CN117351219A - 图像消影点检测方法、装置、电子设备及存储介质 - Google Patents
图像消影点检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117351219A CN117351219A CN202210783465.3A CN202210783465A CN117351219A CN 117351219 A CN117351219 A CN 117351219A CN 202210783465 A CN202210783465 A CN 202210783465A CN 117351219 A CN117351219 A CN 117351219A
- Authority
- CN
- China
- Prior art keywords
- vertical
- line segment
- line segments
- target
- vanishing point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 claims description 48
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000007 visual 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例提供一种图像消影点检测方法、装置、电子设备及存储介质,通过获取目标图像的全局线段数据,全局线段数据表征目标图像中物体的轮廓线条;基于全局线段数据进行预检测,得到预处理线段数据,预处理线段数据表征目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;基于预处理线段数据,进行消影点检测,得到目标图像的目标消影点。由于对全局线段数据进行了预检测,得到数量更少的预处理线段数据,并基于预处理线段数据进行竖向消影点或横向消影点的检测,不仅能够提高检测速度,而且能够得到更加准确的得到竖向消影点和/或横向消影点,实现图像消影点的快速、精准的检测。
Description
技术领域
本公开实施例涉及图像处理技术领域,尤其涉及一种图像消影点检测方法、装置、电子设备及存储介质。
背景技术
消影点又称灭点,是指三维空间中一组平行线在二维平面投影后的交点。二维图像中的消影点检测,是实现目标检测、图像识别等高级图像处理功能的基础。单帧二维图像的消影点检测,即将二维图像中所包含的N组三维空间平行线的投影线的交点检测出来作为消影点。
现有技术中,对消影点的检测,通常是使用几何方法检测线段,之后再基于得到的直线线段推测消影点。然而,对于内容复杂的图像,通过现有技术中的方法进行消影点检测,需要进行大量的循环计算,导致计算量大,检测速度慢,检测准确性低的问题。
发明内容
本公开实施例提供一种图像消影点检测方法、装置、电子设备及存储介质,以克服现有的消影点检测方法中计算量大,检测速度慢,检测准确性低的问题。
第一方面,本公开实施例提供一种图像消影点检测方法,包括:
获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。
第二方面,本公开实施例提供一种图像消影点检测装置,包括:
获取模块,用于获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;
预检测模块,用于基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;
生成模块,用于基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。
第三方面,本公开实施例提供一种电子设备,包括:
处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如上第一方面以及第一方面各种可能的设计所述的图像消影点检测方法。
第四方面,本公开实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图像消影点检测方法。
第五方面,本公开实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计所述的图像消影点检测方法。
本实施例提供的图像消影点检测方法、装置、电子设备及存储介质,通过获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。由于在获得全局线段数据后,对全局线段数据进行了预检测,得到数量更少,但检测效果更好的预处理线段数据,并基于预处理线段数据进行竖向消影点或横向消影点的检测,不仅能够提高检测速度,而且能够得到更加准确的得到竖向消影点和/或横向消影点,实现图像消影点的快速、精准的检测。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种消影点的示意图;
图2为本公开实施例提供的图像消影点检测方法的流程示意图一;
图3为本公开实施例提供的一种竖向夹角和横向夹角的示意图;
图4为图3所示实施例中步骤S103的具体步骤流程图;
图5为本公开实施例提供的一种备选竖向消影点和目标竖向消影点的关系示意图;
图6为步骤S1033的具体实现步骤流程图;
图7为本公开实施例提供的图像消影点检测方法的流程示意图二;
图8为本公开实施例提供的一种相交线段的示意图;
图9为步骤S2112的具体步骤流程图;
图10为本公开实施例提供的图像消影点检测装置的结构框图;
图11为本公开实施例提供的一种电子设备的结构示意图;
图12为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
下面对本公开实施例的应用场景进行解释:
本公开实施例提供的图像消影点检测方法,可以应用于增强现实(AugmentedReality,AR)、基于图像的物体检测与识别等应用场景中。具体地,应用于上述应用场景中检测图像的消影点的步骤中,并基于本公开实施例提供的图像消影点检测方法得到的消影点坐标,实现图像渲染、物体识别等功能。本公开实施例提供的方法,可以应用于终端设备、服务器等具有计算能力的电子设备,示例性地,本公开实施例提供的方法可以通过一个具体的模型、函数来实现,通过上述电子设备调用并执行该模型、函数,来实现具体功能。
基于消影点的产生原理,三维空间中的平行线,在通过拍照等方式投影到二维图像中时,原本在三维空间平行的线段,由于拍照角度的原因,会在二维图像产生交汇的趋势而相交与一点,从而产生消影点。图1为本公开实施例提供的一种消影点的示意图,如图1所示,在真实的三维空间中,公路的两侧边缘是平行的,但由于拍摄角度的原因,在生成的二维图像中,公路的两侧边缘逐渐交汇至消影点。
