CN108648167B - 一种口内扫描的三维扫描方法 - Google Patents

一种口内扫描的三维扫描方法 Download PDF

Info

Publication number
CN108648167B
CN108648167B CN201810184683.9A CN201810184683A CN108648167B CN 108648167 B CN108648167 B CN 108648167B CN 201810184683 A CN201810184683 A CN 201810184683A CN 108648167 B CN108648167 B CN 108648167B
Authority
CN
China
Prior art keywords
points
point
scanning
matching
point cloud
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
Application number
CN201810184683.9A
Other languages
English (en)
Other versions
CN108648167A (zh
Inventor
张佰春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fussen Technology Co ltd
Original Assignee
Fussen Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fussen Technology Co ltd filed Critical Fussen Technology Co ltd
Priority to CN201810184683.9A priority Critical patent/CN108648167B/zh
Publication of CN108648167A publication Critical patent/CN108648167A/zh
Application granted granted Critical
Publication of CN108648167B publication Critical patent/CN108648167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

本发明公开了一种口内扫描的三维扫描方法，应用于口内数据数字化处理中的补扫过程，利用3D点云的特征信息，实现了扫描设备对口内数据的连续扫描，保证的数据的完整性。并且通过GPU加速匹配过程，实现秒级的补扫速度，提高了设备的扫描体验度。

Description

一种口内扫描的三维扫描方法
技术领域
本发明涉及口腔医疗领域，特别是涉及一种口内扫描的三维扫描方法。
背景技术
随着三维测量技术飞速的发展，该技术在各行业都有着重要的应用。在口腔印模的数字化过程中，一般通过条纹投影技术获得测量物体的三维信息。由于测量设备和测量条件的限制，通常无法通过一次测量获取测量场景完整的三维数据，因此需要对被测场景进行多视角的测量、反复的补扫来获取更完整的测量数据。
3D点云自由配准技术应用于口内三维扫描又称作补扫技术，通过反复多次、可间断的扫描来获取完整的口内牙模的3D数字化数据。现有的3D点云自由配准技术多应用大视场测量和机器人的自动导航系统中，通过计算测量场景的3D点云特征进行配准。这类方法通常存在三个问题：
(1)一般计算点云特征的方法包括Spin Image、PFH和PCA等方法，由于算法本身的原因，计算三维点云特征过慢，通常无法满足实时需求；
(2)三维点云特征的精度依赖于整体点云的质量，点云噪声过大时，三维特征计算精度不高，容易造成误匹配；
(3)口内扫描的3D点云数据量非常大，因此需要保留的点云特征向量也会很多，在对海量的点云数据进行补扫时，算法复杂度大，无法满足实时补扫的要求。
(4)在口内扫描中，由于口内测量视场较小，而且每帧3D点云特征相似度较高，因此一般的自由配准技术无法满足测量需要。
发明内容
本发明主为解决现有问题的不足之处而提供一种口内扫描的三维扫描方法。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种口内扫描的三维扫描方法，用于口内实时扫描的过程中，扫描中断后，再次启动扫描时，快速将当前帧的点云数据变换到全局坐标系下，继续进行实时的连续扫描，包括：在实时扫描的任意时刻，获取当前帧的点云数据，计算点云法线；抽样选取k0数量的点云数据，构建k0数量的点云数据中每个点邻近的k1个点构成的局部特征区域；计算每一局部特征区域内的k1个点的法线和该局部特征区域的点法线夹角的平均值，若计算的平均值大于等于预设值，则保留对应点，反之，则舍弃对应点；指定保留的点中的点P为计算点，并以计算点P为中心，R为半径的空间球包含的邻近点记作特征点集S1；通过特征点集S1包含的点之间的拓扑关系计算点P的125维特征向量；在实时扫描中断后，再次启动扫描时，用当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配，将两点之间最小的欧式距离点作为匹配点；利用匹配点间的几何距离约束提取精准匹配点对；对匹配点对的可靠点数目进行倒序排列，取前k2组匹配点对，作为最优匹配点集S2；根据匹配点集S2，计算当前帧点云到全局点云之间的空间变换矩阵RT；将计算得到RT作用于当前帧点云，并计算变换后的当前帧点云和全局匹配的点云之间的空间距离的均方值RMSE，对于RMSE<预设均方值的当前帧点云，返回匹配的组数ID和空间变换矩阵。
其中，在利用匹配点间的几何距离约束提取精准匹配点对的步骤中，包括步骤：将特征匹配点的两点之间的欧式距离与待匹配点两点之间的欧式距离进行比值，如果待匹配点两点之间的欧式距离和特征匹配点的两点之间的欧式距离的比值小于预设值，则计算器加1，依次计算所有匹配点集中的点的可靠点数目。
其中，在当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配的步骤中，是采用GPU并行处理进行匹配。
其中，在当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配的步骤中，是采用暴力匹配的方法进行匹配。
其中，在抽样选取k0数量的点云数据的步骤中，抽样选取的点云数据为20000个。
区别于现有技术，本发明的口内扫描的三维扫描方法应用于口内数据数字化处理中的补扫过程，利用3D点云的特征信息，实现了扫描设备对口内数据的连续扫描，保证的数据的完整性。并且通过GPU加速匹配过程，实现秒级的补扫速度，提高了设备的扫描体验度。
附图说明
图1是本发明提供的一种口内扫描的三维扫描方法的流程示意图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步更详细的描述。显然，所描述的实施例仅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作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
本算法的主要应用于口内实时扫描的过程中，扫描中断后，再次启动扫描时，能够快速的将当前帧的点云数据变换到全局坐标系下，继续进行实时的连续扫描。整个算法处理流程分为两部分：点云特征提取、并行匹配。
参阅图1，图1是本发明提供的一种口内扫描的三维扫描方法的流程示意图。该方法的步骤包括：
S110：在实时扫描的任意时刻，获取当前帧的点云数据，计算点云法线。
S120：抽样选取k0数量的点云数据，构建k0数量的点云数据中每个点邻近的k1个点构成的局部特征区域。
S130：计算每一局部特征区域内的k1个点的法线和该局部特征区域的点法线夹角的平均值，若计算的平均值大于等于预设值，则保留对应点，反之，则舍弃对应点。
S140：指定保留的点中的点P为计算点，并以计算点P为中心，R为半径的空间球包含的邻近点记作特征点集S1；通过特征点集S1包含的点之间的拓扑关系计算点P的125维特征向量。
S150：在实时扫描中断后，再次启动扫描时，用当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配，将两点之间最小的欧式距离点作为匹配点。
S160：利用匹配点间的几何距离约束提取精准匹配点对。
S170：对匹配点对的可靠点数目进行倒序排列，取前k2组匹配点对，作为最优匹配点集S2。
S180：根据匹配点集S2，计算当前帧点云到全局点云之间的空间变换矩阵RT。
S190：将计算得到RT作用于当前帧点云，并计算变换后的当前帧点云和全局匹配的点云之间的空间距离的均方值RMSE，对于RMSE<预设均方值的当前帧点云，返回匹配的组数ID和空间变换矩阵。
进一步，在利用匹配点间的几何距离约束提取精准匹配点对的步骤中，包括步骤：将特征匹配点的两点之间的欧式距离与待匹配点两点之间的欧式距离进行比值，如果待匹配点两点之间的欧式距离和特征匹配点的两点之间的欧式距离的比值小于预设值，则计算器加1，依次计算所有匹配点集中的点的可靠点数目。
进一步，在当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配的步骤中，是采用GPU并行处理进行匹配。
进一步，在当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配的步骤中，是采用暴力匹配的方法进行匹配。
进一步，在抽样选取k0数量的点云数据的步骤中，抽样选取的点云数据为20000个。
在口内牙模3D数字化中，通过传感设备每次扫描获取的3D点云数据是基于局部坐标系下的，为了获取测量牙模完整的数据，需要将每次扫描的点云数据变换到全局坐标下，这个过程称为点云配准过程，配准过程分为连续配准和间断配准(补扫)。在补扫的过程中，为了快速而精确地将当前帧点云变换到全局坐标系下，我们进行两个方面的处理：优化点云数据局部特征精确度、提高全局匹配的速度。考虑到海量数据的稠密性，我们采用基于点云法线的特征提取和GPU并行计算，实现口内扫描的快速补扫。
区别于现有技术，本发明的口内扫描的三维扫描方法应用于口内数据数字化处理中的补扫过程，利用3D点云的特征信息，实现了扫描设备对口内数据的连续扫描，保证的数据的完整性。并且通过GPU加速匹配过程，实现秒级的补扫速度，提高了设备的扫描体验度。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种口内扫描的三维扫描方法，用于口内实时扫描的过程中，扫描中断后，再次启动扫描时，快速将当前帧的点云数据变换到全局坐标系下，继续进行实时的连续扫描，其特征在于，包括：
在实时扫描的任意时刻，获取当前帧的点云数据，计算点云法线；
抽样选取k0数量的点云数据，构建k0数量的点云数据中每个点邻近的k1个点构成的局部特征区域；
计算每一局部特征区域内的k1个点的法线和该局部特征区域的点法线夹角的平均值，若计算的平均值大于等于预设值，则保留对应点，反之，则舍弃对应点；
指定保留的点中的点P为计算点，并以计算点P为中心，R为半径的空间球包含的邻近点记作特征点集S1；通过特征点集S1包含的点之间的拓扑关系计算点P的125维特征向量；
在实时扫描中断后，再次启动扫描时，用当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配，将两点之间最小的欧式距离点作为匹配点；
利用匹配点间的几何距离约束提取精准匹配点对；
对匹配点对的可靠点数目进行倒序排列，取前k2组匹配点对，作为最优匹配点集S2；
根据匹配点集S2，计算当前帧点云到全局点云之间的空间变换矩阵RT；
将计算得到RT作用于当前帧点云，并计算变换后的当前帧点云和全局匹配的点云之间的空间距离的均方值RMSE，对于RMSE<预设均方值的当前帧点云，返回匹配的组数ID和空间变换矩阵。
2.根据权利要求1所述的口内扫描的三维扫描方法，其特征在于，在利用匹配点间的几何距离约束提取精准匹配点对的步骤中，包括步骤：将特征匹配点的两点之间的欧式距离与待匹配点两点之间的欧式距离进行比值，如果待匹配点两点之间的欧式距离和特征匹配点的两点之间的欧式距离的比值小于预设值，则计算器加1，依次计算所有匹配点集中的点的可靠点数目。
3.根据权利要求1所述的口内扫描的三维扫描方法，其特征在于，在当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配的步骤中，是采用GPU并行处理进行匹配。
4.根据权利要求1所述的口内扫描的三维扫描方法，其特征在于，在当前帧的点云特征向量和特征点集S1中的点的特征向量进行1对N的匹配的步骤中，是采用暴力匹配的方法进行匹配。
5.根据权利要求1所述的口内扫描的三维扫描方法，其特征在于，在抽样选取k0数量的点云数据的步骤中，抽样选取的点云数据为20000个。
CN201810184683.9A 2018-03-06 2018-03-06 一种口内扫描的三维扫描方法 Active CN108648167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810184683.9A CN108648167B (zh) 2018-03-06 2018-03-06 一种口内扫描的三维扫描方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810184683.9A CN108648167B (zh) 2018-03-06 2018-03-06 一种口内扫描的三维扫描方法

Publications (2)

Publication Number Publication Date
CN108648167A CN108648167A (zh) 2018-10-12
CN108648167B true CN108648167B (zh) 2021-10-01

Family

ID=63744260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810184683.9A Active CN108648167B (zh) 2018-03-06 2018-03-06 一种口内扫描的三维扫描方法

Country Status (1)

Country Link
CN (1) CN108648167B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113140031B (zh) * 2020-01-20 2024-04-19 苏州佳世达光电有限公司 三维影像建模系统、方法及应用其的口腔扫描设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236064A (zh) * 2013-05-06 2013-08-07 东南大学 一种基于法向量的点云自动配准方法
CN104107063A (zh) * 2013-04-18 2014-10-22 上海联影医疗科技有限公司 一种医学图像扫描方法及装置
CN105427317A (zh) * 2015-11-25 2016-03-23 武汉大学 一种适用于多视角自动化配准多站地面激光点云数据的方法
CN105976312A (zh) * 2016-05-30 2016-09-28 北京建筑大学 基于点特征直方图的点云自动配准方法
CN106780459A (zh) * 2016-12-12 2017-05-31 华中科技大学 一种三维点云数据自动配准方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8015125B2 (en) * 2006-08-31 2011-09-06 Drexel University Multi-scale segmentation and partial matching 3D models
US9582939B2 (en) * 2015-06-11 2017-02-28 Nokia Technologies Oy Structure preserved point cloud simplification

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104107063A (zh) * 2013-04-18 2014-10-22 上海联影医疗科技有限公司 一种医学图像扫描方法及装置
CN103236064A (zh) * 2013-05-06 2013-08-07 东南大学 一种基于法向量的点云自动配准方法
CN105427317A (zh) * 2015-11-25 2016-03-23 武汉大学 一种适用于多视角自动化配准多站地面激光点云数据的方法
CN105976312A (zh) * 2016-05-30 2016-09-28 北京建筑大学 基于点特征直方图的点云自动配准方法
CN106780459A (zh) * 2016-12-12 2017-05-31 华中科技大学 一种三维点云数据自动配准方法

Also Published As

Publication number Publication date
CN108648167A (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN107705333B (zh) 基于双目相机的空间定位方法及装置
CN113409382B (zh) 车辆损伤区域的测量方法和装置
CN109785379A (zh) 一种对称物体尺寸及重量的测量方法及测量系统
CN106595528A (zh) 一种基于数字散斑的远心显微双目立体视觉测量方法
CN106485735A (zh) 基于立体视觉技术的人体目标识别与跟踪方法
CN111047634B (zh) 场景深度的确定方法、装置、设备及存储介质
CN106875436A (zh) 一种基于特征点密度由聚焦堆栈估计深度的方法和装置
CN102075785A (zh) 一种atm机广角摄像机镜头畸变校正方法
CN112365529B (zh) 基于重心偏离度的隧洞点云配准方法、装置
CN115311314B (zh) 一种线激光轮廓数据的重采样方法、系统和存储介质
CN106709432B (zh) 基于双目立体视觉的人头检测计数方法
CN113052880A (zh) 一种sfm稀疏重建方法、系统及应用
CN114241018A (zh) 一种牙齿点云配准方法、系统及可读存储介质
CN113673011A (zh) 基于点云数据智能识别运营期隧道侵界的方法
CN108648167B (zh) 一种口内扫描的三维扫描方法
Tang et al. Research on 3D human pose estimation using RGBD camera
CN116309829A (zh) 一种基于多目视觉的长方体扫描体群解码和位姿测量方法
CN111259788A (zh) 头颈拐点的检测方法、装置以及计算机设备
WO2018133027A1 (zh) 基于灰度约束的三维数字散斑的整像素搜索方法及装置
CN108895979B (zh) 线段编码的结构光深度获取方法
CN107358624B (zh) 单目稠密即时定位与地图重建方法
CN105096314A (zh) 基于二值网格模板的结构光动态场景深度获取方法
CN115620264B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN111462216A (zh) 一种圆形阵列标定板中圆心像素坐标确定方法
CN110120008A (zh) 一种基于局部曲率信息的人工蜂群点云配准方法

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