[发明专利]一种全景图像去噪方法、装置、服务器以及可读存储介质在审

专利信息
申请号: 202210121996.6 申请日: 2022-02-10
公开(公告)号: CN114549348A 公开(公告)日: 2022-05-27
发明(设计)人: 崔岩 申请(专利权)人: 中德(珠海)人工智能研究院有限公司;珠海市四维时代网络科技有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T7/521;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 519080 广东省珠海市高新区唐家湾镇金唐路*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 全景 图像 方法 装置 服务器 以及 可读 存储 介质
【权利要求书】:

1.一种全景图像去噪方法,其特征在于,包括:

获取待处理全景图像;

去除所述待处理全景图像中的噪声区域对应的深度信息。

2.如权利要求1所述的全景图像去噪方法,其特征在于,获取待处理全景图像,包括:

获取待处理图像,所述待处理图像为激光相机和球幕相机在同一点位拍摄得到的图像,其中,所述激光相机与所述球幕相机之间的相对位置固定;

对齐所述待处理图像;

根据所述激光相机和所述球幕相机的几何参数,拼接对齐后的所述待处理图像,得到所述待处理全景图像。

3.如权利要求1所述的全景图像去噪方法,其特征在于,去除所述待处理全景图像中的噪声区域对应的深度信息,包括:

将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型,输出所述待处理全景图像中的噪声区域;

去除所述噪声区域对应的深度信息。

4.如权利要求3所述的全景图像去噪方法,其特征在于,将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型,输出所述待处理全景图像中的噪声区域之前,还包括:

获取训练数据集,所述训练数据集包括至少一张训练全景图像;

确定所述训练数据集的目标真值,所述目标真值为每个训练全景图像对应的二值图像;

以所述训练数据集为输入,所述目标真值为输出,对所述噪声区域识别神经网络模型进行训练,得到训练后的噪声区别识别神经网络。

5.一种全景图像去噪装置,其特征在于,包括:

获取装置,包括获取待处理全景图像;

去除装置,包括去除所述待处理全景图像中的噪声区域对应的深度信息。

6.如权利要求5所述的全景图像去噪装置,其特征在于,所述获取装置包括:

第一获取模块,用于获取待处理图像,所述待处理图像为激光相机和球幕相机在同一点位拍摄得到的图像,其中,所述激光相机与所述球幕相机之间的相对位置固定;

对齐模块,用于对齐所述待处理图像;

拼接模块,用于根据所述激光相机和所述球幕相机的几何参数,拼接对齐后的所述待处理图像,得到所述待处理全景图像。

7.如权利要求5所述的全景图像去噪装置,其特征在于,所述去除装置,包括:

识别模块,用于将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型,输出所述待处理全景图像中的噪声区域;

去除模块,用于去除所述噪声区域对应的深度信息。

8.如权利要求7所述的全景图像去噪装置,其特征在于,所述全景图像去噪装置,还包括:

第二获取模块,用于获取训练数据集,所述训练数据集包括至少一张训练全景图像;

确定模块,用于确定所述训练数据集的目标真值,所述目标真值为每个训练全景图像对应的二值图像;

训练模块,用于以所述训练数据集为输入,所述目标真值为输出,对所述噪声区域识别神经网络模型进行训练,得到训练后的噪声区别识别神经网络。

9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的方法。

10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中德(珠海)人工智能研究院有限公司;珠海市四维时代网络科技有限公司,未经中德(珠海)人工智能研究院有限公司;珠海市四维时代网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210121996.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top