然而,对于内容复杂的图像,无法如图1中所示,仅依靠两条线段(公路的两侧边缘)就准确的确定一个消影点,而需要基于“平行线的投影相交于消影点的原理”,找出相交线最多的交点,从而确定最可能最高的消影点。与此同时,在一帧图像中,往往存在多个消影点,需要依次确定出每一个消影点,为了实现上述目的,现有技术中,通常是使用几何方法检测线段,之后再基于得到的直线线段进行排列组合,在遍历完检测线段后,从中得到一个相交线最多的交点。该过程需要进行大量的循环计算,导致计算量大,检测速度慢,检测准确性低的问题。
本公开实施例提供一种图像消影点检测方法以解决上述问题。
参考图2,图2为本公开实施例提供的图像消影点检测方法的流程示意图一。本实施例的方法可以应用在终端设备中,该图像消影点检测方法包括:
步骤S101:获取目标图像的全局线段数据,全局线段数据表征目标图像中物体的轮廓线条。
示例性地,全局线段数据即对目标图像进行检测后,得到的所有表征目标图像中物体的轮廓的直线线段的集合。更具体地,全局线段数据中包括多个方向的线段,全局线段数据中的线段可以通过预训练的神经网络模型对目标图像进行轮廓线段识别而获得,全局线段数据的具体获取方式不再赘述。
步骤S102:基于全局线段数据进行预检测,得到预处理线段数据,预处理线段数据表征目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条。
示例性地,在获得全局线段数据后,与现有技术中直接基于全局线段数据进行消影点检测不同的是,本公开实施例中,对全局线段数据进行预检测,选出其中的一部分,生成预处理线段数据。也即,全局线段数据中包括多个备选线段,对备选线段进行检测后,将符合要求的备选选定,组成预处理线段数据。具体地,即将全局线段数据中各个沿方向延伸的备选线段,基于各备选线段延伸的角度,进行筛选,将其中表征目标图像中的竖向夹角小于第一预设角度的竖向线条的备选线段,或者表征横向夹角小于第二预设角度的横向线条的备选线段,作为预处理线段数据。其中,目标图像中的竖向夹角和横向夹角,是基于预设的基准线确定的,图3为本公开实施例提供的一种竖向夹角和横向夹角的示意图,如图3所示,在目标图像中,以楼房(图中标识A对应的物体)的竖向边缘为竖向参考线,全局线段数据中的各线段与该竖向参考线的夹角,为竖向夹角,与该竖向参考线垂直的线段为横向参考线,全局线段数据中的各线段与该横向参考线的夹角,为横向夹角。
在检测目标图像中的消影点的过程中,实际环境中的物体的分布,通常是符合一定的几何规则的,例如水平地面、以及与地面垂直的房屋。其中图像中物体的线条越“水平”或越“竖直”,说明受到拍摄角度的影响越小,因此,通过筛选竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条作为对象进行消影点检测,可以减少拍摄角度对图像的影响,提高最终检测消影点的精确性。
进一步地,第一预设角度和第二预设角度是预设的角度值,例如15度,第一预设角度和第二预设角度可以是根据目标图像的复杂度的自动生成的,目标图像的复杂度越大,第一预设角度和第二预设角度越小;目标图像的复杂度越小,第一预设角度和第二预设角度越大。其中,目标图像的复杂度计算方法有多重,例如根据目标图像对应的全局线段数据中线段的数量等,此处不再赘述。第一预设角度和第二预设角度可以相同,也可以不同,不做具体限制。通过目标图像的复杂度生成第一预设角度和第二预设角度,可以实现对预处理线段数据中线段数量的动态调整,在目标图像复杂时,减少预处理线段数据的数据量,从而提高消影点的检测速度。
步骤S103:基于预处理线段数据,进行消影点检测,得到目标图像的目标消影点。
示例性地,在获得预处理线段数据后,在一种可能的实现方式中,预处理线段数据包括竖向线段数据和横向线段数据,其中,竖向线段数据由目标图像中横向夹角小于第一预设角度的备选线段构成;横向线段数据由目标图像中横向夹角小于第二预设角度的备选线段构成。之后,基于竖向线段数据和横向线段数据分别进行消影点检测,从而得到竖向线段数据对应的竖向消影点和横向线段数据对应的竖向消影点。
其中,基于预处理线段数据中的竖向线段数据和横向线段数据进行消影点检测的方法是类似的,下面以基于竖向线段数据进行消影点检测为例,对步骤S103的具体实现方法进行说明,示例性地,竖向线段数据包括多条备选竖向线段,如图4所示,步骤S103的具体实现步骤包括:
步骤S1031:基于任意两个备选竖向线段的组合,生成对应的竖向线段组。
步骤S1032:基于各竖向线段组,生成对应的备选竖向消影点。
步骤S1033:获取各备选竖向消影点对应的竖向关联线段的数量,并基于竖向关联线段的数量,确定目标竖向消影点,其中,竖向关联线段为表征经过对应的备选竖向消影点的竖向线条的备选线段,目标竖向消影点为对应的竖向关联线段的数量最多的备选竖向消影点。
示例性地,图5为本公开实施例提供的一种备选竖向消影点和目标竖向消影点的关系示意图,如图5所示,图中包括备选线段L1-L6,其中,L1、L2、L3、L4为通过上述步骤获得的4条备选竖向线段。通过对上述4条备选竖向线段分别进行两个组合遍历,可以得到6对组合,即6个竖向线段组,分别为[L1/L2]、[L1/L3]、[L1/L4]、[L2/L3]、[L2/L4]、[L3/L4]。对于每一个竖向线段组,通过计算两条备选竖向线段的角点,可以得到一个消影点,即备选竖向消影点,如图所示,其中,[L1/L2]对应备选竖向消影点P1、[L1/L3]对应备选竖向消影点P2、[L2/L3]对应备选竖向消影点P3,由于P1、P2、P3之间的坐标相似,在一种可能的实现方式中,如图所示,可将P1、P2、P3视为同一点P0。而[L1/L4]对应备选竖向消影点P4、[L2/L4]对应备选竖向消影点P5、[L3/L4]对应备选竖向消影点P6。当然,也可以将P1、P2、P3作为独立的备选竖向消影点分别进行后续处理,实现过程类似。之后,基于全局线段数据中的所有备选线段L1-L6,分别检测各备选竖向消影点对应的竖向关联线段,即若一条备选线段或备选线段的延长线经过备选竖向消影点,则该备选线段为该备选竖向消影点的竖向关联线段。
参考图5所示,检测各备选竖向消影点对应的竖向关联线段后,获取各备选竖向消影点P0、P4、P5、P6对应的竖向关联线段的数量,可得P0对应关联线段(L1、L2、L3、L5)的数量为4;P4对应关联线段(L1、L4、L6)的数量为3;P5对应关联线段(L2、L4)的数量为2;P6对应关联线段(L3、L4)的数量为2。取其中关联线段数量最大的备选竖向消影点P0,确定为目标竖向消影点。
本实施例步骤中,需要指出的是,在检测各备选竖向消影点的竖向关联线段时,使用的是全局线段数据中的备选线段,这是由于在确定备选竖向消影点时,需要基于备选竖向线段进行遍历排列组合,时间复杂度高,导致计算开销大,因此使用筛选后的预处理线段数据进行计算;而在检测竖向关联线段时,仅需要基于坐标进行计算即可完成,时间复杂度低,因此使用全局线段数据中的备选选定进行计算,从而提高检测精度,保证得到的消影点的准确性。
进一步地,在一种可能的实现方式中,如图6所示,步骤S1033的具体实现步骤,包括:
从首个备选竖向消影点开始,循环执行以下步骤:
S011、获取各备选线段与当前的备选竖向消影点的距离值;
S012、将距离值小于第一距离阈值的备选线段,确定为当前的备选竖向消影点对应的竖向关联线段;
S013、获取当前的备选竖向消影点的竖向关联线段的数量。
S014、判断当前的备选竖向消影点是否为最后一个备选竖向消影点,若是,则结束循环;若不是,则获取下一个备选竖向消影点作为当前的备选竖向消影点,并返回S011。
示例性地,在实际执行过程中,由于图像中的像素误差,无法准确的确定两个及以上备选竖向消影点的完全重合。因此,通过上述S01-S04的循环步骤,针对每一备选竖向消影点,获取各备选线段与当前的备选竖向消影点的距离值,并基于预设的第一距离阈值进行判断,若该距离值小于第一距离阈值,则确定该备选竖向线段与该备选竖向消影点相交,也即,该备选竖向线段为当前的备选竖向消影点对应的竖向关联线段。
进一步地,下面对获取备选线段与当前的备选竖向消影点的距离值的具体方法进行具体介绍:
在一种可能的实现方式中,S011中获取各备选线段与当前的备选竖向消影点的距离值的具体步骤,包括:
获取当前的备选竖向消影点的归一化三维坐标;基于备选线段对应的一次线性表达式的系数和归一化三维坐标,得到备选线段与当前的备选竖向消影点的距离值。
其中,备选竖向消影点的归一化三维坐标,是指基于备选竖向消影点在平面(目标图像)中的二维坐标,扩充一个维度,形成归一化三维坐标。例如,备选竖向消影点P1的平面坐标为(x1,y1),则对应的归一化三维坐标为[x1,y1,1]。而备选线段对应的一次线性表达式的系数,即用一个三维坐标来表达备选线段,例如,ax+by+c=0,我备选线段L1的一次线性表达式,则备选线段L1对应的一次线性表达式的系数为[a,b,c]。示例性地,备选线段与当前的备选竖向消影点的距离值的具计算方式,可通过式(1)得到:
其中,V=[vx,vy,1];L=[a,b,c];
a、b、c分别为备选线段对应的一次线性表达式的系数;vx和vy分别为备选竖向消影点的横坐标和纵坐标。d为备选线段与当前的备选竖向消影点的距离值。
当然,在另一种可能的实现方式中,当备选竖向消影点的数量有多个,且有一个以上的备选竖向消影点对应的关联线段的数量大于预设的数量阈值,则可将一个以上的备选竖向消影点都确定为目标竖向消影点。例如,通过上述步骤,确定了10个备选竖向消影点,之后,获得各备选竖向消影点对应的关联线段的数量,将关联线段的数量大于8的各备选竖向消影点,例如备选竖向消影点P1、P3、P5,均确定为目标竖向消影点。从而,一次性确定了目标图像中的3个消影点。
需要说明的是,上述步骤还可以通过横向线段数据,组合遍历获得对应的多个横向线段组,从而确定对应对横向消影点,具体实现步骤类似,此处不再赘述。
在另一种可能的实现方式中,横向消影点是在通过上述步骤,得到目标竖向消影点后,基于目标竖向消影点得到的。具体地,预处理线段数据中包括筛选后的竖向线段数据和筛选后的横向线段数据;在得到目标竖向消影点后,将目标竖向消影点对应的竖向关联线段从全局线段数据中移除,之后,参照如图4所示的实施例步骤,对横向线段数据中包括的各备选横向线段进行处理,得到多个备选横向消影点,之后,基于备选线段检测各备选横向消影点对应的横向关联线段的数量,进而确定目标横向消影点。在上述过程中,由于备选线段中已经不包括目标竖向消影点对应的竖向关联线段(因为目标竖向消影点对应的竖向关联线段必然不会经过目标横向消影点),因此,由于备选线段数量减少,基于备选线段检测横向关联线段的速度更快,效率更高,能够提高检测横向消影点的效率。
最后,需要说明的是,本实施例中的横向线条、竖向线条都是相对而言的,仅用于说明目标图像中的物体的轮廓线条的大致的方向,并不具体限制对应的竖向线段数据中的备选竖向线段,和/或横向线段数据中的备选横向线段的具体延伸角度。
在本实施例中,通过获取目标图像的全局线段数据,全局线段数据表征目标图像中物体的轮廓线条;基于全局线段数据进行预检测,得到预处理线段数据,预处理线段数据表征目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;基于预处理线段数据,进行消影点检测,得到目标图像的目标消影点。由于在获得全局线段数据后,对全局线段数据进行了预检测,得到数量更少,但检测效果更好的预处理线段数据,并基于预处理线段数据进行竖向消影点或横向消影点的检测,不仅能够提高检测速度,而且能够得到更加准确的得到竖向消影点和/或横向消影点,实现图像消影点的快速、精准的检测。
参考图7,图7为本公开实施例提供的图像消影点检测方法的流程示意图二。本实施例在图2所示实施例的基础上,进一步地细化了检测竖向消影点和横向消影点的步骤,该图像消影点检测方法包括:
步骤S201:获取目标图像的全局线段数据,全局线段数据表征目标图像中物体的轮廓线条,全局线条数据包括多条表征轮廓线条的备选线段。
步骤S202:基于全局线段数据进行预检测,得到竖向线段数据,竖向线段数据表征目标图像中的竖向夹角小于第一预设角度的竖向线条,竖向线段数据包括多条备选竖向线段。
示例性地,在获得目标图像的全局线段数据后,仅针对全局线段数据中对应的竖向夹角小于第一预设角度的竖向线条进行预检测,得到包括多条备选竖向线段的竖向线段数据。之后,基于竖向线段数据进行处理,先得到对应的竖向消影点,再基于竖向消影点检测,检测得到横向消影点。
这是由于,对于图像中的物体,竖向轮廓线段受到拍摄视角的影响较少,因此通过对物体的竖向轮廓线段进行筛选后,得到备选竖向线段,以备选竖向线段作为基础依次获得竖向消影点和横向消影点,可以进一步地提高竖向消影点和横向消影点的准确性。其中,步骤S201-S202中获取全局线段数据和竖向线段数据的步骤,在图2所示实施例中,已进行详细介绍,此处不再赘述。
步骤S203:基于任意两个备选竖向线段的组合,生成对应的竖向线段组。
步骤S204:基于各竖向线段组,生成对应的备选竖向消影点。
步骤S205:获取各备选竖向消影点对应的竖向关联线段的数量。
步骤S203-S205是基于竖向线段数据中的备选竖向线段,确定备选竖向消影点,并检测竖向关联线段的数量的步骤,在图2所示实施例中,已进行介绍,此处不再赘述。
步骤S206:获取各备选竖向消影点对应的竖向关联线段的长度和竖向夹角。
步骤S207:基于竖向关联线段的长度和竖向夹角,对各备选竖向消影点对应的竖向关联线段的数量进行加权,得到各备选竖向消影点对应的竖向关联线段的加权数量。
步骤S208:基于竖向关联线段的加权数量,确定目标竖向消影点。
