CN117911605A - 三维场景构建方法、装置、设备、存储介质和程序产品 - Google Patents
三维场景构建方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117911605A CN117911605A CN202211236350.9A CN202211236350A CN117911605A CN 117911605 A CN117911605 A CN 117911605A CN 202211236350 A CN202211236350 A CN 202211236350A CN 117911605 A CN117911605 A CN 117911605A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- vertex
- weighted
- triangular
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Image Generation (AREA)
Abstract
本公开涉及一种三维场景构建方法、装置、设备、存储介质和程序产品,所述方法包括:获取待处理图像;对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;基于所述三维三角网格构建目标三维场景。本公开实施例通过将二维带权三角网格应用于三维重建技术,在得到高精度的三维三角网格的基础上,降低计算资源的使用,节省内存,使用于手机、头显设备等移动终端。
Description
技术领域
本公开涉及计算机处理技术领域,尤其涉及一种三维场景构建方法、装置、设备、存储介质和程序产品。
背景技术
增强现实技术(Augmented Reality,AR)借助计算机图形技术和可视化技术生成现实环境中不存在的虚拟对象,并通过图像识别定位技术将虚拟对象准确地融合到真实环境中,借助显示设备将虚拟对象与真实环境融为一体,并呈现给使用者真实的感观体验。
现有的技术中,基于深度图像和彩色图像进行三维重建技术主要包括:基于surfel算法的三维重建技术和基于TSDF的三维重建技术,上述两个三维重建技术都可以得到高精度的三维三角网格,但是这两类技术对内存消耗极大,需要较多的计算资源,导致在手机、头显设备这类移动平台上使用较为困难。
发明内容
为了解决上述技术问题,本公开实施例提供了一种三维场景构建方法、装置、设备、存储介质和程序产品,将二维带权三角网格应用于三维重建技术,在得到高精度的三维三角网格的基础上,降低计算资源的使用,节省内存,使用于手机、头显设备等移动终端。
第一方面,本公开实施例提供一种三维场景构建方法,包括:
获取待处理图像;
对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;
所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;
基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;
基于所述三维三角网格构建目标三维场景。
第二方面,本公开实施例提供一种三维场景构建装置,包括:
待处理图像获取模块,用于获取待处理图像;
第一图像确定模块,用于对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;
二维带权三角网格确定模块,用于所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;
三维三角网格确定模块,用于基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;
目标三维场景构建模块,用于基于所述三维三角网格构建目标三维场景。
第三方面,本公开实施例提供一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述第一方面中任一项所述的三维场景构建方法。
第四方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面中任一项所述的三维场景构建方法。
第五方面,本公开实施例提供一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上述第一方面中任一项所述的三维场景构建方法。
本公开实施例提供了一种三维场景构建方法、装置、设备、存储介质和程序产品,所述方法包括:获取待处理图像;对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;基于所述三维三角网格构建目标三维场景。本公开实施例通过将二维带权三角网格应用于三维重建技术,在得到高精度的三维三角网格的基础上,降低计算资源的使用,节省内存,使用于手机、头显设备等移动终端。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1示出了本公开实施例提供的一种三维场景构建场景的架构图;
图2为本公开实施例中的一种三维场景构建方法的流程示意图;
图3为本公开实施例中的一种带权重的三角剖分的结构示意图;
图4为本公开实施例中的一种三维场景构建装置的结构示意图;
