CN106097348A - 一种三维激光点云与二维图像的融合方法 - Google Patents
一种三维激光点云与二维图像的融合方法 Download PDFInfo
- Publication number
- CN106097348A CN106097348A CN201610420484.4A CN201610420484A CN106097348A CN 106097348 A CN106097348 A CN 106097348A CN 201610420484 A CN201610420484 A CN 201610420484A CN 106097348 A CN106097348 A CN 106097348A
- Authority
- CN
- China
- Prior art keywords
- vertical core
- matrix
- centerdot
- laser
- overbar
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 30
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000013519 translation Methods 0.000 claims description 9
- 241000208340 Araliaceae Species 0.000 claims description 7
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 7
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 235000008434 ginseng Nutrition 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 239000012467 final product Substances 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000000205 computational method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001568 sexual 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
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及三维点云数据处理与三维场景重建技术领域,一种三维激光点云与二维图像的融合方法,包括以下步骤:(1)制作黑白栅格竖孔标定板,(2)采集三维激光点云和二维图像,(3)计算竖孔中心空间坐标,(4)计算竖孔中心像素坐标,(5)计算映射矩阵完成数据融合。本发明具有以下优点:一是,采用激光扫描仪的线点云数据与相机拍摄的图像数据进行融合,采样数据量小;二是,在求解三维激光点云与二维图像的映射关系时,计算量小,计算过程简单,计算效率高;三是,可实现三维激光点云与二维图像的实时融合;四是,利用区间矩阵计算竖孔中心空间坐标,约束条件多,计算更加准确;五是,利用相机成像原理直接构建激光扫描平面和相机成像平面的单应性关系,求解映射矩阵,计算方法简单可靠。
Description
技术领域
本发明涉及一种三维激光点云与二维图像的融合方法,属于三维点云数据处理与三维场景重建技术领域。
背景技术
在数字化现实世界的过程中,三维点云数据记录了物体表面的几何属性和位置信息,二维图像记录了物体表面的颜色信息和纹理信息,二者的深度融合,将形成一种新兴的数字媒体,即三维彩色点云数据,三维彩色点云数据是三维点云数据的进一步发展,可以更加精确地表述现实世界。三维激光点云与二维图像融合是解决三维场景重建的关键性技术,具有较强的理论意义和应用价值,目前已在工业检测、自主导航、逆向工程、虚拟现实和军事国防等领域有了越来越多的应用。
根据几何结构的不同,三维激光点云可分为两大类:线点云与面点云。目前,大多的激光扫描仪的工作方式为线扫描。每次扫描可以获取一条由一系列离散点顺序组成的离散曲线,即为线点云。该离散曲线位于实际场景与激光扫描平面的交线上。为了获取整个场景的面点云数据,需要为激光扫描仪外加旋转平移装置,以实现整个场景的全面扫描。
三维激光点云与二维图像的融合主要是指在利用激光扫描仪和相机扫描拍摄三维场景时,建立三维激光点云中的空间点与二维图像的像素点之间的映射关系,从而获取每一个激光扫描点所对应的像素点,给每一个激光扫描点染色,最终获取场景的三维彩色点云。其主要分为两大步:1)求解三维激光点云与二维图像之间的映射关系;2)利用求得的映射关系融合场景三维激光点云与二维图像。
目前,三维激光点云与二维图像的融合方法主要有以下三种:1)利用激光扫描仪与相机的安装结构实现融合,该方法主要使用固定装置将激光扫描仪与相机进行固定安装,并在实验环境下通过标定得到激光扫描仪与相机的结构关系,从而完成三维激光点云与二维图像的融合;2)利用三维激光点云与二维图像中的直线或平面特征来实现二者的数据融合,该方法主要是对三维激光点云与二维图像中的直线特征进行提取,利用相机光心与直线特征构造平面,通过求取点云中对应直线端点到达该平面的最小距离来求解相机参数,并进一步实现三维激光点云与二维图像的融合;3)利用激光角点的回波反射图与图像相似性来完成融合,该方法利用激光角点的回波反射强度将点云制成反射图,并根据反射图与纹理图像之间的相似性求解对应关系,从而进行三维激光点云与二维图像的融合。
经过大量研究发现,与本发明相近的融合方法如下:对标定板进行全面的激光扫描,获取标定板完整的三维激光点云数据,与此同时,利用相机对标定板进行拍摄,获得标定板的二维图像数据。获取三维激光点云与二维图像中的对应点对,再根据非线性最小二乘算法求解外参与内参矩阵,从而实现三维激光点云与二维图像的融合。这种方法存在如下不足之处:1)该方法需要对标定板进行全面的激光扫描来获得标定板完整的三维激光点云,其采样获取的数据量大。2)为了求解三维激光点云与二维图像的映射关系,该方法需要对大量的采样数据进行处理,其计算量过大,计算效率低,计算过程繁琐;3)该方法无法实现三维激光点云与二维图像的实时匹配,在进行三维激光点云和二维图像融合时,激光扫描仪需要先完成对整个场景的扫描,以获取完整场景的三维激光点云,然后再与相机获得的二维平面图像数据进行融合,该过程不具有实时性。
发明内容
为了解决上述现有技术中存在的问题,本发明目的是提供一种三维激光点云与二维图像的融合方法。本发明是在利用激光扫描仪和相机扫描拍摄三维场景时,为激光扫描仪扫描的线点云数据与相机拍摄的图像数据提供一种融合方法,以实时获取场景的三维彩色点云数据。
为了实现上述发明目的,解决已有技术中存在的向题,本发明采取的技术方案是:一种三维激光点云与二维图像的融合方法,包含以下步骤:
步骤1、制作黑白栅格竖孔标定板,标定板尺寸为180cm×72cm,其上均匀分布着边长为12cm的黑白正方形网格,沿着标定板中心线lc均匀排列着14个竖孔B={bj|1≤j≤14},竖孔长6cm,宽为2cm,每一个竖孔中心cj(1≤j≤14)均位于黑白栅格的角点。
步骤2、采集三维激光点云和二维图像,固定激光扫描仪和相机,将标定板垂直面向激光扫描仪和相机,利用激光扫描仪扫描时激光光线反射会在图像上形成条纹光斑,来调整标定板的水平位置使得激光扫描平面准确穿过所有竖孔B的中心,获取标定板中心线lc上的线点云P,同时利用相机拍摄标定板,获取标定板的二维图像I,激光扫描仪坐标系[OL;x,y,z]的原点OL位于激光光心,xz平面位于激光扫描平面,图像坐标系[OC;u,v]的原点OC位于像平面左上角顶点,uv平面位于图像传感器平面。
步骤3、计算竖孔中心空间坐标,分别提取标定板上和从竖孔中穿过的激光扫描点,利用最小二乘法对标定板上的激光扫描点进行拟合获得拟合直线,连接激光扫描仪光心与激光扫描点获得激光扫描线,求解激光扫描线与拟合直线的交点,并利用区间矩阵计算竖孔中心的空间坐标,具体包括以下子步骤:
(a)根据位置远近,从线点云P中提取标定板上的扫描点Pa={pai|1≤i≤n}和从竖孔中穿过的扫描点Pb={pbi|1≤i≤m},其中,n表示标定板上扫描点的个数,m表示从竖孔中穿过扫描点的个数。
(b)利用最小二乘法对位于标定板上的扫描点Pa进行线性拟合,获取拟合直线lf,其为中心线lc的逼近。
(c)依次连接激光扫描仪光心OL和扫描点Pa与Pb,分别获取激光扫描线La={Lai|1≤i≤n}与Lb={Lbi|1≤i≤m}。
(d)分别求解激光扫描线La和Lb与拟合直线lf的交点和
(e)由于竖孔的间隔,标定板上交点可分为15个部分 且竖孔上交点可分为14个部分 第一部分标定板上交点的最下面的点与第一部分竖孔上交点的最上面的点之间在拟合直线上构成了一个连续区间该区间包含了孔和板的边界;将该区间沿拟合直线向下平移0.5倍孔长,即可获得一个新的区间I1,1,该区间包含了第一个竖孔中心c1,由于每个竖孔之间的间隔固定,竖孔中心之间均相差12cm,因此,将I1,1沿拟合直线向下平移12cm,即可获得包含第二个竖孔中心c2的区间I1,2,以此类推,可以获得I1,3…I1,14,利用上述方法,最终获得一个区间矩阵,
矩阵中的元素区间Iij表示了第i个边界对第j个竖孔中心位置的约束,因此,第j个竖孔中心cj的优化约束区间为则竖孔中心cj的位置为优化约束区间Ij的中心,则可以准确计算竖孔中心cj的空间坐标。
步骤4、计算竖孔中心像素坐标,利用黑白栅格角点提取和平均值法,计算竖孔中心的像素坐标,具体包括以下子步骤:
(a)利用黑白栅格角点提取方法,获取与竖孔中心cj(1≤j≤14)直接相邻的四个角点的像素点坐标,在图像坐标系[OC;u,v]下依次记为
(b)计算竖孔中心cj(1≤j≤14)的像素坐标(uj,vj),即
步骤5、计算映射矩阵完成数据融合,利用相机针孔模型构建超定方程组,计算三维激光点云与二维图像的映射矩阵,并利用该映射矩阵实现三维激光点云与二维图像的融合,具体包括以下子步骤:
(a)根据相机针孔模型、空间旋转矩阵、空间平移向量以及本发明利用直线激光点云进行融合的特点,构建竖孔中心空间坐标与竖孔中心像素坐标的映射关系模型为,
[R T]=[r1 r2 r3 t],
其中,s为相机放大系数,(u,v)为竖孔中心像素坐标,A为相机内参矩阵,[R T]为旋转矩阵R与平移矩阵T构成的外参矩阵,[r1 r2 r3 t]为外参矩阵的列向量,(x,0,z)为竖孔中心空间坐标。
