辐射场中颜色信息的确定方法及设备与流程

1.本发明涉及图像处理技术领域，尤其涉及一种辐射场中颜色信息的确定方法及设备。


背景技术：

2.辐射场(radiance field，简称rf)是一种三维空间的表示方式，其可以将三维空间中每个点表达为该点的密度(density)和颜色(color)。其中，每个点的密度信息是一个大于等于0的标量；每个点的颜色信息是各向异性的向量，包含该点在空间中各个方向上的颜色，且各个方向上颜色信息可以不同。
3.目前，对于辐射场中的密度信息和颜色信息而言，往往需要通过梯度下降方法对图像不断地进行迭代处理，从而可以获得学习处理后的密度信息和颜色信息。然而，上述的学习处理过程往往需要同时估计密度信息和颜色信息，不仅使得两种信息的处理过程耦合在一起，并且，由于可学习的参数的数量较多，从而增加了学习训练的难度。


技术实现要素：

4.本发明实施例提供了一种辐射场中颜色信息的确定方法及设备，通过密度信息直接估计出辐射场中的颜色信息，不仅解耦了辐射场中的密度信息和颜色信息，并且还减少了对密度信息和颜色信息进行确定时所需要的资源信息。
5.第一方面，本发明实施例提供一种辐射场中颜色信息的确定方法，包括：
6.获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；
7.基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
8.第二方面，本发明实施例提供一种辐射场中颜色信息的确定装置，包括：
9.第一获取模块，用于获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；
10.第一处理模块，用于基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
11.第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的辐射场中颜色信息的确定方法。
12.第四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面中的辐射场中颜色信息的确定方法。
13.第五方面，本发明实施例提供了一种计算机程序产品，包括：计算机程序，当所述计算机程序被电子设备的处理器执行时，使所述处理器执行上述第一方面所示的辐射场中颜色信息的确定方法中的步骤。
14.第六方面，本发明实施例提供了一种辐射场中颜色信息的确定方法，包括：
15.获取辐射场中的待观测三维点以及与所述待观测三维点相对应的观测方向；
16.确定用于标识所述辐射场中预设点的颜色信息的基函数系数和预设基函数；
17.基于所述基函数系数和所述预设基函数在所述观测方向上进行插值处理，确定所述待观测三维点的颜色信息。
18.第七方面，本发明实施例提供了一种辐射场中颜色信息的确定装置，包括：
19.第二获取模块，用于获取辐射场中的待观测三维点以及与所述待观测三维点相对应的观测方向；
20.第二确定模块，用于确定用于标识所述辐射场中预设点的颜色信息的基函数系数和预设基函数；
21.第二处理模块，用于基于所述基函数系数和所述预设基函数在所述观测方向上进行插值处理，确定所述待观测三维点的颜色信息。
22.第八方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第六方面中的辐射场中颜色信息的确定方法。
23.第九方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第六方面中的辐射场中颜色信息的确定方法。
24.第十方面，本发明实施例提供了一种计算机程序产品，包括：计算机程序，当所述计算机程序被电子设备的处理器执行时，使所述处理器执行上述第六方面所示的辐射场中颜色信息的确定方法中的步骤。
25.第十一方面，本发明实施例提供了一种辐射场中颜色信息的确定方法，包括：
26.响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；
27.利用所述处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
28.第十二方面，本发明实施例提供了一种辐射场中颜色信息的确定装置，包括：
29.第三确定模块，用于响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；
30.第三处理模块，用于利用所述处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
31.第十三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第十一方面中的辐射场中颜色信息的确定方法。
32.第十四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第十一方面中的辐射场中颜色信息的确定方法。
33.第十五方面，本发明实施例提供了一种计算机程序产品，包括：计算机程序，当所述计算机程序被电子设备的处理器执行时，使所述处理器执行上述第十一方面所示的辐射场中颜色信息的确定方法中的步骤。
34.本实施例提供的技术方案，通过对辐射场中三维点的密度信息以及多个观测图像
进行分析处理，即可确定三维点的颜色信息，相对于现有技术中通过迭代方式来确定密度信息和颜色信息的实现方案而言，这样不仅减少了需要迭代学习的信息量，即仅需要对密度信息进行迭代求解，避免了对颜色信息的迭代求解，并且还有效地减少了对密度信息和颜色信息进行确定时所需要的数据处理资源，从而解耦了辐射场中密度信息和颜色信息，这样使得辐射场的表达和学习更容易，进而体现了该方法的实用性，有利于市场的推广与应用。
附图说明
35.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一简单地介绍，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。
36.图1为本发明实施例提供的一种辐射场中颜色信息的确定方法的场景示意图；
37.图2为本发明实施例提供的一种辐射场中颜色信息的确定方法的流程示意图；
38.图3为本发明实施例提供的获取三维点相对于各个观测图像的观测角度的示意图；
39.图4为本发明实施例提供的基于所述密度信息，确定各个观测颜色的置信度的流程示意图；
40.图5为本发明实施例提供的基于所述观测颜色、观测角度和所述置信度，确定所述三维点的颜色信息的流程示意图；
41.图6为本发明应用实施例提供的另一种辐射场中颜色信息的确定方法的示意图；
42.图7为本发明实施例提供的一种辐射场中颜色信息的确定装置的结构示意图；
43.图8为与图7所示实施例提供的辐射场中颜色信息的确定装置对应的电子设备的结构示意图；
44.图9为本发明实施例提供的一种辐射场中颜色信息的确定装置的结构示意图；
45.图10为与图9所示实施例提供的辐射场中颜色信息的确定装置对应的电子设备的结构示意图；
46.图11为本发明实施例提供的又一种辐射场中颜色信息的确定方法的流程示意图；
47.图12为本发明实施例提供的又一种辐射场中颜色信息的确定装置的结构示意图；
48.图13为与图12所示实施例提供的辐射场中颜色信息的确定装置对应的电子设备的结构示意图；
49.图14为本发明实施例提供的另一种辐射场中颜色信息的确定方法的流程示意图；
50.图15为本发明实施例提供的另一种辐射场中颜色信息的确定装置的结构示意图；
51.图16为与图15所示实施例提供的辐射场中颜色信息的确定装置对应的电子设备的结构示意图。
具体实施方式
52.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
representation)：显式表达指的是直接存储辐射场中各点处的密度和颜色信息，同时由于空间中位置和角度是连续的，无法直接存储，因此针对位置连续性问题，常常将空间划分为离散的三维格子(即体素，voxel)，形成体模型(volume)，仅存储体素顶点处的信息，非顶点处的信息通过空间三线性插值获得；针对角度连续性问题，采用一组球谐函数可以作为基函数表达颜色信息，仅需要存储基函数的系数即可。
