CN113129423B - 车辆三维模型的获取方法、装置、电子设备和存储介质 - Google Patents
车辆三维模型的获取方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113129423B CN113129423B CN201911400173.1A CN201911400173A CN113129423B CN 113129423 B CN113129423 B CN 113129423B CN 201911400173 A CN201911400173 A CN 201911400173A CN 113129423 B CN113129423 B CN 113129423B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- preset
- dimensional model
- vehicle
- component
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000006243 chemical reaction Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 description 20
- 238000004590 computer program Methods 0.000 description 10
- 238000010276 construction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种车辆三维模型的获取方法、装置、电子设备和存储介质,涉及自动驾驶领域。具体实现方案为:获取车辆行驶过程中采集的图像,图像中包括其他车辆的部件;根据部件在图像中的二维坐标,以及预设三维模型中与部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数;根据预设三维模型和转化系数,生成其他车辆的三维模型。本申请中的方法可以根据预设三维模型与采集的图像中的部件的坐标的映射,进而构建图像中的车辆的三维模型,能够提高三维模型的准确性。
Description
技术领域
本申请涉及自动驾驶领域,尤其涉及自动驾驶领域中的车辆三维模型的获取方法、装置、电子设备和存储介质。
背景技术
自动驾驶车辆在行驶过程中需要对周围的环境进行实时三维感知,例如实时获取周围环境中的车辆、绿化带、交通标志牌等的三维模型,以进行正确的驾驶决策。
现有技术中,自动驾驶车辆可以实时获取周围环境的二维图像,根据二维图像和预先设置的深度模型网络,获取二维图像中车辆的每个位置距离自动驾驶车辆的距离,以获取二维图像中的车辆的三维点云数据,进而根据三维点云数据构建车辆的三维模型。
但现有技术的方法中依靠单张图像对车辆进行三维重建,受限于该单张图像的视角等原因,重建的三维点云稀疏且不准确,使得构建的三维模型不准确。
发明内容
本申请提供一种车辆三维模型的获取方法、装置、电子设备和存储介质,可以提高构建的车辆的三维模型的准确性。
本申请第一方面提供一种车辆三维模型的获取方法,包括:获取车辆行驶过程中采集的图像,所述图像中包括其他车辆的部件;根据所述部件在所述图像中的二维坐标,以及预设三维模型中与所述部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数;根据所述预设三维模型和所述转化系数,生成所述其他车辆的三维模型。
本实施例中通过图像中车辆的部件与该预设三维模型的预设部件的坐标对应关系,对预设三维模型进行调整,以获取图像中的车辆的三维模型,且能够达到提高车辆的三维模型的准确性、降低成本的目的。
在一种可能的设计中,所述获取车辆行驶过程中采集的图像之后,还包括:对所述图像进行语义分割,确定包含有所述部件的像素区域;在所述像素区域抽取至少两个第一特征点;在所述预设部件中获取每个所述第一特征点对应的第二特征点。
对应的,所述根据所述部件在所述图像中的二维坐标,以及预设三维模型中与所述部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数,包括:根据所述至少两个第一特征点的二维坐标、每个所述第二特征点的三维坐标,以及所述预设三维模型中每个位置的三维坐标与每个所述预设部件的二维模板中每个位置的二维坐标的映射关系,获取所述转化系数,所述转化系数用于将每个所述第一特征点的二维坐标转化成三维坐标,所述第一特征点的转化后的三维坐标的二维投影坐标与所述第一特征点对应的第二特征点的二维坐标相同。
在该设计中,根据图像中的特征点和三维预设模型中的特征点的选取和匹配,可以提高获取的转化系数的精度。
在一种可能的设计中,在所述像素区域抽取至少两个第一特征点,包括:在所述像素区域的边缘抽取所述至少两个第一特征点。
在该设计中,鉴于像素区域的边缘可以表征部件的形状特征,因此在所述像素区域的边缘抽取所述至少两个第一特征点也可以提高特征点的匹配度,以获取高精度的转化系数。
在一种可能的设计中,所述方法还包括:构建所述预设三维模型;将所述预设三维模型展开,获取所述预设三维模型的二维平面图,以及所述二维平面图中每个位置的二维坐标;根据所述二维平面图和所述二维平面图中每个位置的二维坐标,获取K个预设部件的二维模板,以及每个所述预设部件的二维模板中每个位置的二维坐标;将所述预设三维模型中每个位置的三维坐标与每个所述预设部件的二维模板中每个位置的二维坐标进行映射,得到所述映射关系。
