【技术实现步骤摘要】
三维重建方法、装置、设备以及存储介质
本申请实施例涉及计算机
,具体涉及计算机视觉、深度学习等人工智能
,尤其涉及三维重建方法、装置、设备以及存储介质。
技术介绍
通常,深度相机采集到的RGBD图像是非常密集的。例如,在人脸扫描过程中,深度相机会采集数百帧人脸RGBD图像。然而RGBD图像主要以图片的形式存储,数量巨大的RGBD图像需要较大的存储与网络传输资源。并且,需要利用大量存储与网络传输资源对RGBD图像的所有帧进行重建,导致存储与网络传输成本较大。
技术实现思路
本申请实施例提出了三维重建方法、装置、设备以及存储介质。第一方面,本申请实施例提出了一种三维重建方法,包括:获取目标的RGBD图像序列;对于RGBD图像序列中的RGBD图像,确定目标在RGBD图像上的第一三维关键点集合;将第一三维关键点集合转移到相机坐标系下,得到目标在相机坐标系下的第二三维关键点集合;基于第二三维关键点集合,计算RGBD图像的欧拉角;基于欧拉角选取RGBD图像;基于选取出的RGBD图像进行目标三维重建,得到目标的三维模型。第二方面,本申请实施例提出了一种三维重建装置,包括:获取模块,被配置成获取目标的RGBD图像序列;确定模块,被配置成对于RGBD图像序列中的RGBD图像,确定目标在RGBD图像上的第一三维关键点集合;转移模块,被配置成将第一三维关键点集合转移到相机坐标系下,得到目标在相机坐标系下的第二三维关键点集合;计算模块,被配置成基于第二三维关键点集合,计算RGBD图像的欧拉角; ...
【技术保护点】
1.一种三维重建方法,包括:/n获取目标的RGBD图像序列;/n对于所述RGBD图像序列中的RGBD图像,确定所述目标在所述RGBD图像上的第一三维关键点集合;/n将所述第一三维关键点集合转移到相机坐标系下,得到所述目标在所述相机坐标系下的第二三维关键点集合;/n基于所述第二三维关键点集合,计算所述RGBD图像的欧拉角;/n基于欧拉角选取RGBD图像;/n基于选取出的RGBD图像进行目标三维重建,得到所述目标的三维模型。/n
【技术特征摘要】
1.一种三维重建方法,包括:
获取目标的RGBD图像序列;
对于所述RGBD图像序列中的RGBD图像,确定所述目标在所述RGBD图像上的第一三维关键点集合;
将所述第一三维关键点集合转移到相机坐标系下,得到所述目标在所述相机坐标系下的第二三维关键点集合;
基于所述第二三维关键点集合,计算所述RGBD图像的欧拉角;
基于欧拉角选取RGBD图像;
基于选取出的RGBD图像进行目标三维重建,得到所述目标的三维模型。
2.根据权利要求1所述的方法,其中,所述RGBD图像包括RGB图像和深度图像;以及
所述确定所述目标在所述RGBD图像上的第一三维关键点集合,包括:
对所述RGB图像进行关键点检测,得到所述目标在所述RGB图像上的二维关键点集合;
将所述RGB图像与所述深度图像对齐,得到所述第一三维关键点集合。
3.根据权利要求2所述的方法,其中,所述对所述RGB图像进行关键点检测,得到所述目标在所述RGB图像上的二维关键点集合,包括:
利用关键点检测模型对所述RGB图像进行关键点检测,得到所述二维关键点集合。
4.根据权利要求1所述的方法,其中,所述RGBD图像还包括相机参数;以及
所述将所述第一三维关键点集合转移到相机坐标系下,得到所述目标在所述相机坐标系下的第二三维关键点集合,包括:
基于所述相机参数,通过逆透视投影将所述第一三维关键点集合转移到相机坐标系下,得到所述第二三维关键点集合。
5.根据权利要求4所述的方法,其中,所述基于所述相机参数,通过逆透视投影将所述第一三维关键点集合转移到相机坐标系下,得到所述第二三维关键点集合,包括:
从所述相机参数中获取相机焦距和相机光心;
利用所述相机焦距、所述相机光心与所述第一三维关键点集合中的三维关键点的深度值进行逆透视投影,得到所述第二三维关键点集合。
6.根据权利要求1所述的方法,其中,所述基于所述第二三维关键点集合,计算所述RGBD图像的欧拉角,包括:
通过奇异值分解的方法计算所述RGBD图像序列中的相邻RGBD图像对应的第二三维关键点集合之间的转移关系,其中,所述转移关系包括旋转矩阵、平移参数和缩放因子;
根据所述旋转矩阵计算所述相邻RGBD图像之间的相对欧拉角;
基于所述相对欧拉角,计算所述RGBD图像的绝对欧拉角。
7.根据权利要求6所述的方法,其中,所述基于欧拉角选取RGBD图像,包括:
基于绝对欧拉角,等角度间隔选取RGBD图像。
8.根据权利要求1所述的方法,其中,在所述基于所述第二三维关键点集合,计算所述RGBD图像的欧拉角之前,还包括:
利用随机抽样一致性算法对所述第二三维关键点集合进行过滤。
9.根据权利要求8所述的方法,其中,所述利用随机抽样一致性算法对所述第二三维关键点集合进行过滤,包括:
从所述第二三维关键点集合中选取预设数目的第二三维关键点,生成第二三维关键点子集合;
计算所述RGBD图像序列中的相邻RGBD图像对应的第二三维关键点子集合的变换矩阵;
计算所述第二三维关键点集合中的第二三维关键点与所述变换矩阵的投影误差,以及将投影误差小于预设阈值的第二三维关键点加入内点集;
基于所述内点集,对所述第二三维关键点集合进行过滤。
10.根据权利要求9所述的方法,其中,所述基于所述内点集,对所述第二三维关键点集合进行过滤,包括:
若所述内点集的元素个数大于目标内点集的元素个数,将所述内点集更新为所述目标内点集,以及将迭代次数加1;
若迭代次数未达到预设次数,重新选取第二三维关键点子集合继续迭代;
若迭代次数达到所述预设迭代次数,将所述目标内点集作为过滤后的第二三维关键点集合。
11.根据权利要求1-10之一所述的方法,其中,所述目标是人脸,所述关键点包括以下至少一项:人脸五官的位置、轮廓信息和形状信息。
12.一种三维重建装置,包括:
获取模块,被配置成获取目标的RGBD图像序列;
确定模块,被配置成对于所述RGBD图像序列中的RGBD图像,确定所述...
【专利技术属性】
技术研发人员:梁柏荣,洪智滨,郭知智,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
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。