CN110427917A - 用于检测关键点的方法和装置 - Google Patents
用于检测关键点的方法和装置 Download PDFInfo
- Publication number
- CN110427917A CN110427917A CN201910750139.0A CN201910750139A CN110427917A CN 110427917 A CN110427917 A CN 110427917A CN 201910750139 A CN201910750139 A CN 201910750139A CN 110427917 A CN110427917 A CN 110427917A
- Authority
- CN
- China
- Prior art keywords
- target
- detected
- point cloud
- dimensional
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了用于检测关键点的方法和装置。该方法的一具体实施方式包括:获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。该实施方式提高了关键点检测准确度。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于检测关键点的方法和装置。
背景技术
自上而下的人体关键点检测技术是首先通过目标检测算法将每一个人检测出来,然后针对单个人做人体骨骼关键点检测。该方向的算法在公开数据集上取得比较高的效果,因此也成为人体关键点检测技术的主流方向。
目前,常用的人体关键点检测方式是通过彩色摄像头采集人体图像,对彩色图片进行行人检测,针对检测到的单个人做人体关键点检测提取关键点信息。
发明内容
本申请实施例提出了用于检测关键点的方法和装置。
第一方面,本申请实施例提供了一种用于检测关键点的方法,包括:获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。
在一些实施例中,深度图像和彩色图像是多个角度的深度摄像头采集的;以及对深度图像进行三维点云聚类,生成待检测目标的三维点云数据,包括:获取深度摄像头对应的相机内外标定参数;基于相机内外标定参数,将深度图像投影到三维空间内,得到待检测目标的三维点云数据。
在一些实施例中,基于三维点云数据和彩色图像,生成待检测目标的关键点坐标,包括:基于相机内外标定参数,将三维点云数据反投影到彩色图像所在的平面上,得到二维点云数据;基于二维点云数据,确定彩色图像中的待检测目标的检测框;从检测框中提取待检测目标的关键点二维坐标;基于关键点二维坐标和相机内外标定参数,计算待检测目标的关键点三维坐标。
在一些实施例中,从检测框中提取待检测目标的关键点二维坐标,包括:从彩色图像中剪裁出检测框对应的图像区域;将图像区域输入至预先训练的关键点检测模型,得到待检测目标的关键点二维坐标。
第二方面,本申请实施例提供了一种用于检测关键点的装置,包括:图像获取单元,被配置成获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;三维点云数据生成单元,被配置成对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;关键点坐标生成单元,被配置成基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。
在一些实施例中,深度图像和彩色图像是多个角度的深度摄像头采集的;以及三维点云数据生成单元,包括:参数获取子单元,被配置成获取深度摄像头对应的相机内外标定参数;三维点云数据生成子单元,被配置成基于相机内外标定参数,将深度图像投影到三维空间内,得到待检测目标的三维点云数据。
在一些实施例中,关键点坐标生成单元包括:二维点云数据生成子单元,被配置成基于相机内外标定参数,将三维点云数据反投影到彩色图像所在的平面上,得到二维点云数据;检测框确定子单元,被配置成基于二维点云数据,确定彩色图像中的待检测目标的检测框;二维坐标提取子单元,被配置成从检测框中提取待检测目标的关键点二维坐标;三维坐标计算子单元,被配置成基于关键点二维坐标和相机内外标定参数,计算待检测目标的关键点三维坐标。
在一些实施例中,二维坐标提取子单元包括:图像区域剪裁模块,被配置成从彩色图像中剪裁出检测框对应的图像区域;二维坐标生成模块,被配置成将图像区域输入至预先训练的关键点检测模型,得到待检测目标的关键点二维坐标。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于检测关键点的方法和装置,首先获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;然后对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;最后基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。结合三维点云数据和彩色图像提取关键点坐标,提高了关键点检测准确度。尤其是对于彩色图像中目标被部分遮挡的情况,能够提取出被遮挡部分的关键点坐标,提高了关键点检测效果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构;
图2是根据本申请的用于检测关键点的方法的一个实施例的流程图;
图3是根据本申请的用于检测关键点的方法的又一个实施例的流程图;
图4是根据本申请的用于检测关键点的装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于检测关键点的方法或用于检测关键点的装置的实施例的示例性***架构100。
如图1所示,***架构100中可以包括拍摄设备101、102、103,网络104和服务器105。网络104用以在拍摄设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
拍摄设备101、102、103可以通过网络104与服务器105交互,以接收或发送消息等。拍摄设备101、102、103可以是硬件,也可以是软件。当拍摄设备101为硬件时,可以是支持图像或视频拍摄功能的各种电子设备。包括但不限于摄像头、照相机和智能手机等等。当拍摄设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如服务器105可以对获取到的深度图像和彩色图像等数据进行分析等处理,生成处理结果(例如待检测目标的关键点坐标)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于检测关键点的方法一般由服务器105执行,相应地,用于检测关键点的装置一般设置于服务器105中。
应该理解,图1中的拍摄设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的拍摄设备、网络和服务器。
继续参考图2,其示出了根据本申请的用于检测关键点的方法的一个实施例的流程200。该用于检测关键点的方法,包括以下步骤:
步骤201,获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像。
在本实施例中,用于检测关键点的方法的执行主体(例如图1所示的服务器105)可以从设置在待检测目标的附近的多台拍摄设备(例如图1所示的拍摄设备101、102、103)获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像。其中,一台拍摄设备与待检测目标呈一个特定角度,用于在待检测目标的该特定角度采集待检测目标的深度图像和彩色图像。例如,在待检测目标的正面、侧面和背面处设置三台拍摄设备,这三台拍摄设备分别采集待检测目标的正面、侧面以及背面的深度图像和彩色图像。
这里,拍摄设备可以是具有拍摄功能的各种电子设备,例如深度摄像头。其中,深度摄像头又可以被叫做RGB-D摄像头,可以用于拍摄RGB-D图像。RGB-D图像可以包括彩色图像(RGB图像)和深度图像(Depth图像)。彩色图像的每个像素点的像素值可以是所拍摄的目标表面的每个点的颜色值。通常,人类视力所能感知的所有颜色均是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到的。深度图像的每个像素点的像素值可以是深度摄像头与所拍摄的目标表面的每个点之间的距离。通常,彩色图像和深度图像是配准的,因而彩色图像和深度图像的像素点之间具有一对一的对应关系。
步骤202,对深度图像进行三维点云聚类,生成待检测目标的三维点云数据。
在本实施例中,上述执行主体可以对深度图像进行三维点云聚类,以生成待检测目标的三维点云数据。例如,上述执行主体可以将多个角度的深度图像记录的深度摄像头与所拍摄的待检测目标表面的每个点之间的距离转换为同一坐标系下的坐标点,生成待检测目标的三维点云数据。
步骤203,基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。
在本实施例中,上述执行主体可以基于待检测目标的三维点云数据和彩色图像,生成待检测目标的关键点坐标。例如,对于彩色图像中的待检测目标的未被遮挡部分,从彩色图像中直接提取关键点;对于彩色图像中的待检测目标的被遮挡部分,结合待检测目标的三维点云数据,确定关键点。
本申请实施例提供的用于检测关键点的方法,首先获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;然后对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;最后基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。结合三维点云数据和彩色图像提取关键点坐标,提高了关键点检测准确度。尤其是对于彩色图像中目标被部分遮挡的情况,能够提取出被遮挡部分的关键点坐标,提高了关键点检测效果。
进一步参考图3,其示出了根据本申请的用于检测关键点的方法的又一个实施例的流程300。该用于检测关键点的方法,包括以下步骤:
步骤301,获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像。
在本实施例中,步骤301的具体操作已在图2所示的实施例中步骤201中进行了详细的介绍,在此不再赘述。
步骤302,获取深度摄像头对应的相机内外标定参数。
在本实施例中,上述执行主体可以获取深度摄像头对应的相机内外标定参数。
通常,在深度摄像头设置完成后,其相机内外标定参数就已经确定。不同型号的深度摄像头的相机内参数可以不同,相机内参数是与深度摄像头自身特性相关的参数。不同位置的深度摄像头的相机外参数可以不同。其中,相机内参数可以包括但不限于:1/dx、1/dy、u0、v0、f等等。dx和dy分别表示x方向和y方向的一个像素分别占的长度单位数,即一个像素代表的实际物理值的大小,其是实现图像物理坐标系与像素坐标系转换的关键。u0,v0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数。f是深度摄像头的焦距。相机外参数可以包括但不限于ω、δ、θ、Tx、Ty、Tz等等。ω、δ、θ是三个轴的旋转参数。Tx、Ty、Tz是三个轴的平移参数。
步骤303,基于相机内外标定参数,将深度图像投影到三维空间内,得到待检测目标的三维点云数据。
在本实施例中,上述执行主体可以基于相机内外标定参数,将深度图像投影到三维空间内,以得到待检测目标的三维点云数据。
通常,深度图像记录的是摄像机坐标系中的坐标,上述执行主体可以将多个摄像机坐标系中的深度图像记录的每个坐标转换为地心坐标系中的坐标,得到待检测目标的三维点云数据。其中,在摄像机坐标系中,原点O为摄像机的光心,X轴和Y轴与成像平面坐标系的坐标轴平行,Z轴为摄像机的光轴,其与成像平面垂直。在地心坐标系中,原点O设在大地体的质量中心,用相互垂直的X,Y,Z三个轴来表示,X轴与首子午面与赤道面的交线重合,向东为正。Z轴与地球旋转轴重合,向北为正。Y轴与XZ平面垂直构成右手系。
步骤304,基于相机内外标定参数,将三维点云数据反投影到彩色图像所在的平面上,得到二维点云数据。
在本实施例中,上述执行主体可以基于相机内外标定参数,将三维点云数据反投影到彩色图像所在的平面上,以得到二维点云数据。
通常,上述执行主体可以将地心坐标系中的三维点云数据的每个坐标转换为与彩色图像所在的平面平行的二维坐标系中的坐标,得到二维点云数据。这样,对于彩色图像中的待检测目标的未被遮挡部分,二维点云数据与其重合;对于彩色图像中的待检测目标的被遮挡部分,二维点云数据在彩色图像上显现。
步骤305,基于二维点云数据,确定彩色图像中的待检测目标的检测框。
在本实施例中,上述执行主体可以基于待检测目标的二维点云数据,确定彩色图像中的待检测目标的检测框。这里,待检测目标的检测框中不仅包括彩色图像中的待检测目标的未被遮挡部分,还包括彩色图像中的待检测目标的被遮挡部分。
通常,上述执行主体可以将待检测目标的二维点云数据与彩色图像融合,随后在彩色图像中框定出包括待检测目标的二维点云数据的方框,作为待检测目标的检测框。
步骤306,从检测框中提取待检测目标的关键点二维坐标。
在本实施例中,上述执行主体可以从检测框中提取待检测目标的关键点二维坐标。通常,上述执行主体可以对检测框中的待检测目标进行分析,确定待检测目标的关键位置,并将关键位置的坐标作为待检测目标的关键点二维坐标。
在本实施例的一些可选的实现方式中,上述执行主体可以首先从彩色图像中剪裁出检测框对应的图像区域;然后将图像区域输入至预先训练的关键点检测模型,得到待检测目标的关键点二维坐标。其中,关键点检测模型可以用于提取关键点二维坐标,是利用机器学习方法和训练样本对现有的机器学习模型进行有监督训练而得到的。通常,关键点检测模型可以是ResNet模型。
步骤307,基于关键点二维坐标和相机内外标定参数,计算待检测目标的关键点三维坐标。
在本实施例中,上述执行主体可以基于关键点二维坐标和相机内外标定参数,计算待检测目标的关键点三维坐标。
通常,上述执行主体可以将二维坐标系中的二维点云数据的每个坐标转换为地心坐标系中的坐标,得到待检测目标的关键点三维坐标。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于检测关键点的方法的流程300突出了确定检测框的步骤。由此,本实施例描述的方案将三维点云数据反投影到彩色图像所在的平面上,得到二维点云数据,根据二维点云数据分布精准计算待检测目标在彩色图像中的检测框,并从检测框中提取待检测目标的关键点坐标,即使彩色图像中目标被部分遮挡,也能够提取出被遮挡部分的关键点坐标,提高了关键点检测效果。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种用于检测关键点的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于检测关键点的装置400可以包括:图像获取单元401、三维点云数据生成单元402和关键点坐标生成单元403。其中,图像获取单元401,被配置成获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;三维点云数据生成单元402,被配置成对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;关键点坐标生成单元403,被配置成基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。
