JP2020042818A - 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 - Google Patents
3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP2020042818A JP2020042818A JP2019163317A JP2019163317A JP2020042818A JP 2020042818 A JP2020042818 A JP 2020042818A JP 2019163317 A JP2019163317 A JP 2019163317A JP 2019163317 A JP2019163317 A JP 2019163317A JP 2020042818 A JP2020042818 A JP 2020042818A
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- target object
- vehicle
- dimensional image
- depth
- 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 46
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Abstract
Description
図1Aは、本発明の実施例1により提供される3次元データの生成方法のフローチャートである。本実施例は、物体に対して3次元情報標記する場合に適用することができ、3次元データの生成方法は、本実施例により提供される3次元データの生成装置によって実行される。3次元データの生成装置は、ソフトウェア及び/又はハードウェアの方式を使用して実現することができ、一般的には、コンピュータ機器に統合することができる。図1Aに示されるように、本実施例に係る3次元データの生成方法は、具体的には、以下のようなステップを含む。
ステップS110:目標物体の2次元画像における輪郭情報標記結果を取得する。
また、標準3次元認識モデルによって使用されている機械学習アルゴリズムは、ディープコンボリューションニューラルネットワークを含むが、これらに限定されない。例示的には、まず、大量の異なる物体に対応する画像サンプルを収集することによって、ディープコンボリューションニューラルネットワークモデルをトレーニングして、画像から物体の標準3次元サイズを予測することができるモデルをトレーニングして、標準3次元認識モデルとする。次に、目標物体とマッチングするカットされた部分画像を、標準3次元認識モデルに入力し、それによって、目標物体の画像によって長さ、幅、高さ(L、W、H)などの標準3次元サイズを予測する。また、目標物体サイズテンプレートを設定して、取得された標準3次元サイズと目標物体サイズテンプレートをマッチングして、不合理な値をフィルタリングし、予測精度をさらに向上させることもできる。
また、3次元情報は、目標物体の被写界深度と目標物体の3次元方位とを含むが、これらに限定されない。2次元標記によって3次元情報を予測することの利点は、相対的に低コストで高速の2次元標記を使用して、費用が高くて時間がかかる3次元標記と同等の検出効果を取得することができる。
xは、基準2次元画像点の横座標であり、
yは、基準2次元画像点の縦座標であり、
Zは、被写界深度であり、
fは、2次元画像に対応する撮影焦点距離である。
Zは、車両1の被写界深度であり、
fは、2次元画像が位置する撮影平面と撮影焦点Aとの間の距離、すなわち撮影焦点距離である。
図2は、本発明の実施例2により提供される3次元データの生成方法のフローチャートである。本実施例は、上記の実施例に基づいて具体化する。本実施例では、目標物体を車両であると具体化し、輪郭情報標記結果は、車両の外枠と、車両の車頭と車体との分割線の外枠における位置とを含むようにさらに最適化する。
ステップS210:車両の2次元画像における輪郭情報標記結果を取得し、輪郭情報標記結果は、車両の外枠と、車両の車頭と車体との分割線の外枠における位置とを含む。
ただし、
Hは、車両の実際の高さであり、
hは、外枠高さであり、
fは、2次元画像に対応する撮影焦点距離である。
Nは、実際のシーンの車両の車体長辺の2次元画像の撮影平面における投影であり、
Zは、目標物体の被写界深度であり、
αは、目標光線と撮影平面との間の角度であり、
βは、目標光線と車両の車体長辺との間の角度であり、
Lは、標準3次元サイズにおける車両の実際の長さであり、
目標光線は、実際のシーンにおける車両の最左側点と2次元画像の交点との間の接続線である。
図3は、本発明の実施例3により提供される3次元データの生成装置の概略構成図である。図3に示されるように、3次元データの生成装置は、結果取得モジュール310と、3次元算出モジュール320と、座標決定モジュール330と、データ生成モジュール340とを備えている。
3次元算出モジュール320は、輪郭情報標記結果と目標物体の標準3次元サイズとに基づいて、目標物体の被写界深度と目標物体の3次元方位とを算出する。
座標決定モジュール330は、目標物体における基準2次元画像点の2次元画像における2次元座標と、被写界深度とに基づいて、基準2次元画像点の3次元座標を決定する。
