CN105261061A - 一种识别冗余数据的方法及装置 - Google Patents
一种识别冗余数据的方法及装置 Download PDFInfo
- Publication number
- CN105261061A CN105261061A CN201510564424.5A CN201510564424A CN105261061A CN 105261061 A CN105261061 A CN 105261061A CN 201510564424 A CN201510564424 A CN 201510564424A CN 105261061 A CN105261061 A CN 105261061A
- Authority
- CN
- China
- Prior art keywords
- data
- dough sheet
- data point
- normal vector
- correlation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种识别冗余数据的方法及装置,包括:获得两张不同角度下的参考数据面片和对比数据面片;在参考三维数据面片选取参考数据点,在对比三维数据面片上选取对比数据点;判断参考数据点和对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据,实现了一种简单快速判定冗余数据的方法,并且保证了判定冗余数据的准确性。进一步地,对小于等于距离阈值的数据点通过投影点位置进行是否为冗余数据的精细判断,采用阈值的比较和沿法向量投影点位置的判断之双重判断方法,相比于单纯采用阈值比较的方法可以进一步提高识别冗余数据的准确性,且又不会增加过多的计算量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种识别冗余数据的方法及装置。
背景技术
三维扫描成像技术能将真实世界的立体信息转换为计算机能直接处理的数字信号,为实物数字化提供了一种手段。近年来,该技术在工业制造、影视动画制作、医学美容整形等方面获得了广泛应用。通常,在三维扫描的过程中,视觉传感器一次测量只能获取到被测物体一个侧面的数据,若要获得被测物体完整的三维外形轮廓数据,需要从多个视角对被测物体进行测量,即从不同位置和角度获得被测物体多个侧面的数据。然而,不同视角下获得的三维数据面片常常在不同程度上会同时包含被测物体同一位置处的扫描数据,即存在数据重复,因数据重复存在导致其中的一半数据是多余数据,这一半数据即构成冗余数据,冗余数据不仅占用存储空间,而且会影响后续对三维数据的三维成像处理。因此,如何识别不同视场下所获得的三维数据面片中的冗余数据对三维扫描成像技术有着非常重要的现实意义。
发明内容
本发明实施例提供一种识别冗余数据的方法、装置,可以实现三维数据中冗余数据的简单、方便、精确识别。
一方面,本发明实施例提供了一种识别冗余数据的方法,包括:
获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于所述第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3。
另一方面,本发明实施例提供了一种识别冗余数据的装置,包括:
数据面片获取模块,用于获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
数据点选取模块,用于在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
参考三角面片组合模块,用于将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
第一判断模块,用于判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3。
实施本发明实施例,在识别两个三维数据面片中冗余数据时,找到对比数据面片中与参考数据面片中参考数据点距离最近的对比数据点,计算两者之间的距离,通过判断其距离是否超过第二距离阈值,如果大于第二距离阈值,则判定不为冗余数据,且第二距离阈值不是一个具体数值,而是与数据面片中数据点之间的距离情况相关,实现了一种简单快速判定冗余数据的方法和装置,并且保证了判定冗余数据的准确性。
另一方面,本发明实施例还提供了另一种识别冗余数据的方法,包括:
获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于所述第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3;
若所述参考数据点和所述对比数据点的距离小于等于第二距离阈值,将所述参考数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述参考数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点,判断所述对比投影点是否位于所述一环邻域面内的任意一个三角面片中,若是则判定确定所述对比数据点为冗余数据,若否则判定所述对比数据点不为冗余数据。
另一方面,本发明实施例还提供了另一种识别冗余数据的装置,包括:
数据面片获取模块,用于获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
数据点选取模块,用于在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
参考三角面片组合模块,用于将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
第一判断模块,用于判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3;
