CN105989604A - 一种基于kinect的目标物体三维彩色点云生成方法 - Google Patents
一种基于kinect的目标物体三维彩色点云生成方法 Download PDFInfo
- Publication number
- CN105989604A CN105989604A CN201610092005.0A CN201610092005A CN105989604A CN 105989604 A CN105989604 A CN 105989604A CN 201610092005 A CN201610092005 A CN 201610092005A CN 105989604 A CN105989604 A CN 105989604A
- Authority
- CN
- China
- Prior art keywords
- target object
- cloud
- point
- sheet section
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000013459 approach Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 15
- 238000004040 coloring Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 239000012634 fragment Substances 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Kinect的目标物体三维彩色点云生成方法,首先围绕目标物体拍摄一组RGBD图像,使之包含目标物体的完整信息;然后,对每幅RGBD图像,对深度图像使用Ostu分割获得前景标记,作为Grab Cut算法的输入,对RGB图像进行再次分割,获得目标物体的精确区域,去除背景信息;使用改进的ICP算法对相邻的点云片段进行配准,获得点云片段之间的变换关系矩阵;最后使用点云片段间的变换关系矩阵对点云进行拼接,并进行降采样以降低冗余度,获得目标物体完整的三维彩色点云数据。
Description
技术领域
本发明涉及点云处理及图像处理技术,属于虚拟现实领域,具体为一种基于Kinect获得的RGBD图像生成目标物体三维彩色点云的方法。
背景技术
三维物体重建是计算机视觉中的一大研究热点,而点云数据是进行三维重建的基础。点云数据的获取方法有:基于三维扫描设备进行获取、基于多幅图像进行计算而获得、基于Kinect等体感交互设备而获取。由于三维扫描设备往往价格昂贵,且获取的点云数据数据量巨大,所需处理时间长,此外,三维扫描设备获取的点云数据,往往不带有颜色信息,虽然目前的一些三维扫描仪已经提供了同时进行拍照的功能,但图像与三维点云的映射,仍需要进行计算,需要耗费一定的时间和内存。基于多幅图像进行三维点云数据的恢复,需要对图像进行标定,计算复杂且恢复的点云数据的精度受到一定的限制。
随着2010年Kinect体感交互设备的发布,由于其价格低廉,且在拍摄过程中能直接提供配准后的RGB图像及深度图像,而从深度图像可以方便的计算获得其对应的三维点云,因此,三维点云中的数据点同时带有RGB颜色信息,故将其称为三维彩色点云,包含了目标最真实的纹理信息。然而,基于Kinect设备直接获取的数据仅包含相机视角下可视部分的信息,包括目标物体可视部分的彩色点云数据及背景可视部分的彩色点云数据。这种直接获取的彩色点云数据并非能表达目标物体的完整三维点云,无法直接用于三维建模。
为了能够获得目标物体的完整三维彩色点云数据,本发明提出了一种基于Kinect的目标物体三维彩色点云生成方法,通过采集目标周围的多幅RGBD图像,基于Ostu算法及Grab Cut算法将目标物体与背景进行分割,同时采用改进的ICP算法进行多个点云片段的配准,然后进行点云片段的拼接和降采样,以获得可以用于实际三维重建的完整三维彩色点云数据。
发明内容
本发明是为了解决基于Kinect直接拍摄获取的点云数据不能完整的表达目标物体这一问题,提出了一种如何获取目标物体完整三维彩色点云的方法。
本发明解决技术问题采用如下的技术方案:
本发明涉及一种基于Kinect的目标物体三维彩色点云生成方法,是按如下步骤进行:
(1)、针对目标物体,使用Kinect拍摄多幅RGBD图像
采用Kinect进行一次拍摄,获得包括RGB图像和深度图像的RGBD图像,该图像仅包含目标物体从相机视角可视的局部区域信息,为获得目标物体完整的颜色信息及深度信息,需要从不同角度对目标物体进行拍摄,使用Kinect围绕目标物体拍摄一周,获得多幅RGBD图像,以包含目标物体完整的信息,同时,在拍摄过程中,记录下相邻两幅图像的包括旋转与平移的位置关系,作为点云配准中改进的ICP算法的初始变换矩阵。
(2)、从每幅RGBD图像中提取目标物体的信息
对每幅包含目标物体的RGBD图像的深度图像进行分割提取前景标记,在前景标记的辅助下,使用Grab Cut算法对RGB图像进行分割,获得目标物体所在的精确区域,提取区域内的颜色信息及点云信息,去除区域外的背景信息,得到该幅图像中的目标物体信息数据,对不同RGBD图像提取目标物体信息,得到目标物体不同部分的点云数据,即目标物体不同部分的点云片段;
首先基于深度图像进行初始分割,提取目标物体前景的标记,目标物体前景到相机的距离与背景到相机的距离存在明显的差异,利用这种差异可以对深度图像进行分割,使用Ostu算法对深度图像进行阈值分割,建立深度信息的一维直方图,通过最大化背景与前景之间方差来选择合适的阈值,使用该阈值对深度图像进行二值化,二值化后,黑色区域即为前景所在候选区域;
由于目标物体附近可能存在支撑物,深度图像初始分割获得的前景区域可能包含部分其它信息,因此需要在此基础上,进行精细分割,将前景候选区域作为前景标记,使用Grab Cut算法对RGB图像进行精细分割,Grab Cut算法使用前景标记作为初始前景,分别建立前景与背景的高斯混合模型GMM,然后迭代优化分割结果。在每次迭代过程中,利用已有的高斯混合模型GMM为每个像素点设置其高斯分量,然后再利用像素点数据对高斯混合模型GMM进行优化,使用最大流最小割算法最小化能量函数,以获取更优的分割结果。重复迭代此过程,直至能量函数收敛,此时可以获得最优的分割结果;
获得目标物体的分割区域后,去除区域外的背景信息,提取区域内的颜色信息及点云信息,即目标物体信息;
(3)、对相邻区域的点云片段进行配准。
针对步骤(2)中获得的目标物体不同部分的点云片段,对点云片段进行配准。对于任意相邻位置拍摄后获取的点云片段,将1中记录的位置关系作为初始变换矩阵(包含旋转矩阵和平移向量),使用改进的ICP算法对其进行点云配准,以获得精确的变换矩阵。
使用改进的ICP算法配准过程描述如下:
1)降采样:基于Kinect获得的点云片段较为密集,直接在其上进行配准计算量较大,分别对待配准的2个点云片段进行降采样,以降低点云数据的规模,记降采样后的点云片段分别为P、Q;
2)初始变换:为防止ICP配准陷入局部最优,使用拍摄RGBD图像时记录的相邻两幅图像之间的位置关系作为初始变换矩阵,对降采样后的点云片段Q进行初始变换获得点云片段Q1;
3)迭代计算精确变换矩阵:针对初始变换获得的点云片段Q1,进行迭代计算其与点云片段P之间的精确变换矩阵。在第k次迭代中,对Qk中的每个点,在点云片段P中查找最近点,获得最近点点集Pk,使用四元数方法计算Pk、Qk之间的旋转矩阵R;对Qk使用旋转矩阵R进行变换获得分别计算Pk的中心OP及的中心OQ,则平移向量t=OP-OQ;旋转矩阵R和平移向量t构成当前变换,对Qk进行变换获得Qk+1,即:Qk+1=Qk*R+t。计算Pk、Qk+1之间的平均误差dk,若dk-1与dk的差值小于指定阈值Th,则迭代终止,否则重复上述步骤继续迭代;
4)最近点点集的计算:在步骤3)的迭代过程中需要进行最近点的查找,传统的ICP算法使用点到点之间的距离进行查找,而本发明则采用点到平面的距离来求解最近点。其计算思路为:基于深度图像,针对点云片段Q中的任一点q1(x1,y1,z1),选取其周围7*7邻域内的点作为K近邻点,拟合获得该点的近似法向量则点q1处的切平面为A(x-x1)+B(y-y1)+C(z-z1)=0。当在点云片段P中寻找其最近点时,采用P中三维点到该切平面的距离作为度量,寻找距离最小的点作为其最近点;
(4)、对配准后的点云进行拼接及降采样
使用步骤(3)中获得的点云片段间的变换关系对相邻点云进行拼接,由于点云中的数据点本身具有对应的颜色信息,因此该点云为目标物体的三维彩色点云。
由于深度图像采集到的点云片段较为密集,且在拼接中,存在很多重复的数据,因此生成的三维点云非常庞大,不利于存储及下一步处理,为此,使用法向量采样对获得的三维点云进行降采样。该采样方法在几何特征较为简单的位置采样较为稀疏,而在几何特征较为复杂的位置采样较为密集,能够有效地在保留点云形貌特征的同时降低点云的冗余度及规模,使得点云数据更易于存储和进一步处理。
与已有技术相比,本发明有益效果体现在:
1、本发明使用Kinect获得目标物体的完整三维彩色点云数据,与传统采用三维扫描仪获取物体完整点云数据的方法相比,具有价格低廉、数据量少、计算耗时少、内存空间需求低等优点,同时,获取的数据不仅具有深度信息,还具有颜色信息,避免了图像与点云进行映射所需额外时间、空间上的耗费。
2、颜色信息与深度信息相互补充,在深度图像进行Ostu分割结果的基础上,采用Grab Cut算法进行前景的分割能够获取更好的分割效果,有效的去除背景信息;
3、改进的ICP算法在进行最近点查找时,采用了点到平面的距离作为度量,并基于深度图像的特点,省略了K近邻的搜索步骤,提高了最近点的查找速度,同时算法的收敛速度也得到了提升,配准结果更加精确。
附图说明
图1为一种基于Kinect的目标物体三维彩色点云生成方法的流程图。
图2为三维彩色点云生成方法的过程示意图。
图3为目标物体与背景间深度差异说明的示意图。
图4为在Ostu算法获得的前景标记上分割目标物体区域的示意图。
具体实施方式
本发明在对目标物体进行三维彩色点云生成时,按照如下4个步骤进行(如图1、图2所示):
步骤1:获取包含目标物体的RGBD图像。
采用Kinect进行一次拍摄,获得的RGBD图像(RGB图像和深度图像,统称为RGBD图像)仅包含目标物体从相机视角可视的局部区域信息,为获得目标物体完整的颜色信息及深度信息,需要从不同角度对目标物体进行拍摄。使用Kinect围绕目标物体拍摄一周,获得多幅RGBD图像,以包含目标物体完整的信息,同时,在拍摄过程中,记录下相邻两幅图像的位置关系(旋转与平移),作为点云配准中改进的ICP算法的初始变换矩阵。
步骤2:从RGBD图像中提取目标物体的信息。
每次拍摄获得的RGBD图像中,除了目标物体外,还包含很多背景信息,为了剔除这些背景信息,首先对深度图像进行分割以提取前景标记,在前景标记的辅助下,使用GrabCut算法对RGB图像进行分割,获得目标物体所在的精确区域,提取区域内的目标物体信息。
首先基于深度图像进行初始分割,提取目标物体(前景)的标记。目标物体前景到相机的距离与背景到相机的距离存在明显的差异,如图3所示,利用这种差异可以对深度图像进行分割。使用Ostu算法对深度图像进行阈值分割,建立深度信息的一维直方图,通过最大化背景与前景之间方差来选择合适的阈值,使用该阈值对深度图像进行二值化,二值化后,黑色区域即为前景所在候选区域。
如图4所示,由于目标物体附近可能存在支撑物,深度图像初始分割获得的前景区域可能包含部分其它信息,因此需要在此基础上,进行精细分割。将前景候选区域作为前景标记,使用Grab Cut算法对RGB图像进行精细分割。Grab Cut算法使用前景标记作为初始前景,分别建立前景与背景的高斯混合模型GMM,然后迭代优化分割结果。在每次迭代过程中,利用已有的高斯混合模型GMM为每个像素点设置其高斯分量,然后再利用像素点数据对高斯混合模型GMM进行优化,使用最大流最小割算法最小化能量函数,以获取更优的分割结果。重复迭代此过程,直至能量函数收敛,此时可以获得最优的分割结果。
获得目标物体的分割区域后,去除区域外的背景信息,提取区域内的颜色信息及点云信息,即目标物体信息。
步骤3:对点云片段进行配准。
针对步骤2中获得的目标物体不同部分的点云片段,对相邻位置的点云片段进行配准。对于任意相邻位置拍摄后获取的点云片段,将1中记录的位置关系作为初始变换矩阵(包含旋转矩阵和平移向量),使用改进的ICP算法对其进行点云配准,以获得精确的变换矩阵。
对改进的ICP算法配准过程描述如下:
1)降采样:基于Kinect获得的点云片段较为密集,直接在其上进行配准计算量较大,分别对待配准的2个点云片段进行降采样,以降低点云数据的规模,记降采样后的点云片段分别为P、Q。
2)初始变换:为防止ICP配准陷入局部最优,使用拍摄RGBD图像时记录的相邻两幅图像之间的位置关系作为初始变换矩阵,对降采样后的点云片段Q进行初始变换获得点云片段Q1。
3)迭代计算精确变换矩阵:针对初始变换获得的点云片段Q1,进行迭代计算其与点云片段P之间的精确变换矩阵。在第k次迭代中,对Qk中的每个点,在点云片段P中查找最近点,获得最近点点集Pk,使用四元数方法计算Pk、Qk之间的旋转矩阵R;对Qk使用旋转矩阵R进行变换获得分别计算Pk的中心OP及的中心OQ,则平移向量t=OP-OQ;旋转矩阵R和平移向量t构成当前变换,对Qk进行变换获得Qk+1,即:Ok+1=Ok*R+t。计算Pk、Qk+1之间的平均误差dk,若dk-1与dk的差值小于指定阈值Th,则迭代终止,否则重复上述步骤继续迭代。
4)最近点点集的计算:在步骤3)的迭代过程中需要进行最近点的查找,传统的ICP算法使用点到点之间的距离进行查找,而本发明则采用点到平面的距离来求解最近点。其计算思路为:基于深度图像,针对点云片段Q中的任一点q1(x1,y1,z1),选取其周围7*7邻域内的点作为K近邻点,拟合获得该点的近似法向量则点q1处的切平面为A(x-x1)+B(y-y1)+C(z-z1)=0。当在点云片段P中寻找其最近点时,采用P中三维点到该切平面的距离作为度量,寻找距离最小的点作为其最近点。
步骤4:对点云片段进行拼接和降采样。
使用步骤3中获得的点云片段间的变换关系对相邻点云进行拼接,由于点云中的数据点本身具有对应的颜色信息,因此该点云为目标物体的三维彩色点云。
由于深度图像采集到的点云片段较为密集,且在拼接中,存在很多重复的数据,因此生成的三维点云非常庞大,不利于存储及下一步处理,为此,使用法向量采样对获得的三维点云进行降采样。该采样方法在几何特征较为简单,即法向量较为一致的位置采样较为稀疏;而在几何特征较为复杂,即法向量变化较大的位置采样较为密集,能够有效地在保留点云形貌特征的同时降低点云的冗余度及规模,使得点云数据更易于存储和进一步处理。
Claims (3)
1.基于Kinect的目标物体三维彩色点云生成方法,其特征在于,包含如下步骤:
(1)包含目标物体的RGBD图像的获取
使用Kinect围绕目标物体拍摄一周,获得多幅包含目标物体的RGBD图像,所述的RGBD图像包括RGB图像和深度图像,在拍摄过程中,记录下相邻两幅RGBD图像的位置关系,作为点云配准中改进的ICP算法的初始变换矩阵;
(2)目标物体信息提取
对每幅包含目标物体的RGBD图像的深度图像进行分割提取前景标记,在前景标记的辅助下,使用Grab Cut算法对RGB图像进行分割,获得目标物体所在的精确区域,提取区域内的颜色信息及点云信息,去除区域外的背景信息,得到该幅图像中的目标物体信息数据,对不同RGBD图像提取目标物体信息,得到目标物体不同部分的点云数据,即目标物体不同部分的点云片段;
(3)点云片段的配准
针对(2)中获得的目标物体不同部分的点云片段,对点云片段进行配准;根据任意相邻位置拍摄RGBD图像获取的点云片段,将(1)中记录的位置关系作为初始变换矩阵,使用改进的ICP算法对其进行点云配准,获得精确的变换矩阵;
(4)点云的拼接及降采样
基于步骤(3)中获取的精确变换矩阵,对相邻点云片段进行拼接,获得目标物体的完整点云数据,即为目标物体的三维彩色点云,之后使用法向量采样法对获得的三维彩色点云进行降采样,在保留点云形貌特征的同时降低点云的冗余度及规模,获得易于存储和处理数据;
所述的相邻两幅图像的位置关系包括旋转与平移,所述的变换矩阵包含旋转矩阵和平移向量。
2.根据权利要求1所述的基于Kinect的目标物体三维彩色点云生成方法,其特征在于,所述目标物体信息的提取具体过程如下:
首先基于深度图像初始分割,提取目标物体前景的标记,利用目标物体前景到相机的距离与背景到相机的距离存在明显的差异对深度图像进行分割,使用Ostu算法对深度图像进行阈值分割,建立深度信息的一维直方图,通过最大化背景与前景之间的方差来选择合适的阈值,使用该阈值对深度图像进行二值化,二值化后,黑色区域即为前景所在候选区域;
对深度图像初始分割获得的前景区域可进一步进行精细分割,具体如下:将前景候选区域作为前景标记,使用Grab Cut算法对RGB图像进行精细分割,Grab Cut算法使用前景标记作为初始前景,分别建立前景与背景的高斯混合模型GMM,然后迭代优化分割结果,在每次迭代过程中,利用已有的高斯混合模型GMM为每个像素点设置其高斯分量,然后再利用像素点数据对高斯混合模型GMM进行优化,使用最大流最小割算法最小化能量函数,获取更优的分割结果,重复迭代此过程,直至能量函数收敛,此时可以获得最优的分割结果;
获得目标物体的分割区域后,去除区域外的背景信息,提取区域内的颜色信息及点云信息,即目标物体信息。
3.根据权利要求1所述的基于Kinect的目标物体三维彩色点云生成方法,其特征在于,所述点云片段的配准,包括:
使用改进的ICP算法对点云片段进行配准,其配准过程描述如下:
1)降采样:基于Kinect获得的点云片段较为密集,直接在其上进行配准计算量较大,分别对待配准的2个点云片段进行降采样,以降低点云数据的规模,记降采样后的点云片段分别为P、Q;
2)初始变换:为防止ICP配准陷入局部最优,使用拍摄RGBD图像时记录的相邻两幅图像之间的位置关系作为初始变换矩阵,对降采样后的点云片段Q进行初始变换获得点云片段Q1;
3)迭代计算精确变换矩阵:针对初始变换获得的点云片段Q1,进行迭代计算其与点云片段P之间的精确变换矩阵,在第k次迭代中,对Qk中的每个点,在点云片段P中查找最近点,获得最近点点集Pk,使用四元数方法计算Pk、Qk之间的旋转矩阵R;对Qk使用旋转矩阵R进行变换获得分别计算Pk的中心OP及的中心OQ,则平移向量t=OP-OQ;旋转矩阵R和平移向量t构成当前变换,对Qk进行变换获得Qk+1,即:Qk+1-Qk*B+t;计算Pk、Qk+1之间的平均误差dk,若dk-1与dk的差值小于指定阈值Th,则迭代终止,否则重复上述步骤继续迭代;
4)最近点点集的计算:在步骤3)的迭代过程中需要进行最近点的查找,采用点到平面的距离来求解最近点;其计算思路为:基于深度图像,针对点云片段Q中的任一点q1(x1,y1,z1),选取其周围7*7邻域内的点作为K近邻点,拟合获得该点的近似法向量则点q1处的切平面为A(x-x1)+B(y-y1)+C(z-z1)=0,当在点云片段P中寻找其最近点时,采用P中三维点到该切平面的距离作为度量,寻找距离最小的点作为其最近点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610092005.0A CN105989604A (zh) | 2016-02-18 | 2016-02-18 | 一种基于kinect的目标物体三维彩色点云生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610092005.0A CN105989604A (zh) | 2016-02-18 | 2016-02-18 | 一种基于kinect的目标物体三维彩色点云生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105989604A true CN105989604A (zh) | 2016-10-05 |
Family
ID=57040190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610092005.0A Pending CN105989604A (zh) | 2016-02-18 | 2016-02-18 | 一种基于kinect的目标物体三维彩色点云生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105989604A (zh) |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529838A (zh) * | 2016-12-16 | 2017-03-22 | 湖南拓视觉信息技术有限公司 | 虚拟装配方法及装置 |
CN106651926A (zh) * | 2016-12-28 | 2017-05-10 | 华东师范大学 | 一种基于区域配准的深度点云三维重建方法 |
CN106780726A (zh) * | 2016-12-23 | 2017-05-31 | 陕西科技大学 | 融合rgb‑d相机和彩色光度立体法的动态非刚体三维数字化方法 |
CN106780593A (zh) * | 2016-11-28 | 2017-05-31 | 深圳奥比中光科技有限公司 | 一种彩色深度图像的获取方法、获取设备 |
CN106887043A (zh) * | 2017-03-08 | 2017-06-23 | 景致三维(江苏)股份有限公司 | 三维建模外点去除的方法、装置及三维建模的方法 |
CN107154014A (zh) * | 2017-04-27 | 2017-09-12 | 上海大学 | 一种实时彩色及深度全景图像拼接方法 |
CN107341844A (zh) * | 2017-06-21 | 2017-11-10 | 上海大学 | 一种基于多Kinect的实时三维人体绘制方法 |
CN107368188A (zh) * | 2017-07-13 | 2017-11-21 | 河北中科恒运软件科技股份有限公司 | 介导现实中的基于多重空间定位的前景抽取方法及系统 |
CN107667904A (zh) * | 2017-07-27 | 2018-02-09 | 北京奥云牧数据科技有限公司 | 基于物联网技术的生猪大数据系统 |
CN107767456A (zh) * | 2017-09-22 | 2018-03-06 | 福州大学 | 一种基于rgb‑d相机的物体三维重建方法 |
WO2018129794A1 (zh) * | 2017-01-12 | 2018-07-19 | 上海云拟科技有限公司 | 一种实时大规模场景三维扫描建模方法及系统 |
CN108629261A (zh) * | 2017-03-24 | 2018-10-09 | 纬创资通股份有限公司 | 远距离的身份识别方法及其系统与计算机可读取记录媒体 |
CN108665472A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 点云分割的方法和设备 |
CN108694741A (zh) * | 2017-04-07 | 2018-10-23 | 杭州海康威视数字技术股份有限公司 | 一种三维重建方法及装置 |
CN109272572A (zh) * | 2018-08-30 | 2019-01-25 | 中国农业大学 | 一种基于双Kinect相机的建模方法及装置 |
CN109300188A (zh) * | 2018-10-23 | 2019-02-01 | 北京旷视科技有限公司 | 三维模型处理方法及装置 |
CN109360267A (zh) * | 2018-09-29 | 2019-02-19 | 杭州蓝芯科技有限公司 | 一种薄物体快速三维重建方法 |
CN109508141A (zh) * | 2017-09-15 | 2019-03-22 | 财团法人金属工业研究发展中心 | 用于点云数据贴合的冗余点检测方法 |
CN109544606A (zh) * | 2018-11-02 | 2019-03-29 | 山东大学 | 基于多个Kinect的快速自动配准方法及系统 |
CN109579794A (zh) * | 2017-09-28 | 2019-04-05 | 财团法人成大研究发展基金会 | 适用于迭代最近点法以选择关键图框的系统与方法 |
CN109816664A (zh) * | 2018-12-25 | 2019-05-28 | 西安中科天塔科技股份有限公司 | 一种三维点云分割方法及装置 |
CN109829908A (zh) * | 2019-01-31 | 2019-05-31 | 广东电网有限责任公司 | 基于双目影像的电力线下方地物安全距离检测方法及设备 |
CN109931923A (zh) * | 2017-12-15 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 一种导航引导图的生成方法和装置 |
CN109974687A (zh) * | 2017-12-28 | 2019-07-05 | 周秦娜 | 一种基于深度摄像头的多传感器室内协同定位方法、装置及系统 |
CN110175954A (zh) * | 2019-05-29 | 2019-08-27 | 西安邮电大学 | 改进的icp点云快速拼接方法、装置、电子设备及存储介质 |
CN110455815A (zh) * | 2019-09-05 | 2019-11-15 | 西安多维机器视觉检测技术有限公司 | 一种电子元器件外观缺陷检测的方法及系统 |
CN110570436A (zh) * | 2019-07-22 | 2019-12-13 | 浙江工业大学 | 一种基于深度感知的图像分割方法 |
CN110838136A (zh) * | 2018-08-15 | 2020-02-25 | 上海脉沃医疗科技有限公司 | 基于rgbd深度摄像装置的图像校准方法 |
CN110837751A (zh) * | 2018-08-15 | 2020-02-25 | 上海脉沃医疗科技有限公司 | 基于rgbd深度摄像头的人体运动捕捉与步态分析方法 |
CN111047600A (zh) * | 2019-11-22 | 2020-04-21 | 深圳大学 | 一种多维图像分割方法和装置 |
CN111079713A (zh) * | 2019-12-31 | 2020-04-28 | 帷幄匠心科技(杭州)有限公司 | 一种提取行人颜色特征的方法及终端设备 |
CN111223132A (zh) * | 2019-12-25 | 2020-06-02 | 华东师范大学 | 一种物体配准方法及系统 |
CN111344746A (zh) * | 2017-11-22 | 2020-06-26 | 华为技术有限公司 | 一种利用可重构混合成像系统的动态场景的三维3d重建方法 |
CN111640083A (zh) * | 2020-06-09 | 2020-09-08 | 中国科学院长春光学精密机械与物理研究所 | 一种物体表面点云的颜色复原方法及系统 |
CN112013763A (zh) * | 2020-08-08 | 2020-12-01 | 苏州图睿视觉科技有限公司 | 一种基于视觉检测的泡沫测量方法 |
CN112037336A (zh) * | 2020-09-07 | 2020-12-04 | 贝壳技术有限公司 | 相邻点位分割方法及装置 |
CN112132900A (zh) * | 2020-09-29 | 2020-12-25 | 凌美芯(北京)科技有限责任公司 | 一种视觉重定位方法及系统 |
CN112419360A (zh) * | 2020-11-16 | 2021-02-26 | 北京理工大学 | 一种基于立体成像的背景去除和目标图像分割方法 |
CN112734931A (zh) * | 2020-12-31 | 2021-04-30 | 罗普特科技集团股份有限公司 | 一种辅助点云目标检测的方法及系统 |
CN113436234A (zh) * | 2021-08-26 | 2021-09-24 | 深圳市信润富联数字科技有限公司 | 轮毂毛刺识别方法、电子装置、装置及可读存储介质 |
CN113470049A (zh) * | 2021-07-06 | 2021-10-01 | 吉林省田车科技有限公司 | 一种基于结构化彩色点云分割的完整目标提取方法 |
CN113628117A (zh) * | 2021-08-24 | 2021-11-09 | 凌云光技术股份有限公司 | 一种深度图像旋转变换方法及装置 |
CN114155256A (zh) * | 2021-10-21 | 2022-03-08 | 北京航空航天大学 | 一种使用rgbd相机跟踪柔性物体形变的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592268A (zh) * | 2012-01-06 | 2012-07-18 | 清华大学深圳研究生院 | 一种分割前景图像的方法 |
CN103325142A (zh) * | 2013-05-29 | 2013-09-25 | 南京大学 | 一种基于Kinect的计算机三维模型建模方法 |
CN104899877A (zh) * | 2015-05-20 | 2015-09-09 | 中国科学院西安光学精密机械研究所 | 基于超像素和快速三分图的图像前景提取方法 |
-
2016
- 2016-02-18 CN CN201610092005.0A patent/CN105989604A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592268A (zh) * | 2012-01-06 | 2012-07-18 | 清华大学深圳研究生院 | 一种分割前景图像的方法 |
CN103325142A (zh) * | 2013-05-29 | 2013-09-25 | 南京大学 | 一种基于Kinect的计算机三维模型建模方法 |
CN104899877A (zh) * | 2015-05-20 | 2015-09-09 | 中国科学院西安光学精密机械研究所 | 基于超像素和快速三分图的图像前景提取方法 |
Non-Patent Citations (1)
Title |
---|
王欣等: "应用改进迭代最近点方法的点云数据配准", 《光学精密工程》 * |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780593B (zh) * | 2016-11-28 | 2019-07-26 | 深圳奥比中光科技有限公司 | 一种彩色深度图像的获取方法、获取设备 |
CN106780593A (zh) * | 2016-11-28 | 2017-05-31 | 深圳奥比中光科技有限公司 | 一种彩色深度图像的获取方法、获取设备 |
CN106529838A (zh) * | 2016-12-16 | 2017-03-22 | 湖南拓视觉信息技术有限公司 | 虚拟装配方法及装置 |
CN106780726A (zh) * | 2016-12-23 | 2017-05-31 | 陕西科技大学 | 融合rgb‑d相机和彩色光度立体法的动态非刚体三维数字化方法 |
CN106651926A (zh) * | 2016-12-28 | 2017-05-10 | 华东师范大学 | 一种基于区域配准的深度点云三维重建方法 |
WO2018129794A1 (zh) * | 2017-01-12 | 2018-07-19 | 上海云拟科技有限公司 | 一种实时大规模场景三维扫描建模方法及系统 |
CN106887043A (zh) * | 2017-03-08 | 2017-06-23 | 景致三维(江苏)股份有限公司 | 三维建模外点去除的方法、装置及三维建模的方法 |
CN108629261A (zh) * | 2017-03-24 | 2018-10-09 | 纬创资通股份有限公司 | 远距离的身份识别方法及其系统与计算机可读取记录媒体 |
CN108665472A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 点云分割的方法和设备 |
CN108694741B (zh) * | 2017-04-07 | 2021-11-12 | 杭州海康威视数字技术股份有限公司 | 一种三维重建方法及装置 |
CN108694741A (zh) * | 2017-04-07 | 2018-10-23 | 杭州海康威视数字技术股份有限公司 | 一种三维重建方法及装置 |
CN107154014B (zh) * | 2017-04-27 | 2020-06-26 | 上海大学 | 一种实时彩色及深度全景图像拼接方法 |
CN107154014A (zh) * | 2017-04-27 | 2017-09-12 | 上海大学 | 一种实时彩色及深度全景图像拼接方法 |
CN107341844A (zh) * | 2017-06-21 | 2017-11-10 | 上海大学 | 一种基于多Kinect的实时三维人体绘制方法 |
CN107368188B (zh) * | 2017-07-13 | 2020-05-26 | 河北中科恒运软件科技股份有限公司 | 介导现实中的基于多重空间定位的前景抽取方法及系统 |
CN107368188A (zh) * | 2017-07-13 | 2017-11-21 | 河北中科恒运软件科技股份有限公司 | 介导现实中的基于多重空间定位的前景抽取方法及系统 |
CN107667904A (zh) * | 2017-07-27 | 2018-02-09 | 北京奥云牧数据科技有限公司 | 基于物联网技术的生猪大数据系统 |
CN109508141B (zh) * | 2017-09-15 | 2022-02-18 | 财团法人金属工业研究发展中心 | 用于点云数据贴合的冗余点检测方法 |
CN109508141A (zh) * | 2017-09-15 | 2019-03-22 | 财团法人金属工业研究发展中心 | 用于点云数据贴合的冗余点检测方法 |
CN107767456A (zh) * | 2017-09-22 | 2018-03-06 | 福州大学 | 一种基于rgb‑d相机的物体三维重建方法 |
CN109579794B (zh) * | 2017-09-28 | 2021-03-23 | 财团法人成大研究发展基金会 | 适用于迭代最近点法以选择关键图框的系统与方法 |
CN109579794A (zh) * | 2017-09-28 | 2019-04-05 | 财团法人成大研究发展基金会 | 适用于迭代最近点法以选择关键图框的系统与方法 |
CN111344746A (zh) * | 2017-11-22 | 2020-06-26 | 华为技术有限公司 | 一种利用可重构混合成像系统的动态场景的三维3d重建方法 |
CN109931923A (zh) * | 2017-12-15 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 一种导航引导图的生成方法和装置 |
CN109974687A (zh) * | 2017-12-28 | 2019-07-05 | 周秦娜 | 一种基于深度摄像头的多传感器室内协同定位方法、装置及系统 |
CN110838136A (zh) * | 2018-08-15 | 2020-02-25 | 上海脉沃医疗科技有限公司 | 基于rgbd深度摄像装置的图像校准方法 |
CN110837751A (zh) * | 2018-08-15 | 2020-02-25 | 上海脉沃医疗科技有限公司 | 基于rgbd深度摄像头的人体运动捕捉与步态分析方法 |
CN110837751B (zh) * | 2018-08-15 | 2023-12-29 | 上海脉沃医疗科技有限公司 | 基于rgbd深度摄像头的人体运动捕捉与步态分析方法 |
CN110838136B (zh) * | 2018-08-15 | 2023-06-20 | 上海脉沃医疗科技有限公司 | 基于rgbd深度摄像装置的图像校准方法 |
CN109272572A (zh) * | 2018-08-30 | 2019-01-25 | 中国农业大学 | 一种基于双Kinect相机的建模方法及装置 |
CN109360267A (zh) * | 2018-09-29 | 2019-02-19 | 杭州蓝芯科技有限公司 | 一种薄物体快速三维重建方法 |
CN109300188A (zh) * | 2018-10-23 | 2019-02-01 | 北京旷视科技有限公司 | 三维模型处理方法及装置 |
CN109544606A (zh) * | 2018-11-02 | 2019-03-29 | 山东大学 | 基于多个Kinect的快速自动配准方法及系统 |
CN109544606B (zh) * | 2018-11-02 | 2022-02-15 | 山东大学 | 基于多个Kinect的快速自动配准方法及系统 |
CN109816664A (zh) * | 2018-12-25 | 2019-05-28 | 西安中科天塔科技股份有限公司 | 一种三维点云分割方法及装置 |
CN109829908A (zh) * | 2019-01-31 | 2019-05-31 | 广东电网有限责任公司 | 基于双目影像的电力线下方地物安全距离检测方法及设备 |
CN109829908B (zh) * | 2019-01-31 | 2023-04-14 | 广东电网有限责任公司 | 基于双目影像的电力线下方地物安全距离检测方法及设备 |
CN110175954A (zh) * | 2019-05-29 | 2019-08-27 | 西安邮电大学 | 改进的icp点云快速拼接方法、装置、电子设备及存储介质 |
CN110570436A (zh) * | 2019-07-22 | 2019-12-13 | 浙江工业大学 | 一种基于深度感知的图像分割方法 |
CN110455815A (zh) * | 2019-09-05 | 2019-11-15 | 西安多维机器视觉检测技术有限公司 | 一种电子元器件外观缺陷检测的方法及系统 |
CN111047600A (zh) * | 2019-11-22 | 2020-04-21 | 深圳大学 | 一种多维图像分割方法和装置 |
CN111047600B (zh) * | 2019-11-22 | 2023-04-28 | 深圳大学 | 一种多维图像分割方法和装置 |
CN111223132A (zh) * | 2019-12-25 | 2020-06-02 | 华东师范大学 | 一种物体配准方法及系统 |
CN111079713A (zh) * | 2019-12-31 | 2020-04-28 | 帷幄匠心科技(杭州)有限公司 | 一种提取行人颜色特征的方法及终端设备 |
CN111640083A (zh) * | 2020-06-09 | 2020-09-08 | 中国科学院长春光学精密机械与物理研究所 | 一种物体表面点云的颜色复原方法及系统 |
CN111640083B (zh) * | 2020-06-09 | 2022-07-08 | 中国科学院长春光学精密机械与物理研究所 | 一种物体表面点云的颜色复原方法及系统 |
CN112013763A (zh) * | 2020-08-08 | 2020-12-01 | 苏州图睿视觉科技有限公司 | 一种基于视觉检测的泡沫测量方法 |
CN112037336B (zh) * | 2020-09-07 | 2021-08-31 | 贝壳找房(北京)科技有限公司 | 相邻点位分割方法及装置 |
CN112037336A (zh) * | 2020-09-07 | 2020-12-04 | 贝壳技术有限公司 | 相邻点位分割方法及装置 |
CN112132900A (zh) * | 2020-09-29 | 2020-12-25 | 凌美芯(北京)科技有限责任公司 | 一种视觉重定位方法及系统 |
CN112419360B (zh) * | 2020-11-16 | 2023-02-21 | 北京理工大学 | 一种基于立体成像的背景去除和目标图像分割方法 |
CN112419360A (zh) * | 2020-11-16 | 2021-02-26 | 北京理工大学 | 一种基于立体成像的背景去除和目标图像分割方法 |
WO2022141718A1 (zh) * | 2020-12-31 | 2022-07-07 | 罗普特科技集团股份有限公司 | 一种辅助点云目标检测的方法及系统 |
CN112734931B (zh) * | 2020-12-31 | 2021-12-07 | 罗普特科技集团股份有限公司 | 一种辅助点云目标检测的方法及系统 |
CN112734931A (zh) * | 2020-12-31 | 2021-04-30 | 罗普特科技集团股份有限公司 | 一种辅助点云目标检测的方法及系统 |
CN113470049B (zh) * | 2021-07-06 | 2022-05-20 | 吉林省田车科技有限公司 | 一种基于结构化彩色点云分割的完整目标提取方法 |
CN113470049A (zh) * | 2021-07-06 | 2021-10-01 | 吉林省田车科技有限公司 | 一种基于结构化彩色点云分割的完整目标提取方法 |
CN113628117A (zh) * | 2021-08-24 | 2021-11-09 | 凌云光技术股份有限公司 | 一种深度图像旋转变换方法及装置 |
CN113628117B (zh) * | 2021-08-24 | 2024-01-26 | 凌云光技术股份有限公司 | 一种深度图像旋转变换方法及装置 |
CN113436234A (zh) * | 2021-08-26 | 2021-09-24 | 深圳市信润富联数字科技有限公司 | 轮毂毛刺识别方法、电子装置、装置及可读存储介质 |
CN114155256A (zh) * | 2021-10-21 | 2022-03-08 | 北京航空航天大学 | 一种使用rgbd相机跟踪柔性物体形变的方法及系统 |
CN114155256B (zh) * | 2021-10-21 | 2024-05-24 | 北京航空航天大学 | 一种使用rgbd相机跟踪柔性物体形变的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105989604A (zh) | 一种基于kinect的目标物体三维彩色点云生成方法 | |
CN104134234B (zh) | 一种全自动的基于单幅图像的三维场景构建方法 | |
CN110264416A (zh) | 稀疏点云分割方法及装置 | |
US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
EP2833322B1 (en) | Stereo-motion method of three-dimensional (3-D) structure information extraction from a video for fusion with 3-D point cloud data | |
CN104240289B (zh) | 一种基于单个相机的三维数字化重建方法及系统 | |
CN110458939A (zh) | 基于视角生成的室内场景建模方法 | |
EP2383699B1 (en) | Method for estimating a pose of an articulated object model | |
CN110363858A (zh) | 一种三维人脸重建方法及系统 | |
CN106485690A (zh) | 基于点特征的点云数据与光学影像的自动配准融合方法 | |
CN109658444B (zh) | 一种基于多模态特征的规则三维彩色点云配准方法 | |
CN108010123B (zh) | 一种保留拓扑信息的三维点云获取方法 | |
Liao et al. | SynthText3D: synthesizing scene text images from 3D virtual worlds | |
CN103426200B (zh) | 基于无人机航拍序列图像的树木三维重建方法 | |
CN105869167A (zh) | 基于主被动融合的高分辨率深度图获取方法 | |
CN106683173A (zh) | 一种基于邻域块匹配提高三维重建点云稠密程度的方法 | |
CN104376594A (zh) | 三维人脸建模方法和装置 | |
CN106023230B (zh) | 一种适合变形图像的稠密匹配方法 | |
CN115205489A (zh) | 一种大场景下的三维重建方法、系统及装置 | |
US20150138193A1 (en) | Method and device for panorama-based inter-viewpoint walkthrough, and machine readable medium | |
CN104616247B (zh) | 一种用于基于超像素sift航拍地图拼接的方法 | |
CN112001926A (zh) | 基于多维语义映射rgbd多相机标定方法、系统及应用 | |
CN109559349A (zh) | 一种用于标定的方法和装置 | |
CN103854301A (zh) | 基于复杂背景下可见外壳的三维重建方法 | |
Pang et al. | SGM-based seamline determination for urban orthophoto mosaicking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161005 |