在本实施例中,用于检测关键点的装置400中:图像获取单元401、三维点云数据生成单元402和关键点坐标生成单元403的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,深度图像和彩色图像是多个角度的深度摄像头采集的;以及三维点云数据生成单元402,包括:参数获取子单元(图中未示出),被配置成获取深度摄像头对应的相机内外标定参数;三维点云数据生成子单元(图中未示出),被配置成基于相机内外标定参数,将深度图像投影到三维空间内,得到待检测目标的三维点云数据。
在本实施例的一些可选的实现方式中,关键点坐标生成单元403包括:二维点云数据生成子单元(图中未示出),被配置成基于相机内外标定参数,将三维点云数据反投影到彩色图像所在的平面上,得到二维点云数据;检测框确定子单元(图中未示出),被配置成基于二维点云数据,确定彩色图像中的待检测目标的检测框;二维坐标提取子单元(图中未示出),被配置成从检测框中提取待检测目标的关键点二维坐标;三维坐标计算子单元(图中未示出),被配置成基于关键点二维坐标和相机内外标定参数,计算待检测目标的关键点三维坐标。
在本实施例的一些可选的实现方式中,二维坐标提取子单元包括:图像区域剪裁模块(图中未示出),被配置成从彩色图像中剪裁出检测框对应的图像区域;二维坐标生成模块(图中未示出),被配置成将图像区域输入至预先训练的关键点检测模型,得到待检测目标的关键点二维坐标。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器105)的计算机***500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括图像获取单元、三维点云数据生成单元和关键点坐标生成单元。其中,这些单元的名称在种情况下并不构成对该单元本身的限定,例如,图像获取单元还可以被描述为“获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;对深度图像进行三维点云聚类,生成待检测目标的三维点云数据;基于三维点云数据和彩色图像,生成待检测目标的关键点坐标。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于检测关键点的方法,包括:
获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;
对所述深度图像进行三维点云聚类,生成所述待检测目标的三维点云数据;
基于所述三维点云数据和所述彩色图像,生成所述待检测目标的关键点坐标。
2.根据权利要求1所述的方法,其中,所述深度图像和所述彩色图像是所述多个角度的深度摄像头采集的;以及
所述对所述深度图像进行三维点云聚类,生成所述待检测目标的三维点云数据,包括:
获取所述深度摄像头对应的相机内外标定参数;
基于所述相机内外标定参数,将所述深度图像投影到三维空间内,得到所述待检测目标的三维点云数据。
3.根据权利要求2所述的方法,其中,所述基于所述三维点云数据和所述彩色图像,生成所述待检测目标的关键点坐标,包括:
基于所述相机内外标定参数,将所述三维点云数据反投影到所述彩色图像所在的平面上,得到二维点云数据;
基于所述二维点云数据,确定所述彩色图像中的所述待检测目标的检测框;
从所述检测框中提取所述待检测目标的关键点二维坐标;
基于所述关键点二维坐标和所述相机内外标定参数,计算所述待检测目标的关键点三维坐标。
4.根据权利要求3所述的方法,其中,所述从所述检测框中提取所述待检测目标的关键点二维坐标,包括:
从所述彩色图像中剪裁出所述检测框对应的图像区域;
将所述图像区域输入至预先训练的关键点检测模型,得到所述待检测目标的关键点二维坐标。
5.一种用于检测关键点的装置,包括:
图像获取单元,被配置成获取在多个角度对待检测目标进行采集所得到的深度图像和彩色图像;
三维点云数据生成单元,被配置成对所述深度图像进行三维点云聚类,生成所述待检测目标的三维点云数据;
关键点坐标生成单元,被配置成基于所述三维点云数据和所述彩色图像,生成所述待检测目标的关键点坐标。
6.根据权利要求5所述的装置,其中,所述深度图像和所述彩色图像是所述多个角度的深度摄像头采集的;以及
所述三维点云数据生成单元,包括:
参数获取子单元,被配置成获取所述深度摄像头对应的相机内外标定参数;
三维点云数据生成子单元,被配置成基于所述相机内外标定参数,将所述深度图像投影到三维空间内,得到所述待检测目标的三维点云数据。
7.根据权利要求6所述的装置,其中,所述关键点坐标生成单元包括:
二维点云数据生成子单元,被配置成基于所述相机内外标定参数,将所述三维点云数据反投影到所述彩色图像所在的平面上,得到二维点云数据;
检测框确定子单元,被配置成基于所述二维点云数据,确定所述彩色图像中的所述待检测目标的检测框;
二维坐标提取子单元,被配置成从所述检测框中提取所述待检测目标的关键点二维坐标;
三维坐标计算子单元,被配置成基于所述关键点二维坐标和所述相机内外标定参数,计算所述待检测目标的关键点三维坐标。