所述参考法向量获得模块,用于在第一判断模块判断所述参考数据点和所述对比数据点的距离小于等于第二距离阈值时,将所述参考数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述参考数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
所述第二判断模块,用于确定所述对比数据点沿所述法向量投影至所述一一环邻域面的对比投影点,若所述对比投影点位于所述一一环邻域面内的任意一个三角面片中,则判定确定所述对比数据点为冗余数据,若对比数据点的投影点均不在所述一环邻域面内,则判定所述对比数据点不为冗余数据。
实施本发明实施例,在识别冗余数据时,先通过距离阈值进行初步判断,剔除明显不属于冗余数据的数据点,然后对小于等于距离阈值的数据点通过投影点位置进行是否为冗余数据的精细判断,采用阈值的比较和沿法向量投影点位置的判断之双重判断方法,相比于单纯采用阈值比较的方法可以进一步提高识别冗余数据的准确性,且又不会增加过多的计算量。
附图说明
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。
图1是本发明实施例提供的一种识别冗余数据的方法的流程图;
图2a是一张三维数据面片的原始显示图;
图2b是另一张三维数据面片的原始显示图;
图3是一种像素坐标的示意图;
图4是本发明实施例提供的另一种识别冗余数据的方法的流程图;
图5是一种一环邻域面的示意图;
图6是本发明实施例提供的一种识别冗余数据的装置的结构图;
图7是本发明实施例提供的另一种识别冗余数据的装置的结构图;
具体实施方式
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,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在三维扫描的过程中,视觉传感器一次测量只能获取到被测物体一个侧面的数据,若要获得被测物体完整的三维外形轮廓数据,需要从多个视角对被测物体进行测量,即从不同位置和角度获得被测物体多个侧面的数据,为方便描述,将从不同侧面分别获得的数据称为三维数据面片。
请参见图1,图1是本发明实施例提供的第一种识别冗余数据的方法的流程示意图,该方法可以包括以下步骤:
S100:获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片。
由于冗余数据是因为两个不同三维数据面片中存在的重复数据,因此识别冗余数据需要以两个不同三维数据面片A和B的对比为基础。三维数据面片A和B如图2a、图2b所示。为方便描述,将进行对比的两个三维数据面片分别称为参考三维数据面片和对比三维数据面片,以参考三维数据面片的数据点作为参考对象,识别对比三维数据面片中是否存在和参考三维数据面片中的数据构成重复数据的数据点,即是否为冗余数据。
实际上,当两个不同的三维数据面片A和B中存在重复数据时,可以把A中的数据点作为冗余数据,也可以把B中的数据点作为冗余数据,因此进行对比的两个三维数据面片可以随机或者轮流作为参考数据面片或者对比数据面片,并不特指。本发明实施例以A中的数据点作为参考数据来识别B中的冗余数据作为示例来介绍本发明的识别冗余数据的方法。
进一步地,在识别两数据面片中的冗余数据时,为平衡两个数据面片中的数据,避免冗余数据全部必于某一个数据面片中使得后期删除或者处理的全部是某一个数据面片中的数据(比如为识别A、B中全部的重复数据,如果把A一直作为参考数据面片,那么A、B中的冗余数据全部存在于数据面片B中)本发明先把A中的数据点作为参考数据,完成一次识别后,再把B中的数据点作为参考数据,进行下一次识别,因此进行对比的两个三维数据面片是逐次轮流作为参考数据面片或者对比数据面片,最终完成所有冗余数据的识别。
S102:在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点。
具体地,首先在所述对比三维数据面片上随机选取一数据点作为对比数据点,根据各数据点对应的三维坐标,计算参考三维数据面片中的各数据点与所述对比数据点之间的距离,找到与所述对比数据点距离最近的数据点作为参考数据点。
可选地,首先在所述参考三维数据面片上随机选取一数据点作为参考数据点,根据各数据点对应的坐标,计算对比三维数据面片中的各数据点与所述参考数据点之间的距离,找到与所述参考数据点距离最近的数据点作为对比数据点。
进一步地,为方便进行对比三维数据面片中所有数据点是否为冗余数据的遍历,在选取第二三维数据面片中对比数据点时,优先从对比三维数据面片的边界线上选取,将边界线上所有数据点遍历过后,再向第二三维数据面片的内部扩散遍历。这是因为边界线上的点为冗余数据的可能性大。
需要说明的是,选取对比数据点和选取参考数据点的顺序不受限制,只要其中一个数据点选定后,另一个数据点就为另一个数据面片中与已选定数据点距离最近的数据点。
S104:将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5。
本发明实施例中,第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,具体地,相邻像素平面直线距离具体指的是传感器感光材料(CCD)的像元尺寸,k1的取值范围为2-5,例如k1可以为2、3、4等数值,以限制数据点形成三角面片的边长,保证三角面片的连接质量,剔除斜拉面及离散噪声点对三维数据面片的影响,所述三角面片的边长是指所述参考数据点和与其相邻的数据点之间的空间距离。可以知道,K1的取值越大,则第一距离阈值越大,那么可以构成的三角面片越多;K2的取值越小,则第一距离阈值越小,那么可以构成的三角面片越少。具体实现时可以根据实际需要,设置k1的取值。
具体地,由于构成三角面片需3个数据点,因此,像素坐标相邻的数据点的获取方式可以是水平方向或者是垂直方向,当然还可以是往斜边或其它方向获取,本发明实施例不作限制。为方便理解,以一个具体的例子来进行说明,值得说明的是,该例子仅用于举例说明,并不能用来限定像素坐标相邻的数据点。假设三维数据面片的图像尺寸为5*5,则三维数据面片的像素坐标可以如图3所示,以数据点D33作为参考数据点为例,则与数据点D33的像素坐标相邻的数据点可以为以下组合:按垂直和水平方向{D32、D23、D33}、{D23、D33、D34}、{D32、D33、D43}、{D34、D33、D43}、按斜边方向{D24、D33、D34}、{D22、D33、D32}、{D42、D33、D43}、{D44、D33、D34}。对于组合{D32、D23、D33},可以根据数据点D32、D23、D33的世界坐标,计算两两数据点之间的距离,若距离均小于第一预设值,则这三点可以组合成一个三角面片,否则,不能将这三点组合成一个三角面片,其它组合的数据点依次类推。
值得说明的是,若参考维数据面片中存在参考数据点未组成三角面片的情况,则说明该孤立的数据点为噪声点,删除这些噪声点,形成新的三维数据面片A和B,作为判定冗余的基础数据,重新执行本发明实施例的方法,以提高后续对三维数据面片进行处理的质量。
S106:判断所述最近点对中所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据;其中所述第二距离阈值是所述三角面片边长的k2倍,k2的取值范围为1≦k2≦3。
在此步骤中,判断所述参考数据点和所述对比数据点的距离与第二距离阈值的关系,若大于这个第二距离阈值,那么第二数据点和第一数据点明显分别是两个位置处的成像数据,不构成重复数据,此时判定第二数据点不为冗余数据。
本发明实施例中,第二距离阈值则是步骤S104中组合的三角面片的边长L均值的k2倍,k2的取值范围为1≦k2≦3,其中边长为三角面片的两个顶点之间的空间直线距离,以排除非冗余数据的情形。可以知道,K2的取值越大,则第二距离阈值越大,那么小于第二距离阈值的对比数据点越多,则越多的数据点会判定为冗余数据;K2的取值越小,则第二距离阈值越小,那么小于第二距离阈值的对比数据点越少,则越少的数据点会判定为冗余数据。具体实现时可以根据实际需要,设置k2的取值。
实施本发明实施例,在识别两个三维数据面片中冗余数据时,找到对比数据面片中与参考数据面片中参考数据点距离最近的对比数据点,计算两者之间的距离,通过判断其距离是否超过第二距离阈值,如果大于第二距离阈值,则判定不为冗余数据,且第二距离阈值不是一个具体数值,而是与数据面片中数据点之间的距离情况相关,实现了一种简单快速判定冗余数据的方法,并且保证了判定冗余数据的准确性。
请参见图4,图4是本发明实施例提供的另一种识别冗余数据的方法的流程示意图,该方法可以包括以下步骤:
S200:获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片。
S202:在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点。
进一步地,由于不同视角下得到的三维数据面片各自独立,数据面片可能使用不同的坐标系,因此为了方便计算第一数据点和第二数据点之间的距离,在执行S202步骤之前,还包括以下步骤:
判断参考三维数据面片和对比三维数据面片的坐标系是否统一,若不统一则将参考三维数据面片和对比三维数据面片的坐标转换到同一坐标系中。
由于获取数据的角度不同,参考三维数据面片和对比三维数据面片的坐标系可能会不统一,当两个坐标系不统一时,需要先将参考三维数据面片和对比三维数据面片的坐标系转换至同一坐标系中,以便进行后面步骤中的运算。
S204:将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5。
S206:判断所述最近点对中所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若小于等于第二距离阈值,则执行S208—S210;若大于第二距离阈值则判定对比数据点不为冗余数据;其中所述第二距离阈值是所述三角面片边长的k2倍,k2的取值范围为1≦k2≦3。
在此步骤中,判断所述参考数据点和所述对比数据点的距离与第二距离阈值的关系,若大于这个第二距离阈值,那么第二数据点和第一数据点明显分别是两个位置处的成像数据,不构成重复数据,此时判定第二数据点不为冗余数据,若小于第二距离阈值,那么第二数据点和第一数据点有可能构成重复数据,那么此时继续进入后续的步骤,进一步来判定第二数据点是否为冗余数据。
采用这个步骤,可以将明显不属于重复数据的数据点排除,只对于可能属于重复数据的数据点继续进行后续的判断,减少了明显不属于重复数据进行后续判断的计算量。此步骤相当于对是否冗余数据的初步判断。
S208:将所述参考数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述参考数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得。
如图5所示,假设参考数据点P和与其坐标相邻的数据点P2、P3、P4、P5、P6组合成三角面片F1、F2、F3、F4、F5、F6,那么第一数据点P的一环邻域面为F1、F2、F3、F4、F5、F6的集合。
确定出参考数据点的一环邻域面后,根据所述一环邻域面内各三角面片对应的法向量计算该数据点的一环邻域面的法向量。作为一种示例,根据如下公式确定所述第一数据点的一环邻域面对应的法向量Normalp:
(1)
其中,n表示所述第一数据点所在的三角面片的个数,S△i为第i个三角面片的面积,S△总为各三角面片的面积和,Normal△i为第i个三角面片的法向量。
为方便理解,仍以图5为例,分别根据三角面片F1、F2、F3、F4、F5、F6中各顶点的世界坐标,确定各三角面片的法向量Normal△1、Normal△2、Normal△3、Normal△4、Normal△5、Normal△6和面积S△1、S△2、S△3、S△4、S△5、S△6。例如:对于三角面片F1,根据三角面片F1的顶点(数据点P1、P2及P)的世界坐标,可以计算出三角面片F1的法向量Normal△1和面积S△1。依此类推,可以分别获得其它三角面片的法向量和面积。根据各三角面片的面积确定一环邻域面的面积S△总,即一环邻域面内的三角面片的总面积S△总为:
从而,确定出一环邻域面的法向量该法向量与一环邻域面内的各三角面片均相关,并以面积作为权重,不是由其中某个三角面片单独决定,因此,可以提高识别冗余数据的准确性。
S210:确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点,判断对比投影点是否位于所述一环邻域面内的任意一个三角面片中,若是判定确定所述对比数据点为冗余数据,若否则判定所述对比数据点不为冗余数据。
具体实现中,将对比数据点沿一环邻域面的法向量方向分别向所述一环邻域面内的各个三角面片投影,投影位置用第一投影点标识,若第一投影点位于某个三角面片上,则说明第一投影点位于一环邻域面内。为方便理解,仍以图5来进行说明,以对比数据点PnA2沿法向量Normalp方向投影至三角面片F1为例,假设第二数据点PnA2沿法向量Normalp方向投影至三角面片F1的第一投影点为P'nA1,三角面片F1的顶点P用PnA1表示,顶点P1用PmA1表示,顶点P2用PlA1表示,则第一投影点P'nA1可以表示成数据点(P、P1、P2)的线性关系,具体的,如公式(3)所示。
P'nA1=aPnA1+bPmA1+cP1A1(3)
其中,系数a、b、c为归一化参数,且a+b+c=1。
若满足a≥0、b≥0、c≥0,则说明第一投影点P'nA1位于三角面片F1内,记录该信息。因此,对比数据点沿一环邻域面的法向量方向投影至所述一环邻域面的第一投影点位于该一环邻域面内。
为了提供识别冗余数据的精度,若对比数据点的投影点均不在一环邻域面内,还可以进行以下步骤:寻找一环邻域面当中与对比数据点第二近的数据点P'作为参考数据点(相较于P点的次最近点)替代原参考数据点P,重新执行步骤S204、S206、208、110,即重新获得权重法向量Normalp和一环邻域面,对比数据点沿Normalp再次做投影判断。
若对比数据点的投影点还是不在一环邻域面内,则可以再寻找一环邻域面当中与对比数据点第三近的数据点作为参考数据点,重新执行步骤S204、S206、208、110。以此类推,还可以找对比数据点第四近的数据点、第五近的数据点……,即该步骤可执行n次,n越大,识别的结果越高,但同时进行的计算量也越大。本发明实施例,优选n为2,即保证了精确的识别结果,又不带来过大的计算量。
步骤S208、210相当于对是否冗余数据的精细判断。
进一步地,在步骤S208后,步骤S210前,还可以包括步骤S209:将所述对比数据点和所述对比三维数据面片中与所述对比数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述对比三维数据面片中相邻像素平面直线距离的k3倍,k3的取值范围为2≦k1≦5;将所述对比数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述对比数据点的一环邻域面对应的法向量,判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,若大于90°则判定所述对比数据点不为冗余数据,流程结束;若小于等于90°,则执行步骤S210。
首先需要剔除参考三维数据面和对比三维数据面存在薄壁结构的情况。实际情况中,当参考三维数据面和对比三维数据面分别构成了数字化对象的内、外的几何结构共同完成三维几何形貌的表达即薄壁结构,例如水杯的内壁和外壁虽然空间距离很小,但并不是冗余情况,因此需要判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,如果大于90°,则说明存在薄壁结构,该对比三维数据点并不是冗余数据,不作冗余数据处理。
具体地,判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,可通过计算两个法向量的点积的方法来进行判断。
采用本发明实施例,在识别冗余数据时,先通过第二距离阈值进行初步判断,剔除明显不属于冗余数据的数据点,然后对小于等于第二距离阈值的数据点通过投影点位置进行是否为冗余数据的精细判断,采用阈值的比较和沿法向量投影点位置的判断之双重判断方法,相比于单纯采用阈值比较的方法可以进一步提高识别冗余数据的准确性,且又不会增加过多的计算量。进一步地,在精细判断之前还可以进行是否薄壁数据的判断,剔除薄壁数据被误判为冗余数据的情况,减小非冗余数据被误判的可能性,进一步提高识别冗余数据的准确性。
下面为本发明装置实施例,本发明装置实施例与本发明方法实施例属于同一构思,用于执行本发明方法实施例中描述的方法。为了便于说明,本发明装置实施例仅示出与本发明装置实施例相关的部分,具体技术细节未揭示的,请参照本发明方法实施例的描述,此处不再一一赘述。
请参见图6,图6是本发明实施例提供的一种识别冗余数据的装置的结构示意图,在本发明实施例中,该装置可以包括:数据面片获取模块601、数据点选取模块602,参考三角面片组合模块603、第一判断模块604。
数据面片获取模块601,用于获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
数据点选取模块602,用于在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
参考三角面片组合模块603,用于将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
第一判断模块604,用于判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3。
实施本发明实施例,在识别两个三维数据面片中冗余数据时,找到对比数据面片中与参考数据面片中参考数据点距离最近的对比数据点,计算两者之间的距离,通过判断其距离是否超过第二距离阈值,如果大于第二距离阈值,则判定不为冗余数据,且第二距离阈值不是一个具体数值,而是与数据面片中数据点之间的距离情况相关,实现了一种简单快速判定冗余数据的装置,并且保证了判定冗余数据的准确性。
请参见图7,图7是本发明实施例提供的一种识别冗余数据的装置的结构示意图,在本发明实施例中,该装置可以包括:数据面片获取模块701、数据点选取模块702,参考三角面片组合模块703、第一判断模块704、参考法向量获得模块705、第二判断模块706。
数据面片获取模块701,用于获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
数据点选取模块702,用于在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
参考三角面片组合模块703,用于将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
第一判断模块704,用于判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3;
所述参考法向量获得模块705,用于在第一判断模块判断所述参考数据点和所述对比数据点的距离小于等于第二距离阈值时,将所述参考数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述参考数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
所述第二判断模块706,用于确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点,若所述对比投影点位于所述一环邻域面内的任意一个三角面片中,则判定确定所述对比数据点为冗余数据,若对比数据点的投影点均不在所述一环邻域面内,则判定所述对比数据点不为冗余数据。
进一步地,所述装置还包括坐标判断转换模块,所述坐标判断转换模块用于在所述数据点选取模块选取所述参考数据点、对比数据点之前,判断所述参考三维数据面片和所述对比三维数据面片的坐标系是否统一,若不统一则将所述参考三维数据面片和所述对比三维数据面片的坐标转换到同一坐标系中。
进一步地,所述装置还包括对比三角面片组合模块、对比法向量获得模块、第三判断模块;
所述对比三角面片组合模块,用于在所述第二判断模块判断之前,将所述对比数据点和所述对比三维数据面片中与所述对比数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述对比三维数据面片中相邻像素平面直线距离均值的k3倍,k3的取值范围为2≦k3≦5;
所述对比法向量获得模块,用于将所述对比数据点组合成的所有三角面片的集合称为所述对比数据点的一环邻域面,确定所述对比数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
所述第三判断模块,用于判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,若大于90°,则判定所述对比数据点不为冗余数据;若小于等于90°,则执行所述第二判断模块。
实施本发明实施例,在识别冗余数据时,先通过距离阈值进行初步判断,剔除明显不属于冗余数据的数据点,然后对小于等于距离阈值的数据点通过投影点位置进行是否为冗余数据的精细判断,采用阈值的比较和沿法向量投影点位置的判断之双重判断方法,相比于单纯采用阈值比较的方法可以进一步提高识别冗余数据的准确性,且又不会增加过多的计算量。
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是必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
本领域的技术人员可以将本说明书中描述的不同实施例以及不同实施例的特征进行结合和组合。本发明所有实施例中的模块或单元,可以通过通用集成电路,例如CPU(CentralProcessingUnit,中央处理器),或通过ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路)来实现。
本发明所有实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减;本发明所有实施例装置中的模块或单元可以根据实际需要进行合并、划分和删减。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上所揭露的仅为本发明的较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
1.一种识别冗余数据的方法,其特征在于,包括:
获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于所述第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3。
2.如权利要求1所述的方法,其特征在于,在选取所述参考数据点、对比数据点之前,还包括以下步骤:
判断所述参考三维数据面片和所述对比三维数据面片的坐标系是否统一,若不统一则将所述参考三维数据面片和所述对比三维数据面片的坐标转换到同一坐标系中。
3.如权利要求1或2所述的方法,其特征在于,判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若小于等于第二距离阈值,所述方法还包括:
将所述参考数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述参考数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点,判断所述对比投影点是否位于所述一环邻域面内的任意一个三角面片中,若是则判定确定所述对比数据点为冗余数据,若否则判定所述对比数据点不为冗余数据。
4.如权利要求3所述的方法,其特征在于,在确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点之前,所述方法还包括:
将所述对比数据点和所述对比三维数据面片中与所述对比数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述对比三维数据面片中相邻像素平面直线距离的k3倍,k3的取值范围为2≦k1≦5;
将所述对比数据点组合成的所有三角面片的集合称为所述对比数据点的一环邻域面,确定所述对比数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,若小于或等于90°,则确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点。
5.如权利要求4所述的方法,其特征在于,在判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角大于90°的情况下,判定所述对比数据点不为冗余数据。
6.一种识别冗余数据的装置,其特征在于,所述装置包括:
数据面片获取模块,用于获得两张不同角度下的三维数据面片A和B,将数据面片A设定为参考数据面片,将数据面片B设定为对比数据面片;
数据点选取模块,用于在所述参考三维数据面片选取参考数据点,在所述对比三维数据面片上选取对比数据点,所述对比数据点为所述对比三维数据面片上的距离所述参考数据点最近的数据点,或者所述参考数据点为所述参考三维数据面片上的距离所述参考数据点最近的数据点;
参考三角面片组合模块,用于将所述参考数据点和所述参考三维数据面片中与所述参考数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述参考三维数据面片中相邻像素平面直线距离的k1倍,k1的取值范围为2≦k1≦5;
第一判断模块,用于判断所述参考数据点和所述对比数据点的距离是否大于第二距离阈值,若大于第二距离阈值则判定对比数据点不为冗余数据,其中所述第二距离阈值是所述三角面片边长均值的k2倍,k2的取值范围为1≦k2≦3。
7.如权利要求6所述的装置,其特征在于,所述装置还包括坐标判断转换模块,所述坐标判断转换模块用于在所述数据点选取模块选取所述参考数据点、对比数据点之前,判断所述参考三维数据面片和所述对比三维数据面片的坐标系是否统一,若不统一则将所述参考三维数据面片和所述对比三维数据面片的坐标转换到同一坐标系中。
8.如权利要求6或7所述的装置,其特征在于,所述装置还包括参考法向量获得模块、第二判断模块;
所述参考法向量获得模块,用于在第一判断模块判断所述参考数据点和所述对比数据点的距离小于等于第二距离阈值时,将所述参考数据点组合成的所有三角面片的集合称为所述参考数据点的一环邻域面,确定所述参考数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
所述第二判断模块,用于确定所述对比数据点沿所述法向量投影至所述一环邻域面的对比投影点,若所述对比投影点位于所述一环邻域面内的任意一个三角面片中,则判定确定所述对比数据点为冗余数据,若对比数据点的投影点均不在所述一环邻域面内,则判定所述对比数据点不为冗余数据。
9.如权利要求8所述的装置,其特征在于,所述装置还包括对比三角面片组合模块、对比法向量获得模块、第三判断模块;
所述对比三角面片组合模块用于,在所述第二判断模块判断之前,将所述对比数据点和所述对比三维数据面片中与所述对比数据点像素坐标相邻的数据点组合成三角面片,所述三角面片的边长小于第一距离阈值,其中所述第一距离阈值为所述对比三维数据面片中相邻像素平面直线距离的k3倍,k3的取值范围为2≦k3≦5;
所述对比法向量获得模块用于,将所述对比数据点组合成的所有三角面片的集合称为所述对比数据点的一环邻域面,确定所述对比数据点的一环邻域面对应的法向量,所述法向量由所述一环邻域面包括的所述三角面片各自对应的法向量加权获得;
所述第三判断模块用于,判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,若小于等于90°,则执行所述第二判断模块。
10.如权利要求9所述的装置,其特征在于,所述第三判断模块还用于,判断所述对比数据点的一环邻域面对应的法向量与所述参考数据点的一环邻域面对应的法向量的夹角是否大于90°,若大于90°,则判定所述对比数据点不为冗余数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510564424.5A CN105261061B (zh) | 2015-09-07 | 2015-09-07 | 一种识别冗余数据的方法及装置 |
US15/202,586 US10002437B2 (en) | 2015-09-07 | 2016-07-06 | Method and electronic device of identifying redundant data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510564424.5A CN105261061B (zh) | 2015-09-07 | 2015-09-07 | 一种识别冗余数据的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105261061A true CN105261061A (zh) | 2016-01-20 |
CN105261061B CN105261061B (zh) | 2018-10-26 |
Family
ID=55100732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510564424.5A Active CN105261061B (zh) | 2015-09-07 | 2015-09-07 | 一种识别冗余数据的方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10002437B2 (zh) |
CN (1) | CN105261061B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2559157A (en) * | 2017-01-27 | 2018-08-01 | Ucl Business Plc | Apparatus, method and system for alignment of 3D datasets |
CN108594250A (zh) * | 2018-05-15 | 2018-09-28 | 北京石油化工学院 | 一种点云数据去噪点方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895550B (zh) * | 2018-09-13 | 2024-01-12 | 北京京东尚科信息技术有限公司 | 一种处理采集数据的方法和装置 |
CN110047125A (zh) * | 2019-04-23 | 2019-07-23 | 北京华捷艾米科技有限公司 | 一种数据处理方法及装置 |
CN112506880B (zh) * | 2020-12-18 | 2022-03-08 | 深圳智慧林网络科技有限公司 | 数据处理方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0972655A1 (en) * | 1997-09-12 | 2000-01-19 | Petio Co., Ltd. | Three-dimensional shape data processing device, carved plate and carving device |
CN101308579A (zh) * | 2008-05-12 | 2008-11-19 | 中山大学 | 一种三维动画模型的自适应简化方法 |
CN101982837A (zh) * | 2010-09-19 | 2011-03-02 | 北京航空航天大学 | 一种基于有限元分析后处理结果的快速三维可视化方法 |
US20120075342A1 (en) * | 2010-09-24 | 2012-03-29 | Maha El Choubassi | Augmenting image data based on related 3d point cloud data |
CN103049896A (zh) * | 2012-12-27 | 2013-04-17 | 浙江大学 | 三维模型的几何数据和纹理数据自动配准算法 |
US20130121564A1 (en) * | 2010-07-05 | 2013-05-16 | Kabushiki Kaisha Topcon | Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program |
CN103988226A (zh) * | 2011-08-31 | 2014-08-13 | Metaio有限公司 | 用于估计摄像机运动以及用于确定实境三维模型的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0898245B1 (en) * | 1997-08-05 | 2004-04-14 | Canon Kabushiki Kaisha | Image processing method and apparatus |
US9420265B2 (en) * | 2012-06-29 | 2016-08-16 | Mitsubishi Electric Research Laboratories, Inc. | Tracking poses of 3D camera using points and planes |
-
2015
- 2015-09-07 CN CN201510564424.5A patent/CN105261061B/zh active Active
-
2016
- 2016-07-06 US US15/202,586 patent/US10002437B2/en not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0972655A1 (en) * | 1997-09-12 | 2000-01-19 | Petio Co., Ltd. | Three-dimensional shape data processing device, carved plate and carving device |
CN101308579A (zh) * | 2008-05-12 | 2008-11-19 | 中山大学 | 一种三维动画模型的自适应简化方法 |
US20130121564A1 (en) * | 2010-07-05 | 2013-05-16 | Kabushiki Kaisha Topcon | Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program |
CN101982837A (zh) * | 2010-09-19 | 2011-03-02 | 北京航空航天大学 | 一种基于有限元分析后处理结果的快速三维可视化方法 |