65.解析解：或称为封闭解，相对于迭代解而言，指的是可以通过推导出的解析公式一次计算出解，理论上解的结果唯一。相对而言，迭代解需要迭代多次，而且后序迭代过程中需要用到前序计算的结果，最终的解受初始解、迭代次数等的影响，理论上解的结果并不唯一。
66.神经辐射场(neural radiance field，简称nerf)：用神经网络表示的辐射场，通常使用多层感知机(multi-layer perceptron，简称mlp)表示辐射场，mlp的输入为场景中点的三维坐标和方向，输出为输入点处的密度和输入点处在输入方向上的颜色。
67.为了能够理解本实施例中技术方案的具体实现过程，下面先对相关技术进行说明：
68.三维内容的生成是扩展现实(extrended reality，简称xr)应用的关键环节之一，而人、物、场的三维信息重建与表示为此提供了核心技术支撑。其中，扩展现实xr可以包括以下至少之一：增强现实(augmented reality，简称ar)、虚拟现实(virtual reality，简称vr)或混合现实(mixed reality，简称mr)。
69.目前，对于辐射场中的密度信息和颜色信息而言，可以通过梯度下降方法对图像不断地进行迭代处理，从而可以获得迭代处理后的密度信息和颜色信息。然而，上述的学习过程往往需要同时估计密度信息和颜色信息，不仅使得两种信息的学习过程耦合在一起，并且，由于可学习的参数的数量较多，从而增加了学习训练的难度。
70.为了解决上述技术问题，本实施例提出了一种辐射场中颜色信息的确定方法及设备，其中，辐射场中颜色信息的确定方法的执行主体可以为辐射场中颜色信息的确定装置，该辐射场中颜色信息的确定装置可以实现为本地服务器或者云端的服务器，此时，该辐射场中颜色信息的确定方法可以在云端来执行，在云端可以部署有若干计算节点(云服务器)，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。云端提供该服务的方式可以是对外提供服务接口，用户调用该服务接口以使用相应的服务。服务接口包括软件开发工具包(software development kit，简称sdk)、应用程序接口(application programming interface，简称api)等形式。
71.具体的，参考附图1所示，该辐射场中颜色信息的确定装置可以通信连接有客户端或者请求端，针对本发明实施例提供的方案，云端可以提供有辐射场中颜色信息的确定服务的服务接口，用户通过客户端/请求端调用该辐射场中颜色信息的确定服务接口，以向云端触发调用该基因组数据的无损压缩服务接口的请求。云端确定响应该请求的计算节点，利用该计算节点中的处理资源执行辐射场中颜色信息的确定的具体处理操作。
72.客户端/请求端可以是任何具有一定数据传输能力的计算设备，具体实现时，客户端/请求端可以是手机、个人电脑pc、平板电脑、设定应用程序等等。此外，客户端/请求端的基本结构可以包括：至少一个处理器。处理器的数量取决于客户端/请求端的配置和类型。
客户端/请求端也可以包括存储器，该存储器可以为易失性的，例如ram，也可以为非易失性的，例如只读存储器(read-only memory，简称rom)、闪存等，或者也可以同时包括两种类型。存储器内通常存储有操作系统(operating system，简称os)、一个或多个应用程序，也可以存储有程序数据等。除了处理单元和存储器之外，客户端/请求端还包括一些基本配置，例如网卡芯片、io总线、显示组件以及一些外围设备等。可选地，一些外围设备可以包括，例如键盘、鼠标、输入笔、打印机等。其它外围设备在本领域中是众所周知的，在此不做赘述。
73.辐射场中颜色信息的确定装置是指可以在网络虚拟环境中提供辐射场中颜色信息的确定服务的设备，通常是指利用网络进行信息规划、辐射场中颜色信息的确定操作的装置。在物理实现上，辐射场中颜色信息的确定装置可以是任何能够提供计算服务，响应服务请求，并进行处理的设备，例如：可以是集群服务器、常规服务器、云服务器、云主机、虚拟中心等。辐射场中颜色信息的确定装置的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似。
74.在上述本实施例中，客户端可以与辐射场中颜色信息的确定装置进行网络连接，该网络连接可以是无线或有线网络连接。若客户端与辐射场中颜色信息的确定装置是通信连接，该移动网络的网络制式可以为2g(gsm)、2.5g(gprs)、3g(wcdma、td-scdma、cdma2000、utms)、4g(lte)、4g+(lte+)、wimax、5g、6g等中的任意一种。
75.在本技术实施例中，客户端可以获取辐射场中三维点的密度信息以及与辐射场相对应的多个观测图像，其中，三维点可以是辐射场中的任意一个空间点，多个观测图像至少对应于辐射场中的两个不同的观测方向。具体的，客户端上可以显示有交互界面，用户通过交互界面可以进行数据配置或者数据上传操作，从而可以获得辐射场中三维点的密度信息以及多个观测图像，在获取到三维点的密度信息以及多个观测图像之后，可以将三维点的密度信息以及多个观测图像发送至辐射场中颜色信息的确定装置。
76.辐射场中颜色信息的确定装置，用于获取客户端所发送的三维点的密度信息以及多个观测图像，而后可以对密度信息和多个观测图像进行分析处理，确定三维点的颜色信息，在一些实例中，对密度信息和多个观测图像进行分析处理，确定三维点的颜色信息可以包括：获取预先训练的机器学习模型或者神经网络模型，上述的机器学习模型或者神经网络模型用于确定三维点的颜色信息，将三维点的密度信息和多个观测图像输入至机器学习模型或者神经网络模型中，从而可以获得机器学习模型或者神经网络模型所输出的三维点的颜色信息。
77.本实施例提供的技术方案，通过对辐射场中三维点的密度信息以及多个观测图像进行分析处理，即可确定三维点的颜色信息，相对于现有技术中通过迭代方式来确定密度信息和颜色信息的实现方案而言，避免了对颜色信息的迭代求解，仅需要对密度信息进行迭代求解，从而解耦了辐射场中密度信息和颜色信息，这样不仅减少了需要迭代学习的信息量，并且还有效地减少了对密度信息和颜色信息进行确定时所需要的数据处理资源，使得辐射场的表达和学习更容易，进而体现了该方法的实用性，有利于市场的推广与应用。
78.下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
79.图2为本发明实施例提供的一种辐射场中颜色信息的确定方法的流程示意图；参考附图2所示，本实施例提供了一种辐射场中颜色信息的确定方法，该方法的执行主体可以为辐射场中颜色信息的确定装置，可以理解的是，该辐射场中颜色信息的确定装置可以实现为软件、或者软件和硬件的组合，具体的，在辐射场中颜色信息的确定装置实现为硬件时，其具体可以是具有辐射场中颜色信息的确定操作的各种电子设备，包括但不限于平板电脑、个人电脑pc、服务器等等。当辐射场中颜色信息的确定装置实现为软件时，其可以安装在上述所例举的电子设备中。基于上述的辐射场中颜色信息的确定装置，本实施例中的辐射场中颜色信息的确定方法可以包括以下步骤：
80.步骤s201：获取辐射场中三维点的密度信息以及辐射场在至少两个观测方向上的多个观测图像。
81.步骤s202：基于多个观测图像和密度信息，确定三维点的颜色信息。
82.下面对上述各个步骤的具体实现原理和实现效果进行详细说明：
83.步骤s201：获取辐射场中三维点的密度信息以及辐射场在至少两个观测方向上的多个观测图像。
84.其中，辐射场中可以包括多个三维点，每个三维点均可以通过密度信息和颜色信息进行表达，当辐射场中三维点的密度信息确定之后，可以结合辐射场在至少两个观测方向上的多个观测图像来确定三维点的颜色信息。因此，在用户针对辐射场中某个三维点(可以是顶点或者非顶点)存在颜色信息的确定需求时，则可以向辐射场中颜色信息的确定装置(以下简称“确定装置”)输入辐射场中三维点的密度信息和多个观测图像，具体的，确定装置上可以显示有交互界面，用户通过交互界面进行交互操作，从而使得确定装置可以通过用户输入的执行操作稳定地获取到辐射场中三维点的密度信息以及多个观测图像；或者，辐射场中三维点的密度信息和多个观测图像存储在第三设备中，第三设备与确定装置通信连接，此时，确定装置可以主动或者被动地通过第三设备获取到辐射场中三维点的密度信息和多个观测图像。
