[发明专利]基于稀疏深度与边界的深度重建方法、系统、设备及介质在审

专利信息
申请号: 201910799407.8 申请日: 2019-08-28
公开(公告)号: CN112446946A 公开(公告)日: 2021-03-05
发明(设计)人: 李品品;朱力;吕方璐;汪博 申请(专利权)人: 深圳市光鉴科技有限公司
主分类号: G06T17/00 分类号: G06T17/00;G06T5/40;G06T7/181;G06T7/593
代理公司: 暂无信息 代理人: 暂无信息
地址: 518054 广东省深圳市南山区粤海街道高*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 稀疏 深度 边界 重建 方法 系统 设备 介质
【说明书】:

发明提供了一种基于稀疏深度与边界的深度重建方法、系统、设备及介质,包括如下步骤:获取目标图像,通过对所述目标图像中各目标物体进行边界提取生多条粗边界;对所述粗边界中的断线进行连接,生成光滑边界;根据所述光滑边界对所述目标图像对应的深度图像进行补全生成目标深度图像。本发明中通过对所述目标图像中各目标物体进行边界提取生成目标物体的边界,根据目标物体的边界对目标图像对应的深度图像进行补全生成目标深度图像,从而能够提高深度图像的完整度,从而便于对目标物体进行深度重建。

技术领域

本发明涉及三维重建,具体地,涉及一种基于稀疏深度数据与边界的深度重建 方法、系统、设备及介质。

背景技术

三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世 界的虚拟现实的关键技术。

在计算机视觉中,三维重建是指根据单视图或者多视图的图像重建三维信息的过程。由于单视图的信息不完全,因此三维重建需要利用经验知识。而多视图的三 维重建(类似人的双目定位)相对比较容易,其方法是先对摄像机进行标定,即计算 出摄像机的图像坐标系与世界坐标系的关系。然后利用多个二维图像中的信息重建 出三维信息。

三维重建是无人驾驶,扫地机器人,虚拟现实中的关键技术。近年来,深度学 习的快速发展和大量三维几何模型数据库的公布,为高精度三维重建方法带来了新 思路。但是在基于深度学习提取边界法向量,利用马尔可夫随机场进行深度重建过 程,存在深度数据集难以获取以及深度模型解析力不足的问题,通过深度学习来获 得深度边界,会产生成法向量信息获取费时费算力的问题。

发明内容

针对现有技术中的缺陷,本发明的目的是提供一种基于稀疏深度数据与边界的深度重建方法、系统、设备及介质。

根据本发明提供的基于稀疏深度与边界的深度重建方法,包括如下步骤:

步骤S1:获取目标图像,通过对所述目标图像中各目标物体进行边界提取生多条粗 边界;

步骤S2:对所述粗边界中的断线进行连接,生成光滑边界;

步骤S3:根据所述光滑边界对所述目标图像对应的深度图像进行补全生成目标深度 图像。

优选地,所述步骤S1包括如下步骤:

步骤S101:获取所述目标物体的RGB图像,将所述RGB图像转化为灰度图生成所述目标图像;

步骤S102:将所述目标图像进行直方图均衡;

步骤S103:将直方图均衡化后的所述目标图像进行边界提取生成所述粗边界。

优选地,所述步骤S3包括如下步骤:

所述步骤S3包括如下步骤:

步骤S301:获取所述目标图像的原始深度信息;

步骤S302:建立能量函数模型,在所述能量函数模型中对所述原始深度信息施加约 束;

步骤S303:对所述能量函数模型求极小值生成一组含有原始深度信息的线性方程组;

步骤S304:求解所述线性方程组生成能够对所述光滑边界的进行补全的目标深度信 息,进而对所述深度图像进行补全生成目标深度图像。

所述能量函数模型E为:

E=λDED+ES

其中,ED表示对原始深度信息的约束,λD表示数据项权重,ES表示对目标深度信息的约束。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市光鉴科技有限公司,未经深圳市光鉴科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910799407.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top