CN107452062B - 三维模型构建方法、装置、移动终端、存储介质及设备 - Google Patents

Abstract

本发明公开了一种三维模型构建方法、装置、移动终端、存储介质及设备，其中方法包括：分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型；提取第一模型的点云数据以获取第一点云数据，提取第二模型的点云数据以获取第二点云数据；匹配第一点云数据和第二点云数据，得到最优变换参数；根据最优变换参数对第二点云数据进行变换操作，得到第三点云数据；将第三点云数据注册至第一点云数据中，得到第四点云数据；根据第四点云数据构建待扫描物体的三维模型。本发明通过扫描待扫描物体的两个不同姿态，扫描更为全面，并且根据扫描结果获取两个模型，再进行融合得到待扫描物体的三维模型更完整，效果更好。

Description

三维模型构建方法、装置、移动终端、存储介质及设备

技术领域

本发明涉及三维扫描技术领域，尤其涉及一种三维模型构建方法、装置、移动终端、存储介质及设备。

背景技术

三维扫描和重建是集光、机、电和计算机技术于体的高新技术，主要用于对物体外部结构及色彩进行扫描，以获得物体的空间坐标。其重要意义在于能够将物体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相当方便快捷的手段。三维扫描和重建技术在很多领域都有广泛的应用，如在工业上用于逆向工程计算，在医疗上用于面形检测，在生产中用于产品质量控制等。

现有技术中，三维扫描设备使用一种姿态来物体，再获取物体的三维模型，受限于光的照射和相机的拍摄范围限制，有较大部分区域没法扫描得到，因此模型的完整性不够。

发明内容

本发明所要解决的技术问题是提供一种三维模型构建方法、装置、移动终端、存储介质及设备，旨在解决现有的三维扫描设备扫描的物体不完整，构建的三维模型效果差的问题。

为了解决上述问题，本发明提供了一种三维模型构建方法，其包括：

分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型；

提取所述第一模型的点云数据以获取第一点云数据，提取所述第二模型的点云数据以获取第二点云数据；

匹配所述第一点云数据和所述第二点云数据，得到最优变换参数；

根据所述最优变换参数对所述第二点云数据进行变换操作，得到第三点云数据；

将所述第三点云数据注册至所述第一点云数据中，得到第四点云数据；

根据所述第四点云数据构建所述待扫描物体的三维模型。

作为本发明的进一步改进，在所述匹配所述第一点云数据和所述第二点云数据，得到最优变换参数的步骤之前，还包括：

获取所述第一模型的第一图像曲率，根据所述第一图像曲率对所述第一点云数据进行降采样；获取所述第二模型的第二图像曲率，根据所述第二图像曲率对所述第二点云数据进行降采样。

作为本发明的进一步改进，所述匹配所述第一点云数据和所述第二点云数据，得到最优变换参数的步骤，包括：

从所述第一点云数据的每个点云中分别挑选出一个点构成第一点集合，将所述第一点集合执行点对特征计算操作得到多个标准点对特征，每个所述标准点对特征对应一个点对；

从所述第二点云数据的部分点云中分别挑选出一个点构成第二点集合，将所述第二点集合执行所述点对特征计算操作得到多个采样点对特征，每个所述采样点对特征对应一个点对；

将所述多个采样点对特征分别一一与所述多个标准点对特征进行匹配；

当匹配成功时，计算匹配成功的所述采样点对特征对应的点对与所述标准点对特征对应的点对之间的变换参数，从而得到多个变换参数，并且计算每个所述变换参数对应的旋转角度，从而得到多个旋转角度；

获取所述多个旋转角度中出现次数最高的旋转角度对应的变换参数并保存为所述最优变换参数。

作为本发明的进一步改进，所述点对特征计算操作包括：

获取所述第一点集合或所述第二点集合中多个点的三维坐标m1，m2，……，mN，及所述多个点中每个点所属的点云构成的平面的法向量n1，n2，……，nN，及所述每个点所属的点云的颜色c1，c2，……，cN；

