CN119494148A 一种用于房间布局估计的透视图c2p转换和布局生成方法 （西安邮电大学）

一种用于房间布局估计的透视图C2P转换和本发明公开了一种用于房间布局估计的透指定给平面的标签对应于最接近该形心的锚点整的深度图和平面可见性置信度中生成平面深顺序平面深度图集成准确地估计房间的平面布局。本发明使得C2P变换能灵活地应用于透视图200)是主点，如果将方程为ax+iy+iz+i=0的任意平面投影到2.根据权利要求1所述用于房间布局估计的透视图C2Pk表示平面k的目标平面深度参数，分别使用从Z得到的齐次像素坐标及其对应的逆对于平面深度图重建，构造和i,其中7(u,v)-u,3给定平面k的重建深度图计算如下：Z表示透视图像的综合深度图，由Z得到的齐次像素坐标及3.根据权利要求2所述用于房间布局估计的透视图C24.根据权利要求1所述用于房间布局估计的透视图C2P转换和布局i行第j列表示为中的值应为1，否则应为0；的学习是负责预测平面类别的输出分支产生与锚的分布空间对齐是真实的平面类别的输出分支产生与锚的分布空间对齐的概率图。5.根据权利要求4所述用于房间布局估计的透视图C2M)，这是表示每个像素的平面类别是否与第j列中的一i行中的锚之4面类别为(i_1)M+j，定义来表示M2平面类别的所有语义标签，由于α和β是独立其中L」表示发言权操作；基于以上分析，采用相应的输出分支对2M个输出通道的解M)表示每个像素的平面类别是否与第i行中锚相关联的概率图；6.根据权利要求1所述用于房间布局估计的透视图C2P转换步骤4.2、将选定的平面区分为墙和非墙，通过对估计的平面深度参数进行分类来实7.根据权利要求6所述用于房间布局估计的透视图C28.根据权利要求6所述用于房间布局估计的透视图C2P转Q:=[e.o.s.J'代表定义的第k个平面的平面深度参数；9.根据权利要求6所述用于房间布局估计的透视图C2P转换510.根据权利要求1所述用于房间布局估计的透视图C2P转换和布局生成方法，其特征6[0001]本发明涉及图像处理技术领域，具体涉及一种用于房间布局估计的透视图C2P转[0004]本发明的目的在于提供一种用于房间布局估计的透视图C2P转换和布局生成方7标及其对应的逆深度值来构造和其公式如下：[0018]对于平面深度图重建，构造和i,其中(u,v)-u,给定平面k的重建深度图计算如下：[0020]C2P转换的目标是导出表示为Pk的平面k的平面深度参数，从而促进平面深度重预测平面类别的输出分支产生与锚的分布空间对齐的概率图如果图像中存在平j列中8性，dice损失超过预定义的阈值δd表示相邻9[0040]上述说明仅是本发明技术方案的概述，为了能够更清楚[0044]图4为Matterport3D_Layout和InteriorNet_Layout数据集上的透视布局估计的[0046]图6为学习完整深度图与布局深度图的定性比较结果示意图，在Matterport3D_面深度的参数化表达，C2P转换方法将平面深度重建问题转化为对综合深度图和平面可见[0051]许多传统的布局估计方法采用经典的框架，首先根据检测到的消失点/线或其他图像特征生成一系列布局假设，然后使用评分函数对这些假设进行评估并选择最优的一的2D表示来掌握关于房间布局的基本3D知识方面遇到Ren等人采用一种在立方体内部逐步移动摄像机的强化学习算法来恢复摄像机的姿态。由图三维平面重建的任务是检测包括主导平面和室内物体在内的室内场景的平面表面并恢[0054]本发明提供一种透视图像的C2P(完整深度图到平面深度)转换方法。该方法的核是主点。如果将方程为ax++iz+i=0的任意平面投影到图像上，则其像素坐标和深度值将满足这个方程式与全景图像的C2P转换具有相似之处，C2P转换的目标是导出表示为Pk的平面k的平面深度标及其对应的逆深度值来构造和其公式如下：给定平面k的重建深度图计算如下：和重建的平面深度图的损失函数的梯度被反向传播到视图像通常只捕捉房间的一部分。透视图像中的主导平面的组织缺乏全景图像中的规律和βi的联合概率表示与第i行第j列中的锚相关联的平面的语义标签，ρρ合了尺度和平移不变的修剪损失和等式(16)中的多尺度梯度匹配损失。粗略布局深度图传统曼哈顿世界假设的复杂室内环境。这一特性使得该方法具有更高的灵活性和适用性，c数σk与平面法线的垂直分量成正比。如果qq平面深度图的积分作为该3D坐标系中两个曲面的交点。使用最左侧墙的深度图开始该过[0099]还采用了批处理规模为20的ADAMP[0103]还在四个透视数据集上进行了实验：Matterport3D_Layout、InteriorNet_[0104]Matterport3D_Layout。数据集也是通过对Matterport3D数据集的仔细选择和注[0108]Matterport3D_Layout和InteriorNet_Layout数据集上的透视布局估计的可视化[0110]表II：在InteriorNet_Layout数据集上基于透视图像的总体布局估计的定量结[0113]InteriorNet_Layout数据集的可视化结果如图4(b)所示该方法提供了最准确的布局估计结果，特别是在多墙场景下。值得注意的是，与这里使用Matterport3D_Layout数据集进行优化，而E和C使用LSUN数据集进行优化。是定义的尺度反深度软极大值与地面真实布局分[0115]该术语鼓励在相应平面区域内重建的平面深度值是所有平面深度图中的最小Hedau数据集上获得了次低的像素误差。该方法在2D布局数据集上的性能不如在3D数据集于LSUN和Hedau数据集中某些手动注释的2D布局与3D几何约束之间的不一致。这种不一致MatterportLayout(上)和Matterport3DLayout(下)数据集上评估比较。红线是真实的布与伪真实值之间的L1损失纳入其中。在MatterportLayout和Matterport3D_Layout数据集络对室内场景的整体空间结构有一个全面的理解。为了验证学习遮挡部分深度信息的影IV和V分别提供了在MatterportLayout和Ma