85.另外，多个观测图像的数量可以为两个或者两个以上，可以理解的是，当观测图像的数量越多，所确定的三维点的颜色信息越准确，相对应的，所需要消耗的数据处理时间和计算资源也越多；当观测图像的数量越少，所确定的三维点的颜色信息相对没有那么准确，相对应的，所需要消耗的数据处理时间和计算资源也越少；具体的，本领域技术人员可以根据具体的应用场景或者应用需求来确定多个观测图像的具体数量。
86.步骤s202：基于多个观测图像和密度信息，确定三维点的颜色信息。
87.在获取到多个观测图像和密度信息之后，可以对多个观测图像和密度信息进行分析处理，从而可以确定三维点的颜色信息，在一些实例中，预先训练有用于基于观测图像和密度信息来确定三维点的颜色信息的机器学习模型或者神经网络模型，在获取到多个观测图像和密度信息之后，可以将多个观测图像和密度信息输入至机器学习模型或者神经网络模型中，从而可以获得机器学习模型或者神经网络模型所输出的三维点的颜色信息。
88.在另一些实例中，不仅可以通过机器学习模型或者神经网络模型来确定三维点的颜色信息，还可以利用预设算法对辐射场中三维点的密度信息和颜色信息进行分析处理，以确定三维点的颜色信息，此时，基于多个观测图像和密度信息，确定三维点的颜色信息可以包括：获取三维点在各个观测图像上的观测颜色以及三维点相对于各个观测图像的观测
角度；基于密度信息，确定各个观测颜色的置信度；基于观测颜色、观测角度和置信度，确定三维点的颜色信息。
89.其中，由于辐射场中的三维点的颜色信息是各向异性的，即从不同的观测方向来观测三维点时，可以获得不同的颜色信息。由于多个观测图像对应于至少两个观测方向，因此，为了能够准确地确定三维点在某个观测方向上的颜色信息，可以对三维点和各个观测图像进行分析处理，从而可以获取三维点在各个观测图像上的观测颜色以及三维点相对于各个观测图像的观测角度。
90.具体的，三维点在各个观测图像上的观测颜色可以通过三维点在各个观测图像上的投影点进行分析处理所获得，此时，获取三维点在各个观测图像上的观测颜色可以包括：获取三维点在各个观测图像上投影点的颜色信息；将投影点的颜色信息确定为观测颜色。
91.其中，获取三维点在各个观测图像上投影点的颜色信息可以包括：获取与观测图像相对应的相机内外参(包括相机内参和相机外参)，上述的相机内参是指与相机自身特性相关的参数，例如：相机的焦距、像素大小等等；相机外参是在世界坐标系中的参数，比如：相机的位置、旋转方向等等；在获取到相机内外参之后，可以根据相机内外参确定三维点在各个观测图像上的投影点；对投影点进行线性插值计算，获得投影点的颜色信息，所获得的颜色信息可以包括红绿蓝三个通道所对应的颜色。
92.另外，三维点相对于各个观测图像的观测角度可以通过各个观测图像所对应的相机原点来确定，此时，获取三维点相对于各个观测图像的观测角度可以包括：确定各个观测图像所对应的相机原点；获取三维点与相机原点的方向向量；基于方向向量确定观测角度，在一些实例中，可以直接利用方向向量来表达观测角度，从而有效地保证了对观测角度进行确定的准确可靠性。
93.举例来说，参考附图3所示，多个观测图像可以包括观测图像i1、观测图像i2、观测图像i3以及观测图像i4，上述观测图像i1、观测图像i2、观测图像i3以及观测图像i4各自对应有相机内外参，具体的，相机内外参可以包括相机内外参c1、相机内外参c2、相机内外参c3以及相机内外参c4。
94.上述任意两个观测图像所对应的观测方向不同，在获取到三维点之后，可以确定各个观测图像所对应的相机原点，而后可以获取三维点与相机原点的方向向量，具体的，对于观测图像c1而言，可以获得方向向量d1,相类似的，通过观测图像c2可以获得方向向量d2，通过观测图像c3可以获得方向向量d3，通过观测图像c4可以获得方向向量d4。
95.此外，由于三维点的密度信息与三维点在各个观测图像上的观测颜色的置信度有关，因此，在获取到密度信息之后，可以对密度信息进行分析处理，从而可以确定三维点在各个观测图像上的观测颜色的置信度。在一些实例中，预先配置有密度信息与观测颜色的置信度之间的映射关系，在获取到三维点的密度信息之后，可以基于上述映射关系和密度信息来确定各个观测颜色的置信度。举例来说，参考附图3所示，对于观测图像i1而言，可以获得观测颜色的置信度t1,相类似的，通过观测图像i2可以获得方向向量t2，通过观测图像i3可以获得方向向量t3，通过观测图像i4可以获得方向向量t4。
96.在获取到观测颜色、观测角度和置信度之后，可以对观测颜色、观测角度和置信度进行分析处理，从而可以确定三维点的颜色信息。在一些实例中，三维点的颜色信息可以通过预先训练好的机器学习模型或者神经网络模型对观测颜色、观测角度和置信度进行分析
处理所获得，此时，在获取到观测颜色、观测角度和置信度之后，可以将观测颜色、观测角度和置信度输入至机器学习模型或者神经网络模型中，从而可以获得机器学习模型或者神经网络模型所输出的三维点的颜色信息，这样有效地实现了对辐射场中三维点的颜色信息进行稳定地确定操作。
97.在另一些实例中，在获取到三维点的颜色信息之后，还可以对辐射场中三维点的密度信息和颜色信息进行关联存储，这样方便基于所存储的三维点的密度信息和颜色信息进行查看或者调用操作，进一步提高了该方法的实用性。
98.本实施例提供的辐射场中颜色信息的确定方法，可用于渲染领域，通过对辐射场中三维点的密度信息以及多个观测图像进行分析处理，即可确定三维点的颜色信息，相对于现有技术中通过迭代方式来确定密度信息和颜色信息的实现方案而言，这样不仅减少了需要迭代学习的信息量，具体的，仅需要对密度信息进行迭代求解，避免了对颜色信息的迭代求解，从而解耦了辐射场中密度信息和颜色信息，并且还有效地减少了对密度信息和颜色信息进行确定时所需要的数据处理资源，使得辐射场的表达和学习更容易，进而体现了该方法的实用性，有利于市场的推广与应用。
99.图4为本发明实施例提供的基于密度信息，确定各个观测颜色的置信度的流程示意图；在上述实施例的基础上，参考附图4所示，本实施例提供了一种基于密度信息来确定各个观测颜色的置信度的实现方式，具体的，本实施例中的基于密度信息，确定各个观测颜色的置信度可以包括：
100.步骤s401：获取各个观测图像所对应的相机原点。
101.在获取到各个观测图像之后，可以各个观测图像进行分析处理，从而可以确定各个观测图像所对应的相机原点。具体的，可以先确定各个观测图像所对应的图像坐标系，而后确定图像坐标系中镜头主光轴的中心，并将镜头主光轴的中心确定为相机原点，从而有效地保证了对相机原点进行确定的准确可靠性。
102.步骤s402：基于密度信息，确定三维点与各个相机原点之间的透明度。
103.由于各个观测颜色的置信度与三维点的密度信息之间存在关联关系，不同的三维点的密度信息可以对应有不同的观测颜色的置信度，因此，为了能够准确地确定各个观测颜色的置信度，在获取到密度信息之后，可以对密度信息进行分析处理，从而可以确定三维点与各个相机原点之间的透明度。
104.在一些实例中，基于密度信息，获取三维点与各个相机原点之间的透明度可以包括：在三维点与各个相机原点之间确定多个采样点；基于密度信息，确定多个采样点各自对应的采样密度；确定相邻两个采样点之间的采样点间距；基于多个采样点各自对应的采样密度以及采样点间距，确定三维点到各个相机原点之间的透明度。
105.对于三维点和相机原点而言，在三维点与相机原点之间可能会存在其他的遮挡物或者物品，因此，为了能够准确地识别三维点与各个相机原点之间的透明度，可以在三维点与各个相机原点之间进行均匀采样或者非均匀采样操作，从而可以确定多个采样点；在获取到多个采样点之后，可以基于三维点的密度信息来确定多个采样点各自对应的采样密度，具体可以通过插值的方法对三维点的密度信息进行分析处理，从而可以确定多个采样点各自对应的采样密度。在获取到多个采样点之后，可以对多个采样点进行分析处理，从而可以获得相邻两个采样点之间的采样点间距；在获取到多个采样点各自对应的采样密度以
及采样点间距之后，可以对多个采样点各自对应的采样密度和采样点间距进行分析处理，获得三维点到各个相机原点之间的透明度。
106.具体的，基于多个采样点各自对应的采样密度以及采样点间距，确定三维点到各个相机原点之间的透明度可以包括：获取各个采样点的采样密度与采样点间距之间的乘积值；对所有的乘积值进行累加处理，获得乘积值之和；基于乘积值之和，确定三维点到各个相机原点之间的透明度，上述所获得的透明度与乘积值之和呈负相关，即乘积值之和越大，所获得的透明度越低；乘积值之和越小，所获得的透明度越高。
107.需要注意的是，上述步骤“基于密度信息，确定多个采样点各自对应的采样密度”与上述步骤“确定相邻两个采样点之间的采样点间距”之间的执行顺序并不限于上述所描述的顺序，本领域技术人员可以根据具体的应用场景或者应用需求对上述步骤之间的执行顺序进行任意调整，例如：步骤“基于密度信息，确定多个采样点各自对应的采样密度”可以与步骤“确定相邻两个采样点之间的采样点间距”同步进行，或者，步骤“基于密度信息，确定多个采样点各自对应的采样密度”可以在步骤“确定相邻两个采样点之间的采样点间距”之后执行。
108.步骤s403：基于透明度，确定各个观测颜色的置信度。
109.在三维点与相机原点之间的透明度越大时，表明三维点与相机原点之间的物体越少，则通过观测图像所获得的观测颜色越可信，因此，透明度可以作为观测颜色的置信度使用。具体的，在获取到透明度之后，可以对透明度进行分析处理，以确定各个观测颜色的置信度，在一些实例中，可以将透明度直接确定为各个观测颜色的置信度，从而有效地保证了对各个观测颜色的置信度进行确定的准确可靠性。
110.举例来说，以辐射场中三维点为p为例，在三维点p和相机原点之间选取n个采样点，多个采样点各自对应的采样密度为σi，相邻两个采样点之间的采样点间距为δi，而后可以获取各个采样点的采样密度σi与采样点间距δi之间的乘积值；之后对所有的乘积值进行累加处理，从而可以获得乘积值之和在获取到上述的乘积之和之后，可以确定三维点p到各个观测图像所对应的相机原点的透明度tk，具体的，而后可以基于上述所获得的透明度tk来确定各个观测颜色的置信度，从而有效地保证了对各个观测颜色的置信度进行确定的稳定可靠性。
111.本实施例中，通过获取各个观测图像所对应的相机原点，而后基于密度信息确定三维点与各个相机原点之间的透明度，并基于透明度来确定各个观测颜色的置信度，从而有效地保证了对各个观测颜色的置信度进行确定的准确可靠性，进一步提高了基于各个观测颜色的置信度来确定三维点的颜色信息的精确度。
112.图5为本发明实施例提供的基于观测颜色、观测角度和置信度，确定三维点的颜色信息的流程示意图；在上述实施例的基础上，参考附图5所示，本实施例提供了一种对三维点的颜色信息进行确定的技术方案，具体的，本实施例中的基于观测颜色、观测角度和置信度，确定三维点的颜色信息可以包括：
113.步骤s501：基于观测颜色、观测角度和置信度，确定预设基函数的函数系数。
114.在计算机图形学中，空间中某点在各个方向上的颜色信息可以通过预设基函数以及预设基函数的函数系数来表达，上述的预设基函数可以实现为球谐基函数、余弦基函数、
正弦基函数等正交基函数。为了能够准确地确定三维点的颜色信息，在获取到观测颜色、观测角度和置信度之后，可以对观测颜色、观测角度和置信度进行分析处理，从而可以确定预设基函数的函数系数。
115.在一些实例中，预设基函数的函数系数可以通过预先训练好的机器学习模型对观测颜色、观测角度和置信度进行分析处理所获得，此时，基于观测颜色、观测角度和置信度，确定预设基函数的函数系数可以包括：获取机器学习模型，将观测颜色、观测角度和置信度输入至机器学习模型中，从而可以获得机器学习模型所输出的预设基函数的函数系数。
116.在又一些实例中，不仅可以通过机器学习模型对观测颜色、观测角度和置信度进行分析处理所获得，还可以利用预设算法对观测颜色、观测角度和置信度进行分析处理，从而可以获取预设基函数的函数系数，此时，基于观测颜色、观测角度和置信度，确定预设基函数的函数系数可以包括：基于预设基函数，确定与观测角度相对应的函数值；基于观测颜色、置信度和函数值，确定函数系数。
117.具体的，在获取到观测角度和预设基函数之后，可以将观测角度代入至预设基函数中，从而可以获得与观测角度相对应的函数值，举例来说，在预设基函数表示为在观测角度为dk，则可以确定与观测角度相对应的函数值
118.在一些实例中，在获取到函数值之后，可以结合观测颜色和置信度来确定函数系数，此时，基于观测颜色、置信度和函数值，确定函数系数可以包括：获取各个采样点的观测颜色、置信度与函数值之间的乘积值之和；对所有采样点的置信度进行累加，获得置信度和值；基于乘积值之和与置信度和值，确定函数系数。
119.举例来说，以置信度为tk、函数值为观测颜色为为例，则可以获取各个采样点的观测颜色、置信度与函数值之间的乘积值之和，即另外，由于三维点与相机原点之间存在多个采样点，因此，对于获得的所有采样点的置信度进行累加，从而可以获得置信度和值，该置信度和值即为在获取到乘积值之和与置信度和值之后，可以对乘积值之和和置信度和值进行分析处理，从而可以准确地确定函数系数，具体的，函数系数可以表达为：由上可知，函数系数与乘积值之和呈正相关，函数系数与置信度和值呈负相关。
120.在又一些实例中，在利用上述实现方式来确定函数系数时，为了保证函数系数的准确性，往往需要三维点与相机原点之间的采样点的数量足够多且均匀，这样可以使得用于表示三维点的颜色信息的各组基函数所对应的函数系数互不影响。考虑到在基于观测图像进行采样点的数据采样时，常常不满足上述的要求限制，因此，为了减少甚至避免各组基函数的系数之间的互相影响，可以考虑已估计出颜色信息的采样点的历史频率分量，而后可以结合历史频率分量来确定函数系数，此时，基于乘积值之和与置信度和值，确定函数系数可以包括：基于观测颜色、置信度和函数值，确定用于标识已估计出颜色信息的采样点的历史频率分量；基于乘积值之和、置信度和值以及历史频率分量，确定函数系数。
121.在获取到观测颜色、置信度和函数值之后，可以对观测颜色、置信度和函数值进行分析处理，从而可以确定用于标识已估计出颜色信息的采样点的历史频率分量，在一些实例中，历史频率分量可以通过预选训练好的机器学习模型或者神经网络模型对观测颜色、
置信度和函数值进行分析处理所获得。
122.在又一些实例中，历史频率分量不仅可以通过预先训练好的机器学习模型或者神经网络模型所获得，还可以直接对观测颜色、置信度和函数值进行分析处理，从而可以确定用于标识已估计出颜色信息的采样点的历史频率分量。此时，基于观测颜色、置信度和函数值，确定用于标识已估计出颜色信息的采样点的历史频率分量可以包括：获取与各个历史采样点相对应的历史函数系数，历史函数系数用于标识历史采样点的颜色信息；基于预设基函数，确定各个历史采样点在观测角度上的历史函数值；对各个历史采样点的历史函数系数与历史函数值进行乘积累加处理，获得乘积和值；基于乘积和值，确定历史频率分量。
123.需要注意的是，在获取到历史频率分量之后，可以结合历史频率分量来确定乘积值之和，具体的，获取各个采样点的观测颜色、置信度与函数值之间的乘积值之和可以包括：获取各个采样点的观测颜色与历史频率分量之间的观测差值；对各个采样点的观测差值、置信度与函数值进行乘积累加处理，获得乘积值之和。
124.举例来说，观测颜色可以为历史频率分量可以为其中，可以为与各个历史采样点相对应的历史函数系数，可以为与观测角度dk相对应的函数值，而后可以获取各个采样点的观测颜色与历史频率分量之间的观测差值，具体的，观测差值可以为而后可以基于观测差值、置信度和函数值进行乘积累加处理，从而可以获得乘积值之和，具体的，乘积值之和可以表示为而后可以基于乘积值之和来确定预设基函数的函数系数，从而有效地保证了对函数系数进行确定的准确可靠性。
125.步骤s502：基于函数系数和预设基函数，确定三维点的颜色信息。
126.在获取到函数系数和预设基函数之后，可以对函数系数和预设基函数进行分析处理，从而可以确定三维点的颜色信息。在一些实例中，以球谐基函数作为预设基函数为例，由于三维点的颜色信息包括红绿蓝3个颜色通道，为了能够对每个颜色通道的颜色信息进行表达，则可以通过0-2度的球谐基函数对三维点的颜色信息进行表达，即可以将每个点的球谐基函数分为3组，上述的3组球谐基函数所对应的函数系数可以为3组，每组包括9个系数，即三维点在每个颜色通道上的颜色信息可以通过球谐基函数以及9个函数系数进行表达。
127.在又一些实例中，在确定三维点的颜色信息之后，本实施例中的方法还可以包括；基于三维点的颜色信息进行三维建模操作，获得与辐射场相对应的三维模型；和/或，基于三维点的颜色信息进行图像渲染操作，获得渲染后图像，进一步提高了该方法的实用性。
128.在另一些实例中，在获取到三维点的颜色信息之后，可以对用于表达三维点的颜色信息的预设基函数和函数系数进行存储，具体的，还可以将用于表达三维点的颜色信息的预设基函数和函数系数与三维点的密度信息进行关联存储。之后，可以基于所存储的预设基函数和函数系数来确定辐射场中其他三维点的颜色信息和密度信息，具体的，在获取到待处理三维点之后，可以基于待处理三维点确定所存储的预设基函数和函数系数，而后可以使用三线性插值方法通过距离待处理三维点最近的8个顶点进行插值处理，从而可以获得待处理三维点的颜色信息和密度信息。
129.本实施例中，通过观测颜色、观测角度和置信度来确定预设基函数的函数系数，而后基于函数系数和预设基函数来确定三维点的颜色信息，从而有效地保证了对三维点的颜色信息进行确定的准确可靠性，进一步提高了该方法的实用性。
130.具体应用时，以球谐基函数作为预设基函数为例，本应用实施例提供了一种辐射场中颜色信息估计的解析解方法，该方法能够在获取到辐射场中三维点的密度信息之后，可以直接估计出三维点的颜色信息，对于一个辐射场所对应的三维场景来说，获取与辐射场所对应的一组k个观测图像及其对应的相机内外参，观测图像记为ii，i∈[1，k]，相机内外参可以标记为ci，对于上述观测图像的数量k而言，上述k的具体数值可以为几十、几百或者几千，可以理解的是，在观测图像的数量越多，所确定的三维点的颜色信息越准确，这样基于三维点的颜色信息所建立的辐射场或者三维对象的效果越好，随之也会需要更多的数据处理资源和数据处理时间。在观测图像的数量越少，所估计出来的三维点的颜色信息不是那么准确，这样基于三维点的颜色信息所建立的辐射场或者三维对象的效果越差。
[0131]
为了能够理解对三维点的颜色信息进行确定的实现过程，在计算机图像领域，可以采用采用离散体模型(英文称为volume)表示辐射场，对于辐射场体模型而言，可以在辐射场体模型的每个顶点处存储该点的密度信息和球谐基函数系数，其中，每个辐射场体模型中的顶点数量可以为多个(例如：8个、10个、12个或者15个等等)，不同的辐射场体模型可以对应有不同数量的顶点。另外，对于辐射场体模型而言，不仅可以存储辐射场体模型的每个顶点所对应的密度信息和颜色信息，还可以存储辐射场体模型中随机点所对应的密度信息和颜色信息。
[0132]
由于颜色信息可以通过红绿蓝3个颜色通道进行表达，因此，为了能够准确地对颜色信息进行表达，对于每个颜色通道而言，可以通过0-2度的9个球谐基函数以及所对应的函数系数来进行表达，具体的，9个球谐基函数可以包括：上述9个球谐基函数可以对应有一组球谐基函数系数，每组球谐基函数系数可以包括9个系数。
[0133]
具体的，对于辐射场来说，渲染生成图像可以通过渲染方程来表达，具体的，对于一个特定像素点的图像像素，可以使用体渲染方程渲染得到该相机参数下的图像像素，其中，r表示为从相机原点发出、通过像素点的射线，i(r)表示射线对应的像素点的颜色，该i(r)即表示为观测颜色，n是体渲染时在射线上的采样点个数，σi是在i点处的密度，δi是采样点i到i-1的距离(特别地δ1＝0)，是i点处在射线i方向上的颜色。δj是j到j-1之间的距离，是渲染得到的颜色。
[0134]
为了能够实现在给定一组观测图像和场景密度信息的情况下，估计体模型各顶点(或者随机三维单)处的颜色信息c，需要注意的是，对于红绿蓝三个颜色通道来说，对任意一个颜色通道所获得的颜色信息均相同，因此，本应用实施例仅描述对于某个颜色通道的估计过程为例进行说明，具体的，对于辐射场中的特定点p，对辐射场中特定点的颜色信息进行确定的过程可以包括以下步骤：
[0135]
步骤1：获取辐射场中三维点p的密度信息和多个观测图像。
[0136]
步骤2：确定多个观测图像各自对应的相机参数。
[0137]
步骤3：计算三维点p在每个观测图像上投影点的颜色信息。
[0138]
具体的，获取与观测图像相对应的相机参数，计算三维点p在图像上的投影点坐标，然后通过双线性插值计算该投影点的颜色，得到最终结果，记在第k个相机上的观测颜色记为
[0139]
步骤4：计算点p到每个观测图像的相机原点的方向向量dk。
[0140]
步骤5：计算点p到每个观测图像相机原点的透明度tk，由于透明度越大，表明点和相机原点之间的物体越少，则通过观测图像上的观测值越可信，因此。该透明度可以作为观测的置信度使用。具体的计算过程为，在点p和相机原点之间均匀选取n个采样点，而后通过以下公式来获取到透明度，其中，σi是i点处的密度，δi是采样点i到采样点i-1之间的距离信息。
[0141]
步骤6：通过以上步骤，可以获得k个观测，每个观测包括颜色、角度、置信度，即根据蒙特卡洛采样积分估计法，即可估计出球谐函数基函数的系数。具体的，对于基函数来说，其系数的估计值
[0142]
需要注意的是，上述的基函数系数是基于蒙特卡洛采样积分估计法所获得的，而蒙特卡洛采样积分估计法要求采样点个数足够多且均匀，从而使得各个系数的估计互不影响。然而，由于观测图像并不能不满足该条件，因此需要考虑系数的互相影响，可以将系数估计方程调整为：其中，用于标识已经估计出采样点的历史频率分量，用于标识已估计出的历史采样点所对应的预设基函数的函数系数，
[0143]
步骤7：对球谐基函数的系数和球谐基函数进行关联存储。
[0144]
需要注意的是，本应用实施例不仅可以使用球谐基函数来表示颜色，还可以使用其他的基函数来表示颜色，例如，余弦基函数、正弦奇函数、基于神经网络的基函数或者其他正交基函数等等，相类似的，对于辐射场而言，不仅可以使用离散的体模型(volume)表示辐射场，而采用其他方式表示辐射场。
[0145]
另外，本应用实施例提供的技术方案不仅可以应用在三维场景中，还可以应用到xr应用的场景/物体辐射场重建中，例如，可以通过上述方式来获取各个三维点的颜色信息，基于三维点的颜色信息进行图像渲染操作，生成图像或者三维模型等等。
[0146]
本应用实施例提供的辐射场中颜色信息估计的解析解方法，有效地实现了在给定辐射场中三维点的密度信息之后，可以使用解析解方法求解三维点的颜色信息，具体的，使用球谐基函数及其权重系数来表示场景中各点的颜色信息，从而，将估计各点颜色信息的问题转化为估计基函数的权重系数；这样不仅提高了对颜色信息进行确定的准确可靠性，并且，通过用于表达颜色信息的权重系数进行表达，有效地降低了对辐射场中相关参数进行存储时所需要的存储空间。
[0147]
另外，为了准确地估计权重系数，则可以将待估计颜色的点投影到场景观测图像上，将观测图像上对应点的颜色作为三维点在各个方向上的观测颜色；另外，由于三维点的观测颜色可能由于空间遮挡的问题并不准确，为此，通过使用场景的密度信息计算待估计颜色点到相机原点之间的透明度，将透明度作为观测颜色的观测置信度，而后可以通过所
给定的各个方向上的观测颜色和观测置信度，并通过最小化误差的方法来估计基函数的权重系数，从而有效地保证了对权重系数进行确定的准确可靠性；相对于现有技术而言，有效地避免了对颜色信息的迭代求解，仅需要对密度信息进行迭代求解，解耦了辐射场中密度信息和颜色信息，减少了需要迭代学习的信息量以及通过学习优化的参数，从而使得辐射场的表达和学习更容易，进一步提高了该方法的实用性，有利于市场的推广与应用。
[0148]
图6为本发明应用实施例提供的另一种辐射场中颜色信息的确定方法的示意图；参考附图6所示，本实施例提供了另一种辐射场中颜色信息的确定方法，该方法的执行主体可以为辐射场中颜色信息的确定装置，可以理解的是，该辐射场中颜色信息的确定装置可以实现为软件、或者软件和硬件的组合，具体的，在辐射场中颜色信息的确定装置实现为硬件时，其具体可以是具有基辐射场中颜色信息的确定操作的各种电子设备，包括但不限于平板电脑、个人电脑pc、服务器等等。当辐射场中颜色信息的确定装置实现为软件时，其可以安装在上述所例举的电子设备中。基于上述的辐射场中颜色信息的确定装置，本实施例中的辐射场中颜色信息的确定方法可以包括以下步骤：
[0149]
步骤s601：获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向。
[0150]
步骤s602：确定用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数。
[0151]
步骤s603：基于基函数系数和预设基函数在观测方向上进行插值处理，确定待观测三维点的颜色信息。
[0152]
下面对上述各个步骤的具体实现原理和实现效果进行详细说明：
[0153]
步骤s601：获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向。
[0154]
其中，辐射场中可以存储有多个空间点，当用户针对辐射场中的任意空间点存在颜色确定需求时，则可以向确定装置中输入待观测三维点，具体的，待观测三维点可以通过坐标值进行表达，例如：待观测三维点可以为(x,y,z)，相类似的，与待观测三维点相对应的观测方向可以通过向量或者图像进行表达。
[0155]
在一些实例中，待观测三维点和观测方向可以通过与辐射场相对应的虚拟体模型获得，此时，获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向可以包括：通过确定装置显示与辐射场相对应的虚拟体模型，获取用户针对虚拟体模型中所输入的坐标点确定操作以及观测方向的确定操作，从而可以获得辐射场中的待观测三维点以及与待观测三维点相对应的观测方向。
[0156]
在另一些实例中，待观测三维点和观测方向可以通过交互界面获得，此时，获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向可以包括：通过确定装置获取与辐射场相对应的数据配置页面，获取用户在数据配置页面中输入的数据配置操作，而后基于数据配置操作可以确定在辐射场中的待观测三维点以及与待观测三维点相对应的观测方向。
[0157]
在又一些实例中，待观测三维点和观测方向可以通过第三设备获得，获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向可以包括：待观测三维点和观测方向可以存储在第三设备中，第三设备与确定装置通信连接，确定装置通过第三设备可以
主动或者被动地获取到待观测三维点和观测方向。
[0158]
骤s602：确定用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数。
[0159]
为了能够准确地获取到待观测三维点的颜色信息，可以先确定用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数，其中，辐射场中的预设点可以为顶点或者非顶点，预设基函数可以实现为球谐基函数、正弦基函数、余弦基函数以及其他正交基函数等等。
[0160]
另外，对于标识辐射场中预设点的颜色信息的基函数系数和预设基函数而言，其可以是预先处理所获得的，上述用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数可以存储在预设区域中，通过访问预设区域即可获取到基函数系数和预设基函数。另外，上述的用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数可以通过辐射场中预设点的密度信息和多个观测图像来分析确定的，此时，用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数可以利用上述实施例的方式对密度信息和多个观测图像进行分析处理所获得，具体可参考上述陈述内容，在此不再赘述。
[0161]
步骤s603：基于基函数系数和预设基函数在观测方向上进行插值处理，确定待观测三维点的颜色信息。
[0162]
在获取到待观测三维点和预设点之后，由于预设点对应有基函数系数和预设基函数，因此，为了能够准确地获取到待观测三维点，则可以基于基函数系数和预设基函数在观测方向上进行插值处理，具体的，可以基于基函数系数和预设基函数在观测方向上进行三线性插值处理，从而可以确定待观测三维点的颜色信息，这样有效地保证了对待观测三维点的颜色信息进行确定的准确可靠性。
[0163]
此外，本实施例中的方法还可以包括上述图1-图5所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图5所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图5所示实施例中的描述，在此不再赘述。
[0164]
本实施例中，通过获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向，确定用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数，而后基于基函数系数和预设基函数在观测方向上进行插值处理，确定待观测三维点的颜色信息，从而有效地实现了用户可以基于观测方向以及预设点的颜色信息，即可确定辐射场中任意一个三维点所对应的颜色信息，这样有效地提高了对颜色信息进行确定的准确可靠性，进一步提高了该方法的实用性，有利于市场的推广与应用。
[0165]
图7为本发明实施例提供的一种辐射场中颜色信息的确定装置的结构示意图；参考附图7所示，本实施例提供了一种辐射场中颜色信息的确定装置，该确定装置用于执行上述图2所示的辐射场中颜色信息的确定方法，具体的，该确定装置可以包括：
[0166]
第一获取模块11，用于获取辐射场中三维点的密度信息以及辐射场在至少两个观测方向上的多个观测图像；
[0167]
第一处理模块12，用于基于多个观测图像和密度信息，确定三维点的颜色信息。
[0168]
在一些实例中，在第一处理模块12基于多个观测图像和密度信息，确定三维点的颜色信息时，该第一处理模块12用于执行：获取三维点在各个观测图像上的观测颜色以及三维点相对于各个观测图像的观测角度；基于密度信息，确定各个观测颜色的置信度；基于观测颜色、观测角度和置信度，确定三维点的颜色信息。
[0169]
在一些实例中，在第一处理模块12基于密度信息，确定各个观测颜色的置信度时，该第一处理模块12用于执行：获取各个观测图像所对应的相机原点；基于密度信息，确定三维点与各个相机原点之间的透明度；基于透明度，确定各个观测颜色的置信度。
[0170]
在一些实例中，在第一处理模块12基于密度信息，获取三维点与各个相机原点之间的透明度时，该第一处理模块12用于执行：在三维点与各个相机原点之间确定多个采样点；基于密度信息，确定多个采样点各自对应的采样密度；确定相邻两个采样点之间的采样点间距；基于多个采样点各自对应的采样密度以及采样点间距，确定三维点到各个相机原点之间的透明度。
[0171]
在一些实例中，在第一处理模块12基于多个采样点各自对应的采样密度以及采样点间距，确定三维点到各个相机原点之间的透明度时，该第一处理模块12用于执行：获取各个采样点的采样密度与采样点间距之间的乘积值；对所有的乘积值进行累加处理，获得乘积值之和；基于乘积值之和，确定三维点到各个相机原点之间的透明度。
[0172]
在一些实例中，透明度与乘积值之和呈负相关。
[0173]
在一些实例中，在第一处理模块12基于观测颜色、观测角度和置信度，确定三维点的颜色信息时，该第一处理模块12用于执行：基于观测颜色、观测角度和置信度，确定预设基函数的函数系数；基于函数系数和预设基函数，确定三维点的颜色信息。
[0174]
在一些实例中，在第一处理模块12基于观测颜色、观测角度和置信度，确定预设基函数的函数系数时，该第一处理模块12用于执行：基于预设基函数，确定与观测角度相对应的函数值；基于观测颜色、置信度和函数值，确定函数系数。
[0175]
在一些实例中，在第一处理模块12基于观测颜色、置信度和函数值，确定函数系数时，该第一处理模块12用于执行：获取各个采样点的观测颜色、置信度与函数值之间的乘积值之和；对所有采样点的置信度进行累加，获得置信度和值；基于乘积值之和与置信度和值，确定函数系数。
[0176]
在一些实例中，函数系数与乘积值之和呈正相关，函数系数与置信度和值呈负相关。
[0177]
在一些实例中，在第一处理模块12基于乘积值之和与置信度和值，确定函数系数时，该第一处理模块12用于执行：基于观测颜色、置信度和函数值，确定用于标识已估计出颜色信息的采样点的历史频率分量；基于乘积值之和、置信度和值以及历史频率分量，确定函数系数。
[0178]
在一些实例中，在第一处理模块12获取各个采样点的观测颜色、置信度与函数值之间的乘积值之和时，该第一处理模块12用于执行：获取各个采样点的观测颜色与历史频率分量之间的观测差值；对各个采样点的观测差值、置信度与函数值进行乘积累加处理，获得乘积值之和。
[0179]
在一些实例中，在第一处理模块12基于观测颜色、置信度和函数值，确定用于标识已估计出颜色信息的采样点的历史频率分量时，该第一处理模块12用于执行：获取与各个历史采样点相对应的历史函数系数，历史函数系数用于标识历史采样点的颜色信息；基于预设基函数，确定各个历史采样点在观测角度上的历史函数值；对各个历史采样点的历史函数系数与历史函数值进行乘积累加处理，获得乘积和值；基于乘积和值，确定历史频率分量。
[0180]
在一些实例中，在确定三维点的颜色信息之后，本实施例中的第一处理模块12还用于基于三维点的颜色信息进行三维建模操作，获得与辐射场相对应的三维模型；和/或，基于三维点的颜色信息进行图像渲染操作，获得渲染后图像。
[0181]
图7所示装置可以执行图1-图5所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图5所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图5所示实施例中的描述，在此不再赘述。
[0182]
在一个可能的设计中，图7所示辐射场中颜色信息的确定装置的结构可实现为一电子设备，该电子设备可以是控制器、个人电脑、服务器等各种设备。如图8所示，该电子设备可以包括：第一处理器21和第一存储器22。其中，第一存储器22用于存储相对应电子设备执行上述图1-图5所示实施例中提供的辐射场中颜色信息的确定方法的程序，第一处理器21被配置为用于执行第一存储器22中存储的程序。
[0183]
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第一处理器21执行时能够实现如下步骤：获取辐射场中三维点的密度信息以及辐射场在至少两个观测方向上的多个观测图像；基于多个观测图像和密度信息，确定三维点的颜色信息。
[0184]
进一步的，第一处理器21还用于执行前述图1-图5所示实施例中的全部或部分步骤。
[0185]
其中，电子设备的结构中还可以包括第一通信接口23，用于电子设备与其他设备或通信网络通信。
[0186]
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图1-图5所示实施例中辐射场中颜色信息的确定方法所涉及的程序。
[0187]
此外，本发明实施例提供了一种计算机程序产品，包括：存储有计算机指令的计算机可读存储介质，当计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述图1-图5所示方法实施例中辐射场中颜色信息的确定方法中的步骤。
[0188]
图9为本发明实施例提供的一种辐射场中颜色信息的确定装置的结构示意图；参考附图9所示，本实施例提供了一种辐射场中颜色信息的确定装置，该确定装置用于执行上述图6所示的辐射场中颜色信息的确定方法，具体的，该确定装置可以包括：
[0189]
第二获取模块31，用于获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向；
[0190]
第二确定模块32，用于确定用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数；
[0191]
第二处理模块33，用于基于基函数系数和预设基函数在观测方向上进行插值处理，确定待观测三维点的颜色信息。
[0192]
图9所示装置可以执行图6所示实施例的方法，本实施例未详细描述的部分，可参考对行图6所示实施例的相关说明。该技术方案的执行过程和技术效果参见行图6所示实施例中的描述，在此不再赘述。
[0193]
在一个可能的设计中，图9所示辐射场中颜色信息的确定装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图10所示，该电子设备可以包括：第二处理器41和第二存储器42。其中，第二存储器42用于存储相对应电子设备执
行上述图6所示实施例中提供的辐射场中颜色信息的确定方法的程序，第二处理器41被配置为用于执行第二存储器42中存储的程序。
[0194]
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第二处理器41执行时能够实现如下步骤：获取辐射场中的待观测三维点以及与待观测三维点相对应的观测方向；确定用于标识辐射场中预设点的颜色信息的基函数系数和预设基函数；基于基函数系数和预设基函数在观测方向上进行插值处理，确定待观测三维点的颜色信息
[0195]
进一步的，第二处理器41还用于执行前述图6所示实施例中的全部或部分步骤。
[0196]
其中，电子设备的结构中还可以包括第二通信接口43，用于电子设备与其他设备或通信网络通信。
[0197]
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图6所示方法实施例中辐射场中颜色信息的确定方法所涉及的程序。
[0198]
此外，本发明实施例提供了一种计算机程序产品，包括：存储有计算机指令的计算机可读存储介质，当计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述图6所示方法实施例中辐射场中颜色信息的确定方法中的步骤。
[0199]
图11为本发明实施例提供的又一种辐射场中颜色信息的确定方法的流程示意图；参考附图11所示，本实施例提供了一种辐射场中颜色信息的确定方法，可以理解的是，该辐射场中颜色信息的确定方法的执行可以为辐射场中颜色信息的确定装置，该辐射场中颜色信息的确定装置可以实现为软件、或者软件和硬件的组合。具体的，该辐射场中颜色信息的确定方法可以包括：
[0200]
步骤s1101：响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；
[0201]
步骤s1102：利用所述处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
[0202]
具体的，本发明提供的辐射场中颜色信息的确定方法可以在云端来执行，在云端可以部署有若干计算节点，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。
[0203]
针对本发明提供的方案，云端可以提供有用于完成辐射场中颜色信息的确定方法的服务，称为辐射场中颜色信息的确定服务。当用户需要使用该辐射场中颜色信息的确定服务的时候，调用该辐射场中颜色信息的确定服务，以向云端触发调用该辐射场中颜色信息的确定服务的请求，在该请求中可以携带有待预测的三维点。云端确定响应该请求的计算节点，利用该计算节点中的处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
[0204]
具体的，本实施例中的上述方法步骤的实现过程、实现原理和实现效果与上述图1-图5所示实施例的方法步骤的实现过程、实现原理和实现效果相类似，本实施例未详细描述的部分，可参考对图1-图5所示实施例的相关说明。
[0205]
图12为本发明实施例提供的一种辐射场中颜色信息的确定装置的结构示意图；参
考附图12所示，本实施例提供了一种辐射场中颜色信息的确定装置，该确定装置用于执行上述图11所示的辐射场中颜色信息的确定方法，具体的，该确定装置可以包括：
[0206]
第三确定模块51，用于响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；
[0207]
第三处理模块52，用于利用所述处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
[0208]
图12所示装置可以执行图11所示实施例的方法，本实施例未详细描述的部分，可参考对行图11所示实施例的相关说明。该技术方案的执行过程和技术效果参见行图11所示实施例中的描述，在此不再赘述。
[0209]
在一个可能的设计中，图12所示辐射场中颜色信息的确定装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图13所示，该电子设备可以包括：第三处理器61和第三存储器62。其中，第三存储器62用于存储相对应电子设备执行上述图11所示实施例中提供的辐射场中颜色信息的确定方法的程序，第三处理器61被配置为用于执行第三存储器62中存储的程序。
[0210]
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第三处理器61执行时能够实现如下步骤：响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；利用所述处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
[0211]
进一步的，第三处理器61还用于执行前述图11所示实施例中的全部或部分步骤。
[0212]
其中，电子设备的结构中还可以包括第三通信接口63，用于电子设备与其他设备或通信网络通信。
[0213]
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图11所示方法实施例中辐射场中颜色信息的确定方法所涉及的程序。
[0214]
此外，本发明实施例提供了一种计算机程序产品，包括：存储有计算机指令的计算机可读存储介质，当计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述图11所示方法实施例中辐射场中颜色信息的确定方法中的步骤。
[0215]
图14为本发明实施例提供的另一种辐射场中颜色信息的确定方法的流程示意图；参考附图14所示，本实施例提供了另一种辐射场中颜色信息的确定方法，可以理解的是，该辐射场中颜色信息的确定方法的执行可以为辐射场中颜色信息的确定装置，该辐射场中颜色信息的确定装置可以实现为软件、或者软件和硬件的组合。具体的，该辐射场中颜色信息的确定方法可以包括：
[0216]
步骤s1401：响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；
[0217]
步骤s1402：利用所述处理资源执行如下步骤：获取辐射场中的待观测三维点以及与所述待观测三维点相对应的观测方向；确定用于标识所述辐射场中预设点的颜色信息的基函数系数和预设基函数；基于所述基函数系数和所述预设基函数在所述观测方向上进行
插值处理，确定所述待观测三维点的颜色信息。
[0218]
具体的，本发明提供的辐射场中颜色信息的确定方法可以在云端来执行，在云端可以部署有若干计算节点，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。
[0219]
针对本发明提供的方案，云端可以提供有用于完成辐射场中颜色信息的确定方法的服务，称为辐射场中颜色信息的确定服务。当用户需要使用该辐射场中颜色信息的确定服务的时候，调用该辐射场中颜色信息的确定服务，以向云端触发调用该辐射场中颜色信息的确定服务的请求，在该请求中可以携带有待预测的三维点。云端确定响应该请求的计算节点，利用该计算节点中的处理资源执行如下步骤：获取辐射场中三维点的密度信息以及所述辐射场在至少两个观测方向上的多个观测图像；基于所述多个观测图像和所述密度信息，确定所述三维点的颜色信息。
[0220]
具体的，本实施例中的上述方法步骤的实现过程、实现原理和实现效果与上述图1-图5所示实施例的方法步骤的实现过程、实现原理和实现效果相类似，本实施例未详细描述的部分，可参考对图1-图5所示实施例的相关说明。
[0221]
图15为本发明实施例提供的一种辐射场中颜色信息的确定装置的结构示意图；参考附图15所示，本实施例提供了一种辐射场中颜色信息的确定装置，该确定装置用于执行上述图13所示的辐射场中颜色信息的确定方法，具体的，该确定装置可以包括：
[0222]
第四确定模块71，用于响应于调用颜色确认服务的请求，确定所述颜色确认服务对应的处理资源；
[0223]
第四处理模块72，用于利用所述处理资源执行如下步骤：获取辐射场中的待观测三维点以及与所述待观测三维点相对应的观测方向；确定用于标识所述辐射场中预设点的颜色信息的基函数系数和预设基函数；基于所述基函数系数和所述预设基函数在所述观测方向上进行插值处理，确定所述待观测三维点的颜色信息。
[0224]
图15所示装置可以执行图14所示实施例的方法，本实施例未详细描述的部分，可参考对行图14所示实施例的相关说明。该技术方案的执行过程和技术效果参见行图14所示实施例中的描述，在此不再赘述。
[0225]
在一个可能的设计中，图15所示辐射场中颜色信息的确定装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图16所示，该电子设备可以包括：第四处理器81和第四存储器82。其中，第四存储器82用于存储相对应电子设备执行上述图14所示实施例中提供的辐射场中颜色信息的确定方法的程序，第四处理器81被配置为用于执行第四存储器82中存储的程序。
[0226]
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第三处理器61执行时能够实现如下步骤：获取辐射场中的待观测三维点以及与所述待观测三维点相对应的观测方向；确定用于标识所述辐射场中预设点的颜色信息的基函数系数和预设基函数；基于所述基函数系数和所述预设基函数在所述观测方向上进行插值处理，确定所述待观测三维点的颜色信息。
[0227]
进一步的，第四处理器81还用于执行前述图14所示实施例中的全部或部分步骤。
[0228]
其中，电子设备的结构中还可以包括第四通信接口83，用于电子设备与其他设备或通信网络通信。
[0229]
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图14所示方法实施例中辐射场中颜色信息的确定方法所涉及的程序。
[0230]
此外，本发明实施例提供了一种计算机程序产品，包括：存储有计算机指令的计算机可读存储介质，当计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述图14所示方法实施例中辐射场中颜色信息的确定方法中的步骤。
[0231]
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0232]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0233]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0234]
这些计算机程序指令也可存储在能引导计算机或其他可编程设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0235]
这些计算机程序指令也可装载到计算机或其他可编程设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0236]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0237]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0238]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动
态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0239]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。