[发明专利]一种点云重采样的方法、装置和系统在审
| 申请号： | 201980005631.3 | 申请日： | 2019-02-02 |
| 公开（公告）号： | CN111801707A | 公开（公告）日： | 2020-10-20 |
| 发明（设计）人： | 李延召;张富;洪小平 | 申请（专利权）人： | 深圳市大疆创新科技有限公司 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50 |
| 代理公司： | 北京市磐华律师事务所 11336 | 代理人： | 高伟 |
| 地址： | 518057 广东省深圳市南山区*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种点云重采样的方法、装置(500)和系统(600)，点云重采样的方法包括：对测距装置(100，200，610)获取的初始点云进行重采样，以获得重采样后的重采样点云，测距装置(100，200，610)在扫描视场中具有非均匀的扫描密度，重采样点云的分布均匀性高于初始点云的分布均匀性，和/或，重采样点云的噪声低于初始点云的噪声。通过点云重采样的方法，可以将具有非规则采样模式的初始点云转换为均匀采样的重采样点云，可以增加或减少点云的采样密度，重采样后的点云，可以更适合后续处理，和/或拥有更好的显示效果，和/或隐藏特定的硬件采样模式等，以及重采样点云的噪声低于初始点云的噪声，因此提高了测距准确性。 | ||
| 搜索关键词： | 一种 点云重 采样 方法 装置 系统 | ||
【主权项】：
暂无信息
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深圳市大疆创新科技有限公司，未经深圳市大疆创新科技有限公司许可，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/patent/201980005631.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 用于从三维图像中提取轮廓的方法和装置-202180061446.3
- N·博甘;朱红卫;D·J·迈克尔 - 康耐视公司
- 2021-05-10 - 2023-09-29 - G06T7/50
- 本文描述的技术涉及被配置成确定三维(3D)点云的一部分的二维(2D)轮廓的方法、装置和计算机可读介质。确定3D感兴趣区域，其包括沿着第一轴线的宽度、沿着第二轴线的高度和沿着第三轴线的深度。基于第一轴线和第二轴线的坐标值，将3D感兴趣区域内的3D点表示为一组2D点。将2D点分组成沿着第一轴线排列的多个2D面元。针对每个2D面元，基于相关联的一组2D点确定代表性2D位置。将代表性2D位置中的每一个都连接到相邻的代表性2D位置，以生成2D轮廓。
- 处理图像的方法和装置-201880071216.3
- A.沃洛赫纽克;桂溶灿;李重基;金圣淳;金善京;A.布特;A.萨克哈列夫;D.瓦夫迪尤克;K.莫罗佐夫 - 三星电子株式会社
- 2018-10-30 - 2023-09-19 - G06T7/50
- 一种计算三维(3D)图像的深度信息的方法，包括：基于二维(2D)图像中包括的至少一个元胞的值来生成图案；投射该图案；捕获该图案的反射图像；以及根据该图案的反射图像来计算深度信息。
- 室内环境的自监督式深度估计框架-202280011051.7
- 嵇盼;徐毅 - 创峰科技
- 2022-03-16 - 2023-09-12 - G06T7/50
- 多个系统和多个方法被提供用于以一自监督方式从一个或多个图像估计一深度图。本文公开的所述多个系统和多个方法可以执行所述深度分解模块，所述深度分解模块包括一深度网络及一尺度网络，所述深度网络被配置为从一目标图像确定一深度图，所述尺度网络被配置为从所述目标图像确定一全局尺度因子及以所述全局尺度因子更新所述深度图，以确定一相对深度图。本文的系统和方法还可以执行一残差姿态估计模块，所述残差姿态估计模块被配置为迭代地预测在多个被重建的合成图像与所述目标图像之间的多个残差相机姿态，并且基于所述相对深度图、全局尺度因子和所述多个迭代预测的残差相机姿态以训练一深度估计模型。
