一种同名点提取方法、装置、计算机设备和存储介质与流程

1.本发明实施例涉及计算机技术领域，尤其涉及一种同名点提取方法、装置、计算机设备和存储介质。


背景技术：

2.图像的同名点匹配是计算机图形学和摄影测量学的一个核心问题。同名点的精确匹配在图像处理技术中是影像拼接融合、图像三维重建以及图像中同名物体识别等研究领域的关键技术之一。同名点的匹配精度直接影响着图像拼接融合的效果、三维重建的精确度以及同名物体识别的准确度。随着计算机图形学、模式识别等技术的发展，同名点匹配技术也取得了长足的发展。
3.现有技术中，首先在三维图像中确定第一特征点，然后人工在二维图像中确定第一特征点对应的第二特征点，将第一特征点和第二特征点确定为一对同名点。
4.这种同名点提取方式的提取效率较低，且误差率较大，难以高效获得大量的、精确的同名点。


技术实现要素：

5.本发明提供一种同名点提取方法、装置、计算机设备和存储介质，以快速获取大量精确的同名点。
6.第一方面，本发明实施例提供了一种同名点提取方法，包括：
7.根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；
8.基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；
9.对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点；
10.确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
11.本发明实施例的技术方案，提供一种同名点提取方法，包括：根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和
第二目标特征点；确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。上述技术方案，在获取到目标区域对应的图像数据和模型数据后，可以进一步确定图像数据对应的视频图像，确定模型数据对应的三维模型，进而可以调整三维模型以使三维模型与视频图像对齐，并确定三维模型与视频图像对齐时的图像缓存，进一步可以对在图像缓存中提取的第一特征点集和在视频图像中提取的第二特征点集进行匹配，以确定初始点对集合，初始点对集合包括至少一组初始点对，初始点对包括相互对应的第一初始特征点和第二初始特征点，由于提取失误或者匹配失误，初始点对集合中可能包含并不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此，可以对初始点对集合进行噪点剔除，以删除初始点对集合中不匹配的第一初始特征点和第二初始特征点构成的初始点对，得到目标点对集合，目标点对集合包括至少一组目标点对，目标点对包括相互对应的第一目标特征点和第二目标特征点，进而可以确定第一目标特征点在三维模型中的三维坐标，确定第二目标特征点在视频图像中的二维坐标，得到同名点集，实现了自动获取同名点集，提升了获取同名点集的效率，而且，由于目标点对集合中剔除了不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此根据目标点对集合确定的同名点对的准确度更高。
12.进一步地，根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，包括：
13.将所述目标区域对应的所述图像数据和所述模型数据加载到渲染引擎中；
14.基于所述渲染引擎确定所述图像数据对应的视频图像和所述模型数据对应的三维模型。
15.进一步地，对齐所述三维模型和所述视频图像，包括：
16.基于用户在所述渲染引擎中触发的调整指令，对齐所述三维模型和所述视频图像。
17.进一步地，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合，包括：
18.基于特征提取算法从所述图像缓存中提取所述第一特征点集，从所述视频图像中提取所述第二特征点集；
19.基于特征匹配算法对所述第一特征点集和所述第二特征点集进行匹配，得到所述初始点对集合。
20.进一步地，基于所述渲染引擎确定所述图像数据对应的视频图像和所述模型数据对应的三维模型，包括：
21.在所述渲染引擎中分别基于两个并列的界面显示所述图像数据对应的视频图像和所述模型数据对应的三维模型。
22.进一步地，对所述初始点对集合进行噪点剔除，得到目标点对集合，包括：
23.在所述渲染引擎中确定所述初始点对集合包含的各组第一初始特征点和第二初始特征点的连接线，并确定所述连接线与预设标准线的夹角；
24.将各所述夹角放入按角度分割的直方图中，根据包含角度最多的矩形框中各所述角度对应的所述第一初始特征点和所述第二初始特征点，确定所述目标点对集合，所述直
方图包括至少一个按角度分割的矩形框。
25.进一步地，该方法还包括：
26.基于与所述视频图像对齐的三维模型确定深度缓存和相机参数；
27.相应地，确定所述第一目标特征点在所述三维模型中的三维坐标，包括：
28.基于所述深度缓存和所述相机参数确定所述第一目标特征点在所述三维模型中的三维坐标。
29.第二方面，本发明实施例还提供了一种同名点提取装置，包括：
30.第一确定模块，用于根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；
31.提取模块，用于基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；
32.剔除模块，用于对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点；
33.执行模块，用于确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
