，本申请并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device,PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机介质中。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于深度图的点云融合方法，其特征在于，包括：
将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；
如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；
基于添加至所述集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。
2.根据权利要求1所述的基于深度图的点云融合方法，其特征在于，基于预设的搜索规则进行相关性点云搜索包括：
S1：基于添加至集合Q中的像素点，确定其对应的3D点，以将该3D点添加至相关性3D点集合P中；
S2：将该3D点反投影到可见且不存在于集合IS中的图像上，得到对应的投影像素点；
S3：将所述投影像素点添加到所述集合Q中，并将该3D点反投影到的可见且不存在于集合IS中的图像插入到所述集合IS中；
S4：确定所述投影像素点对应的3D点，并将所述投影像素点对应的3D点添加至所述相关性3D点集合P中。
3.根据权利要求2所述的基于深度图的点云融合方法，其特征在于，所述方法还包括：
S5：如果所述投影像素点对应的3D点无法反投影到可见且不存在于集合IS中的图像上，则相关性点云搜索结束。
4.根据权利要求2所述的基于深度图的点云融合方法，其特征在于，所述方法还包括：
S6：如果所述影像素点对应的3D点可反投影到可见且不存在于集合IS中的图像上，则继续执行S2~S4，直到无可反投影且不存在于集合IS中的图像为止。
5.根据权利要求1所述的基于深度图的点云融合方法，其特征在于，如果当前遍历的像素点存在于已融合的像素点集合Q中，则忽略所述当前遍历的像素点，遍历下一个像素点。
6.根据权利要求1所述的基于深度图的点云融合方法，其特征在于，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点包括：
基于预设的搜索规则进行相关性点云搜索，得到相关性3D点集合P；
对所述相关性3D点集合P中的3D点采用预设处理方法进行融合，得到集合，以作为所述集合Q中所有像素的3D点。
7.一种基于深度图的点云融合装置，其特征在于，包括：
遍历单元，被配置成将当前所遍历的图片插入已投影图片集合IS中，并对当前遍历的图片的每一个像素点进行遍历；
判断单元，被配置成如果当前遍历的像素点不存在于已融合的像素点集合Q中，则将所述当前遍历的像素点添加至所述集合Q中；
点云融合单元，被配置成基于添加至集合Q中所述像素点，基于预设的搜索规则进行相关性点云搜索，以确定所述集合Q中所有像素点的3D点。
8.根据权利要求7所述的基于深度图的点云融合装置，其特征在于，所述点云融合单元包括如下处理模块：
第一处理模块，基于添加至集合Q中的像素点，确定其对应的3D点，以将该3D点添加至相关性3D点集合P中；
第二处理模块，被配置成将该3D点反投影到可见且不存在于集合IS中的图像上，得到对应的投影像素点；
第三处理模块，被配置成将所述投影像素点添加到所述集合Q中，并将该3D点反投影到的可见且不存在于集合IS中的图像插入到所述集合IS中；
第四处理模块，被配置成确定所述投影像素点对应的3D点，并将所述投影像素点对应的3D点添加至所述相关性3D点集合P中。
9.根据权利要求7所述的基于深度图的点云融合装置，其特征在于，所述装置还包括：
第一判断单元，被配置成如果所述投影像素点对应的3D点无法反投影到可见且不存在于集合IS中的图像上，则相关性点云搜索结束。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现上述权利要求1~6任一项所述的方法。
CN202311396387.2A 2023-10-26 2023-10-26 一种基于深度图的点云融合方法及装置 Active CN117152040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311396387.2A CN117152040B (zh) 2023-10-26 2023-10-26 一种基于深度图的点云融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311396387.2A CN117152040B (zh) 2023-10-26 2023-10-26 一种基于深度图的点云融合方法及装置

Publications (2)

Publication Number Publication Date
CN117152040A true CN117152040A (zh) 2023-12-01
CN117152040B CN117152040B (zh) 2024-02-23

Family

ID=88906338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311396387.2A Active CN117152040B (zh) 2023-10-26 2023-10-26 一种基于深度图的点云融合方法及装置

Country Status (1)