- 图像填充方法及装置、解码方法及装置、电子设备及介质-202080107775.2
- 虞露;李思成;王楚楚;谢志煌;戴震宇 - 浙江大学;OPPO广东移动通信有限公司
- 2020-12-14 - 2023-09-05 - G06T7/50
- 本公开实施例提供了一种图像填充方法及装置、解码方法及装置、电子设备及介质，其中一示例公开的图像填充方法包括：根据待填充图像中空洞周边区域的像素的深度，确定所述空洞周边的可用像素和不可用像素，其中，所述可用像素的深度值大于所述不可用像素的深度值；至少基于所述可用像素对所述空洞进行填充。
- 用于编码/解码点云几何数据的量化球坐标的方法和装置-202180086224.7
- 乔纳森·塔奎特;塞巴斯蒂安·拉瑟利 - 北京小米移动软件有限公司
- 2021-10-14 - 2023-08-29 - G06T7/50
- 提供了将点云编码到表示物理对象的编码的点云数据的位流/从表示物理对象的编码的点云数据的位流中解码点云的方法和装置，点云的每个点与表示响应于捕获该点的传感器的捕获角的方位角和响应于该点距参考点的距离的半径的球坐标相关联。该编码方法包括基于所述半径自适应地量化从所述方位角导出的残差误差方位角。
- 图像融合中基于深度的防透视-202180074766.2
- 申静林;黄金才;廖劲松;何朝文 - 创峰科技
- 2021-03-08 - 2023-08-22 - G06T7/50
- 本申请涉及图像融合。计算机系统获取场景的近红外(near infrared，NIR)图像和RGB图像。自所述NIR图像生成第一NIR图像层。自所述RGB图像生成第一RGB图像层和第二RGB图像层。所述第一NIR图像层和所述第一RGB图像层具有第一分辨率。深度图被生成且具有所述第一分辨率。所述第一NIR图像层的每个像素和所述第一RGB图像层的对应像素基于相应权重进行组合，以生成用于重建融合图像的第一组合图像层。对于所述第一NIR层和所述第一RGB层的每一对像素，所述相应权重是基于所述深度图的相应像素的深度值和预设截止深度来确定。
- 利用卷积空间传播网络学习的亲和度进行深度估计的系统和方法-201880058392.3
- 王鹏;程新景;杨睿刚 - 百度时代网络技术（北京）有限公司;百度（美国）有限责任公司
- 2018-06-29 - 2023-07-21 - G06T7/50
- 呈现了用于通过使用端对端卷积空间传播网络(CSPN)来改进对来自单个图像的场景布局进行实时逐像素深度估计的速度和质量的系统和方法。有效的线性传播模型使用递归卷积操作来执行传播。可通过深度卷积神经网络(CNN)来学习邻近像素之间的亲和度。给定单个图像，CSPN可应用于两个深度估计任务：(1)细化现有方法的深度输出，以及(2)例如通过将深度样本嵌入传播过程内来将稀疏深度样本转换成密集深度图。该转换确保稀疏输入深度值保留在最终的深度图中，并且转换实时地运行，因此很适合于机器人学和自动驾驶应用，其中，例如来自LiDAR的稀疏但准确的深度测量可与图像数据融合。
- 点云法向量的生成方法、装置、计算机设备和存储介质-202080103190.3
- 吴伟 - 深圳元戎启行科技有限公司
- 2020-12-23 - 2023-05-09 - G06T7/50
- 一种点云法向量的生成方法，包括：获取多帧点云数据，多帧点云数据包括历史帧点云数据以及当前帧点云数据；将多帧点云数据进行合并，得到合并后的点云数据；对合并后的点云数据进行运动状态分析，得到分析结果；根据分析结果确定当前帧点云数据中每个点所属的区域；当区域为静态区域时，在区域中查找区域对应的点的邻域；及根据邻域计算邻域对应的点的法向量。
