CN113869390B - 用于多视图三维重建的信息处理方法及装置 - Google Patents

用于多视图三维重建的信息处理方法及装置 Download PDF

Info

Publication number
CN113869390B
CN113869390B CN202111121954.4A CN202111121954A CN113869390B CN 113869390 B CN113869390 B CN 113869390B CN 202111121954 A CN202111121954 A CN 202111121954A CN 113869390 B CN113869390 B CN 113869390B
Authority
CN
China
Prior art keywords
pixel block
pixel
determining
associated pixel
pixel point
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
Application number
CN202111121954.4A
Other languages
English (en)
Other versions
CN113869390A (zh
Inventor
由清圳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Airlook Aviation Technology Beijing Co ltd
Original Assignee
Airlook Aviation Technology Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Airlook Aviation Technology Beijing Co ltd filed Critical Airlook Aviation Technology Beijing Co ltd
Priority to CN202111121954.4A priority Critical patent/CN113869390B/zh
Publication of CN113869390A publication Critical patent/CN113869390A/zh
Application granted granted Critical
Publication of CN113869390B publication Critical patent/CN113869390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开公开了一种用于多视图三维重建的信息处理方法及装置，其中方法包括：在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；基于像素块对应的语义标签、以及相关联的图片的语义标签，在关联的图片中确定像素块对应的关联像素块；确定关联像素块中每一个像素点的取值。通过在确定像素块后，基于语义标签信息在关联图片中确定关联像素块，而后确定关联像素块中像素点的取值，提高了确定像素值的准确度，进而提高了基于MVS的重建效果，解决了相关技术中像素值确定准确度低，导致MVS重建效果不理想。

