一种自然资源智慧综合信息化管理平台制造技术

本发明专利技术涉及图像处理技术领域，公开了一种自然资源智慧综合信息化管理平台，包括：第一模块，配置为采集第一点云数据，通过第一点云数据进行稠密化获得稠密点云数据，将稠密点云数据转化为第一深度图像；第二模块，配置为将图像组输入生成对抗模型，对生成对抗模型进行训练；一个第一深度图像和一个第一单目图像组成一个图像组，一个图像组的第一单目图像和第一深度图像的相机坐标系相同；第三模块，配置为将待处理的第一单目图像输入生成对抗模型，通过生成对抗模型的生成器来生成第二深度图像；本发明专利技术能够对矿井巷道的单目图像进行准确的深度估计以用于三维重建

【技术实现步骤摘要】
一种自然资源智慧综合信息化管理平台


[0001]本专利技术涉及图像处理
，更具体地说，它涉及一种自然资源智慧综合信息化管理平台
。

技术介绍

[0002]单目深度估计用于三维重建，矿井巷道内部三维图像能够用于矿井的环境仿真，能够被用来训练以及识别可能发生的危险的用途，但是矿井巷道的缺乏自然光照，采集图像与一般良好光照图像下的图像存在很大区别，深度特征缺失严重，会导致无监督单目深度估计模型非常难以训练到收敛，但是监督训练的所需的真实深度值在矿井巷道环境下的测量工程也是个无法完成的任务
。

技术实现思路

[0003]本公开至少一实施例提供一种自然资源智慧综合信息化管理方法
、
平台及介质，通过光照充足的第二单目图像应用一般的无监督单目深度估计模型来获取深度值，然后训练获得一个通过稀疏的点云数据获得稠密点云数据的神经网络模型，构建深度估计模型的训练样本，解决相关技术中单目深度估计模型难以训练的技术问题
。
[0004]本公开至少一实施例提供一种自然资源智慧综合信息化管理方法，包括：
[0005]采集第一点云数据，通过第一点云数据进行稠密化获得稠密点云数据，将稠密点云数据转化为第一深度图像，与第一单目图像的大小一致；
[0006]一个第一深度图像和一个第一单目图像组成一个图像组，一个图像组的第一单目图像和第一深度图像的相机坐标系相同；并且，一个图像组的第一单目图像和第一深度图像的相机坐标系的原点映射在现实空间内的位置相同；
[0007]将图像组输入生成对抗模型，对生成对抗模型进行训练；
[0008]将待处理的第一单目图像输入生成对抗模型，通过生成对抗模型的生成器来生成第二深度图像
。
[0009]本公开的实施例的生成对抗模型训练时判别器输入第一深度图或生成器生成的第二深度图
。
[0010]例如，在本公开至少一实施例提供的一种自然资源智慧综合信息化管理方法中，通过神经网络模型获得稠密点云数据，神经网络模型包括：
[0011]隐向量编码层，配置为输入点云空间矩阵和第一点云数据，并输出隐向量编码矩阵；
[0012]重生成层，配置为输入隐向量编码矩阵，输出生成空间矩阵；
[0013]重生成层的计算公式如下：
[0014]G
＝
sigmoid(ZZ
T
)
[0015]G
表示生成空间矩阵，其中
Z
表示隐向量编码矩阵；
[0016]通过生成空间矩阵更新缺省的点的三维坐标，更新后的缺省的点的三维坐标的计
算公式如下：
[0017][0018]其中，
D
x
，
k
、D
y
，
k
、D
z
，
k
分别是编号为
k
的点的
X、Y、Z
轴坐标，
N
a
是对应第一点云数据的点的集合，
θ
a
，
k
是生成空间矩阵中的第
a
行第
k
列的元素的值；
[0019]将更新后的缺省的点加入第一点云数据中生成稠密点云数据
。
[0020]例如，在本公开至少一实施例提供的一种神经网络中，生成点云空间矩阵的方法包括：
[0021]第一点云数据的点映射到第二单目图像的图像坐标系上，获得稀疏矩阵，稀疏矩阵的大小与第二单目图像的大小相同，稀疏矩阵上值为1的元素表示一个第一点云数据的点；建立缺省的点，用稀疏矩阵中的值为0的元素表示缺省的点，缺省的点的坐标值默认为缺省值，缺省值为1或
0。
[0022]从稀疏矩阵的左上角的元素的位置定义为第一行第一列，从该元素开始进行遍历，稀疏矩阵的每行都从第一列开始遍历，根据遍历的顺序对遍历到的元素进行编号，将元素的编号同步到元素所表示的缺省的点或第一点云数据的点；
[0023]生成点云空间矩阵，其中第
i
行第
j
列的元素表示编号为
i
和编号为
j
的点的在图像坐标系上的空间位置关系是否相邻，如果该元素的值为1，则说明编号为
i
和编号为
j
的点在图像坐标系上的空间位置关系相邻，否则表示不相邻；
[0024]缺省的点与任意点均不相邻；第一点云数据的点在图像坐标系上距离最近的四个第一点云数据的点相邻
。
[0025]例如，在本公开至少一实施例提供的一种神经网络中，所述神经网络模型的训练损失函数：
[0026][0027]其中
R
x
，
a
、R
y
，
a
、R
z
，
a
分别表示第三点云数据的编号为
a
的点的
X
，
Y
，
Z
轴坐标；
[0028]基于第二单目图像生成第三深度图像，将第三深度图像转换为第三点云数据
。
[0029]例如，在本公开至少一实施例提供的一种自然资源智慧综合信息化管理方法中，通过第一点云数据进行稠密化获得稠密点云数据的方法，包括以下：
[0030]第一点云数据的点映射到第二单目图像的图像坐标系上，获得稀疏矩阵；并基于稀疏矩阵生成缺省的点；
[0031]通过稀疏矩阵生成表示点的空间位置关系是否邻近的点云空间矩阵；
[0032]基于第二单目图像生成第三深度图像，将第三深度图像转换为第三点云数据；
[0033]例如，在本公开至少一实施例提供一种基于第二单目图像生成第三深度图像的方法，利用无监督单目深度估计的模型来生成第三深度图像，例如
Monodepth2
等
。
[0034]通过第一点云数据
、
第三点云数据对神经网络模型进行训练；
[0035]将第一点云数据输入训练完毕的神经网络模型来获得稠密点云数据
。
[0036]例如，在本公开至少一实施例提供的一种自然资源智慧综合信息化管理方法中，生成对抗模型的生成器训练时的损失函数表示为：
[0037]LOSS2＝
1*logD(x1)+0*logD(x0)+1*logD(G(z1))+0*logD(G(z0))
[0038]其中
D(x0)、(x1)
分别是判别器判断输入判别器的样本是第一深度图还是第二深度图的概率；其中
D(G(z1))、D(G(z0))
分别是判断器判断输入判别器的样本是第一深度图还是第二深度图的概率
。
[0039]生成对抗模型的判别器训练时的损失函数表示为
‑
LOSS2。
[0040]本公开至少一实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种自然资源智慧综合信息化管理方法，其特征在于，包括：采集第一点云数据，通过第一点云数据进行稠密化获得稠密点云数据，将稠密点云数据转化为第一深度图像，与第一单目图像的大小一致；一个第一深度图像和一个第一单目图像组成一个图像组，一个图像组的第一单目图像和第一深度图像的相机坐标系相同；并且，一个图像组的第一单目图像和第一深度图像的相机坐标系的原点映射在现实空间内的位置相同；将图像组输入生成对抗模型，对生成对抗模型进行训练；将待处理的第一单目图像输入生成对抗模型，通过生成对抗模型的生成器来生成第二深度图像
。2.
根据权利要求1所述的一种自然资源智慧综合信息化管理方法，其特征在于，通过神经网络模型获得稠密点云数据，神经网络模型包括：隐向量编码层，配置为输入点云空间矩阵和第一点云数据，并输出隐向量编码矩阵；重生成层，配置为输入隐向量编码矩阵，输出生成空间矩阵；重生成层的计算公式如下：
G
＝
sigmoid(ZZ
T
)G
表示生成空间矩阵，其中
Z
表示隐向量编码矩阵；通过生成空间矩阵更新缺省的点的三维坐标，更新后的缺省的点的三维坐标的计算公式如下：其中，
D
x
，
k
、D
y
，
k
、D
z
，
k
分别是编号为
k
的点的
X、Y、Z
轴坐标，
N
a
是对应第一点云数据的点的集合，
θ
a
，
k
是生成空间矩阵中的第
a
行第
k
列的元素的值；将更新后的缺省的点加入第一点云数据中生成稠密点云数据
。3.
根据权利要求2所述的一种自然资源智慧综合信息化管理方法，其特征在于，生成点云空间矩阵的方法包括：第一点云数据的点映射到第二单目图像的图像坐标系上，获得稀疏矩阵，稀疏矩阵的大小与第二单目图像的大小相同，稀疏矩阵上值为1的元素表示一个第一点云数据的点；建立缺省的点，用稀疏矩阵中的值为0的元素表示缺省的点，缺省的点的坐标值默认为缺省值，缺省值为1或0；从稀疏矩阵的左上角的元素的位置定义为第一行第一列，从该元素开始进行遍历，稀疏矩阵的每行都从第一列开始遍历，根据遍历的顺序对遍历到的元素进行编号，将元素的编号同步到元素所表示的缺省的点或第一点云数据的点；生成点云空间矩阵，其中第
i
行第
j
列的元素表示编号为
i
和编号为
j
的点的在图像坐标
系上的空间位置关系是否相邻，如果该元素的值为1，则说明编号为
i
和编号为
j
的点在图像坐标系上的...

【专利技术属性】
技术研发人员：史强，余倩，余自振，展惠君，闫家贺，程海舰，史彩侠，余紫金，
申请(专利权)人：安徽羽亿信息科技有限公司，
类型：发明
国别省市：