(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210560168.2 (22)申请日 2022.05.23 (65)同一申请的已公布的文献号 申请公布号 CN 114648640 A (43)申请公布日 2022.06.21 (73)专利权人 深圳市其 域创新科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区科苑南路3170号留学生 创业大厦一期2 207 (72)发明人 王孙平　 (74)专利代理 机构 深圳市爱迪森知识产权代理 事务所(普通 合伙) 44341 专利代理师 何婷 (51)Int.Cl. G06V 10/26(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (56)对比文件 US 2012176 366 A1,2012.07.12 皮志明等.融合深度和颜色信息的图像物体 分割算法. 《模式识别与人工智能》 .2013,(第02 期),25-32. LI Guang et al.Co lor image segmentati on algorithm based o n K-means clusteri ng and regi on merging. 《Journal of Computer Ap plications》 .2010,第3 0卷(第2 期), 审查员 邱立英 (54)发明名称 一种目标物单体化方法、 装置、 设备及存储 介质 (57)摘要 本发明涉及信息处理技术领域， 具体涉及一 种目标物单体化方法、 装置、 设备及存储介质， 目 标物单体化方法包括： 获取三维场景数据； 将三 维场景数据转换为俯视视角的光学图像和深度 图像； 对光学图像进行语义分割处理， 得到目标 物掩膜； 对深度图像进行聚类分割处理， 得到目 标物簇； 计算目标物掩膜和目标物簇之间交集面 积与并集面积的比值； 确定大于或等于第一预设 阈值的比值所对应的目标物簇或目标物掩膜， 将 确定的目标物簇或目标物掩膜在三维场景数据 中所对应的区域确定为单体化目标物。 通过上述 方式， 本发 明能够提升目标物单体化的精度和速 度。 权利要求书2页 说明书11页 附图5页 CN 114648640 B 2022.09.06 CN 114648640 B 1.一种目标物单体化方法， 其特 征在于， 包括： 获取三维场景 数据； 将所述三维场景 数据转换为俯视 视角的光学图像和深度图像； 将所述光学图像输入卷积神经网络； 通过所述卷积神经网络 输出所述光学图像中各像素点的分类置信度； 获取大于或等于第二预设阈值的所述分类置信度所对应的像素点， 得到目标物掩膜， 所述目标物掩膜的数量 为多个； 簇标记： 将所述深度图像中的其中一个 像素点划分至种子区域并标记为簇； 邻域像素归类： 计算所述像素点的深度值与其上、 下、 左、 右四个相邻像素点的深度值 之间的差的绝对值， 将小于或等于第三预设阈值的所述差的绝对值所对应的所述相邻像素 点划分至所述种子区域并标记为所述簇； 重复邻域像素归类： 对所述种子区域内除所述像素点之外的其他像素点分别进行所述 邻域像素归类， 直至所述种子区域内部边缘所有像素点的深度值和与其相 邻且位于所述种 子区域外部的像素点的深度值之间的所述差的绝对值均大于所述第三预设阈值后停止， 所 述种子区域内的所有像素点被标记为同一个所述簇； 遍历剩余像素： 重复对所述深度图像中没有被标记为所述簇的像素点依次进行所述簇 标记、 所述邻域像素归类和所述重复邻域像素归类， 直至所述深度图像中的所有像素点均 被标记后停止， 得到初始目标物簇， 所述目标物簇的数量为多个， 并且至少部分所述目标物 掩膜与至少部分所述目标物簇之间具有一 一对应关系； 分别计算每个所述目标物簇和与其对应的所述目标物掩膜之间交集面积与并集面积 的比值； 确定每个大于或等于第一预设阈值的所述比值所对应的所述目标物簇或所述目标物 掩膜， 将确定的每个所述目标物簇或所述目标物掩膜在所述三维场景数据中所对应的区域 分别确定为 一个单体化目标物。 2.根据权利要求1所述的目标物单体化方法， 其特征在于， 所述将所述三维场景数据转 换为俯视 视角的光学图像和深度图像之后， 所述方法还 包括： 对所述光学图像和所述深度图像进行插值处 理和/或滤波处 理。 3.根据权利要求1所述的目标物单体化方法， 其特征在于， 优先对所述种子区域外边缘 的像素点进行 所述重复邻域像素归类。 4.根据权利要求1所述的目标物单体化方法， 其特征在于， 所述重复邻域像素归类之 后， 所述方法还 包括： 簇过滤： 获取面积大于或等于第四预设阈值的所述初始目标物簇， 得到所述目标物簇 。 5.一种目标物单体化装置， 其特 征在于， 包括： 获取单元， 用于获取三维场景 数据； 图像转换 单元， 用于将所述 三维场景 数据转换为俯视 视角的光学图像和深度图像； 第一图像分割单元， 用于将所述光学图像输入卷积神经网络， 通过所述卷积神经网络 输出所述光学图像中各像素点的分类置信度， 获取大于或等于第二预设阈值的所述分类置 信度所对应的像素点， 得到目标物掩膜， 所述目标物掩膜的数量 为多个； 第二图像分割单元， 用于簇标记： 将所述深度图像中的其中一个像素点划分至种子区权　利　要　求　书 1/2 页 2 CN 114648640 B 2域并标记 为簇， 邻域像素归类： 计算所述像素点的深度值与其上、 下、 左、 右四个相 邻像素点 的深度值之 间的差的绝对值， 将小于或等于第三预设阈值的所述差的绝对值所对应的所述 相邻像素点划分至所述种子区域并标记为所述簇， 重复邻域像素归类： 对所述种子区域内 除所述像素点之外的其他像素点分别进行所述邻域像素归类， 直至所述种子区域内部边缘 所有像素点的深度值和与其相邻且位于所述种子区域外部的像素点的深度值之间的所述 差的绝对值均大于所述第三预设阈值后停止， 所述种子区域内的所有像素点被标记为同一 个所述簇， 遍历剩余像素： 重复对所述深度图像中没有被标记为所述簇的像素点依 次进行 所述簇标记、 所述邻域像素归类和所述重复邻域像素归类， 直至所述深度图像中的所有像 素点均被标记后停止， 得到初始目标物簇， 所述目标物簇的数量为多个， 并且至少部 分所述 目标物掩膜与至少部分所述目标物簇之间具有一 一对应关系； 计算单元， 用于分别计算每个所述目标物簇和与其对应的所述目标物掩膜之间交集面 积与并集 面积的比值； 确定单元， 用于确定每个大于或等于第 一预设阈值的所述比值所对应的所述目标物簇 或所述目标物掩膜， 将确定的每个所述目标物簇或所述目标物掩膜在所述三 维场景数据中 所对应的区域分别确定为 一个单体化目标物。 6.一种计算设备， 其特征在于， 包括： 处理器、 存储器、 通信接口和通信总线， 所述处理 器、 所述存 储器和所述 通信接口通过 所述通信总线完成相互间的通信； 所述存储器用于存放至少一可执行指令， 所述可执行指令使所述处理器执行如权利要 求1‑4中任一项所述的目标物单体化方法。 7.一种计算机存储介质， 其特征在于， 所述存储介质中存储有至少一可执行指令， 所述 可执行指令使处 理器执行如权利要求1 ‑4中任一项所述的目标物单体化方法。权　利　要　求　书 2/2 页 3 CN 114648640 B 3