(b)对矩阵进行分块计算,得到下列关系,
其中,r1为旋转矩阵R的第一列,r3为旋转矩阵R的第三列,t为平移矩阵T的列向量。
(c)进行计算,
令
则有
(d)由矩阵相等原则,则有
(e)构建方程组,其表达形式为,
(f)选取14组竖孔中心空间坐标和像素坐标构建超定方程组,
其中,F为28×9矩阵,构成了超定方程组的系数矩阵,利用最小二乘法求解该超定方程组,即可得到映射矩阵H。
(g)在实时扫描拍摄三维场景时,利用映射矩阵即可实时融合激光线点云和二维图像,获取场景的三维彩色点云。
本发明有益效果是:一种三维激光点云与二维图像的融合方法,包括以下步骤:(1)制作黑白栅格竖孔标定板,(2)采集三维激光点云和二维图像,(3)计算竖孔中心空间坐标,(4)计算竖孔中心像素坐标,(5)计算映射矩阵完成数据融合。与已有技术相比,本发明具有以下优点:一是,本发明采用激光扫描仪的线点云数据与相机拍摄的图像数据进行三维激光点云与二维图像融合,采样数据量小;二是,在求解三维激光点云与二维图像的映射关系时,本发明计算量小,计算过程简单,计算效率高;三是,本发明可实现三维激光点云与二维图像的实时融合;四是,本发明利用区间矩阵计算竖孔中心空间坐标,约束条件多,计算更加准确;五是,本发明利用相机成像原理直接构建激光扫描平面和相机成像平面的单应性关系,求解映射矩阵,计算方法简单可靠。
附图说明
图1是本发明方法步骤流程图。
图2是黑白栅格竖孔标定板示意图。
图3是激光线点云与图像数据采集示意图。
图4是激光线点云采集结果图。
图5是标定板上和从竖孔穿过的激光扫描点提取结果图。
图6是直线拟合结果图。
图7是激光扫描线获取结果图。
图8是竖孔中心空间坐标计算结果图。
图9是竖孔中心像素坐标计算示意图。
图10是室内外场景三维激光点云和二维图像融合结果图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示,一种三维激光点云与二维图像的融合方法,包括以下步骤:
步骤1、制作黑白栅格竖孔标定板,标定板尺寸为180cm×72cm,其上均匀分布着边长为12cm的黑白正方形网格,沿着标定板中心线lc均匀排列着14个竖孔B={bj|1≤j≤14},竖孔长6cm,宽为2cm,每一个竖孔中心cj(1≤j≤14)均位于黑白栅格的角点,如图2所示。
步骤2、采集三维激光点云和二维图像,固定激光扫描仪和相机,将标定板垂直面向激光扫描仪和相机,利用激光扫描仪扫描时激光光线反射会在图像上形成条纹光斑,来调整标定板的水平位置使得激光扫描平面准确穿过所有竖孔B的中心,获取标定板中心线lc上的线点云P,同时利用相机拍摄标定板,获取标定板的二维图像I,激光扫描仪坐标系[OL;x,y,z]的原点OL位于激光光心,xz平面位于激光扫描平面,图像坐标系[OC;u,v]的原点OC位于像平面左上角顶点,uv平面位于图像传感器平面,如图3所示。
步骤3、计算竖孔中心空间坐标,分别提取标定板上和从竖孔中穿过的激光扫描点,利用最小二乘法对标定板上的激光扫描点进行拟合获得拟合直线,连接激光扫描仪光心与激光扫描点获得激光扫描线,求解激光扫描线与拟合直线的交点,并利用区间矩阵计算竖孔中心的空间坐标,具体包括以下子步骤:
(a)根据位置远近,从线点云P中提取标定板上的扫描点Pa={pai|1≤i≤n}和从竖孔中穿过的扫描点Pb={pbi|1≤i≤m},如图4和图5所示。其中,n表示标定板上扫描点的个数,m表示从竖孔中穿过扫描点的个数。
(b)利用最小二乘法对位于标定板上的扫描点Pa进行线性拟合,获取拟合直线lf,其为中心线lc的逼近,如图6所示。
(c)依次连接激光扫描仪光心OL和扫描点Pa与Pb,分别获取激光扫描线La={Lai|1≤i≤n}与Lb={Lbi|1≤i≤m},如图7所示。
(d)分别求解激光扫描线La和Lb与拟合直线lf的交点和
(e)由于竖孔的间隔,标定板上交点可分为15个部分 且竖孔上交点可分为14个部分 第一部分标定板上交点的最下面的点与第一部分竖孔上交点的最上面的点之间在拟合直线上构成了一个连续区间该区间包含了孔和板的边界;将该区间沿拟合直线向下平移0.5倍孔长,即可获得一个新的区间I1,1,该区间包含了第一个竖孔中心c1,由于每个竖孔之间的间隔固定,竖孔中心之间均相差12cm,因此,将I1,1沿拟合直线向下平移12cm,即可获得包含第二个竖孔中心c2的区间I1,2,以此类推,可以获得I1,3…I1,14,利用上述方法,最终获得一个区间矩阵,
矩阵中的元素区间Iij表示了第i个边界对第j个竖孔中心位置的约束,因此,第j个竖孔中心cj的优化约束区间为则竖孔中心cj的位置为优化约束区间Ij的中心,则可以准确计算竖孔中心cj的空间坐标,如图8所示。
步骤4、计算竖孔中心像素坐标,利用黑白栅格角点提取和平均值法,计算竖孔中心的像素坐标,如图9所示,具体包括以下子步骤:
(a)利用黑白栅格角点提取方法,获取与竖孔中心cj(1≤j≤14)直接相邻的四个角点的像素点坐标,在图像坐标系[OC;u,v]下依次记为
(b)计算竖孔中心cj(1≤j≤14)的像素坐标(uj,vj),即
步骤5、计算映射矩阵完成数据融合,利用相机针孔模型构建超定方程组,计算三维激光点云与二维图像的映射矩阵,并利用该映射矩阵实现三维激光点云与二维图像的融合,具体包括以下子步骤:
