一种全景图像去噪方法、装置、服务器以及可读存储介质与流程

1.本技术属于图像处理技术领域，尤其涉及一种全景图像去噪方法、装置、服务器以及可读存储介质。


背景技术：

2.当前国内基于激光相机和球幕相机融合技术来创造各种高端技术产品已经越发的成为一种趋势，因此激光相机和球幕相机融合的相关技术得到了迅猛的发展。在激光相机和球幕相机融合之后采集到的点云信息中，会存在点云噪点，导致点云精度较低。


技术实现要素：

3.本技术实施例提供了一种全景图像去噪方法、装置、服务器以及可读存储介质，可以解决问题。
4.第一方面，本技术实施例提供了一种全景图像去噪方法，包括：获取待处理全景图像；去除所述待处理全景图像中的噪声区域对应的深度信息。
5.在第一方面的一种可能的实现方式中，获取待处理全景图像，包括：获取待处理图像，所述待处理图像为激光相机和球幕相机在同一点位拍摄得到的图像，其中，所述激光相机与所述球幕相机之间的相对位置固定；对齐所述待处理图像；根据所述激光相机和所述球幕相机的几何参数，拼接对齐后的所述待处理图像，得到所述待处理全景图像。
6.在第一方面的一种可能的实现方式中，去除所述待处理全景图像中的噪声区域对应的深度信息，包括：将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型，输出所述待处理全景图像中的噪声区域；去除所述噪声区域对应的深度信息。
7.在第一方面的一种可能的实现方式中，将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型，输出所述待处理全景图像中的噪声区域之前，还包括：获取训练数据集，所述训练数据集包括至少一张训练全景图像；确定所述训练数据集的目标真值，所述目标真值为每个训练全景图像对应的二值图像；以所述训练数据集为输入，所述目标真值为输出，对所述噪声区域识别神经网络模型进行训练，得到训练后的噪声区别识别神经网络。
8.第二方面，本技术实施例提供了一种全景图像去噪装置，包括：获取装置，包括获取待处理全景图像；去除装置，包括去除所述待处理全景图像中的噪声区域对应的深度信息。
9.在一种可能实现的方式中，所述获取装置包括：第一获取模块，用于获取待处理图像，所述待处理图像为激光相机和球幕相机在同一点位拍摄得到的图像，其中，所述激光相机与所述球幕相机之间的相对位置固定；对齐模块，用于对齐所述待处理图像；拼接模块，用于根据所述激光相机和所述球幕相机的几何参数，拼接对齐后的所述待处理图像，得到所述待处理全景图像。
10.在一种可能实现的方式中，所述去除装置，包括：识别模块，用于将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型，输出所述待处理全景图像中的噪声区域；去除模块，用于去除所述噪声区域对应的深度信息。
11.在一种可能实现的方式中，所述全景图像去噪装置，还包括：第二获取模块，用于获取训练数据集，所述训练数据集包括至少一张训练全景图像；确定模块，确定所述训练数据集的目标真值，所述目标真值为每个训练全景图像对应的二值图像；训练模块，以所述训练数据集为输入，所述目标真值为输出，对所述噪声区域识别神经网络模型进行训练，得到训练后的噪声区别识别神经网络。
12.第三方面，本技术实施例提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
13.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
14.本技术实施例与现有技术相比存在的有益效果是：本技术实施例中，通过获取待处理全景图像；去除待处理全景图像中的噪声区域对应的深度信息。其中，待处理图像包括rgb图像、深度图像以及激光反射强度图像。可见，本技术实施例联合rgb图像以及rgb图像对齐的深度图像和激光反射强度图像，通过神经网络预测出待处理全景图像中的噪声区域，将噪声区域对应的深度信息去除，达到准确去噪的效果，从而提高点云精度。
附图说明
15.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
16.图1是本技术实施例提供的全景图像去噪方法的流程示意图；图2是本技术实施例提供的全景图像去噪装置的结构框图；图3是本技术实施例提供的服务器的结构示意图。
具体实施方式
17.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
18.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
19.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
20.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0021]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0022]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0023]
下面将通过具体实施例对本技术实施例提供的技术方案进行介绍。
[0024]
参见图1，为本技术实施例提供的全景图像去噪方法的流程示意图，作为示例而非限定，该方法可以应用于服务器，该方法可以包括以下步骤：步骤s101，获取待处理全景图像。
[0025]
具体应用中，获取待处理全景图像，包括：步骤s201，获取待处理图像。
[0026]
其中，待处理图像为激光相机和球幕相机在同一点位拍摄得到的图像，激光相机与球幕相机之间的相对位置固定。待处理图像包括rgb图像、深度图像以及激光反射强度图像。其中，rgb图像是指具备红色、绿色、蓝色这三个颜色通道的图像，用以描述场景对象的表观、颜色以及纹理；深度图像类似于灰度图像，它的每个像素值是传感器距离场景对象的实际距离即深度值，用以描述场景对象的形状、尺度以及几何空间；激光反射强度图像是指每个像素点对应的激光反射率数据。
[0027]
可以理解的是，激光相机是lidar激光相机。
[0028]
步骤s202，对齐待处理图像。
[0029]
可以理解的是，对齐待处理图像的过程实际上是对激光相机和球幕相机进行标定。
[0030]
示例性地，对激光相机和球幕相机进行标定的过程是：通过获取标定对象对应的
图像；提取图像的特征点；根据特征点标定球幕相机的内参，以及激光相机与球幕相机之间的外参。
[0031]
步骤s203，根据激光相机和球幕相机的几何参数，拼接对齐后的待处理图像，得到待处理全景图像。