图5为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1示出了本公开实施例提供的一种三维场景构建场景的架构图。如图1所示,该架构图中可以包括客户端的至少一个电子设备101以及服务端的至少一个服务器102。电子设备101可以通过网络协议如超文本传输安全协议(Hyper Text Transfer Protocol overSecure Socket Layer,HTTPS)与服务器102建立连接并进行信息交互。其中,例如:所述电子设备101可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备、头显设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。所述服务器102可以是实体服务器,也可以是云服务器,服务器可以是一个服务器,或者服务器集群。
在本公开实施例中,为了在保证三维三角网格精确度的基础上,节省内存,电子设备101能够接收用户输入的待处理图像,电子设备101接收到该待处理图像之后,对所述待处理图像进行采样处理,得到包括多个采样点的第一图像,然后所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;最后基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格,实现三维空间的构建。可见,通过将带权重的二维三角网格应用于三维重建技术,在得到高精度的三维三角网格的基础上,降低计算资源的使用,节省内存,使用于手机、头显设备等移动终端。
下面将结合附图,对本申请实施例提出的三维场景构建方法进行详细介绍。
图2为本公开实施例中的一种三维场景构建方法的流程图,本实施例可适用于基于二维图像构建三维场景的情况,该方法可以由三维场景构建装置执行,该三维场景构建装置可以采用软件和/或硬件的方式实现,该三维场景构建装置可配置于电子设备中。
如图2所示,本公开实施例提供的三维场景构建方法主要包括步骤S101-S103。
S101、获取待处理图像。
在本公开的一个实施方式中,所述待处理图像为相机采集到的二维图像,所述相机可以是电子设备中内置的相机,也可以是与电子设备外接的相机,所述外接可以是有线连接,也可以是无线连接,本实施例不进行具体的限定。其中,所述待处理图像可以是相机基于拍照指令采集到一张照片图像,也可以是相机基于拍摄指令采集到的一段视频中的一个视频帧。
在本公开实施例中,所述待处理图像可以是相机采集到的完整图像,也可以是相机采集到的完整图像中的一个图像区域。在所述待处理图像是相机拍摄到的一张照片图像,或者,待处理图像是视频流序列中的首个视频帧,或者,待处理图像是视频流序列中图像转场后的首个视频时,待处理图像是完整的整张图像。如果视频流序列中有一帧视频帧与前一视频帧存在相同区域,则将该视频帧中与前一视频帧不同的区域中作为待处理视频。
S102、对所述待处理图像进行采样处理,得到包括多个采样点的第一图像。
在本公开实施例中,图像采样是将一副空间上连续分布的模拟图像分割成M×N的网格图像,每个网格为一个采样点。具体的,上述采样处理是下采样。其中,下采样原理为对于一幅待处理图像的尺寸为M×N,对其进行s倍下采样,即得到(M/s)×(N/s)尺寸的得分辨率图像(即包括多个采样点的第一图像),其中,s应该是M和N的公约数。具体的,可以把待处理图像中一个s×s窗口内的图像变成一个像素点(即采样点),该像素点的值就是对应s×s窗口内所有像素点像素值的均值。
在本公开的一个实施方式中,所述待处理图像包括图像内容相同的彩色图像和深度图像,所述对所述待处理图像进行采样处理,包括:对所述彩色图像进行内容重要性采样,得到多个第一采样点;对所述深度图像进行深度重要性采样,得到多个第二采样点;将所述第一采样点和第二采样点进行合并处理后,得到包多个采样点。
其中,深度图像(Depth Images),也被称为距离影像(Range Images),是指将图像采集器采集到的场景中各点的距离(深度)值作为像素值的图像,其直接反映了景物可见表面的几何形状。彩色图像是指每个像素由R、G、B分量构成的图像,其中R、G、B是由不同的灰度级来描述的。需要说明的是,上述彩色图像和所述深度图像的图像内容相同,即可以理解为对用一个场景中的景物采用不同的拍摄方式得到的不同表示方式的两个图像。
其中,重要性采样方法通过一个不同于真实观测数据的概率密度分布进行随机抽样,该概率分布被称为偏置分布。不同于直接抽样的蒙特卡罗方法中所有样本都是平权的,重要性采样方法采用偏置分布进行抽样,每个样本需要被赋予重要性权值,该权重正比于原概率分布与偏置分布的概率密度函数之比。原分布随机变量的任意函数的数学期望可以通过偏置分布抽样的随机加权平均来近似偏置分布的引入,可以大幅减小采样点的数量,从而大幅减小计算量。
在本公开实施例中,所述内容重要性采样,可以理解为以彩色图像中各个像素点的颜色信息进行重要性采样。换句话说,对各个像素点采用偏置分布进行抽样,每个像素点的颜色信息(即R、G、B分量)被赋予重要性权值。深度重要性采样可以理解为以深度图像中各个像素点的深度值进行重要性采样。换句话说,对各个像素点采用偏置分布进行抽样,每个像素点的深度值被赋予重要性权值。
在本公开实施例中,将所述第一采样点和第二采样点进行合并,包括:如果第一采样点和第二采样点重叠,即为同一个像素点,则仅保留其中一个采样点即可。在第一采样点和第二采样点不重叠时,同时保留两个不同的采样点。
在本公开的一个实施例中,将第一采样点和第二采样点进行合并之后,对合并后的采样点进行筛选。具体筛选过程包括:获取其中一个采样点,如果该采样点附近的8个邻域内有其他的采样点,则从该采样点和8个邻域内的其他采样点中选择响应最大点,作为最终保留在第一图像中的采样点,将除响应最大点之外的其他采样点进行删除。其中,所述响应最大点,即该采样点的harris响应值最大。
在本公开实施例中,将基于内容重要性和深度重要性采样应用于三维重建技术,以提高三维三角网格的精度。
S103、所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格。
在本公开实施例中,三角剖分技术在图形领域,尤其是在三维场景重建领域是非常重要的技术。需要说明的是,本实施例中所述三角剖分均为德洛内(Delaunay)三角剖分,得到的三角网格也被称为Delaunay三角网格或者Delaunay三角网。其中,Delaunay三角网格为相互邻接而互不重叠的三角形的集合,每一个三角形的外接圆内不包含其他点,三角形的最小角最大。
按最小内角最大化原则形成的剖分也就是Delaunay三角剖分(DT,DelaunayTriangulation),也被称为按最小内角最大化原则形成的剖分。DT也就是最近点意义下的Voronoi(Dirichlet或Thiessen)图的直线对偶图,Voronoi图由许多胞元组成,每一个胞元包含点集中的一个点(每两点的垂直平分线将平面分成两部分,与某点对应的胞元实际是该点与点集中每个点垂直平分线在平面内所形成的交集),连接相邻胞元中两个点(直线段)便形成点集的DT。
在本公开的一个实施方式中,DT具有很多性质,在本公开实施例中应用到的DT性质有最小内角最大和最大空圆原则。最小内角最大原则:对于一个凸四边形的两种剖分,DT获得的两个三角形中的最小内角最大。最大空圆原则:剖分中任一三角形的外接圆内不含有点集中的任何其他点。最小内角最大原则又称为局部最优准则,这样获得的剖分称为局部最优(或局部等角)。
在本公开实施例中,关于三角剖分的算法实现有很多,大致分为以下两大类,一类是增量算法,该方法从点集的某一点开始,逐步进行,每一步增加一点,直至点集为空,常用的有Green—Sibson算法、Bowyer算法、Lawson算法、Cline—Renka算法等,另外,还有L—S算法、Watson算法、以及F—P算法等。另一类为分治算法,该方法基于分而治之的思想,每次将点集分为规模相当的两个子集,分别进行递归实现,最后拼合,目前有DeWall算法。本实施例中不再具体限定三角剖分的算法,任意可以实现三角剖分的算法均在本公开实施例的保护范围内。
在本公开的一个实施方式中,普通Delaunay三角剖分中,两个三角形面之间的距离是两个三角形对应的外心之间的距离。带权三角三角剖分中,两个三角形面之间的距离是两个三角形对应的外心之间的权重距离。如图3所示,外心之间的权重距离为线段10,两个三角形外接圆的半径就是三角形顶点的权重,基于权重距离确定的权重voronoi图对应的三角剖分叫做带权三角剖分,进行带权三角剖分得到的三角网格叫做带权三角网格。其中,在二维平面内的带权三角网格可以称为二维带权三角网格。
在本公开的一个实施方式中,三角网格中的顶点,权重越大,其对应的权重voronoi上的胞腔越大。或者认为该顶点附近区域对应的三角形面积会呈现更大的趋势。
在本公开的一个实施方式中,所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格,包括:基于第一图像中包括的多个采样点对第一图像进行三角剖分,得到多个二维三角网格;针对所述二维三角网格中的每个顶点,确定所述顶点的深度值;于所述顶点的深度值确定所述顶点的权重,其中,所述顶点的深度值越大,所述顶点的权重越小;基于顶点的权重对所述二维三角网格中的顶点参数进行调整,得调整后的顶点参数;基于各个顶点对应的调整后的顶点参数构建二维带权三角网格。
在本公开实施例中,为了构造Delaunay三角网格,采用局部优化过程LOP(LocalOptimization Procedure)进行处理,即可确保成为Delaunay三角网格。具体的,将两个具有共同边的三角形合成一个多边形。以最大空圆准则作检查,看其第四个顶点是否在三角形的外接圆之内,如果在,修正对角线即将对角线对调。
在本公开实施例中,第一图像中包括的多个采样点,以第一图像中包括的多个采样点为顶点构建二维三角网格。
在本公开的一个实施例中,所述顶点的深度值可以理解为该顶点对应的采样点的深度值。
在本公开实施例中,顶点的深度值越大,该顶点对应的权重越小,顶点的深度值越小,该顶点对应的权重值越大。其中,可以预先建立权重和深度值的对应关系,在确定顶点的深度值之后,在上述对应关系中进行查询,将在上述对应关系中查询到的权重值作为该顶点的权重。
在本公开的一个实施方式中,基于所述顶点的深度值和预设权重公式计算所述顶点的权重。计算公式为:
其中,w代表顶点的权重,h代表顶点的深度值,λ是一个给定的参数。λ的具体数值可以根据实际情况进行设定,本实施例中不再具体限定。可选的λ为0.4。对近处的采样点给一个较小的权重,远处的采样点给较大的权重,这样近处细节尽量多,远处细节尽量小。
在本公开的一个实施方式中,顶点的权重越大,顶点对应的power voronoi上的胞腔越大,或者该顶点附近区域对应的三角形面积会呈现更大的趋势。
在本公开实施例中,基于顶点的深度值确定顶点的权重,进而得到二维带权三维网格,使得二维带权三维网格中近处的三角形偏小,细节尽量多,远处的三角形偏大,细节尽量小。
在本公开的一个实施方式中,所述待处理图像包括图像内容相同的彩色图像和深度图像,所述确定所述顶点的深度值,包括:获取该顶点在所述深度图像中对应的第一深度值;获取该顶点在所述彩色图像中对应的第二深度值;基于所述第一深度值和/或所述第二深度值确定所述顶点的深度值。在本公开实施例中,二维带权三维网格中的顶点,是与深度图像进行深度重要性采样,彩色图像中的内容重要性采样相关的。
