用于三维场景重建的纹理贴图选择方法以及相关装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113870405A(43)申请公布日2021.12.31(21)申请号202111125711.8(22)申请日2021.09.24(71)申请人埃洛克航空科技（北京）有限公司地址100039北京市丰台区汽车博物馆东路1号院3号楼24层2806-2(72)发明人由清圳(74)专利代理机构北京知果之信知识产权代理有限公司11541代理人高科李志刚(51)Int.Cl.G06T15/04(2011.01)G06T7/11(2017.01)权利要求书2页说明书8页附图3页(54)发明名称用于三维场景重建的纹理贴图选择方法以及相关装置(57)摘要本申请公开了一种用于三维场景重建的纹理贴图选择方法以及相关装置。该方法包括获取多张连续的图像，并通过预设语义识别模型分别识别出目标车辆以及道路，其中所述目标车辆正位于所述道路上，所述预设语义识别模型述为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：样本图像和所述样本图像中各像素的车辆标签、道路标签；通过所述道路进行三维场景重建的过程中根据所述车道的位置区域中不存在所述目标车辆的目标区域，选择待重建的三维场景中所述道路的三维模型中面片的纹理贴图。本申请解决了三维场景重建受到运动车辆干扰无法有效去除的技术问题。通过本申请，提高了三维场景重建中的呈现效果，排除了干扰。CN113870405ACN113870405A权利要求书1/2页1.一种用于三维场景重建的纹理贴图选择方法，其特征在于，包括：获取多张连续的图像，并通过预设语义识别模型分别识别出目标车辆以及道路，其中所述目标车辆正位于所述道路上，所述预设语义识别模型述为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：样本图像和所述样本图像中各像素的车辆标签、道路标签；通过所述道路进行三维场景重建的过程中根据所述车道的位置区域中不存在所述目标车辆的目标区域，选择待重建的三维场景中所述道路的三维模型中面片的纹理贴图。2.根据权利要求1所述的方法，其特征在于，所述通过所述道路进行三维场景重建的过程中根据所述车道的位置区域中不存在所述目标车辆的目标区域，还包括：通过所述道路进行三维场景重建的过程中，根据所述车道中车道线位置确定道路中正在运动的所述目标车辆的第一位置；根据所述目标车辆的第一位置，确定多个待选的所述目标区域，其中所述目标区域至少包括如下之一：包含道路元素、包含车辆元素、既包含道路元素又包含车辆元素；在多个待选的所述目标区域中筛选出仅包含所述道路元素的目标区域，用以排除运动车辆干扰。3.根据权利要求2所述的方法，其特征在于，所述通过所述道路进行三维场景重建的过程中根据所述车道的位置区域中不存在所述目标车辆的目标区域，选择待重建的三维场景中所述道路的三维模型中面片的纹理贴图，包括：通过纹理映射以及所述在多个待选的所述目标区域中筛选出仅包含所述道路元素的目标区域，得到所述道路的三维模型中面片的纹理贴图。4.根据权利要求2所述的方法，其特征在于，所述通过所述道路进行三维场景重建的过程中根据所述车道的位置区域中不存在所述目标车辆的目标区域，选择待重建的三维场景中所述道路的三维模型中面片的纹理贴图，包括：通过纹理映射以及所述在多个待选的所述目标区域中筛选出所述既包含道路元素又包含车辆元素的目标区域，得到所述道路的三维模型中面片对应的纹理贴图。5.根据权利要求2所述的方法，其特征在于，所述通过所述道路进行三维场景重建的过程中根据所述车道的位置区域中不存在所述目标车辆的目标区域，选择待重建的三维场景中所述道路的三维模型中面片的纹理贴图，之前还包括：在所述在多个待选的所述目标区域中筛选出所述包含车辆元素的非目标区域，并将所述包含车辆元素的非目标区域去除。6.根据权利要求1所述的方法，其特征在于，所述预设语义识别模型，包括：基于CNN或者FCNN神经网络模型训练所述多组图像数据，得到所述预设语义识别模型；基于所述预设语义识别模型对图像数据中各个像素道路、车辆标注结果，分别生成道路的包围盒与车辆的包围框，所述目标车辆包围框在道路包围框内部用以作为在所述道路内的车辆。7.根据权利要求1所述的方法，其特征在于，所述获取多张连续的图像，并通过预设语义识别模型分别识别出目标车辆以及道路，其中所述目标车辆正位于所述道路上，所述预设语义识别模型述为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：样本图像和所述样本图像中各像素的车辆标签、道路标签，包括：2CN113870405A权利要求书2/2页通过无人机航拍影响获取多张连续的航拍图像，并通过预设语义识别模型中的车辆标签、道路标签，分别识别出航拍过程中出现的正在运动的所述目标车辆以及待三维场景重建的所述