[0032]
步骤s102，去除待处理全景图像中的噪声区域对应的深度信息。
[0033]
具体应用中，去除待处理全景图像中的噪声区域对应的深度信息，包括：步骤s301，将待处理全景图像输入至预先训练的噪声区域识别神经网络模型，输出待处理全景图像中的噪声区域。
[0034]
其中，本技术实施例的噪声区域可以是指玻璃区域以及镜面区域。
[0035]
优选的，将待处理全景图像输入至预先训练的噪声区域识别神经网络模型，输出所述待处理全景图像中的噪声区域之前，还包括：步骤s401，获取训练数据集。
[0036]
其中，训练数据集包括至少一张训练全景图像。
[0037]
步骤s402，确定训练数据集的目标真值。
[0038]
其中，目标真值为每个训练全景图像对应的二值图像。可以理解的是，对训练全景图像进行语义标注，标注训练全景图像中的玻璃区域以及镜面区域为0，标注训练全景图像中的非镜面区域为1。
[0039]
步骤s403，以训练数据集为输入，目标真值为输出，对噪声区域识别神经网络模型进行训练，得到训练后的噪声区别识别神经网络。
[0040]
可以理解的是，噪声区域识别神经网络模型的是由encoder-decoder架构结合交叉熵损失函数预训练的二分类神经网络结构。
[0041]
步骤s302，去除噪声区域对应的深度信息。
[0042]
本技术实施例中，通过获取待处理全景图像；去除待处理全景图像中的噪声区域对应的深度信息。其中，待处理图像包括rgb图像、深度图像以及激光反射强度图像。可见，本技术实施例联合rgb图像以及rgb图像对齐的深度图像和激光反射强度图像，通过神经网络预测出待处理全景图像中的噪声区域，将噪声区域对应的深度信息去除，达到准确去噪的效果，从而提高点云精度。
[0043]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0044]
对应于上文实施例所述的全景图像去噪方法，图2示出了本技术实施例提供的全景图像去噪装置的结构框图，为了便于说明，仅示出了与本技术实施例相关的部分。
[0045]
参照图2，该装置包括：获取装置21，包括获取待处理全景图像；去除装置22，包括去除所述待处理全景图像中的噪声区域对应的深度信息。
[0046]
在一种可能实现的方式中，所述获取装置包括：第一获取模块，用于获取待处理图像，所述待处理图像为激光相机和球幕相机在同一点位拍摄得到的图像，其中，所述激光相机与所述球幕相机之间的相对位置固定；对齐模块，用于对齐所述待处理图像；
拼接模块，用于根据所述激光相机和所述球幕相机的几何参数，拼接对齐后的所述待处理图像，得到所述待处理全景图像。
[0047]
在一种可能实现的方式中，所述去除装置，包括：识别模块，用于将所述待处理全景图像输入至预先训练的噪声区域识别神经网络模型，输出所述待处理全景图像中的噪声区域；去除模块，用于去除所述噪声区域对应的深度信息。
[0048]
在一种可能实现的方式中，所述全景图像去噪装置，还包括：第二获取模块，用于获取训练数据集，所述训练数据集包括至少一张训练全景图像；确定模块，用于确定所述训练数据集的目标真值，所述目标真值为每个训练全景图像对应的二值图像；训练模块，用于以所述训练数据集为输入，所述目标真值为输出，对所述噪声区域识别神经网络模型进行训练，得到训练后的噪声区别识别神经网络。
[0049]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0050]
图3为本技术一实施例提供的服务器的结构示意图。如图3所示，该实施例的服务器3包括：至少一个处理器30、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意各个方法实施例中的步骤。
[0051]
所述服务器3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该服务器可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是服务器3的举例，并不构成对服务器3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0052]
所称处理器30可以是中央处理单元(central processing unit，cpu)，该处理器30还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现成可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0053]
所述存储器31在一些实施例中可以是所述服务器3的内部存储单元，例如服务器3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述服务器3的外部存储设备，例如所述服务器3上配备的插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）等。进一步地，所述存储器31还可以既包括所述服务器3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
[0054]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的
功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0055]
本技术实施例还提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0056]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0057]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0058]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0059]
在本技术所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0060]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0061]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改
或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。