(a)根据相机针孔模型、空间旋转矩阵、空间平移向量以及本发明利用直线激光点云进行融合的特点,构建竖孔中心空间坐标与竖孔中心像素坐标的映射关系模型为,
[R T]=[r1 r2 r3 t],
其中,s为相机放大系数,(u,v)为竖孔中心像素坐标,A为相机内参矩阵,[R T]为旋转矩阵R与平移矩阵T构成的外参矩阵,[r1 r2 r3 t]为外参矩阵的列向量,(x,0,z)为竖孔中心空间坐标。
(b)对矩阵进行分块计算,得到下列关系,
其中,r1为旋转矩阵R的第一列,r3为旋转矩阵R的第三列,t为平移矩阵T的列向量。
(c)进行计算,
令
则有
(d)由矩阵相等原则,则有
(e)构建方程组,其表达形式为,
(f)选取14组竖孔中心空间坐标和像素坐标构建超定方程组,
其中,F为28×9矩阵,构成了超定方程组的系数矩阵,利用最小二乘法求解该超定方程组,即可得到映射矩阵H。
(g)在实时扫描拍摄三维场景时,利用映射矩阵即可实时融合激光线点云和二维图像,获取场景的三维彩色点云,如图10所示。
本发明优点在于:一是,本发明采用激光扫描仪的线点云数据与相机拍摄的图像数据进行三维激光点云与二维图像融合,采样数据量小;二是,在求解三维激光点云与二维图像的映射关系时,本发明计算量小,计算过程简单,计算效率高;三是,本发明可实现三维激光点云与二维图像的实时融合;四是,本发明利用区间矩阵计算竖孔中心空间坐标,约束条件多,计算更加准确;五是,本发明利用相机成像原理直接构建激光扫描平面和相机成像平面的单应性关系,求解映射矩阵,计算方法简单可靠。
Claims (1)
1.一种三维激光点云与二维图像的融合方法,其特征在于包含以下步骤:
步骤1、制作黑白栅格竖孔标定板,标定板尺寸为180cm×72cm,其上均匀分布着边长为12cm的黑白正方形网格,沿着标定板中心线lc均匀排列着14个竖孔B={bj|1≤j≤14},竖孔长6cm,宽为2cm,每一个竖孔中心cj(1≤j≤14)均位于黑白栅格的角点;
步骤2、采集三维激光点云和二维图像,固定激光扫描仪和相机,将标定板垂直面向激光扫描仪和相机,利用激光扫描仪扫描时激光光线反射会在图像上形成条纹光斑,来调整标定板的水平位置使得激光扫描平面准确穿过所有竖孔B的中心,获取标定板中心线lc上的线点云P,同时利用相机拍摄标定板,获取标定板的二维图像I,激光扫描仪坐标系[OL;x,y,z]的原点OL位于激光光心,xz平面位于激光扫描平面,图像坐标系[OC;u,v]的原点OC位于像平面左上角顶点,uv平面位于图像传感器平面;
步骤3、计算竖孔中心空间坐标,分别提取标定板上和从竖孔中穿过的激光扫描点,利用最小二乘法对标定板上的激光扫描点进行拟合获得拟合直线,连接激光扫描仪光心与激光扫描点获得激光扫描线,求解激光扫描线与拟合直线的交点,并利用区间矩阵计算竖孔中心的空间坐标,具体包括以下子步骤:
(a)根据位置远近,从线点云P中提取标定板上的扫描点Pa={pai|1≤i≤n}和从竖孔中穿过的扫描点Pb={pbi|1≤i≤m},其中,n表示标定板上扫描点的个数,m表示从竖孔中穿过扫描点的个数;
(b)利用最小二乘法对位于标定板上的扫描点Pa进行线性拟合,获取拟合直线lf,其为中心线lc的逼近;
(c)依次连接激光扫描仪光心OL和扫描点Pa与Pb,分别获取激光扫描线La={Lai|1≤i≤n}与Lb={Lbi|1≤i≤m};
(d)分别求解激光扫描线La和Lb与拟合直线lf的交点和
(e)由于竖孔的间隔,标定板上交点可分为15个部分 且竖孔上交点可分为14个部分 第一部分标定板上交点的最下面的点与第一部分竖孔上交点的最上面的点之间在拟合直线上构成了一个连续区间该区间包含了孔和板的边界;将该区间沿拟合直线向下平移0.5倍孔长,即可获得一个新的区间I1,1,该区间包含了第一个竖孔中心c1,由于每个竖孔之间的间隔固定,竖孔中心之间均相差12cm,因此,将I1,1沿拟合直线向下平移12cm,即可获得包含第二个竖孔中心c2的区间I1,2,以此类推,可以获得I1,3…I1,14,利用上述方法,最终获得一个区间矩阵,
矩阵中的元素区间Iij表示了第i个边界对第j个竖孔中心位置的约束,因此,第j个竖孔中心cj的优化约束区间为则竖孔中心cj的位置为优化约束区间Ij的中心,则可以准确计算竖孔中心cj的空间坐标;
步骤4、计算竖孔中心像素坐标,利用黑白栅格角点提取和平均值法,计算竖孔中心的像素坐标,具体包括以下子步骤:
(a)利用黑白栅格角点提取方法,获取与竖孔中心cj(1≤j≤14)直接相邻的四个角点的像素点坐标,在图像坐标系[OC;u,v]下依次记为
(b)计算竖孔中心cj(1≤j≤14)的像素坐标(uj,vj),即步骤5、计算映射矩阵完成数据融合,利用相机针孔模型构建超定方程组,计算三维激光点云与二维图像的映射矩阵,并利用该映射矩阵实现三维激光点云与二维图像的融合,具体包括以下子步骤:
(a)根据相机针孔模型、空间旋转矩阵、空间平移向量以及本发明利用直线激光点云进行融合的特点,构建竖孔中心空间坐标与竖孔中心像素坐标的映射关系模型为,
[R T]=[r1 r2 r3 t],
其中,s为相机放大系数,(u,v)为竖孔中心像素坐标,A为相机内参矩阵,[R T]为旋转矩阵R与平移矩阵T构成的外参矩阵,[r1 r2 r3 t]为外参矩阵的列向量,(x,0,z)为竖孔中心空间坐标;
(b)对矩阵进行分块计算,得到下列关系,
其中,r1为旋转矩阵R的第一列,r3为旋转矩阵R的第三列,t为平移矩阵T的列向量;
(c)进行计算,
令
则有
(d)由矩阵相等原则,则有
(e)构建方程组,其表达形式为,
(f)选取14组竖孔中心空间坐标和像素坐标构建超定方程组,
其中,F为28×9矩阵,构成了超定方程组的系数矩阵,利用最小二乘法求解该超定方程组,即可得到映射矩阵H;
(g)在实时扫描拍摄三维场景时,利用映射矩阵即可实时融合激光线点云和二维图像,获取场景的三维彩色点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610420484.4A CN106097348B (zh) | 2016-06-13 | 2016-06-13 | 一种三维激光点云与二维图像的融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610420484.4A CN106097348B (zh) | 2016-06-13 | 2016-06-13 | 一种三维激光点云与二维图像的融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106097348A true CN106097348A (zh) | 2016-11-09 |
CN106097348B CN106097348B (zh) | 2019-03-05 |
Family
ID=57846153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610420484.4A Active CN106097348B (zh) | 2016-06-13 | 2016-06-13 | 一种三维激光点云与二维图像的融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097348B (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679671A (zh) * | 2017-01-05 | 2017-05-17 | 大连理工大学 | 一种基于激光数据的导航标识图识别方法 |
CN106780618A (zh) * | 2016-11-24 | 2017-05-31 | 周超艳 | 基于异构深度摄像机的三维信息获取方法及其装置 |
CN107194962A (zh) * | 2017-04-01 | 2017-09-22 | 深圳市速腾聚创科技有限公司 | 点云与平面图像融合方法及装置 |
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN107610084A (zh) * | 2017-09-30 | 2018-01-19 | 驭势科技(北京)有限公司 | 一种对深度图像和激光点云图进行信息融合的方法与设备 |
CN108287164A (zh) * | 2017-12-23 | 2018-07-17 | 深圳天眼激光科技有限公司 | 一种裂纹检测系统 |
CN108389233A (zh) * | 2018-02-23 | 2018-08-10 | 大连理工大学 | 基于边界约束和均值逼近的激光扫描仪与相机标定方法 |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN109029284A (zh) * | 2018-06-14 | 2018-12-18 | 大连理工大学 | 一种基于几何约束的三维激光扫描仪与相机标定方法 |
CN109087274A (zh) * | 2018-08-10 | 2018-12-25 | 哈尔滨工业大学 | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN109099923A (zh) * | 2018-08-20 | 2018-12-28 | 江苏大学 | 基于激光、摄像机、gps与惯导融合的道路场景表征系统及其方法 |
CN109211264A (zh) * | 2017-07-06 | 2019-01-15 | 杭州海康机器人技术有限公司 | 测量系统的标定方法、装置、电子设备及可读存储介质 |
CN109215108A (zh) * | 2017-06-30 | 2019-01-15 | 深圳先进技术研究院 | 基于激光扫描的全景三维重建系统及方法 |
CN109211126A (zh) * | 2017-06-30 | 2019-01-15 | 兄弟工业株式会社 | 控制装置和控制方法 |
CN109410264A (zh) * | 2018-09-29 | 2019-03-01 | 大连理工大学 | 一种基于激光点云与图像融合的前方车辆距离测量方法 |
CN109978954A (zh) * | 2019-01-30 | 2019-07-05 | 杭州飞步科技有限公司 | 基于箱体的雷达和相机联合标定的方法和装置 |
CN110147106A (zh) * | 2019-05-29 | 2019-08-20 | 福建(泉州)哈工大工程技术研究院 | 具激光和视觉融合避障系统的智能移动服务机器人 |
CN110617876A (zh) * | 2019-11-01 | 2019-12-27 | 云南电网有限责任公司电力科学研究院 | 电力设备异响定位方法 |
CN110827199A (zh) * | 2019-10-29 | 2020-02-21 | 武汉大学 | 基于激光测距仪引导的隧道图像拼接方法及装置 |
CN111238494A (zh) * | 2018-11-29 | 2020-06-05 | 财团法人工业技术研究院 | 载具、载具定位系统及载具定位方法 |
CN111666935A (zh) * | 2019-03-06 | 2020-09-15 | 北京京东尚科信息技术有限公司 | 物品中心定位方法、装置以及物流系统和存储介质 |
CN111707668A (zh) * | 2020-05-28 | 2020-09-25 | 武汉武大卓越科技有限责任公司 | 基于序列图像的隧道检测及图像处理方法 |
CN111862224A (zh) * | 2019-04-17 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 确定相机与激光雷达之间外参的方法和装置 |
CN112308933A (zh) * | 2020-11-06 | 2021-02-02 | 歌尔光学科技有限公司 | 相机内参标定的方法、装置及计算机存储介质 |
CN112348941A (zh) * | 2020-09-17 | 2021-02-09 | 重庆知至科技有限公司 | 一种基于点云与图像数据的实时融合方法及装置 |
CN113030987A (zh) * | 2019-12-09 | 2021-06-25 | 浙江舜宇智能光学技术有限公司 | 多线激光雷达的激光出射角度测量方法及其系统和电子设备 |
CN113177989A (zh) * | 2021-05-07 | 2021-07-27 | 深圳云甲科技有限公司 | 一种口内扫描仪标定方法及装置 |
CN113808274A (zh) * | 2021-09-24 | 2021-12-17 | 福建平潭瑞谦智能科技有限公司 | 人脸识别模型构建方法及系统及识别方法 |
CN114022566A (zh) * | 2021-11-04 | 2022-02-08 | 安徽省爱夫卡电子科技有限公司 | 一种用于单线激光雷达和相机的联合标定方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101698303A (zh) * | 2009-09-11 | 2010-04-28 | 大连理工大学 | 一种三维激光和单目视觉间的自动标定方法 |
CN104156972A (zh) * | 2014-08-25 | 2014-11-19 | 西北工业大学 | 基于激光扫描测距仪与多相机融合的透视成像方法 |
CN104574406A (zh) * | 2015-01-16 | 2015-04-29 | 大连理工大学 | 一种360度全景激光与多个视觉系统间的联合标定方法 |
-
2016
- 2016-06-13 CN CN201610420484.4A patent/CN106097348B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101698303A (zh) * | 2009-09-11 | 2010-04-28 | 大连理工大学 | 一种三维激光和单目视觉间的自动标定方法 |
CN104156972A (zh) * | 2014-08-25 | 2014-11-19 | 西北工业大学 | 基于激光扫描测距仪与多相机融合的透视成像方法 |
CN104574406A (zh) * | 2015-01-16 | 2015-04-29 | 大连理工大学 | 一种360度全景激光与多个视觉系统间的联合标定方法 |
Cited By (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780618A (zh) * | 2016-11-24 | 2017-05-31 | 周超艳 | 基于异构深度摄像机的三维信息获取方法及其装置 |
CN106780618B (zh) * | 2016-11-24 | 2020-11-03 | 周超艳 | 基于异构深度摄像机的三维信息获取方法及其装置 |
CN106679671A (zh) * | 2017-01-05 | 2017-05-17 | 大连理工大学 | 一种基于激光数据的导航标识图识别方法 |
CN107194962A (zh) * | 2017-04-01 | 2017-09-22 | 深圳市速腾聚创科技有限公司 | 点云与平面图像融合方法及装置 |
CN107194962B (zh) * | 2017-04-01 | 2020-06-05 | 深圳市速腾聚创科技有限公司 | 点云与平面图像融合方法及装置 |
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN109215108B (zh) * | 2017-06-30 | 2023-05-23 | 深圳先进技术研究院 | 基于激光扫描的全景三维重建系统及方法 |
CN109211126A (zh) * | 2017-06-30 | 2019-01-15 | 兄弟工业株式会社 | 控制装置和控制方法 |
CN109215108A (zh) * | 2017-06-30 | 2019-01-15 | 深圳先进技术研究院 | 基于激光扫描的全景三维重建系统及方法 |
CN109211264A (zh) * | 2017-07-06 | 2019-01-15 | 杭州海康机器人技术有限公司 | 测量系统的标定方法、装置、电子设备及可读存储介质 |
CN107610084A (zh) * | 2017-09-30 | 2018-01-19 | 驭势科技(北京)有限公司 | 一种对深度图像和激光点云图进行信息融合的方法与设备 |
CN107610084B (zh) * | 2017-09-30 | 2020-09-01 | 驭势科技(北京)有限公司 | 一种对深度图像和激光点云图进行信息融合的方法与设备 |
CN108287164A (zh) * | 2017-12-23 | 2018-07-17 | 深圳天眼激光科技有限公司 | 一种裂纹检测系统 |
CN108287164B (zh) * | 2017-12-23 | 2021-03-23 | 深圳天眼激光科技有限公司 | 一种裂纹检测系统 |
CN108389233A (zh) * | 2018-02-23 | 2018-08-10 | 大连理工大学 | 基于边界约束和均值逼近的激光扫描仪与相机标定方法 |
CN108509918B (zh) * | 2018-04-03 | 2021-01-08 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN109087341B (zh) * | 2018-06-07 | 2022-07-05 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN109029284A (zh) * | 2018-06-14 | 2018-12-18 | 大连理工大学 | 一种基于几何约束的三维激光扫描仪与相机标定方法 |
CN109087274A (zh) * | 2018-08-10 | 2018-12-25 | 哈尔滨工业大学 | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 |
CN109087274B (zh) * | 2018-08-10 | 2020-11-06 | 哈尔滨工业大学 | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 |
CN109099923A (zh) * | 2018-08-20 | 2018-12-28 | 江苏大学 | 基于激光、摄像机、gps与惯导融合的道路场景表征系统及其方法 |
CN109410264B (zh) * | 2018-09-29 | 2020-08-25 | 大连理工大学 | 一种基于激光点云与图像融合的前方车辆距离测量方法 |
CN109410264A (zh) * | 2018-09-29 | 2019-03-01 | 大连理工大学 | 一种基于激光点云与图像融合的前方车辆距离测量方法 |
CN111238494A (zh) * | 2018-11-29 | 2020-06-05 | 财团法人工业技术研究院 | 载具、载具定位系统及载具定位方法 |
CN109978954A (zh) * | 2019-01-30 | 2019-07-05 | 杭州飞步科技有限公司 | 基于箱体的雷达和相机联合标定的方法和装置 |
CN111666935A (zh) * | 2019-03-06 | 2020-09-15 | 北京京东尚科信息技术有限公司 | 物品中心定位方法、装置以及物流系统和存储介质 |
CN111666935B (zh) * | 2019-03-06 | 2024-05-24 | 北京京东乾石科技有限公司 | 物品中心定位方法、装置以及物流系统和存储介质 |
CN111862224A (zh) * | 2019-04-17 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 确定相机与激光雷达之间外参的方法和装置 |
CN111862224B (zh) * | 2019-04-17 | 2023-09-19 | 杭州海康威视数字技术股份有限公司 | 确定相机与激光雷达之间外参的方法和装置 |
CN110147106A (zh) * | 2019-05-29 | 2019-08-20 | 福建(泉州)哈工大工程技术研究院 | 具激光和视觉融合避障系统的智能移动服务机器人 |
CN110827199A (zh) * | 2019-10-29 | 2020-02-21 | 武汉大学 | 基于激光测距仪引导的隧道图像拼接方法及装置 |
CN110617876B (zh) * | 2019-11-01 | 2021-10-22 | 云南电网有限责任公司电力科学研究院 | 电力设备异响定位方法 |
CN110617876A (zh) * | 2019-11-01 | 2019-12-27 | 云南电网有限责任公司电力科学研究院 | 电力设备异响定位方法 |
CN113030987A (zh) * | 2019-12-09 | 2021-06-25 | 浙江舜宇智能光学技术有限公司 | 多线激光雷达的激光出射角度测量方法及其系统和电子设备 |
CN113030987B (zh) * | 2019-12-09 | 2024-03-22 | 浙江舜宇智能光学技术有限公司 | 多线激光雷达的激光出射角度测量方法及其系统和电子设备 |
CN111707668B (zh) * | 2020-05-28 | 2023-11-17 | 武汉光谷卓越科技股份有限公司 | 基于序列图像的隧道检测及图像处理方法 |
CN111707668A (zh) * | 2020-05-28 | 2020-09-25 | 武汉武大卓越科技有限责任公司 | 基于序列图像的隧道检测及图像处理方法 |
CN112348941A (zh) * | 2020-09-17 | 2021-02-09 | 重庆知至科技有限公司 | 一种基于点云与图像数据的实时融合方法及装置 |
CN112308933B (zh) * | 2020-11-06 | 2023-01-20 | 歌尔光学科技有限公司 | 相机内参标定的方法、装置及计算机存储介质 |
CN112308933A (zh) * | 2020-11-06 | 2021-02-02 | 歌尔光学科技有限公司 | 相机内参标定的方法、装置及计算机存储介质 |
CN113177989A (zh) * | 2021-05-07 | 2021-07-27 | 深圳云甲科技有限公司 | 一种口内扫描仪标定方法及装置 |
CN113808274A (zh) * | 2021-09-24 | 2021-12-17 | 福建平潭瑞谦智能科技有限公司 | 人脸识别模型构建方法及系统及识别方法 |
CN114022566A (zh) * | 2021-11-04 | 2022-02-08 | 安徽省爱夫卡电子科技有限公司 | 一种用于单线激光雷达和相机的联合标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106097348B (zh) | 2019-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097348A (zh) | 一种三维激光点云与二维图像的融合方法 | |
CN109029284B (zh) | 一种基于几何约束的三维激光扫描仪与相机标定方法 | |
CN106127771B (zh) | 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 | |
Gibbs et al. | Approaches to three-dimensional reconstruction of plant shoot topology and geometry | |
CN110415342A (zh) | 一种基于多融合传感器的三维点云重建装置与方法 | |
CN104992441B (zh) | 一种面向个性化虚拟试衣的真实人体三维建模方法 | |
CN108389233B (zh) | 基于边界约束和均值逼近的激光扫描仪与相机标定方法 | |
CN106651900B (zh) | 一种基于轮廓分割的高架原位草莓三维建模方法 | |
CN102938142B (zh) | 基于Kinect的室内LiDAR缺失数据填补方法 | |
CN103258345B (zh) | 一种基于地面激光雷达三维扫描的树木枝干参数提取方法 | |
CN105066877B (zh) | 基于智能终端镜头的树木测量方法 | |
CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
CN106803267A (zh) | 基于Kinect的室内场景三维重建方法 | |
CN106780619A (zh) | 一种基于Kinect深度相机的人体尺寸测量方法 | |
CN109272537A (zh) | 一种基于结构光的全景点云配准方法 | |
CN109658444B (zh) | 一种基于多模态特征的规则三维彩色点云配准方法 | |
CN106780618A (zh) | 基于异构深度摄像机的三维信息获取方法及其装置 | |
CN106091984A (zh) | 一种基于线激光的三维点云数据获取方法 | |
CN107192350A (zh) | 一种三维激光扫描仪内参数标定方法及装置 | |
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 | |
CN104376594A (zh) | 三维人脸建模方法和装置 | |
CN106595702B (zh) | 一种基于天文标定的多传感器空间配准方法 | |
CN107657659A (zh) | 基于长方体拟合扫描三维点云的曼哈顿结构建筑物自动建模方法 | |
CN104331924B (zh) | 基于单摄像机sfs算法的三维重建方法 | |
CN103218812A (zh) | 基于摄影测量的树木形态模型参数快速获取方法 |
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 |