- 用于图像处理的设备和方法-202080103540.6
- 阿莱斯·莱昂纳迪斯;亚尼克·威尔第;本杰明·布萨姆;史蒂文·乔治·麦克唐纳;巴马贝·马斯 - 华为技术有限公司
- 2020-11-06 - 2023-04-21 - G06T7/50
- 本发明提供了一种用于在视场上估计景深的图像处理装置，所述装置包括一个或多个处理器，用于：接收捕获的偏振图像，所述偏振图像表示在所述视场上第一组多个位置处接收的光偏振；使用经过训练的第一神经网络处理所述捕获的偏振图像，以形成所述视场上一个或多个位置的第一深度估计值；接收测距数据，所述测距数据表示从基准点到所述视场上一个或多个位置的环境距离；使用经过训练的第二神经网络处理所述测距数据，以形成所述视场上第二组多个位置的第二深度估计值；通过使用第一解析公式处理所述第一深度估计值和所述第二深度估计值中的一个或两个，来形成合成偏振图像，所述合成偏振图像表示在所述视场上第三组多个位置处接收的光偏振估计值；通过使用第二解析公式处理所述第一深度估计值和所述第二深度估计值中的一个或两个，来形成合成测距数据，所述合成测距数据表示到所述视场上一个或多个位置的所述环境距离估计值。
- 从3D边界框的单眼深度监督-202180044325.8
- V·圭兹里尼;A·D·盖登 - 丰田自动车株式会社
- 2021-06-23 - 2023-03-28 - G06T7/50
- 一种方法包括捕捉与自我车辆相邻的环境的二维(2D)图像，所述环境至少包括动态对象和静态对象。所述方法还包括经由深度估计网络来基于2D图像产生环境的深度图，对于深度图中的动态对象的深度估计的准确性大于对于深度图中的静态对象的深度估计的准确性。所述方法进一步包括基于深度图来产生环境的三维(3D)估计，并且识别动态对象在3D估计中的位置。所述方法另外还包括基于识别的位置来控制自我车辆的动作。
- 多平面图像压缩-202180036921.1
- 斯科特·贾纳斯;吉尔·博伊斯;阿图尔·迪维卡;杰森·坦纳;苏米特·巴蒂亚;佩恩·Y·李 - 英特尔公司
- 2021-06-18 - 2023-02-03 - G06T7/50
- 公开了实现多平面图像(MPI)压缩的示例方法、装置、系统和制造品(例如，物理存储介质)。本文公开的示例装置包括接口，来访问与源相机视点相对应的输入多平面图像堆栈，输入多平面图像堆栈包括多个纹理图像和相应的多个阿尔法图像，阿尔法图像中的各阿尔法图像包括代表纹理图像中的各个纹理图像中的相应像素的透明度的像素值。所公开的示例装置还包括压缩图像编码器，来进行以下各项中的至少一者：(i)将多个纹理图像转换成单个复合纹理图像以生成压缩多平面图像堆栈，或者(ii)将多个阿尔法图像转换成单个复合阿尔法图像以生成压缩多平面图像堆栈。在一些公开的示例中，接口输出压缩多平面图像堆栈。
- 使用神经网络的深度估计-202180004351.8
- 阿比谢克·卡尔;霍萨姆·伊萨克;阿达尔什·普拉卡什·穆尔蒂·寇德莱;阿韦克·普尔奥希特;德米特里·梅德韦杰夫 - 谷歌有限责任公司
- 2021-04-19 - 2022-12-20 - G06T7/50
- 根据一方面，一种用于深度估计的方法包括从传感器系统接收图像数据，由神经网络基于图像数据生成第一深度图，其中该第一深度图具有第一尺度，获得与图像数据相关联的深度估计，以及使用深度估计将第一深度图变换为第二深度图，其中该第二深度图具有第二尺度。
- 基于虹膜大小估计深度-202080093126.1
- M.雍;A.瓦库诺夫;I.格里什钦科;D.拉贡;M.格伦德曼 - 谷歌有限责任公司
- 2020-05-21 - 2022-08-26 - G06T7/50
