[发明专利]三维重建方法、网络模型训练方法、装置及电子设备

权利要求书

1.一种三维重建方法，其特征在于，包括：

获取双目相机采集的图像对，所述图像对包括第一图像和第二图像；

利用预先训练好的识别模型对所述第一图像中的目标物进行识别，得到所述目标物所在的矩形区域；

将所述目标物所在的矩形区域作为识别点，在所述第二图像中找到与所述矩形区域对应的目标矩形区域；

根据所述目标物所在的矩形区域以及所述目标矩形区域，得到所述目标物的三维坐标。

2.根据权利要求1所述的方法，其特征在于，将所述目标物所在的矩形区域作为识别点，在所述第二图像中找到与所述矩形区域对应的目标矩形区域，包括：

基于双目三维重建算法，将所述目标物所在的矩形区域的各个角的坐标作为识别点，在所述第二图像中找到与所述矩形区域的各个角的坐标各自对应的目标点坐标。

3.根据权利要求1所述的方法，其特征在于，在利用预先训练好的识别模型对所述第一图像中的目标物进行识别之前，所述方法还包括：

获取训练样本集，所述训练样本集包括：已标注所述目标物的图像以及仅包含所述目标物的图像；

利用所述训练样本集对SSD识别网络进行训练，得到所述训练好的识别模型，其中，在训练时，将所述仅包含所述目标物的图像作为标准，对所述SSD识别网络从所述已标注所述目标物的图像中识别出的所述目标物所在的区域图像进行相似度评分，并根据相似度评分更新所述SSD识别网络的模型参数。

4.根据权利要求3所述的方法，其特征在于，获取训练样本集，包括：

对获取的原始图像中的所述目标物进行标注，得到JSON图像；

将所述JSON图像中的标注部分以及未标注部分的像素点的值进行修改，得到二值化图像；

从所述二值化图像中裁剪出所述目标物所在区域图像，并将所述目标物所在区域图像的尺寸转换成预设标准尺寸，以及将标注后的原始图像的尺寸转换成所述预设标准尺寸，并对转换后的图像进行灰度处理，得到所述训练样本集。

5.一种网络模型训练方法，其特征在于，包括：

获取训练样本集，所述训练样本集包括：已标注目标物的图像以及仅包含所述目标物的图像；

利用所述训练样本集对SSD识别网络进行训练，得到训练好的识别模型，其中，在训练时，将所述仅包含所述目标物的图像作为标准，对所述SSD识别网络从所述已标注所述目标物的图像中识别出的所述目标物所在的区域图像进行相似度评分，并根据相似度评分更新所述SSD识别网络的模型参数。

6.根据权利要求5所述的方法，其特征在于，获取训练样本集，包括：

对获取的原始图像中的所述目标物进行标注，得到JSON图像；

将所述JSON图像中的标注部分以及未标注部分的像素点的值进行修改，得到二值化图像；

从所述二值化图像中裁剪出所述目标物所在区域图像，并将所述目标物所在区域图像的尺寸转换成预设标准尺寸，以及将标注后的原始图像的尺寸转换成所述预设标准尺寸，并对转换后的图像进行灰度处理，得到所述训练样本集。

7.一种三维重建装置，其特征在于，包括：

获取模块，用于获取双目相机采集的图像对，所述图像对包括第一图像和第二图像；

识别模块，用于利用预先训练好的识别模型对所述第一图像中的目标物进行识别，得到所述目标物所在的矩形区域；

重建模块，用于将所述目标物所在的矩形区域作为识别点，在所述第二图像中找到与所述矩形区域对应的目标矩形区域；以及根据所述目标物所在的矩形区域以及所述目标矩形区域，得到所述目标物的三维坐标。