在本公开的一个实施方式中,针对每个顶点,选择该顶点对应的第一深度值或者第二深度值中的任意一个深度值作为该顶点的深度值。
具体的,针对深度图像,可以直接获取该顶点对应的第一深度值,即三维点在相机坐标系下的z坐标的值,将第一深度值作为顶点的深度值。
具体的,针对彩色图像,其中,所述彩色图像为RGB-D图像,即像素点信息中包括深度值的图像。如果采样点有其对应的深度值,则直接获取该深度值作为第二深度值,如果该顶点对应的采样点没有对应的深度值,查找该顶点最近像素点的深度值。基于RGB信息和像素点位置,确定一个双边滤波的权重,然后基于上述双边滤波的权重和最近像素点的深度值进行加权平均数计算,得到该顶点对应的第二深度值。最后将上述第二深度值作为顶点的深度值。
在本公开的一个实施方式中,针对每个顶点,选择该顶点对应的第一深度值或者第二深度值进行平均处理后,得到的数值作为该顶点的深度值。具体的,如果一个顶点中同时获取到第一深度值和第二深度值后,将第一深度值和第二深度值的平均值作为该顶点的深度值。
在本公开实施例中,将彩色图像中的顶点深度值与深度图像中的顶点深度值进行平均处理后,得到该顶的目标深度值,使得确定的目标深度值更加精确,以便于得到更精确的三维三角网格。
S104、基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格。
在本公开实施例中,先根据相机畸变模型,将二维带权三角网格投影至一个平面中,即该平面内包括由多个顶点构成的二维带权三角网格。在上述基础上,根据各个顶点的深度值替换二维带权三角网格中各个顶点的深度值。具体的,假设在平面内的二维带权三角网格的深度值为0,在此基础上,将顶点的深度值替换二维带权三角网格的深度值0。针对二维带权三角网格中的每个顶点,均执行上述步骤,得到三维三角网格。
在本公开的一个实施方式中,所述基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格,包括:基于相机畸变模型和相机参数将所述二维带权三角网格投影到归一化平面上;获取二维带权三角网格中各个顶点在所述归一化平面上的归一化坐标值;针对三角网格中的每个顶点,基于所述顶点的深度值和所述顶点的归一化坐标值,得到所述顶点在相机坐标下的第一相机坐标值;将所述第一相机坐标值转换为世界坐标系中的顶点坐标值;基于各个世界坐标系中的顶点坐标值构建三维三角网格。
在本公开实施例中,相机的镜头将三维世界中的物体反射或自身发出的光线汇聚到相机的感光芯片上,感光芯片将汇聚的环境光转换成数字信号,即像素,从而形成图像,即曝光。相机将三维世界中的3D坐标点经过映射到二维成像平面,这个几何映射的过程称之为“相机模型”。
为了获得更好的成像效果,会在相机前加入透镜。透镜会影响光线的传播,由透镜形状引其的畸变称为径向畸变。径向畸变可分为桶形畸变和枕形畸变。在相机组装过程中,由于不能使得透镜和成像平面完全平行,会引入切向畸变。相机畸变模型主要是为了消除径向畸变和切向畸变对图像带来的畸变影响。
根据相机畸变模型和相机参数,将二维带权三角网格的投影到归一化平面上,得到各个顶点在归一化平面上的归一化坐标值(x_1,y_1,1),然后将归一化坐标值(x_1,y_1,1)乘以深度值z得到相机坐标系下三维空间的顶点第一相机坐标值(x,y,z)。之后将这个顶点的第一相机坐标值(x,y,z)转换到世界坐标系下,得到世界坐标系下三维空间的顶点。
针对二维三角网格中的每个顶点,都执行上述坐标转换操作,最终可以二维三角网格的所有顶点都转换到世界坐标系下,从而得到世界坐标系下的目标三角网格。
在本公开实施例中,将二维三角网格基于深度值映射到三维世界坐标系下,应用于三维重建技术,在得到高精度的三维三角网格的基础上,降低计算资源的使用,节省内存。
S105、基于所述三维三角网格构建目标三维场景。
在本公开实施例中,将所述目标三维三角网格贴回三维空间内得到目标三维场景。
本公开涉及一种三维场景构建方法,包括:获取待处理图像;对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;基于所述三维三角网格构建目标三维场景。
在上述实施例的基础上,如果待处理图像是一个视频帧中的其中一个区域,针对这种情况,本公开实施例对三维场景构建方法进行了进一步的优化。
具体的,所述获取待处理图像,包括:获取视频序列中的当前视频帧和前一视频帧,其中,所述前一视频帧为所述视频序列中与所述当前视频帧相邻且位于所当前视频帧之前的视频帧;将所述当前视频帧与所述前一视频帧中画面内容不同的图像区域作为待处理图像。
其中,所述当前视频帧可以理解为视频流中正在处理的视频帧,视频流可以是预先存储在用户终端或者从服务器中拉取的视频流。也可以是用户终端中的相机正在采集到的视频流。所述前一视频帧为所述视频序列中与所述当前视频帧相邻且位于所当前视频帧之前的视频帧。
在本公开的一个实施方式中,将当前视频帧和前一视频帧进行比较,将画面内容不同的图像区域作为待处理图像。具体比较方式包括:针对当前视频帧中的每个像素点,获取前一视频帧中与该像素点位于同一位置的像素点,比较两个像素点的颜色值是否相同,颜色值相同,则为相同的像素点,颜色值不同则为不同的像素点。将多个相邻的像素点构成一个像素点区域,即为画面内容不同的图像区域。
需要说明的是,本公开实施例中仅对上述确定画面内容不同的图像区域的方式进行简单说明,通过图片的直方图确定画面内容不通的图像区域,或者,通过预训练的图像识别模型确定画面内容不通的图像区域等等,均在本公开的保护范围内。本公开实施例中不再赘述。
在本公开的一个实施例中,所述将所述当前视频帧与所述前一视频帧中画面内容不同的图像区域作为待处理图像,包括:获取所述前一视频帧中的二维带权三角网格中的各个顶点在相机坐标下的第二相机坐标值;基于各个所述第二相机坐标值和相机畸变模型,将所述前一视频帧的二维带权三角网格投影到所述当前视频帧中;将当前视频帧中与所述前一视频帧的二维带权三角网格未重叠的图像区域作为画面内容不同的图像区域。
在本公开实施例中,获取前一视频帧的二维带权三角网格中的各个顶点在相机坐标下的第二相机坐标值,将第二相机坐标值基于相机模型投影到当前视频帧上。将当前视频帧中与前一视频帧的二维带权三角网格未重叠的图像区域作为画面内容不同的图像区域。
在本公开实施例中,如果所述待处理图像是当前视频帧中的一个图像区域,对所述待处理图像进行采样处理,还包括:获取所述图像区域的边缘像素点;将所述边缘像素点作为所述待处理图像的采样点。
在本公开实施例中,如果待处理图像是一个完整图像中的图像区域,则在进行采样处理时,需要对图像区域的边缘像素点均作为待处理图像的采样点。
在本公开实施例中,画面内容不同的图像区域边缘部分的像素点记录下来,作为三角剖分的采样点。由于这些采样点带有边缘约束,然后通过带约束Delaunay保证原来边缘不变的三角剖分,从而将画面内容不同的图像区域对应的三维三角网格和画面内容相同的图像区域对应的三维三角网格相连。
在本公开实施例中,通过带边缘约束的Delaunay保证原来边缘不变的三角剖分,从而实现边缘部分三角网格的相连。
在本公开的一个实施方式中,基于所述三维三角网格构建目标三维场景,包括:将所述三维三角网格映射至三维空间内,得到画面内容不同的图像区域的三维场景;将所述画面内容不同的图像区域的三维场景与画面内容相同的图像区域的三维场景进行组合,得到目标三维场景。
具体的,由于相机在运动,总会采集到原来没有重建过的图像区域,即当前视频帧中总会存在没有重建过三维场景的图像区域。将当前视频帧中与所述前一帧图像的画面内容不同的图像区域确定为待处理图像,通过上述实施例中提供的三维三角网格确定方式,画面内容不同的图像区域对应的三维三角网格,然后将画面内容不同的图像区域对应的三维三角网格投影至三维场景中,最后与画面内容相同的图像区域的三维场景进行组合,得到目标三维场景。
在本公开实施例中,提供了一种待处理图像的确定方式,将当前视频帧中存在的没有重建过图像区域进行上述处理,得到增量的三维三角网格,将增量的三维三角网格与画面内容相同的图像区域对应的三维三角网格进行合并,得到目标三维三角网格,将所述目标三维三角网格投影至三维空间内得到目标三维场景。
在本公开实施例中,采用实时增量式构建三维场景,降低了资源使用率,节省了内存,能在嵌入式设备端能高效运行。
图4为本公开实施例中的一种三维场景构建装置的结构示意图,本实施例可适用于基于二维图像构建三维场景的情况,该三维场景构建装置可以采用软件和/或硬件的方式实现,该三维场景构建装置可配置于电子设备中。
如图4所示,本公开实施例提供的三维场景构建装置主要包括二维带权三角网格确定模块41、三维三角网格确定模块42和三维场景构建模块43。
其中,待处理图像获取模块41,用于获取待处理图像;第一图像确定模块42,用于对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;二维带权三角网格确定模块43,用于所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;三维三角网格确定模块44,用于基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;目标三维场景构建模块45,用于基于所述三维三角网格构建目标三维场景。
在本公开的一个实施方式中,待处理图像获取模块41包括:视频帧获取单元,用于获取视频序列中的当前视频帧和前一视频帧,其中,所述前一视频帧为所述视频序列中与所述当前视频帧相邻且位于所当前视频帧之前的视频帧;待处理图像确定单元,用于将所述当前视频帧与所述前一视频帧中画面内容不同的图像区域作为待处理图像。
在本公开的一个实施方式中,待处理图像确定单元,包括:第二相机坐标值获取子单元,用于获取所述前一视频帧中的二维带权三角网格中的各个顶点在相机坐标下的第二相机坐标值;二维带权三角网格投影子单元,用于基于各个所述第二相机坐标值和相机畸变模型,将所述前一视频帧的二维带权三角网格投影到所述当前视频帧中;画面内容不同的图像区域确定子单元,用于将当前视频帧中与所述前一视频帧的二维带权三角网格未重叠的图像区域作为画面内容不同的图像区域。
在本本公开的一个实施方式中,所述待处理图像包括图像内容相同的彩色图像和深度图像,第一图像确定模块42,用于内容重要性采样单元,用于对所述彩色图像进行内容重要性采样,得到多个第一采样点;深度重要性采样单元,用于对所述深度图像进行深度重要性采样,得到多个第二采样点;采样点确定单元,用于将所述第一采样点和第二采样点进行合并处理后,得到包多个采样点。
在本本公开的一个实施方式中,二维带权三角网格确定模块43,包括:二维三角网格确定单元,用于基于第一图像中包括的多个采样点对第一图像进行三角剖分,得到多个二维三角网格;顶点深度值确定单元,用于针对所述二维三角网格中的每个顶点,确定所述顶点的深度值;顶点权重确定单元,用于基于所述顶点的深度值确定所述顶点的权重,其中,所述顶点的深度值越大,所述顶点的权重越小;顶点参数调整单元,用于基于顶点的权重对所述二维三角网格中的顶点参数进行调整,得调整后的顶点参数;二维带权三角网格构建单元,用于基于各个顶点对应的调整后的顶点参数构建二维带权三角网格。
在本公开的一个实施方式中,所述待处理图像包括图像内容相同的彩色图像和深度图像,顶点深度值确定单元,包括:第一深度值确定子单元,用于获取该顶点在所述深度图像中对应的第一深度值;第二深度值确定子单元,用于获取该顶点在所述彩色图像中对应的第二深度值;顶点深度值确定子单元,用于基于所述第一深度值和/或所述第二深度值确定所述顶点的深度值。
在本本公开的一个实施方式中,三维三角网格确定模块44,包括:二维带权三角网格投影单元,用于基于相机畸变模型和相机参数将所述二维带权三角网格投影到归一化平面上;归一化坐标值获取单元,用于获取二维带权三角网格中各个顶点在所述归一化平面上的归一化坐标值;第一相机坐标值确定单元,用于针对三角网格中的每个顶点,基于所述顶点的深度值和所述顶点的归一化坐标值,得到所述顶点在相机坐标下的第一相机坐标值;顶点坐标值转换单元,用于将所述第一相机坐标值转换为世界坐标系中的顶点坐标值;三维三角网格构建单元,用于基于各个世界坐标系中的顶点坐标值构建三维三角网格。
在本公开的一个实施例中,如果所述待处理图像是当前视频帧中的一个图像区域,第一图像确定模块42,还包括:边缘像素点获取单元,用于获取所述图像区域的边缘像素点;采样点确定单元,还用于将所述边缘像素点作为所述待处理图像的采样点。
在本公开的一个实施例中,目标三维场景构建模块45,包括:第一三维场景确定三元,用于将所述三维三角网格映射至三维空间内,得到画面内容不同的图像区域的三维场景;目标三维场景确定单元,用于将所述画面内容不同的图像区域的三维场景与画面内容相同的图像区域的三维场景进行组合,得到目标三维场景。
本公开实施例提供的三维场景构建装置,可执行本公开方法实施例所提供的三维场景构建方法中所执行的步骤,具备执行步骤和有益效果此处不再赘述。
图5为本公开实施例中的一种电子设备的结构示意图。下面具体参考图5,其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。本公开实施例中的电子设备500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、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴终端设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图5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5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的图片渲染方法。在RAM 503中,还存储有终端设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505: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506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许终端设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的终端设备500,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,其包括承载在非暂态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,从而实现如上所述的三维场景构建方法。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501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。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
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终端设备执行时,使得该终端设备:获取待处理图像;对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;基于所述三维三角网格构建目标三维场景。
可选的,当上述一个或者多个程序被该终端设备执行时,该终端设备还可以执行上述实施例所述的其他步骤。
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但不限于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(LAN)或广域网(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。
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(ASSP)、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。
