【技术实现步骤摘要】
本说明书涉及图像处理，尤其涉及一种获取用于三维重建的关键信息特征的方法及装置。
技术介绍
1、在自动驾驶、机器人、数字城市以及虚拟/混合现实等应用领域，三维重建技术得到广泛的关注。近年来，随着深度学习技术的不断发展，产生了利用神经网络从单张图像或者图像序列中获取点云数据的关键信息特征，以用于三维重建的深度学习模型。
2、然而，目前的深度学习模型对于图像的细粒度的信息捕捉能力相对较弱，在处理复杂的纹理、细节和边缘等方面可能存在限制，导致建模结果和准确性有所降低。
技术实现思路
1、为克服相关技术中存在的问题，本说明书提供了一种获取用于三维重建的关键信息特征的方法及装置。
2、根据本说明书实施例的第一方面，提供一种获取用于三维重建的关键信息特征的方法，所述方法包括：
3、获取目标场景在不同方位下的多张二维图像；
4、分别对每张二维图像实施n轮迭代处理；其中，针对任一二维图像实施的每轮迭代处理，包括：对从输入图像中提取的m种不同尺度的特征图进行第一融合处理，并输出融合生成的过渡图；且，首轮迭代处理时的所述输入图像为所述任一二维图像，非首轮迭代处理时的所述输入图像为前一轮迭代处理输出的过渡图；n和m均为不小于3的整数；
5、获取每张二维图像对应的最终轮迭代处理输出的过渡图，并分别根据从获取的每一过渡图中提取的m种不同尺度的特征图进行第二融合处理，以获得融合后特征图；
6、根据所述多张二维图像分别对应的融合后特征图，获取
7、根据本说明书实施例的第二方面，提供一种获取用于三维重建的关键信息特征的装置，包括：
8、获取图像单元，用于获取目标场景在不同方位下的多张二维图像；
9、聚合单元，用于分别对每张二维图像实施n轮迭代处理；其中，针对任一二维图像实施的每轮迭代处理，包括：对从输入图像中提取的m种不同尺度的特征图进行第一融合处理，并输出融合生成的过渡图；且，首轮迭代处理时的所述输入图像为所述任一二维图像，非首轮迭代处理时的所述输入图像为前一轮迭代处理输出的过渡图；n和m均为不小于3的整数；
10、融合处理单元，用于获取每张二维图像对应的最终轮迭代处理输出的过渡图，并分别根据从获取的每一过渡图中提取的m种不同尺度的特征图进行第二融合处理，以获得融合后特征图；
11、获取关键信息特征单元，用于根据所述多张二维图像分别对应的融合后特征图，获取针对所述目标场景进行三维重建的关键信息特征。
12、根据本说明书实施例的第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述方法的步骤。
13、根据本说明书实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述方法的步骤。
14、本说明书的实施例提供的技术方案可以包括以下有益效果：
15、本说明书实施例中，针对获取的目标场景在不同方位下的多张二维图像，针对每张二维图像实施多轮迭代处理，每轮迭代处理都包括特征提取和特征融合两个步骤，并将最终轮迭代处理输出的过渡图，分别根据从获取的每一过渡图中提取的m种不同尺度的特征图进行第二融合处理，以获得融合后特征图。采用上述方法可以循环提取图像的不同尺度的特征信息并进行融合，达到更深入有效融合图像特征，提取更丰富的多尺度特征的目的，从而有利于从融合后特征图中提取的关键信息特征能够更准确反映二维图像的纹理、细节和边缘等特征信息。
16、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
本文档来自技高网...【技术保护点】
1.一种获取用于三维重建的关键信息特征的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标场景在不同方位下的多张二维图像，包括：
3.根据权利要求1所述的方法，其特征在于，从任一图像中提取m种不同尺度的特征图，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用自注意力机制模型对每种尺度的原始特征图分别进行处理，包括：
5.根据权利要求1所述的方法，其特征在于，将m种不同尺度的特征图进行第一融合处理，包括：
6.根据权利要求1所述的方法，其特征在于，所述分别根据从获取的每一过渡图中提取的m种不同尺度的特征图进行第二融合处理，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据获取到的所有中间融合特征图以及第一种尺度的特征图进行第二融合处理，包括：
8.一种获取用于三维重建的关键信息特征的装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种获取用于三维重建的关键信息特征的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标场景在不同方位下的多张二维图像，包括：
3.根据权利要求1所述的方法，其特征在于，从任一图像中提取m种不同尺度的特征图，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用自注意力机制模型对每种尺度的原始特征图分别进行处理，包括：
5.根据权利要求1所述的方法，其特征在于，将m种不同尺度的特征图进行第一融合处理，包括：
6.根据权利要求1所述的方法，其特征在于，所述分别根据从获取的每一过渡图中提...
【专利技术属性】
技术研发人员：朱叶凡，薛峰，陈凯，
申请(专利权)人：浙江吉利控股集团有限公司，
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。