[发明专利]用于确定对象厚度的图像处理

权利要求书

1.一种处理图像数据的方法，所述方法包括：

获得场景的图像数据，所述场景以一组对象为特征；

分解所述图像数据以生成用于预测模型的输入数据，包括确定所述图像数据的与所述场景中的所述一组对象相对应的部分，每个部分对应于不同的对象；

使用所述预测模型预测所述部分的横截面厚度测量值；以及

合成所述图像数据的所述部分的所述所预测的横截面厚度测量值以生成包括所述场景中的所述一组对象的厚度数据的输出图像数据。

2.如权利要求1所述的方法，其中所述图像数据至少包括场景的光度数据，并且分解所述图像数据包括：

从所述光度数据生成所述场景的分割数据，所述分割数据指示所述光度数据的部分和所述场景中的所述一组对象之间的所估计的对应关系。

3.如权利要求2所述的方法，其中生成所述场景的分割数据包括：

检测在所述光度数据中示出的对象；以及

为每个检测到的对象生成分割掩模，

其中分解所述图像数据包括对于每个检测到的对象裁剪所述图像数据的包含所述分割掩模的区域。

4.如权利要求3所述的方法，其中检测在所述光度数据中示出的对象包括：

使用卷积神经网络架构来检测所述光度数据中的一个或多个对象。

5.如权利要求1至4中任一项所述的方法，其中在多个对象的多对图像数据和基础真值厚度测量值上训练所述预测模型。

6.如权利要求1至5中任一项所述的方法，其中所述图像数据包括场景的光度数据和深度数据，并且其中所述输入数据包括从所述光度数据导出的数据和从所述深度数据导出的数据，从所述光度数据导出的所述数据包括颜色数据和分割掩模中的一个或多个。

7.如权利要求6所述的方法，其包括：

使用所述光度数据、所述深度数据和所述厚度数据来更新所述场景的三维模型。

8.如权利要求7所述的方法，其中所述场景的所述三维模型包括截断符号距离函数(TSDF)模型。

9.如权利要求1至8中任一项所述的方法，其中所述预测模型包括神经网络架构。

10.如权利要求1至9中任一项所述的方法，其中所述图像数据包括彩色图像和深度图，并且其中所述输出图像数据包括像素图，所述像素图包括具有相关联的横截面厚度值的像素。

11.一种用于处理图像数据的系统，所述系统包括：

输入接口，其用于接收图像数据；

输出接口，其用于输出在所述输入接口处接收的所述图像数据中存在的一个或多个对象的厚度数据；

预测模型，其用于从输入数据预测横截面厚度测量值，所述预测模型由基于多个对象的多对图像数据和基础真值厚度测量值估计的经训练参数进行参数化；

分解引擎，其用于从在所述输入接口处接收的所述图像数据生成用于所述预测模型的所述输入数据，所述分解引擎被配置为确定所述图像数据的部分与被认为存在于所述图像数据中的一个或多个对象之间的对应关系，每个部分对应于不同的对象；以及

合成引擎，其用于合成来自所述预测模型的多个所预测的横截面厚度测量值，以提供所述输出接口的所述输出厚度数据。

12.如权利要求11所述的系统，其中所述图像数据包括光度数据，并且所述分解引擎包括图像分割引擎以基于所述光度数据生成分割数据，所述分割数据指示所述光度数据的部分与被认为存在于所述图像数据中的所述一个或多个对象之间的所估计的对应关系。

13.如权利要求11或权利要求12所述的系统，其中所述图像分割引擎包括：

神经网络架构，其用于检测所述光度数据内的对象并输出任何检测到的对象的分割掩模。