根据本公开的一个或多个实施例,本公开提供了一种三维场景构建方法,包括:获取待处理图像;对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;基于所述三维三角网格构建目标三维场景。根据本公开的一个或多个实施例,本公开提供了一种三维场景构建方法,其中,基于所述二维带权三角网格和各个顶点的目标深度值确定目标三维三角网格,包括:基于相机畸变模型和相机内外参数将所述二维带权三角网格投影到归一化平面上;获取二维带权三角网格中各个顶点在所述归一化平面上的归一化坐标值;针对所述二维带权三角网格中的每个顶点,基于所述顶点的目标深度值和所述顶点的归一化坐标值,得到所述顶点在相机坐标下的第一相机坐标值;将所述第一相机坐标值转换为世界坐标系中的相机坐标值,得到目标三维三角网格。
根据本公开的一个或多个实施例,本公开提供了一种三维场景构建装置,所述装置包括:待处理图像获取模块,用于获取待处理图像;第一图像确定模块,用于对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;二维带权三角网格确定模块,用于所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;三维三角网格确定模块,用于基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;目标三维场景构建模块,用于基于所述三维三角网格构建目标三维场景。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开提供的任一所述的三维场景构建方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开提供的任一所述的三维场景构建方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的三维场景构建方法。
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 (13)
1.一种三维场景构建方法,其特征在于,包括:
获取待处理图像;
对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;
所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;
基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;
基于所述三维三角网格构建目标三维场景。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理图像,包括:
获取视频序列中的当前视频帧和前一视频帧,其中,所述前一视频帧为所述视频序列中与所述当前视频帧相邻且位于所当前视频帧之前的视频帧;
将所述当前视频帧与所述前一视频帧中画面内容不同的图像区域作为待处理图像。
3.根据权利要求2所述的方法,其特征在于,所述将所述当前视频帧与所述前一视频帧中画面内容不同的图像区域作为待处理图像,包括:
获取所述前一视频帧中的二维带权三角网格中的各个顶点在相机坐标下的第二相机坐标值;
基于各个所述第二相机坐标值和相机畸变模型,将所述前一视频帧的二维带权三角网格投影到所述当前视频帧中;
将当前视频帧中与所述前一视频帧的二维带权三角网格未重叠的图像区域作为画面内容不同的图像区域。
4.根据权利要求1所述的方法,其特征在于,所述待处理图像包括图像内容相同的彩色图像和深度图像,所述对所述待处理图像进行采样处理,包括:
对所述彩色图像进行内容重要性采样,得到多个第一采样点;
对所述深度图像进行深度重要性采样,得到多个第二采样点;
将所述第一采样点和第二采样点进行合并处理后,得到包多个采样点。
5.根据权利要求1所述的方法,其特征在于,所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格,包括:
基于第一图像中包括的多个采样点对第一图像进行三角剖分,得到多个二维三角网格;
针对所述二维三角网格中的每个顶点,确定所述顶点的深度值;
基于所述顶点的深度值确定所述顶点的权重,其中,所述顶点的深度值越大,所述顶点的权重越小;
基于顶点的权重对所述二维三角网格中的顶点参数进行调整,得调整后的顶点参数;
基于各个顶点对应的调整后的顶点参数构建二维带权三角网格。
6.根据权利要求5所述的方法,其特征在于,所述待处理图像包括图像内容相同的彩色图像和深度图像,所述确定所述顶点的深度值,包括:
获取该顶点在所述深度图像中对应的第一深度值;
获取该顶点在所述彩色图像中对应的第二深度值;
基于所述第一深度值和/或所述第二深度值确定所述顶点的深度值。
7.根据权利要求1所述的方法,其特征在于,所述基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格,包括:
基于相机畸变模型和相机参数将所述二维带权三角网格投影到归一化平面上;
获取二维带权三角网格中各个顶点在所述归一化平面上的归一化坐标值;
针对三角网格中的每个顶点,基于所述顶点的深度值和所述顶点的归一化坐标值,得到所述顶点在相机坐标下的第一相机坐标值;
将所述第一相机坐标值转换为世界坐标系中的顶点坐标值;
基于各个世界坐标系中的顶点坐标值构建三维三角网格。
8.根据权利要求4所述的方法,其特征在于,如果所述待处理图像是当前视频帧中的一个图像区域,对所述待处理图像进行采样处理,还包括:
获取所述图像区域的边缘像素点;
将所述边缘像素点作为所述待处理图像的采样点。
9.根据权利要求2所述的方法,其特征在于,基于所述三维三角网格构建目标三维场景,包括:
将所述三维三角网格映射至三维空间内,得到画面内容不同的图像区域的三维场景;
将所述画面内容不同的图像区域的三维场景与画面内容相同的图像区域的三维场景进行组合,得到目标三维场景。
10.一种三维场景构建装置,其特征在于,包括:
待处理图像获取模块,用于获取待处理图像;
第一图像确定模块,用于对所述待处理图像进行采样处理,得到包括多个采样点的第一图像;
二维带权三角网格确定模块,用于所述基于第一图像中包括的多个采样点对所述第一图像进行带权三角剖分,得到多个二维带权三角网格;
三维三角网格确定模块,用于基于所述二维带权三角网格中各个顶点的深度值和相机畸变模型,将所述二维带权三角网格投影至三维空间内,得到三维三角网格;
目标三维场景构建模块,用于基于所述三维三角网格构建目标三维场景。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
13.一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211236350.9A CN117911605A (zh) | 2022-10-10 | 2022-10-10 | 三维场景构建方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211236350.9A CN117911605A (zh) | 2022-10-10 | 2022-10-10 | 三维场景构建方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117911605A true CN117911605A (zh) | 2024-04-19 |
Family
ID=90685677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211236350.9A Pending CN117911605A (zh) | 2022-10-10 | 2022-10-10 | 三维场景构建方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911605A (zh) |
-
2022
- 2022-10-10 CN CN202211236350.9A patent/CN117911605A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110728622B (zh) | 鱼眼图像处理方法、装置、电子设备及计算机可读介质 | |
CN115690382B (zh) | 深度学习模型的训练方法、生成全景图的方法和装置 | |
WO2024104248A1 (zh) | 虚拟全景图的渲染方法、装置、设备及存储介质 | |
CN115908679A (zh) | 纹理映射方法、装置、设备及存储介质 | |
CN113643414A (zh) | 一种三维图像生成方法、装置、电子设备及存储介质 | |
US20220139016A1 (en) | Sticker generating method and apparatus, and medium and electronic device | |
CN111833459B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN115409696A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2023193613A1 (zh) | 高光渲染方法、装置、介质及电子设备 | |
CN111862342A (zh) | 增强现实的纹理处理方法、装置、电子设备及存储介质 | |
CN117132652A (zh) | 基于三维网格的目标点云标记方法、装置、设备及介质 | |
CN116149773A (zh) | 倾斜摄影模型展示方法、装置和电子设备 | |
CN113436247B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN116363239A (zh) | 特效图的生成方法、装置、设备及存储介质 | |
CN112132909B (zh) | 参数获取方法及装置、媒体数据处理方法和存储介质 | |
CN113274735B (zh) | 模型处理方法、装置、电子设备及计算机可读存储介质 | |
CN117911605A (zh) | 三维场景构建方法、装置、设备、存储介质和程序产品 | |
CN114723600A (zh) | 美妆特效的生成方法、装置、设备、存储介质和程序产品 | |
CN115019021A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114419292A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114202617A (zh) | 视频图像处理方法、装置、电子设备及存储介质 | |
CN112308809B (zh) | 一种图像合成方法、装置、计算机设备及存储介质 | |
CN112668474B (zh) | 平面生成方法和装置、存储介质和电子设备 | |
CN111489428B (zh) | 图像生成方法、装置、电子设备及计算机可读存储介质 | |
CN117333560B (zh) | 场景自适应的条纹结构光解码方法、装置、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 |