[发明专利]图像处理方法、图像处理装置、电子设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

对待处理的至少一个三维对象中每个三维子对象进行拍摄，获取所述每个三维子对象至少一幅全景图像以及所述全景图像相对应的视频流，其中，所述全景图像是在对所述每个三维子对象的视频流的拍摄过程中获取的，所述视频流至少包括反映多个三维子对象之间几何关系的视频帧；

将拍摄所述三维子对象的全景图像时所述视频流中正在拍摄的视频帧相对应的时间戳，作为所述三维子对象的时间戳；

根据视频流中每个视频帧之间的几何关系确定全景相机的移动拍摄轨迹，所述拍摄移动轨迹中包括每个视频帧在移动拍摄轨迹中所在的位置；

将所述时间戳相对应的视频帧在所述移动轨迹中所在的位置，作为拍摄所述每个三维子对象的至少一幅全景图像时的全景相机的位置，其中，每幅全景图像是对于一个三维子对象拍摄的；

基于所述全景相机的位置将所述每个三维子对象的至少一幅全景图像在三维空间中的平面轮廓进行拼接，得到所述至少一个三维对象的多对象平面轮廓。

2.根据权利要求1所述的方法，其特征在于，所述基于所述全景相机的位置将所述每个三维子对象的至少一幅全景图像在三维空间中的平面轮廓进行拼接，得到所述至少一个三维对象的多对象平面轮廓，包括：

针对每个三维子对象的至少一幅全景图像，提取所述每个三维子对象的至少一幅全景图像在三维空间中的平面轮廓；

基于所述全景相机的位置，将所述每个三维子对象的至少一幅全景图像在三维空间中的平面轮廓进行归一化，得到经过归一化的每个三维子对象的平面轮廓；

基于所述全景相机的位置，将所述归一化的每个三维子对象的平面轮廓进行拼接，得到所述至少一个三维对象的多对象平面轮廓。

3.如权利要求2所述的方法，其特征在于，所述针对每个三维子对象的至少一幅全景图像，提取所述每个三维子对象的至少一幅全景图像在三维空间中的平面轮廓，包括：

利用针对为所述待处理的至少一个三维对象中的每个三维子对象拍摄的至少两幅全景图像的几何关系，获取每幅全景图像上的匹配特征点的三维点坐标；

对于所述每个三维子对象的至少两幅全景图像的每幅全景图像，基于所述全景图像上的、轮廓特征属于特定类别的像素点中的边缘像素点所围成的轮廓，生成所述全景图像的在所述三维空间中的平面轮廓，

其中，所述特定类别至少包括所述全景图像中的三维物体的顶部、底部、支撑部。

4.如权利要求3所述的方法，其特征在于，所述对于所述每个三维子对象的至少两幅全景图像的每幅全景图像，基于所述全景图像上的、轮廓特征属于特定类别的像素点中的边缘像素点所围成的轮廓，生成所述全景图像的在所述三维空间中的平面轮廓，包括：

基于所述每个三维子对象的至少两幅全景图像上的像素点之间的特征相似度，确定所述每个三维子对象的至少两幅全景图像上的、轮廓特征属于所述特定类别的像素点中的所述边缘像素点；

其中，两个像素点的特征相似度为所述两个像素点的特征之差的绝对值，每个所述像素点的特征包括灰度、颜色。

5.如权利要求2所述的方法，其特征在于，所述针对每个三维子对象的至少一幅全景图像，提取所述每个三维子对象的至少一幅全景图像在三维空间中的平面轮廓，包括：

利用针对为所述待处理的至少一个三维对象中的每个三维子对象拍摄的至少两幅全景图像的几何关系，获取每幅全景图像上的匹配特征点的三维点坐标；

对于所述每个三维子对象的至少两幅全景图像的每幅全景图像，通过用于提取图像轮廓的深度学习模型，提取所述全景图像的在所述三维空间中的平面轮廓。

6.如权利要求5所述的方法，其特征在于，通过下述方式来训练所述深度学习模型：

通过人工标注作为训练图像的多个全景图像上的被关注类型的三维对象的轮廓特征，生成所述被关注类型的三维对象的轮廓特征训练数据集；

利用所述被关注类型的三维对象的所述轮廓特征训练数据集来训练所述深度学习模型，由此得到经过训练的深度学习模型，

其中，所述深度学习模型的输出包含所述被关注类型的三维对象的轮廓特征的类别。