(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210895533.5 (22)申请日 2022.07.26 (71)申请人 深圳元戎启行 科技有限公司 地址 518048 广东省深圳市福田区福保街 道福保社区桃花路与 槟榔道交汇处西 北深九科技创业园6号楼C701(7-8层) (72)发明人 刘宇辰　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 易皎鹤 (51)Int.Cl. G06T 19/20(2011.01) G06T 17/00(2006.01) (54)发明名称 场景生成方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种场景生 成方法、 装置和存储 介质。 上述方法包括： 获取多张密度图， 并确定每 张密度图中的至少一个目标像素点集合； 根据每 个目标像素点集合各自对应的灰度值集合， 生成 每个目标像素点集合各自对应的预处理模型； 根 据各目标像素点集合在相应密度图中的位置坐 标， 对多个预处理模型进行划分， 得到至少一个 预处理模型集合； 分别获取每张密度图的楼层信 息， 并根据各楼层信息确定各预处理模 型各自对 应的楼层； 按照楼层， 分别对每个预处理模型集 合中的预处理模型进行叠加， 得到多个目标模 型， 并综合多个目标模型生成目标场景。 采用本 方法能够提高目标场景生成的效率。 权利要求书3页 说明书14页 附图4页 CN 115239930 A 2022.10.25 CN 115239930 A 1.一种场景生成方法， 其特 征在于， 所述方法包括： 获取多张密度图， 并确定每张所述密度图中的至少一个目标像素点集合； 所述目标像 素点集合包括所述密度图中的进行了灰度值调整的像素点； 根据每个所述目标像素点集合各自对应的灰度值集合， 生成每个所述目标像素点集合 各自对应的预处 理模型； 根据各所述目标像素点集合在相应所述密度图中的位置坐标， 对多个所述预处理模型 进行划分， 得到 至少一个预处 理模型集 合； 分别获取每张所述密度图的楼层信 息， 并根据各所述楼层信 息确定各所述预处理模型 各自对应的楼层； 按照所述楼层， 分别对每个所述预处理模型集合中的预处理模型进行叠加， 得到多个 所述目标模型， 并综合多个所述目标模型生成目标场景。 2.根据权利要求1所述的方法， 其特征在于， 在所述获取多张密度图之前， 所述方法还 包括： 根据预设的语义信息生成简易语义地图， 并对所述简易语义地图进行灰度值转换处 理， 得到初始的密度图； 从所述初始的密度图中确定所选中的候选像素点； 获取多个楼层信息， 并根据所述楼层信息分别对所述候选像素点的灰度值进行调整， 得到与每 个所述楼层信息相对应的密度图。 3.根据权利要求1所述的方法， 其特征在于， 所述灰度值集合包括所述目标像素点集合 中的每个像素点各自对应的灰度值； 所述根据每个所述目标像素点集合各自对应的灰度值 集合， 生成每 个所述目标像素点 集合各自对应的预处 理模型， 包括： 针对多个目标像素点集合中的每个目标像素点集合， 均获取当前目标像素点集合所处 的所述密度图的初始高度； 所述初始高度是通过对所述密度图中的像素点的灰度值进 行加 权平均计算得到的； 根据灰度值与模型高度之间的对应关系， 以及每个像素点各自对应的灰度值， 确定每 个像素点各自对应的候选模型高度； 根据所述初始高度和每个所述候选模型高度之间的差异， 确定所述当前目标像素点集 合所对应的多个目标模型高度； 确定所述当前目标像素点集合的集合范围尺寸， 并根据 所述多个目标模型高度和所述 集合范围尺寸， 生成所述当前目标像素点 集合对应的预处 理模型。 4.根据权利要求1所述的方法， 其特征在于， 所述按照所述楼层， 分别对每个所述预处 理模型集 合中的预处 理模型进行叠加， 得到多个所述目标模型， 包括： 针对多个预处理模型集合中的每个预处理模型集合， 均按照所述楼层， 对当前预处理 模型集合中的多个预处 理模型进行叠加， 得到候选预处 理模型； 确定每个预处理模型各自对应的目标像素点 集合中的边 缘像素点； 根据多个所述边缘像素点对所述候选预处理模型进行轮廓更新， 得到目标预处理模 型； 从预设的数据库中查找与所述目标 预处理模型相对应的目标模型。 5.根据权利要求4所述的方法， 其特征在于， 所述根据多个所述边缘像素点对所述候选权　利　要　求　书 1/3 页 2 CN 115239930 A 2预处理模型进行轮廓更新， 得到目标 预处理模型， 包括： 确定多个边缘像素点中的当前边缘像素点、 以及所述当前边缘像素点所处 的当前目标 像素点集合； 确定与所述当前目标像素点集合的位置坐标相同、 且位于相邻的密度图中的相邻目标 像素点集合； 从所述相邻目标像素点集合中筛选出与所述当前边缘像素点相邻的多个相邻边缘像 素点； 根据所述当前边缘像素点和所述多个相邻边缘像素点， 对所述候选预处理模型进行轮 廓更新， 得到目标 预处理模型。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述当前边缘像素点和所述多个 相邻边缘像素点， 对所述 候选预处 理模型进行轮廓更新， 得到目标 预处理模型， 包括： 从所述候选预处理模型中， 筛选出包括所述当前边缘像素点和所述多个相邻边缘像素 点的模型轮廓区域； 确定所述当前边 缘像素点与每 个所述相邻边 缘像素点之间的像素梯度； 将每个所述像素梯度输入至预设的轮廓 转换模型中， 得到所述当前边缘像素点对应的 模型轮廓； 通过所述模型轮廓对所述模型轮廓区域进行 更新， 得到目标 预处理模型。 7.根据权利要求1所述的方法， 其特征在于， 所述综合多个所述目标模型生成目标场 景， 包括： 获取简易语义 地图和目标传感器； 对所述目标模型进行模型转换， 得到转换模型； 所述模型转换包括体积转换、 颜色转换 或纹理转换中的至少一种； 确定多张所述密度图中的底层密度图、 以及所述目标像素点集合在所述底层密度图中 的目标位置坐标； 将所述转换模型放置在所述目标位置坐标所指示的目标位置处， 得到待感知的目标场 景数据； 通过所述目标传感器对所述目标场景 数据进行环境感知， 得到目标场景。 8.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取原始场景数据和初始传感器， 并确定所述目标场景中的场景真值； 根据所述原始场景数据和所述场景真值之间的差异， 确定所述初始传感器对应的损失 函数； 通过所述损失函数， 并基于反 向传播算法对所述初始传感器中的模型参数进行校准更 新， 直到达到训练停止条件时停止， 得到训练好的目标传感器。 9.根据权利要求1所述的方法， 其特征在于， 在所述综合多个所述目标模型生成目标场 景之后， 所述方法还 包括： 确定所述目标场景的目标场景数据， 并获取附加密度图； 所述附加密度图是对所述目 标场景数据进行 灰度值转换处理后所得到的密度图； 确定所述附加密度图中的附加像素点集合； 所述附加像素点集合包括所述附加密度图 中的至少一个进行了灰度值调整的像素点；权　利　要　求　书 2/3 页 3 CN 115239930 A 3