8.根据权利要求7所述的装置,其中,所述二维坐标提取子单元包括:
图像区域剪裁模块,被配置成从所述彩色图像中剪裁出所述检测框对应的图像区域;
二维坐标生成模块,被配置成将所述图像区域输入至预先训练的关键点检测模型,得到所述待检测目标的关键点二维坐标。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750139.0A CN110427917B (zh) | 2019-08-14 | 2019-08-14 | 用于检测关键点的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750139.0A CN110427917B (zh) | 2019-08-14 | 2019-08-14 | 用于检测关键点的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427917A true CN110427917A (zh) | 2019-11-08 |
CN110427917B CN110427917B (zh) | 2022-03-22 |
Family
ID=68414702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910750139.0A Active CN110427917B (zh) | 2019-08-14 | 2019-08-14 | 用于检测关键点的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427917B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028283A (zh) * | 2019-12-11 | 2020-04-17 | 北京迈格威科技有限公司 | 图像检测方法、装置、设备及可读存储介质 |
CN111079597A (zh) * | 2019-12-05 | 2020-04-28 | 联想(北京)有限公司 | 三维信息检测方法及电子设备 |
CN111179328A (zh) * | 2019-12-31 | 2020-05-19 | 智车优行科技(上海)有限公司 | 数据同步标定方法、装置、可读存储介质及电子设备 |
CN111199198A (zh) * | 2019-12-27 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111222401A (zh) * | 2019-11-14 | 2020-06-02 | 北京华捷艾米科技有限公司 | 一种手部关键点三维坐标的识别方法及装置 |
CN111339880A (zh) * | 2020-02-19 | 2020-06-26 | 北京市商汤科技开发有限公司 | 一种目标检测方法及装置、电子设备和存储介质 |
CN111523468A (zh) * | 2020-04-23 | 2020-08-11 | 北京百度网讯科技有限公司 | 人体关键点识别方法和装置 |
CN111582240A (zh) * | 2020-05-29 | 2020-08-25 | 上海依图网络科技有限公司 | 一种对象数量的识别方法、装置、设备和介质 |
CN111723688A (zh) * | 2020-06-02 | 2020-09-29 | 北京的卢深视科技有限公司 | 人体动作识别结果的评价方法、装置和电子设备 |
CN111797745A (zh) * | 2020-06-28 | 2020-10-20 | 北京百度网讯科技有限公司 | 一种物体检测模型的训练及预测方法、装置、设备及介质 |
CN112053427A (zh) * | 2020-10-15 | 2020-12-08 | 珠海格力智能装备有限公司 | 一种点云的特征提取方法、装置、设备及可读存储介质 |
CN112489126A (zh) * | 2020-12-10 | 2021-03-12 | 浙江商汤科技开发有限公司 | 车辆关键点信息检测方法、车辆控制方法及装置、车辆 |
CN112668460A (zh) * | 2020-12-25 | 2021-04-16 | 北京百度网讯科技有限公司 | 目标检测方法、电子设备、路侧设备和云控平台 |
CN113312947A (zh) * | 2020-02-27 | 2021-08-27 | 北京沃东天骏信息技术有限公司 | 一种确定行为对象的方法和装置 |
CN113344917A (zh) * | 2021-07-28 | 2021-09-03 | 浙江华睿科技股份有限公司 | 一种检测方法、装置、电子设备及存储介质 |
CN113763465A (zh) * | 2020-06-02 | 2021-12-07 | 中移(成都)信息通信科技有限公司 | 垃圾确定***、模型训练的方法、确定的方法、装置 |
WO2022011560A1 (zh) * | 2020-07-14 | 2022-01-20 | Oppo广东移动通信有限公司 | 图像裁剪方法与装置、电子设备及存储介质 |
US20230033177A1 (en) * | 2021-07-30 | 2023-02-02 | Zoox, Inc. | Three-dimensional point clouds based on images and depth data |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692236A (zh) * | 2012-05-16 | 2012-09-26 | 浙江大学 | 基于rgb-d相机的视觉里程计方法 |
US20130163879A1 (en) * | 2010-08-30 | 2013-06-27 | Bk-Imaging Ltd. | Method and system for extracting three-dimensional information |
US20140285485A1 (en) * | 2013-03-25 | 2014-09-25 | Superd Co. Ltd. | Two-dimensional (2d)/three-dimensional (3d) image processing method and system |
CN106709947A (zh) * | 2016-12-20 | 2017-05-24 | 西安交通大学 | 一种基于rgbd相机的三维人体快速建模*** |
CN106778628A (zh) * | 2016-12-21 | 2017-05-31 | 张维忠 | 一种基于tof深度相机的面部表情捕捉方法 |
CN106909875A (zh) * | 2016-09-12 | 2017-06-30 | 湖南拓视觉信息技术有限公司 | 人脸脸型分类方法和*** |
CN107368778A (zh) * | 2017-06-02 | 2017-11-21 | 深圳奥比中光科技有限公司 | 人脸表情的捕捉方法、装置及存储装置 |
US20180068178A1 (en) * | 2016-09-05 | 2018-03-08 | Max-Planck-Gesellschaft Zur Förderung D. Wissenschaften E.V. | Real-time Expression Transfer for Facial Reenactment |
CN107852533A (zh) * | 2015-07-14 | 2018-03-27 | 三星电子株式会社 | 三维内容生成装置及其三维内容生成方法 |
CN108510530A (zh) * | 2017-02-28 | 2018-09-07 | 深圳市朗驰欣创科技股份有限公司 | 一种三维点云匹配方法及其*** |
CN108830150A (zh) * | 2018-05-07 | 2018-11-16 | 山东师范大学 | 一种基于三维人体姿态估计方法及装置 |
CN108876881A (zh) * | 2018-06-04 | 2018-11-23 | 浙江大学 | 基于Kinect的体型自适应三维虚拟人体模型构建方法及动画*** |
-
2019
- 2019-08-14 CN CN201910750139.0A patent/CN110427917B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130163879A1 (en) * | 2010-08-30 | 2013-06-27 | Bk-Imaging Ltd. | Method and system for extracting three-dimensional information |
CN102692236A (zh) * | 2012-05-16 | 2012-09-26 | 浙江大学 | 基于rgb-d相机的视觉里程计方法 |
US20140285485A1 (en) * | 2013-03-25 | 2014-09-25 | Superd Co. Ltd. | Two-dimensional (2d)/three-dimensional (3d) image processing method and system |
CN107852533A (zh) * | 2015-07-14 | 2018-03-27 | 三星电子株式会社 | 三维内容生成装置及其三维内容生成方法 |
US20180068178A1 (en) * | 2016-09-05 | 2018-03-08 | Max-Planck-Gesellschaft Zur Förderung D. Wissenschaften E.V. | Real-time Expression Transfer for Facial Reenactment |
CN106909875A (zh) * | 2016-09-12 | 2017-06-30 | 湖南拓视觉信息技术有限公司 | 人脸脸型分类方法和*** |
CN106709947A (zh) * | 2016-12-20 | 2017-05-24 | 西安交通大学 | 一种基于rgbd相机的三维人体快速建模*** |
CN106778628A (zh) * | 2016-12-21 | 2017-05-31 | 张维忠 | 一种基于tof深度相机的面部表情捕捉方法 |