示例性地,由于在计算备选线段与备选竖向消影点的距离值的过程中,存在一定的误差,尤其当不同的备选竖向消影点之间距离较近时,因此可能导致备选竖向消影点对应的竖向关联线段的数量存在误差。而竖向关联线段引入的误差的大小,受竖向关联线段的长度和竖向夹角影响。具体地,当竖向关联线段的长度越短(即该竖向关联线段距离备选竖向消影点越远),竖向夹角越大(即该竖向关联线段越倾斜),则造成的误差越大,因此,可以基于竖向关联线段的长度和竖向夹角,对各备选竖向消影点对应的竖向关联线段的数量进行加权,得到各备选竖向消影点对应的竖向关联线段的加权数量,并在后续步骤中,基于加权数量进行比较,确定目标竖向消影点,从而提高目标竖向消影点的准确性。
步骤S209:获取目标竖向消影点对应的竖向关联线段,竖向关联线段表征目标图像中经过目标竖向消影点的竖向线条。
步骤S210:根据竖向关联线段,得到相交线段,相交线段为与竖向关联线段相交的备选线段。
由于每个备选竖向消影点对应的竖向关联线段是确定的,因此,在确定目标竖向消影点后,目标竖向消影点所对应的竖向关联线段可直接得到,不再赘述。在目标竖向消影点有多个时,可根据各目标竖向消影点对应的竖向关联线段的数量,以由多到少的顺序依次获取各述目标竖向消影点对应的竖向关联线段。
之后,基于目标竖向消影点对应的各条竖向关联线段,确定其对应的相交线段,相交线段为与竖向关联线段相交的备选线段。图8为本公开实施例提供的一种相交线段的示意图,如图8所示,基于目标图像,通过上述处理步骤后,得到了多个目标竖向消影点,以其中的一个目标竖向消影点P1为例,目标竖向消影点对应3条竖向关联线段,分别为L1、L2、L3。之后,通过全局线段数据,筛选其中与L1、L2、L3相交的备选线段,即相交线段,图中示为XL1、XL2、XL3、XL4、XL5、XL6。
之后,基于上述得到的相交线段,进行横向消影点的检查。本实施例中的步骤S209和S210,相当于是针对全局线段数据中表征横向线条的备选线段(因为经过之前确定目标竖向消影点的步骤,表征竖向线条的竖向线段数据几乎不会与目标竖向消影点对应的各条竖向关联线段相交)进行预处理的步骤,通过上述步骤S209和S210的步骤,将其中与竖向关联线段相交的备选线段筛选出来,作为相交线段进行后续的横向消影点检查,其中,线段之间的相交关系能够体现物体的结构特征,相比于单独使用横向线段数据(即对备选线段基于横向夹角进行筛选的结果)进行横向消影点检测,本实施例中通过先检测相交线段,再基于相交线段检测横向消影点检测的方法,充分利用物体的结构信息,排除了不符合物体结构特征的备选线段的干扰,进一步的提高用于检测横向消影点的线段的有效性和准确性,进而提高了横向消影点的精度和准确性。
步骤S211:根据相交线段,生成目标横向消影点。
示例性地,目标竖向消影点对应多个竖向关联线段,步骤S211的具体实现步骤包括:
步骤S2111:获取各竖向关联线段对应的相交线段的数量;
步骤S2112:基于各竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据目标竖向关联线段对应的相交线段,生成目标横向消影点,目标竖向关联线段为对应的相交线段的数量大于第一数量阈值的竖向关联线段。
当目标竖向消影点对应多个竖向关联线段时,竖向关联线段对应的相交线段的数量越多,则目标图像中对应的特征信息越有效、越明显,因此,在一种可能的实现方式中,将相交线段的数量最大的竖向关联线段,或者,用相交线段的数量大于预设的数量阈值的竖向关联线段,确定为目标竖向关联线段,并基于目标竖向关联线段对应的相交线段,进行消影点检测,得到目标横向消影点。
在另一种可能的实现方式中,基于各竖向关联线段对应的相交线段的数量进行排序,以从大到小的顺序,依次基于各竖向关联线段对应的相交线段进行消影点检测,得到目标横向消影点。
示例性地,如图9所示,步骤S2112的具体步骤包括:
S021、自目标横向消影点对应的各竖向关联线段中,基于各竖向关联线段对应的相交线段的数量,获得最大竖向关联线段,最大竖向关联线段为相交线段的数量最多的竖向关联线段;
S022、若最大竖向关联线段对应的相交线段的数量大于第二数量阈值,则执行步骤S023;否则结束循环。
示例性地,参考图8所示,目标竖向消影点对应3条竖向关联线段L1、L2、L3中,L1对应3条相交线段;L2对应2条相交线段;L1对应1条相交线段;在循环开始后,首先将对应的相交线段的数量最多的L1,确定为最大竖向关联线段,之后检测最大竖向关联线段L1对应的相交线段的数量,若大于第二数量阈值,例如为2,则继续后续步骤S023,否则,则可能由于线段数量过少(例如为1)而无法完成消影点检测的过程,因此结束循环。
需要说明的是,以上示例中竖向关联线段L1、L2、L3对应的相交线段的数量,仅是便于说明而举例,通常情况下,竖向关联线段对应的关联线段的数量较上述示例中的数量更多,例如,竖向关联线段L1对应10条相交线段,竖向关联线段L2对应8条相交线段等。通过多条线段之间的遍历组合,来实现横向消影点的精确检测,当循环选择出相交线段的数量最多的竖向关联线段后,最大竖向关联线段对应的相交线段的数量逐渐变小,直至对应的相交线段小于第二数量阈值,可能导致横向消影点的误差过大,因此采信,退出循环。
S023、遍历任意两个最大竖向关联线段对应的相交线段的组合,生成多个对应的横向线段组。
S024、基于各横向线段组,生成对应的备选横向消影点。
S025、获取各备选横向消影点对应的横向关联线段的数量,并基于横向关联线段的数量,确定最大竖向关联线段对应的目标横向消影点,其中,横向关联线段为延长线经过对应的备选横向消影点的相交线段,目标横向消影点为对应的横向关联线段的数量最多的备选横向消影点。
示例性地,通过对多个相交线段的组合进行遍历,生成对应的横向线段组,每一横向线段组中包括2条相交线段,之后基于每一横向线段组生成备选横向消影点,再基于延长线经过备选横向消影点的横向关联线段的数量,将对应数量最多的横向关联线段的备选横向消影点,确定为最大竖向关联线(即本次循环)对应的目标横向消影点。
S026、自目标横向消影点对应的各竖向关联线段中,删除最大竖向关联线段以及对应的相交线段。
之后,在确定最大竖向关联线对应的目标横向消影点后,将最大竖向关联线段以及对应的相交线段删除,并在下次循环中,对剩余的竖向关联线段进行处理,得到新的最大竖向关联线对应的目标横向消影点。本实施例步骤中确定目标横向消影点的具体步骤,与步骤S203-S208中确定纵向横向消影点的步骤类似,也可以包括加权数量计算等步骤,具体实现可参见步骤S203-S208,此处不再赘述。
本实施例中,通过在每次循环后,删除确定的最大竖向关联线段以及对应的相交线段,减少了下次循环过程中需要进行检测的线段数量,提高后续循环过程中的检测速度,提高横向消影点的检测效率。