在该设计中将该M个区块划分为K个预设部件,预设部件,如前脸、左前轮胎,之间的特征的差异性大,能够有效提取部件的特征,便于在实际应用过程中的识别、分割和三维构建。
在一种可能的设计中,所述根据所述二维平面图和所述二维平面图中每个位置的二维坐标,获取至少一个预设部件的二维模板,以及每个所述预设部件的二维模板中每个位置的二维坐标,包括:将所述二维平面图拆分成具有预设尺寸的M个区块,所述M为大于2的整数;根据用户对所述M个区块的选择指示,将所述M个区块划分为K个预设部件的二维模板,所述K为小于所述M且大于1的整数;根据所述二维平面图中每个位置的二维坐标,获取每个所述预设部件的二维模板中每个位置的二维坐标。
在一种可能的设计中,所述构建所述预设三维模型之后,还包括:获取所述预设三维模型的特征向量;所述根据所述预设三维模型和所述转化系数,生成所述其他车辆的三维模型,包括:根据所述预设三维模型的特征向量和所述转化系数,生成所述其他车辆的三维模型。
在一种可能的设计中,所述方法还包括:根据所述图像,确定所述其他车辆的类型;根据所述其他车辆的类型,在三维模型库中确定与所述其他车辆的类型相同的所述预设三维模型,所述三维模型库包括至少两种类型的车辆的预设三维模型。
在该设计中,可以预先构建不同类型的车辆的预设三维模型,基于图像中的车辆的类型,采用与该车辆的类型对应的预设三维模型,能够实现对不同类型的车辆三维模型的构建。
本申请的第二方面提供车辆三维模型的获取装置,包括:
第一处理模块,用于获取车辆行驶过程中采集的图像,所述图像中包括其他车辆的部件;第二处理模块,用于根据所述部件在所述图像中的二维坐标,以及预设三维模型中与所述部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数,且根据所述预设三维模型和所述转化系数,生成所述其他车辆的三维模型。
在一种可能的设计中,所述第二处理模块,还用于对所述图像进行语义分割,确定包含有所述部件的像素区域;在所述像素区域抽取至少两个第一特征点;在所述预设部件中获取每个所述第一特征点对应的第二特征点。
在一种可能的设计中,所述第二处理模块,具体用于根据所述至少两个第一特征点的二维坐标、每个所述第二特征点的三维坐标,以及所述预设三维模型中每个位置的三维坐标与每个所述预设部件的二维模板中每个位置的二维坐标的映射关系,获取所述转化系数,所述转化系数用于将每个所述第一特征点的二维坐标转化成三维坐标,所述第一特征点的转化后的三维坐标的二维投影坐标与所述第一特征点对应的第二特征点的二维坐标相同。
在一种可能的设计中,所述第二处理模块,具体用于在所述像素区域的边缘抽取所述至少两个第一特征点。
在一种可能的设计中,所述第二处理模块,还用于构建所述预设三维模型,且将所述预设三维模型展开,获取所述预设三维模型的二维平面图,以及所述二维平面图中每个位置的二维坐标,并根据所述二维平面图和所述二维平面图中每个位置的二维坐标,获取K个预设部件的二维模板,以及每个所述预设部件的二维模板中每个位置的二维坐标;将所述预设三维模型中每个位置的三维坐标与每个所述预设部件的二维模板中每个位置的二维坐标进行映射,得到所述映射关系。
在一种可能的设计中,所述第二处理模块,具体用于将所述二维平面图拆分成具有预设尺寸的M个区块,所述M为大于2的整数;根据用户对所述M个区块的选择指示,将所述M个区块划分为K个预设部件的二维模板,所述K为小于所述M且大于1的整数;根据所述二维平面图中每个位置的二维坐标,获取每个所述预设部件的二维模板中每个位置的二维坐标。
在一种可能的设计中,所述第二处理模块,还用于获取所述预设三维模型的特征向量。
对应的,所述第二处理模块,具体用于根据所述预设三维模型的特征向量和所述转化系数,生成所述其他车辆的三维模型。
在一种可能的设计中,所述第二处理模块,还用于根据所述图像,确定所述其他车辆的类型;根据所述其他车辆的类型,在三维模型库中确定与所述其他车辆的类型相同的所述预设三维模型,所述三维模型库包括至少两种类型的车辆的预设三维模型。
上述第二方面以及各可能的设计提供的车辆三维模型的获取装置,其有益效果可以参见上述第一方面以及各可能的设计所带来的有益效果,在此不加赘述。
本申请的第三方面提供一种电子设备,包括:至少一个处理器和存储器;所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述电子设备执行上述第一方面的车辆三维模型的获取方法。
本申请的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现上述第一方面的车辆三维模型的获取方法。
本申请的第五方面提供一种计算机程序产品,所述程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请提供的车辆三维模型的获取方法的实施例一的流程示意图;
图2A是本申请提供的预设三维模型的示意图;
图2B是本申请中划分的18个预设部件的二维模板的示意图;
图3是本申请中提供的预设三维模型和三种车型的车辆的三维模型的对比示意图;
图4是本申请提供的车辆三维模型的获取方法的实施例二的流程示意图;
图5是本申请提供的车辆三维模型的获取装置的结构示意图;
图6是本申请提供的电子设备的结构示意图。
附图标记说明:
1-前脸;
2-轮胎;
3-引擎盖;
4-右前轮胎;
5-左后视镜;
6-右后视镜;
7-挡风玻璃;
8-左门;
9-左窗;
10-车顶盖;
11-右窗;
12-右门;
13-底盘;
14-后窗;
15-左后轮胎;
16-后备箱;
17-右后轮胎;
18-后保险杠。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
为了更为清楚地对本申请提供的车辆三维模型的获取方法进行说明,下面对现有技术中的车辆三维模型的构建方法进行介绍。上述背景技术中的方法使得构建的三维模型准确度低、粗糙。
为了解决该问题,现有技术中还提供了一种车辆三维模型的构建方法,具体包括:构建包含有大量的车辆的三维模型的集合,该集合中包括各种类型的车辆的三维模型。在自动驾驶过程中,根据采集的图像获取图像中的车辆的类型(如车辆的型号),进而在该集合中进行该车辆的三维模型的检索,以获取该图像中的车辆的三维模型。
但该方法需要预先构建大量的车辆的三维模型,而每个模型的构建需要耗费大量的人力、物力,成本高。
为了解决现有技术中的技术问题,本申请提供了一种车辆三维模型的获取方法,通过车辆在驾驶过程中采集的二维图像,且结合本申请中预先构建的一个预设三维模型,对图像中的车辆进行三维模型的构建,能够达到提高车辆的三维模型的准确性、降低成本的目的。
应理解,本实施例中的车辆三维模型的获取方法的执行主体可以为车辆三维模型的获取装置,该车辆三维模型的获取装置可以单独设置或集成于车辆的控制***设置,其该车辆三维模型的获取装置可由任意的软件和/或硬件实现。下述实施例为了简便,以车辆(车辆中的车辆三维模型的获取装置)为执行主体为例,对该车辆三维模型的获取方法进行说明。
下述结合具体的实施例对本申请提供的车辆三维模型的获取方法进行说明。图1是本申请提供的车辆三维模型的获取方法的实施例一的流程示意图。如图1所示,本实施例提供的车辆三维模型的获取方法可以包括:
S101,获取车辆行驶过程中采集的图像,图像中包括其他车辆的部件。
本实施例中,车辆可以在行驶过程中采集车辆周围的环境的图像。具体的,车辆上可以集成有拍摄装置,如该拍摄装置可以为摄像头、行车记录仪等可以获取图像的装置。
其中,车辆在行驶过程中采集的图像中包括有其他车辆的部件。本实施例中的部件指的是车辆的***的部件,如车轮胎、车门、后备箱、后视镜等车辆的***设置的部件。需要注意的是,本实施例中的车辆的部件与传统的车辆的零部件(如发动机配件、传动系配件)等不同。可以理解的是,车辆在行驶过程中获取的其他车辆的图像也应是该其他车辆***的部件。
本实施例中,车辆可以对行驶过程中采集的所有的图像进行语义分割,在确定图像中包含有其他车辆的部件时,执行本实施例中的车辆三维模型的获取方法。应理解,对图像进行语义分割的具体方式可以为:预先构建语义分割模型,该模型用于对输入的图像中的像素块进行分类,即将属于同一对象的像素块标记为该对象。本实施例中的对象可以为车辆的部件,如车辆的前脸(车灯、车标、车牌、栅格)、轮胎、引擎盖、后视镜、挡风玻璃、车门、车窗、车顶盖、底盘、后备箱、保险杠等部件。本实施例中对如何构建语义分割模型,以及如何对图像进行分割的具体方式不做限制。
S102,根据部件在图像中的二维坐标,以及预设三维模型中与部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数。
本实施例中车辆中可以预先存储有预设三维模型,以及该预设三维模型中每个预设部件(为了与图像中的车辆的部件区分,此处为预设部件)的每个位置的三维坐标。
可选的,该预设三维模型可以是根据测试车辆的信息,通过建模的方式预先构建并存储在车辆中的。其中,测试车辆可以为任一型号的车辆,车辆的信息可以包括:每个部件的尺寸、形状等。可选的,构建该预设三维模型的装置可以为模型构建装置或车辆,如工作人员的计算机等电子设备。模型构建装置在构建该预设三维模型后,可以将该构建该预设三维模型发送给车辆。
在车辆获取的图像中包括其他车辆的部件时,可以获取该部件在图像中的二维坐标,该二维坐标为部件在图像中的像素坐标。其中,部件在图像中的二维坐标可以为部件中的多个位置的二维坐标。如该多个位置可以为部件中具有拐点的位置,或该多个位置可以为将部件均分成多份时,每份中的中心位置。可选的,部件的位置的选择方式可以根据部件的特征预定义。
本实施例中以图像中的部件为后备箱为例进行说明:车辆可以获取后备箱在图像中的多个位置的二维坐标,以及获取预设三维模型中后备箱的该对应的多个位置的三维坐标,将选取的多个位置进行一一映射,确定图像中的后备箱中该多个位置中每个位置的二维坐标对应的预设部件中每个位置的三维坐标。应理解,三维模型中部件的多个位置的选择方式与图像中的部件的多个位置的选择方式相同。
进一步的,根据一一映射的每个位置的二维坐标和三维坐标,获取二维坐标和三维坐标的转化系数。其中,该转化系数用于表征将图像中的每个位置转化为对应的预设模型中的每个位置需要的转化系数,也可以表征将预设模型中的每个位置进行转化系数的转化后获取图像中的每个位置需要的转化系数。示例性的,该转化系数可以表征将图像中的后备箱转化为三维模型中的后备箱需要的系数。
可选的,上述的图像中部件的多个位置可以为部件的特征点。具体的,本实施例中可以在对图像进行语义分割,确定包含有部件的像素区域中抽取部件的至少两个第一特征点。进而在预设部件中获取每个第一特征点对应的第二特征点。其中,第一特征点的抽取方式可以采用SIFT检测算子、SURF检测算子、FAST特征检测方式、Harris检测方式等抽取,获取与每个第一特征点对应的第二特征点的过程可以为特征点匹配的过程,可以采用特征点的描述子的匹配方式进行。可选的,本实施例中可以在像素区域的边缘抽取至少两个第一特征点。
对应的,上述获取转化系数的具体方式可以转化为:根据至少两个第一特征点的二维坐标、每个第二特征点的三维坐标,获取转化系数。具体的,可以根据至少两个第一特征点的二维坐标、每个第二特征点的三维坐标,以及映射关系,获取转化系数。其中,该映射关系为:预设三维模型中每个位置的三维坐标与每个预设部件的二维模板中每个位置的二维坐标的映射关系。
其中,转化系数用于将每个第一特征点的二维坐标转化成三维坐标,第一特征点的转化后的三维坐标的二维投影坐标与第一特征点对应的第二特征点的二维坐标相同。即转化系数用于表征将图像中的二维部件转化为预设三维模型中的预设部件的转化系数,二维部件转化后对应的三维模型的投影可以与预设三维模型对应的二维模板重叠。
本实施例中以预设三维模型为车辆,下面对该预设三维模型对应的二维模板,以及预设三维模型和二维模板的映射关系进行详细说明。
上述对如何构建预设三维模型进行了说明,在预设三维模型构建完成后,可以将该预设三维模型展开在二维坐标系中,获取预设三维模型的二维平面图,以及二维平面图中每个位置的二维坐标。
本实施例中,可以根据二维平面图和二维平面图中每个位置的二维坐标,获取K个预设部件的二维模板,以及每个预设部件的二维模板中每个位置的二维坐标。可选的,K个预设部件可以是工作人员在二维平面图中选择确定的。
应理解,在将预设三维模型展开在二维坐标系中时,获取的二维平面图可以为整体性的平面图,本实施例中可以将二维平面图拆分成具有预设尺寸的M个区块,M为大于2的整数。其中,每个区块的形状可以为三角形。示例性的,该M可以为341184,一个三角形的两个顶点之间的平均距离为0.018米左右。该二维平面图可以由172642个顶点、341184三角面片组成。
本实施例中可以根据用户对M个区块的选择指示,将M个区块划分为K个预设部件的二维模板,K为小于M且大于1的整数。应理解,构建预设三维模型的装置可以显示该M个区块,以使用户(工作人员)对M个区块进行部件的划分。示例性的,如可以将该M个区块划分为18个预设部件的二维模板,该18个部件分别为:前脸、左前轮胎、引擎盖、右前轮胎、左后视镜、右后视镜、挡风玻璃、左门、左窗、车顶盖、右窗、右门、底盘、后窗、左后轮胎、后备箱、右后轮胎、后保险杠。
本实施例中将上述M个区块划分为K个预设部件的目的在于:M个区块呈现在图像中太细或太小,区块之间的特征不明显,不便于区分。而将该M个区块划分为K个预设部件,预设部件,如前脸、左前轮胎,之间的特征的差异性大,能够有效提取部件的特征,便于在实际应用过程中的识别、分割和三维构建。
应理解,本实施例中在构建的预设三维模型也可以进行M个区块的划分。在该种场景下,将预设三维模型展开在二维坐标系中,可以直接获取包括M个区块的二维平面图,进而用户在该二维平面图中采用上述方式也同样可以进行K个预设部件的选取。
图2A是本申请提供的预设三维模型的示意图,图2B是本申请中划分的18个预设部件的二维模板的示意图。其中,图2B中二维模板的编号用于表征车辆的部件。应理解,图2A和图2B中以不同的灰度表征车辆的不同的部件。
依据上述所示,本实施例中可以获取预设三维模型的预设部件的二维模板中每个位置的二维坐标,据此可以将预设三维模型中每个位置的三维坐标与每个预设部件的二维模板中每个位置的二维坐标进行映射,得到映射关系。
S103,根据预设三维模型和转化系数,生成其他车辆的三维模型。
本实施例中,可以根据该转化系数对预设三维模型进行调整,以获取调整后的预设三维模型,该调整后的预设三维模型即为其他车辆的三维模型。
示例性的,如图像中的后备箱转化为预设的三维模型可以经转化系数的转变,即图像中的后备箱在尺寸或形状上与预设三维模型的后备箱具有对应的转化关系,如将预设三维模型的后备箱进行长度或凸起的调整,以获取图像中其他车辆的后备箱的三维模型。对应的,本实施例中还可以根据图像中的车辆的其他部件获取对应的三维模型。可选的,本实施例中还可以根据后备箱的三维模型的调整,对应调整车辆的其他部件。
上述的示例为可见示例,而本申请中对预设三维模型的调整实质上为对预设三维模型的特征向量的调整。上述的后备箱的调整仅为一种示例。本实施例中的预设三维模型的特征向量为用于表征车辆整体的特征的表示方式,为了便于理解,如特征向量可以表征车辆的长、宽或后备箱的凸起程度等。
本实施例中可以获取预设三维模型的特征向量,进而根据预设三维模型的特征向量和转化系数,生成其他车辆的三维模型。其中,根据转化系数,调整预设三维模型的特征向量,即可实现对预设三维模型的调整。
图3是本申请中提供的预设三维模型和三种车型的车辆的三维模型的对比示意图。如图3所示,示例性的,预设三维模型的特征向量包括三个,分别代表车辆的宽、长和高,转化系数相可以为“S()”的“()”中的三个符号,表征对代表车辆的宽、长和高的调整。
如,根据转化系数,确定车辆1的宽度相较于预设三维模型窄、车辆1的长度相较于预设三维模型长,且车辆1的高度相较于预设三维模型低,因此根据该转化系数,在该预设三维模型的基础上调整模型的宽、长和高。对应的,车辆1的转化系数为S(-,+,-),即对预设三维模型的宽进行变窄处理,对预设三维模型的长进行加长处理,以及对预设三维模型的高进行变低处理。
其中,“0”表征不对预设三维模型的特征向量进行处理,“+”和“-”均用于表征对预设三维模型的特征向量进行增加或减小处理,而其中增加或减小的程度与转化系数高于或低于系数阈值的程度相关。其中“+”的个数表征高于系数阈值的程度,同理,“-”的个数表征低于系数阈值的程度。系数阈值可以为预先定义的。
同理的,可以确定车辆2的宽度相较于预设三维模型窄、车辆2的长度相较于预设三维模型短,且车辆2的高度相较于预设三维模型高,因此根据该转化系数S(-,-,+),在该预设三维模型的基础上调整模型的宽、长和高。车辆3与上述同理。
据此,本实施例中,只要获取上述转化系数,即可以对预设三维模型进行调整,以获取图像中的车辆的三维模型。
本实施例提供的车辆三维模型的获取方法包括:获取车辆行驶过程中采集的图像,图像中包括其他车辆的部件;根据部件在图像中的二维坐标,以及预设三维模型中与部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数;根据预设三维模型和转化系数,生成其他车辆的三维模型。在自动驾驶过程中,本实施例通过图像中车辆的部件与该预设三维模型的预设部件的坐标对应关系,对预设三维模型进行调整,以获取图像中的车辆的三维模型,且能够达到提高车辆的三维模型的准确性、降低成本的目的。
在上述实施例的基础上,下面结合图4对本申请提供的车辆三维模型的获取方法进行进一步详细说明。图4是本申请提供的车辆三维模型的获取方法的实施例二的流程示意图。如图4所示,本实施例提供的车辆三维模型的获取方法可以包括:
S401,获取车辆行驶过程中采集的图像,图像中包括其他车辆的部件。
S402,根据图像,确定其他车辆的类型。
本实施例中,车辆的类型可以分为小轿车、轻卡、重卡、挂车等。其中,可以对图像中的车辆进行识别,以获取图像中的其他车辆的类型。可选的,本实施例中可以采用识别模型的方式识别图像中的其他车辆的类型。其中,识别模型可以为根据多个类型的车辆的图像训练获取,每个类型的车辆的图像可以预先标注车辆的类型。该识别模型用于表征图像中的像素块的特征与车辆的类型的对应关系,即将图像输入至该识别模型中,该模型可以输出该车辆的类型。
S403,根据其他车辆的类型,在三维模型库中确定与其他车辆的类型相同的预设三维模型,三维模型库包括至少两种类型的车辆的预设三维模型。
本实施例中,车辆中预先存储有三维模型库,该三维模型库包括至少两种类型的车辆的预设三维模型。如包括小轿车的预设三维模型、轻卡的预设三维模型等。因为该三维模型库中一种类型的车辆包含有一个预设三维模型,相较于现有技术中的构建的包含有多个车型的车辆的三维模型的集合,需要构建的三维模型的个数远远降低。
S404,根据部件在图像中的二维坐标,以及预设三维模型中与部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数。
S405,根据预设三维模型和转化系数,生成其他车辆的三维模型。
应理解,本实施例中的S401、S404-S405的实施方式可以参照上述实施例中S101-S103中的相关描述。
本实施例中,还可以预先构建不同类型的车辆的预设三维模型,基于图像中的车辆的类型,采用与该车辆的类型对应的预设三维模型,能够实现对不同类型的车辆三维模型的构建。
图5是本申请提供的车辆三维模型的获取装置的结构示意图。如图5所示,该车辆三维模型的获取装置500包括:第一处理模块501和第二处理模块502。
第一处理模块501,用于获取车辆行驶过程中采集的图像,图像中包括其他车辆的部件;
第二处理模块502,用于根据部件在图像中的二维坐标,以及预设三维模型中与部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数,且根据预设三维模型和转化系数,生成其他车辆的三维模型。
可选的,第二处理模块502,还用于对图像进行语义分割,确定包含有部件的像素区域;在像素区域抽取至少两个第一特征点;在预设部件中获取每个第一特征点对应的第二特征点。
对应的,第二处理模块502,具体用于根据至少两个第一特征点的二维坐标、每个第二特征点的三维坐标,以及预设三维模型中每个位置的三维坐标与每个预设部件的二维模板中每个位置的二维坐标的映射关系,获取转化系数,转化系数用于将每个第一特征点的二维坐标转化成三维坐标,第一特征点的转化后的三维坐标的二维投影坐标与第一特征点对应的第二特征点的二维坐标相同。
可选的,第二处理模块502,具体用于在像素区域的边缘抽取至少两个第一特征点。
可选的,第二处理模块502,还用于构建预设三维模型,且将预设三维模型展开,获取预设三维模型的二维平面图,以及二维平面图中每个位置的二维坐标,并根据二维平面图和二维平面图中每个位置的二维坐标,获取K个预设部件的二维模板,以及每个预设部件的二维模板中每个位置的二维坐标;将预设三维模型中每个位置的三维坐标与每个预设部件的二维模板中每个位置的二维坐标进行映射,得到映射关系。
可选的,第二处理模块502,具体用于将二维平面图拆分成具有预设尺寸的M个区块,M为大于2的整数;根据用户对M个区块的选择指示,将M个区块划分为K个预设部件的二维模板,K为小于M且大于1的整数;根据二维平面图中每个位置的二维坐标,获取每个预设部件的二维模板中每个位置的二维坐标。
可选的,第二处理模块502,还用于获取预设三维模型的特征向量。
对应的,第二处理模块502,具体用于根据预设三维模型的特征向量和转化系数,生成其他车辆的三维模型。
可选的,第二处理模块502,还用于根据图像,确定其他车辆的类型;根据其他车辆的类型,在三维模型库中确定与其他车辆的类型相同的预设三维模型,三维模型库包括至少两种类型的车辆的预设三维模型。
应理解,上述第一处理模块501和第二处理模块502可以为分开或一体设置的处理模块。
本实施例提供的车辆三维模型的获取装置与上述车辆三维模型的获取方法实现的原理和技术效果类似,在此不作赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例,本申请还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图6是本申请提供的电子设备的结构示意图。如图6所示,是根据本申请实施例的车辆三维模型的获取方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的车辆三维模型的获取方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车辆三维模型的获取方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车辆三维模型的获取方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及样本处理,即实现上述方法实施例中的车辆三维模型的获取方法。
存储器602可以包括存储程序区和存储样本区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储样本区可存储根据用于执行车辆三维模型的获取方法的电子设备的使用所创建的样本等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于执行车辆三维模型的获取方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆三维模型的获取方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于执行车辆三维模型的获取方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收样本和指令,并且将样本和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或样本提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或样本提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为样本服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字样本通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种车辆三维模型的获取方法,其特征在于,包括:
获取车辆行驶过程中采集的图像,所述图像中包括其他车辆的部件;
根据所述部件在所述图像中的二维坐标,以及预设三维模型中与所述部件对应的预设部件的三维坐标,获取所述部件在所述图像中的二维坐标和所述预设部件的三维坐标的转化系数;所述转化系数用于将预设模型中的每个位置转化为图像中的每个位置需要的转化系数;
根据所述预设三维模型和所述转化系数,生成所述其他车辆的三维模型。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆行驶过程中采集的图像之后,还包括:
对所述图像进行语义分割,确定包含有所述部件的像素区域;
在所述像素区域抽取至少两个第一特征点;
在所述预设部件中获取每个所述第一特征点对应的第二特征点;
所述根据所述部件在所述图像中的二维坐标,以及预设三维模型中与所述部件对应的预设部件的三维坐标,获取二维坐标和三维坐标的转化系数,包括:
根据所述至少两个第一特征点的二维坐标、每个所述第二特征点的三维坐标,以及所述预设三维模型中每个位置的三维坐标与每个所述预设部件的二维模板中每个位置的二维坐标的映射关系,获取所述转化系数。
3.根据权利要求2所述的方法,其特征在于,在所述像素区域抽取至少两个第一特征点,包括:
在所述像素区域的边缘抽取所述至少两个第一特征点。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
构建所述预设三维模型;
将所述预设三维模型展开,获取所述预设三维模型的二维平面图,以及所述二维平面图中每个位置的二维坐标;
根据所述二维平面图和所述二维平面图中每个位置的二维坐标,获取K个预设部件的二维模板,以及每个所述预设部件的二维模板中每个位置的二维坐标;
将所述预设三维模型中每个位置的三维坐标与每个所述预设部件的二维模板中每个位置的二维坐标进行映射,得到所述映射关系。
5.根据权利要求4所述的方法,其特征在于,所述根据所述二维平面图和所述二维平面图中每个位置的二维坐标,获取至少一个预设部件的二维模板,以及每个所述预设部件的二维模板中每个位置的二维坐标,包括:
将所述二维平面图拆分成具有预设尺寸的M个区块,所述M为大于2的整数;
根据用户对所述M个区块的选择指示,将所述M个区块划分为K个预设部件的二维模板,所述K为小于所述M且大于1的整数;
根据所述二维平面图中每个位置的二维坐标,获取每个所述预设部件的二维模板中每个位置的二维坐标。
6.根据权利要求4所述的方法,其特征在于,所述构建所述预设三维模型之后,还包括:
获取所述预设三维模型的特征向量;
所述根据所述预设三维模型和所述转化系数,生成所述其他车辆的三维模型,包括:
根据所述预设三维模型的特征向量和所述转化系数,生成所述其他车辆的三维模型。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
根据所述图像,确定所述其他车辆的类型;
根据所述其他车辆的类型,在三维模型库中确定与所述其他车辆的类型相同的所述预设三维模型,所述三维模型库包括至少两种类型的车辆的预设三维模型。
8.一种车辆三维模型的获取装置,其特征在于,包括:
第一处理模块,用于获取车辆行驶过程中采集的图像,所述图像中包括其他车辆的部件;
第二处理模块,用于根据所述部件在所述图像中的二维坐标,以及预设三维模型中与所述部件对应的预设部件的三维坐标,获取所述部件在所述图像中的二维坐标和预设部件的三维坐标的转化系数,所述转化系数用于将预设模型中的每个位置转化为图像中的每个位置需要的转化系数,且根据所述预设三维模型和所述转化系数,生成所述其他车辆的三维模型。
9. 一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911400173.1A CN113129423B (zh) | 2019-12-30 | 2019-12-30 | 车辆三维模型的获取方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911400173.1A CN113129423B (zh) | 2019-12-30 | 2019-12-30 | 车辆三维模型的获取方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129423A CN113129423A (zh) | 2021-07-16 |
CN113129423B true CN113129423B (zh) | 2023-08-11 |
Family
ID=76768259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911400173.1A Active CN113129423B (zh) | 2019-12-30 | 2019-12-30 | 车辆三维模型的获取方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129423B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744392A (zh) * | 2021-08-30 | 2021-12-03 | 深圳壹账通智能科技有限公司 | 三维模型库构建方法、装置、设备及介质 |
CN113806870A (zh) * | 2021-10-29 | 2021-12-17 | 中车青岛四方机车车辆股份有限公司 | 车辆的三维建模的方法、装置和车辆*** |
CN115393479B (zh) * | 2022-10-28 | 2023-03-24 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎的车轮转动控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971403A (zh) * | 2017-04-27 | 2017-07-21 | 武汉数文科技有限公司 | 点云图像处理方法及装置 |
CN107146287A (zh) * | 2017-03-22 | 2017-09-08 | 西北大学 | 二维投影图像至三维模型的映射方法 |
CN109801339A (zh) * | 2018-12-29 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置和存储介质 |
CN110119679A (zh) * | 2019-04-02 | 2019-08-13 | 北京百度网讯科技有限公司 | 物体三维信息估计方法及装置、计算机设备、存储介质 |
WO2019228144A1 (zh) * | 2018-05-31 | 2019-12-05 | 北京京东尚科信息技术有限公司 | 图像处理方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060233461A1 (en) * | 2005-04-19 | 2006-10-19 | Honeywell International Inc. | Systems and methods for transforming 2d image domain data into a 3d dense range map |
-
2019
- 2019-12-30 CN CN201911400173.1A patent/CN113129423B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146287A (zh) * | 2017-03-22 | 2017-09-08 | 西北大学 | 二维投影图像至三维模型的映射方法 |
CN106971403A (zh) * | 2017-04-27 | 2017-07-21 | 武汉数文科技有限公司 | 点云图像处理方法及装置 |
WO2019228144A1 (zh) * | 2018-05-31 | 2019-12-05 | 北京京东尚科信息技术有限公司 | 图像处理方法和装置 |
CN109801339A (zh) * | 2018-12-29 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置和存储介质 |
CN110119679A (zh) * | 2019-04-02 | 2019-08-13 | 北京百度网讯科技有限公司 | 物体三维信息估计方法及装置、计算机设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
Real-time 3D scene reconstruction with dynamically moving object using a single depth camera;Feixiang Lu等;The Visual Computer;第1-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113129423A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113129423B (zh) | 车辆三维模型的获取方法、装置、电子设备和存储介质 | |
WO2020151172A1 (zh) | 运动目标检测方法、装置、计算机设备及存储介质 | |
US20190289273A1 (en) | Systems and methods for reducing data storage in machine learning | |
CN109961522B (zh) | 图像投射方法、装置、设备和存储介质 | |
US20210272306A1 (en) | Method for training image depth estimation model and method for processing image depth information | |
JP2018530825A (ja) | 非障害物エリア検出のためのシステムおよび方法 | |
CN111767853B (zh) | 车道线检测方法和装置 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
GB2596370A (en) | Model training method and apparatus, and prediction method and apparatus | |
CN111739005B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN111402326B (zh) | 障碍物的检测方法、装置、无人车及存储介质 | |
CN112487979B (zh) | 目标检测方法和模型训练方法、装置、电子设备和介质 | |
CN111721281B (zh) | 位置识别方法、装置和电子设备 | |
CN111539347B (zh) | 用于检测目标的方法和装置 | |
CN111524192A (zh) | 车载相机外参的标定方法、装置、***及存储介质 | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN111401251A (zh) | 车道线提取方法、装置、电子设备及计算机可读存储介质 | |
CN112147632A (zh) | 车载激光雷达感知算法的测试方法、装置、设备和介质 | |
CN111597987B (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN111523515A (zh) | 自动驾驶车辆环境认知能力评价方法、设备及存储介质 | |
CN111597986B (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
WO2020000171A1 (en) | Method and apparatus for computer vision | |
KR101921071B1 (ko) | 다중 프레임에서의 센서 융합을 통한 3차원 객체의 포즈 추정 방법 및 이를 구비한 장치 | |
CN115661522A (zh) | 一种基于视觉语义矢量的车辆导引方法、***、设备和介质 |
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 |