CN108510530A (zh) * | 2017-02-28 | 2018-09-07 | 深圳市朗驰欣创科技股份有限公司 | 一种三维点云匹配方法及其*** |
CN107368778A (zh) * | 2017-06-02 | 2017-11-21 | 深圳奥比中光科技有限公司 | 人脸表情的捕捉方法、装置及存储装置 |
CN108830150A (zh) * | 2018-05-07 | 2018-11-16 | 山东师范大学 | 一种基于三维人体姿态估计方法及装置 |
CN108876881A (zh) * | 2018-06-04 | 2018-11-23 | 浙江大学 | 基于Kinect的体型自适应三维虚拟人体模型构建方法及动画*** |
Non-Patent Citations (2)
Title |
---|
S SALTI,ET.AL: "A performance evaluation of 3D keypoint detectors", 《IN 2011 INTERNATIONAL CONFERENCE ON 3D IMAGING,MODELING,PROCESSING,VISUALIZATION AND TRANSMISSION》 * |
张凯霖: "基于点云配准的3D物体检测与定位", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222401A (zh) * | 2019-11-14 | 2020-06-02 | 北京华捷艾米科技有限公司 | 一种手部关键点三维坐标的识别方法及装置 |
CN111222401B (zh) * | 2019-11-14 | 2023-08-22 | 北京华捷艾米科技有限公司 | 一种手部关键点三维坐标的识别方法及装置 |
CN111079597A (zh) * | 2019-12-05 | 2020-04-28 | 联想(北京)有限公司 | 三维信息检测方法及电子设备 |
CN111028283A (zh) * | 2019-12-11 | 2020-04-17 | 北京迈格威科技有限公司 | 图像检测方法、装置、设备及可读存储介质 |
CN111028283B (zh) * | 2019-12-11 | 2024-01-12 | 北京迈格威科技有限公司 | 图像检测方法、装置、设备及可读存储介质 |
CN111199198B (zh) * | 2019-12-27 | 2023-08-04 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111199198A (zh) * | 2019-12-27 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111179328A (zh) * | 2019-12-31 | 2020-05-19 | 智车优行科技(上海)有限公司 | 数据同步标定方法、装置、可读存储介质及电子设备 |
CN111179328B (zh) * | 2019-12-31 | 2023-09-08 | 智车优行科技(上海)有限公司 | 数据同步标定方法、装置、可读存储介质及电子设备 |
CN111339880A (zh) * | 2020-02-19 | 2020-06-26 | 北京市商汤科技开发有限公司 | 一种目标检测方法及装置、电子设备和存储介质 |
CN113312947A (zh) * | 2020-02-27 | 2021-08-27 | 北京沃东天骏信息技术有限公司 | 一种确定行为对象的方法和装置 |
CN111523468B (zh) * | 2020-04-23 | 2023-08-08 | 北京百度网讯科技有限公司 | 人体关键点识别方法和装置 |
CN111523468A (zh) * | 2020-04-23 | 2020-08-11 | 北京百度网讯科技有限公司 | 人体关键点识别方法和装置 |
CN111582240A (zh) * | 2020-05-29 | 2020-08-25 | 上海依图网络科技有限公司 | 一种对象数量的识别方法、装置、设备和介质 |
CN111582240B (zh) * | 2020-05-29 | 2023-08-08 | 上海依图网络科技有限公司 | 一种对象数量的识别方法、装置、设备和介质 |
CN111723688A (zh) * | 2020-06-02 | 2020-09-29 | 北京的卢深视科技有限公司 | 人体动作识别结果的评价方法、装置和电子设备 |
CN113763465A (zh) * | 2020-06-02 | 2021-12-07 | 中移(成都)信息通信科技有限公司 | 垃圾确定***、模型训练的方法、确定的方法、装置 |
CN111797745A (zh) * | 2020-06-28 | 2020-10-20 | 北京百度网讯科技有限公司 | 一种物体检测模型的训练及预测方法、装置、设备及介质 |
