[发明专利]语义分割方法、装置、设备及计算机可读存储介质在审

专利信息
申请号: 202010981890.4 申请日: 2020-09-17
公开(公告)号: CN112085840A 公开(公告)日: 2020-12-15
发明(设计)人: 者雪飞;暴林超;林鸿鑫 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T17/00 分类号: G06T17/00;G06T19/20;G06T7/10;G06F3/0484
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 刘晖铭;张颖玲
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 语义 分割 方法 装置 设备 计算机 可读 存储 介质
【说明书】:

本申请提供了一种语义分割方法、装置、设备及计算机可读存储介质;方法包括:通过获取针对三维模型的展示操作;响应于展示操作,在人机交互界面展示三维模型;人机交互界面包括语义分割选项;获取针对语义分割选项的选择操作;响应于选择操作,在获取到二维图像的二维分割结果后,在人机交互界面展示三维模型的语义分割结果;语义分割结果为根据二维图像的二维分割结果和三维模型的模型属性确定的;二维图像与三维模型属于同一场景。通过本申请提供的基于人工智能的语义分割方法,能够提升对三维模型的分割效率、提升用户体验。

技术领域

本申请涉及数据处理技术,尤其涉及一种语义分割方法、装置、设备及计算机可读存储介质。

背景技术

人工智能(AI,Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。其中,三维物体重建(3D object reconstruction)和目标分割(Target segmentation)是人工智能的重要分支,在实际的工程应用中,需要对特定的三维模型进行语义分割来得到目标对象的部分三维模型,已进行后续的工程应用。

在传统的三维模型分割过程中,往往是根据三维分割网络对该三维模型的点云数据进行语义分割,由于点云数据的数据量庞大,在实际的分割过程中,不仅计算量大,耗时长,而且分割准确度较低,无法得到更加真实的语义分割结果。

发明内容

本申请实施例提供一种语义分割方法、装置、设备及计算机可读存储介质,能够提升了三维模型的分割效率和分割准确率。

本申请实施例的技术方案是这样实现的:

本申请实施例提供一种语义分割方法,包括:获取针对三维模型的展示操作;响应于展示操作,在人机交互界面展示三维模型;人机交互界面包括语义分割选项;获取针对语义分割选项的选择操作;响应于选择操作,在获取到二维图像的二维分割结果后,在人机交互界面展示三维模型的语义分割结果;语义分割结果为根据二维图像的二维分割结果和三维模型的模型属性确定的;二维图像与三维模型属于同一场景。

在一些实施例中,所述方法还包括将二维分割结果映射至三维模型,得到三维模型的语义分割结果;所述将二维分割结果映射至三维模型,得到三维模型的语义分割结果,包括:获取二维图像的二维分割结果;二维分割结果至少包括二维图像中多个像素点对应的标签;将二维图像的多个像素点,与三维模型的多个顶点进行映射;根据多个像素点对应的标签,确定每一顶点的初始标签;根据每一顶点的初始标签,和三维模型的多个子表面中每一子表面的属性信息建立能量函数;基于能量函数,对初始分割结果进行优化,得到语义分割结果。

在一些实施例中,所述能量函数包括第一损失项、第二损失项和权重;所述三维模型还包括多个相交边;所述根据每一顶点的初始标签,和三维模型的多个子表面中每一子表面的属性信息建立能量函数,包括:根据每一顶点和每一顶点对应的多个第一子表面确定第一损失项;第一损失项与每一顶点的初始标签和多个第一子表面中每一第一子表面的属性信息相关;根据多个相交边中每一相交边对应的两个相邻顶点和两个相邻的第二子表面建立第二损失项;第二损失项与相交边的长度、两个第二子表面之间的夹角和两个相邻顶点中每一相邻顶点的初始标签相关;根据第一损失项、第二损失项和权重建立能量函数。

在一些实施例中,所述属性信息包括以下至少之一:高度信息、平面信息、垂直信息和面积信息,所述方法还包括:确定每一子表面的属性信息。

在一些实施例中,在属性信息包括高度信息的情况下,所述确定每一子表面的属性信息,包括:确定每一子表面的质心位置;根据每一子表面的质心位置和预设的局部邻域范围,确定每一子表面对应的邻域质心集合;邻域质心集合中包括多个邻域质心;根据每一子表面对应的多个邻域质心的质心位置,确定每一子表面对应的高度信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010981890.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top