CN106767562B - 一种基于机器视觉和散斑的测量方法及人体测量方法 - Google Patents
一种基于机器视觉和散斑的测量方法及人体测量方法 Download PDFInfo
- Publication number
- CN106767562B CN106767562B CN201611264682.2A CN201611264682A CN106767562B CN 106767562 B CN106767562 B CN 106767562B CN 201611264682 A CN201611264682 A CN 201611264682A CN 106767562 B CN106767562 B CN 106767562B
- Authority
- CN
- China
- Prior art keywords
- speckle
- measurement method
- point cloud
- machine vision
- point
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/245—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures using a plurality of fixed, simultaneously operating transducers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G9/00—Methods of, or apparatus for, the determination of weight, not provided for in groups G01G1/00 - G01G7/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明揭示了一种基于机器视觉和散斑的测量方法,包括如下步骤:S1:图像数据采集;S2:被测物体三维点云重建;S3:被测物体三维点云拼接配准;S4:有限元分割求和,对完整点云模型进行有限元网格划分,并通过微元法积分求和,从而得到被测物体的面积或体积。相较于现有技术,本发明基于机器视觉和散斑的测量方法能够测量大型物体的面积或体积,测量精度较高,且为非接触式测量,应用场合广泛。
Description
技术领域
本发明涉及一种基于机器视觉和散斑的测量方法及人体测量方法。
背景技术
非接触式测量是以光电、电磁等技术为基础,在不接触被测物体表面的情况下,得到物体面积、体积等参数信息的测量方法。典型的非接触式测量方法具有激光三角法、超声测量法等等。随着机器视觉的发展,机器视觉在测量领域也逐渐显现出巨大的潜力,例如:流道截面计算、曲面面积计算以及不规则体积计算等。
目前,市场上具有一种基于机器视觉的三维影像测量,它是利用CCD采集变焦镜下样品的影像,再配合XYZ轴移动平台及自动变焦镜,并运用影像分析原理,通过计算机处理影像信号,对科研生产零件进行精密的几何数据的测量。然而,此种三维影像测量方法对被测物体的体积具有严格的限制,并且测量精度较低,应用场合有限。
鉴于上述问题,有必要提供一种新的基于机器视觉的测量方法,以解决上述问题。
发明内容
本发明的目的在于提供一种基于机器视觉和散斑的测量方法,该测量方法能够测量大型物体的面积或体积,测量精度较高,且为非接触式测量,应用场合广泛。
为达到上述目的,本发明提供如下技术方案:
一种基于机器视觉和散斑的测量方法,包括如下步骤:
S1:图像数据采集,利用散斑投射器向被测物体投射随机的散斑图案,并由所述测量头的相机同步拍摄被测物体图像;
S2:被测物体三维点云重建,对每一测量头的相机采集到的图像数据进行数字图像相关运算,并计算出待测物体表面密集点的三维坐标,实现待测物体的三维点云重建;
S3:被测物体三维点云拼接配准,对不同测量头获得的三维点云进行拼接配准,以获得被测物体的完整点云模型;
S4:有限元分割求和,对完整点云模型进行有限元网格划分,并通过微元法积分求和,从而得到被测物体的面积或体积。
进一步的:在步骤S1之前,所述基于机器视觉和散斑的测量方法还包括步骤S0:多相机全局标定,将标定板放置在测量视场中并摆放出不同姿态,然后所有测量头的相机同步采集不同姿态下的图像,并对采集的图像进行处理,从而得到所有测量头的相机的内部参数和外部参数。
进一步的:在所述步骤S0中,所述标定板至少具有24种不同位姿,以提高相机标定精度。
进一步的:所述步骤S1还包括步骤S11:分析环境光强,并判断是否需要进行补光。
进一步的:所述步骤S3还包括步骤S31:点云优化过滤,首先对多幅点云法向进行滤波,然后通过两幅点云的双向查找来寻找种子点,并在种子点的法向寻找两幅点云中对应的k邻域,计算邻域点的加权和。
进一步的:对于给定点pi,其最近邻域为Nk(pi),则滤波后的法向为其中权函数T是给定的角度阈值。
进一步的:所述T的值为0.75。
进一步的:所述步骤S3还包括步骤S32:点云三角化封装,用互不相交的三角形来近似表示点集形成的曲面。
进一步的:所述步骤S3还包括步骤S33:封装实体化,利用Gregory曲面片构建精确光滑贴合曲面,并填充为实体。
进一步的:所述Gregory曲面片是由一组控制点确定的,即G={P0,P1,P2,P01,P02,P12,P21,P20,P02,q01,q02,q12,q21,q20,q02},其中{P0,P1,P2}为角控制点,{P0,P1,P2,P01,P02}为边界控制点,{q01,q02,q12,q21,q20,q02}为内部控制点,记(u|v)为Gregory三角域中参数点的中心坐标,则对Gregory三角域的插值函数GT(u|v)=w3P0+u3P1+v3P0+…,其中u+v+w=1。
进一步的:所述基于机器视觉和散斑的测量方法还包括步骤S5:算出被测物体质量,根据标准材料库的参数计算出被测物体的质量。
进一步地,所述基于机器视觉和散斑的测量方法还包括如下步骤:
S6:坐标转换,对重建后的三维点云数据进行3-2-1坐标转换,并选择高度方向为z轴方向;
S7:截面分割,选取一系列垂直于z轴的截面进行分割;
S8:获取邻域内的点云在截平面上投影的平面坐标,并将平面内所有坐标点顺次连接,直至折线封闭;
S9:计算封闭折线的周长其中n为邻域内点的总数。
本发明还揭示了一种基于机器视觉和散斑的人体测量方法,包括如下步骤:
S1:图像数据采集,利用散斑投射器向被测人体指定局部投射随机的散斑图案,并由所述测量头的相机同步拍摄被测人体指定局部的图像;
S2:被测人体指定局部三维点云重建,对拍摄到指定局部的测量头的相机所采集到的图像数据进行数字图像相关运算,并计算出待测人体指定局部表面密集点的三维坐标,实现待测人体指定局部的三维点云重建;
S3:被测人体指定局部三维点云拼接配准,对不同测量头获得的三维点云进行拼接配准,以获得被测人体指定局部的完整点云模型;
S4:对指定局部进行有限元分割求和,从而得到被测人体指定局部的面积或体积。
进一步地,所述基于机器视觉和散斑的人体测量方法还包括如下步骤:
S5:坐标转换,对重建后的三维点云数据进行3-2-1坐标转换,并选择人体高度方向为z轴方向;
S6:截面分割,选取一系列垂直于z轴的截面进行分割;
S7:获取邻域内的点云在截平面上投影的平面坐标,并将平面内所有坐标点顺次连接,直至折线封闭;
S8:计算封闭折线的周长其中n为邻域内点的总数。
本发明的有益效果在于:本发明基于机器视觉和散斑的测量方法能够测量大型物体的面积或体积,测量精度较高,且为非接触式测量,应用场合广泛。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1所示为本发明基于机器视觉和散斑的测量方法的流程示意图。
图2所示为Gregory曲面片。
图3为角度阈值T为0.4时的滤波效果图。
图4为角度阈值T为0.75时的滤波效果图。
图5为角度阈值T为0.9时的滤波效果图。
图6为通过截面分割及围长提取结果的效果图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
请参见图1所示,本发明基于机器视觉和散斑的测量方法,包括如下步骤:
S0:多相机全局标定。首先,将标定板放置在测量视场中并摆放出不同位姿,然后所有测量头的相机同步采集不同位姿下的图像,并对采集的图像进行处理,从而获得所有测量头的相机的内部参数和外部参数。所述测量视场为所有测量头的相机的公共视野。所述标定板的正反面都均匀印制有环形的编码标 志点和圆点型的非编码标志点。标定时,所述标定板至少具有24种不同位姿,以提高相机标定精度。
S1:图像数据采集。首先,分析环境光强,并判断是否需要进行补光,以便保证采集到的图像数据清晰准确。然后,利用散斑投射器向被测物体投射随机的散斑图案,并由所述测量头的相机同步拍摄被测物体的图像。所述被测物体位于所有测量头的相机的公共视野内。
在本实施例中,环境光强是通过采集到的图像的灰度值来判断的。当灰度值超过阈值时,则表明环境光强较强,此时调节镜头光圈,减少进光量;当灰度值低于阈值时,则表明环境光强较弱,此时打开补光灯,进行补光。
S2:被测物体三维点云重建。对每一测量头的相机采集到的图像数据进行数字图像相关运算,并计算出待测物体表面密集点的三维坐标,实现待测物体的三维点云重建。
S3:被测物体三维点云拼接配准。首先,对不同测量头获得的三维点云进行拼接配准,以获得被测物体的完整点云模型。然后,点云优化过滤,对多幅点云法向进行滤波,然后通过两幅点云的双向查找来寻找种子点,并在种子点的法向寻找两幅点云中对应的k邻域,计算邻域点的加权和。对于给定种子点pi,其最近邻域为Nk(pi),则滤波后的法向为其中权函数 T是给定的角度阈值。接着,点云三角化封装,用互不相交的三角形来近似表示点集形成的曲面。最后,封装实体化,利用Gregory曲面片构建精确光滑贴合曲面,并填充为实体。请参阅图2所示,所述Gregory曲面片是由一组控制点确定的,即G={P0,P1,P2,P01,P02,P12,P21,P20,P02,q01,q02,q12,q21,q20,q02},其中{P0,P1,P2}为角控制点,{P0,P1,P2,P01,P02}为边界控制点,{q01,q02,q12,q21,q20,q02}为内部控制点,记(u|v)为Gregory三角域中参数点的中心坐标,则对Gregory三角域的插值函数GT(u|v)=w3P0+u3P1+v3P0+…,其中u+v+w=1。
当角度阈值T=0.4时,滤波效果如图3所示;当角度阈值T=0.75时,滤波效果如图4所示;当角度阈值T=0.9时,滤波效果如图5所示。经过多项实验结果对比,发现当角度阈值T=0.75时,具有较好地滤波效果。
S4:有限元分割求和。对完整点云模型进行有限元网格划分,并通过微元法积分求和,从而得到被测物体的面积或体积。体积计算采用点云作为插值点,使用GUSS型求积公式进行三重积分求和计算,公式为其中xk为插值点。
S5:算出被测物体质量。获取被测物体的材料类型,并从标准材料库中提取该型材料的密度值,从而计算出被测物体的质量。
S6:坐标转换,对重建后的三维点云数据进行3-2-1坐标转换,并选择人体高度方向为z轴方向。
S7:截面分割,选取一系列垂直于z轴的截面进行分割。
S8:获取邻域内的点云在截平面上投影的平面坐标,并将平面内所有坐标点顺次连接,直至折线封闭。
S9:计算封闭折线的周长其中n为邻域内点的总数。
本发明还揭示了一种基于机器视觉和散斑的人体测量方法,包括如下步骤:
S0:多相机全局标定,将标定板放置在测量视场中并摆放出不同姿态,然后所有测量头的相机同步采集不同姿态下的图像,并对采集的图像进行处理,从而得到所有测量头的相机的内部参数和外部参数。
S1:图像数据采集,利用散斑投射器向被测人体指定局部投射随机的散斑图案,并由所述测量头的相机同步拍摄被测人体指定局部的图像。
S2:被测人体指定局部三维点云重建,对拍摄到指定局部的测量头的相机所采集到的图像数据进行数字图像相关运算,并计算出待测人体指定局部表面密集点的三维坐标,实现待测人体指定局部的三维点云重建。
S3:被测人体指定局部三维点云拼接配准,对不同测量头获得的三维点云进行拼接配准,以获得被测人体指定局部的完整点云模型。
S4:对指定局部进行有限元分割求和,从而得到被测人体指定局部的面积或体积。
S5:坐标转换,对重建后的三维点云数据进行3-2-1坐标转换,并选择人体高度方向为z轴方向。
S6:截面分割,选取一系列垂直于z轴的截面进行分割。
S7:获取邻域内的点云在截平面上投影的平面坐标,并将平面内所有坐标点顺次连接,直至折线封闭。
S8:计算封闭折线的周长其中n为邻域内点的总数。其效果图如图6。
本发明所述基于机器视觉和散斑的人体测量方法能够准确提取出人体指定局部的尺寸,有效满足了虚拟试衣、医疗整形等领域对人体指定局部尺寸的需求。
综上所述:本发明基于机器视觉和散斑的测量方法能够测量大型物体的面积、体积、质量或围长,并且测量精度较高,且为非接触式测量,应用场合广泛。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种基于机器视觉和散斑的测量方法,其特征在于,包括如下步骤:
S1:图像数据采集,利用散斑投射器向被测物体投射随机的散斑图案,并由所述测量头的相机同步拍摄被测物体图像;
S2:被测物体三维点云重建,对每一测量头的相机采集到的图像数据进行数字图像相关运算,并计算出待测物体表面密集点的三维坐标,实现待测物体的三维点云重建;
S3:被测物体三维点云拼接配准,对不同测量头获得的三维点云进行拼接配准,以获得被测物体的完整点云模型;
S4:有限元分割求和,对完整点云模型进行有限元网格划分,并通过微元法积分求和,从而得到被测物体的面积或体积;
S6:坐标转换,对重建后的三维点云数据进行3-2-1坐标转换,并选择高度方向为z轴方向;
S7:截面分割,选取一系列垂直于z轴的截面进行分割;
S8:获取邻域内的点云在截平面上投影的平面坐标,并将平面内所有坐标点顺次连接,直至折线封闭;
S9:计算封闭折线的周长其中n为邻域内点的总数。
2.如权利要求1所述的基于机器视觉和散斑的测量方法,其特征在于:在步骤S1之前,所述基于机器视觉和散斑的测量方法还包括步骤S0:多相机全局标定,将标定板放置在测量视场中并摆放出不同姿态,然后所有测量头的相机同步采集不同姿态下的图像,并对采集的图像进行处理,从而得到所有测量头的相机的内部参数和外部参数。
3.如权利要求2所述的基于机器视觉和散斑的测量方法,其特征在于:在所述步骤S0中,所述标定板至少具有24种不同位姿,以提高相机标定精度。
4.如权利要求1所述的基于机器视觉和散斑的测量方法,其特征在于:所述步骤S1还包括步骤S11:分析环境光强,并判断是否需要进行补光。
5.如权利要求1所述的基于机器视觉和散斑的测量方法,其特征在于:所述步骤S3还包括步骤S31:点云优化过滤,首先对多幅点云法向进行滤波,然后通过两幅点云的双向查找来寻找种子点,并在种子点的法向寻找两幅点云中对应的k邻域,计算邻域点的加权和。
6.如权利要求5所述的基于机器视觉和散斑的测量方法,其特征在于:对于给定点pi,其最近邻域为Nk(pi),则滤波后的法向为其中权函数T是给定的角度阈值。
7.如权利要求6所述的基于机器视觉和散斑的测量方法,其特征在于:所述T的值为0.75。
8.如权利要求5所述的基于机器视觉和散斑的测量方法,其特征在于:所述步骤S3还包括步骤S32:点云三角化封装,用互不相交的三角形来近似表示点集形成的曲面。
9.如权利要求8所述的基于机器视觉和散斑的测量方法,其特征在于:所述步骤S3还包括步骤S33:封装实体化,利用Gregory曲面片构建精确光滑贴合曲面,并填充为实体。
10.如权利要求9所述的基于机器视觉和散斑的测量方法,其特征在于:所述Gregory曲面片是由一组控制点确定的,即G={P0,P1,P2,P01,P02,P12,P21,P20,P02,q01,q02,q12,q21,q20,q02},其中{P0,P1,P2}为角控制点,{P0,P1,P2,P01,P02}为边界控制点,{q01,q02,q12,q21,q20,q02}为内部控制点,记(u|v)为Gregory三角域中参数点的中心坐标,则对Gregory三角域的插值函数GT(u|v)=w3P0+u3P1+v3P0+…,其中u+v+w=1。
11.如权利要求1所述的基于机器视觉和散斑的测量方法,其特征在于:所述基于机器视觉和散斑的测量方法还包括步骤S5:算出被测物体质量,根据标准材料库的参数计算出被测物体的质量。
12.一种基于机器视觉和散斑的人体测量方法,其特征在于,包括如下步骤:
S1:图像数据采集,利用散斑投射器向被测人体指定局部投射随机的散斑图案,并由所述测量头的相机同步拍摄被测人体指定局部的图像;
S2:被测人体指定局部三维点云重建,对拍摄到指定局部的测量头的相机所采集到的图像数据进行数字图像相关运算,并计算出待测人体指定局部表面密集点的三维坐标,实现待测人体指定局部的三维点云重建;
S3:被测人体指定局部三维点云拼接配准,对不同测量头获得的三维点云进行拼接配准,以获得被测人体指定局部的完整点云模型;
S4:对指定局部进行有限元分割求和,从而得到被测人体指定局部的面积或体积;
S5:坐标转换,对重建后的三维点云数据进行3-2-1坐标转换,并选择人体高度方向为z轴方向;
S6:截面分割,选取一系列垂直于z轴的截面进行分割;
S7:获取邻域内的点云在截平面上投影的平面坐标,并将平面内所有坐标点顺次连接,直至折线封闭;
S8:计算封闭折线的周长其中n为邻域内点的总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264682.2A CN106767562B (zh) | 2016-12-30 | 2016-12-30 | 一种基于机器视觉和散斑的测量方法及人体测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264682.2A CN106767562B (zh) | 2016-12-30 | 2016-12-30 | 一种基于机器视觉和散斑的测量方法及人体测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106767562A CN106767562A (zh) | 2017-05-31 |
CN106767562B true CN106767562B (zh) | 2019-07-12 |
Family
ID=58951763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611264682.2A Active CN106767562B (zh) | 2016-12-30 | 2016-12-30 | 一种基于机器视觉和散斑的测量方法及人体测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106767562B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918698A (zh) * | 2017-10-27 | 2018-04-17 | 中航通飞研究院有限公司 | 一种水陆两栖飞机机身蒙皮质量分布计算方法 |
CN108198243A (zh) * | 2017-12-20 | 2018-06-22 | 新疆林科院森林生态研究所 | 森林融雪监测系统 |
CN108120427A (zh) * | 2017-12-21 | 2018-06-05 | 苏州临点三维科技有限公司 | 一种非接触式不规则物体的测量方法及系统 |
CN108051280A (zh) * | 2017-12-26 | 2018-05-18 | 常州大学 | 基于人工智能的高精度去除氯离子方法 |
CN109785379B (zh) * | 2018-12-17 | 2021-06-15 | 中国科学院长春光学精密机械与物理研究所 | 一种对称物体尺寸及重量的测量方法及测量系统 |
CN110146029B (zh) * | 2019-05-28 | 2021-04-13 | 北京林业大学 | 一种细长构件准静态全场变形测量装置及方法 |
CN113034619A (zh) * | 2021-04-23 | 2021-06-25 | 中科微至智能制造科技江苏股份有限公司 | 包裹信息测量方法、装置及存储介质 |
CN113048886B (zh) * | 2021-05-31 | 2021-08-17 | 山东捷瑞数字科技股份有限公司 | 计量工件不规则体尺寸的测量方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608908A (zh) * | 2009-07-20 | 2009-12-23 | 杭州先临三维科技股份有限公司 | 数字散斑投影和相位测量轮廓术相结合的三维数字成像方法 |
CN104282040A (zh) * | 2014-09-29 | 2015-01-14 | 北京航空航天大学 | 一种用于三维实体模型重建的有限元前处理方法 |
CN105046746A (zh) * | 2015-08-05 | 2015-11-11 | 西安新拓三维光测科技有限公司 | 一种数字散斑人体三维快速扫描方法 |
CN105654543A (zh) * | 2014-09-25 | 2016-06-08 | 薛联凤 | 面向激光点云数据的阔叶树真实叶片建模与形变方法 |
-
2016
- 2016-12-30 CN CN201611264682.2A patent/CN106767562B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608908A (zh) * | 2009-07-20 | 2009-12-23 | 杭州先临三维科技股份有限公司 | 数字散斑投影和相位测量轮廓术相结合的三维数字成像方法 |
CN105654543A (zh) * | 2014-09-25 | 2016-06-08 | 薛联凤 | 面向激光点云数据的阔叶树真实叶片建模与形变方法 |
CN104282040A (zh) * | 2014-09-29 | 2015-01-14 | 北京航空航天大学 | 一种用于三维实体模型重建的有限元前处理方法 |
CN105046746A (zh) * | 2015-08-05 | 2015-11-11 | 西安新拓三维光测科技有限公司 | 一种数字散斑人体三维快速扫描方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106767562A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106767562B (zh) | 一种基于机器视觉和散斑的测量方法及人体测量方法 | |
CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
CN105627992B (zh) | 一种快速高精度非接触测绘古建筑的方法 | |
CN101292255B (zh) | 三维成像中的人工痕迹消除 | |
CN105066909B (zh) | 一种手持式多激光条纹快速三维测量方法 | |
CN106017325B (zh) | 一种改进的复杂表面和不规则物体体积的非接触光学测量方法 | |
CN105547189B (zh) | 基于变尺度的高精度光学三维测量方法 | |
US10424078B2 (en) | Height measuring system and method | |
CN108335350A (zh) | 双目立体视觉的三维重建方法 | |
CN106846461B (zh) | 一种人体三维扫描方法 | |
CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
CN109443209A (zh) | 一种基于单应性矩阵的线结构光系统标定方法 | |
CN107167093A (zh) | 一种激光线扫描与阴影莫尔的复合式测量系统及测量方法 | |
CN107928675A (zh) | 一种基于深度学习和红点激光相结合的人体躯干测量方法 | |
CN104408762A (zh) | 利用单目和二维平台获取物体图像信息及三维模型的方法 | |
CN109520436A (zh) | 一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统及其测量方法 | |
CN107633532B (zh) | 一种基于白光扫描仪的点云融合方法及系统 | |
CN104933704B (zh) | 一种三维立体扫描方法及系统 | |
CN107067394A (zh) | 一种倾斜摄影获取点云坐标的方法及装置 | |
Sulej et al. | The membrane shape mapping of the artificial ventricle in the actual dimensions | |
CN106840111A (zh) | 物体间位置姿态关系实时统一系统及方法 | |
CN107705335A (zh) | 标定非共视域线扫激光测距仪和测量相机方位的方法 | |
CN106264537A (zh) | 图像中人体姿态高度的测量系统及方法 | |
CN111353997A (zh) | 一种基于条纹投影的实时三维面型缺陷检测方法 | |
KR100623666B1 (ko) | 디지털 사진측량기술과 무타켓 토탈 스테이션을 이용한3차원 지리정보시스템용 수치영상도면 제작방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200430 Address after: 215128 building 3, No. 50, beiguandu Road, Yuexi street, Wuzhong District, Suzhou City, Jiangsu Province Patentee after: Suzhou hezhimu Intelligent Technology Co., Ltd Address before: 215000, B6, 99 benevolence Road, Suzhou Industrial Park, Jiangsu, Suzhou Patentee before: SUZHOU XJTOP THREE-DIMENSIONAL TECHNOLOGY Co.,Ltd. |