生成点云地图的方法、计算机系统和装置制造方法及图纸

提供了一种生成点云地图的方法、计算机系统和装置。该方法包括：初始化第一图片中的每一个像素的空间参数，其中，该第一图片为二维图片集中的任一图片，该空间参数至少包括像素对应的三维空间点的深度；根据匹配误差函数更新该第一图片中的每一个像素的空间参数，其中，该匹配误差函数关联像素对应的三维空间点的误差；根据该第一图片中的每一个像素的更新后的空间参数，确定该第一图片对应的深度图；根据该第一图片对应的深度图，生成稠密点云地图。本发明专利技术实施例的生成点云地图的方法、计算机系统和装置，能够有效地生成稠密点云地图。

Method for generating point cloud map, computer system and device

A method of generating a point cloud map, a computer system and a device are provided. The method includes: a pixel for each parameter space, the first picture in the initialization, the first picture for any picture two-dimensional image set, the spatial parameters including at least a three-dimensional point corresponding to a pixel depth; according to the matching error function to update the parameters of each pixel in the image space, the first one. The error of three-dimensional space points corresponding to the associated pixel matching error function; according to the spatial parameters of the first pictures of each pixel in the updated, determine the depth map of the first pictures; according to the first pictures of the depth map of the formation of dense point cloud map. A method of generating a point cloud map, a computer system and an apparatus of the embodiment of the present invention can effectively generate a dense point cloud map.

【技术实现步骤摘要】
【国外来华专利技术】生成点云地图的方法、计算机系统和装置版权申明本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
本专利技术涉及信息
，并且更具体地，涉及一种生成点云地图的方法、计算机系统和装置。
技术介绍
现有的地图构建一般采用同步定位和地图构建技术，即机器人通过运动过程中重复观测到的地图特征定位自身的位置和姿势，再根据自身位置和姿势来构建地图，达到同时定位和地图构建的目的。在此思想下，地图和定位这两个方面被捆绑到一个循环之中，以此支持双方在各自进程中求得连续解，不同进程中的相互迭代反馈对双方都会有影响。使用这一种方法生成的地图都是以点云形式存在，一般只是个大概轮廓，不够精细，即只能生成稀疏或者半稠密点云地图。然而上述非稠密的地图很有可能会漏掉导航中有着重要意义的特征，例如漏掉红绿灯，或者无法提供准确的是否能够允许通过的信息，所以上述方案并不能胜任生成较为精准地图或者生成较为真实的视觉模型的任务。因此，如何有效地生成稠密点云地图，成为亟待解决的一个技术问题。
技术实现思路
本专利技术实施例提供了一种生成点云地图的方法、计算机系统和装置，能够有效地生成稠密点云地图。第一方面，提供了一种生成点云地图的方法，包括：初始化第一图片中的每一个像素的空间参数，其中，该第一图片为二维图片集中的任一图片，该空间参数至少包括像素对应的三维空间点的深度；根据匹配误差函数更新该第一图片中的每一个像素的空间参数，其中，该匹配误差函数关联像素对应的三维空间点的误差；根据该第一图片中的每一个像素的更新后的空间参数，确定该第一图片对应的深度图；根据该第一图片对应的深度图，生成稠密点云地图。第二方面，提供了一种计算机系统，该计算机系统包括：存储器，用于存储计算机可执行指令；处理器，用于访问该存储器，并执行该计算机可执行指令，以进行如下操作：初始化第一图片中的每一个像素的空间参数，其中，该第一图片为二维图片集中的任一图片，该空间参数至少包括像素对应的三维空间点的深度；根据匹配误差函数更新该第一图片中的每一个像素的空间参数，其中，该匹配误差函数关联像素对应的三维空间点的误差；根据该第一图片中的每一个像素的更新后的空间参数，确定该第一图片对应的深度图；根据该第一图片对应的深度图，生成稠密点云地图。第三方面，提供了一种生成点云地图的装置，包括：初始化模块，用于初始化第一图片中的每一个像素的空间参数，其中，该第一图片为二维图片集中的任一图片，该空间参数至少包括像素对应的三维空间点的深度；更新模块，用于根据匹配误差函数更新该第一图片中的每一个像素的空间参数，其中，该匹配误差函数关联像素对应的三维空间点的误差；深度图生成模块，用于根据该第一图片中的每一个像素的更新后的空间参数，确定该第一图片对应的深度图；点云地图生成模块，用于根据该第一图片对应的深度图，生成稠密点云地图。第四方面，提供了一种计算机存储介质，该计算机存储介质中存储有程序代码，该程序代码可以用于指示执行上述第一方面的方法。本专利技术实施例的技术方案，通过对二维图片集中的任一图片中的每一个像素的空间参数进行初始化处理，并根据匹配误差函数更新图片中的每一个像素的空间参数，再根据图片中的每一个像素的更新后的空间参数，确定图片对应的深度图，并进一步生成稠密点云地图，可以得到像素粒度的、较准确的稠密点云地图，从而能够有效地生成稠密点云地图。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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是应用本专利技术实施例的技术方案的架构图。图2是本专利技术一个实施例的生成点云地图的方法的示意性流程图。图3是本专利技术另一个实施例的生成点云地图的方法的示意性流程图。图4是本专利技术又一个实施例的生成点云地图的方法的示意性流程图。图5是本专利技术实施例的计算机系统的示意性框图。图6是本专利技术一个实施例的生成点云地图的装置的示意性框图。图7是本专利技术另一个实施例的生成点云地图的装置的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。应理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本专利技术实施例，而非限制本专利技术实施例的范围。还应理解，本专利技术实施例中的公式只是一种示例，而非限制本专利技术实施例的范围，该公式可以进行变形，这些变形也应属于本专利技术保护的范围。还应理解，在本专利技术的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成任何限定。图1是应用本专利技术实施例的技术方案的架构图。如图1所示，系统110可以从二维图片集120得到稠密点云地图130。具体地，系统110可以采用本专利技术实施例的技术方案对二维图片集120进行处理，生成稠密点云地图130。二维图片集120可以是对物体进行多角度拍摄得到的图片集。本专利技术对拍摄二维图片集120的拍摄设备不做限定，其可以为任意拍摄设备。作为一个举例，该拍摄设备可以为无人机中的拍摄设备。拍摄设备得到的二维图片集120提供给系统110以进行处理。系统110为具有处理功能的系统，例如，计算机系统。系统110可以包括至少一个处理器111。该处理器111可以执行本专利技术实施例的技术方案，例如，对二维图片集120进行处理，生成稠密点云地图。该处理器111可以为任意种类的处理器，本专利技术对此不做限定。系统110还可以包括至少一个存储器112。该存储器112可用于存储指令和数据，例如，实现本专利技术实施例的技术方案的计算机可执行指令，二维图片集120的数据等。该存储器112可以为任意种类的存储器，本专利技术对此也不做限定。采用本专利技术实施例的技术方案生成的稠密点云地图130的精度高，例如，每个像素都可以有对应的三维空间点，因此不会遗漏重要的信息。图2示出了本专利技术实施例的生成点云地图的方法200的示意性流程图。该方法200可以由图1中的系统110执行。210，初始化第一图片中的每一个像素的空间参数，其中，该第一图片为二维图片集中的任一图片，该空间参数至少包括像素对应的三维空间点的深度。在本专利技术实施例中，对于二维图片集中的任一图片(表示为第一图片)，处理的粒度为像素级，即处理针对第一图片中的每一个像素。在步骤210中，初始化第一图片中的每一个像素的空间参数。也就是说，对于第一图片中的每一个像素，先进行初始化处理，得到每一个像素的空间参数的初始值，以便于后续进行更新，进而得到每一个像素的空间参数的最终值。像素的空间参数可以用于生成深度图，因此，该空间参数至少包括像素对应的三维空间点的深度。可选地，该空间参数包括像素对应的三维空间点的深度和该三维空间点的法向量。在像素对应的三维空间点的深度的基础上，再加上该三维空间点的法向量，这样，后续生成的稠密点本文档来自技高网...

【技术保护点】
一种生成点云地图的方法，其特征在于，包括：初始化第一图片中的每一个像素的空间参数，其中，所述第一图片为二维图片集中的任一图片，所述空间参数至少包括像素对应的三维空间点的深度；根据匹配误差函数更新所述第一图片中的每一个像素的空间参数，其中，所述匹配误差函数关联像素对应的三维空间点的误差；根据所述第一图片中的每一个像素的更新后的空间参数，确定所述第一图片对应的深度图；根据所述第一图片对应的深度图，生成稠密点云地图。

【技术特征摘要】
【国外来华专利技术】1.一种生成点云地图的方法，其特征在于，包括：初始化第一图片中的每一个像素的空间参数，其中，所述第一图片为二维图片集中的任一图片，所述空间参数至少包括像素对应的三维空间点的深度；根据匹配误差函数更新所述第一图片中的每一个像素的空间参数，其中，所述匹配误差函数关联像素对应的三维空间点的误差；根据所述第一图片中的每一个像素的更新后的空间参数，确定所述第一图片对应的深度图；根据所述第一图片对应的深度图，生成稠密点云地图。2.根据权利要求1所述的方法，其特征在于，所述空间参数包括像素对应的三维空间点的深度和所述三维空间点的法向量。3.根据权利要求1或2所述的方法，其特征在于，所述初始化第一图片中的每一个像素的空间参数，包括：根据所述二维图片集，生成稀疏点云地图；根据所述稀疏点云地图，初始化所述第一图片中的每一个像素的空间参数。4.根据权利要求3所述的方法，其特征在于，所述根据所述二维图片集，生成稀疏点云地图，包括：根据所述二维图片集，采用运动恢复结构的方法生成所述稀疏点云地图。5.根据权利要求3或4所述的方法，其特征在于，所述根据所述稀疏点云地图，初始化所述第一图片中的每一个像素的空间参数，包括：对于所述第一图片中的第一像素，采用以所述稀疏点云地图中的参考点为中心的高斯分布，初始化所述第一像素的空间参数，其中所述参考点对应的像素距离所述第一像素最近。6.根据权利要求1或2所述的方法，其特征在于，所述初始化第一图片中的每一个像素的空间参数，包括：根据所述二维图片集中的第二图片对应的深度图，初始化所述第一图片中的每一个像素的空间参数。7.根据权利要求6所述的方法，其特征在于，所述第一图片与所述第二图片的拍摄参数的差别满足第一预定条件。8.根据权利要求7所述的方法，其特征在于，所述第一预定条件为：所述第一图片与所述第二图片的拍摄参数的差别为，所述二维图片集中的所有图片与所述第二图片的拍摄参数的差别中不小于第一阈值且不大于第二阈值的最小差别，其中，所述第一阈值小于所述第二阈值。9.根据权利要求1至8中任一项所述的方法，其特征在于，所述匹配误差函数根据所述第一图片中的每一个像素的空间参数，所述第一图片的拍摄参数和所述二维图片集中的第三图片的拍摄参数确定，其中，所述第三图片与所述第一图片的拍摄参数的差别满足第二预定条件。10.根据权利要求9所述的方法，其特征在于，所述第二预定条件为：所述第三图片与所述第一图片的拍摄参数的差别为，所述二维图片集中的所有图片与所述第一图片的拍摄参数的差别中不小于第一阈值且不大于第二阈值的最小差别，其中，所述第一阈值小于所述第二阈值。11.根据权利要求9或10所述的方法，其特征在于，所述匹配误差函数为，其中，B表示以像素为中心的方形窗口，上划线表示取平均，Hij表示像素i和j之间的单应性矩阵，Hij根据所述第一图片中的每一个像素的空间参数，所述第一图片的拍摄参数和所述第三图片的拍摄参数确定。12.根据权利要求7至11中任一项所述的方法，其特征在于，所述拍摄参数包括相机位置和相机朝向。13.根据权利要求1至12中任一项所述的方法，其特征在于，所述根据匹配误差函数更新所述第一图片中的每一个像素的空间参数，包括：对于所述第一图片中的第一像素，根据所述匹配误差函数和第二像素的空间参数，更新所述第一像素的空间参数，其中，所述第二像素为与所述第一像素相邻且已更新空间参数的像素。14.根据权利要求13所述的方法，其特征在于，所述根据所述匹配误差函数和第二像素的空间参数，更新所述第一像素的空间参数，包括：对于所述第一像素，若采用所述第二像素的空间参数得到的所述匹配误差函数的取值小于采用所述第一像素的空间参数得到的所述匹配误差函数的取值，则将所述第一像素的空间参数更新为所述第二像素的空间参数。15.根据权利要求13或14所述的方法，其特征在于，所述根据匹配误差函数更新所述第一图片中的每一个像素的空间参数，还包括：将所述第一像素的空间参数在预定范围内变化，若采用变化后的空间参数得到的所述匹配误差函数的取值变小，则将所述第一像素的空间参数更新为所述变化后的空间参数。16.根据权利要求15所述的方法，其特征在于，在所述第一像素的空间参数收敛到稳定值后，更新下一个像素的空间参数。17.根据权利要求13至16中任一项所述的方法，其特征在于，更新所述第一图片中的每一个像素的空间参数的更新方向为从所述第一图片的左上到右下，和/或，从所述第一图片的右下到左上。18.根据权利要求17所述的方法，其特征在于，在所述更新方向为从所述第一图片的左上到右下时，所述第二像素为所述第一像素的左边、左上和上边的像素中的至少一个像素；或者，在所述更新方向为从所述第一图片的右下到左上时，所述第二像素为所述第一像素的右边、右上和下边的像素中的至少一个像素。19.根据权利要求1至18中任一项所述的方法，其特征在于，所述根据所述第一图片中的每一个像素的更新后的空间参数，确定所述第一图片对应的深度图，包括：在所述第一图片中的每一个像素的空间参数收敛到稳定值后，根据所述第一图片中的每一个像素的空间参数，确定所述第一图片对应的深度图。20.根据权利要求1至19中任一项所述的方法，其特征在于，在根据所述第一图片对应的深度图，生成稠密点云地图之前，所述方法还包括：移除所述第一图片对应的深度图中的不可信点。21.根据权利要求20所述的方法，其特征在于，所述不可信点包括所述第一图片中的第三像素和第四像素中的至少一个对应的深度图点，其中，对于所述第三像素，采用收敛后的空间参数得到的所述匹配误差函数的取值大于第一预定值；所述第四像素对应的深度图中的深度，与所述第四像素对应的三维空间点相对于所述二维图片集中的第四图片的深度的差别大于第二预定值。22.根据权利要求1至21中任一项所述的方法，其特征在于，所述根据所述第一图片对应的深度图，生成稠密点云地图，包括：通过融合所述二维图片集中的多张图片对应的深度图，生成所述稠密点云地图。23.根据权利要求1至21中任一项所述的方法，其特征在于，所述根据所述第一图片对应的深度图，生成稠密点云地图，包括：通过融合所述二维图片集中的所有图片对应的深度图，生成所述稠密点云地图。24.根据权利要求22或23所述的方法，其特征在于，在生成所述稠密点云地图之前，移除被遮挡点和冗余点。25.根据权利要求1至24中任一项所述的方法，其特征在于，所述方法还包括：根据所述稠密...

【专利技术属性】
技术研发人员：潘慈辉，赵开勇，马岳文，姚尧，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东,44