34.第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任一所述的同名点提取方法。
35.第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的同名点提取方法。
36.第五方面，本技术提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如第一方面提供的同名点提取方法。
37.需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与同名点提取装置的处理器封装在一起的，也可以与同名点提取装置的处理器单独封装，本技术对此不做限定。
38.本技术中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面、以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
39.在本技术中，上述同名点提取装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本技术类似，属于本技术权利要求及其等同技术的范围之内。
40.本技术的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
41.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使
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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1为本发明实施例提供的一种同名点提取方法的流程图；
43.图2为本发明实施例提供的另一种同名点提取方法的流程图；
44.图3为本发明实施例提供的一种同名点提取装置的结构示意图；
45.图4为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
46.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
47.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
48.本技术的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
49.此外，本技术的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
50.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
51.需要说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
52.在本技术的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
53.图1为本发明实施例提供的一种同名点提取方法的流程图，本实施例可适用于需要快速获取大量精确的同名点的情况，该方法可以由同名点提取装置来执行，如图1所示，具体包括如下步骤：
54.步骤110、根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像。
55.具体地，可以基于无人机所包含的相机传感器对目标区域进行拍摄，得到目标区域对应的摄影数据，对摄影数据进行处理后可以得到模型数据。进而可以将模型数据加载到3d渲染引擎中，并在3d渲染引擎中显示模型数据，得到目标区域对应的三维模型。可以基
于ptz相机(云台全方位移动且焦距可变的相机，pan/tilt/zoom)对目标区域进行拍摄，得到目标区域对应的图像数据。进而可以将图像数据加载到3d渲染引擎中，并在3d渲染引擎中显示图像数据，得到目标区域对应的视频图像。
56.3d渲染引擎中生成的视频图像的视角和尺寸是确定的，生成的三维模型的视角和尺寸是可调整的。因此，在确定目标区域的视频图像和三维模型后，可以调整三维模型的视角和/或尺寸，直至三维模型的尺寸和视角与视频图像的尺寸和视角接近一致，实现对齐三维模型和视频图像。
57.本发明实施例中，将无人机所包含的相机传感器获取到的目标区域对应的模型数据和ptz相机获取到的目标区域对应的图像数据加载到3d渲染引擎中，3d渲染引擎可以根据模型数据确定目标区域对应的三维模型，根据图像数据确定目标区域对应的视频图像。进而可以对齐三维模型和视频图像，以便于在三维模型和视频图像中确定同名点。
58.步骤120、基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合。
59.具体地，在对齐三维模型和视频图像后，可以将与视频图像对齐的三维模型的rgb缓存确定为图像缓存。其次，可以从图像缓存中提取第一特征点，并根据提取到的第一特征点确定第一特征点集，从视频图像中提取第二特征点，并根据提取到的第二特征点确定第二特征点集。进而，可以对第一特征点集和第二特征点集进行匹配，得到初始点对集合。初始点对集合包括至少一组初始点对，一组初始点对可以包括相互对应的第一初始特征点和第二初始特征点。
60.本发明实施例中，在确定与视频图像对齐的三维模型的图像缓存后，可以从图像缓存中提取第一特征点并构建第一特征点集，可以从视频图像中提取第二特征点集并构建第二特征点集，并对第一特征点集和第二特征点集进行匹配，得到包括至少一组初始点对的初始点对集合。
61.步骤130、对所述初始点对集合进行噪点剔除，得到目标点对集合。
62.其中，目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点。
63.由于算法误差，对第一特征点集和第二特征点集进行匹配得到的初始点对集合中，可能包含并不匹配的初始点对，因此，需要删除掉不匹配的初始点对。
64.具体地，可以确定各初始点对所包含的第一初始特征点和第二初始特征点的匹配度，并从初始点对集合中删除匹配度较小的第一初始特征点和第二初始特征点所构成的初始点对，实现对初始点对集合的噪点剔除，得到目标点对集合。
65.本发明实施例中，可以根据第一初始特征点和第二初始特征点的匹配度确定第一初始特征点和第二初始特征点是否匹配，并在确定第一初始特征点和第二初始特征点不匹配时，删除第一初始特征点和第二初始特征点所构成的初始点对，实现对初始点对集合的噪点剔除，得到目标点对集合。
66.步骤140、确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
67.具体地，在根据视频图像确定第二特征点集时，可以确定第二特征点集所包含的各第二特征点在视频图像中的二维坐标。在根据图像缓存确定第一特征点集时，可以确定第一特征点集所包含的各第一特征点在图像缓存中的像素坐标。因此，需要对像素坐标进行进一步转换，以得到第一特征点在三维模型中的三维坐标。
68.具体而言，在基于与视频图像对齐的三维模型确定图像缓存时，还可以确定深度缓存和相机参数，进而可以根据深度缓存和相机参数对第一目标特征点在图像缓存中的像素坐标进行坐标转换，得到第一目标特征点在三维模型中的三维坐标。
69.本发明实施例中，在确定目标点对集合后，可以进一步确定目标点对集合中各组目标点对所包含的第一目标特征点在三维模型中的三维坐标和第二目标特征点在视频图像中的二维坐标。
70.本发明实施例提供的同名点提取方法，包括：根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点；确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。上述技术方案，在获取到目标区域对应的图像数据和模型数据后，可以进一步确定图像数据对应的视频图像，确定模型数据对应的三维模型，进而可以调整三维模型以使三维模型与视频图像对齐，并确定三维模型与视频图像对齐时的图像缓存，进一步可以对在图像缓存中提取的第一特征点集和在视频图像中提取的第二特征点集进行匹配，以确定初始点对集合，初始点对集合包括至少一组初始点对，初始点对包括相互对应的第一初始特征点和第二初始特征点，由于提取失误或者匹配失误，初始点对集合中可能包含并不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此，可以对初始点对集合进行噪点剔除，以删除初始点对集合中不匹配的第一初始特征点和第二初始特征点构成的初始点对，得到目标点对集合，目标点对集合包括至少一组目标点对，目标点对包括相互对应的第一目标特征点和第二目标特征点，进而可以确定第一目标特征点在三维模型中的三维坐标，确定第二目标特征点在视频图像中的二维坐标，得到同名点集，实现了自动获取同名点集，提升了获取同名点集的效率，而且，由于目标点对集合中剔除了不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此根据目标点对集合确定的同名点对的准确度更高。
71.图2为本发明实施例提供的另一种同名点提取方法的流程图，本实施例是在上述实施例的基础上进行具体化。如图2所示，在本实施例中，该方法还可以包括：
72.步骤210、根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型。
73.一种实施方式中，步骤210具体可以包括：
74.将所述目标区域对应的所述图像数据和所述模型数据加载到渲染引擎中；基于所述渲染引擎确定所述图像数据对应的视频图像和所述模型数据对应的三维模型。
75.一种实施方式中，基于所述渲染引擎确定所述图像数据对应的视频图像和所述模型数据对应的三维模型，包括：
76.在所述渲染引擎中分别基于两个并列的界面显示所述图像数据对应的视频图像和所述模型数据对应的三维模型。
77.具体地，在对无人机所包含的相机传感器获取到的目标区域对应的摄影数据进行处理后可以得到模型数据，进而可以将模型数据加载到3d渲染引擎中，并在3d渲染引擎的第一界面中显示模型数据，得到目标区域对应的三维模型。将ptz相机获取到的目标区域对应的图像数据加载到3d渲染引擎中，并在3d渲染引擎中与第一界面并列的第二界面中显示图像数据，得到目标区域对应的视频图像。
78.本发明实施例中，基于3d渲染引擎可以确定无人机所包含的相机传感器获取到的目标区域对应的模型数据对应的三维模型，也可以确定ptz相机获取到的目标区域对应的图像数据对应的视频图像，当然，也可以基于3d渲染引擎中并列的第一界面和第二界面分别显示三维模型和视频图像。
79.步骤220、对齐所述三维模型和所述视频图像。
80.一种实施方式中，步骤220具体可以包括：
81.基于用户在所述渲染引擎中触发的调整指令，对齐所述三维模型和所述视频图像。
82.其中，调整指令可以用于调整三维模型的尺寸和视角。
83.具体地，3d渲染引擎的第二界面中显示的视频图像的视角和尺寸是确定的，第一界面中显示的三维模型的视角和尺寸是可调整的。3d渲染引擎在接收到用户触发的调整指令后，将显示三维模型的第一界面置于显示视频图像的第二界面之上，并根据调整指令调整三维模型的视角和/或尺寸，直至三维模型的尺寸和视角与视频图像的尺寸和视角接近一致，实现对齐三维模型和视频图像。
84.本发明实施例中，在3d渲染引擎中，基于用户触发的调整指令，可以调整显示在3d渲染引擎的第一界面中的三维模型的视角和/或尺寸，以使三维模型的视角和尺寸与视频图像的视角和尺寸接近一致，并在三维模型的视角和尺寸与视频图像的视角和尺寸接近一致时，确定三维模型和视频图像对齐。
85.步骤230、基于与所述视频图像对齐的三维模型确定图像缓存、深度缓存和相机参数。
86.具体地，在确定三维模型和视频图像对齐后，可以在3d渲染引擎的第一界面中确定与视频图像对齐的三维模型的3d窗口颜色，即rgb缓存，即图像缓存。同时，可以确定该图像缓存中各点的深度缓存，深度缓存可以表明图像缓存中各点距离相机的距离。当然，还可以确定获取该图像缓存的相机的参数，例如，可以确定相机的姿态角和位置。
87.本发明实施例中，在确定与视频图像对齐的三维模型后，可以进一步确定该三维模型此时的图像缓存、深度缓存和相机参数，为确定第一目标特征点提供数据基础。
88.步骤240、从所述图像缓存中提取第一特征点集，从所述视频图像中提取第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合。
89.一种实施方式中，步骤240具体可以包括：
90.基于特征提取算法从所述图像缓存中提取所述第一特征点集，从所述视频图像中
提取所述第二特征点集；基于特征匹配算法对所述第一特征点集和所述第二特征点集进行匹配，得到所述初始点对集合。
91.具体地，可以基于sift特征提取算子从图像缓存中提取第一特征点集，从视频图像中提取第二特征点集，还可以基于sift特征匹配算子对第一特征点集和第二特征点集进行匹配，得到初始点对集合。
92.本发明实施例中，在确定与视频图像对齐的三维模型的图像缓存后，可以从图像缓存中提取第一特征点并构建第一特征点集，可以从视频图像中提取第二特征点集并构建第二特征点集，并对第一特征点集和第二特征点集进行匹配，得到包括至少一组初始点对的初始点对集合。
93.步骤250、对所述初始点对集合进行噪点剔除，得到目标点对集合。
94.其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点。
95.一种实施方式中，步骤250具体可以包括：
96.在所述渲染引擎中确定所述初始点对集合包含的各组第一初始特征点和第二初始特征点的连接线，并确定所述连接线与预设标准线的夹角；将各所述夹角放入按角度分割的直方图中，根据包含角度最多的矩形框中各所述角度对应的所述第一初始特征点和所述第二初始特征点，确定所述目标点对集合，所述直方图包括至少一个按角度分割的矩形框。
97.其中，预设标准线可以为第一界面和第二界面的底边。
98.具体地，3d渲染引擎可以在两个并列界面中分别显示视频图像和三维模型对应的图像缓存，为了确定初始点对集合中各初始点对所包含的第一初始特征点和第二初始特征点是否对应，首先可以确定各初始点对所包含的第一初始特征点和第二初始特征点之间的连接线，并确定该连接线与显示界面的底边之间的角度，统计角度分布，根据统计信息从初始点对集合中删除匹配度较小的第一初始特征点和第二初始特征点所构成的初始点对，实现对初始点对集合的噪点剔除，得到目标点对集合。
99.具体而言，可以将各角度放入按角度分割的直方图区间中，如果前述确定的角度不在点数最多的直方图区间内，则确定该角度对应的第一初始特征点和第二初始特征点不匹配，进而可以删除该角度对应的第一初始特征点和第二初始特征点所构成的初始点对，实现对初始点对集合的噪点剔除。
100.在实际应用中，首先，将360
°
均分为72份，每5
°
作为一个直方图的矩形框，实现直方图的建立。其次，确定前述确定的角度所属的矩形框，并根据包含角度最多的矩形框中各角度对应的第一初始特征点和第二初始特征点确定目标点对集合。与此同时，实现剔除其他矩形框中各角度对应的第一初始特征点和第二初始特征点，实现对对初始点对集合的噪点剔除。
101.本发明实施例中，确定3d渲染引擎中各初始点对所包含的第一初始特征点和第二初始特征点之间的连接线，并确定该连接线与显示界面的底边之间的角度，进而可以通过确定角度在直方图中对应的矩形框，确定包含角度最多的矩形框，并根据包含角度最多的矩形框中各角度对应的第一初始特征点和第二初始特征点确定目标点对集合，实现对初始点对集合的噪点剔除，得到目标点对集合。
102.步骤260、确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
103.一种实施方式中，确定所述第一目标特征点在所述三维模型中的三维坐标，包括：
104.基于所述深度缓存和所述相机参数确定所述第一目标特征点在所述三维模型中的三维坐标。
105.如前实施例一所述，在根据视频图像确定第二特征点集时，可以确定第二特征点集所包含的各第二特征点在视频图像中的二维坐标。因此，可以确定第二目标特征点在视频图像中的二维坐标。在根据图像缓存确定第一特征点集时，可以确定第一特征点集所包含的各第一特征点在图像缓存中的像素坐标。因此，可以确定第一目标特征点在图像缓存中的像素坐标，进而可以根据深度缓存和相机参数对第一目标特征点在图像缓存中的像素坐标进行坐标转换，得到第一目标特征点在三维模型中的三维坐标。
106.本发明实施例中，在确定目标点集后，可以进一步确定目标点集中各组目标点对所包含的第一目标特征点在三维模型中的三维坐标以及第二目标特征点在视频图像中的二维坐标。
107.本发明实施例提供的同名点提取方法，包括：根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型；对齐所述三维模型和所述视频图像；基于与所述视频图像对齐的三维模型确定图像缓存、深度缓存和相机参数；所述图像缓存中提取第一特征点集，从所述视频图像中提取第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；对所述初始点对集合进行噪点剔除，得到目标点对集合；确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。上述技术方案，在获取到目标区域对应的图像数据和模型数据后，可以进一步确定图像数据对应的视频图像，确定模型数据对应的三维模型，进而可以调整三维模型以使三维模型与视频图像对齐，并确定三维模型与视频图像对齐时的图像缓存、深度缓存和相机参数，进一步可以对在图像缓存中提取的第一特征点集和在视频图像中提取的第二特征点集进行匹配，以确定初始点对集合，初始点对集合包括至少一组初始点对，初始点对包括相互对应的第一初始特征点和第二初始特征点，由于提取失误或者匹配失误，初始点对集合中可能包含并不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此，可以对初始点对集合进行噪点剔除，以删除初始点对集合中不匹配的第一初始特征点和第二初始特征点构成的初始点对，得到目标点对集合，目标点对集合包括至少一组目标点对，目标点对包括相互对应的第一目标特征点和第二目标特征点，在根据图像缓存确定第一特征点时，可以确定第一特征点在图像缓存中的像素坐标，即可以确定第一目标特征点在图像缓存中的像素坐标，因此可以基于深度缓存和相机参数对第一目标特征点在图像缓存中的像素坐标进行坐标转换，得到第一目标特征点在三维模型中的三维坐标，还可以确定第二目标特征点在视频图像中的二维坐标，进而根据第一目标特征点和第一目标特征点的三维坐标，第二目标特征点和第二目标特征点的二维坐标确定同名点集，实现了自动获取同名点集，提升了获取同名点集的效率，而且，由于目标点对集合中剔除了不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此根据目标点对集确定的同名点对的
准确度更高。
108.图3为本发明实施例提供的一种同名点提取装置的结构示意图，该装置可以适用于需要快速获取大量精确的同名点的情况。该装置可以通过软件和/或硬件实现，并一般集成在计算机设备中。
109.如图3所示，该装置包括：
110.第一确定模块310，用于根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；
111.提取模块320，用于基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；
112.剔除模块330，用于对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点；
113.执行模块340，用于确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
114.本实施例提供的同名点提取装置，通过根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点；确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。上述技术方案，在获取到目标区域对应的图像数据和模型数据后，可以进一步确定图像数据对应的视频图像，确定模型数据对应的三维模型，进而可以调整三维模型以使三维模型与视频图像对齐，并确定三维模型与视频图像对齐时的图像缓存，进一步可以对在图像缓存中提取的第一特征点集和在视频图像中提取的第二特征点集进行匹配，以确定初始点对集合，初始点对集合包括至少一组初始点对，初始点对包括相互对应的第一初始特征点和第二初始特征点，由于提取失误或者匹配失误，初始点对集合中可能包含并不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此，可以对初始点对集合进行噪点剔除，以删除初始点对集合中不匹配的第一初始特征点和第二初始特征点构成的初始点对，得到目标点对集合，目标点对集合包括至少一组目标点对，目标点对包括相互对应的第一目标特征点和第二目标特征点，进而可以确定第一目标特征点在三维模型中的三维坐标，确定第二目标特征点在视频图像中的二维坐标，得到同名点集，实现了自动获取同名点集，提升了获取同名点集的效率，而且，由于目标点对集合中剔除了不匹配的第一初始特征点和第二初始特征点构成的初始点对，因此根据目标点对集合确定的同名点对的准确度更高。
115.在上述实施例的基础上，第一确定模块310，具体用于：
116.将所述目标区域对应的所述图像数据和所述模型数据加载到渲染引擎中；
117.基于所述渲染引擎确定所述图像数据对应的视频图像和所述模型数据对应的三维模型；
118.基于用户在所述渲染引擎中触发的调整指令，对齐所述三维模型和所述视频图像。
119.一种实施方式中，基于所述渲染引擎确定所述图像数据对应的视频图像和所述模型数据对应的三维模型，包括：
120.在所述渲染引擎中分别基于两个并列的界面显示所述图像数据对应的视频图像和所述模型数据对应的三维模型。
121.在上述实施例的基础上，提取模块320，具体用于：
122.基于与所述视频图像的尺寸和视角对齐的三维模型确定图像缓存；
123.基于特征提取算法从所述图像缓存中提取所述第一特征点集，从所述视频图像中提取所述第二特征点集；
124.基于特征匹配算法对所述第一特征点集和所述第二特征点集进行匹配，得到所述初始点对集合。
125.在上述实施例的基础上，剔除模块330，具体用于：
126.在所述渲染引擎中确定所述初始点对集合包含的各组第一初始特征点和第二初始特征点的连接线，并确定所述连接线与预设标准线的夹角；
127.将各所述夹角放入按角度分割的直方图中，根据包含角度最多的矩形框中各所述角度对应的所述第一初始特征点和所述第二初始特征点，确定所述目标点对集合，所述直方图包括至少一个按角度分割的矩形框。
128.在上述实施例的基础上，该装置还包括：
129.第二确定模块，用于基于与所述视频图像对齐的三维模型确定深度缓存和相机参数；
130.相应地，执行模块340，具体用于：
131.基于所述深度缓存和所述相机参数确定所述第一目标特征点在所述三维模型中的三维坐标；
132.确定所述第二目标特征点在所述视频图像中的二维坐标；
133.基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
134.本发明实施例所提供的同名点提取装置可执行本发明任意实施例所提供的同名点提取方法，具备执行方法相应的功能模块和有益效果。
135.值得注意的是，上述同名点提取装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
136.图4为本发明实施例提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备4的框图。图4显示的计算机设备4仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
137.如图4所示，计算机设备4以通用计算电子设备的形式表现。计算机设备4的组件可
以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
138.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
139.计算机设备4典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备4访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
140.系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备4可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
141.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
142.计算机设备4也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备4交互的设备通信，和/或与使得该计算机设备4能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备4还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与计算机设备4的其它模块通信。应当明白，尽管图4中未示出，可以结合计算机设备4使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
143.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及页面显示，例如实现本发明实施例所提供的同名点提取方法，该方法包括：
144.根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；
145.基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；
146.对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征
点；
147.确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
148.当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的同名点提取方法的技术方案。
149.本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现例如本发实施例所提供的同名点提取方法，该方法包括：
150.根据目标区域对应的图像数据和模型数据分别确定视频图像和三维模型，对齐所述三维模型和所述视频图像；
151.基于与所述视频图像对齐的三维模型确定图像缓存后，根据所述图像缓存确定第一特征点集，根据所述视频图像确定第二特征点集，对所述第一特征点集和所述第二特征点集进行匹配得到初始点对集合；
152.对所述初始点对集合进行噪点剔除，得到目标点对集合，其中，所述目标点对集合包括至少一组目标点对，所述目标点对包括相互对应的第一目标特征点和第二目标特征点；
153.确定所述第一目标特征点在所述三维模型中的三维坐标，确定所述第二目标特征点在所述视频图像中的二维坐标，基于所述第一目标特征点的三维坐标和所述第二目标特征点的二维坐标确定同名点集。
154.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
155.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
156.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
157.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用
户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
158.本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
159.另外，本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
160.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。