申请/专利权人：安徽羽亿信息科技有限公司

申请日：2023-09-01

公开（公告）日：2024-04-30

公开（公告）号：CN117115225B

主分类号：G06T7/55

分类号：G06T7/55;G06T7/73;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2023.12.12#实质审查的生效;2023.11.24#公开

摘要：本发明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。

主权项：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；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，、、分别是编号为k的点的X、Y、Z轴坐标，是对应第一点云数据的点的集合，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；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空间位置关系相邻，否则表示不相邻；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；所述神经网络模型的训练损失函数： ；其中、、分别表示第三点云数据的编号为a的点的X，Y，Z轴坐标；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；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：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；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；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；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；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。

全文数据：

权利要求：

百度查询： 安徽羽亿信息科技有限公司 一种自然资源智慧综合信息化管理平台

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD