CN102393962A - 基于点云数据的三维模型评测方法和装置 - Google Patents
基于点云数据的三维模型评测方法和装置 Download PDFInfo
- Publication number
- CN102393962A CN102393962A CN2011101814319A CN201110181431A CN102393962A CN 102393962 A CN102393962 A CN 102393962A CN 2011101814319 A CN2011101814319 A CN 2011101814319A CN 201110181431 A CN201110181431 A CN 201110181431A CN 102393962 A CN102393962 A CN 102393962A
- Authority
- CN
- China
- Prior art keywords
- model
- index
- evaluated
- point
- bee
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims description 48
- 238000011156 evaluation Methods 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提出一种基于点云数据的三维模型评测方法及装置,该方法包括:A:获得待评测模型;B:对待评测模型的精度进行评测,包括B1:建立第一位置索引;B2:获得面片序号;B3:寻找距待评测模型中点mi的空间距离最近的K个点;B4:判断K个点与点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果大于则舍弃点mi;B5:否则选择K个点在真实模型中的所有面片;B6:选择点mi与对应的所有面片的最短距离,计算所有最短距离的均值得到精度指标;C:得到完整度指标;和D:根据两指标判断三维模型的重建质量。应用本发明的评测方法可降低计算量,更加真实地反应出重建算法的好坏。本发明的装置结构简单。
Description
技术领域
本发明涉及多媒体技术领域,特别涉及一种基于点云数据的三维模型评方法装置。
背景技术
在立体视觉中,三维模型的精度与完整度评测结果是检验重建算法好坏的标准之一。模型的精度指的是所重建出的部分与真实模型的逼近程度,模型的完整度指的是模型重建出的比例。对于待评测模型的精度,一般取待评测模型中的点与真实模型的最短距离作为统计数据。距离越小,证明该点越逼近真实模型,若待评测模型的点到真实模型的距离都很小,则说明重建的部分很逼近真实模型。对于待评测模型的完整度,一般给定某一距离指标,检验真实模型的点在给定距离内有无真实模型的点,若有,则认为真实模型的该点被重建出来,该点有效。最后得出有效点的比例,即为该距离指标下的模型完整度。模型完整度越高,则说明重建出的比例越高。
模型的精度和完整度共同反映出重建模型的质量好坏,其能够反映出重建算法的性能好坏,特别是在模型不是很平整的时候,真实模型的一些纹理能够很好的反映出模型的重建算法的性能。
真实模型通常都是三维扫描仪得到,并以网格格式存储。对于待评测的模型,现有技术的评测方法都是基于网格数据的,即重建算法使得原始数据生成点云数据,然后转换为网格(模型表面为多边形面片)再做评测。而现有评测方法存在以下缺点:
1、过度拟合,比如重建的模型中,个别点距离模型很远,在由点云数据转为面片模型后,该点周围的面片会凸起或凹陷很厉害,视觉上感觉质量很不好。
2、由点云数据生成网格时对评测结果带来了不确定性,可能使得模型精确,也可能使得模型变坏。比如点数少的部分自然会比较平滑,点数多的部分由于坑坑洼洼使得模型凹凸不一,有可能凹凸不一的地方本来是平滑的,由于视角比较集中才得出较多的点数。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的一个目的在于提出一种基于点云数据的三维模型评测方法。该方法不需要待评测模型的面片模型,而只需通过待评测模型的点云数据实现对待评测模型精度和完整度的评测,这样,能够避免不必要的影响,从而能够更加真实地反应出重建算法的性能好坏。
本发明的另一目的在于提出一种结构简单,易于实现的基于点云数据的三维模型评测装置,该装置不需要根据待评测模型的面片模型,而只需通过待评测模型的点云数据实现对待评测模型精度和完整度的评测,这样,能够避免不必要的影响,从而能够更加真实地反应出重建算法的性能好坏。
为了实现上述目的,本发明第一方面实施例的基于点云数据的三维模型评测方法包括以下步骤:A:获得真实模型的待评测模型;B:对所述待评测模型的精度进行评测,包括以下步骤:B1:建立所述真实模型的点云中每个点的第一位置索引;B2:获得所述每个点在所述真实模型中的面片序号;B3:基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点;B4:判断所述K个点与所述点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果所述K个空间距离均大于所述第一预定阈值,则舍弃所述点mi;B5:如果判断所述K个空间距离的至少一个小于第一预定阈值,则根据所述面片序号选择所述待评测模型中点mi所对应的K个点在所述真实模型中的所有面片;B6:选择所述点mi与对应的所有面片中每一个的空间距离中的最短距离,计算待评测模型中所有点对用的所有最短距离的均值,以得到精度指标;C:评测所述待评测模型的完整度以得到所述待评测模型的完整度指标;和D:根据所述待评测模型的精度指标和所述待评测模型的完整度指标判断所述三维模型的重建质量。
根据本发明的基于点云数据的三维模型评测方法,该方法不需要提供待评测模型的面片模型,而只需通过待评测模型的点云数据。这样,与现有评测方法相比相当于减少一个获取待评测模型面片,本发明的实施只需根据待评测模型的点云数据,就能够实现对待评测模型精度和完整度的评测,因此,避免了由点云数据生成面片时对评测结果带来的不确定性和其它不必要的影响,从而能够更加真实地反应出重建算法的性能好坏。
另外,根据本发明的基于点云数据的三维模型评测方法还可以具有如下附加的技术特征:
在本发明的一个实施例中,所述步骤B6中将所述所有最短距离的每一个与第二预定阈值比较,以确定精度指标。
根据本发明的一个实施例,所述将所有最短距离的每一个与第二预定阈值比较,进一步包括:获取所述所有最短距离的个数n;对所述所有最短距离中的每一个与所述第二预定阈值比较,以确定所述所有最短距离中小于所述第二预定阈值的最短距离的个数p;根据公式:t=p/n,确定所述精度指标,其中,t为所述精度指标。
在本发明的一个实施例中,所述步骤B6进一步包括:提供预定百分比p1;对所述所有最短距离对应的点按所述所有最短距离从小到大的顺序进行排序,得到前百分比p1的点的个数n1,其中,所述p1在[0,1]范围内;在所述排序后的所有点中寻找所述第n1个点所对应的最短距离,以确定精度指标。
在本发明的一个实施例中,所述步骤B1进一步包括:对所述真实模型所处的三维空间划分为q个空间区域,并对所述q个空间区域进行索引编号;判断所述真实模型的点云中每个点所在的空间区域,并将对应的空间区域的索引编号为第一位置索引,其中,q为大于1的预定整数。
在本发明的一个实施例中,所述真实模型中的每个面片均为三角形面片。
在本发明的一个实施例中,所述步骤C进一步包括:C1:建立所述待评测模型的点云中每个点的第二位置索引;C2:基于所述第二位置索引在所述待评测模型的点云中寻找距所述真实模型中点gi的空间距离最近的点,其中,所述gi为真实模型的点云中的任意一点;C3:判断所述最近的点对应的距离是否小于第三预定阈值,如果所述距离大于所述第三预定阈值,则舍弃相应的点;C4:如果判断所述距离小于所述第三预定阈值,则统计所述距离的个数,并根据所述距离的个数与所述真实模型的点云个数获得所述完整度指标。
根据本发明的一个实施例,所述步骤C4进一步包括:计算所述距离的个数在所述真实模型的点云个数中占的百分比,以得到完整性指标。
本发明第二方面实施例的基于点云数据的三维模型评测装置,其特征在于,包括:获取模块,所述获取模块用于获得真实模型的待评测模型;精度评测模块,所述精度评测模块用于建立所述真实模型的点云中每个点的第一位置索引,接着获得所述每个点在所述真实模型中的面片序号,并基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点,然后判断所述K个点与所述点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果所述K个空间距离均大于所述第一预定阈值,则舍弃所述点mi如果判断所述K个空间距离的至少一个小于第一预定阈值,则根据所述面片序号选择所述待评测模型中点mi所对应的K个点在所述真实模型中的所有面片,最后选择所述点mi与对应的所有面片中每一个的空间距离中的最短距离,计算待评测模型中所有点对用的所有最短距离的均值,以得到精度指标;完整度评测模块,所述完整度评测模块用于评测所述待评测模型的完整度以得到所述待评测模型的完整度指标;和评测判断模块,所述评测判断模块用于根据所述待评测模型的精度指标和所述待评测模型的完整度指标判断所述三维模型的重建质量。
根据本发明的基于点云数据的三维模型评测装置,该装置不需要提供待评测模型的面片模型,而只需通过待评测模型的点云数据。这样,与现有方式相比相当于减少一个获取待评测模型面片,本发明的实施只需根据待评测模型的点云数据,就能够实现对待评测模型精度和完整度的评测,因此,避免了由点云数据生成面片时对评测结果带来的不确定性和其它不必要的影响,从而能够更加真实地反应出重建算法的性能好坏。另外,该装置结构简单,易于实现。
