重复纹理识别方法及装置与流程

1.本技术涉及三维重建技术领域，尤其涉及一种重复纹理识别方法及装置。


背景技术：

2.三维重建(3d reconstruction)是从多个二维图像中恢复物体或场景的三维结构，最终在计算机中建立表达客观世界的虚拟现实。三维重建应用于很多场景，例如，基于现实场景构建三维数字模型的场景，如ar增强现实，文物的三维数字模型创建等。
3.用于三维重建的二维图像中可能存在相同形状、相同纹理的对象，这些形状相同、纹理相同的对象特征可能会形成错误的匹配，导致三维重建模型出现错误。例如，某一空间环境的不同位置处摆放了相同的电器，如形状、纹理相同的饮水机，在为此场景进行三维重建时，很可能将不同位置的饮水机识别为同一个饮水机，从而导致该环境的三维重建模型错误。因此，在三维重建过程中，如何准确地识别重复纹理并过滤掉是目前亟需解决的问题。


技术实现要素：

4.有鉴于此，本技术提供了重复纹理识别方法及装置，以解决上述技术问题，其公开的技术方案如下：
5.第一方面，本技术提供了一种重复纹理识别方法，应用于电子设备，该方法包括：获取具有匹配关系的至少两张图像包含的特征点匹配信息，特征点匹配信息包括至少两张图像包含的相匹配的特征点的信息；将至少两张图像横向拼接，并计算至少两张图像中所有匹配特征点连线的斜率；统计至少两张图像中符合第一预设条件的连线的数量，第一预设条件包括斜率与斜率标准值之间的偏差大于或等于第一预设值；确定连线的数量满足第二预设条件，第二预设条件包括符合第一预设条件的连线的比例大于或等于第二预设值；确定至少两张图像包含小区域重复纹理。可见，该方案无需分析图像对中特征点的内容信息，仅通过特征点连线斜率识别出未处于特征匹配主方向的重复纹理，因此该方法对输入图像不敏感，提高了该方法的鲁棒性。
6.在第一方面一种可能的实现方式中，在将至少两张图像横向拼接之前，该方法还包括：统计至少两张图像中任一图像包含的匹配特征点的数量；若匹配特征点的数量大于或等于第一阈值，执行将至少两张图像横向拼接；若匹配特征点的数量小于第一阈值，确定至少两张图像存在小区域重复纹理。这样，通过图像中的匹配特征点的数量即可初步识别出存在小区域重复纹理，如果图像中匹配特征点的数量小于第一阈值则确定该图像对存在小区域重复纹理，进而确定该图像对匹配关系错误，提高了识别重复纹理的效率。
7.在第一方面一种可能的实现方式中，斜率标准值的确定过程，包括：计算图像对包含的所有连线对应的斜率中值，并确定斜率中值为斜率标准值。
8.在第一方面一种可能的实现方式中，该方法还包括：删除包含小区域重复纹理的至少两张图像之间的匹配关系。
9.在第一方面一种可能的实现方式中，该方法还包括：确定至少两张图像中符合第一预设条件的连线的数量不满足第二预设条件后，统计至少两张图像中任一图像包含的匹配特征点的分布范围；若分布范围小于或等于预设范围，确定至少两张图像包含小区域重复纹理。这样，无法通过特征点连线斜率识别出的重复纹理，进一步可以通过匹配特征点的分布情况识别存在重复纹理的图像对，可见，该方案提高了识别重复纹理的准确率。
10.在第一方面一种可能的实现方式中，统计至少两张图像中任一图像包含的匹配特征点的分布范围，包括：将至少两张图像中的任一图像划分多个网格，并统计任一图像中包含匹配特征点的网格数量；将包含匹配特征点且位置相邻的网格连通为一个连通区域；基于任一图像包含的连通区域的参数确定匹配特征点的分布范围，参数包括区域的数量和面积中的至少一种。可见，该方案通过在图像中划分网格的方式统计特征点的分布情况，此种方式简单且有效。
11.在第一方面一种可能的实现方式中，基于任一图像包含的区域的参数确定匹配特征点的分布范围，包括：若任一图像包含的所有连通区域的数量小于或等于第三阈值，确定匹配特征点的分布范围小于预设范围；若任一图像包含的所有连通区域的数量大于第三阈值，判断任一图像中所有连通区域的总面积是否小于或等于第四阈值；若总面积小于或等于第四阈值，确定至少两张图像包含小区域重复纹理；若总面积大于第四阈值，确定至少两张图像的匹配关系正确。这样，通过统计图像中包含的连通区域的数量或连通区域的面积确定匹配特征点的分布情况，提高了重复纹理识别结果的准确率。
12.在第一方面一种可能的实现方式中，在统计至少两张图像对中任一图像包含的匹配特征点的分布范围之前，该方法还包括：统计至少两张图像中任一图像包括的匹配特征点的数量；若匹配特征点的数量小于或等于第二阈值，执行统计至少两张图像对中任一图像包含的匹配特征点的分布范围的步骤；若匹配特征点的数量大于第二阈值，确定至少两张图像的匹配关系正确。可见，该方案通过图像包含的匹配特征点的数量初步识别出不存在小区域重复纹理的图像，降低了识别是否存在小区域重复纹理的图像数量，因此，提高了识别重复纹理的效率。
13.第二方面，本技术还提供了一种重复纹理识别方法，应用于电子设备，该方法包括：获取具有匹配关系的至少两张图像对包含的特征点匹配信息，特征点匹配信息包括至少两张图像包含的相匹配的特征点的信息；统计至少两张图像中任一图像包含的匹配特征点的分布范围；确定分布范围小于或等于预设范围的至少两张图像包含小区域重复纹理。可见，该方案无需分析图像特征信息，而是通过图像对包含的匹配特征点对分布情况识别小区域重复纹理，因此该方法对输入图像不敏感，提高了该方法的鲁棒性。
14.在第二方面一种可能的实现方式中，统计图像对中任一图像包含的匹配特征点的分布范围，包括：将至少两张图像中的任一图像划分多个网格，并统计任一图像中包含匹配特征点的网格数量；将包含匹配特征点且位置相邻的网格连通为一个连通区域；基于任一图像包含的连通区域的参数确定匹配特征点的分布范围，参数包括区域的数量和面积中的至少一种。
15.在第二方面一种可能的实现方式中，基于任一图像包含的区域的参数确定匹配特征点的分布范围，包括：若任一图像包含的所有连通区域的数量小于或等于第三阈值，确定匹配特征点的分布范围小于预设范围；若任一图像包含的所有连通区域的数量大于第三阈
值，判断任一图像中所有连通区域的总面积是否小于或等于第四阈值；若总面积小于或等于第四阈值，确定至少两张图像包含小区域重复纹理；若总面积大于第四阈值，确定至少两张图像的匹配关系正确。
16.在第二方面一种可能的实现方式中，在统计至少两张图像对中任一图像包含的匹配特征点的分布范围之前，该方法还包括：统计至少两张图像中任一图像包括的匹配特征点的数量；若匹配特征点的数量小于或等于第二阈值，执行统计至少两张图像对中任一图像包含的匹配特征点的分布范围的步骤；若匹配特征点的数量大于第二阈值，确定至少两张图像的匹配关系正确。
17.第三方面，本技术还提供了一种电子设备，电子设备包括：一个或多个处理器、存储器和触摸屏；存储器用于存储程序代码；处理器用于运行程序代码，使得电子设备实现如第一方面或第二方面任一项的重复纹理识别方法。
18.第四方面，本技术还提供了一种计算机可读存储介质，其上存储有指令，当指令在电子设备上运行时，使得电子设备执行第一方面或第二方面任一项的重复纹理识别方法。
19.第五方面，本技术还提供了一种计算机程序产品，其上存储有执行，当计算机程序产品在电子设备上运行时，使得电子设备实现如第一方面或第二方面任一项的重复纹理识别方法。
20.应当理解的是，本技术中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。
附图说明
21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。
22.图1是本技术实施例提供的一种重复纹理识别方法的流程图；
23.图2是本技术实施例提供的一种图像对示意图；
24.图3是本技术实施例提供的另一种图像对示意图；
25.图4是本技术实施例提供的另一种重复纹理识别方法的流程图；
26.图5是本技术实施例提供的又一种重复纹理识别方法的流程图；
27.图6是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
28.本技术说明书和权利要求书及附图说明中的术语“第一”、“第二”和“第三”等是用
于区别不同对象，而不是用于限定特定顺序。
29.在本技术实施例中，“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。
30.请参见图1，示出了本技术实施例提供的一种重复纹理识别方法的流程图，该方法可以应用于服务器等电子设备中，该电子设备包括特征提取模块、特征匹配模块、第一滤除模块和第二滤除模块。
31.如图1所示，该方法包括以下步骤：
32.s11，特征提取模块获取三维重建对象的多个视图。
33.例如，可以通过终端设备(如相机、智能手机、虚拟现实设备等)采集三维重建对象的多个不同视角的图像，即多个视图。
34.终端设备采集的三维重建对象的多个视图上传至电子设备进行三维重建过程。
35.s12，特征提取模块提取每个视图的特征点得到一个特征图。
36.在本技术一示例性实施例中，可以采用尺度不变特征变换(scale-invariant feature transform，sift)方法对每个图像进行特征点提取。sift的特征点筛选目的：寻找在不同尺度空间下的极值点，保证这些特征点在放大或者缩小的条件下均存在。
37.s13，特征提取模块向特征匹配模块传递所有特征图。
38.s14，特征匹配模块对所有特征图进行特征匹配，得到具有匹配关系的图像对，并向第一过滤模块传递全部具有匹配关系的图像对。
39.在一示例性实施例中，每个图像都有一个唯一标识，本文的图像对包括相匹配的两张图像的唯一标识及其映射关系。例如，图像a与图像b经特征匹配模块进行特征匹配后确认这两张图像中成功匹配的特征满足预设条件(例如，成功匹配的特征数量大于预设数值)。
40.在一示例性实施例中，可以采用随机抽样一致(random sample consensus，ransac)算法对所有特征图进行特征匹配，得到具有匹配关系的图像对，以及图像对包含的具有匹配关系的特征点对(或称为匹配特征点对)的信息。ransac算法是一种简单且有效的去除噪声影响，估计模型的一种方法，该算法使用尽可能少的点来估计模型参数，然后尽可能地扩大得到的模型参数的影响范围。
41.s15，第一过滤模块获取图像对的特征点匹配信息。
42.例如，在一示例性实施例中，特征点匹配信息可以包括具有匹配关系的特征点的个数、位置信息、特征值等。
43.s16，判断图像对中一个图像包含的匹配特征点的数量是否大于或等于第一阈值；如果是，则执行s17；如果否，则执行s20。
44.匹配特征点是指图像对包含的两张图像中具有匹配关系的特征点。
45.如图2所示，图像30和图像40是经特征匹配模块进行特征匹配后确定具有匹配关系的两张图像，其中，图像30和40所示的场景包括桌子等物体。
46.本示例中，图像30包含的特征点a与图20包含的特征点b存在匹配关系，即，点a和点b为一对匹配特征点对。本示例仅示出了一对匹配特征点对。
47.统计图像对的任意一张图像中与另一张图像具有匹配关系的特征点数量，如果具有匹配关系的特征点的数量大于或等于第一阈值，表明该图像对的匹配关系可能正确。
48.其中，第一阈值可以根据有限次试验结果统计得到，本示例中第一阈值的数值可以为15，本技术对第一阈值的数值范围不做限定。
49.在一种应用场景中，图像对对应的成功匹配的特征点(或称为匹配特征点)，两张图像中所有匹配特征点之间连线的斜率处于一斜率范围的比例大于或等于预设比例，此种场景中的斜率范围可以称为该图像对的特征匹配主方向。例如，图像a和b中成功匹配的特征点的连线的斜率超过80％为60
°
左右，图像a和图像b的特征匹配主方向即60
°
左右。
50.但两张图像中仍存在未处于主方向的匹配特征点，此类特征点为匹配错误的特征点，如果两张图像中存在匹配错误的特征点，则可以确定这两张图像是匹配错误的图像。此类情况可以通过如下步骤s17～s19所示的过程进行识别。
51.s17，将图像对横向拼接，并计算所有匹配特征点对连线的斜率及斜率中值。
52.其中，横向拼接是指将两张图像在水平方向(如，x轴方向)上进行拼接。
53.图2所示为图像30与图像40x轴方向拼接后的示意图，以及，计算特征点b与特征点a的连线ab的斜率。
54.斜率中值是图像对中所有匹配特征点连线斜率的中位数，例如，图像对包含20个匹配特征点对，即该图像对可以得到20条特征点连线，分别计算这20条特征点连线的斜率，进而计算得到这20条特征点连线斜率的中位数。
55.s18，统计同一图像对对应的连线斜率与斜率中值之间偏差大于或等于第一预设值的连线的数量。
56.本技术实施例中，第一预设值可以根据有限次试验的统计结果确定，例如，该第一预设值为8
°
，本技术对斜率偏差对应的预设值不做限定。
57.s19，判断符合条件的连线比例是否大于或等于第二预设值；如果是，则执行s20；如果否，则执行s22。
58.本技术实施例中，第二预设值可以根据实验统计结果确定，例如，该第二预设值的数值范围可以是5％～15％。
59.符合条件的连线数量的比例是指符合条件的特征点连线数量与图像对包含的所有特征点连线数量的比值。例如，假设第二预设值为5％，某图像对包含8条符合条件的特征点连线，该图像对中共包含100条特征点连线，即符合条件的特征点连线比例是8％，显然，该图像对包含的负荷条件的连线比例大于第二预设值。
60.s20，删除该图像对的匹配关系。
61.例如，图像a和图像b是存在错误匹配关系的两张图像，删除图像a和图像b之间的匹配映射关系。
62.上述s15～s20所述的过程可以筛选出匹配特征点与特征匹配主方向不一致的图像对，此类图像通常是存在错误匹配关系的图像。
63.在另一种场景中，如图3所示，图像10和图像20是具有匹配关系的图像对，图3中图像10与图像20横向拼接。而且，图像10和图20包含的匹配特征点集中在“福”字所在区域。图3中“福”字区域的虚线表示图像10和图20中具有匹配关系的特征点之间的连线。如图3所示，两图像的特征点连线的斜率基于本一致，但两图像的匹配特征点集中分布在某一小区
域内。此类重复纹理，无法通过上述的特征点连线斜率识别出。因此，本技术实施例还提供了另一种滤除重复纹理的方案，该方案通过匹配特征点在图像中的分布情况识别出特征点集中分布在图像的小范围区域的图像。此过程可以包括以下步骤：
64.s21，判断匹配特征点数量是否小于或等于第二阈值；如果是则执行s22；如果否则执行s26。
65.本技术实施例中，第二阈值大于第一阈值，第二阈值也可以根据有限次试验结果统计得到，例如，本示例中的第二阈值的数值可以为500，本技术对第二阈值的数值范围不做限定。
66.如果图像包含的匹配特征点数量大于第一阈值且小于或等于第二阈值，需要进一步识别图像中是否存在小区域重复纹理。如果匹配特征点数量大于第二阈值，确定该图像对的匹配关系正确，直接保留该图像对。
67.s22，将图像对对应的任一张图像划分为n*m个网格，统计该图像中包含匹配特征点网格的分布情况。
68.可以理解的是，m和n可以根据图像的大小调整，在一示例性实施例中，需保证每个网格中包含一定数量的像素点，例如，每个网格包含40
×
40个像素点。
69.s23，将任一图像中包含匹配特征点且相邻的网格连通为一个区域(或称为连通区域)。
70.匹配特征点是指图像对的任一图像中与另一图像的特征点具有匹配关系的特征点，例如，图2中图像30中的特征点a与图像40中的特征点b相匹配，因此，点a和点b都可称为匹配特征点。
71.在一示例性实施例中，先遍历图像中的n*m个网格，筛选出包含特征点的网格，然后，再遍历包含特征点的网格，筛选出包含与图像对中的另一图像具有匹配关系的特征点的网格，最后将包含匹配特征点且位置关系相邻的网格连通为一个区域。
72.s24，判断图像包含的区域数量是否小于第三阈值；如果是则执行s26，如果否则执行s25。
73.统计图像对中任一图像包含的网格连通得到的区域的数量，如果该数量小于某个预设值，如3个，确定该图像对的匹配特征点分布在范围较小的区域内，进而确定该小范围区域内存在重复纹理。
74.通常正确匹配的图像对的匹配特征点比较均匀地分布在图像上，因此，如果图像对的匹配特征点集中在小范围区域内，可以确定该图像对的匹配关系存在错误。
75.如图3所示，图像10和图像20是具有匹配关系的图像对，图3中图像10与图像20横向拼接。而且，图像10和图20包含的匹配特征点集中在“福”字所在区域，因此，通过判断图像中包含的区域数量是否小于第三阈值即可确定该图像对是包含重复纹理的图像对，其匹配关系存在错误。
76.s25，判断区域包含的网格数量最大值是否小于第四阈值；如果是则执行s26，如果否则执行s27。
77.如果图像对中任一图像包含的区域数量大于第三阈值，则继续判断图像中所有连通区域包含的网格数量总和是否小于第四阈值，如果是表明该图像的匹配特征点集中在小范围区域内。
78.在本技术一示例性实施例中，第四阈值可以根据图像包含的总网格数量确定，例如，在一示例中，第四阈值可以设定为0.05
×
总网格数量。
79.s26，删除该图像对的匹配关系。
80.如果区域数量小于第三阈值，或者，面积最大的区域包含的网格数量小于第四阈值，确定图像对的匹配特征点集中分布在小范围区域内。前已叙及，正确匹配的图像对的匹配特征点通常是均匀分布在整张图像，因此，如果两张图像的匹配特征点集中分布在小范围区域内，确定这两张图像的匹配关系错误，需要删除错误匹配的图像对。
81.例如，图像a和图像b是存在错误匹配关系的图像对，删除图像a与图像b的匹配映射关系。
82.s27，保留该图像对的匹配关系。
83.如果图像中所有连通区域包含的网格数量总和大于第四阈值，表明连通区域之和的面积较大，换言之，该图像对的匹配特征点的分布范围较大，最终确定该图像对的匹配关系正确，因此保留该图像对的匹配关系。
84.s28，判断是否存在未处理的图像对。
85.在一示例性实施例中，可以设置参数i表示同一三维重建对象对应的当前未处理的图像对的数量，每处理一个图像对更新参数i的数值，如i＝i-1。此种场景下，如果i的数值等于0时表明不存在未处理的图像对，如果i的数值大于0，表明存在未处理的图像对。
86.在本技术另一示例性实施例中，可以设置参数j表示同一三维重建对象对应的已处理的图像对的数量，每处理一个图像对j加1。此种场景下，如果j的数值小于该三维重建对象对应的所有图像对的数量，表明存在未处理的图像对，如果j的数值等于该三维重建对象对应的所有图像对的数量，表明不存在未处理的图像对。
87.如果存在未处理的图像对，则返回执行s15继续处理下一对图像对。如果不存在未处理的图像对，则执行s29。
88.s29，输出保留匹配关系的图像对。
89.保留有匹配关系的图像对即筛选出的匹配关系正确的图像对，最后输出匹配关系正确的图像对，继续进行后续处理。
90.可以理解的是，可以仅使用s15～s20所示的过程滤除在非主方向上存在小区域重复纹理的图像对，或者，也可以仅使用s21～s27所示的过程滤除集中在小区域的重复纹理的图像对。
91.本实施例提供的重复纹理识别方法，计算图像对包含的匹配特征点对连线的斜率以及图像对的斜率中值，并统计斜率与斜率中值的偏差大于第一预设值的连线数量，若符合该条件的连线占比大于第二预设值，表明该图像对的匹配关系错误，删除该图像对的匹配关系。进一步地，该方法可以根据图像对包含的匹配特征点对的分布情况识别该图像对的匹配关系是否正确。具体的，可以将图像划分为多个网格，并统计特征点在网格上的分布。将包含有匹配特征点对的相邻网格连通为一个区域，并统计图像包含的区域数量，以及各区域包含的网格数量，如果图像包含的区域数量小于或等于第三阈值，或者，区域内包含的网格数量最大值小于或等于第四阈值，表明图像对包含的匹配特征点对集中分布在小范围区域内，删除该图像对的匹配关系。如果区域内包含的网格数量最大值大于第四阈值，则保留该图像对的匹配关系。最终输出保留匹配关系的图像对，继续进行后续处理。该方案无
需分析图像特征信息，而是通过图像对包含的匹配特征点对的斜率或分布情况识别小区域重复纹理，因此该方法对输入图像不敏感，提高了该方法的鲁棒性。
92.图4是本技术实施例提供的另一种重复纹理识别方法的流程图，本实施例通过图像对中的匹配特征点对的连线斜率判断该图像对是否存在重复纹理。该方法应用于电子设备，电子设备包括特征提取模块、特征匹配模块和第一过滤模块。
93.如图4所示，该方法可以包括以下步骤：
94.s31，特征提取模块获取三维重建对象的多个视图。
95.s32，特征提取模块提取每个视图的特征点得到一个特征图。
96.s33，特征提取模块向特征匹配模块传递所有特征图。
97.s34，特征匹配模块对所有特征图进行特征匹配，得到具有匹配关系的图像对，并向第一过滤模块传递全部具有匹配关系的图像对。
98.s35，第一过滤模块获取图像对的特征点匹配信息。
99.s36，判断图像对中一个图像包含的匹配特征点的数量是否大于或等于第一阈值；如果是，则执行s37；如果否，则执行s310。
100.s37，将图像对横向拼接，并计算所有匹配特征点对的连线的斜率及斜率中值。
101.s38，统计同一图像对中连线斜率与斜率中值之间偏差大于或等于第一预设值的连线的数量。
102.s39，判断符合条件的连线比例是否大于或等于第二预设值；如果是，则执行s310；如果否，则执行s311。
103.s310，删除该图像对的匹配关系。
104.本实施例中，上述s31～s310的实施过程与图1所示实施例中的s11～s20的实施过程相同，此处不再赘述。
105.s311，保留该图像对的匹配关系。
106.本实施例中，如果第一过滤模块确定符合条件的连线比例小于第二预设值，表明不在特征匹配主方向的特征点比例较小可以忽略，进而可以确定该图像对的匹配关系正确，保留该图像对的匹配关系。
107.s312，第一过滤模块判断是否存在未处理的图像对。如果是返回执行s35；如果否执行s313。
108.本实施例中，第一过滤模块判断是否存在未处理的图像对的过程与图1所示实施例中的s28的实施方式相同，此处不再赘述。
109.s313，第一过滤模块输出保留匹配关系的图像对。
110.本实施例中各步骤的实施过程与图1所示实施例中的相关步骤的实施过程基本相同，本实施例不再详述。
111.本实施例提供的重复纹理识别方法，将图像对对应的两个图像横向拼接，计算图像对中匹配特征点对的连线斜率，以及该图像对中所有连线的斜率中值。进而统计斜率与斜率中值的偏差大于或等于设定值的连线比例，若该比例大于相应的预设值，表明该图像对在特征匹配非主方向上存在小区域的重复纹理，即确定该图像对的匹配关系错误，并删除该图像对的匹配关系。可见，该方法无需分析图像对中特征点的内容信息，仅通过特征点连线斜率识别出未处于特征匹配主方向的重复纹理，因此该方法对输入图像不敏感，提高
了该方法的鲁棒性。
112.图5示出了本技术实施例提供的又一种重复纹理识别方法的流程图，本实施例分析图像对中匹配特征点的分布情况识别图像对是否存在重复纹理。该方法应用于电子设备，电子设备包括特征提取模块、特征匹配模块和第二过滤模块。
113.如图5所示，该方法可以包括以下步骤：
114.s41，特征提取模块获取三维重建对象的多个视图。
115.s42，特征提取模块提取每个视图的特征点得到一个特征图。
116.s43，特征提取模块向特征匹配模块传递所有特征图。
117.s44，特征匹配模块对所有特征图进行特征匹配，得到具有匹配关系的图像对，并向第一过滤模块传递全部具有匹配关系的图像对。
118.s45，第二过滤模块获取图像对的特征点匹配信息。
119.s46，第二过滤模块判断匹配特征点数量是否小于或等于第二阈值；如果是则执行s47；如果否则执行s412。
120.s47，将图像对中任一张图像划分为n*m个网格，统计该图像中包含特征点的对应的网格分布情况。
121.s48，将图像中包含匹配特征点的相邻网格连通为一个区域。
122.s49，判断图像包含的区域数量是否小于第三阈值；如果是则执行s411，如果否则执行s410。
123.s410，判断所有连通区域包含的网格数量最大值是否小于第四阈值；如果是则执行s411，如果否则执行s412。
124.s411，删除该图像对的匹配关系。
125.s412，保留该图像对的匹配关系。
126.s413，判断是否存在未处理的图像对。如果存在未处理的图像对，则返回执行s45继续处理下一对图像对。如果不存在未处理的图像对，则执行s414。
127.s414，输出保留匹配关系的图像对。
128.本实施例中s45～s414所述的过程均运行于第二过滤模块。
129.本实施例中s41～s414所述的过程与图1所示实施例中相同步骤的实施过程相同，此处不再赘述。
130.本实施例提供的重复纹理识别方法，根据图像对包含的匹配特征点对的分布情况识别该图像对是否存在小区域重复纹理，如果存在则删除该图像对的匹配关系，即过滤掉匹配关系错误的图像对的匹配关系。该方案无需分析图像特征信息，而是通过图像对包含的匹配特征点对分布情况识别小区域重复纹理，因此该方法对输入图像不敏感，提高了该方法的鲁棒性。
131.另一方面，本技术还提供了一种适用本技术提供的重复纹理识别方法的电子设备。
132.图6为本技术实施例提供的一种电子设备的结构示意图。如该电子设备可以是服务器或终端设备等电子设备。终端设备可以包括手机、平板电脑、桌面型、膝上型、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、手持计算机、上网本、个人数字助理(personal digital assistant，pda)、可穿戴电子设备、智能手表等设备。
133.如图6所示，该电子设备可以包括处理器101、存储器102、总线103、通信接口104，其中，处理器101的数量可以是1～n，n为大于1的整数。
134.处理器101、存储器102通过总线103完成相互间的通信。处理器101可以通过总线103和通信接口104与外部设备进行通信，例如，通信接口104包括发送单元和接收单元。通信接口104通过接收单元接收外设发送的数据，该数据经由总线103传递至处理器101。处理器101发送的数据经由总线103传输至通信接口104，通信接口104通过发送单元发送至外设。处理器101用于调用存储器102中的程序指令以执行图1、图4或图5所示的重复纹理识别方法。
135.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
136.在本实施例所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
137.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
138.另外，在本实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
139.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
140.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种重复纹理识别方法，其特征在于，应用于电子设备，所述方法包括：获取具有匹配关系的至少两张图像包含的特征点匹配信息，所述特征点匹配信息包括所述至少两张图像包含的相匹配的特征点的信息；将所述至少两张图像横向拼接，并计算所述至少两张图像中所有匹配特征点连线的斜率；统计所述至少两张图像中符合第一预设条件的连线的数量，所述第一预设条件包括斜率与斜率标准值之间的偏差大于或等于第一预设值；确定所述连线的数量满足第二预设条件，所述第二预设条件包括符合所述第一预设条件的连线的比例大于或等于第二预设值；确定所述至少两张图像包含小区域重复纹理。2.根据权利要求1所述的方法，其特征在于，在将所述至少两张图像横向拼接之前，所述方法还包括：统计所述至少两张图像中任一图像包含的匹配特征点的数量；若所述匹配特征点的数量大于或等于第一阈值，执行所述将所述至少两张图像横向拼接；若所述匹配特征点的数量小于所述第一阈值，确定所述至少两张图像存在小区域重复纹理。3.根据权利要求1所述的方法，其特征在于，所述斜率标准值的确定过程，包括：计算所述图像对包含的所有连线对应的斜率中值，并确定所述斜率中值为所述斜率标准值。4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：删除包含小区域重复纹理的至少两张图像之间的匹配关系。5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：确定所述至少两张图像中符合所述第一预设条件的连线的数量不满足所述第二预设条件后，统计所述至少两张图像中任一图像包含的匹配特征点的分布范围；若所述分布范围小于或等于预设范围，确定所述至少两张图像包含小区域重复纹理。6.根据权利要求5所述的方法，其特征在于，所述统计所述至少两张图像中任一图像包含的匹配特征点的分布范围，包括：将所述至少两张图像中的任一图像划分多个网格，并统计所述任一图像中包含所述匹配特征点的网格数量；将包含所述匹配特征点且位置相邻的网格连通为一个连通区域；基于所述任一图像包含的连通区域的参数确定所述匹配特征点的分布范围，所述参数包括所述区域的数量和面积中的至少一种。7.根据权利要求6所述的方法，其特征在于，所述基于所述任一图像包含的区域的参数确定所述匹配特征点的分布范围，包括：若所述任一图像包含的所有连通区域的数量小于或等于第三阈值，确定所述匹配特征点的分布范围小于所述预设范围；若所述任一图像包含的所有连通区域的数量大于所述第三阈值，判断所述任一图像中所有连通区域的总面积是否小于或等于第四阈值；若所述总面积小于或等于所述第四阈值，确定所述至少两张图像包含小区域重复纹
理；若所述总面积大于所述第四阈值，确定所述至少两张图像的匹配关系正确。8.根据权利要求5-7任一项所述的方法，其特征在于，在所述统计所述至少两张图像对中任一图像包含的匹配特征点的分布范围之前，所述方法还包括：统计所述至少两张图像中任一图像包括的匹配特征点的数量；若所述匹配特征点的数量小于或等于第二阈值，执行所述统计所述至少两张图像对中任一图像包含的匹配特征点的分布范围的步骤；若所述匹配特征点的数量大于所述第二阈值，确定所述至少两张图像的匹配关系正确。9.一种重复纹理识别方法，其特征在于，应用于电子设备，所述方法包括：获取具有匹配关系的至少两张图像对包含的特征点匹配信息，所述特征点匹配信息包括所述至少两张图像包含的相匹配的特征点的信息；统计所述至少两张图像中任一图像包含的匹配特征点的分布范围；确定所述分布范围小于或等于预设范围的至少两张图像包含小区域重复纹理。10.根据权利要求9所述的方法，其特征在于，所述统计所述图像对中任一图像包含的匹配特征点的分布范围，包括：将所述至少两张图像中的任一图像划分多个网格，并统计所述任一图像中包含所述匹配特征点的网格数量；将包含所述匹配特征点且位置相邻的网格连通为一个连通区域；基于所述任一图像包含的连通区域的参数确定所述匹配特征点的分布范围，所述参数包括所述区域的数量和面积中的至少一种。11.根据权利要求10所述的方法，其特征在于，所述基于所述任一图像包含的区域的参数确定所述匹配特征点的分布范围，包括：若所述任一图像包含的所有连通区域的数量小于或等于第三阈值，确定所述匹配特征点的分布范围小于所述预设范围；若所述任一图像包含的所有连通区域的数量大于所述第三阈值，判断所述任一图像中所有连通区域的总面积是否小于或等于第四阈值；若所述总面积小于或等于所述第四阈值，确定所述至少两张图像包含小区域重复纹理；若所述总面积大于所述第四阈值，确定所述至少两张图像的匹配关系正确。12.根据权利要求9-11任一项所述的方法，其特征在于，在所述统计所述至少两张图像对中任一图像包含的匹配特征点的分布范围之前，所述方法还包括：统计所述至少两张图像中任一图像包括的匹配特征点的数量；若所述匹配特征点的数量小于或等于第二阈值，执行所述统计所述至少两张图像对中任一图像包含的匹配特征点的分布范围的步骤；若所述匹配特征点的数量大于所述第二阈值，确定所述至少两张图像的匹配关系正确。13.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器、存储器和触摸屏；所述存储器用于存储程序代码；所述处理器用于运行所述程序代码，使得所述电子设备
实现如权利要求1至12任一项所述的重复纹理识别方法。14.一种计算机可读存储介质，其特征在于，其上存储有指令，当所述指令在电子设备上运行时，使得所述电子设备执行如权利要求1至12任一项所述的重复纹理识别方法。

技术总结
本申请提供了一种重复纹理识别方法及装置，该方法将图像对对应的两个图像横向拼接，计算两张图像中匹配特征点对的连线斜率。进一步统计斜率与斜率标准值的偏差大于或等于设定值的连线比例，若该比例大于相应的预设值，表明该图像对在特征匹配非主方向上存在小区域的重复纹理，即确定该图像对的匹配关系错误，并删除该图像对的匹配关系。可见，该方法无需分析图像对中特征点的内容信息，仅通过特征点连线斜率识别出未处于特征匹配主方向的重复纹理，因此该方法对输入图像不敏感，提高了该方法的鲁棒性。该方法的鲁棒性。该方法的鲁棒性。


技术研发人员：郭睿
受保护的技术使用者：荣耀终端有限公司
技术研发日：2022.10.31
技术公布日：2023/9/11