Description

用于多视图三维重建的信息处理方法及装置
技术领域
本公开涉及图像处理技术领域，具体涉及到一种用于多视图三维重建的信息处理方法及装置。
背景技术
MVS——multi view system，MVS几乎对照片中的每个像素点都进行匹配，几乎重建每一个像素点的三维坐标，这样得到的点的密集程度可以较接近图像展示出的清晰度。
相关技术中，在MVS过程中对像素的打分准确度低，导致基于MVS三维重建后的效果差。
发明内容
本公开的主要目的在于提供一种用于多视图三维重建的信息处理方法及装置。
为了实现上述目的，根据本公开的第一方面，提供了一种用于多视图三维重建的信息处理方法，包括：在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块；确定所述关联像素块中每一个像素点的取值。
可选地，基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块包括：针对像素块中的每一个像素点，在所述相关联的图片中确定该像素点的关联像素点；基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块；基于所述像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块。
可选地，基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块包括：基于每一个关联像素点的位置，确定每一个关联像素点对应的邻域像素，其中，邻域像素中包含预设数量的邻域像素点；将所有关联像素点对应的所有邻域像素确定为初始关联像素块。
可选地，基于所述像素块对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块包括：过滤掉邻域像素中语义标签与像素点的语义标签不符的邻域像素点，得到每一个关联像素点对应的目标邻域像素，其中，所有关联像素点对应的目标邻域像素构成关联像素块。
可选地，确定所述关联像素块中每一个像素点的取值包括：基于目标邻域像素中的像素点的像素值，利用预设的计算策略，计算得到对应的关联像素点的像素值。
根据本公开的第二方面，提供了一种用于多视图三维重建的信息处理装置，包括：像素块确定单元，被配置成在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；关联像素块确定单元，被配置成基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块；像素值确定单元，被配置成确定所述关联像素块中每一个像素点的取值。
可选地，基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块进一步被配置成：针对像素块中的每一个像素点，在所述相关联的图片中确定该像素点的关联像素点；基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块；基于所述像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块。
可选地，基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块被配置成：基于每一个关联像素点的位置，确定每一个关联像素点对应的邻域像素，其中，邻域像素中包含预设数量的邻域像素点；将所有关联像素点对应的所有邻域像素确定为初始关联像素块。
根据本公开的第三方面，提供了一种计算机可读存储介质，存储有计算机指令，所述计算机指令用于使所述计算机第一方面任意一项所述的用于多视图三维重建的信息处理方法。
根据本公开的第四方面，提供了一种电子设备，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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项所述的用于多视图三维重建的信息处理方法。
在本公开实施例中，在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；基于像素块对应的语义标签、以及相关联的图片的语义标签，在关联的图片中确定像素块对应的关联像素块；确定关联像素块中每一个像素点的取值。通过在确定像素块后，基于语义标签信息在关联图片中确定关联像素块，而后确定关联像素块中像素点的取值，提高了确定像素值的准确度，进而提高了基于MVS的重建效果，解决了相关技术中像素值确定准确度低，导致MVS重建效果不理想。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本公开实施例的用于多视图三维重建的信息处理方法的流程图；
图2是根据本公开实施例的用于多视图三维重建的信息处理方法的应用场景图；
图3是根据本公开实施例的用于多视图三维重建的信息处理装置的结构示意图；
图4是根据本公开实施例的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本公开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公开。
根据本公开实施例，提供了一种用于多视图三维重建的信息处理方法，如图1所示，该方法包括如下的步骤101至步骤103：
步骤101：在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块。
在本实施例中，可以预先对每一张图片进行语义分割及识别，使每张图片上的像素均与语义标签对应。针对参考图片，可以选取一个目标像素点X，针对该目标像素点X，生成目标像素点X的patch小块，将该patch小块作为本实施例的像素块，像素块中每个像素点均对应相应的语义标签。
步骤102：基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块。
作为本实施例一种可选的实现方式，基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块包括：针对像素块中的每一个像素点，在所述相关联的图片中确定该像素点的关联像素点；基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块；基于所述像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块。
在本实施例中，参考图2，可以针对参考图片re f _ i mage像素块中的任一像素点ps，利用单应变换在与其相关联的图片src_ i mage中确定与该像素点ps相关联的关联像素点pt,在确定pt后，基于其位置确定在预设位置处(例如，围绕在其周围)、预设数量的像素点，该些像素点组成的像素以下称作“有效计算区域”；通过该方式，可确定所有关联像素点的有效计算区域，所有的有效计算区域作为初始关联像素块。最后基于像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块。可以比较语义标签的内容，过滤不相同语义标签对应的像素点。
作为本实施例一种可选的实现方式，基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块包括：基于每一个关联像素点的位置，确定每一个关联像素点对应的邻域像素，其中，邻域像素中包含预设数量的邻域像素点；将所有关联像素点对应的所有邻域像素确定为初始关联像素块。
在本可选的实现方式中，参考图2，可以以关联像素点为中心，确定“有效计算区域”作为领域像素，例如，以pt为中心，邻域像素为其周边预设数量(例如8个)个邻近像素点。通过该方式，可确定所有关联像素点确的领域像素，所有领域像素可作为初始关联像素块。
作为本实施例一种可选的实现方式，基于所述像素块对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块包括：过滤掉邻域像素中语义标签与像素点的语义标签不符的邻域像素点，得到每一个关联像素点对应的目标邻域像素，其中，所有关联像素点对应的目标邻域像素构成关联像素块。
在本可选的实现方式中，在确定邻域像素后，可首先判断pt、以及邻域像素中所有像素点的语义标签，过滤掉语义标签与ps语义标签不同的领域像素中的像素点。通过该方式，可以在初始关联像素块中过滤掉所有与像素块中各个像素点语义标签不同的像素点。
通过对邻域像素进行过滤，利用过滤后的像素确定像素点的像素值，能够提高像素值的准确度，进而大大提高MVS结果的质量。
步骤103：确定所述关联像素块中每一个像素点的取值。
在本实施例中，在确定每一个关联像素点的目标邻域像素后，可以利用插值策略、随机抽样策略或者均值等计算方法，确定关联像素点的像素值。以线性插值为例，例如，如果目标领域像素中的(1,1)点的像素值为40，(3,3)点的像素值为140，那么估计pt(2,2)点的像素值可以是100。
参考图2，本实施例给定的一个参考图片(即ref_image)，针对目标像素点(x)进行深度估计；首先针对目标像素点x，形成x的patch小块，然后针对patch小块中的每个像素，通过单应变换，在关联图像(src_image)中寻找关联像素(pt)；通过语义分割，获得了src_image_i图像中每个像素的语义标签，在计算pt的对应取值的时候，以pt为中心锁定一个“有效计算范围”，如图2中以pt为中心，“有效计算范围”为其周边8个邻近像素点，确定“有效计算范围”后，首先判断pt及其“有效计算范围”内所有像素点的语义标签，过滤掉语义标签与ps不同的像素点，形成了与pt相同的语义标签集合，在集合中通过插值等策略，得到pt的对应取值。
本实施例通过上述方法，能够提高像素打分的准确性，进而可以提高MVS结果的质量。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本公开实施例，还提供了一种用于实施上述用于多视图三维重建的信息处理方法的装置，如图3所示，该装置包括：像素块确定单元301，被配置成在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；关联像素块确定单元302，被配置成基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块；像素值确定单元303，被配置成确定所述关联像素块中每一个像素点的取值。
作为本实施例一种可选的实现方式，基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块进一步被配置成：针对像素块中的每一个像素点，在所述相关联的图片中确定该像素点的关联像素点；基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块；基于所述像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块。
作为本实施例一种可选的实现方式，基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块被配置成：基于每一个关联像素点的位置，确定每一个关联像素点对应的邻域像素，其中，邻域像素中包含预设数量的邻域像素点；将所有关联像素点对应的所有邻域像素确定为初始关联像素块。
通过在确定像素块后，基于语义标签信息在关联图片中确定关联像素块，而后确定关联像素块中像素点的取值，提高了确定像素值的准确度，进而提高了基于MVS的重建效果，解决了相关技术中像素值确定准确度低，导致MVS重建效果不理想。
本公开实施例提供了一种电子设备，如图4所示，该电子设备包括一个或多个处理器41以及存储器42，图4中以一个处理器41为例。
该控制器还可以包括：输入装置43和输出装置44。
处理器41、存储器42、输入装置43和输出装置44可以通过总线或者其他方式连接，图4中以通过总线连接为例。
处理器41可以为中央处理器(CentralProcessingUnit，CPU)。处理器41还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器42作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器41通过运行存储在存储器42中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的用于多视图三维重建的信息处理方法。
存储器42可以包括存储程序区和存储数据区，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；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器42可选包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。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。
输入装置43可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备。
一个或者多个模块存储在存储器42中，当被一个或者多个处理器41执行时，执行如图1所示的方法。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (5)

1.一种用于多视图三维重建的信息处理方法，其特征在于，包括：
在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；
基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块；包括：针对像素块中的每一个像素点，在所述相关联的图片中确定该像素点的关联像素点；
基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块；基于所述像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块；
确定所述关联像素块中每一个像素点的取值；
其中，基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块包括：基于每一个关联像素点的位置，确定每一个关联像素点对应的邻域像素，其中，邻域像素中包含预设数量的邻域像素点；将所有关联像素点对应的所有邻域像素确定为初始关联像素块；
基于所述像素块对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块包括：过滤掉邻域像素中语义标签与像素点的语义标签不符的邻域像素点，得到每一个关联像素点对应的目标邻域像素，其中，所有关联像素点对应的目标邻域像素构成关联像素块。
2.根据权利要求1所述的用于多视图三维重建的信息处理方法，其特征在于，确定所述关联像素块中每一个像素点的取值包括：
基于目标邻域像素中的像素点的像素值，利用预设的计算策略，计算得到对应的关联像素点的像素值。
3.一种用于多视图三维重建的信息处理装置，其特征在于，包括：
像素块确定单元，被配置成在获取到经语义识别后的参考图片、以及经语义识别后的与参考图片相关联的图片后，针对参考图片中的目标像素点，确定其对应的像素块；
关联像素块确定单元，被配置成基于所述像素块对应的语义标签、以及所述相关联的图片的语义标签，在所述关联的图片中确定所述像素块对应的关联像素块；包括针对像素块中的每一个像素点，在所述相关联的图片中确定该像素点的关联像素点；基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块；基于所述像素块中像素点对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块；
像素值确定单元，被配置成确定所述关联像素块中每一个像素点的取值；
其中，基于每一个关联像素点的位置，确定与像素块对应的初始关联像素块被配置成：基于每一个关联像素点的位置，确定每一个关联像素点对应的邻域像素，其中，邻域像素中包含预设数量的邻域像素点；将所有关联像素点对应的所有邻域像素确定为初始关联像素块；
基于所述像素块对应的语义标签、以及初始关联像素块对应的语义标签，在初始关联像素块中确定像素块对应的关联像素块包括：过滤掉邻域像素中语义标签与像素点的语义标签不符的邻域像素点，得到每一个关联像素点对应的目标邻域像素，其中，所有关联像素点对应的目标邻域像素构成关联像素块。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-2任意一项所述的用于多视图三维重建的信息处理方法。
5.一种电子设备，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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-2任意一项所述的用于多视图三维重建的信息处理方法。
CN202111121954.4A 2021-09-24 2021-09-24 用于多视图三维重建的信息处理方法及装置 Active CN113869390B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111121954.4A CN113869390B (zh) 2021-09-24 2021-09-24 用于多视图三维重建的信息处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111121954.4A CN113869390B (zh) 2021-09-24 2021-09-24 用于多视图三维重建的信息处理方法及装置

Publications (2)

Publication Number Publication Date
CN113869390A CN113869390A (zh) 2021-12-31
CN113869390B true CN113869390B (zh) 2023-03-24

Family

ID=78993797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111121954.4A Active CN113869390B (zh) 2021-09-24 2021-09-24 用于多视图三维重建的信息处理方法及装置

Country Status (1)

Country Link
CN (1) CN113869390B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7362210B2 (en) * 2003-09-05 2008-04-22 Honeywell International Inc. System and method for gate access control
CN110097584B (zh) * 2019-03-18 2021-11-09 国网浙江省电力有限公司信息通信分公司 结合目标检测和语义分割的图像配准方法
CN111126140A (zh) * 2019-11-19 2020-05-08 腾讯科技（深圳）有限公司 文本识别方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
CN113869390A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
JP6902611B2 (ja) 物体検出方法、ニューラルネットワークの訓練方法、装置および電子機器
US20190252002A1 (en) Robust tracking of objects in videos
CN110795976B (zh) 一种训练物体检测模型的方法、装置以及设备
CN108830780B (zh) 图像处理方法及装置、电子设备、存储介质
CN110942071A (zh) 一种基于车牌分类和lstm的车牌识别方法
CN109389659B (zh) Ppt中数学公式的渲染方法、装置、存储介质及终端设备
CN111260675B (zh) 一种图像真实边界高精度提取方法及***
CN110807110B (zh) 结合局部和全局特征的图片搜索方法、装置及电子设备
CN112991349B (zh) 图像处理方法、装置、设备和存储介质
CN113159026A (zh) 图像处理方法、装置、电子设备和介质
CN117315406B (zh) 一种样本图像处理方法、装置及设备
CN113592720B (zh) 图像的缩放处理方法、装置、设备、存储介质
CN113436068B (zh) 一种图像拼接方法、装置、电子设备及存储介质
CN113869390B (zh) 用于多视图三维重建的信息处理方法及装置
JP2010257267A (ja) 物体領域検出装置、物体領域検出方法および物体領域検出プログラム
CN111079624B (zh) 一种样本信息采集的方法、装置、电子设备以及介质
US11281935B2 (en) 3D object detection from calibrated 2D images
CN111967484B (zh) 点云聚类方法、装置、计算机设备和存储介质
CN112580638B (zh) 文本检测方法、装置、存储介质及电子设备
CN111178192A (zh) 一种图像中目标对象的位置识别方法及装置
CN112487943B (zh) 关键帧去重的方法、装置和电子设备
CN113763233A (zh) 一种图像处理方法、服务器及拍照设备
CN109657523B (zh) 一种可行驶区域检测方法和装置
CN108345893B (zh) 一种直线检测方法、装置、计算机存储介质及终端
CN111160358A (zh) 一种图像二值化方法、装置、设备、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