データ生成モジュール340は、基準2次元画像点の3次元座標と目標物体の3次元方位とに基づいて、目標物体とマッチングする3次元データを生成する。
ただし、
Hは、車両の実際の高さであり、
hは、外枠高さであり、
fは、2次元画像に対応する撮影焦点距離である。
Nは、実際のシーンにおける車両の車体長辺の2次元画像の撮影平面における投影であり、
Zは、目標物体の被写界深度であり、
αは、目標光線と撮影平面との間の角度であり、
βは、目標光線と車両の車体長辺との間の角度であり、
Lは、標準3次元サイズにおける車両の実際の長さであり、
目標光線は、実際のシーンにおける車両の最左側点と2次元画像の交点との間の接続線である。
xは、基準2次元画像点の横座標であり、
yは、基準2次元画像点の縦座標であり、
Zは、被写界深度であり、
fは、2次元画像に対応する撮影焦点距離である。
図4は、本発明の実施例4により提供される機器の構成図である。図4は、本発明の実施形態を実現するのに適する例示的なコンピュータ機器12のブロック図である。図4に示されるコンピュータ機器12は、単なる一つの例であり、本発明の実施例の機能及び使用範囲を一切制限しない。
本発明の実施例5は、コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体を提供する。コンピュータプログラムがプロセッサによって実行される場合に、本発明の各実施例により提供される3次元データの生成方法を実現する。すなわち、コンピュータプログラムがプロセッサによって実行される場合に、目標物体の2次元画像における輪郭情報標記結果を取得し、輪郭情報標記結果と目標物体の標準3次元サイズとに基づいて、目標物体の被写界深度と目標物体の3次元方位とを算出する。そして、目標物体における基準2次元画像点の2次元画像における2次元座標と、被写界深度とに基づいて、基準2次元画像点の3次元座標を決定し、基準2次元画像点の3次元座標と目標物体の3次元方位とに基づいて、目標物体とマッチングする3次元データを生成することを実現する。
Claims (10)
- 3次元データの生成方法であって、
目標物体の2次元画像における輪郭情報標記結果を取得するステップと、
前記輪郭情報標記結果と前記目標物体の標準3次元サイズとに基づいて、前記目標物体の被写界深度と前記目標物体の3次元方位とを算出するステップと、
前記目標物体における基準2次元画像点の前記2次元画像における2次元座標と、前記被写界深度とに基づいて、前記基準2次元画像点の3次元座標を決定するステップと、
前記基準2次元画像点の前記3次元座標と前記目標物体の前記3次元方位とに基づいて、前記目標物体とマッチングする3次元データを生成するステップとを含む3次元データの生成方法。 - 前記目標物体は、車両を備え、
前記輪郭情報標記結果は、前記車両の外枠と、前記車両の車頭と車体との分割線の前記外枠における位置とを含む請求項1に記載の3次元データの生成方法。 - 前記輪郭情報標記結果と前記目標物体の前記標準3次元サイズとに基づいて、前記目標物体の前記被写界深度と前記目標物体の前記3次元方位とを算出するステップは、
前記車両の前記外枠の外枠高さと、前記標準3次元サイズにおける前記車両の実際の高さとに基づいて、前記目標物体の前記被写界深度を算出するステップと、
前記車頭と前記車体との分割線の前記外枠における前記位置と、前記標準3次元サイズにおける前記車両の実際の長さと、前記目標物体の前記被写界深度とに基づいて、前記目標物体の前記3次元方位を算出するステップとを含む請求項2に記載の3次元データの生成方法。 - 前記車両の前記外枠の前記外枠高さと、前記標準3次元サイズにおける前記車両の前記実際の高さとに基づいて、前記目標物体の前記被写界深度を算出するステップは、
Z=(H/h)fの式に基づいて、前記目標物体の前記被写界深度Zを算出するステップを含み、
ただし、
Hは、前記車両の前記実際の高さであり、
hは、前記外枠高さであり、
fは、前記2次元画像に対応する撮影焦点距離である請求項3に記載の3次元データの生成方法。 - 前記車頭と前記車体との分割線の前記外枠における前記位置と、前記標準3次元サイズにおける前記車両の前記実際の長さと、前記目標物体の前記被写界深度とに基づいて、前記目標物体の前記3次元方位を算出するステップは、
前記外枠における最左側点の横座標xleftを算出するステップと、
前記横座標xleftと、前記車頭と前記車体との分割線の前記外枠における前記位置とに基づいて、前記車頭と前記車体との分割線と、前記最左側点との横方向距離wleftを算出するステップと、
下記の式(1)から式(4)に基づいて、前記目標物体の前記3次元方位γを算出するステップとを含み、
Nは、実際のシーンにおける前記車両の車体長辺の前記2次元画像の撮影平面における投影であり、
Zは、前記目標物体の前記被写界深度であり、
αは、目標光線と前記撮影平面との間の角度であり、
βは、前記目標光線と前記車両の車体長辺との間の角度であり、
Lは、前記標準3次元サイズにおける前記車両の実際の長さであり、
前記目標光線は、実際のシーンにおける前記車両の最左側点と前記2次元画像の交点との間の接続線である請求項4に記載の3次元データの生成方法。 - 前記目標物体の前記2次元画像における前記輪郭情報標記結果を取得したステップの後、
前記輪郭情報標記結果に基づいて、前記2次元画像において前記目標物体とマッチングする部分画像をカットするステップと、
前記部分画像を予めトレーニングされた標準3次元認識モデルに入力して、前記目標物体の標準3次元サイズを取得するステップとをさらに含む請求項1から請求項5のいずれかに記載の3次元データの生成方法。 - 3次元データの生成装置であって、
目標物体の2次元画像における輪郭情報標記結果を取得する結果取得モジュールと、
前記輪郭情報標記結果と前記目標物体の標準3次元サイズとに基づいて、前記目標物体の被写界深度と前記目標物体の3次元方位とを算出する3次元算出モジュールと、
前記目標物体における基準2次元画像点の前記2次元画像における2次元座標と、前記被写界深度とに基づいて、前記基準2次元画像点の3次元座標を決定する座標決定モジュールと、
前記基準2次元画像点の前記3次元座標と前記目標物体の前記3次元方位とに基づいて、前記目標物体とマッチングする3次元データを生成するデータ生成モジュールとを備える3次元データの生成装置。 - コンピュータ機器であって、
メモリと、
プロセッサと、
前記メモリに記憶され、前記プロセッサによって実行可能なコンピュータプログラムとを備え、
該コンピュータプログラムが前記プロセッサによって実行される場合に、請求項1から請求項7のいずれかに記載の3次元データの生成方法を実現するコンピュータ機器。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行される場合に、請求項1から請求項7のいずれかに記載の3次元データの生成方法を実現するコンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045660.6A CN109242903B (zh) | 2018-09-07 | 2018-09-07 | 三维数据的生成方法、装置、设备及存储介质 |
CN201811045660.6 | 2018-09-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042818A true JP2020042818A (ja) | 2020-03-19 |
JP6830139B2 JP6830139B2 (ja) | 2021-02-17 |
Family
ID=65060153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019163317A Active JP6830139B2 (ja) | 2018-09-07 | 2019-09-06 | 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11024045B2 (ja) |
EP (1) | EP3621036A1 (ja) |
JP (1) | JP6830139B2 (ja) |
CN (1) | CN109242903B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022249232A1 (ja) * | 2021-05-24 | 2022-12-01 | 日本電信電話株式会社 | 学習装置、学習済みモデルの生成方法、データ生成装置、データ生成方法およびプログラム |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816727B (zh) * | 2019-01-29 | 2023-05-02 | 江苏医像信息技术有限公司 | 三维图集的目标识别方法 |
CN109829447B (zh) * | 2019-03-06 | 2021-04-30 | 百度在线网络技术(北京)有限公司 | 用于确定车辆三维框架的方法和装置 |
CN110033515B (zh) * | 2019-04-15 | 2023-04-07 | 同济大学建筑设计研究院(集团)有限公司 | 图形转换方法、装置、计算机设备及存储介质 |
CN110287764B (zh) | 2019-05-06 | 2022-01-11 | 深圳大学 | 姿势预测方法、装置、计算机设备和存储介质 |
CN110390258A (zh) * | 2019-06-05 | 2019-10-29 | 东南大学 | 图像目标三维信息标注方法 |
CN110826499A (zh) * | 2019-11-08 | 2020-02-21 | 上海眼控科技股份有限公司 | 物体空间参数检测方法、装置、电子设备及存储介质 |
CN111161129B (zh) * | 2019-11-25 | 2021-05-25 | 佛山欧神诺云商科技有限公司 | 二维图像的立体交互设计方法、系统 |
CN113065999B (zh) * | 2019-12-16 | 2023-03-10 | 杭州海康威视数字技术股份有限公司 | 车载全景图生成方法、装置、图像处理设备及存储介质 |
CN111136648B (zh) * | 2019-12-27 | 2021-08-27 | 深圳市优必选科技股份有限公司 | 一种移动机器人的定位方法、定位装置及移动机器人 |