另外,根据本发明的基于点云数据的三维模型评测装置还可以具有如下附加的技术特征:
在本发明的一个实施例中,所述精度评测模块还用于在获得所述待评测模型中所有点对用的所有最短距离后,将所述所有最短距离的每一个与第二预定阈值比较,以确定精度指标。
根据本发明的一个实施例,首先获取所述所有最短距离的个数n;接着对所述所有最短距离中的每一个与所述第二预定阈值比较,以确定所述所有最短距离中小于所述第二预定阈值的最短距离的个数p;然后根据公式:t=p/n,确定所述精度指标,其中,t为所述精度指标。
在本发明的一个实施例中,提供预定百分比p1;对所述所有最短距离对应的点按所述所有最短距离从小到大的顺序进行排序,得到前百分比p1的点的个数n1,其中,所述p1在[0,1]范围内;在所述排序后的所有点中寻找所述第n1个点所对应的最短距离,以确定精度指标。
在本发明的一个实施例中,所述精度评测模块还用于对所述真实模型所处的三维空间划分为q个空间区域,并对所述q个空间区域进行索引编号;判断所述真实模型的点云中每个点所在的空间区域,并将对应的空间区域的索引编号为第一位置索引,其中,q为大于1的预定整数。
在本发明的一个实施例中,所述真实模型中的每个面片均为三角形面片。
在本发明的一个实施例中,所述完整度评测模块用于建立所述待评测模型的点云中每个点的第二位置索引;基于所述第二位置索引在所述待评测模型的点云中寻找距所述真实模型中点gi的空间距离最近的点,其中,所述gi为真实模型的点云中的任意一点;判断所述最近的点对应的距离是否小于第三预定阈值,如果所述距离大于所述第三预定阈值,则舍弃相应的点;如果判断所述距离小于所述第三预定阈值,则统计所述距离的个数,并根据所述距离的个数与所述真实模型的点云个数获得所述完整度指标。
根据本发明的一个实施例,通过计算所述距离的个数在所述真实模型的点云个数中占的百分比,以得到完整性指标。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例的基于点云数据的三维模型评测方法的流程图;
图2为本发明实施例的获得精度指标的方法的流程图;
图3为本发明实施例的获得完整度指标的方法的流程图;以及
图4为本发明实施例的基于点云数据的三维模型评测装置的结构图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图1-3首先描述根据本发明实施例的基于点云数据的三维模型评测方法。
如图1所示,为本发明实施例的基于点云数据的三维模型评测方法的流程图。根据本发明实施例的基于点云数据的三维模型评测方法,包括以下步骤:
步骤S101,获得真实模型的待评测模型;
对于一个真实三维模型(真实模型),可以根据现有的一些重建方法重建出该真实的三维模型的重建模型(待评测模型)。
步骤S102,对所述待评测模型的精度进行评测,以得到精度指标;
步骤S103,评测所述待评测模型的完整度以得到所述待评测模型的完整度指标;
步骤S104,根据所述待评测模型的精度指标和所述待评测模型的完整度指标判断所述三维模型的重建质量。
得出待评测模型的精度指标和完整度指标后,就可以结合两个指标进行综合评测重建模型(待评测模型)的质量。例如,若评测的完整度都比较高(比如,都在95%以上),基本可以认为重建出了绝大多数的部分,因此可以忽略完整度指标,重点比较精度指标。特别是在模型有褶皱起伏及其它纹理时,模型的精度就更能反映出重建算法的性能。
或者综合考虑待评测模型的精度指标和完整度指标,同样可以确定待评测模型的重建质量,进而根据待评测模型的重建质量容易判断出重建方法的好坏。
如图2所示,其中,步骤S102包括如下步骤:
步骤S21:建立所述真实模型的点云中每个点的第一位置索引;
也就是说,首先将该真实模型所在的三维空间划分为若干个区域,并对每个区域编号(第一位置索引)然后根据该真实三维模型的每个点坐标所在的区域,将真实模型的所有点云划分在不同的区域中,从而实现对其建立第一位置索引。这样,可以方便查找该点所在空间的大致位置,提高查找效率。例如,对于真实模型上某一点,首先根据该点的大致位置,可以模糊的判断出其所在的空间区域,进而可以把该点最终确定在某一区域中,进而缩小查找范围,降低查找时间。
作为一个具体的示例,例如,首先对真实模型所处的三维空间划分为q个空间区域,并对该q个空间区域进行索引编号,然后判断该真实模型的点云中每个点所在的空间区域,并将对应的空间区域的索引编号作为第一位置索引,其中,q为大于1的预定整数。例如,q个空间区域的其中一个空间区域表示为q1,则该位置索引克表示为q1,或使用另外的符号进行编号。由此,可以将真实模型种的每个点的查找范围缩小到某一空间区域中,查找方便,并且进一步提高查找效率。
步骤S22:获得所述每个点在所述真实模型中的面片序号;
在本发明的一些实施例中,该真实模型中的每个面片均为三角形面片。将每个三角形面片进行编号,这样,可以确定该真实模型中点云中每个点所在的面片,进而得到每个点所在的面片序号,方便点云中每个点的查找,节省查找时间。当然,本领域的普通技术人员知道,面片形状也可为其它多边形。
步骤S23:基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点;
在本发明的一些示例中,可在真实模型的所有点云中,在其所在三维空间中寻找距点mi的空间距离最近的K个点。由此,基于所述第一位置索引,寻找距点mi对应到真实模型所在三维空间中的坐标点的距离最近点时,可以将范围缩小到某1个或者几个上述实施例所指的空间区域中,这样,减少寻找的范围,达到提高寻找最短距离速度的目的。
步骤S24:判断所述K个点与所述点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果所述K个空间距离均大于所述第一预定阈值,则舍弃所述点mi;
换句话说,对于步骤S23中得到的K个最短距离,分别与第一预定阈值进行比较,如果每个最短距离均大于第一预定阈值,认为该点mi无效,舍弃该点mi,点mi不进行下一步的计算中。
步骤S25:如果判断所述K个空间距离的至少一个小于第一预定阈值,则根据所述面片序号选择所述待评测模型中点mi所对应的K个点在所述真实模型中的所有面片;
可知,K个点中如果某个点属于三角面片的顶点,则该点可以确定以该点为顶点的多个面片,由此,可计算得到K个点所对应的所有面片。例如所有面片的个数为W。
步骤S26:选择所述点mi与对应的所有面片中每一个的空间距离中的最短距离,计算待评测模型中所有点对用的所有最短距离的均值,以得到精度指标。
这样,分别计算点mi与上述W个面片之间的距离,比较该W个距离,得到点mi对应的一个最短距离,接着,将点云中所有点分别按照上述方法计算,每个点都可得到对应的一个最短距离,最后,对这些最短距离求取均值,该均值可认为是待评测模型的精度指标。
根据本发明的基于点云数据的三维模型评测方法,该方法不需要提供待评测模型的面片模型,而只需通过待评测模型的点云数据。这样,与现有评测方法相比相当于减少一个获取待评测模型面片,本发明的实施只需根据待评测模型的点云数据,就能够实现对待评测模型精度和完整度的评测,因此,避免了由点云数据生成面片时对评测结果带来的不确定性和其它不必要的影响,从而能够更加真实地反应出重建算法的性能好坏。
在本发明的另一实施例中,也可以采用其它方式得到待评测模型的精度指标。如下:
当判断点mi对应的最短距离小于第一预定阈值,则将所有点云分别对应的所有最短距离的每一个与第二预定阈值比较,以确定精度指标。例如,第二预定阈值可以为0.02毫米。这样,可以得到所有点中有百分之多少的点小于0.02毫米。进而可以根据百分比确定精度指标。
根据上述实施例,将所有最短距离的每一个与第二预定阈值比较,可采用如下方式:
获取所述所有最短距离的个数,记为n;对所述所有最短距离中的每一个与所述第二预定阈值比较,以确定所述所有最短距离中小于所述第二预定阈值的最短距离的个数p;根据公式:t=p/n,确定所述精度指标,其中,可以认为t为所述精度指标。
在本发明的再一实施例中,也可以采用其它方式得到待评测模型的精度指标。如下:
提供预定百分比p1;
对所述所有最短距离对应的点按所述所有最短距离从小到大的顺序进行排序,得到前百分比p1的点的个数n1,其中,所述p1在[0,1]范围内;
在所述排序后的所有点中寻找所述第n1个点所对应的最短距离,以确定精度指标。
如图3所示,步骤S103中,可以通过现有技术方法得到完整度指标,也可采用本发明实施例的方法,例如,该方法包括以下步骤:
建立所述待评测模型的点云中每个点的第二位置索引,生成待评测模型中所有点的位置索引(第二位置索引),根据每个点的三维坐标大小来将模型划分为若干个区域,区域的数目可以上述实施例的精度评测中的区域数目保持一致,也可以不同。
基于所述第二位置索引在所述待评测模型的点云中寻找距所述真实模型中点gi的空间距离最近的点,其中,所述gi为真实模型的点云中的任意一点;
判断所述最近的点对应的距离是否小于第三预定阈值,如果所述距离大于所述第三预定阈值,则舍弃相应的点;
如果判断所述距离小于所述第三预定阈值,则统计所述距离的个数,并根据所述距离的个数与所述真实模型的点云个数获得所述完整度指标。这样,可以认为真实模型的对应点已被重建出来。
有利地计算距离的个数在所述真实模型的点云个数中占的百分比,以得到完整性指标。
下面结合附图4描述本发明实施例的基于点云数据的三维模型评测装置。
如图4所示,为本发明实施例的基于点云数据的三维模型评测装置的结构图。根据本发明实施例的基于点云数据的三维模型评测装置400,包括:获取模块410、精度评测模块420、完整度评测模块430和评测判断模块440。
其中,获取模块410用于获得真实模型的待评测模型。也就是说,对于一个真实三维模型(真实模型),可以根据现有的一些重建方法重建出该真实的三维模型的重建模型(待评测模型)。
精度评测模块420用于建立所述真实模型的点云中每个点的第一位置索引,接着获得所述每个点在所述真实模型中的面片序号,并基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点,然后判断所述K个点与所述点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果所述K个空间距离均大于所述第一预定阈值,则舍弃所述点mi如果判断所述K个空间距离的至少一个小于第一预定阈值,则根据所述面片序号选择所述待评测模型中点mi所对应的K个点在所述真实模型中的所有面片,最后选择所述点mi与对应的所有面片中每一个的空间距离中的最短距离,计算待评测模型中所有点对应的所有最短距离的均值,以得到精度指标。
完整度评测模块430用于评测所述待评测模型的完整度以得到所述待评测模型的完整度指标。
评测判断模块440用于根据所述待评测模型的精度指标和所述待评测模型的完整度指标判断所述三维模型的重建质量。
得出待评测模型的精度指标和完整度指标后,就可以结合两个指标进行综合评测重建模型(待评测模型)的质量。例如,若评测的完整度都比较高(比如,都在95%以上),基本可以认为重建出了绝大多数的部分,因此可以忽略完整度指标,重点比较精度指标。特别是在模型有褶皱起伏及其它纹理时,模型的精度就更能反映出重建算法的性能。
或者综合考虑待评测模型的精度指标和完整度指标,同样可以确定待评测模型的重建质量,进而根据待评测模型的重建质量容易判断出重建方法的好坏。
根据本发明的基于点云数据的三维模型评测装置,该装置不需要提供待评测模型的面片模型,而只需通过待评测模型的点云数据。这样,与现有方式相比相当于减少一个获取待评测模型面片,本发明的实施只需根据待评测模型的点云数据,就能够实现对待评测模型精度和完整度的评测,因此,避免了由点云数据生成面片时对评测结果带来的不确定性和其它不必要的影响,从而能够更加真实地反应出重建算法的性能好坏。另外,该装置结构简单,易于实现。
本发明实施例的精度评测模块420的工作流程如下:
作为一个具体的示例,精度评测模块420建立真实模型的点云中每个点的第一位置索引,例如采用如下方式:
首先对真实模型所处的三维空间划分为q个空间区域,并对该q个空间区域进行索引编号,然后判断该真实模型的点云中每个点所在的空间区域,并将对应的空间区域的索引编号作为第一位置索引,其中,q为大于1的预定整数。例如,q个空间区域的其中一个空间区域表示为q1,则该位置索引克表示为q1,或使用另外的符号进行编号。由此,可以将真实模型种的每个点的查找范围缩小到某一空间区域中,查找方便,并且进一步提高查找效率。
在本发明的另一实施例中,精度评测模块420获得所述每个点在所述真实模型中的面片序号。该真实模型中的每个面片均为三角形面片。将每个三角形面片进行编号,这样,可以确定该真实模型中点云中每个点所在的面片,进而得到每个点所在的面片序号,方便点云中每个点的查找,节省查找时间。当然,本领域的普通技术人员知道,面片形状也可为其它多边形。
在本发明的一些示例中,精度评测模块420基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点。可在真实模型的所有点云中,在其所在三维空间中寻找距点mi的空间距离最近的K个点。由此,基于所述第一位置索引,寻找距点mi对应到真实模型所在三维空间中的坐标点的距离最近点时,可以将范围缩小到某1个或者几个上述实施例所指的空间区域中,这样,减少寻找的范围,达到提高寻找最短距离速度的目的。
在本发明的另一实施例中,精度评测模块420也可以采用其它方式得到待评测模型的精度指标。如下:
当判断点mi对应的最短距离小于第一预定阈值,则将所有点云分别对应的所有最短距离的每一个与第二预定阈值比较,以确定精度指标。例如,第二预定阈值可以为0.02毫米。这样,可以得到所有点中有百分之多少的点小于0.02毫米。进而可以根据百分比确定精度指标。
根据上述实施例,将所有最短距离的每一个与第二预定阈值比较,可采用如下方式:
获取所述所有最短距离的个数,记为n;对所述所有最短距离中的每一个与所述第二预定阈值比较,以确定所述所有最短距离中小于所述第二预定阈值的最短距离的个数p;根据公式:t=p/n,确定所述精度指标,其中,可以认为t为所述精度指标。
在本发明的另一实施例中,还可以通过如下方式得到精度指标,如下:
首先提供预定百分比p1;然后对所述所有最短距离对应的点按所述所有最短距离从小到大的顺序进行排序,得到前百分比p1的点的个数n1,其中,所述p1在[0,1]范围内;最后在所述排序后的所有点中寻找所述第n1个点所对应的最短距离,以确定精度指标。