- 示例实施例涉及基于虹膜大小来估计深度信息。计算系统可以获得描绘人的图像，并基于人的面部的特征来确定该面部的面部网格。在一些情况下，面部网格包括面部标志和眼睛标志的组合。因此，计算系统可以基于面部网格的眼睛标志来估计眼睛的虹膜像素尺寸，并且基于虹膜像素尺寸、平均值虹膜尺寸和相机的固有矩阵来估计面部的眼睛相对于相机的距离。计算系统可以基于估计的距离进一步修改图像。
- 运行时优化的人工视觉-202080092037.5
- N·哈比丽;J·奥尔洛夫;N·巴尔内斯 - 联邦科学和工业研究组织
- 2020-12-02 - 2022-08-19 - G06T7/50
- 一种用于利用可植入视觉刺激设备创建人工视觉的方法。该方法包括：接收图像数据，该图像数据对于图像的多个点中的每个点包括深度值；对图像数据执行局部背景围场计算以确定显著对象信息；以及使用可植入视觉刺激设备生成视觉刺激以可视化显著对象信息。执行局部背景围场计算基于输入图像的多个点的子集，并且多个点的子集基于多个点的深度值被定义。
- 在外科手术期间确定被切除组织的体积的系统和方法-202080087631.5
- P·施拉兹安;M·阿兹兹安;A·J·麦克劳德;A·沙德曼 - 直观外科手术操作公司
- 2020-12-14 - 2022-08-05 - G06T7/50
- 一种示例性组织体积检测系统在涉及从身体切除组织块的外科手术期间访问被切除组织块的多个深度数据集。随着被切除组织块的表面的不同部分被以将表面的不同部分顺序呈现给成像设备的方式由保持被切除组织块的器械呈现给成像设备，多个深度数据集中的每个深度数据集被捕获。在外科手术期间并基于深度数据集，系统生成三维(3D)占据图，该3D占据图包括被标识为被切除组织块所占据的一组体素。基于3D占据图并且仍在外科手术期间，系统确定被切除组织块的估计体积。还公开了对应的系统和方法。
- 获得眼睛晶状体囊的轮廓的系统和方法-202080088745.1
- P·米塞尔 - 爱尔康公司
- 2020-06-18 - 2022-08-02 - G06T7/50
- 一种系统包括控制器，该控制器具有至少一个处理器和至少一个非暂态有形存储器，该至少一个非暂态有形存储器上记录有用于执行用于获得眼睛的晶状体囊的轮廓的方法的指令。该轮廓由在相应过渡点处分隔的相应中心表面和相应赤道表面来表示。该控制器被配置为获得晶状体囊的通过眼睛的瞳孔可见的部分的成像数据。该成像数据被变换到经调整的参考系并被拟合为晶状体囊的预定义中心区域中的相应中心表面。该轮廓是基于相应中心表面和相应赤道表面的一组拟合参数来获得的。这些相应中心表面和这些相应赤道表面分别可以表示为椭圆锥和偏斜抛物线。
- 根据二维图像重建三维场景-202080044360.5
- R·A·古勒;G·帕潘德里欧;I·科基诺斯 - 阿里尔AI公司
- 2020-06-17 - 2022-02-08 - G06T7/50
- 本说明书涉及使用神经网络来根据二维(2D)图像重建三维(3D)场景。根据本说明书的第一方面，描述了一种用于根据单个二维图像创建具有多个对象的场景的三维重建的方法，所述方法包括：接收单个二维图像；识别所述图像中将要重建的所有对象并且识别所述对象的类型；估计每个所识别对象的三维表示；估计物理地支撑所有三维对象的三维平面；以及相对于所述支撑平面在空间中定位所有三维对象。
- 距离测量的系统和方法-202080020086.8
- 蔡叶荷;江韵;徐泽林;牛靖博 - 北京航迹科技有限公司
- 2020-04-21 - 2021-12-21 - G06T7/50
- 用于距离测量的系统(100)包括至少一个存储设备(140)和至少一个处理器(122)。所述存储设备(140)包括一组指令。所述至少一个处理器(122)与所述至少一个存储设备(140)通信。当执行所述一组指令时，所述至少一个处理器(122)被配置用于引起所述系统(100)执行步骤501‑505。步骤501，获取由相机捕获的图像，所述图像包括对象。步骤503，基于所述对象，识别所述图像中的至少一条目标线，其中所述至少一条目标线与至少两条预设参考线相关联，所述至少两条预设参考线中的每一条分别与其到所述相机的水平参考距离相对应。步骤505，基于所述至少一条目标线，确定所述相机与所述对象之间的距离。
- 在机器学习中为图像中的对象标注创建训练数据可变性-202080029506.9
- 丹尼尔·德格雷戈里奥;路易吉·由斯特凡诺 - 博洛尼亚大学
- 2020-03-21 - 2021-11-26 - G06T7/50
- 描述了一种图像标注系统(100)，系统包括支撑件(2)、数码相机(1)、处理和控制装置(5)以及数字显示器(4)；支撑件(2)用于待标注对象(3)；数码相机(1)配置为捕获包括所述对象(3)的场景的多个图像；处理和控制装置(5)配置为接收所述图像并生成与所述对象(3)相关联的相应标注数据(21‑24，L1‑L4)；数字显示器(4)与所述支撑件(2)相关联并连接到处理和控制装置(5)以选择性地显示从包括以下图像的组中选择的附加图像(7‑13)：针对所述多个图像为背景形式的并在场景中引入一定程度的可变性的第一图像(7‑11)；指示由用户将所述对象(3)放置在支撑件(2)上的位置和/或方向的第二图像(12)；由数码相机(1)捕获并提供给处理和控制装置(5)以评估数码相机(1)相对于数字显示器(4)的位置的第三图像(13)；由数码相机(1)捕获并提供给处理和控制装置(5)以评估对象(3)的位置、方向、3D形状中至少一项的第四图像。
- 模拟装置、模拟方法及模拟程序-201980091525.1
- 川西亮辅 - 三菱电机株式会社
- 2019-02-13 - 2021-09-17 - G06T7/50
- 模拟装置(10)的特征在于，具有：测量条件取得部(101)，其取得表示三维测量装置的测量条件的测量条件信息，该三维测量装置具有将光投射至测量对象物的投射装置、对包含被照射了来自投射装置的投射光的测量对象物的拍摄空间进行拍摄的拍摄装置；虚拟拍摄图像生成部(102)，其基于测量条件信息，生成对由拍摄装置输出的拍摄图像进行了再现的虚拟拍摄图像；三维测量运算部(103)，其执行使用虚拟拍摄图像对测量对象物的表面的三维位置进行测量的三维测量处理，得到测量值；以及输出部(104)，其对包含测量值的模拟结果进行输出。
- 三维对象重建-201980075437.2
- I·科基诺斯;R·A·居勒 - 阿里尔AI公司
- 2019-11-11 - 2021-07-23 - G06T7/50
- 本公开涉及从二维图像重建对象的三维模型。根据第一方面，本说明书描述了一种用于从二维图像创建三维重建的计算机实现的方法，该方法包括：接收二维图像；在要被重建的图像中识别对象并识别所述对象的类型；在空间上锚定图像内的预定的一组对象界标；从每个对象界标中提取二维图像表示；针对相应的二维图像表示估计相应的三维表示；以及组合相应的三维表示，得到对象的融合三维表示。
- 尺寸测定系统-201980071239.9
- 前泽友作 - 株式会社ZOZO
- 2019-09-17 - 2021-06-11 - G06T7/50
- 测定用户的脚的尺寸的尺寸测定系统的特征在于，具有：尺寸测定用具，由用户用于载置脚的载置部和配置在该载置部的周边的多个标记构成；测定终端，以能够从多个方向识别多个标记的方式对用户将脚载置到该尺寸测定用具的所述载置部的状态进行拍摄，并根据从各方向拍摄而得到的脚的轮廓信息来算出脚的尺寸数据。
- 鱼眼红外深度检测-201980068305.7
- 林袁;邓凡;何朝文 - OPPO广东移动通信有限公司
- 2019-09-05 - 2021-06-04 - G06T7/50
- 一种球面或半球面不可见光深度检测方法，包括投射半球面不可见静态结构光图案，响应于所述投射半球面不可见静态结构光图案，检测不可见光，基于检测到的不可见光和投射的半球面不可见静态结构光图案确定三维深度信息，输出所述三维深度信息。
- 尺寸测定系统-201980032713.7
- 前泽友作 - 株式会社ZOZO
- 2019-03-29 - 2021-04-09 - G06T7/50
- 尺寸测定系统具有：尺寸测定用具(10)，在表面包括多个能够辨别的标记，在用户的身体的尺寸的测定时穿戴于用户的身体；测定终端(20)，对穿戴有尺寸测定用具(10)的用户进行拍摄而进行用户的身体尺寸的测定；企业者终端(30)，由提供尺寸测定用具(10)的提供企业者操作；及产品数据管理服务器(40)，保存有包含用户所穿戴的衣服等产品的尺寸信息的产品数据的数据库。
- 点云的编解码方法及装置-201980039385.3
- 陈嘉枫;虞露;王文义;李璞;郑萧桢 - 浙江大学;深圳市大疆创新科技有限公司
- 2019-06-12 - 2021-02-19 - G06T7/50
- 提供一种点云的编码方法及装置。该编码方法包括：根据点云的位置坐标对所述点云进行非均匀量化；根据所述非均匀量化的结果生成所述点云的码流。点云在空间中经常呈现非均匀分布的特性，为了能够与点云的空间分布特征适配，可以采用非均匀量化的方式对点云进行量化，这样可以提高点云的编码质量。
- 一种点云重采样的方法、装置和系统-201980005631.3
- 李延召;张富;洪小平 - 深圳市大疆创新科技有限公司
- 2019-02-02 - 2020-10-20 - G06T7/50
- 一种点云重采样的方法、装置(500)和系统(600)，点云重采样的方法包括：对测距装置(100，200，610)获取的初始点云进行重采样，以获得重采样后的重采样点云，测距装置(100，200，610)在扫描视场中具有非均匀的扫描密度，重采样点云的分布均匀性高于初始点云的分布均匀性，和/或，重采样点云的噪声低于初始点云的噪声。通过点云重采样的方法，可以将具有非规则采样模式的初始点云转换为均匀采样的重采样点云，可以增加或减少点云的采样密度，重采样后的点云，可以更适合后续处理，和/或拥有更好的显示效果，和/或隐藏特定的硬件采样模式等，以及重采样点云的噪声低于初始点云的噪声，因此提高了测距准确性。
- 图像处理装置、显示装置、图像处理方法、控制程序以及记录介质-201980014741.6
- 山本智幸 - 夏普株式会社
- 2019-02-20 - 2020-10-09 - G06T7/50
- 本发明提供一种抑制3D模型的形状与实际的拍摄对象的形状的偏离的技术。图像处理装置(2)具备：获取部(7)，获取表示拍摄对象的三维形状的输入深度；基础模型生成部(9)，生成基于所述获取部获取到的所述输入深度的一部分的基础模型；以及详细模型生成部(10)，参照所述输入深度和所述基础模型生成所述拍摄对象的详细模型。
- 用于创建人的三维虚拟表示的方法-201880007062.1
- K·图巴尔 - 麦易格公司
- 2018-01-17 - 2019-09-27 - G06T7/50
- 用于创建人的三维虚拟表示的方法，该方法包括以下步骤：a)获取位于成像舱室的参照位置中的人的多个图像，以及b)通过摄影测量计算真人的原始网格。获取多个图像的步骤包含记录一系列至少24个同步图像，这些图像来自跨设置有出入门的封闭卵形形状舱室的内表面分布的图像传感器，所述图像传感器相对于所述舱室的对称轴以均匀的方式分布。
- 用于场景的联合分割和3D重构的方法和设备-201780081492.3
- T.罗 - 交互数字CE专利控股公司
- 2017-12-21 - 2019-08-13 - G06T7/50
- 一种用于从场景的一组至少一个图像进行联合分割和3D重构的方法，包括：‑获得(11)场景的初始3D重构；‑获得(12)与初始3D重构相关联的初始3D特征；‑获得(13)初始3D重构的初始分割；‑从该组的至少一个图像中确定的初始3D特征和初始2D特征来确定(14)增强3D特征，如对应于与场景的所述初始3D重构相关联的初始3D特征，所述增强3D特征至少部分地对应于所述初始分割；以及‑从初始分割和增强3D特征确定(15)增强分割和细化3D重构二者。应用于增强现实。
- 专利分类