对应于上文实施例的图像消影点检测方法,图10为本公开实施例提供的图像消影点检测装置的结构框图。为了便于说明,仅示出了与本公开实施例相关的部分。参照图10,图像消影点检测装置3包括:
获取模块31,用于获取目标图像的全局线段数据,全局线段数据表征目标图像中物体的轮廓线条;
预检测模块32,用于基于全局线段数据进行预检测,得到预处理线段数据,预处理线段数据表征目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;
生成模块33,用于基于预处理线段数据,进行消影点检测,得到目标图像的目标消影点。
在本公开的一个实施例中,预处理线段数据包括竖向线段数据,竖向线段数据表征目标图像中的竖向夹角小于第一预设角度的竖向线条,预检测模块32,具体用于:获取各备选线段相对预设的竖向基准线的竖向夹角;根据竖向夹角小于第一预设角度的备选线段的集合,生成竖向线段数据。
在本公开的一个实施例中,竖向线段数据包括多条备选竖向线段,生成模块33,具体用于:基于任意两个备选竖向线段的组合,生成对应的竖向线段组;基于各竖向线段组,生成对应的备选竖向消影点;获取各备选竖向消影点对应的竖向关联线段的数量,并基于竖向关联线段的数量,确定目标竖向消影点,其中,竖向关联线段为表征经过对应的备选竖向消影点的竖向线条的备选线段,目标竖向消影点为对应的竖向关联线段的数量最多的备选竖向消影点。
在本公开的一个实施例中,生成模块33在获取各备选竖向消影点对应的竖向关联线段的数量时,具体用于:循环执行以下步骤,直至遍历每一备选竖向消影点:获取各备选线段与当前的备选竖向消影点的距离值;将距离值小于第一距离阈值的备选线段,确定为当前的备选竖向消影点对应的竖向关联线段;获取当前的备选竖向消影点的竖向关联线段的数量。
在本公开的一个实施例中,生成模块33在获取备选线段与当前的备选竖向消影点的距离值时,具体用于:获取当前的备选竖向消影点的归一化三维坐标;基于备选线段对应的一次线性表达式的系数和归一化三维坐标,得到备选线段与当前的备选竖向消影点的距离值。
在本公开的一个实施例中,生成模块33,还用于:获取各备选竖向消影点对应的竖向关联线段的长度和竖向夹角;基于竖向关联线段的长度和竖向夹角,对各备选竖向消影点对应的竖向关联线段的数量进行加权,得到各备选竖向消影点对应的竖向关联线段的加权数量;
生成模块33在基于竖向关联线段的数量,确定目标竖向消影点时,具体用于:基于竖向关联线段的加权数量,确定目标竖向消影点。
在本公开的一个实施例中,生成模块33,还用于:基于目标竖向消影点,生成目标图像的目标横向消影点。
在本公开的一个实施例中,生成模块33在基于目标竖向消影点,生成目标图像的目标横向消影点时,具体用于:获取目标竖向消影点对应的竖向关联线段,竖向关联线段表征目标图像中经过目标竖向消影点的竖向线条;根据竖向关联线段,得到相交线段,相交线段为与竖向关联线段相交的备选线段;根据相交线段,生成目标横向消影点。
在本公开的一个实施例中,目标竖向消影点对应多个竖向关联线段;生成模块33在根据相交线段,生成目标横向消影点时,具体用于:获取各竖向关联线段对应的相交线段的数量;基于各竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据目标竖向关联线段对应的相交线段,生成目标横向消影点,目标竖向关联线段为对应的相交线段的数量大于第一数量阈值的竖向关联线段。
在本公开的一个实施例中,生成模块33在基于各竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据目标竖向关联线段对应的相交线段,生成目标横向消影点时,具体用于:循环执行以下步骤,直至达到预设条件:基于各竖向关联线段对应的相交线段的数量,获得最大竖向关联线段,最大竖向关联线段为相交线段的数量最多的竖向关联线段;基于任意两个最大竖向关联线段对应的相交线段的组合,生成对应的横向线段组;基于各横向线段组,生成对应的备选横向消影点;获取各备选横向消影点对应的横向关联线段的数量,并基于横向关联线段的数量,确定目标横向消影点,其中,横向关联线段为延长线经过对应的备选横向消影点的相交线段,目标横向消影点为对应的横向关联线段的数量最多的备选横向消影点;删除最大竖向关联线段以及对应的相交线段;其中,预设条件为最大竖向关联线段对应的相交线段的数量小于第二数量阈值。
其中,获取模块31、预检测模块32、生成模块33依次连接。本实施例提供的图像消影点检测装置3可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图11为本公开实施例提供的一种电子设备的结构示意图,如图11所示,该电子设备4包括:
处理器41,以及与处理器41通信连接的存储器42;
存储器42存储计算机执行指令;
处理器41执行存储器42存储的计算机执行指令,以实现如图2-图9所示实施例中的图像消影点检测方法。
其中,可选地,处理器41和存储器42通过总线43连接。
相关说明可以对应参见图2-图9所对应的实施例中的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
参考图12,其示出了适于用来实现本公开实施例的电子设备900的结构示意图,该电子设备900可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital AS0istant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(Portable MediaPlayer,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图12示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示,电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901,其可以根据存储在只读存储器(Read Only Memory,简称ROM)902中的程序或者从存储装置908加载到随机访问存储器(Random AcceS0 Memory,简称RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常,以下装置可以连接至I/O接口905:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置907;包括例如磁带、硬盘等的存储装置908;以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图12示出了具有各种装置的电子设备900,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置909从网络上被下载和安装,或者从存储装置908被安装,或者从ROM902被安装。在该计算机程序被处理装置901执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(AS0P)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
第一方面,根据本公开的一个或多个实施例,提供了一种图像消影点检测方法,包括:
获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。
根据本公开的一个或多个实施例,所述预处理线段数据包括竖向线段数据,所述竖向线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,所述全局线条数据包括多条表征所述轮廓线条的备选线段,基于所述全局线段数据进行预检测,得到预处理线段数据,包括:获取各所述备选线段相对预设的竖向基准线的竖向夹角;根据所述竖向夹角小于第一预设角度的备选线段的集合,生成所述竖向线段数据。
根据本公开的一个或多个实施例,所述竖向线段数据包括多条备选竖向线段,基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点,包括:基于任意两个所述备选竖向线段的组合,生成对应的竖向线段组;基于各所述竖向线段组,生成对应的备选竖向消影点;获取各所述备选竖向消影点对应的竖向关联线段的数量,并基于所述竖向关联线段的数量,确定目标竖向消影点,其中,所述竖向关联线段为表征经过对应的备选竖向消影点的竖向线条的备选线段,所述目标竖向消影点为对应的竖向关联线段的数量最多的备选竖向消影点。
根据本公开的一个或多个实施例,所述获取各所述备选竖向消影点对应的竖向关联线段的数量,包括:循环执行以下步骤,直至遍历每一所述备选竖向消影点:获取各所述备选线段与当前的备选竖向消影点的距离值;将所述距离值小于第一距离阈值的备选线段,确定为当前的备选竖向消影点对应的竖向关联线段;获取当前的备选竖向消影点的竖向关联线段的数量。
根据本公开的一个或多个实施例,获取所述备选线段与当前的备选竖向消影点的距离值,包括:获取所述当前的备选竖向消影点的归一化三维坐标;基于所述备选线段对应的一次线性表达式的系数和所述归一化三维坐标,得到所述备选线段与当前的备选竖向消影点的距离值。
根据本公开的一个或多个实施例,所述方法还包括:获取各所述备选竖向消影点对应的竖向关联线段的长度和竖向夹角;基于所述竖向关联线段的长度和竖向夹角,对各所述备选竖向消影点对应的竖向关联线段的数量进行加权,得到各所述备选竖向消影点对应的竖向关联线段的加权数量;所述基于所述竖向关联线段的数量,确定目标竖向消影点,包括:基于所述竖向关联线段的加权数量,确定目标竖向消影点。
根据本公开的一个或多个实施例,所述方法还包括:基于所述目标竖向消影点,生成所述目标图像的目标横向消影点。
根据本公开的一个或多个实施例,所述基于所述目标竖向消影点,生成所述目标图像的目标横向消影点,包括:获取所述目标竖向消影点对应的竖向关联线段,所述竖向关联线段表征所述目标图像中经过所述目标竖向消影点的竖向线条;根据所述竖向关联线段,得到相交线段,所述相交线段为与所述竖向关联线段相交的备选线段;根据所述相交线段,生成目标横向消影点。
根据本公开的一个或多个实施例,所述目标竖向消影点对应多个竖向关联线段;所述根据所述相交线段,生成目标横向消影点,包括:获取各所述竖向关联线段对应的相交线段的数量;基于各所述竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据所述目标竖向关联线段对应的相交线段,生成目标横向消影点,所述目标竖向关联线段为对应的相交线段的数量大于第一数量阈值的竖向关联线段。
根据本公开的一个或多个实施例,所述基于各所述竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据所述目标竖向关联线段对应的相交线段,生成目标横向消影点,包括:循环执行以下步骤,直至达到预设条件:基于各所述竖向关联线段对应的相交线段的数量,获得最大竖向关联线段,所述最大竖向关联线段为所述相交线段的数量最多的竖向关联线段;基于任意两个所述最大竖向关联线段对应的相交线段的组合,生成对应的横向线段组;基于各所述横向线段组,生成对应的备选横向消影点;获取各所述备选横向消影点对应的横向关联线段的数量,并基于所述横向关联线段的数量,确定目标横向消影点,其中,所述横向关联线段为延长线经过对应的备选横向消影点的相交线段,所述目标横向消影点为对应的横向关联线段的数量最多的备选横向消影点;删除所述最大竖向关联线段以及对应的相交线段;其中,所述预设条件为所述最大竖向关联线段对应的相交线段的数量小于第二数量阈值。
第二方面,根据本公开的一个或多个实施例,提供了一种图像消影点检测装置,包括:
获取模块,用于获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;
预检测模块,用于基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;
生成模块,用于基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。
根据本公开的一个或多个实施例,所述预处理线段数据包括竖向线段数据,所述竖向线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,所述预检测模块,具体用于:获取各所述备选线段相对预设的竖向基准线的竖向夹角;根据所述竖向夹角小于第一预设角度的备选线段的集合,生成所述竖向线段数据。
根据本公开的一个或多个实施例,所述竖向线段数据包括多条备选竖向线段,所述生成模块,具体用于:基于任意两个所述备选竖向线段的组合,生成对应的竖向线段组;基于各所述竖向线段组,生成对应的备选竖向消影点;获取各所述备选竖向消影点对应的竖向关联线段的数量,并基于所述竖向关联线段的数量,确定目标竖向消影点,其中,所述竖向关联线段为表征经过对应的备选竖向消影点的竖向线条的备选线段,所述目标竖向消影点为对应的竖向关联线段的数量最多的备选竖向消影点。
根据本公开的一个或多个实施例,所述生成模块在所述获取各所述备选竖向消影点对应的竖向关联线段的数量时,具体用于:循环执行以下步骤,直至遍历每一所述备选竖向消影点:获取各所述备选线段与当前的备选竖向消影点的距离值;将所述距离值小于第一距离阈值的备选线段,确定为当前的备选竖向消影点对应的竖向关联线段;获取当前的备选竖向消影点的竖向关联线段的数量。
根据本公开的一个或多个实施例,所述生成模块在获取所述备选线段与当前的备选竖向消影点的距离值时,具体用于:获取所述当前的备选竖向消影点的归一化三维坐标;基于所述备选线段对应的一次线性表达式的系数和所述归一化三维坐标,得到所述备选线段与当前的备选竖向消影点的距离值。
根据本公开的一个或多个实施例,所述生成模块,还用于:获取各所述备选竖向消影点对应的竖向关联线段的长度和竖向夹角;基于所述竖向关联线段的长度和竖向夹角,对各所述备选竖向消影点对应的竖向关联线段的数量进行加权,得到各所述备选竖向消影点对应的竖向关联线段的加权数量;所述生成模块33在基于所述竖向关联线段的数量,确定目标竖向消影点时,具体用于:基于所述竖向关联线段的加权数量,确定目标竖向消影点。
根据本公开的一个或多个实施例,所述生成模块,还用于:基于所述目标竖向消影点,生成所述目标图像的目标横向消影点。
根据本公开的一个或多个实施例,所述生成模块在基于所述目标竖向消影点,生成所述目标图像的目标横向消影点时,具体用于:获取所述目标竖向消影点对应的竖向关联线段,所述竖向关联线段表征所述目标图像中经过所述目标竖向消影点的竖向线条;根据所述竖向关联线段,得到相交线段,所述相交线段为与所述竖向关联线段相交的备选线段;根据所述相交线段,生成目标横向消影点。
根据本公开的一个或多个实施例,所述目标竖向消影点对应多个竖向关联线段;所述生成模块在根据所述相交线段,生成目标横向消影点时,具体用于:获取各所述竖向关联线段对应的相交线段的数量;基于各所述竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据所述目标竖向关联线段对应的相交线段,生成目标横向消影点,所述目标竖向关联线段为对应的相交线段的数量大于第一数量阈值的竖向关联线段。
根据本公开的一个或多个实施例,所述生成模块在基于各所述竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据所述目标竖向关联线段对应的相交线段,生成目标横向消影点时,具体用于:循环执行以下步骤,直至达到预设条件:基于各所述竖向关联线段对应的相交线段的数量,获得最大竖向关联线段,所述最大竖向关联线段为所述相交线段的数量最多的竖向关联线段;基于任意两个所述最大竖向关联线段对应的相交线段的组合,生成对应的横向线段组;基于各所述横向线段组,生成对应的备选横向消影点;获取各所述备选横向消影点对应的横向关联线段的数量,并基于所述横向关联线段的数量,确定目标横向消影点,其中,所述横向关联线段为延长线经过对应的备选横向消影点的相交线段,所述目标横向消影点为对应的横向关联线段的数量最多的备选横向消影点;删除所述最大竖向关联线段以及对应的相交线段;其中,所述预设条件为所述最大竖向关联线段对应的相交线段的数量小于第二数量阈值。
第三方面,根据本公开的一个或多个实施例,提供了一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如上第一方面以及第一方面各种可能的设计所述的图像消影点检测方法。
第四方面,根据本公开的一个或多个实施例,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中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图像消影点检测方法。
第五方面,本公开实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计所述的图像消影点检测方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (14)
1.一种图像消影点检测方法,其特征在于,包括:
获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;
基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;
基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。
2.根据权利要求1所述的方法,其特征在于,所述预处理线段数据包括竖向线段数据,所述竖向线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,所述全局线条数据包括多条表征所述轮廓线条的备选线段,基于所述全局线段数据进行预检测,得到预处理线段数据,包括:
获取各所述备选线段相对预设的竖向基准线的竖向夹角;
根据所述竖向夹角小于第一预设角度的备选线段的集合,生成所述竖向线段数据。
3.根据权利要求2所述的方法,其特征在于,所述竖向线段数据包括多条备选竖向线段,基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点,包括:
基于任意两个所述备选竖向线段的组合,生成对应的竖向线段组;
基于各所述竖向线段组,生成对应的备选竖向消影点;
获取各所述备选竖向消影点对应的竖向关联线段的数量,并基于所述竖向关联线段的数量,确定目标竖向消影点,其中,所述竖向关联线段为表征经过对应的备选竖向消影点的竖向线条的备选线段,所述目标竖向消影点为对应的竖向关联线段的数量最多的备选竖向消影点。
4.根据权利要求3所述的方法,其特征在于,所述获取各所述备选竖向消影点对应的竖向关联线段的数量,包括:
循环执行以下步骤,直至遍历每一所述备选竖向消影点:
获取各所述备选线段与当前的备选竖向消影点的距离值;
将所述距离值小于第一距离阈值的备选线段,确定为当前的备选竖向消影点对应的竖向关联线段;
获取当前的备选竖向消影点的竖向关联线段的数量。
5.根据权利要求4所述的方法,其特征在于,获取所述备选线段与当前的备选竖向消影点的距离值,包括:
获取所述当前的备选竖向消影点的归一化三维坐标;
基于所述备选线段对应的一次线性表达式的系数和所述归一化三维坐标,得到所述备选线段与当前的备选竖向消影点的距离值。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取各所述备选竖向消影点对应的竖向关联线段的长度和竖向夹角;
基于所述竖向关联线段的长度和竖向夹角,对各所述备选竖向消影点对应的竖向关联线段的数量进行加权,得到各所述备选竖向消影点对应的竖向关联线段的加权数量;
所述基于所述竖向关联线段的数量,确定目标竖向消影点,包括:
基于所述竖向关联线段的加权数量,确定目标竖向消影点。
7.根据权利要求2-6任一项所述的方法,其特征在于,所述方法还包括:
基于所述目标竖向消影点,生成所述目标图像的目标横向消影点。
8.根据权利要求7所述的方法,其特征在于,所述基于所述目标竖向消影点,生成所述目标图像的目标横向消影点,包括:
获取所述目标竖向消影点对应的竖向关联线段,所述竖向关联线段表征所述目标图像中经过所述目标竖向消影点的竖向线条;
根据所述竖向关联线段,得到相交线段,所述相交线段为与所述竖向关联线段相交的备选线段;
根据所述相交线段,生成目标横向消影点。