在本发明的一个实施例中,可以通过现有技术装置得到完整度指标,也可采用本发明实施例的完整度评测模块430,其完整度评测模块430实现步骤如下:
建立所述待评测模型的点云中每个点的第二位置索引,生成待评测模型中所有点的位置索引(第二位置索引),根据每个点的三维坐标大小来将模型划分为若干个区域,区域的数目可以上述实施例的精度评测中的区域数目保持一致,也可以不同。
基于所述第二位置索引在所述待评测模型的点云中寻找距所述真实模型中点gi的空间距离最近的点,其中,所述gi为真实模型的点云中的任意一点;
判断所述最近的点对应的距离是否小于第三预定阈值,如果所述距离大于所述第三预定阈值,则舍弃相应的点;
如果判断所述距离小于所述第三预定阈值,则统计所述距离的个数,并根据所述距离的个数与所述真实模型的点云个数获得所述完整度指标。这样,可以认为真实模型的对应点已被重建出来。
有利地计算距离的个数在所述真实模型的点云个数中占的百分比,以得到完整性指标。
应用本发明的评测方法可降低计算量,更加真实地反应出重建算法的好坏。本发明的装置结构简单。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同限定。
Claims (16)
1.一种基于点云数据的三维模型评测方法,其特征在于,包括以下步骤:
A:获得真实模型的待评测模型;
B:对所述待评测模型的精度进行评测,包括以下步骤:
B1:建立所述真实模型的点云中每个点的第一位置索引;
B2:获得所述每个点在所述真实模型中的面片序号;
B3:基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点;
B4:判断所述K个点与所述点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果所述K个空间距离均大于所述第一预定阈值,则舍弃所述点mi;
B5:如果判断所述K个空间距离的至少一个小于第一预定阈值,则根据所述面片序号选择所述待评测模型中点mi所对应的K个点在所述真实模型中的所有面片;
B6:选择所述点mi与对应的所有面片中每一个的空间距离中的最短距离,计算待评测模型中所有点对应的所有最短距离的均值,以得到精度指标;
C:评测所述待评测模型的完整度以得到所述待评测模型的完整度指标;和
D:根据所述待评测模型的精度指标和所述待评测模型的完整度指标判断所述三维模型的重建质量。
2.根据权利要求1所述的三维模型评测方法,其特征在于,所述步骤B6中将所述所有最短距离的每一个与第二预定阈值比较,以确定精度指标。
3.根据权利要求2所述的三维模型评测方法,其特征在于,所述将所有最短距离的每一个与第二预定阈值比较,进一步包括:
获取所述所有最短距离的个数n;
对所述所有最短距离中的每一个与所述第二预定阈值比较,以确定所述所有最短距离中小于所述第二预定阈值的最短距离的个数p;
根据公式:t=p/n,确定所述精度指标,其中,t为所述精度指标。
4.根据权利要求1所述的三维模型评测方法,其特征在于,所述步骤B6进一步包括:
提供预定百分比p1;
对所述所有最短距离对应的点按所述所有最短距离从小到大的顺序进行排序,得到前百分比p1的点的个数n1,其中,所述p1在[0,1]范围内;
在所述排序后的所有点中寻找所述第n1个点所对应的最短距离,以确定精度指标。
5.根据权利要求1所述的三维模型评测方法,其特征在于,所述步骤B1进一步包括:
对所述真实模型所处的三维空间划分为q个空间区域,并对所述q个空间区域进行索引编号;
判断所述真实模型的点云中每个点所在的空间区域,并将对应的空间区域的索引编号为第一位置索引,
其中,q为大于1的预定整数。
6.根据权利要求1所述的三维模型评测方法,其特征在于,所述真实模型中的每个面片均为三角形面片。
7.根据权利要求1所述的三维模型评测方法,其特征在于,所述步骤C进一步包括:
C1:建立所述待评测模型的点云中每个点的第二位置索引;
C2:基于所述第二位置索引在所述待评测模型的点云中寻找距所述真实模型中点gi的空间距离最近的点,其中,所述gi为真实模型的点云中的任意一点;
C3:判断所述最近的点对应的距离是否小于第三预定阈值,如果所述距离大于所述第三预定阈值,则舍弃相应的点;
C4:如果判断所述距离小于所述第三预定阈值,则统计所述距离的个数,并根据所述距离的个数与所述真实模型的点云个数获得所述完整度指标。
8.根据权利要求7所述的三维模型评测方法,其特征在于,所述步骤C4进一步包括:
计算所述距离的个数在所述真实模型的点云个数中占的百分比,以得到完整性指标。
9.一种基于点云数据的三维模型评测装置,其特征在于,包括:
获取模块,所述获取模块用于获得真实模型的待评测模型;
精度评测模块,所述精度评测模块用于建立所述真实模型的点云中每个点的第一位置索引,接着获得所述每个点在所述真实模型中的面片序号,并基于所述第一位置索引在所述真实模型的点云中寻找距所述待评测模型中点mi的空间距离最近的K个点,其中,K为预定数值,mi为待评测模型的点云中的任意一个点,然后判断所述K个点与所述点mi之间的K个空间距离的至少一个是否小于第一预定阈值,如果所述K个空间距离均大于所述第一预定阈值,则舍弃所述点mi如果判断所述K个空间距离的至少一个小于第一预定阈值,则根据所述面片序号选择所述待评测模型中点mi所对应的K个点在所述真实模型中的所有面片,最后选择所述点mi与对应的所有面片中每一个的空间距离中的最短距离,计算待评测模型中所有点对应的所有最短距离的均值,以得到精度指标;
完整度评测模块,所述完整度评测模块用于评测所述待评测模型的完整度以得到所述待评测模型的完整度指标;和
评测判断模块,所述评测判断模块用于根据所述待评测模型的精度指标和所述待评测模型的完整度指标判断所述三维模型的重建质量。
10.根据权利要求9所述的三维模型评测装置,其特征在于,所述精度评测模块还用于在获得所述待评测模型中所有点对用的所有最短距离后,将所述所有最短距离的每一个与第二预定阈值比较,以确定精度指标。
11.根据权利要求10所述的三维模型评测装置,其特征在于,首先获取所述所有最短距离的个数n;接着对所述所有最短距离中的每一个与所述第二预定阈值比较,以确定所述所有最短距离中小于所述第二预定阈值的最短距离的个数p;然后根据公式:t=p/n,确定所述精度指标,其中,t为所述精度指标。
12.根据权利要求9所述的三维模型评测装置,其特征在于,提供预定百分比p1;对所述所有最短距离对应的点按所述所有最短距离从小到大的顺序进行排序,得到前百分比p1的点的个数n1,其中,所述p1在[0,1]范围内;在所述排序后的所有点中寻找所述第n1个点所对应的最短距离,以确定精度指标。
13.根据权利要求9所述的三维模型评测装置,其特征在于,所述精度评测模块还用于对所述真实模型所处的三维空间划分为q个空间区域,并对所述q个空间区域进行索引编号;判断所述真实模型的点云中每个点所在的空间区域,并将对应的空间区域的索引编号为第一位置索引,其中,q为大于1的预定整数。
14.根据权利要求9所述的三维模型评测装置,其特征在于,所述真实模型中的每个面片均为三角形面片。
15.根据权利要求9所述的三维模型评测装置,其特征在于,所述完整度评测模块用于建立所述待评测模型的点云中每个点的第二位置索引;基于所述第二位置索引在所述待评测模型的点云中寻找距所述真实模型中点gi的空间距离最近的点,其中,所述gi为真实模型的点云中的任意一点;判断所述最近的点对应的距离是否小于第三预定阈值,如果所述距离大于所述第三预定阈值,则舍弃相应的点;如果判断所述距离小于所述第三预定阈值,则统计所述距离的个数,并根据所述距离的个数与所述真实模型的点云个数获得所述完整度指标。
16.根据权利要求15所述的三维模型评测装置,其特征在于,通过计算所述距离的个数在所述真实模型的点云个数中占的百分比,以得到完整性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110181431 CN102393962B (zh) | 2011-06-30 | 2011-06-30 | 基于点云数据的三维模型评测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110181431 CN102393962B (zh) | 2011-06-30 | 2011-06-30 | 基于点云数据的三维模型评测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102393962A true CN102393962A (zh) | 2012-03-28 |
CN102393962B CN102393962B (zh) | 2013-06-12 |
Family
ID=45861272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110181431 Expired - Fee Related CN102393962B (zh) | 2011-06-30 | 2011-06-30 | 基于点云数据的三维模型评测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102393962B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI594204B (zh) * | 2013-10-16 | 2017-08-01 | 鴻海精密工業股份有限公司 | 點雲平滑系統及方法 |
CN112818845A (zh) * | 2021-01-29 | 2021-05-18 | 深圳市商汤科技有限公司 | 测试方法、目标对象检测方法、行驶控制方法及装置 |
CN113379891A (zh) * | 2021-04-30 | 2021-09-10 | 中石化石油工程技术服务有限公司 | 一种基于点云扫描的老旧供热站改造方法 |
CN115544594A (zh) * | 2022-09-20 | 2022-12-30 | 杭州宏深科技有限公司 | 通用的自动批量三维cad建模评分方法 |
-
2011
- 2011-06-30 CN CN 201110181431 patent/CN102393962B/zh not_active Expired - Fee Related
Non-Patent Citations (3)
Title |
---|
張智安等: "整合空載光達點雲與地形圖模塑房屋之分治策略", 《航測及遙測學刊》 * |
程亮等: "集成多视航空影像与LiDAR数据重建3维建筑物模型", 《测绘学报》 * |
黃祐祥等: "多重影像匹配於房屋模型重建", 《航測及遙測學刊》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI594204B (zh) * | 2013-10-16 | 2017-08-01 | 鴻海精密工業股份有限公司 | 點雲平滑系統及方法 |
CN112818845A (zh) * | 2021-01-29 | 2021-05-18 | 深圳市商汤科技有限公司 | 测试方法、目标对象检测方法、行驶控制方法及装置 |
CN113379891A (zh) * | 2021-04-30 | 2021-09-10 | 中石化石油工程技术服务有限公司 | 一种基于点云扫描的老旧供热站改造方法 |
CN115544594A (zh) * | 2022-09-20 | 2022-12-30 | 杭州宏深科技有限公司 | 通用的自动批量三维cad建模评分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102393962B (zh) | 2013-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
CN102393962B (zh) | 基于点云数据的三维模型评测方法和装置 | |
CN103198523A (zh) | 一种基于多深度图的非刚体三维重建方法及系统 | |
CN103292779B (zh) | 一种测量距离的方法及图像获取设备 | |
CN102980535B (zh) | 角度测量方法和装置 | |
CN106097361A (zh) | 一种缺陷区域检测方法及装置 | |
CN103996220A (zh) | 一种智能交通中的三维重建方法及系统 | |
CN103578133A (zh) | 一种将二维图像信息进行三维重建的方法和设备 | |
CN103913131A (zh) | 一种基于双目视觉的自由曲面法矢量测量方法 | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
CN102081767A (zh) | 基于乏信息理论融合的产品寿命特征信息提取方法 | |
CN105389849B (zh) | 基于三维重建技术的车辆碰撞角度分析系统 | |
CN110519588A (zh) | 用于调焦的图像清晰度检测方法、装置及摄像装置 | |
CN103916820A (zh) | 基于接入点稳定度的无线室内定位方法 | |
CN103559303A (zh) | 一种对数据挖掘算法的评估与选择方法 | |
CN104820759A (zh) | 管线设施的数据采集方法和系统 | |
CN103544330A (zh) | 锂离子电池的等效电路模型构建方法 | |
CN105635727A (zh) | 基于成对比较的图像主观质量的评价方法和装置 | |
CN100575872C (zh) | 基于立体视觉的风洞模型外形监测方法 | |
CN102289784A (zh) | 一种基于点云模型的数字几何图像简化方法 | |
CN103487759A (zh) | 一种混合动力汽车电池soc预测方法 | |
CN103438834A (zh) | 基于结构光投影的层级式快速三维测量装置及测量方法 | |
CN105334497A (zh) | 一种三维定位方法和装置 | |
CN105957003B (zh) | 基于学习的多孔介质超维重建方法 | |
CN103488656B (zh) | 一种数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130612 |
|
CF01 | Termination of patent right due to non-payment of annual fee |