[发明专利]提取前景物体的建模方法、系统、设备及存储介质在审
申请号: | 202310628354.X | 申请日: | 2023-05-30 |
公开(公告)号: | CN116645471A | 公开(公告)日: | 2023-08-25 |
发明(设计)人: | 陈伶俐;江天 | 申请(专利权)人: | 重庆长安汽车股份有限公司 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06T7/194;G06T7/70;G06V10/764 |
代理公司: | 北京润平知识产权代理有限公司 11283 | 代理人: | 叶黎明 |
地址: | 400023 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 提取 前景 物体 建模 方法 系统 设备 存储 介质 | ||
1.一种提取前景物体的建模方法,其特征在于,所述方法包括:
获取目标物体的图像点云数据以及相机位姿信息;
将所述图像点云数据中的前景与背景进行分离,得到前景物体点云;
根据提取出的前景物体点云确定出前景最小包围盒;
基于所述相机位姿信息、所述前景最小包围盒和所述图像点云数据,确定出前景点数据和背景点数据;
基于前景点数据和背景点数据,利用预设重构网络,确定出前景物体重构数据和背景重构数据;
根据所述前景物体重构数据和背景重构数据,生成目标物体模型并进行显示。
2.根据权利要求1所述的提取前景物体的建模方法,其特征在于,所述预设重构网络包括隐式表面重建网络和颜色预测网络;
所述基于所述前景点数据,利用预设重构网络,生成前景物体重构数据,包括:
将所述前景点数据输入至所述隐式表面重建网络中,确定出前景物体中各个前景点到预设隐式表面的距离;
将所述前景点数据输入至所述颜色预测网络中,确定出前景物体中各个前景点的颜色;
根据所述前景物体中各个前景点到预设隐式表面的距离和各个前景点的颜色,得到所述前景物体重构数据。
3.根据权利要求2所述的提取前景物体的建模方法,其特征在于,所述基于背景点数据,利用预设重构网络,确定出背景重构数据,包括:
将所述背景点数据输入至所述隐式表面重建网络中,确定出背景中各个背景点到预设隐式表面的距离;
将所述背景点数据输入至所述颜色预测网络中,确定出背景中各个背景点的颜色;
根据所述背景中各个背景点到预设隐式表面的距离和各个背景点的颜色,生成所述背景重构数据。
4.根据权利要求1所述的提取前景物体的建模方法,其特征在于,所述基于所述相机位姿信息、所述前景最小包围盒和所述图像点云数据,确定出前景点数据和背景点数据,包括:
基于所述图像点云数据和所述相机位姿信息,生成穿过前景最小包围盒的光线;
对所述穿过前景最小包围盒的光线进行采样,得到光线采样数据;
基于所述光线采样数据,计算得到各个光线采样点的位置信息;
判断所述光线采样点的位置信息是否满足预设前景位置信息;
若满足,则判定所述光线采样点为前景点,得到所述前景点数据;
若不满足,则判定所述光线采样点为背景点,得到所述背景点数据。
5.根据权利要求3所述的提取前景物体的建模方法,其特征在于,所述方法还包括:
基于所述前景物体中各个前景点的颜色和所述背景中各个背景点的颜色,对所述目标物体模型进行渲染,并利用式(1)计算渲染后各个像素点的颜色数据:
式(1)中,表示像素颜色;N表示光线ray上采样点的个数,N1表示光线上前景点的个数,N2表示光线上背景点的个数,N1+N2=N;w(pi)表示光线上第i个前景点的颜色表达权重;w(pj)表示光线上第j个背景点的颜色表达权重;c(pi)表示前景点pi的预测颜色;c(pj)表示背景点pj的预测颜色。
6.根据权利要求5所述的提取前景物体的建模方法,其特征在于,所述根据所述前景物体重构数据和背景重构数据,生成目标物体模型并进行显示,包括:
基于所述各个前景点到预设隐式表面的距离和所述各个背景点到预设隐式表面的距离,重建得到初始物体模型;
根据所述渲染后各个像素点的颜色数据,计算颜色损失值;
判断所述颜色损失值是否小于预设颜色损失值;
若所述颜色损失值小于所述预设颜色损失值,则保存当前初始物体模型作为目标物体模型;
将所述目标物体模型进行显示。
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重庆长安汽车股份有限公司,未经重庆长安汽车股份有限公司许可,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/202310628354.X/1.html,转载请声明来源钻瓜专利网。