WO2022011560A1 (zh) * | 2020-07-14 | 2022-01-20 | Oppo广东移动通信有限公司 | 图像裁剪方法与装置、电子设备及存储介质 |
CN112053427A (zh) * | 2020-10-15 | 2020-12-08 | 珠海格力智能装备有限公司 | 一种点云的特征提取方法、装置、设备及可读存储介质 |
CN112489126B (zh) * | 2020-12-10 | 2023-09-19 | 浙江商汤科技开发有限公司 | 车辆关键点信息检测方法、车辆控制方法及装置、车辆 |
CN112489126A (zh) * | 2020-12-10 | 2021-03-12 | 浙江商汤科技开发有限公司 | 车辆关键点信息检测方法、车辆控制方法及装置、车辆 |
CN112668460A (zh) * | 2020-12-25 | 2021-04-16 | 北京百度网讯科技有限公司 | 目标检测方法、电子设备、路侧设备和云控平台 |
US11721042B2 (en) | 2020-12-25 | 2023-08-08 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Target detection method, electronic device and medium |
CN113344917B (zh) * | 2021-07-28 | 2021-11-23 | 浙江华睿科技股份有限公司 | 一种检测方法、装置、电子设备及存储介质 |
CN113344917A (zh) * | 2021-07-28 | 2021-09-03 | 浙江华睿科技股份有限公司 | 一种检测方法、装置、电子设备及存储介质 |
US20230033177A1 (en) * | 2021-07-30 | 2023-02-02 | Zoox, Inc. | Three-dimensional point clouds based on images and depth data |
Also Published As
Publication number | Publication date |
---|---|
CN110427917B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427917A (zh) | 用于检测关键点的方法和装置 | |
CN108154196B (zh) | 用于输出图像的方法和装置 | |
US9129435B2 (en) | Method for creating 3-D models by stitching multiple partial 3-D models | |
CN103582893B (zh) | 用于增强现实表示的二维图像获取 | |
US20180276241A1 (en) | System and method for telecom inventory management | |
CN110400363A (zh) | 基于激光点云的地图构建方法和装置 | |
CN108694882A (zh) | 用于标注地图的方法、装置和设备 | |
WO2012176945A1 (ko) | 차량 주변 시각화를 위한 3차원 영상 합성장치 및 그 방법 | |
CN107516294A (zh) | 拼接图像的方法和装置 | |
CN109285188A (zh) | 用于生成目标物体的位置信息的方法和装置 | |
JP2017021328A (ja) | カメラの空間特性を決定する方法及びシステム | |
CN110866977B (zh) | 增强现实处理方法及装置、***、存储介质和电子设备 | |
CN109961501A (zh) | 用于建立三维立体模型的方法和装置 | |
CN110472460A (zh) | 人脸图像处理方法及装置 | |
WO2020253716A1 (zh) | 图像生成方法和装置 | |
KR20120076175A (ko) | 고유식별 정보를 이용한 3차원 실시간 거리뷰시스템 | |
US20180020203A1 (en) | Information processing apparatus, method for panoramic image display, and non-transitory computer-readable storage medium | |
CN111080704B (zh) | 视频增强现实的方法及装置 | |
CN109978753A (zh) | 绘制全景热力图的方法和装置 | |
CN110231832A (zh) | 用于无人机的避障方法和避障装置 | |
CN108597034A (zh) | 用于生成信息的方法和装置 | |
CN114898044A (zh) | 检测对象成像方法、装置、设备及介质 | |
CN109034214B (zh) | 用于生成标记的方法和装置 | |
CN110287161A (zh) | 图像处理方法和装置 | |
CN110110696A (zh) | 用于处理信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |