【技术实现步骤摘要】
深度图像的HHA编码方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
，特别是涉及一种深度图像的HHA编码方法、装置、电子设备及存储介质。
技术介绍
[0002]显著性检测模仿人类视觉机制，利用计算机对图像上在人眼中最显著的物体进行检测，显著性检测算法得到的显著性图是一种灰度图，图中利用灰度值来表示图片中不同物体的显著性程度，图中越亮的区域越显著。深度图像是以图像的形式表示环境中深度信息的一种单通道数据表示方式，现有方法利用深度信息来生成显著性图，但仅采用深度图进行特征提取，特征提取效果不佳，无法表达更多的环境信息。
技术实现思路
[0003]本申请主要解决的技术问题是提供一种深度图像的HHA编码方法、装置、电子设备及存储介质，能够提高对深度图像的HHA编码的速度。
[0004]为了解决上述问题，本申请第一方面提供了一种深度图像的HHA编码方法，所述深度图像的HHA编码方法包括：获取深度图像的点云数据；对所述点云数据进行方向聚类筛选，得到聚类筛选后的点云数据，所述聚类筛选后的点云数...
【技术保护点】
【技术特征摘要】
1.一种深度图像的HHA编码方法，其特征在于，所述深度图像的HHA编码方法包括：获取深度图像的点云数据；对所述点云数据进行方向聚类筛选，得到聚类筛选后的点云数据，所述聚类筛选后的点云数据包括水平点云类别和垂直点云类别；根据所述聚类筛选后的点云数据得到视差图、高度图以及法向量与重力夹角图；对所述视差图、所述高度图以及所述法向量与重力夹角图进行归一化处理，得到HHA图像。2.根据权利要求1所述的深度图像的HHA编码方法，其特征在于，所述获取深度图像的点云数据，包括：利用检测相机获取所述深度图像，并根据所述检测相机的内参矩阵对所述深度图像进行坐标转换，得到所述点云数据。3.根据权利要求1所述的深度图像的HHA编码方法，其特征在于，所述对所述点云数据进行方向聚类筛选，得到聚类筛选后的点云数据，所述聚类筛选后的点云数据包括水平点云类别和垂直点云类别，包括：基于所述点云数据，获取点云法向量和点云表面曲率；基于所述点云法向量和所述点云表面曲率对所述点云数据进行方向聚类筛选，得到水平点云类别和垂直点云类别；根据所述水平点云类别和所述垂直点云类别对重力方向进行优化，得到所述聚类筛选后的点云数据。4.根据权利要求3所述的深度图像的HHA编码方法，其特征在于，所述基于所述点云数据，获取点云法向量和点云表面曲率，包括：根据所述点云数据，计算点云在xyz方向上的坐标均值；基于所述坐标均值以及点云中各点的坐标，计算点云的协方差矩阵；对所述协方差矩阵进行特征值分解，将最小特征值对应的特征向量作为所述点云法向量；以及对所述协方差矩阵进行奇异值分解，得到对应xyz三个平面的法向量，并根据所述xyz三个平面的法向量，确定所述点云表面曲率。5.根据权利要求3所述的深度图像的HHA编码方法，其特征在于，所述基于所述点云法向量和所述点云表面曲率对所述点云数据进行方向聚类筛选，得到水平点云类别和垂直点云类别，包括：对所述点云数据进行直通滤波后，将滤波后的所有点根据曲率进行升序排列，得到排序后的点集；根据所述点云数据和各点的曲率值，将所述排序后的点集划分为区域生长的多个类别领域点集合；从所述多个类别领域点集合中筛选出所述水平点云类别和所述垂直点云类别。6.根据权利要求5所述的深度图像的HHA编码方法，其特征在于，所述根据所述点云数据和各点的曲率值，将所述排序后的点集划分为区域生长的多个类别领域点集合，包括：从所述排序后的点集中，选择曲率值最小的若干个点作为种子点，将所述种子点加入种子点集和邻域点集，并将所述种子点从所述排序后的点集中删除；
遍历所述种子点集：根据所述深度图像，从所述点云数据中获取当前种子点的临近点云信息，根据所述临近点云信息获取位于所述排序后的点集中的临近点，计算所述当前种子点与所述临近点之间的法向量夹角和欧式距离，将所述法向量夹角满足预设角度阈值且所述欧式距离满足预设距离阈值的临近点加入当前的邻域点集中，且从所述排序后的点集中删除，另外在所述临近点的曲率值满足曲率阈值的情况下，将所述临近点加入当前的种子点集中；重复上述遍历所述种子点集的步骤，直到当前的种子点集为空，得到一个当前的邻域点集，作为一个类别领域点集合；重复上述步骤，直到所述排序后的点集为空，得到区域生长的多个类别领域点集合。7.根据权利要求5所述的深度图像的HHA编码方法，其特征在于，所述从所述...
【专利技术属性】
技术研发人员：汪鹏飞，马子昂，刘征宇，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。