9.根据权利要求8所述的方法,其特征在于,所述目标竖向消影点对应多个竖向关联线段;所述根据所述相交线段,生成目标横向消影点,包括:
获取各所述竖向关联线段对应的相交线段的数量;
基于各所述竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据所述目标竖向关联线段对应的相交线段,生成目标横向消影点,所述目标竖向关联线段为对应的相交线段的数量大于第一数量阈值的竖向关联线段。
10.根据权利要求9所述的方法,其特征在于,所述基于各所述竖向关联线段对应的相交线段的数量,获得目标竖向关联线段,并根据所述目标竖向关联线段对应的相交线段,生成目标横向消影点,包括:
循环执行以下步骤,直至达到预设条件:
基于各所述竖向关联线段对应的相交线段的数量,获得最大竖向关联线段,所述最大竖向关联线段为所述相交线段的数量最多的竖向关联线段;
基于任意两个所述最大竖向关联线段对应的相交线段的组合,生成对应的横向线段组;
基于各所述横向线段组,生成对应的备选横向消影点;
获取各所述备选横向消影点对应的横向关联线段的数量,并基于所述横向关联线段的数量,确定目标横向消影点,其中,所述横向关联线段为延长线经过对应的备选横向消影点的相交线段,所述目标横向消影点为对应的横向关联线段的数量最多的备选横向消影点;
删除所述最大竖向关联线段以及对应的相交线段;
其中,所述预设条件为所述最大竖向关联线段对应的相交线段的数量小于第二数量阈值。
11.一种图像消影点检测装置,其特征在于,包括:
获取模块,用于获取目标图像的全局线段数据,所述全局线段数据表征所述目标图像中物体的轮廓线条;
预检测模块,用于基于所述全局线段数据进行预检测,得到预处理线段数据,所述预处理线段数据表征所述目标图像中的竖向夹角小于第一预设角度的竖向线条,和/或横向夹角小于第二预设角度的横向线条;
生成模块,用于基于所述预处理线段数据,进行消影点检测,得到所述目标图像的目标消影点。
12.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至10中任一项所述的图像消影点检测方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至10任一项所述的图像消影点检测方法。
14.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至10中任一项所述的图像消影点检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210783465.3A CN117351219A (zh) | 2022-06-27 | 2022-06-27 | 图像消影点检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210783465.3A CN117351219A (zh) | 2022-06-27 | 2022-06-27 | 图像消影点检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117351219A true CN117351219A (zh) | 2024-01-05 |
Family
ID=89354577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210783465.3A Pending CN117351219A (zh) | 2022-06-27 | 2022-06-27 | 图像消影点检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117351219A (zh) |
-
2022
- 2022-06-27 CN CN202210783465.3A patent/CN117351219A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111292420B (zh) | 用于构建地图的方法和装置 | |
CN110349212B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN111368668B (zh) | 三维手部识别方法、装置、电子设备及存储介质 | |
CN114993328B (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
CN116844129A (zh) | 多模态特征对齐融合的路侧目标检测方法、系统及装置 | |
CN115905622A (zh) | 视频标注方法、装置、设备、介质及产品 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN115565158B (zh) | 车位检测方法、装置、电子设备和计算机可读介质 | |
CN115468578B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN111862342A (zh) | 增强现实的纹理处理方法、装置、电子设备及存储介质 | |
CN113963000B (zh) | 图像分割方法、装置、电子设备及程序产品 | |
CN117351219A (zh) | 图像消影点检测方法、装置、电子设备及存储介质 | |
CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
CN114386481A (zh) | 一种车辆感知信息融合方法、装置、设备及存储介质 | |
CN114136327A (zh) | 一种虚线段的查全率的自动化检查方法及系统 | |
CN113393508A (zh) | 激光测距成像方法、装置、电子设备和存储介质 | |
CN110068834B (zh) | 一种路沿检测方法和装置 | |
CN111383337A (zh) | 用于识别对象的方法和装置 | |
CN117974635B (zh) | 电缆通道检测方法、装置、电子设备与计算机可读介质 | |
CN117351185A (zh) | 虚拟特效挂载平面检测方法、装置、设备及存储介质 | |
CN116188583B (zh) | 相机位姿信息生成方法、装置、设备和计算机可读介质 | |
CN116558540B (zh) | 模型训练方法和装置、轨迹生成方法和装置 | |
CN110555892B (zh) | 多角度图像生成方法、装置及电子设备 | |
CN117974913B (zh) | 配网电缆机器人控制方法、装置、电子设备和介质 |
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 |