【技术实现步骤摘要】
用于评估3D点云的质量的装置和方法
本公开总体上关于图形处理,更具体地关于评估三维(3D)点云的质量。
技术介绍
当前的并行图形数据处理包括被开发为用于对图形数据执行特定操作的系统和方法,这些特定操作诸如例如,线性插值、曲面细分、栅格化、纹理映射、深度测试等。传统上,图形处理器使用固定功能计算单元来处理图形数据;然而,最近,图形处理器的多个部分已经变得可编程,使得此类处理器能够支持用于处理顶点和片段数据的更广泛种类的操作。为了进一步提高性能,图形处理器典型地实现诸如流水线操作之类的处理技术,这些处理技术尝试贯穿图形流水线的不同部分并行地处理尽可能多的图形数据。具有单指令多线程(SIMT)架构的并行图形处理器被设计成使图形流水线中的并行处理的量最大化。在SIMT架构中,成组的并行线程尝试尽可能频繁地一起同步地执行程序指令,以提高处理效率。可以在ShaneCook的CUDA编程(CUDAProgramming)第三章,第37-51页(2013年)中找到对SIMT架构的软件和硬件的总体概述。近年来,沉浸式体验正日益流行。为获得沉浸式体验,通常需要体积模型(例如,3D点云)。具体地,可使用多个经校准的相机来捕获3D场景的(例如,高分辨率)图像,并且可采用3D重构来创建该3D场景的3D点云。凭借所创建的3D点云,可使用(多个)虚拟相机来对3D场景导航以在(多个)虚拟相机前方呈现所需的视图,从而提供沉浸式体验。由于所创建的3D点云通常是不完美的(例如,3D场景中的对象的关键要素缺失,产生噪声等),因此,有 ...
【技术保护点】
1.一种用于评估包括对象的场景的三维3D点云的装置,所述3D点云从由多个相机捕获的多个图像创建,所述装置包括:/n图像分割器,用于为所述多个图像中的每个图像生成经分割的二维2D图像;/n2D掩码生成器,用于从所述3D点云为所述多个图像中的每个图像生成2D掩码;/n比较器,用于将所述经分割的2D图像与所述2D掩码进行比较以获得每个图像的比较结果;以及/n评估器,用于基于所述多个图像的经聚合的比较结果来评估所述3D点云。/n
【技术特征摘要】
1.一种用于评估包括对象的场景的三维3D点云的装置,所述3D点云从由多个相机捕获的多个图像创建,所述装置包括:
图像分割器,用于为所述多个图像中的每个图像生成经分割的二维2D图像;
2D掩码生成器,用于从所述3D点云为所述多个图像中的每个图像生成2D掩码;
比较器,用于将所述经分割的2D图像与所述2D掩码进行比较以获得每个图像的比较结果;以及
评估器,用于基于所述多个图像的经聚合的比较结果来评估所述3D点云。
2.如权利要求1所述的装置,其特征在于,所述图像分割器进一步用于:
利用对象检测算法检测所述场景中的对象以针对每个检测到的对象获得2D包围盒;
滤除所述场景内的感兴趣区域外部的检测到的对象;
用填补像素向外填补所述感兴趣区域内的每个2D包围盒以形成各自都具有第一尺寸的多个块;
将分割算法应用于所述多个块以生成基于块的经分割结果;以及
组合所述基于块的经分割结果以生成基于块的经分割的2D图像。
3.如权利要求2所述的装置,其特征在于,所述图像分割器进一步用于:
将所述多个图像中的每个图像划分为第一多个片和第二多个边缘片,所述第一多个片各自都具有所述第一尺寸,所述第二多个边缘片各自都具有第二尺寸,所述第二尺寸比所述第一尺寸小;
用填补像素向外填补所述第二多个边缘片以形成各自都具有所述第一尺寸的第二多个经填补的边缘片;
将分割算法应用于所述第一多个片和所述第二多个经填补的边缘片,以生成针对所述第一多个片和所述第二多个经填补的边缘片的基于片的经分割结果;
组合针对所述第一多个片和所述第二多个经填补的边缘片的所述基于片的经分割结果以生成基于片的经分割的2D图像;以及
将所述基于块的经分割的2D图像与所述基于片的经分割的2D图像合并以生成所述经分割的2D图像。
4.如权利要求3所述的装置,其特征在于,所述图像分割器进一步用于:对所述基于块的经分割的2D图像的像素的值与所述基于片的经分割的2D图像的对应像素的值执行逻辑或操作。
5.如权利要求1所述的装置,其特征在于,所述图像分割器进一步用于:
将所述多个图像中的每个图像划分为第一多个片和第二多个边缘片,所述第一多个片各自都具有第一尺寸,所述第二多个边缘片各自都具有第二尺寸,所述第二尺寸比所述第一尺寸小;
用填补像素向外填补所述第二多个边缘片以形成各自都具有所述第一尺寸的第二多个经填补的边缘片;
将分割算法应用于所述第一多个片和所述第二多个经填补的边缘片,以生成针对所述第一多个片和所述第二多个经填补的边缘片的基于片的经分割结果;以及
组合针对所述第一多个片和所述第二多个经填补的边缘片的所述基于片的经分割结果以生成基于片的经分割的2D图像。
6.如权利要求1所述的装置,其特征在于,所述2D掩码生成器进一步用于:
对每个相机的校准矩阵与所述3D点云中的点的3D位置数据执行点积操作以获得所述点的积矩阵;
通过所述点的所述积矩阵获得2D位置数据;
形成所述点的2D掩码结果,所述2D掩码结果包括所述2D位置数据和标识所述点的唯一索引;以及
组合所述3D点云中的所有点的2D掩码结果以生成每个图像的2D掩码。
7.如权利要求1所述的装置,其特征在于,所述比较器进一步用于:
将所述经分割的2D图像的像素的值与所述2D掩码的对应像素的值进行比较以确定真肯定像素和假肯定像素,其中,所述真肯定像素与所述3D点云中被正确地创建的点对应,并且所述假肯定像素与所述3D点云中待被去除的噪声点对应;以及
通过将精度计算为:精度=TP/(TP+FP)来获得每个图像的比较结果,其中,TP表示真肯定像素的数量,并且FP表示假肯定像素的数量。
8.如权利要求1所述的装置,其特征在于,所述比较器进一步用于:
将所述经分割的2D图像的像素的值与所述2D掩码的对应像素的值进行比较以确定真肯定像素和假否定像素,其中,所述真肯定像素与所述3D点云中被正确地创建的点对应,并且所述假否定像素与所述3D点云中的本应当被创建而未被创建的点对应;以及
通过将召回率计算为:召回率=TP/(TP+FN)来获得每个图像的比较结果,其中,TP表示真肯定像素的数量,并且FN表示假否定像素的数量。
9.如权利要求1所述的装置,其特征在于,所述评估器进一步用于:
计算所述经聚合的比较结果的和;
计算所述和的均值;以及
基于所述均值来评估所述3D点云。
10.如权利要求1所述的装置,其特征在于,所述经分割的2D图像在与所述2D掩码进行比较之前被调整。
11.如权利要求2所述的装置,其特征在于,所述对象检测算法是卷积神经网络CNN算法。
12.如权利要求2或5所述的装置,其特征在于,所述分割算法是卷积神经网络CNN算法。
13.一种用于评估包括对象的场景的三维3D点云的方法,所述3D点云从由多个相机捕获的多个图像创建,所述方法包括:
为所述多个图像中的每个图像生成经分割的二维2D图像;
从所述3D点云为所述多个图像中的每个图像生成2D掩码;<...
【专利技术属性】
技术研发人员:陈建生,童晓峰,李文龙,凌辰,A·阿兹莫尼,
申请(专利权)人:英特尔公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。