US20120075342A1 (en) * | 2010-09-24 | 2012-03-29 | Maha El Choubassi | Augmenting image data based on related 3d point cloud data |
CN102959946A (zh) * | 2010-09-24 | 2013-03-06 | 英特尔公司 | 基于相关3d点云数据来扩充图像数据的技术 |
CN103988226A (zh) * | 2011-08-31 | 2014-08-13 | Metaio有限公司 | 用于估计摄像机运动以及用于确定实境三维模型的方法 |
CN103049896A (zh) * | 2012-12-27 | 2013-04-17 | 浙江大学 | 三维模型的几何数据和纹理数据自动配准算法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2559157A (en) * | 2017-01-27 | 2018-08-01 | Ucl Business Plc | Apparatus, method and system for alignment of 3D datasets |
CN108594250A (zh) * | 2018-05-15 | 2018-09-28 | 北京石油化工学院 | 一种点云数据去噪点方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20170069099A1 (en) | 2017-03-09 |
US10002437B2 (en) | 2018-06-19 |
CN105261061B (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105261061A (zh) | 一种识别冗余数据的方法及装置 | |
JP2919284B2 (ja) | 物体認識方法 | |
CN109872366B (zh) | 一种物体的三维位置检测方法和装置 | |
CN111879235A (zh) | 弯管的三维扫描检测方法、三维扫描系统和计算机设备 | |
CN102410832A (zh) | 位置姿势测量设备和位置姿势测量方法 | |
EP3032818A1 (en) | Image processing device and markers | |
US20060152506A1 (en) | Method for generating 3D mesh based on unorganized sparse 3D points | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
JP2014013147A5 (zh) | ||
JP2017033429A (ja) | 3次元物体検査装置 | |
EP1459035B1 (en) | Method for determining corresponding points in stereoscopic three-dimensional measurements | |
JP2006214893A (ja) | 対象物測定方法及びコンピュータシステムを用いて対象物の三次元形状を計測するためのコンピュータソフトウエアプログラム | |
JP4660569B2 (ja) | 物体検出装置及び物体検出方法 | |
CN110597249A (zh) | 一种机器人及其回充定位方法和装置 | |
JP5858773B2 (ja) | 3次元計測方法、3次元計測プログラム及びロボット装置 | |
US6683977B1 (en) | Method of taking three-dimensional measurements of object surfaces | |
CN111524193B (zh) | 一种物体二维尺寸的测量方法及测量装置 | |
CN110926405B (zh) | 一种基于单目视觉灭点检测的arv姿态测量方法 | |
JPH10326347A (ja) | 部品の円特徴の三次元位置姿勢検出装置、その検出方法及びその記録媒体 | |
JP6867766B2 (ja) | 情報処理装置およびその制御方法、プログラム | |
CN115239801A (zh) | 一种对象定位方法及装置 | |
JP6278757B2 (ja) | 特徴量生成装置、特徴量生成方法、およびプログラム | |
KR102565603B1 (ko) | 긴급 제동 시스템의 성능평가 장치 및 방법 | |
KR20180071765A (ko) | 3차원복원영상을 이용한 비정형 라인의 길이측정시스템 | |
JPH10124677A (ja) | 物体の姿勢推定方法および物体の姿勢推定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 518133 23rd floor, Yishang science and technology creative building, Jiaan South Road, Haiwang community Central District, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province Patentee after: SHENZHEN ESUN DISPLAY Co.,Ltd. Address before: B301, 3rd floor, block AB, 4001 Fuqiang Road, Futian District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN ESUN DISPLAY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |