[發明專利]圖像轉換方法、裝置、計算機可讀存儲介質及電子設備

在審

• 申請號: 202011344168.6
• 申請日: 2020-11-25
• 公開（公告）號: CN112489114A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 黃赫;沈麗娜;牛建偉;儲劉火;陶冶;楊超;張宏志
• 申請（專利權）人: 深圳地平線機器人科技有限公司
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06T5/00;G06T7/80
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

本公開實施例公開了一種圖像轉換方法和裝置，其中，該方法包括：基于用于采集原始圖像的原始相機的第一畸變參數和第一內參，對原始圖像進行畸變矯正處理，得到矯正后圖像；基于矯正后圖像，確定待映射圖像；基于原始相機的第一內參和目標相機的第二內參，將待映射圖像映射到目標相機的二維像面坐標系下，得到映射圖像；基于目標相機的第二畸變參數和第二內參，對映射圖像進行畸變還原處理，得到目標圖像。本公開實施例可以根據相機內參和畸變系數得到模擬另一相機拍攝的不同風格的圖像，實現方式更加簡便高效。由于生成的圖像的像素由原始圖像的像素轉變而來，從而使生成的圖像更接近真實場景。

技術領域

本公開涉及計算機技術領域，尤其是一種圖像轉換方法、裝置、計算機可讀存儲介質及電子設備。

背景技術

不同攝像頭由于在相機內參、畸變系數等方面存在差異，會導致成像質量不同。基于深度學習的圖像處理算法對訓練數據集有很強的依賴性與適配性，若實際場景中采集數據的攝像頭與采集訓練數據的攝像頭差異(在相機內參/畸變系數等方面)較大，算法模型在實際場景的預測效果通常會比較差。在實際應用中，實際場景使用的攝像頭可能是多種多樣的，為了適配實際場景，往往需要使用實際場景的攝像頭重新采集一批數據進行模型訓練。而數據采集的成本(人力/物力/時間等)通常很高。如何有效利用現有數據，生成實際攝像頭下的數據是一個非常值得探究的問題。

目前生成不同攝像頭下的數據的方法，通常采用基于深度學習的方法，比如生成對抗網絡，進行風格遷移，生成貼合實際場景的數據。

發明內容

本公開的實施例提供了一種圖像轉換方法、裝置、計算機可讀存儲介質及電子設備。

本公開的實施例提供了一種圖像轉換方法，該方法包括：基于用于采集原始圖像的原始相機的第一畸變參數和第一內參，對原始圖像進行畸變矯正處理，得到矯正后圖像；基于矯正后圖像，確定待映射圖像；基于原始相機的第一內參和目標相機的第二內參，將待映射圖像映射到目標相機的二維像面坐標系下，得到映射圖像；基于目標相機的第二畸變參數和第二內參，對映射圖像進行畸變還原處理，得到目標圖像。

根據本公開實施例的另一個方面，提供了一種圖像轉換裝置，該裝置包括：矯正模塊，用于基于用于采集原始圖像的原始相機的第一畸變參數和第一內參，對原始圖像進行畸變矯正處理，得到矯正后圖像；確定模塊，用于基于矯正后圖像，確定待映射圖像；映射模塊，用于基于原始相機的第一內參和目標相機的第二內參，將待映射圖像映射到目標相機的二維像面坐標系下，得到映射圖像；還原模塊，用于基于目標相機的第二畸變參數和第二內參，對映射圖像進行畸變還原處理，得到目標圖像。

根據本公開實施例的另一個方面，提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序用于執行上述圖像轉換方法。

根據本公開實施例的另一個方面，提供了一種電子設備，電子設備包括：處理器；用于存儲處理器可執行指令的存儲器；處理器，用于從存儲器中讀取可執行指令，并執行指令以實現上述圖像轉換方法。

基于本公開上述實施例提供的圖像轉換方法、裝置、計算機可讀存儲介質及電子設備，通過對原始圖像進行畸變矯正處理，得到矯正后圖像，然后基于矯正后圖像，確定待映射圖像，接著基于原始相機的第一內參和目標相機的第二內參，將待映射圖像映射到目標相機的二維像面坐標系下，得到映射圖像，最后基于目標相機的第二畸變參數和第二內參，對映射圖像進行畸變還原處理，得到目標圖像，從而實現了根據相機內參和畸變系數即可得到模擬另一相機拍攝的不同風格的圖像，實現方式更加簡便高效。由于生成的圖像的像素由原始圖像的像素轉變而來，從而使生成的圖像更接近真實場景。

下面通過附圖和實施例，對本公開的技術方案做進一步的詳細描述。

附圖說明