CN117315288A - 目标对象的轮廓确定方法、装置、电子设备及存储介质 - Google Patents
目标对象的轮廓确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117315288A CN117315288A CN202311595256.7A CN202311595256A CN117315288A CN 117315288 A CN117315288 A CN 117315288A CN 202311595256 A CN202311595256 A CN 202311595256A CN 117315288 A CN117315288 A CN 117315288A
- Authority
- CN
- China
- Prior art keywords
- contour line
- contour
- long
- short
- line
- 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 57
- 230000015654 memory Effects 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 22
- 239000003550 marker Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012952 Resampling Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种目标对象的轮廓确定方法、装置、电子设备及存储介质。其中，方法可以包括以下步骤：在图像中确定目标对象的方位角角度；利用方位角角度，对确定出的目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；根据指定条件，对修正后的候选轮廓线进行优化处理，得到目标对象的轮廓；指定条件用于指示候选轮廓线的长度和由候选轮廓线组成的目标对象的顶点数量中的至少一种。依据本申请实施例，可以从方位角角度维度、轮廓线长度维度以及目标对象顶点个数维度等多个维度对目标对象的轮廓线进行确定和优化，使得最终得到的轮廓线可以更贴合目标对象的真实轮廓。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种目标对象的轮廓确定方法和装置、电子设备及存储介质。
背景技术
随着智能化的提高，对于图像识别的能力愈发强大。目前，在对图像中的目标对象进行识别，从而确定目标对象的轮廓的相关场景中，主要依赖于通过人工使用半自动程序在图像上直接进行标注，这种方式得到的目标对象的轮廓精度高，数据简洁。但缺点也相当明显，就是耗时耗力。此外，在同样的场景中，还可以通过人工智能（ArtificialIntelligence）模型对图像进行目标对象的分割得到较为精准的栅格数据，通过提取栅格数据的边界从而得到目标对象的多边形轮廓。当然，这种方式获取的目标对象轮廓虽然可以批量化处理，非常高效；但数据结构呈锯齿状不够简洁，还需要额外的后处理。
发明内容
本申请实施例提供一种目标对象的轮廓确定方法、装置、电子设备及存储介质。
第一方面，本申请实施例提供了一种目标对象的轮廓确定方法，该方法可以包括以下步骤：
在图像中确定目标对象的方位角角度；
利用方位角角度，对确定出的目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；
根据指定条件，对修正后的候选轮廓线进行优化处理，得到目标对象的轮廓；指定条件用于指示候选轮廓线的长度和由候选轮廓线组成的目标对象的顶点数量中的至少一种。
第二方面，本申请实施例提供了一种目标对象的轮廓确定装置，该装置可以包括：
方位角角度确定模块，用于在图像中确定目标对象的方位角角度；
候选轮廓线方位修正模块，用于利用方位角角度，对确定出的目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；
轮廓线优化模块，用于根据指定条件，对修正后的轮廓线进行优化处理，得到目标对象的轮廓；指定条件用于指示候选轮廓线的长度和由候选轮廓线组成的目标对象的顶点数量中的至少一种。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器在执行所述计算机程序时实现上述任一项所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
与现有技术相比，本申请具有如下优点：依据本申请实施例可以从方位角角度维度、轮廓线长度维度以及目标对象顶点个数维度等多个维度对目标对象的轮廓线进行确定和优化，使得最终得到的轮廓线可以更贴合目标对象的真实轮廓。
上述说明仅是本申请技术方案的概述 ，为了能够更清楚了解本申请的技术手段，可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请的一些实施方式，而不应将其视为是对本申请范围的限制。
图1为本申请提供的目标对象的轮廓确定方法的流程图；
图2为采用相关技术得到的目标对象的轮廓线示意图之一；
图3为本申请提供的方法得到的目标对象的轮廓线示意图之一；
图4是本申请一实施例的临边角度的方向确定原理示意图；
图5是本申请一实施例的候选轮廓线优化示意图之一；
图6是本申请一实施例的候选轮廓线优化示意图之二；
图7是本申请一实施例的候选轮廓线优化示意图之三；
图8是本申请一实施例的候选轮廓线优化示意图之四；
图9是本申请一实施例的候选轮廓线优化示意图之五；
图10是本申请一实施例的候选轮廓线优化示意图之六；
图11是本申请一实施例的候选轮廓线优化示意图之七；
图12是本申请一实施例的候选轮廓线优化示意图之八；
图13为采用相关技术得到的目标对象的轮廓线示意图之二；
图14为本申请提供的方法得到的目标对象的轮廓线示意图之二；
图15为本申请提供的目标对象的轮廓确定装置的结构框图；以及
图16为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的构思或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的，而非限制性的。
为便于理解本申请实施例的技术方案，以下对本申请实施例的相关技术进行说明。以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合，其均属于本申请实施例的保护范围。
本申请实施例提供了一种目标对象的轮廓确定方法，如图1所示为本申请一实施例的目标对象的轮廓确定方法的流程图，可以包括：
步骤S101：在图像中确定目标对象的方位角角度；
步骤S102：利用方位角角度，对确定出的目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；
步骤S103：根据指定条件，对修正后的候选轮廓线进行优化处理，得到目标对象的轮廓；指定条件用于指示候选轮廓线的长度和由候选轮廓线组成的目标对象的顶点数量中的至少一种。
本申请中，图像可以是通过任何图像采集设备采集到的图像，也可以是从第三方下载的图像等。在当前实施方式中，以图像为遥感图像为示例进行阐述说明。通过对图像进行像素级的语义分割，可以对图像中的各类对象进行识别。示例性地，各类对象可以包括人物、车辆、建筑物、水域范围等。在当前实施方式中，以建筑物作为目标对象为示例，进行阐述。实际场景下，无论是人物、车辆、道路边界、水域范围等，都可以采用相同的逻辑流程。