Country Link
CN (1) CN117152040B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751451A (zh) * 2015-03-05 2015-07-01 同济大学 基于无人机低空高分辨率影像的密集点云提取方法
US20180218485A1 (en) * 2015-09-30 2018-08-02 Huawei Technologies Co., Ltd. Method and apparatus for fusing plurality of depth images
US20180225866A1 (en) * 2015-08-06 2018-08-09 Heptagon Micro Optics Pte. Ltd. Generating a merged, fused three-dimensional point cloud based on captured images of a scene
CN110969648A (zh) * 2019-12-11 2020-04-07 华中科技大学 一种基于点云序列数据的3d目标跟踪方法及系统
US20200211232A1 (en) * 2017-07-13 2020-07-02 Interdigital Vc Holdings, Inc A method and apparatus for encoding/decoding a point cloud representing a 3d object
CN112184603A (zh) * 2019-07-04 2021-01-05 浙江商汤科技开发有限公司 一种点云融合方法、装置、电子设备和计算机存储介质
CN114359744A (zh) * 2021-12-07 2022-04-15 中山大学 一种基于激光雷达和事件相机融合的深度估计方法
CN116051747A (zh) * 2023-01-31 2023-05-02 武汉大学 一种基于缺失点云数据的房屋三维模型重建方法及设备、介质
CN116543361A (zh) * 2023-02-20 2023-08-04 重庆长安汽车股份有限公司 车辆的多模态融合感知方法、装置、车辆及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751451A (zh) * 2015-03-05 2015-07-01 同济大学 基于无人机低空高分辨率影像的密集点云提取方法
US20180225866A1 (en) * 2015-08-06 2018-08-09 Heptagon Micro Optics Pte. Ltd. Generating a merged, fused three-dimensional point cloud based on captured images of a scene
US20180218485A1 (en) * 2015-09-30 2018-08-02 Huawei Technologies Co., Ltd. Method and apparatus for fusing plurality of depth images
US20200211232A1 (en) * 2017-07-13 2020-07-02 Interdigital Vc Holdings, Inc A method and apparatus for encoding/decoding a point cloud representing a 3d object
CN112184603A (zh) * 2019-07-04 2021-01-05 浙江商汤科技开发有限公司 一种点云融合方法、装置、电子设备和计算机存储介质
CN110969648A (zh) * 2019-12-11 2020-04-07 华中科技大学 一种基于点云序列数据的3d目标跟踪方法及系统
CN114359744A (zh) * 2021-12-07 2022-04-15 中山大学 一种基于激光雷达和事件相机融合的深度估计方法
CN116051747A (zh) * 2023-01-31 2023-05-02 武汉大学 一种基于缺失点云数据的房屋三维模型重建方法及设备、介质
CN116543361A (zh) * 2023-02-20 2023-08-04 重庆长安汽车股份有限公司 车辆的多模态融合感知方法、装置、车辆及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
庄恩泽;吴献;: "基于点云的SUSAN特征点检测算法在三维重建中的应用", 福建师范大学学报(自然科学版), no. 02 *

Also Published As

Publication number Publication date
CN117152040B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
CN107391526B (zh) 一种基于区块链的数据处理方法及设备
CN110263050B (zh) 数据处理方法、装置、设备及存储介质
CN110806847A (zh) 一种分布式多屏幕显示方法、装置、设备及系统
CN115981870B (zh) 一种数据处理的方法、装置、存储介质及电子设备
CN111238450A (zh) 视觉定位方法及装置
CN115828162B (zh) 一种分类模型训练的方法、装置、存储介质及电子设备
CN116822657B (zh) 一种模型训练加速的方法、装置、存储介质及电子设备
CN111241040B (zh) 信息获取方法、装置、电子设备及计算机存储介质
CN116309823A (zh) 一种位姿的确定方法、装置、设备及存储介质
CN117152040B (zh) 一种基于深度图的点云融合方法及装置
CN116245051A (zh) 一种仿真软件渲染方法、装置、存储介质及电子设备
CN111210472A (zh) 一种视频画面的3d定位方法、装置、设备以及介质
CN117173321B (zh) 一种三维重建纹理视图的选择方法及装置
CN112698882A (zh) 一种页面组件加载方法及装置
CN112712561A (zh) 一种建图方法、装置、存储介质及电子设备
CN110659372A (zh) 图片录入与访问方法、装置及设备
CN110262732B (zh) 一种图片移动方法和装置
CN116740114B (zh) 一种基于凸包检测的目标物边界拟合方法及装置
CN111651450B (zh) 一种基于区块链的区块复制方法、装置、设备及介质
CN116382537A (zh) 点击位置与交通卡区域之间关系的确认方法及确认装置
CN117032676B (zh) 一种容器自适应的方法、装置、存储介质及电子设备
CN117876610B (zh) 针对三维构建模型的模型训练方法、装置、存储介质
CN112711539A (zh) 一种数据处理的方法、装置以及数据检测系统
CN117014560A (zh) 一种视频调度的方法、装置、介质及设备
CN117177002A (zh) 一种视频播放的方法、装置、介质及设备

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