将所述多个点之间进行两两配对，计算配对点之间的向量d＝(mi-mj)，其中，1≤i≤N,1≤j≤N,i≠j,N≥3；

计算所述配对点之间的第一夹角theta1＝∠(ni，nj)；

计算所述配对点之间的第二夹角theta2＝∠(ni，d)；

计算所述配对点之间的第三夹角theta3＝∠(d，nj)；

计算所述配对点之间的颜色差dc＝(ci-cj)；

所述向量d、所述第一夹角theta1、所述第二夹角theta2、所述第三夹角theta3、所述颜色差dc构成一个所述标准点对特征或一个所述采样点对特征，重复执行以得到多个所述标准点对特征或多个所述采样点对特征。

作为本发明的进一步改进，所述将所述第三点云数据注册至所述第一点云数据中，得到第四点云数据的步骤，包括：

注册所述第三点云数据至所述第一点云数据中；

获取所述第三点云数据的多个点云L1，L2，……，LN，其中N≥3；

获取点云Li的中心三维坐标，其中，1≤i≤N，检测以所述中心三维坐标为中心，以预设距离为半径的范围内，是否存在所述第一点云数据中的点云；若存在，则删除所述点云Li；所述第三点云数据的所有点云执行完该步骤后，得到所述第四点云数据。

为了解决上述问题，本发明还提供了一种三维模型构建装置，其包括：

扫描模块，用于分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型；

提取模型，用于提取所述第一模型的点云数据以获取第一点云数据，提取所述第二模型的点云数据以获取第二点云数据；

匹配模块，用于匹配所述第一点云数据和所述第二点云数据，得到最优变换参数；

变换模块，用于根据所述最优变换参数对所述第二点云数据进行变换操作，得到第三点云数据；

注册模块，用于将所述第三点云数据注册至所述第一点云数据中，得到第四点云数据；

构建模块，用于根据所述第四点云数据构建所述待扫描物体的三维模型。

作为本发明的进一步改进，其还包括：

降采样模块，用于获取所述第一模型的第一图像曲率，根据所述第一图像曲率对所述第一点云数据进行降采样；获取所述第二模型的第二图像曲率，根据所述第二图像曲率对所述第二点云数据进行降采样。

作为本发明的进一步改进，所述匹配模块包括：

标准点对特征获取单元，用于从所述第一点云数据的每个点云中分别挑选出一个点构成第一点集合，将所述第一点集合执行点对特征计算操作得到多个标准点对特征，每个所述标准点对特征对应一个点对；

采样点对单元获取单元，用于从所述第二点云数据的部分点云中分别挑选出一个点构成第二点集合，将所述第二点集合执行所述点对特征计算操作得到多个采样点对特征，每个所述采样点对特征对应一个点对；

点对特征匹配单元，用于将所述多个采样点对特征分别一一与所述多个标准点对特征进行匹配；

变换参数计算单元，用于当匹配成功时，计算匹配成功的所述采样点对特征对应的点对与所述标准点对特征对应的点对之间的变换参数，从而得到多个变换参数，并且计算每个所述变换参数对应的旋转角度，从而得到多个旋转角度；

最优变换参数获取单元，用于获取所述多个旋转角度中出现次数最高的旋转角度对应的变换参数并保存为所述最优变换参数。

作为本发明的进一步改进，其还包括点对特征计算模块，用于执行所述点对特征计算操作，所述点对特征计算模块包括：

参数获取单元，用于获取所述第一点集合或所述第二点集合中多个点的三维坐标m1，m2，……，mN，及所述多个点中每个点所属的点云构成的平面的法向量n1，n2，……，nN，及所述每个点所属的点云的颜色c1，c2，……，cN；

配对单元，用于将所述多个点之间进行两两配对，计算配对点之间的向量d＝(mi-mj)，其中，1≤i≤N,1≤j≤N,i≠j,N≥3；

第一计算单元，用于计算所述配对点之间的第一夹角theta1＝∠(ni，nj)；

第二计算单元，用于计算所述配对点之间的第二夹角theta2＝∠(ni，d)；

第三计算单元，用于计算所述配对点之间的第三夹角theta3＝∠(d，nj)；

第四计算单元，用于计算所述配对点之间的颜色差dc＝(ci-cj)；

所述向量d、所述第一夹角theta1、所述第二夹角theta2、所述第三夹角theta3、所述颜色差dc构成一个所述标准点对特征或一个所述采样点对特征，重复执行以得到多个所述标准点对特征或多个所述采样点对特征。

作为本发明的进一步改进，所述注册模块包括：

点云数据注册单元，用于注册所述第三点云数据至所述第一点云数据中；

点云获取单元，用于获取所述第三点云数据的多个点云L1，L2，……，LN，其中N≥3；

点云删除单元，用于获取点云Li的中心三维坐标，其中，1≤i≤N，检测以所述中心三维坐标为中心，以预设距离为半径的范围内，是否存在所述第一点云数据中的点云；若存在，则删除所述点云Li；所述第三点云数据的所有点云执行完该步骤后，得到所述第四点云数据。

为了解决上述问题，本发明还提供了一种移动终端，所述移动终端包括至少一处理器、存储器及接口，所述至少一处理器、存储器及接口均通过总线连接；

所述存储器存储计算机程序；

所述至少一个处理器执行所述存储器存储的计算机程序，使得所述移动终端执行上述任一项所述的三维模型构建方法。

为了解决上述问题，本发明提还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的三维模型构建方法的步骤。

为了解决上述问题，本发明还提供了一种三维扫描设备，其特征在于，其包括终端支撑装置、转台和上述的移动终端，所述移动终端可拆卸地固定于终端支撑装置上，终端支撑装置上设置至少一个激光器，所述移动终端、所述转台、所述激光器通过OTG设备电性连接。

相比于现有技术，本发明公开的三维模型构建方法通过扫描待扫描物体的两种不同姿态，实现了对待扫描物体的更为全面的扫描，根据该扫描得出的三维模型更为完整。并且，通过扫描待扫描物体的两种不同姿态，从而得到两个模型，将该两个模型进行匹配融合后得到的三维模型更精细，用于体验效果更好。

附图说明

图1为本发明三维模型构建方法第一种实施例的流程图；

图2为本发明三维模型构建方法第二种实施例的流程图；

图3为本发明三维模型构建方法第三种实施例的流程图；

图4为本发明三维模型构建方法中点对特征计算操作一种实施例的流程图；

图5为本发明三维模型构建方法中点对特征示意图；

图6为本发明三维模型构建方法第四种实施例的流程图；

图7为本发明三维模型构建装置第一种实施例的功能模块图；

图8为本发明三维模型构建装置第二种实施例的功能模块图；

图9为本发明三维模型构建装置第三种实施例的功能模块图；

图10为本发明三维模型构建装置中点对特征计算模块一种实施例的功能模块图；

图11为本发明三维模型构建装置第四种实施例的功能模块图；

图12为本发明移动终端一种实施例的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用来限定本发明。

图1展示了本发明三维模型构建方法的一种实施例。在本实施例中，如图1所示，该三维模型构建方法包括：

需要说明的是，本发明实施例与其他实施例中三维模型构建方法应用于移动终端，所述移动终端设置有摄像头，其包括但不限于手机、平板、ipad。

步骤S10，分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型。

具体地，扫描待扫描物体时，具体根据待扫描物体的形状特性，变换不同的姿态，例如，第一次扫描时将待扫描物体竖直放置，第二次扫描时，将待扫描物体旋转90度放置，再进行扫描，从而得到待扫描物体两个不同姿态的模型。

步骤S11，提取第一模型的点云数据以获取第一点云数据，提取第二模型的点云数据以获取第二点云数据。

具体地，点云数据是指扫描待扫描物体以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息等。

步骤S12，匹配第一点云数据和第二点云数据，得到最优变换参数。

具体地，因第一点云数据和第二点云数据是在待扫描物体两种不同的姿态下获取的，根据点云数据的特征，将第一点云数据和第二点云数据进行匹配，从而获得其中一个点云数据相对于另一个点云数据的最优变换参数。

步骤S13，根据最优变换参数对第二点云数据进行变换操作，得到第三点云数据。

具体地，将第二点云数据根据最优变换参数进行变换操作，从而得到第三点云数据，应当理解的是，此处同样可以将第一点云数据根据最优变换参数进行变换操作，两者达到的技术效果相同。

步骤S14，将第三点云数据注册至第一点云数据中，得到第四点云数据。

具体地，第二点云数据经变换操作得到的第三点云数据与第一点云数据存在部分重叠信息，根据该部分重叠信息，将第三点云数据注册至第一点云数据中，得到第四点云数据。

步骤S15，根据第四点云数据构建待扫描物体的三维模型。

具体地，将第四点云数据进行三角化计算，从而构建出待扫描物体的三围模型。

本实施例中，通过对待扫描物体的不同姿态进行扫描，从而使得对待扫描物体扫描得更为彻底，再将扫描得到的两个模型，根据其点云数据的信息进行融合，从而得到一个更完整、更精细的三维模型，用于体验效果好。

将本发明的三维模型构建方法应用于移动终端，为了降低计算量，节省系统资源，因此，在上述实施例的基础上，其他实施例中，如图2所示，步骤S12之前，还包括：

步骤S20，获取第一模型的第一图像曲率，根据第一图像曲率对第一点云数据进行降采样；获取第二模型的第二图像曲率，根据第二图像曲率对第二点云数据进行降采样。

本实施例中，通常地，图像的曲率变化大的区域，其三维特征明显，需要保留较高的点云密度，以保证其三维特征，而曲率变化小的区域，说明该区域为图像的平坦区域，可以适当降低该区域的点云密度。因此，本实施例中可根据第一模型的图像的曲率对第一点云数据进行降采样操作，根据第二模型的图像的曲率对第二点云数据进行降采样操作，从而降低点云数量，从而减少数据的计算量，节省了系统资源。

将本发明的三维模型构建方法应用于移动终端，在上述实施例的基础上，其他实施例中，如图3所示，步骤S12包括：

步骤S30，从第一点云数据的每个点云中分别挑选出一个点构成第一点集合，将第一点集合执行点对特征计算操作得到多个标准点对特征，每个标准点对特征对应一个点对。

具体地，分别从第一点云数据中的每个点云挑选出一个点，该点优选为点云的中心点，将这些点构成第一点集合，将第一点集合中的点进行两两配对，组成多组配对点，再对这些配对点执行点对特征计算操作，从而得到多个标准点对特征，该标准点对特征中包含了配对点之间的特征信息。

步骤S31，从第二点云数据的部分点云中分别挑选出一个点构成第二点集合，将第二点集合执行点对特征计算操作得到多个采样点对特征，每个采样点对特征对应一个点对。

具体地，采样点对特征请参考上述标准点对特征获取的过程。

步骤S32，将多个采样点对特征分别一一与多个标准点对特征进行匹配。

具体地，根据点对特征中包含的特征信息，将采样点对特征一一与标准点对特征进行匹配，当两者之间的特征信息相似性达到预设要求时，则认为匹配成功。

步骤S33，当匹配成功时，计算匹配成功的采样点对特征对应的点对与标准点对特征对应的点对之间的变换参数，从而得到多个变换参数，并且获取每个所述变换参数对应的旋转角度，从而得到多个旋转角度。

步骤S34，获取所述多个旋转角度中出现次数最高的旋转角度对应的变换参数并保存为所述最优变换参数。

具体地，当采样点对特征中的点对与标准点对特征中的点对匹配成功时，计算采样点对特征中的点对与标准点对特征中的点对的变换参数，从而获得多个变换参数。而变换参数的计算过程包括下述过程：设有标准点对(mi，mr)，以mr为坐标原点建立局部坐标系，mr的法向量mNr及点对(mi，mr)构成的向量d1构成的平面为xOy平面，计算得到z坐标轴，mNr为X轴；设有采样点对(si，sr)，si和sr之间的向量为d2，将采样点对中的sr平移到局部坐标系的原点处，即mr处，并将sr的法向量sNr旋转到X轴，即mr点的法向量mNr上，此时向量d2跟着旋转，从而得到平移旋转向量d3，计算出平移旋转参数；而当向量d3未落入xOy平面时，则需要将向量d3绕X轴进行旋转，以使得向量d3落入xOy平面，此时，计算出旋转角度α，旋转角度α的取值范围为(-180°，180°)，最终根据平移旋转参数和旋转角度得到变换参数。其中，通过统计各旋转角度α的出现次数，从而可得到出现次数最多的旋转角度α，获取其对应的变换参数，则该变换参数即最优变换参数。

本实施例中，将第一模型设为标准模型，根据第一点云数据计算出标准点对特征，将第二模型设为采样模型，从中选取部分点云数据作为采样数据从而计算出采样点对特征，再对标准点对特征和采样点对特征进行匹配，从而得到最优变换参数，第二点云数据中的点云数据即可参照该最优变换参数进行变换操作。应当理解的是，同样可以将第一模型设为采样模型，将第二模型设为标准模型，两者达到了相同的技术效果，所以应当均纳入本发明的保护范围之内。优选地，具体可根据第一点云数据和第二点云数据中，点云数据的量来确定标准模型和采样模型，选取点云数据量较大的作为标准模型，另一点云数据作为采样模型，从而减少标准模型的标准点对特征的计算量，节省系统资源。

将本发明的三维模型构建方法应用于移动终端的过程中，在上述实施例的基础上，其他实施例中，如图4所示，点对特征计算操作包括以下步骤：

步骤S40，获取第一点集合或第二点集合中多个点的三维坐标m1，m2，……，mN，及多个点中每个点所属的点云构成的平面的法向量n1，n2，……，nN，及每个点所属的点云的颜色c1，c2，……，cN。

步骤S41，将多个点之间进行两两配对，计算配对点之间的向量d＝(mi-mj)，其中，1≤i≤N,1≤j≤N,i≠j,N≥3。

步骤S42，计算配对点之间的第一夹角theta1＝∠(ni，nj)。

步骤S43，计算配对点之间的第二夹角theta2＝∠(ni，d)。

步骤S44，计算配对点之间的第三夹角theta3＝∠(d，nj)。

步骤S45，计算配对点之间的颜色差dc＝(ci-cj)。

向量d、第一夹角theta1、第二夹角theta2、第三夹角theta3、颜色差dc构成一个标准点对特征或一个采样点对特征，重复执行以得到多个标准点对特征或多个采样点对特征。

具体地，如图5所示，本实施例中，以点i和点j为例进行说明，根据点i和点j的三维坐标mi和mj即可计算出点i和点j之间的向量d。第一夹角theta1为点i所属点云构成的平面的法向量ni和点j所属点云构成的平面的法向量nj之间的夹角，将ni或nj进行平移使得其端点重合即可计算出第一夹角theta1的值。第二夹角theta2为点i所属点云构成的平面的法向量ni和向量d之间的夹角。第三夹角theta3为向量d和点j所属点云构成的平面的法向量nj之间的夹角。颜色差dc为点i和点j之间的颜色差。本实施例中，为了提高颜色的鲁棒性，可根据点的颜色c使用高斯窗对邻域进行加权平均，从而提高颜色的鲁棒性。

本实施例中，通过执行上述点对特征计算操作，即可获取第一点集合的标准点对特征或第二点集合的采样点对特征。

将本发明的三维模型构建方法应用于移动终端，为了降低数据的计算量，因此，在上述实施例的基础上，其他实施例中，如图6所示，步骤S14包括：

步骤S50，注册第三点云数据至第一点云数据中。

步骤S51，获取第三点云数据的多个点云L1，L2，……，LN，其中N≥3。

步骤S52，获取点云Li的中心三维坐标，其中，1≤i≤N，检测以中心三维坐标为中心，以预设距离为半径的范围内，是否存在第一点云数据中的点云；若存在，则删除点云Li；第三点云数据的所有点云执行完该步骤后，得到第四点云数据。

本实施例中，以点云Li为例进行说明，将第三点云数据注册至第一点云数据中后，第一点云数据和第三点云数据在处于同一个坐标系中，获取第三点云数据的点云Li的坐标和预设距离，计算出以点云Li为圆心，预设距离为半径的范围内，是否存在第一点云数据中的点云，若存在，则该点云Li为重复点云，所以删除点云Li。通过对每一个第三点云数据中的点云进行判断，删除重复的点云数据，获得更为精简的第四点云数据，再根据该第四点云数据进行三角化计算时，减少了数据的计算量，节省了系统资源，同时计算速度更快。

图7展示了本发明三维模型构建装置的一种实施例。本实施例中，如图7所示，该三维模型构建装置包括扫描模块10、提取模型11、匹配模块12、变换模块13、注册模块14、构建模块15。其中，扫描模块10，用于分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型；提取模型11，用于提取第一模型的点云数据以获取第一点云数据，提取第二模型的点云数据以获取第二点云数据；匹配模块12，用于匹配第一点云数据和第二点云数据，得到最优变换参数；变换模块13，用于根据最优变换参数对第二点云数据进行变换操作，得到第三点云数据；注册模块14，用于将第三点云数据注册至第一点云数据中，得到第四点云数据；构建模块15，用于根据第四点云数据构建待扫描物体的三维模型。

上述实施例的基础上，其他实施例中，如图8所示，该处理器还包括降采样模块20，用于获取第一模型的第一图像曲率，根据第一图像曲率对第一点云数据进行降采样；获取第二模型的第二图像曲率，根据第二图像曲率对第二点云数据进行降采样。

上述实施例的基础上，其他实施例中，如图9所示，匹配模块12包括标准点对特征获取单元121、采样点对单元获取单元122、点对特征匹配单元123、变换参数计算单元124、最优变换参数获取单元125。

其中，标准点对特征获取单元121，用于从第一点云数据的每个点云中分别挑选出一个点构成第一点集合，将第一点集合执行点对特征计算操作得到多个标准点对特征，每个标准点对特征对应一个点对；采样点对单元获取单元122，用于从第二点云数据的部分点云中分别挑选出一个点构成第二点集合，将第二点集合执行点对特征计算操作得到多个采样点对特征，每个采样点对特征对应一个点对；点对特征匹配单元123，用于将多个采样点对特征分别一一与多个标准点对特征进行匹配；变换参数计算单元124，用于用于当匹配成功时，计算匹配成功的采样点对特征对应的点对与标准点对特征对应的点对之间的变换参数，从而得到多个变换参数，并且计算每个变换参数对应的旋转角度，从而得到多个旋转角度；最优变换参数获取单元125，用于获取多个旋转角度中出现次数最高的旋转角度对应的变换参数并保存为最优变换参数。

上述实施例的基础上，其他实施例中，如图10所示，该处理器还包括点对特征计算模块30，用于执行点对特征计算操作，该点对特征计算模块30包括参数获取单元301、配对单元302、第一计算单元303、第二计算单元304、第三计算单元305、第四计算单元306。

其中，参数获取单元301，用于获取第一点集合或第二点集合中多个点的三维坐标m1，m2，……，mN，及多个点中每个点所属的点云构成的平面的法向量n1，n2，……，nN，及每个点所属的点云的颜色c1，c2，……，cN；配对单元302，用于将多个点之间进行两两配对，计算配对点之间的向量d＝(mi-mj)，其中，1≤i≤N,1≤j≤N,i≠j,N≥3；第一计算单元303，用于计算配对点之间的第一夹角theta1＝∠(ni，nj)；第二计算单元304，用于计算配对点之间的第二夹角theta2＝∠(ni，d)；第三计算单元305，用于计算配对点之间的第三夹角theta3＝∠(d，nj)；第四计算单元306，用于计算配对点之间的颜色差dc＝(ci-cj)；向量d、第一夹角theta1、第二夹角theta2、第三夹角theta3、颜色差dc构成一个标准点对特征或一个采样点对特征，重复执行以得到多个标准点对特征或多个采样点对特征。

上述实施例的基础上，其他实施例中，如图11所示，注册模块14包括点云数据注册单元141、点云获取单元142、点云删除单元143。

其中，点云数据注册单元141，用于注册第三点云数据至第一点云数据中；点云获取单元142，用于获取第三点云数据的多个点云L1，L2，……，LN，其中N≥3；点云删除单元143，用于获取点云Li的中心三维坐标，其中，1≤i≤N，检测以中心三维坐标为中心，以预设距离为半径的范围内，是否存在第一点云数据中的点云；若存在，则删除点云Li；第三点云数据的所有点云执行完该步骤后，得到第四点云数据。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

图12展示了本发明移动终端的一种实施例，为了便于说明，仅示出了与本发明实施例相关的部分。在本实施例中，所述移动终端包括至少一处理器51、存储器52及接口53，所述至少一处理器51、存储器52及接口53均通过总线连接；

所述存储器52存储计算机程序；

所述至少一个处理器51执行所述存储器52存储的计算机程序，使得所述移动终端执行上述实施例所述的三维模型构建方法。

其中，本发明还公开了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例所述的三维模型构建方法的步骤。

本实施例中的存储介质可以是只读存储器、可存储静态信息和指令的静态存储设备、随机存取存储器、或者可存储信息和指令的动态存储设备，也可以是电可擦可编程只读存储器、只读光盘、或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备。

本发明还展示了一种三维扫描设备的一种实施例，该三维扫描设备包括终端支撑装置、转台和上述实施例所述的移动终端，该移动终端可拆卸地固定于终端支撑装置上，终端支撑装置上设置至少一个激光器，并且，移动终端、转台、激光器通过OTG设备电性连接。

以上对发明的具体实施方式进行了详细说明，但其只作为范例，本发明并不限制于以上描述的具体实施方式。对于本领域的技术人员而言，任何对该发明进行的等同修改或替代也都在本发明的范畴之中，因此，在不脱离本发明的精神和原则范围下所作的均等变换和修改、改进等，都应涵盖在本发明的范围内。

Claims (9)

1.一种三维模型构建方法，其特征在于，其包括：

分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型；

提取所述第一模型的点云数据以获取第一点云数据，提取所述第二模型的点云数据以获取第二点云数据；

匹配所述第一点云数据和所述第二点云数据，得到最优变换参数；

根据所述最优变换参数对所述第二点云数据进行变换操作，得到第三点云数据；

将所述第三点云数据注册至所述第一点云数据中，得到第四点云数据；

根据所述第四点云数据构建所述待扫描物体的三维模型；

所述匹配所述第一点云数据和所述第二点云数据，得到最优变换参数的步骤，包括：

从所述第一点云数据的每个点云中分别挑选出一个点构成第一点集合，将所述第一点集合执行点对特征计算操作得到多个标准点对特征，每个所述标准点对特征对应一个点对；

从所述第二点云数据的部分点云中分别挑选出一个点构成第二点集合，将所述第二点集合执行所述点对特征计算操作得到多个采样点对特征，每个所述采样点对特征对应一个点对；

将所述多个采样点对特征分别一一与所述多个标准点对特征进行匹配；

当匹配成功时，计算匹配成功的所述采样点对特征对应的点对与所述标准点对特征对应的点对之间的变换参数，从而得到多个变换参数，并且计算每个所述变换参数对应的旋转角度，从而得到多个旋转角度；

获取所述多个旋转角度中出现次数最高的旋转角度对应的变换参数并保存为所述最优变换参数；

所述点对特征计算操作包括：

获取所述第一点集合或所述第二点集合中多个点的三维坐标m1，m2，……，mN，及所述多个点中每个点所属的点云构成的平面的法向量n1，n2，……，nN，及所述每个点所属的点云的颜色c1，c2，……，cN；

将所述多个点之间进行两两配对，计算配对点之间的向量d＝(mi-mj)，其中，1≤i≤N,1≤j≤N,i≠j,N≥3；

计算所述配对点之间的第一夹角theta1＝∠(ni，nj)；

计算所述配对点之间的第二夹角theta2＝∠(ni，d)；

计算所述配对点之间的第三夹角theta3＝∠(d，nj)；

计算所述配对点之间的颜色差dc＝(ci-cj)；

所述向量d、所述第一夹角theta1、所述第二夹角theta2、所述第三夹角theta3、所述颜色差dc构成一个所述标准点对特征或一个所述采样点对特征，重复执行以得到多个所述标准点对特征或多个所述采样点对特征。

2.根据权利要求1所述的三维模型构建方法，其特征在于，在所述匹配所述第一点云数据和所述第二点云数据，得到最优变换参数的步骤之前，还包括：

获取所述第一模型的第一图像曲率，根据所述第一图像曲率对所述第一点云数据进行降采样；获取所述第二模型的第二图像曲率，根据所述第二图像曲率对所述第二点云数据进行降采样。

3.根据权利要求1所述的三维模型构建方法，其特征在于，所述将所述第三点云数据注册至所述第一点云数据中，得到第四点云数据的步骤，包括：

注册所述第三点云数据至所述第一点云数据中；

获取所述第三点云数据的多个点云L1，L2，……，LN，其中N≥3；

获取点云Li的中心三维坐标，其中，1≤i≤N，检测以所述中心三维坐标为中心，以预设距离为半径的范围内，是否存在所述第一点云数据中的点云；若存在，则删除所述点云Li；所述第三点云数据的所有点云执行完该步骤后，得到所述第四点云数据。

4.一种三维模型构建装置，其特征在于，其包括：

扫描模块，用于分别扫描待扫描物体的两个不同的姿态，得到第一模型和第二模型；

提取模型，用于提取所述第一模型的点云数据以获取第一点云数据，提取所述第二模型的点云数据以获取第二点云数据；

匹配模块，用于匹配所述第一点云数据和所述第二点云数据，得到最优变换参数；

变换模块，用于根据所述最优变换参数对所述第二点云数据进行变换操作，得到第三点云数据；

注册模块，用于将所述第三点云数据注册至所述第一点云数据中，得到第四点云数据；

构建模块，用于根据所述第四点云数据构建所述待扫描物体的三维模型；

所述匹配模块包括：

标准点对特征获取单元，用于从所述第一点云数据的每个点云中分别挑选出一个点构成第一点集合，将所述第一点集合执行点对特征计算操作得到多个标准点对特征，每个所述标准点对特征对应一个点对；

采样点对单元获取单元，用于从所述第二点云数据的部分点云中分别挑选出一个点构成第二点集合，将所述第二点集合执行所述点对特征计算操作得到多个采样点对特征，每个所述采样点对特征对应一个点对；

点对特征匹配单元，用于将所述多个采样点对特征分别一一与所述多个标准点对特征进行匹配；

变换参数计算单元，用于当匹配成功时，计算匹配成功的所述采样点对特征对应的点对与所述标准点对特征对应的点对之间的变换参数，从而得到多个变换参数，并且计算每个所述变换参数对应的旋转角度，从而得到多个旋转角度；

最优变换参数获取单元，用于获取所述多个旋转角度中出现次数最高的旋转角度对应的变换参数并保存为所述最优变换参数；

所述三维模型构建装置还包括点对特征计算模块，用于执行所述点对特征计算操作，所述点对特征计算模块包括：

参数获取单元，用于获取所述第一点集合或所述第二点集合中多个点的三维坐标m1，m2，……，mN，及所述多个点中每个点所属的点云构成的平面的法向量n1，n2，……，nN，及所述每个点所属的点云的颜色c1，c2，……，cN；

配对单元，用于将所述多个点之间进行两两配对，计算配对点之间的向量d＝(mi-mj)，其中，1≤i≤N,1≤j≤N,i≠j,N≥3；

第一计算单元，用于计算所述配对点之间的第一夹角theta1＝∠(ni，nj)；

第二计算单元，用于计算所述配对点之间的第二夹角theta2＝∠(ni，d)；

第三计算单元，用于计算所述配对点之间的第三夹角theta3＝∠(d，nj)；

第四计算单元，用于计算所述配对点之间的颜色差dc＝(ci-cj)；

所述向量d、所述第一夹角theta1、所述第二夹角theta2、所述第三夹角theta3、所述颜色差dc构成一个所述标准点对特征或一个所述采样点对特征，重复执行以得到多个所述标准点对特征或多个所述采样点对特征。

5.根据权利要求4所述的三维模型构建装置，其特征在于，其还包括：

降采样模块，用于获取所述第一模型的第一图像曲率，根据所述第一图像曲率对所述第一点云数据进行降采样；获取所述第二模型的第二图像曲率，根据所述第二图像曲率对所述第二点云数据进行降采样。

6.根据权利要求4所述的三维模型构建装置，其特征在于，所述注册模块包括：

点云数据注册单元，用于注册所述第三点云数据至所述第一点云数据中；

点云获取单元，用于获取所述第三点云数据的多个点云L1，L2，……，LN，其中N≥3；

点云删除单元，用于获取点云Li的中心三维坐标，其中，1≤i≤N，检测以所述中心三维坐标为中心，以预设距离为半径的范围内，是否存在所述第一点云数据中的点云；若存在，则删除所述点云Li；所述第三点云数据的所有点云执行完该步骤后，得到所述第四点云数据。

7.一种移动终端，其特征在于，所述移动终端包括至少一处理器、存储器及接口，所述至少一处理器、存储器及接口均通过总线连接；

所述存储器存储计算机程序；

所述至少一个处理器执行所述存储器存储的计算机程序，使得所述移动终端执行权利要求1-3任一项所述的三维模型构建方法。

8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-3任一项所述的三维模型构建方法的步骤。

9.一种三维扫描设备，其特征在于，其包括终端支撑装置、转台和如权利要求7所述的移动终端，所述移动终端可拆卸地固定于终端支撑装置上，终端支撑装置上设置至少一个激光器，所述移动终端、所述转台、所述激光器通过OTG设备电性连接。

Images