在相关技术中，目标对象的轮廓线段通常是由原始图像中识别出的多段线的顶点子集构建的，这样与原始图像中识别出的多段线的（局部）距离根据给定的距离度量不会超过一个可指定的值。或者，目标对象的轮廓线段还可以根据目标对象的每个顶点与其相邻两顶点组成的三角形的面积来判断该顶点的重要性，然后按照面积从小到大的顺序删除顶点，直到达到预设的线段数量阈值或者顶点数量阈值。这两种通用的简化算法可以有效地保留一般曲线的形状和特征，适用于自然要素的概化，例如河流、森林边界、海岸线等，但对需要规则化的建筑物轮廓情况效果不佳。此外，相关技术中会根据建筑物的特点设计一套提取算法，这类算法致力于让简化结果更符合建筑物的特征。但另一方面，这类算法往往不太擅长处理复杂的形状。例如依托于ArcGIS平台的建筑物简化算法，通过重新绘制正交的边来直接绘制简化形状。但这个算法只能保留一个主要的方位角，斜边因为正则过程变成边长更长的锯齿状折线，在确定建筑物的轮廓时同样效果不佳。
在本申请的实施方式中，对于获取到的图像，可以首先利用语义分割技术，确定出图像中的目标对象。如果套用本申请场景，也就是确定遥感图像（图像）中的建筑物（目标对象）。首先，可以对目标对象进行重新采样。重新采样的目的是在目标对象的每条轮廓线上增加若干标记点，以确保每条轮廓线的长度可以作为图像中建筑物的像素分辨率长度。轮廓线是重采样标记点逆时针连接所得。对于每个标记点，可以结合其邻域的若干其他标记点进行正交回归计算，得到直线，从而确定每条直线的方位角。即，结合每个标记点及其邻域的若干其他标记点进行正交回归计算得到的直线是轮廓线在标记点的方向表示。方位角可以是直线与参照线的夹角。参照线可以是在图像中预置的直角坐标轴中的线，例如，直角坐标轴中x轴对应的线或者y轴对应的线等。通过对每条直线的方位角的统计，可以选择出现次数最多的角度作为目标对象的方位角角度。
其次，对于图像中的目标对象，可以确定目标对象的多个顶点。此处的目标对象是利用语义分割技术确定出的目标对象，而非重新采样后的目标对象。目标对象的顶点的具体确定方式将在后文进行详述。根据相邻顶点以及相邻顶点之间的其他标记点进行正交回归计算，可以得到目标对象的候选轮廓线。得到候选轮廓线后，可以确定出每条候选轮廓线的方位角角度，并进一步确定每条候选轮廓线的方位角角度与目标对象的方位角角度的差异。根据该差异，对每条候选轮廓线的方位角角度进行调整。由于候选轮廓线方位角角度的调整，会使得目标对象的顶点位置发生改变，那么，将位置改变后的顶点用直线连接，即可得到修正后的候选轮廓线。
最终，还需要对修正后的轮廓线进行优化处理。优化处理的目的在于减少目标对象顶点的数量、减少短轮廓线的数量等。所谓短轮廓线可以是指长度低于长度阈值的轮廓线。通常而言，短轮廓线会被视为噪音，因此通过减少段轮廓线的数量实现对于目标对象的高质量还原。
更优的，在减少目标对象顶点的数量、减少短轮廓线的数量的前提下，还可以对明显的与已知的目标对象的轮廓不符的区域进行优化。例如，对于角度较小的锐角顶点进行修正等。
图2为采用相关技术得到的建筑物轮廓线，图中所示，该轮廓线存在明显的锯齿状折线，且存在明显与已知建筑物结构不符的角度较小的锐角缺口。图3为采用本申请方案得到的建筑物轮廓线。由图3可见，建筑物的轮廓线为平滑直线，且消除了与已知建筑物结构不符的角度较小的锐角缺口。即，采用本申请方案，可以最大限度地还原建筑物的方位角特征，并还原出正交的建筑墙壁，并且可以有效的处理折线回归、消角、补角等异形结构。
在一种实施方式中，步骤S101所涉及的在图像中确定目标对象的方位角角度，可以包括：
步骤S1011：对图像中的目标对象进行重采样处理，得到表征目标对象的标记点；
步骤S1012：确定由标记点表征的直线的方位角角度；
步骤S1013：利用直线的方位角角度，确定目标对象的方位角角度。
重采样可以包括对多段线的顶点进行重采样，具体采样方法是等间距（像素分辨率为单位距离）的采样。通过重采样，在原轮廓的每条轮廓线上额外加上若干标记点，可以确保增加标记点后的轮廓线的长度等于作为数据源的像素分辨率的长度。设定重采样后，图像中一共包含k个标记点，表示为P 1 、P 2 、……、P k ，k为正整数。k个标记点包含原始标记点，以及重采样后增加的标记点。
对于每个标记点，可以选择该标记点的多个相邻标记点进行方位角确定。例如，对于标记点P i ，可以选择标记点P i 的邻域，从而得到m个相邻标记点。1≤i≤k，i、m为正整数。由此，对于每个标记点P i ，都可以利用该标记点P i 和该标记点P i 的多个相邻标记点进行正交回归计算，得到一条直线。由此，可以确定该直线与参考线的夹角角度θ i 。所谓直线与参考线的夹角，即可作为该直线的方位角。参照线可以是在图像中预置的直角坐标轴中的线，例如直角坐标轴中x轴对应的线或者y轴对应的线等。对应的，k个标记点可以得到k个方位角角度。k个方位角角度表示为θ 1 、θ 2 、……、θ k 。
由此，对于k个方位角，可以统计方位角的峰值，取出现次数最多的峰值，记录为θ。由此，θ即可作为目标对象的方位角角度。此外，还可以对目标对象的方位角角度的置信度进行计算，从而用于对最终的结果进行提示。例如，记录θ的出现次数，将θ的出现次数与k的比值作为目标对象的方位角角度的置信度。
在一种实施方式中，步骤S102中涉及的对确定出的目标对象的候选轮廓线进行修正处理，可以包括：
步骤S1021：根据确定出的目标对象的指定顶点的集合，确定出目标对象的初始形状；
步骤S1022：确定初始形状对应的候选轮廓线的方位角角度；
步骤S1023：利用目标对象的方位角角度与候选轮廓线的方位角角度的差异，对候选轮廓线进行修正处理。
结合图4所示，图4中的目标对象包含从顶点A至顶点S共19个顶点。当前以顶点H、顶点I和顶点J为示例进行说明。
顶点H的两个临边分别为临边GH和临边HI。在此，顶点H的两个临边是有方向的，即临边GH的方向为由顶点G指向顶点H，临边HI的方向为由顶点H指向顶点I，下述示例中同理。由此，可以确定由临边GH向临边HI的旋转方向。即，可以以标记点H为轴，则临边GH向临边HI的旋转方向为顺时针旋转（遵循右手螺旋定则），对应正方向。
顶点I的两个临边分别为临边HI和临边IJ。可以确定由临边HI向临边IJ的旋转方向。即，可以以顶点I为轴，则临边HI向临边IJ的旋转方向为逆时针旋转，对应负方向。
顶点J的两个临边分别为临边IJ和临边JK。可以确定由临边IJ向临边JK的旋转方向。即，可以以顶点J为轴，则临边IJ向临边JK的旋转方向为逆时针旋转，对应负方向。
基于此，可以确定，顶点H的旋转方向为顺时针旋转，与其相邻的顶点I的旋转方向为逆时针旋转。顶点I的旋转方向为逆时针旋转，与其相邻的顶点J的旋转方向同为逆时针旋转。由此，可以将旋转方向相同的相邻顶点均作为指定顶点。即，图4所示示例中，顶点I和顶点J为指定顶点，而顶点H不为指定顶点，也就是非指定顶点。最终，对全部顶点进行遍历后，可以得到指定顶点的集合S，S={P j1 、P j2 、……、P jr }，r为正整数。此外，还需要采用为拉默-道格拉斯-普克算法 (Ramer-Douglas-Peucker algorithm)算法，对指定顶点进行补充。
在每一对相邻的指定顶点之间，可能还存在有非指定顶点。由此，可以将相邻的指定顶点，以及相邻指定顶点之间的非指定顶点一并进行正交回归计算，得到一条直线（轮廓线）。对应的，将采用上述方式得到的多个直线进行组合，便可得到标对象的初始形状。
对于组成初始形状的任一轮廓线，可以确定该轮廓线的方位角角度。方位角的计算方式依旧是通过计算轮廓线与参照线的夹角得到。将该轮廓线的方位角角度与前序步骤中确定出的目标对象的方位角角度进行比较，如果存在差异，且差异在阈值角度差异范围之内，则可以依照目标对象的方位角角度对该轮廓线的方位角角度进行调整。调整过程可以包括，以该轮廓线上的任一点为转动轴，调整该轮廓线的角度，以使得轮廓线的角度与目标对象的方位角角度相同。任一点可以是轮廓线的端点，轮廓线的中点等。实际场景下，通常可以选择轮廓线的中点为转动轴，对轮廓线进行微调。
在一种实施方式中，步骤S1021中涉及到的目标对象的指定顶点的确定方式，可以包括：
步骤S10211：获取目标对象的每个顶点；
步骤S10212：连接每个顶点，得到目标对象的第一形状；
步骤S10213：确定每个顶点的临边角度的方向，临边角度的方向是利用顶点的第一临边与第二临边的夹角确定的；临边角度的方向为正方向或负方向；
步骤S10214：在相邻两个顶点的临边角度的方向相同的情况下，将相邻两个顶点确定为指定顶点。
仍然结合图4所示，对于每次发生旋转的旋转位置，即可确定为顶点。即，对于图4中的19个顶点处，均发生可旋转，由此图4中目标对象共包括19个顶点。
将每个顶点进行连线，即可得到图4对应的形状图。图4可以看做是作为示例展示的局部图，在真实场景下连接每个顶点可以得到目标对象的第一形状示意图，通常而言，第一形状的示意图为封闭图形。
对于每个顶点而言，确定该顶点的临边角度的方向。以顶点H、顶点I和顶点J为示例进行说明。顶点H的两个临边分别为临边GH和临边HI。在此，顶点H的两个临边是有方向的，即临边GH的方向为由顶点G指向顶点H，临边HI的方向为由顶点H指向顶点I，下述示例中同理。由此，可以确定由临边GH向临边HI的旋转方向。即，可以以顶点H为轴，则临边GH向临边HI的旋转方向为右侧旋转（也可以称为顺时针旋转），由此可以对应临边角度的方向为正方向。顶点I的两个临边分别为临边HI和临边IJ。可以确定由临边HI向临边IJ的旋转方向。即，可以以顶点I为轴，则临边HI向临边IJ的旋转方向为左侧旋转（也可以称为逆时针旋转），由此可以对应临边角度的方向为负方向。顶点J的两个临边分别为临边IJ和临边JK。可以确定由临边IJ向临边JK的旋转方向。即，可以以顶点J为轴，则临边IJ向临边JK的旋转方向为左侧旋转（逆时针旋转），由此可以对应临边角度的方向为负方向。由此，顶点I和顶点J即作为临边角度的方向相同的相邻两个顶点。在图4中，仅有顶点I和顶点J可以作为指定顶点，其他17个顶点为非指定顶点。此外，还需要采用为拉默-道格拉斯-普克算法 (Ramer-Douglas-Peucker algorithm)算法，对指定顶点进行补充。
在一种实施方式中，步骤S1021中涉及到的目标对象的指定顶点的确定方式，还可以包括以下步骤：
步骤S10215：确定每个其他顶点与目标对象的第二形状的距离；其他顶点是不属于指定顶点的顶点；第二形状是连接每个指定顶点得到的形状；
步骤S10216：将满足距离条件的其他顶点转为指定顶点。
在确定出一定数量的指定顶点后，对于剩余的非指定顶点，还可以进行查缺补漏。例如，在确定出一定数量的指定顶点后，可以按照顺序将指定顶点连接得到第二形状。对于其他顶点，也就是非指定顶点，可以分别计算每个其他顶点到第二形状的距离。对于距离的计算，可以在第二形状中，寻找与非指定顶点最近的点，从而计算距离。
如果该距离短于预设的距离阈值，那么就将该非指定顶点舍弃。反之，如果该距离不短于预设的距离阈值，那么就将该非指定顶点转为指定顶点，添加至指定顶点的集合S中。对于非指定顶点的查漏补缺，可以从距离第二形状最远的非指定顶点开始，如果距离不短于预设的距离阈值，那么就将该非指定顶点转为指定顶点，添加至指定顶点的集合S中。即，上述过程中，可以将先确定出所有顶点，进而根据顶点的重要性，将重要的顶点确定为指定顶点。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
步骤S1031：存在短轮廓线，且与短轮廓线两端相连的第一长轮廓线和第二长轮廓线彼此平行的情况下，在短轮廓线上确定关键点，创建经过关键点的新轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值，新轮廓线用于替换短轮廓线、第一长轮廓线和第二长轮廓线；
步骤S1032：新轮廓线的一端与第三长轮廓线相交，另一端与第四长轮廓线相交；第三长轮廓线与第一长轮廓线相连；第四长轮廓线与第二长轮廓线相连；第一长轮廓线、新轮廓线、第三长轮廓线和短轮廓线围成的第一区域与第二长轮廓线、新轮廓线、第四长轮廓线和短轮廓线围成的第二区域大小相同。
结合图5所示，图5中轮廓线CD对应短轮廓线，也就是短于预定长度阈值的轮廓线。此外，与短轮廓线CD两端相连的第一长轮廓线BC和第二长轮廓线DE彼此平行。所谓长轮廓线，也就是不短于预定长度阈值的轮廓线。
此外，图5中还包含第三长轮廓线AB（AB’）和第四长轮廓线EF（E’F）。第三长轮廓线AB与第一长轮廓线BC的远端相交。所谓第一长轮廓线BC的远端是指非连接短轮廓线的一端（也就是端点B所在的一端）。第四长轮廓线EF与第二长轮廓线DE的远端相交。所谓第二长轮廓线DE的远端是指非连接短轮廓线的一端（也就是端点E’所在的一端）。
由此，可以在短轮廓线CD上确定一个关键点O，并且创建一条经过关键点O的新轮廓线。该新轮廓线一端与第三长轮廓线AB（的延长线）连接，另一端与第四长轮廓线EF连接。经过关键点O的新轮廓线需要满足四边形BB’OC的大小与四边形EE’OD的大小相同。也就是说，第一长轮廓线BC、新轮廓线B’O、第三长轮廓线BB’和短轮廓线OC围成的第一区域与第二长轮廓线DE、新轮廓线E’O、第四轮长廓线EE’和短轮廓线OD围成的第二区域大小相同。第一区域和第二区域均为封闭区域。在本实施例中，将同属于一条直线上的AB、AB’和BB’均称为第三长轮廓线。将同属于一条直线上的EF、E’F和EE’均称为第四长轮廓线。
由此，由图中的轮廓线AB'E'F代替原来的轮廓线ABCDEF，经过优化以后，减少了短轮廓线，更准确的还原了建筑物的真实外轮廓。需要说明的是，图5仅为局部示意图，而非整体图。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
步骤S1033：存在短轮廓线，短轮廓线的两个端点的临边角度的方向相同，且与短轮廓线两端相连的第五长轮廓线和第六长轮廓线长度不同的情况下，在第五长轮廓线和第六长轮廓线中确定目标轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值；
步骤S1034：在目标轮廓线中确定关键点，利用关键点创建与短轮廓线平行的新轮廓线，新轮廓线用于替换短轮廓线和目标轮廓线。
结合图6所示，图6中轮廓线CD对应短轮廓线，也就是短于预定长度阈值的轮廓线。轮廓线CD的两个端点分别是端点C和端点D。由图6可知，端点C和端点D的临边角度的方向都是左侧旋转（逆时针旋转），也就是同为负方向。
此外，与短轮廓线CD两端相连的第五长轮廓线BC和第六长轮廓线DE长度不同。通过比较，可以比确定第五长轮廓线BC和第六长轮廓线DE长度，得出第六长轮廓线DE的长度相对较短，由此可以将第六长轮廓线DE作为目标轮廓线。
由此，可以以目标轮廓线DE的远离短轮廓线的端点（端点E）作为关键点，从而创建新轮廓线C’E，新轮廓线C’E与短轮廓线CD彼此平行。图6中端点E还被标记为端点D’。由此，新轮廓线C’E替换短轮廓线CD和目标轮廓线DE，也就是说，优化后的轮廓为ABC’EF组成的轮廓。需要说明的是，图6仅为局部示意图，而非整体图。
同理，结合图7所示，图7中轮廓线CD对应短轮廓线，也就是短于预定长度阈值的轮廓线。轮廓线CD的两个端点分别是端点C和端点D。由图7可知，端点C和端点D的临边角度的方向都是左侧旋转（逆时针旋转），也就是同为负方向。
此外，与短轮廓线CD两端相连的长轮廓线BC和长轮廓线DE长度不同。通过比较，可以确定长轮廓线BC和长轮廓线DE长度，得出长轮廓线DE的长度相对较短，由此可以将长轮廓线DE作为目标轮廓线。
由此，可以以目标轮廓线DE的远离短轮廓线的端点（端点E）作为关键点，从而创建新轮廓线C’E，新轮廓线C’E与短轮廓线CD平行。图7中端点E还被标记为端点D’。由此，新轮廓线C’E替换短轮廓线CD和目标轮廓线DE，也就是说，进行轮廓线替换以后，优化后的轮廓为由ABC’EF之间的连线组成的轮廓。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
存在短轮廓线，短轮廓线的两个端点的临边角度的方向不相同，且与短轮廓线两端相连的第七长轮廓线和第八长轮廓线彼此平行的情况下，连接第七长轮廓线和第八长轮廓线的远端端点构成新轮廓线；
远端端点是第七长轮廓线和第八长轮廓线未与短轮廓线相连的端点；临边角度的方向是利用端点的第一临边与第二临边的夹角确定的；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值，新轮廓线用于替换短轮廓线、第七长轮廓线和第八长轮廓线。
结合图8所示，图8中轮廓线CD对应短轮廓线，也就是短于预定长度阈值的轮廓线。短轮廓线CD的两个端点分别是端点C和端点D。由图8可知，端点C的临边角度的方向是右侧旋转（顺时针旋转）对应的正方向，而端点D的临边角度的方向是左侧旋转（逆时针旋转）对应的负方向。由此得出短轮廓线CD的两个端点的临边角度的方向不相同。
此外，与短轮廓线CD两端相连的长轮廓线BC和长轮廓线DE彼此平行。在此情况下，将第七长轮廓线和第八长轮廓线的远端端点相连，构成新轮廓线。所谓远端端点，是指第七长轮廓线和第八长轮廓线上未与短轮廓线相连的端点，也就是将端点B和端点E相连形成新轮廓线。由此，优化后的轮廓为由ABEF组成的轮廓。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
存在短轮廓线，与短轮廓线两端相连的第九长轮廓线和第十长轮廓线彼此不平行，在第九长轮廓线或在第十长轮廓线上确定关键点，且关键点至短轮廓线的距离满足第一指定距离要求的情况下，创建经过关键点的新轮廓线；
关键点为第九长轮廓线和第十长轮廓线的交点；新轮廓线连接第九长轮廓线和第十长轮廓线；新轮廓线用于替换短轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值。
结合图9所示，图9中轮廓线BC对应短轮廓线，也就是短于预定长度阈值的轮廓线。短轮廓线BC的两个端点分别是端点B和端点C。其中，与端点B相连的是第九长轮廓线AB，与端点C相连的是第十长轮廓线CD，且第九长轮廓线AB和第十长轮廓线CD彼此不平行。
在此情况下，可以确定第九长轮廓线AB和第十长轮廓线CD的交点，也就是图9中的B’点。并且，以满足B’点至短轮廓线BC的距离小于预设距离阈值为佳，即，可以将距离小于预设距离阈值作为满足第一指定距离要求。将第九长轮廓线AB和第十长轮廓线CD的交点确定为关键点，经过关键点的新轮廓线即为B’C。由此，优化后的轮廓为由AB’CD组成的轮廓。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
存在短轮廓线，与短轮廓线两端相连的第十一长轮廓线和第十二长轮廓线彼此不平行，第十一长轮廓线和第十二长轮廓线的交点位于第十一长轮廓线的延长线或第十二长轮廓线的延长线上，且交点至短轮廓线的距离满足第二指定距离要求的情况下，连接第十一长轮廓线和第十二长轮廓线的远端端点构成新轮廓线；
远端端点是第十一长轮廓线和第十二长轮廓线未与短轮廓线相连的端点；新轮廓线用于替换短轮廓线、第十一长轮廓线和第十二长轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值。
结合图10所示，图10中轮廓线BC对应短轮廓线，也就是短于预定长度阈值的轮廓线。短轮廓线BC的两个端点分别是端点B和端点C。其中，与端点B相连的是第十一长轮廓线AB，与端点C相连的是第十二长轮廓线CD，且第十一长轮廓线AB和第十二长轮廓线CD彼此不平行。
由图10可以看出，第十一长轮廓线AB和第十二长轮廓线CD的交点并非在第十一长轮廓线AB或在第十二长轮廓线CD上，而是位于二者的延长线上，也就是图10中标注的E点。并且，E点到BC的距离不小于预设距离阈值，从而满足第二指定距离要求。即，可以将距离不小于预设距离阈值作为满足第二指定距离要求。本申请所提及的指定距离要求可以是相同数值，也可以是根据实际场景动态变化的数值。由此，可以直接将第十一长轮廓线AB和第十二长轮廓线CD的远端端点相连，构成新轮廓线。所谓远端端点，就是指第十一长轮廓线AB和第十二长轮廓线CD未与短轮廓线相连的端点，也就是图10中的顶点A和顶点D。由此，利用一条直线AD，代替原有的短轮廓线BC，以及代替第十一长轮廓线AB和第十二长轮廓线CD。也就是说，优化后的轮廓只有直线AD。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
存在短轮廓线，与短轮廓线两端相连的第十三长轮廓线和第十四长轮廓线彼此不平行，第十三长轮廓线和第十四长轮廓线的交点位于第十三长轮廓线的延长线或第十四长轮廓线的延长线上，且交点至短轮廓线的距离满足第一指定距离要求的情况下，分别将第十三长轮廓线和第十四长轮廓线延长至交点构成新轮廓线；
新轮廓线用于替换短轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值。
结合图11所示，图11中轮廓线BC对应短轮廓线，也就是短于预定长度阈值的轮廓线。短轮廓线BC的两个端点分别是端点B和端点C。其中，与端点B相连的是第十三长轮廓线AB，与端点C相连的是第十四长轮廓线CD，且第十三长轮廓线AB和第十四长轮廓线CD彼此不平行。
由图11可以看出，第十三长轮廓线AB和第十四长轮廓线CD的交点并非在第十三长轮廓线AB或在第十四长轮廓线CD上，而是位于二者的延长线上，也就是图11中标注的E点。并且，E点到BC的距离小于预设距离阈值，从而满足第一指定距离要求。
由此，可以延长第十三长轮廓线AB和第十四长轮廓线CD，使二者相较于E点。由此，利用优化后的新轮廓AED代替原有轮廓ABCD。
在一种实施方式中，步骤S103中涉及的对修正后的轮廓线进行优化处理，可以包括：
存在短轮廓线，与短轮廓线两端相连的第十五长轮廓线和第十六长轮廓线彼此不平行，第十五长轮廓线和第十六长轮廓线的交点位于第十五长轮廓线的延长线或第十六长轮廓线的延长线上，且交点至短轮廓线的距离满足第二指定距离要求的情况下，在第十五长轮廓线和第十六长轮廓线上确定关键点；
连接关键点构成新轮廓线，新轮廓线用于替换短轮廓线；短轮廓线短于预定长度阈值，长轮廓线和新轮廓线不短于预定长度阈值，且新轮廓线与短轮廓线平行。
结合图12所示，图12中轮廓线BC对应短轮廓线，也就是短于预定长度阈值的轮廓线。短轮廓线BC的两个端点分别是端点B和端点C。其中，与端点B相连的是第十五长轮廓线AB，与端点C相连的是第十六长轮廓线CD，且第十五长轮廓线AB和第十六长轮廓线CD彼此不平行。
由图12可以看出，第十五长轮廓线AB和第十六长轮廓线CD的交点并非在第十五长轮廓线AB或在第十六长轮廓线CD上，而是位于二者的延长线上，也就是图12中标注的E点。并且，E点到BC的距离不小于预设距离阈值，从而满足第二指定距离要求。
由此，可以分别在第十五长轮廓线AB和第十六长轮廓线CD上确定关键点，需要满足将两个关键点连接后的新轮廓线与原有的短轮廓线彼此平行，且新轮廓线的长度不短于预定长度阈值。最终，利用优化后的轮廓AB’C’D用来替换原有轮廓ABCD。
通过上述不同的优化过程，可以以去除短候选轮廓线以及减少顶点数量为目标，对目标对象的轮廓进行优化修正，从而使得修正后的目标轮廓线与真实的目标对象更为接近。图13为另一个采用相关技术进行轮廓确定的示意图，而图14是利用本申请相关技术对同一目标对象进行轮廓确定的示意图，可以看出在图14中，消除了图13中的不平衡轮廓线，并且对消角和补交进行了适配。并且，减少了目标对象的顶点数量，从而简化了数据规模。
与本申请实施例提供的方法的应用场景以及方法相对应地，本申请实施例还提供一种目标对象的轮廓确定装置。如图15所示为本申请一实施例的目标对象的轮廓确定装置的结构框图，该目标对象的轮廓确定装置可以包括：
方位角角度确定模块1501，用于在图像中确定目标对象的方位角角度；
候选轮廓线方位修正模块1502，用于利用方位角角度，对确定出的目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；
轮廓线优化模块1503，用于根据指定条件，对修正后的轮廓线进行优化处理，得到目标对象的轮廓；指定条件用于指示候选轮廓线的长度和由候选轮廓线组成的目标对象的顶点数量中的至少一种。
在一种实施方式中，方位角角度确定模块1501，可以包括：
重采样子模块，用于对图像中的目标对象进行重采样处理，得到表征目标对象的标记点；
直线方位角角度确定子模块，用于确定由标记点表征的直线的方位角角度；
目标对象方位角角度确定子模块，用于利用直线的方位角角度，确定目标对象的方位角角度。
在一种实施方式中，候选轮廓线方位修正模块1502，可以包括：
初始形状确定子模块，用于根据确定出的目标对象的指定顶点的集合，确定出目标对象的初始形状；
候选轮廓线方位角角度确定子模块，用于确定初始形状对应的候选轮廓线的方位角角度；
修正执行子模块，用于利用目标对象的方位角角度与候选轮廓线的方位角角度的差异，对候选轮廓线进行修正处理。
在一种实施方式中，候选轮廓线方位修正模块1502还可以包括指定顶点确定子模块，指定顶点确定子模块可以包括：
顶点获取单元，用于获取目标对象的每个顶点；
第一形状确定单元，用于连接每个顶点，得到目标对象的第一形状；
临边角度方向确定单元，用于确定每个顶点的临边角度的方向，临边角度的方向是利用顶点的第一临边与第二临边的夹角确定的；临边角度的方向为正方向或负方向；
指定顶点确定执行单元，用于在相邻两个顶点的临边角度的方向相同的情况下，将相邻两个顶点确定为指定顶点。
在一种实施方式中，还包括：
距离确定单元，用于确定每个其他顶点与目标对象的第二形状的距离；其他顶点是不属于指定顶点的顶点；第二形状是连接每个指定顶点得到的形状；
指定顶点补充单元，用于将满足距离条件的其他顶点转为指定顶点。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，且与短轮廓线两端相连的第一长轮廓线和第二长轮廓线彼此平行的情况下，在短轮廓线上确定关键点，创建经过关键点的新轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值，新轮廓线用于替换短轮廓线、第一长轮廓线和第二长轮廓线；
新轮廓线的一端与第三长轮廓线相交，另一端与第四长轮廓线相交；第三长轮廓线与第一长轮廓线相连；第四长轮廓线与第二长轮廓线相连；第一长轮廓线、新轮廓线、第三长轮廓线和短轮廓线围成的第一区域与第二长轮廓线、新轮廓线、第四长轮廓线和短轮廓线围成的第二区域大小相同。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，短轮廓线的两个端点的临边角度的方向相同，且与短轮廓线两端相连的第五长轮廓线和第六长轮廓线长度不同的情况下，在第五长轮廓线和第六长轮廓线中确定目标轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值；临边角度的方向是利用端点的第一临边与第二临边的夹角确定的；
在目标轮廓线中确定关键点，利用关键点创建与短轮廓线平行的新轮廓线，新轮廓线用于替换短轮廓线和目标轮廓线。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，短轮廓线的两个端点的临边角度的方向不相同，且与短轮廓线两端相连的第七长轮廓线和第八长轮廓线彼此平行的情况下，连接第七长轮廓线和第八长轮廓线的远端端点构成新轮廓线；
远端端点是第七长轮廓线和第八长轮廓线未与短轮廓线相连的端点；临边角度的方向是利用端点的第一临边与第二临边的夹角确定的；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值，新轮廓线用于替换短轮廓线、第七长轮廓线和第八长轮廓线。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，与短轮廓线两端相连的第九长轮廓线和第十长轮廓线彼此不平行，在第九长轮廓线或在第十长轮廓线上确定关键点，且关键点至短轮廓线的距离满足第一指定距离要求的情况下，创建经过关键点的新轮廓线；
关键点为第九长轮廓线和第十长轮廓线的交点；新轮廓线连接第九长轮廓线和第十长轮廓线；新轮廓线用于替换短轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，与短轮廓线两端相连的第十一长轮廓线和第十二长轮廓线彼此不平行，第十一长轮廓线和第十二长轮廓线的交点位于第十一长轮廓线的延长线或第十二长轮廓线的延长线上，且交点至短轮廓线的距离满足第二指定距离要求的情况下，连接第十一长轮廓线和第十二长轮廓线的远端端点构成新轮廓线；
远端端点是第十一长轮廓线和第十二长轮廓线未与短轮廓线相连的端点；新轮廓线用于替换短轮廓线、第十一长轮廓线和第十二长轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，与短轮廓线两端相连的第十三长轮廓线和第十四长轮廓线彼此不平行，第十三长轮廓线和第十四长轮廓线的交点位于第十三长轮廓线的延长线或第十四长轮廓线的延长线上，且交点至短轮廓线的距离满足第一指定距离要求的情况下，分别将第十三长轮廓线和第十四长轮廓线延长至交点构成新轮廓线；
新轮廓线用于替换短轮廓线；短轮廓线短于预定长度阈值，长轮廓线不短于预定长度阈值。
在一种实施方式中，轮廓线优化模块1503，可以具体用于：
存在短轮廓线，与短轮廓线两端相连的第十五长轮廓线和第十六长轮廓线彼此不平行，第十五长轮廓线和第十六长轮廓线的交点位于第十五长轮廓线的延长线或第十六长轮廓线的延长线上，且交点至短轮廓线的距离满足第二指定距离要求的情况下，在第十五长轮廓线和第十六长轮廓线上确定关键点；
连接关键点构成新轮廓线，新轮廓线用于替换短轮廓线；短轮廓线短于预定长度阈值，长轮廓线和新轮廓线不短于预定长度阈值，且新轮廓线与短轮廓线平行。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，并具备相应的有益效果，在此不再赘述。需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
图16为用来实现本申请实施例的电子设备的框图。如图16所示，该电子设备包括：存储器1610和处理器1620，存储器1610内存储有可在处理器1620上运行的计算机程序。处理器1620执行该计算机程序时实现上述实施例中的方法。存储器1610和处理器1620的数量可以为一个或多个。
该电子设备还包括：
通信接口1630，用于与外界设备进行通信，进行数据交互传输。
如果存储器1610、处理器1620和通信接口1630独立实现，则存储器1610、处理器1620和通信接口1630可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构（Industry Standard Architecture，ISA）总线、外部设备互连（PeripheralComponent Interconnect，PCI）总线或扩展工业标准体系结构（ExtendedIndustryStandard Architecture，EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图16中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1610、处理器1620及通信接口1630集成在一块芯片上，则存储器1610、处理器1620及通信接口1630可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片，该芯片包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
应理解的是，上述处理器可以是中央处理器（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（FieldProgrammable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器（Advanced RISC Machines，ARM）架构的处理器。
进一步地，可选的，上述存储器可以包括只读存储器和随机访问存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器（Read-Only Memory，ROM）、可编程只读存储器（ProgrammableROM，PROM）、可擦除可编程只读存储器（Erasable PROM，EPROM）、电可擦除可编程只读存储器（ElectricallyEPROM，EEPROM）或闪存。易失性存储器可以包括随机访问存储器（Random Access Memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM均可用。例如，静态随机访问存储器（Static RAM，SRAM）、动态随机访问存储器（Dynamic Random Access Memory，DRAM）、同步动态随机访问存储器（SynchronousDRAM，SDRAM）、双倍数据速率同步动态随机访问存储器（DoubleData Rate SDRAM，DDRSDRAM）、增强型同步动态随机访问存储器（Enhanced SDRAM，ESDRAM）、同步链接动态随机访问存储器（Sync link DRAM，SLDRAM）和直接内存总线随机访问存储器（DirectRambus RAM，DR RAM）。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生依照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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。
流程图中描述的或在此以其他方式描述的任何过程或方法可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中描述的或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的示例性实施方式，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记载的技术范围内，可轻易想到其各种变化或替换，这些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权利要求的保护范围为准。
Claims (15)
1.一种目标对象的轮廓确定方法，其特征在于，包括：
在图像中确定目标对象的方位角角度；
利用所述方位角角度，对确定出的所述目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；
根据指定条件，对所述修正后的候选轮廓线进行优化处理，得到所述目标对象的轮廓；所述指定条件用于指示所述候选轮廓线的长度和由所述候选轮廓线组成的所述目标对象的顶点数量中的至少一种。
2.根据权利要求1所述的方法，其特征在于，所述在图像中确定目标对象的方位角角度，包括：
对所述图像中的目标对象进行重采样处理，得到表征所述目标对象的标记点；
确定由所述标记点表征的直线的方位角角度；
利用所述直线的方位角角度，确定所述目标对象的方位角角度。
3.根据权利要求1所述的方法，其特征在于，所述对确定出的所述目标对象的候选轮廓线进行修正处理，包括：
根据确定出的所述目标对象的指定顶点的集合，确定出所述目标对象的初始形状；
确定所述初始形状对应的候选轮廓线的方位角角度；
利用所述目标对象的方位角角度与所述候选轮廓线的方位角角度的差异，对所述候选轮廓线进行修正处理。
4.根据权利要求3所述的方法，其特征在于，所述目标对象的指定顶点的确定方式，包括：
获取所述目标对象的每个顶点；
连接每个所述顶点，得到所述目标对象的第一形状；
确定每个所述顶点的临边角度的方向，所述临边角度的方向是利用所述顶点的第一临边与第二临边的夹角确定的；所述临边角度的方向为正方向或负方向；
在相邻两个所述顶点的临边角度的方向相同的情况下，将相邻两个顶点确定为所述指定顶点。
5.根据权利要求4所述的方法，其特征在于，还包括：
确定每个其他顶点与所述目标对象的第二形状的距离；所述其他顶点是不属于所述指定顶点的顶点；所述第二形状是连接每个所述指定顶点得到的形状；
将满足距离条件的其他顶点转为所述指定顶点。
6.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，且与所述短轮廓线两端相连的第一长轮廓线和第二长轮廓线彼此平行的情况下，在所述短轮廓线上确定关键点，创建经过所述关键点的新轮廓线；所述短轮廓线短于预定长度阈值，长轮廓线不短于所述预定长度阈值，所述新轮廓线用于替换所述短轮廓线、所述第一长轮廓线和第二长轮廓线；
所述新轮廓线的一端与第三长轮廓线相交，另一端与第四长轮廓线相交；所述第三长轮廓线与所述第一长轮廓线相连；所述第四长轮廓线与所述第二长轮廓线相连；所述第一长轮廓线、所述新轮廓线、所述第三长轮廓线和所述短轮廓线围成的第一区域与所述第二长轮廓线、所述新轮廓线、所述第四长轮廓线和所述短轮廓线围成的第二区域大小相同。
7.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，所述短轮廓线的两个端点的临边角度的方向相同，且与所述短轮廓线两端相连的第五长轮廓线和第六长轮廓线长度不同的情况下，在所述第五长轮廓线和所述第六长轮廓线中确定目标轮廓线；所述短轮廓线短于预定长度阈值，长轮廓线不短于所述预定长度阈值；所述临边角度的方向是利用所述端点的第一临边与第二临边的夹角确定的；
在所述目标轮廓线中确定关键点，利用所述关键点创建与所述短轮廓线平行的新轮廓线，所述新轮廓线用于替换所述短轮廓线和所述目标轮廓线。
8.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，所述短轮廓线的两个端点的临边角度的方向不相同，且与所述短轮廓线两端相连的第七长轮廓线和第八长轮廓线彼此平行的情况下，连接所述第七长轮廓线和所述第八长轮廓线的远端端点构成新轮廓线；
所述远端端点是所述第七长轮廓线和所述第八长轮廓线未与所述短轮廓线相连的端点；所述临边角度的方向是利用所述端点的第一临边与第二临边的夹角确定的；所述短轮廓线短于预定长度阈值，长轮廓线不短于所述预定长度阈值，所述新轮廓线用于替换所述短轮廓线、所述第七长轮廓线和所述第八长轮廓线。
9.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，与所述短轮廓线两端相连的第九长轮廓线和第十长轮廓线彼此不平行，在所述第九长轮廓线或在所述第十长轮廓线上确定关键点，且所述关键点至所述短轮廓线的距离满足第一指定距离要求的情况下，创建经过所述关键点的新轮廓线；
所述关键点为所述第九长轮廓线和所述第十长轮廓线的交点；所述新轮廓线连接所述第九长轮廓线和所述第十长轮廓线；所述新轮廓线用于替换所述短轮廓线；所述短轮廓线短于预定长度阈值，长轮廓线不短于所述预定长度阈值。
10.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，与所述短轮廓线两端相连的第十一长轮廓线和第十二长轮廓线彼此不平行，所述第十一长轮廓线和所述第十二长轮廓线的交点位于所述第十一长轮廓线的延长线或所述第十二长轮廓线的延长线上，且所述交点至所述短轮廓线的距离满足第二指定距离要求的情况下，连接所述第十一长轮廓线和所述第十二长轮廓线的远端端点构成新轮廓线；
所述远端端点是所述第十一长轮廓线和所述第十二长轮廓线未与所述短轮廓线相连的端点；所述新轮廓线用于替换所述短轮廓线、所述第十一长轮廓线和所述第十二长轮廓线；所述短轮廓线短于预定长度阈值，长轮廓线不短于所述预定长度阈值。
11.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，与所述短轮廓线两端相连的第十三长轮廓线和第十四长轮廓线彼此不平行，所述第十三长轮廓线和所述第十四长轮廓线的交点位于所述第十三长轮廓线的延长线或第十四长轮廓线的延长线上，且所述交点至所述短轮廓线的距离满足第一指定距离要求的情况下，分别将所述第十三长轮廓线和所述第十四长轮廓线延长至所述交点构成新轮廓线；
所述新轮廓线用于替换所述短轮廓线；所述短轮廓线短于预定长度阈值，长轮廓线不短于所述预定长度阈值。
12.根据权利要求1所述的方法，其特征在于，对所述修正后的轮廓线进行优化处理，包括：
存在短轮廓线，与所述短轮廓线两端相连的第十五长轮廓线和第十六长轮廓线彼此不平行，所述第十五长轮廓线和所述第十六长轮廓线的交点位于所述第十五长轮廓线的延长线或第十六长轮廓线的延长线上，且所述交点至所述短轮廓线的距离满足第二指定距离要求的情况下，在所述第十五长轮廓线和第十六长轮廓线上确定关键点；
连接所述关键点构成新轮廓线，所述新轮廓线用于替换所述短轮廓线；所述短轮廓线短于预定长度阈值，长轮廓线和所述新轮廓线不短于所述预定长度阈值，且所述新轮廓线与所述短轮廓线平行。
13.一种目标对象的轮廓确定装置，其特征在于，包括：
方位角角度确定模块，用于在图像中确定目标对象的方位角角度；
候选轮廓线方位修正模块，用于利用所述方位角角度，对确定出的所述目标对象的候选轮廓线进行修正处理，得到修正后的候选轮廓线；
轮廓线优化模块，用于根据指定条件，对所述修正后的轮廓线进行优化处理，得到所述目标对象的轮廓；所述指定条件用于指示所述候选轮廓线的长度和由所述候选轮廓线组成的所述目标对象的顶点数量中的至少一种。
14.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器在执行所述计算机程序时实现权利要求1-12中任一项所述的方法。
15.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311595256.7A CN117315288B (zh) | 2023-11-28 | 2023-11-28 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311595256.7A CN117315288B (zh) | 2023-11-28 | 2023-11-28 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117315288A true CN117315288A (zh) | 2023-12-29 |
| CN117315288B CN117315288B (zh) | 2024-02-13 |
Family
ID=89273962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311595256.7A Active CN117315288B (zh) | 2023-11-28 | 2023-11-28 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117315288B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5966469A (en) * | 1995-10-26 | 1999-10-12 | Hyundai Electronics Industries Co., Ltd. | Sequential polygon approximation apparatus for contour and method thereof |
| JP2008151606A (ja) * | 2006-12-15 | 2008-07-03 | Juki Corp | 画像処理方法および画像処理装置 |
| CN101764947A (zh) * | 2008-11-04 | 2010-06-30 | 新奥特（北京）视频技术有限公司 | 一种将字幕对象矢量轮廓中的多边形加内外边的方法 |
| CN102938066A (zh) * | 2012-12-07 | 2013-02-20 | 南京大学 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
| CN108389167A (zh) * | 2018-02-09 | 2018-08-10 | 广东天骄智能制造要素配置有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
| CN110489511A (zh) * | 2019-08-23 | 2019-11-22 | 西南大学 | 等高线接边高程错误修正方法、系统及电子设备和介质 |
| CN110717874A (zh) * | 2019-10-10 | 2020-01-21 | 徐庆 | 一种图像轮廓线平滑处理方法 |
| JP2020076695A (ja) * | 2018-11-09 | 2020-05-21 | 株式会社キーエンス | プロファイル測定装置 |
| CN112132163A (zh) * | 2020-09-21 | 2020-12-25 | 杭州睿琪软件有限公司 | 识别对象边缘的方法、系统及计算机可读存储介质 |
| CN112435211A (zh) * | 2020-09-03 | 2021-03-02 | 北京航空航天大学 | 一种内窥镜图像序列中轮廓稠密特征点描述和匹配的方法 |
| CN113487523A (zh) * | 2021-09-08 | 2021-10-08 | 腾讯科技（深圳）有限公司 | 图形轮廓优化方法、装置、计算机设备和存储介质 |
| CN114463751A (zh) * | 2022-01-19 | 2022-05-10 | 湖南视比特机器人有限公司 | 基于神经网络和检测算法的边角定位方法及装置 |
| CN115082699A (zh) * | 2022-07-28 | 2022-09-20 | 深圳市其域创新科技有限公司 | 一种轮廓形状提取方法、装置、电子设备及存储介质 |
| CN115601316A (zh) * | 2022-10-08 | 2023-01-13 | 北京达佳互联信息技术有限公司（Cn） | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| WO2023172195A2 (zh) * | 2022-03-08 | 2023-09-14 | 脸萌有限公司 | 线条特效处理方法、装置、电子设备、存储介质及产品 |
-
2023
- 2023-11-28 CN CN202311595256.7A patent/CN117315288B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5966469A (en) * | 1995-10-26 | 1999-10-12 | Hyundai Electronics Industries Co., Ltd. | Sequential polygon approximation apparatus for contour and method thereof |
| JP2008151606A (ja) * | 2006-12-15 | 2008-07-03 | Juki Corp | 画像処理方法および画像処理装置 |
| CN101764947A (zh) * | 2008-11-04 | 2010-06-30 | 新奥特（北京）视频技术有限公司 | 一种将字幕对象矢量轮廓中的多边形加内外边的方法 |
| CN102938066A (zh) * | 2012-12-07 | 2013-02-20 | 南京大学 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
| CN108389167A (zh) * | 2018-02-09 | 2018-08-10 | 广东天骄智能制造要素配置有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| JP2020076695A (ja) * | 2018-11-09 | 2020-05-21 | 株式会社キーエンス | プロファイル測定装置 |
| CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
| CN110489511A (zh) * | 2019-08-23 | 2019-11-22 | 西南大学 | 等高线接边高程错误修正方法、系统及电子设备和介质 |
| CN110717874A (zh) * | 2019-10-10 | 2020-01-21 | 徐庆 | 一种图像轮廓线平滑处理方法 |
| CN112435211A (zh) * | 2020-09-03 | 2021-03-02 | 北京航空航天大学 | 一种内窥镜图像序列中轮廓稠密特征点描述和匹配的方法 |
| CN112132163A (zh) * | 2020-09-21 | 2020-12-25 | 杭州睿琪软件有限公司 | 识别对象边缘的方法、系统及计算机可读存储介质 |
| CN113487523A (zh) * | 2021-09-08 | 2021-10-08 | 腾讯科技（深圳）有限公司 | 图形轮廓优化方法、装置、计算机设备和存储介质 |
| CN114463751A (zh) * | 2022-01-19 | 2022-05-10 | 湖南视比特机器人有限公司 | 基于神经网络和检测算法的边角定位方法及装置 |
| WO2023172195A2 (zh) * | 2022-03-08 | 2023-09-14 | 脸萌有限公司 | 线条特效处理方法、装置、电子设备、存储介质及产品 |
| CN115082699A (zh) * | 2022-07-28 | 2022-09-20 | 深圳市其域创新科技有限公司 | 一种轮廓形状提取方法、装置、电子设备及存储介质 |
| CN115601316A (zh) * | 2022-10-08 | 2023-01-13 | 北京达佳互联信息技术有限公司（Cn） | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王道芸 等: "基于点云数据的建筑物屋顶面点集轮廓线提取", 《北京测绘》, vol. 37, no. 6, pages 861 - 866 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117315288B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Benedens | Watermarking of 3D-polygon-based models with robustness against mesh simplification | |
| CN110368694B (zh) | 游戏场景的数据处理方法、装置、设备及可读存储介质 | |
| CN108898142B (zh) | 一种手写公式的识别方法及计算设备 | |
| CN110427946B (zh) | 一种文档图像二值化方法、装置和计算设备 | |
| CN108305291B (zh) | 利用包含定位二维码的墙体广告的单目视觉定位定姿方法 | |
| CN112085033A (zh) | 一种模板匹配方法、装置、电子设备及存储介质 | |
| CN116310046B (zh) | 图像处理方法、装置、计算机及存储介质 | |
| CN115525951A (zh) | 建筑物轮廓优化及特征边重构的规则化方法及装置 | |
| CN117522902B (zh) | 一种基于测地线模型的自适应割方法及设备 | |
| CN110110697B (zh) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 | |
| CN117315288B (zh) | 目标对象的轮廓确定方法、装置、电子设备及存储介质 | |
| US20130294707A1 (en) | Geometric modelization of images and applications | |
| US20150023595A1 (en) | Method for Rendering Paths without Outlining Artifacts | |
| CN114170257A (zh) | 一种拟合弯曲目标轮廓的、装置、计算机设备及存储介质 | |
| CN113496468B (zh) | 深度图像的修复方法、装置和存储介质 | |
| CN115423697A (zh) | 图像修复方法、终端及计算机存储介质 | |
| CN115550190A (zh) | 网络拓扑图的确定方法、装置、设备及存储介质 | |
| CN111145204B (zh) | 一种边数可设定的对轮廓曲线的多边形简化方法 | |
| JP6169048B2 (ja) | 入力パスを変換する方法、入力パスのセグメントを内部又は外部としてラベル付けする方法、入力パスをレンダリングする方法、及び、入力パスの外形を描く方法 | |
| CN114004839A (zh) | 全景图像的图像分割方法、装置、计算机设备和存储介质 | |
| CN113095320A (zh) | 一种车牌识别方法、系统及计算设备 | |
| CN115858519B (zh) | 一种dem平整方法和装置 | |
| CN112200774A (zh) | 图像识别设备 | |
| CN117910184B (zh) | 一种样条曲线转化为道路平面设计参数的方法及系统 | |
| CN113223179B (zh) | 管道选定线路长度的确定方法和装置 |
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 |