CN113435224A (zh) * | 2020-03-06 | 2021-09-24 | 华为技术有限公司 | 用于获取车辆3d信息的方法和装置 |
CN111401423B (zh) * | 2020-03-10 | 2023-05-26 | 北京百度网讯科技有限公司 | 用于自动驾驶车辆的数据处理方法和装置 |
CN113392267B (zh) * | 2020-03-12 | 2024-01-16 | 平湖莱顿光学仪器制造有限公司 | 一种用于生成目标对象的二维显微视频信息的方法与设备 |
CN111581415B (zh) * | 2020-03-18 | 2023-07-04 | 时时同云科技(成都)有限责任公司 | 确定相似物体的方法、物体相似度的确定方法和设备 |
CN111476798B (zh) * | 2020-03-20 | 2023-05-16 | 上海遨遥人工智能科技有限公司 | 一种基于轮廓约束的车辆空间形态识别方法及系统 |
CN111882596B (zh) * | 2020-03-27 | 2024-03-22 | 东莞埃科思科技有限公司 | 结构光模组三维成像方法、装置、电子设备以及存储介质 |
CN111429512B (zh) * | 2020-04-22 | 2023-08-25 | 北京小马慧行科技有限公司 | 图像处理方法和装置、存储介质及处理器 |
CN111541907B (zh) * | 2020-04-23 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 物品显示方法、装置、设备及存储介质 |
CN113643226B (zh) * | 2020-04-27 | 2024-01-19 | 成都术通科技有限公司 | 标注方法、装置、设备及介质 |
CN113591518B (zh) * | 2020-04-30 | 2023-11-03 | 华为技术有限公司 | 一种图像的处理方法、网络的训练方法以及相关设备 |
CN112089422A (zh) * | 2020-07-02 | 2020-12-18 | 王兆英 | 基于伤口面积分析的自适应医疗系统及方法 |
CN111754622B (zh) * | 2020-07-13 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 脸部三维图像生成方法及相关设备 |
CN112097732A (zh) * | 2020-08-04 | 2020-12-18 | 北京中科慧眼科技有限公司 | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 |
CN112070782B (zh) * | 2020-08-31 | 2024-01-09 | 腾讯科技(深圳)有限公司 | 识别场景轮廓的方法、装置、计算机可读介质及电子设备 |
CN112183241A (zh) * | 2020-09-11 | 2021-01-05 | 北京罗克维尔斯科技有限公司 | 基于单目图像的目标检测方法和装置 |
CN112132113A (zh) * | 2020-10-20 | 2020-12-25 | 北京百度网讯科技有限公司 | 车辆再识别的方法、装置、训练方法以及电子设备 |
CN112164143A (zh) * | 2020-10-23 | 2021-01-01 | 广州小马慧行科技有限公司 | 三维模型的构建方法、构建装置、处理器和电子设备 |
CN112258640B (zh) * | 2020-10-30 | 2024-03-22 | 李艳 | 颅骨模型的建立方法、装置、存储介质及电子设备 |
CN113873220A (zh) * | 2020-12-03 | 2021-12-31 | 上海飞机制造有限公司 | 一种偏差分析方法、装置、系统、设备及存储介质 |
CN116635754A (zh) * | 2020-12-04 | 2023-08-22 | 西安大医集团股份有限公司 | 实时位置监测方法、电子设备、系统及存储介质 |
CN112634152A (zh) * | 2020-12-16 | 2021-04-09 | 中科海微(北京)科技有限公司 | 基于图像深度信息的人脸样本数据增强方法及系统 |
CN112785492A (zh) * | 2021-01-20 | 2021-05-11 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN112907550B (zh) * | 2021-03-01 | 2024-01-19 | 创新奇智(成都)科技有限公司 | 一种建筑物检测方法、装置、电子设备及存储介质 |
CN112990217A (zh) * | 2021-03-24 | 2021-06-18 | 北京百度网讯科技有限公司 | 针对车辆的图像识别方法、装置、电子设备和介质 |
CN113806870A (zh) * | 2021-10-29 | 2021-12-17 | 中车青岛四方机车车辆股份有限公司 | 车辆的三维建模的方法、装置和车辆系统 |
CN113902856B (zh) * | 2021-11-09 | 2023-08-25 | 浙江商汤科技开发有限公司 | 一种语义标注的方法、装置、电子设备及存储介质 |
CN114637875A (zh) * | 2022-04-01 | 2022-06-17 | 联影智能医疗科技(成都)有限公司 | 一种医学图像标注方法、系统及装置 |
CN115482269B (zh) * | 2022-09-22 | 2023-05-09 | 佳都科技集团股份有限公司 | 一种土方量计算方法、装置、终端设备以及存储介质 |
CN116643648B (zh) * | 2023-04-13 | 2023-12-19 | 中国兵器装备集团自动化研究所有限公司 | 一种三维场景匹配交互方法、装置、设备及存储介质 |
CN116611165B (zh) * | 2023-05-18 | 2023-11-21 | 中国船舶集团有限公司第七一九研究所 | 一种基于catia的设备基座快速标注方法及系统 |
CN116704129B (zh) * | 2023-06-14 | 2024-01-30 | 维坤智能科技(上海)有限公司 | 基于全景图的三维图像生成方法、装置、设备及存储介质 |
CN117744185A (zh) * | 2024-01-03 | 2024-03-22 | 西北工业大学太仓长三角研究院 | 几何模型的粒子生成方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1055446A (ja) * | 1996-08-09 | 1998-02-24 | Omron Corp | 物体認識装置 |
JP2006053756A (ja) * | 2004-08-11 | 2006-02-23 | Tokyo Institute Of Technology | 物体検出装置 |
US20150332474A1 (en) * | 2014-05-18 | 2015-11-19 | Edge 3 Technologies, Inc. | Orthogonal and Collaborative Disparity Decomposition |
US20180211399A1 (en) * | 2017-01-26 | 2018-07-26 | Samsung Electronics Co., Ltd. | Modeling method and apparatus using three-dimensional (3d) point cloud |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102374860B (zh) * | 2011-09-23 | 2014-10-01 | 奇瑞汽车股份有限公司 | 三维视觉定位方法及系统 |
CN105241424B (zh) | 2015-09-25 | 2017-11-21 | 小米科技有限责任公司 | 室内定位方法和智能管理装置 |
CN105333837A (zh) * | 2015-10-21 | 2016-02-17 | 上海集成电路研发中心有限公司 | 三维扫描装置 |
CN105447812B (zh) * | 2015-11-10 | 2018-11-27 | 南京大学 | 一种基于线状阵列的三维活动图像显示及信息隐藏方法 |
CN105704476B (zh) * | 2016-01-14 | 2018-03-20 | 东南大学 | 一种基于边缘修复的虚拟视点图像频域快速获取方法 |
CN106251330A (zh) * | 2016-07-14 | 2016-12-21 | 浙江宇视科技有限公司 | 一种点位标记方法及装置 |
US10380439B2 (en) * | 2016-09-06 | 2019-08-13 | Magna Electronics Inc. | Vehicle sensing system for detecting turn signal indicators |
JP2018091656A (ja) * | 2016-11-30 | 2018-06-14 | キヤノン株式会社 | 情報処理装置、計測装置、システム、算出方法、プログラムおよび物品の製造方法 |
CN106803073B (zh) * | 2017-01-10 | 2020-05-05 | 江苏信息职业技术学院 | 基于立体视觉目标的辅助驾驶系统及方法 |
-
2018
- 2018-09-07 CN CN201811045660.6A patent/CN109242903B/zh active Active
-
2019
- 2019-09-05 US US16/562,129 patent/US11024045B2/en active Active
- 2019-09-06 JP JP2019163317A patent/JP6830139B2/ja active Active
- 2019-09-06 EP EP19195798.4A patent/EP3621036A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1055446A (ja) * | 1996-08-09 | 1998-02-24 | Omron Corp | 物体認識装置 |
JP2006053756A (ja) * | 2004-08-11 | 2006-02-23 | Tokyo Institute Of Technology | 物体検出装置 |
US20150332474A1 (en) * | 2014-05-18 | 2015-11-19 | Edge 3 Technologies, Inc. | Orthogonal and Collaborative Disparity Decomposition |
US20180211399A1 (en) * | 2017-01-26 | 2018-07-26 | Samsung Electronics Co., Ltd. | Modeling method and apparatus using three-dimensional (3d) point cloud |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022249232A1 (ja) * | 2021-05-24 | 2022-12-01 | 日本電信電話株式会社 | 学習装置、学習済みモデルの生成方法、データ生成装置、データ生成方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3621036A1 (en) | 2020-03-11 |
CN109242903B (zh) | 2020-08-07 |
JP6830139B2 (ja) | 2021-02-17 |
US11024045B2 (en) | 2021-06-01 |
US20200082553A1 (en) | 2020-03-12 |
CN109242903A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6830139B2 (ja) | 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 | |
JP6745328B2 (ja) | 点群データを復旧するための方法及び装置 | |
US10086955B2 (en) | Pattern-based camera pose estimation system | |
US20180372852A1 (en) | Method and apparatus for calibration between laser radar and camera, device and storage medium | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
JP2020042804A (ja) | 位置検出方法とその装置、機器、記憶媒体及び車両 | |
CN112771573A (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
US20170116776A1 (en) | Structure-based camera pose estimation system | |
JP7273129B2 (ja) | 車線検出方法、装置、電子機器、記憶媒体及び車両 | |
US9858669B2 (en) | Optimized camera pose estimation system | |
CN109509236B (zh) | 无人驾驶场景中的车辆包围盒生成方法、装置及存储介质 | |
JP2020057387A (ja) | 車両位置決め方法、車両位置決め装置、電子機器及びコンピュータ読み取り可能な記憶媒体 | |
CN110930422B (zh) | 物体外框确定方法、装置、计算机设备和可读存储介质 | |
WO2024083006A1 (zh) | 一种三维成像方法、装置、设备和存储介质 | |
JP2022014921A (ja) | 路側カメラの外部パラメータに基づく三次元感知情報取得方法及び路側機器 | |
WO2022147655A1 (zh) | 定位方法、空间信息获取方法、装置、拍摄设备 | |
CN113496503B (zh) | 点云数据的生成及实时显示方法、装置、设备及介质 | |
CN112085842B (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
CN113487676B (zh) | 确定安装于采集实体的相机之间相对姿态角的方法和装置 | |
CN115661493A (zh) | 一种对象位姿的确定方法及装置、设备及存储介质 | |
CN115346020A (zh) | 点云处理方法、避障方法、装置、机器人和存储介质 | |
US11657506B2 (en) | Systems and methods for autonomous robot navigation | |
CN113034562B (zh) | 用于优化深度信息的方法和装置 | |
CN112348875B (zh) | 一种标志杆的结构化参数表示确定方法及装置 | |
CN112435293B (zh) | 一种车道线的结构化参数表示确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201204 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6830139 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |