CN108717728A - 一种基于多视角深度摄像机的三维重建装置及方法 - Google Patents
一种基于多视角深度摄像机的三维重建装置及方法 Download PDFInfo
- Publication number
- CN108717728A CN108717728A CN201810794950.4A CN201810794950A CN108717728A CN 108717728 A CN108717728 A CN 108717728A CN 201810794950 A CN201810794950 A CN 201810794950A CN 108717728 A CN108717728 A CN 108717728A
- Authority
- CN
- China
- Prior art keywords
- depth camera
- calibration
- coordinate system
- depth
- unit
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 70
- 230000009466 transformation Effects 0.000 claims description 49
- 230000008859 change Effects 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 5
- 238000007430 reference method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/514—Depth or shape recovery from specularities
-
- 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
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及三维重建技术领域,具体地说,涉及一种基于多视角深度摄像机的三维重建装置及方法。该三维重建装置包括扫描装置,扫描装置包括扫描平台,扫描平台四周按圆周方向间隔设有数量不为1的n个深度摄像机;任一深度摄像机均朝向扫描平台中央,任一深度摄像机内均设有深度摄像头;扫描装置内设有扫描系统,扫描系统包括,第一图像处理单元、滤波单元、拼接单元、优化处理单元、数据合并单元和poisson重建单元。该三维重建方法基于该三维重建装置实现,本发明能够较佳地实现对目标物体的三维重建。
Description
技术领域
本发明涉及三维重建技术领域,具体地说,涉及一种基于多视角深度摄像 机的三维重建装置及方法。
背景技术
三维重建是指通过一定的视觉技术手段在电脑中建立真实物体或场景的虚 拟三维模型,并可以在电脑环境下对虚拟三维模型进行分析、加工及操作。
随着科技的进步,三维重建已经在各个领域发挥着巨大的作用。如在虚拟 实现领域,虚拟场景中的物体模型可以通过对真实物体的三维重建获得,比起 虚拟建模软件如3DS Max,由三维重建获得的物体将更加真实。如在3D打印技 术中,三维重建也是至关重要的步骤,三维重建的精度直接影响到3D打印生成 模型的效果。如在军事领域,三维重建算法可以直接将卫星或无人机拍摄的地 形照片转换为三维地形模型,从而能够大大有利于正确决策的做出。此外,在 如文物保护,增强现实等领域三维重建也发挥着重要的作用。
在三维重建的三维信息采集阶段时,往往需要从多个不同角度无死角地对 目标进行拍摄,才能实现对目标全方位完整三维信息的采集。由于单个深度摄 像机的拍摄角度有限,无法一次完成多物体全貌的拍摄,因此,如果需要实现 一次性快速对目标物体的全貌拍摄,就需要采用多个深度摄像机多视角地同时 进行拍摄。而现有技术中,缺乏一种较佳的基于多视角深度摄像机的三维重建 装置或方法。
发明内容
本发明提供了一种基于多视角深度摄像机的三维重建装置,其能够克服现 有技术的某种或某些缺陷。
根据本发明的基于多视角深度摄像机的三维重建装置,其包括扫描装置, 扫描装置包括扫描平台,扫描平台四周按圆周方向间隔设有数量不为1的n个 深度摄像机;任一深度摄像机均朝向扫描平台中央,任一深度摄像机内均设有 深度摄像头;
扫描装置内设有扫描系统,扫描系统包括,第一图像处理单元、滤波单元、 拼接单元、优化处理单元、数据合并单元和poisson重建单元;
所述n个深度摄像机处的深度摄像头用于共同对目标物体进行扫描以从不 同视角拍摄目标物体的深度图像,第一图像处理单元用于对每个深度摄像头所 拍摄的深度图像进行处理以获取相应的点云,滤波单元用于对所有的点云进行 滤波,拼接单元用于将所有的点云根据对应的位姿变换矩阵变换到基础坐标系 中进行拼接处理以获取目标物体的完整点云,优化处理单元用于去除完整点云 中的重叠部分,数据合并单元用于获取完整点云的法向量并与完整点云进行数 据合并以获取带有法向量的点云数据,poisson重建单元用于根据带有法向量的 点云数据进行三维曲面重建以获取目标物体的三维模型。
本发明的一种基于多视角深度摄像机的三维重建装置中,在对目标物体进 行扫描时,能够将目标物体放置于扫描平台处,之后通过扫描系统能够自动完 成对建模数据的提取和处理,从而能够较佳地重建目标物体的三维模型。
作为优选,拼接单元中所依据的位姿变换矩阵通过一立体标定单元获取, 立体标定单元用于与一立体标定物进行配合以获取每个深度摄像头坐标系与世 界坐标系之间的位姿变换矩阵,进而获取每个深度摄像头坐标系与基础坐标系 之间的位姿变换矩阵。
本发明的一种基于多视角深度摄像机的三维重建装置中,通过立体标定单 元与立体标定物的配合,能够较佳地获取每个深度摄像头坐标系与世界坐标系 之间的位姿变换矩阵,进而获取每个深度摄像头坐标系与基础坐标系之间的位 姿变换矩阵。
作为优选,立体标定物处设有特征标记,设计特征标记的几何中心为特征 点;立体标定单元用于根据特征点在世界坐标系中的坐标和在深度摄像头坐标 系中的坐标,获取每个深度摄像头坐标系与世界坐标系之间的位姿变换矩阵; 任一深度摄像机内均还设有用于对特征标记进行识别的RGB摄像头,立体标定 单元能够通过RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换矩阵根据 特征点在RGB摄像头坐标系中的坐标求取该特征点在深度摄像头坐标系中的坐 标,RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换矩阵通过一平面标 定单元和一棋盘格标定平板的配合获取。
本发明的一种基于多视角深度摄像机的三维重建装置中,通过RGB摄像头 能够较佳地对立体标定物处的特征标记进行识别,进而能够较佳地获取特征点 在RGB摄像头坐标系中的坐标,之后通过位姿变换能够较佳地获取该特征点在 深度摄像头坐标系中的坐标,进而使得立体标定单元能够较佳地求解出深度摄 像头坐标系与世界坐标系之间的位姿变换矩阵。
作为优选,立体标定物包括立体标定装置本体,立体标定装置本体具有n 个用于一一对应地对准n台深度摄相机的标定立面;立体标定装置本体包括至 少2层标定靶,每层标定靶处均设有n个竖直的标定靶面;每层标定靶的对应 标定靶面共同构成相应的标定立面,且任一标定靶处的标定靶面均等距地向内 收缩于下层标定靶的对应标定靶面;任一标定靶面处均设有至少1个特征标记, 设于同一标定立面处的特征标记的中心点不共线且数量为m,m至少为3。
本发明的一种基于多视角深度摄像机的三维重建装置中,只需要将立体标 定装置放置于扫描平台的设定位置处,即可通过与立体标定单元的配合,无需 人值守即可较佳的全自动完成所有标定流程,从而大大提升了标定的效率并能 够大大地降低标定的成本。另外,由于多个深度相机能够同步运行进行标定, 从而能够成倍地提升标定的速度。此外,本发明中的立体标定装置能够根据实 际深度摄相机的数量而进行适应性的改变,从而能够较佳地运用于如3个、4个、 5个、6个等多种场景下的相机标定,从而能够具有较广的应用范围。
作为优选,标定靶面处设有一第一颜色层,第一颜色层的颜色为白色;特 征标记的空心圆环形,特征标记处设有一第二颜色层,第二颜色层的颜色为黑 色。
本发明的一种基于多视角深度摄像机的三维重建装置中,由于在后续处理 中,是通过多组特征点在世界坐标系和其在相应深度摄像头坐标系中的坐标代 入转换矩阵的求解公式中进行求解获取转换矩阵的,故本发明中,将特征标记 的中心点作为特征点,当特征标记设计为空心圆环形时,能够较佳地便于特征 点的识别。应当理解是的,特征标记的形状也能够为如正多边形等规则的形状。 另外,当特征标记为空心圆环形时,特征标记中部应当留有足够的空白区域, 从而能够较佳地保证数据获取的准确性。
另外,在对特征点进行采集时,是通过RGB摄像头识别出特征标记,进而 获取特征标记中心点的像素位置,之后根据像素位置即可较佳地获取特征标记 中心点的相关信息。基于此,特征标记的颜色与标定靶面的颜色应该具有足够 的反差,从而能够较佳地便于RGB摄像头的识别。本发明中,采用黑、白搭配 的方式仅为一个优选方案。其中,由于白色对RGB摄像头的红外投影反射效果 较好,故将第一颜色层设为白色能够较佳地便于深度信息的获取;同时,由于 黑色与白色反差最大,故将第二颜色层的颜色设为黑色能够较佳地便于对特征 标记的识别。
基于本发明的任一三维重建装置,本发明还提供了一种基于多视角深度摄 像机的三维重建方法,其包括以下步骤:
步骤S1:在一扫描平台四周按圆周方向间隔设置n个深度摄像机,并使得 每个深度摄像机均朝向扫描平台中央,从而搭建固定结构的扫描装置;
步骤S2:将目标物体放置于扫描平台中央,令n个深度摄像机同时对目标 物体进行扫描,通过一第一图像处理单元对每个深度摄像机所采集的深度图像 进行处理,进而获取每个深度摄像机所采集的点云;
步骤S3:采用一滤波单元对所有点云进行滤波;
步骤S4:将经S3处理后的所有点云在一拼接单元处,根据所有深度摄像头 坐标系相对于基础坐标系的对应位姿变换矩阵,将每个深度摄像机所采集的点 云变换到基础坐标系中进行拼接处理,进而获取目标物体的完整点云;
步骤S5:采用一优化处理单元对经步骤S4获取的完整点云进行优化处理;
步骤S6:采用一数据合并单元计算经步骤S5处理后的完整点云的法向量, 并将法向量和完整点云进行合并,进而生成带有法向量的点云数据;
步骤S7:采用一poisson重建单元对经S6处理后的数据进行三维曲面重建, 进而获取完整的目标物体的三维模型。
通过本发明的三维重建方法,可以快速准确地完成对目标物体的三维重建, 具有快速、准确、成本低和易操作等优点。
作为优选,步骤S4中,通过对n个深度摄像机的分别标定,以获取每个深 度摄像机到世界坐标系的位姿变换矩阵,进而获取所有深度摄像头坐标系相对 于基础坐标系的对应位姿变换矩阵;具体包括如下步骤:
步骤S41,制作棋盘格标定平板,通过一平面标定单元采用张正友平面标定 法,对每个深度摄像机单独进行标定,进而确定每个深度摄像机的RGB摄像头 的内参矩阵Krgb、深度摄像头的内参矩阵Kir,以及RGB摄像头坐标系与深度 摄像头坐标系之间的位姿变换矩阵Trgb2ir=[Rrgb2ir trgb2ir];
步骤S42,制作立体标定物并将立体标定物放置于扫描平台中央,之后通过 一立体标定单元与立体标定物的配合对扫描装置进行标定,以立体标定物所在 坐标系作为世界坐标系,进而获取每个深度摄像机的深度摄像头坐标系相对于 世界坐标系的位姿变换矩阵并以第一个深度摄像头坐标 系作为基础坐标系,过世界坐标系作为中介,依次获得其余所有深度摄像头相 对于基础坐标系的位姿变换矩阵
本发明中,通过步骤S41和步骤S42,能够较佳地实现对深度摄像机和扫描 装置的标定。
作为优选,步骤S42中,所制作的立体标定物包括立体标定装置本体;立 体标定装置本体具有n个标定立面,在放置立体标定物时使n个标定立面一一 对应地对准n台深度摄相机;立体标定装置本体包括至少2层标定靶,在每层 标定靶处均设置n个竖直的标定靶面;每层标定靶的对应标定靶面共同构成相 应的标定立面,且使任一标定靶处的标定靶面均等距地向内收缩于下层标定靶 的对应标定靶面;在任一标定靶面处均设有至少1个特征标记,并使得设于同 一标定立面处的特征标记的中心点不共线且数量为m,m至少为3。通过对立体 标定装置本体的该种设计能够较佳地便于数据的采集。
作为优选,将标定靶面与特征标记设置成反差较大的颜色。从而能够较佳 地便于对特征标记的识别。
作为优选,将特征标记设计成空心的圆环形。从而能够较佳地便于对特征 点的求解。
附图说明
图1为实施例1中的扫描装置的示意图;
图2为实施例1中的扫描系统的示意图;
图3为实施例1中的立体标定装置本体的示意图;
图4为实施例1中的三维重建方法的流程示意图;
图5为实施例1中的任一点在世界坐标系与某一深度摄像头坐标系中的坐 标位置示意图;
图6为实施例1中的各个深度摄像头坐标系与世界坐标系之间的关系示意 图。
具体实施方式
为进一步了解本发明的内容,结合附图和实施例对本发明作详细描述。应 当理解的是,实施例仅仅是对本发明进行解释而并非限定。
实施例1
本实施例提供了一种基于多视角深度摄像机的三维重建装置,其能够较佳 地自动实现对目标物体的自动重建。
如图1所示,为本实施例的一种基于多视角深度摄像机的三维重建装置。 其包括扫描装置,扫描装置包括扫描平台110,扫描平台110四周按圆周方向间 隔设有数量不为1的n个深度摄像机120;任一深度摄像机120均朝向扫描平台 110中央,任一深度摄像机120内均设有深度摄像头。
如图2所示,扫描装置内设有扫描系统,扫描系统包括第一图像处理单元、 滤波单元、拼接单元、优化处理单元、数据合并单元和poisson重建单元;
其中,所述n个深度摄像机120处的深度摄像头用于共同对目标物体进行 扫描以从不同视角拍摄目标物体的深度图像,第一图像处理单元用于对每个深 度摄像头所拍摄的深度图像进行处理以获取相应的点云,滤波单元用于对所有 的点云进行滤波,拼接单元用于将所有的点云根据对应的位姿变换矩阵变换到 基础坐标系中进行拼接处理以获取目标物体的完整点云,优化处理单元用于去 除完整点云中的重叠部分,数据合并单元用于获取完整点云的法向量并与完整 点云进行数据合并以获取带有法向量的点云数据,poisson重建单元用于根据带 有法向量的点云数据进行三维曲面重建以获取目标物体的三维模型。
本实施例的一种基于多视角深度摄像机的三维重建装置中,在对目标物体 进行扫描时,能够将目标物体放置于扫描平台110处,之后通过扫描系统能够 自动完成对建模数据的提取和处理,从而能够较佳地重建目标物体的三维模型。
其中,通过像处理单元能够较佳地对每个深度摄像头所拍摄的深度图像进 行自动处理,进而能够较佳地获取每个深度摄像机120所采集的点云;通过滤 波单元能够较佳地去除所采集的点云中存在的孤立点噪声,通过拼接单元能够 较佳地将所有的点云拼接成完整点云;通过优化处理单元能够较佳地去除完整 点云中的重叠部分,进而能够较佳地实现对完整点云的精简化处理;通过数据 合并单元能够较佳地生产带有法向量的点云数据,进而使得poisson重建单元能 够较佳地根据带有法向量的点云数据对目标物体进行三维重建。
另外,本领域的技术人员应当理解的是,n个深度摄像机120在布置时应当 使得相邻深度摄像机120的扫描区域存在重叠,从而使得相邻深度摄像机120 所采集的点云数据存在重叠,进而才能够较佳地对所有的点云通过拼接单元进 行点云配准。
结合图2,本实施例中的三维重建装置中,拼接单元中所依据的位姿变换矩 阵通过一立体标定单元获取,立体标定单元用于与一立体标定物进行配合以获 取每个深度摄像头坐标系与世界坐标系之间的位姿变换矩阵,进而获取每个深 度摄像头坐标系与基础坐标系之间的位姿变换矩阵。
本实施例的一种基于多视角深度摄像机的三维重建装置中,通过立体标定 单元与立体标定物的配合,能够较佳地获取每个深度摄像头坐标系与世界坐标 系之间的位姿变换矩阵,进而获取每个深度摄像头坐标系与基础坐标系之间的 位姿变换矩阵。
其中,由于立体标定物所在的坐标系是固定的,因此立体标定物的坐标系 是能够较佳地作为世界坐标系的。并且,为了便于数据处理,立体标定物在放 置时,能够使得立体标定物与扫描平台的轴线重合,并且以立体标定物的底面 中心为原点建立世界坐标系。
对于本实施例的扫描装置,当相邻深度摄像机的视角相差较大时,若采用 平面标定法所获取的图像将会发生严重的畸变,并且当相邻两深度摄像机的视 角重叠区域较小时平面标定的条件也很难满足;本实施例中通过采用立体标定 物进行标定的设计,能够较佳克服上述缺陷。
本实施例中,立体标定物处设有特征标记211,设计特征标记211的几何中 心为特征点;立体标定单元用于根据特征点在世界坐标系中的坐标和在深度摄 像头坐标系中的坐标,获取每个深度摄像头坐标系与世界坐标系之间的位姿变 换矩阵;任一深度摄像机120内均还设有用于对特征标记211进行识别的RGB 摄像头,立体标定单元能够通过RGB摄像头坐标系与深度摄像头坐标系之间的 位姿变换矩阵根据特征点在RGB摄像头坐标系中的坐标求取该特征点在深度摄 像头坐标系中的坐标,RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换 矩阵通过一平面标定单元和一棋盘格标定平板的配合获取。
本实施例的一种基于多视角深度摄像机的三维重建装置中,通过RGB摄像 头能够较佳地对立体标定物处的特征标记211进行识别,进而能够较佳地获取 特征点在RGB摄像头坐标系中的坐标,之后通过位姿变换能够较佳地获取该特 征点在深度摄像头坐标系中的坐标,进而使得立体标定单元能够较佳地求解出 深度摄像头坐标系与世界坐标系之间的位姿变换矩阵。
如图3所示,立体标定物包括立体标定装置本体200,立体标定装置本体 200具有n个用于一一对应地对准n台深度摄相机120的标定立面;立体标定装 置本体200包括至少2层标定靶210,每层标定靶210处均设有n个竖直的标定 靶面211;每层标定靶210的对应标定靶面211共同构成相应的标定立面,且任 一标定靶210处的标定靶面211均等距地向内收缩于下层标定靶210的对应标 定靶面211;任一标定靶面211处均设有至少1个特征标记212,设于同一标定 立面处的特征标记212的中心点不共线且数量为m,m至少为3。
本实施例的一种基于多视角深度摄像机的三维重建装置中,只需要将立体 标定装置200放置于扫描平台100的设定位置处,即可通过与立体标定单元的 配合,无需人值守即可较佳的全自动完成所有标定流程,从而大大提升了标定 的效率并能够大大地降低标定的成本。另外,由于多个深度相机120能够同步 运行进行标定,从而能够成倍地提升标定的速度。此外,本实施例中的立体标 定装置200能够根据实际深度摄相机120的数量而进行适应性的改变,从而能 够较佳地运用于如3个、4个、5个、6个等多种场景下的相机标定,从而能够 具有较广的应用范围。
本实施例中,通过设置多层标定靶210并使得多层标定靶210呈塔型的台 阶状布置,能够较佳地避免不同标定靶210处的特征标记212的共面。通过分 层结构的设置,使得同一标定立面处的特征标记212能够在空间上呈现立体布 局,尤其是能够使得同一标定立面处的特征标记212不会在与对应深度摄相机 120光轴垂直的面上共线,从而能够较佳便于后续数据的处理(求解出相机相关 参数)。基于此,立体标定装置200的层数至少应不低于2层。应当理解的是, 在保证标定立面处于相应深度摄相机120的视角范围内的前提下,标定靶210 的数量越多,则特征标记212的数量也能够设置的越多,则越能避免特征标记212间的共线和共面,则越能便于后续数据的处理(求解多元多次方程的最优 解);但是,由于深度摄相机120在拍摄特征标记212时是通过识别特征标记212 的中心点作为特征点的,而特征点的识别也存在误差,故特征标记212越多, 积累误差也就会越大。故本实施例中,设置立体标定装置200的层数为3层(即 具有3层标定靶210),并且同一标定立面处的特征标记212数量为5个(即m=5), 并且同一标定立面处的5个特征标记212按照1、2、2的数量自上而下分别分 布在3层标定靶210的相应标定靶面211处;从而能够较佳地便于数据的处理且也能够较佳地保证数据处理结果的准确性。
本实施例中,标定靶面211处设有一第一颜色层,第一颜色层的颜色为白 色;特征标记212的空心圆环形,特征标记212处设有一第二颜色层,第二颜 色层的颜色为黑色。
本实施例的一种基于多视角深度摄像机的三维重建装置中,由于在后续处 理中,是通过多组特征点在世界坐标系和其在相应深度摄像头坐标系中的坐标 代入转换矩阵的求解公式中进行求解获取转换矩阵的,故本实施例中,将特征 标记212的中心点作为特征点,当特征标记212设计为空心圆环形时,能够较 佳地便于特征点的识别。应当理解是的,特征标记212的形状也能够为如正多 边形等规则的形状。另外,当特征标记212为空心圆环形时,特征标记212中 部应当留有足够的空白区域,从而能够较佳地保证数据获取的准确性。
另外,在对特征点进行采集时,是通过RGB摄像头识别出特征标记212, 进而获取特征标记212中心点的像素位置,之后根据像素位置即可较佳地获取 特征标记212中心点的相关信息。基于此,特征标记212的颜色与标定靶面211 的颜色应该具有足够的反差,从而能够较佳地便于RGB摄像头的识别。本实施 例中,采用黑、白搭配的方式仅为一个优选方案。其中,由于白色对RGB摄像 头的红外投影反射效果较好,故将第一颜色层设为白色能够较佳地便于深度信 息的获取;同时,由于黑色与白色反差最大,故将第二颜色层的颜色设为黑色 能够较佳地便于对特征标记212的识别。
如图4所示,基于本实施例中的三维重建装置,本实施例还提供了一种基 于多视角深度摄像机120的三维重建方法。其包括如下步骤:
步骤S1:在一扫描平台110的四周按圆周方向间隔设置n个深度摄像机120 (图4中的No.1、No.2、……、No.n),并使得每个深度摄像机120均朝向扫描 平台110中央,从而搭建固定结构的扫描装置;
步骤S2:将目标物体放置于扫描平台110中央,令n个深度摄像机120同 时对目标物体进行扫描,通过一第一图像处理单元对每个深度摄像机120所采 集的深度图像进行处理,进而获取每个深度摄像机120所采集的点云(图4中 的目标点云1、目标点云2、……、目标点云n);
步骤S3:采用一滤波单元对所有点云进行滤波;
步骤S4:将经S3处理后的所有点云在一拼接单元处,根据所有深度摄像头 坐标系相对于基础坐标系的对应位姿变换矩阵,将每个深度摄像机120所采集 的点云变换到基础坐标系中进行拼接处理,进而获取目标物体的完整点云;
步骤S5:采用一优化处理单元对经步骤S4获取的完整点云进行优化处理;
步骤S6:采用一数据合并单元计算经步骤S5处理后的完整点云的法向量, 并将法向量和完整点云进行合并,进而生成带有法向量的点云数据;
步骤S7:采用一poisson重建单元对经S6处理后的数据进行三维曲面重建, 进而获取完整的目标物体的三维模型。
通过本实施例的三维重建方法,可以快速准确地完成对目标物体的三维重 建,具有快速、准确、成本低和易操作等优点。
另外,由于深度摄像机120数据采集系统固有原因,采集的点云中会存在 少数的孤立点噪声。通过步骤S3,能够采用统计学滤波方法,对所有深度摄像 头获得的原始点云进行滤波,进而能够较佳地滤除噪声。
本实施例中,深度摄像机120处设有RGB摄像头和深度摄像头。步骤S4 中,通过对n个深度摄像机120的分别标定,以获取每个深度摄像机120与世 界坐标系之间的位姿变换矩阵,进而获取所有深度摄像头坐标系相对于基础坐 标系的对应位姿变换矩阵。具体包括如下步骤:
步骤S41,制作棋盘格标定平板,通过一平面标定单元采用张正友平面标定 法(即棋盘格标定法),对每个深度摄像机120单独进行标定,进而确定每个深 度摄像机120的RGB摄像头的内参矩阵Krgb、深度摄像头的内参矩阵Kir,以 及RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换矩阵 Trgb2ir=[Rrgb2ir trgb2ir];
步骤S42,制作立体标定物并将立体标定物放置于扫描平台110中央,之后 通过一立体标定单元与立体标定物的配合对扫描装置进行标定,以立体标定物 所在坐标系作为世界坐标系,进而获取每个深度摄像机120的深度摄像头坐标 系相对于世界坐标系的位姿变换矩阵并以第一个深度摄 像头坐标系作为基础坐标系,过世界坐标系作为中介,依次获得其余所有深度 摄像头相对于基础坐标系的位姿变换矩阵
本实施例中,通过步骤S41和步骤S42,能够较佳地实现对深度摄像机120 和扫描装置的标定。
其中,由于相机硬件设备的稳定性以及扫描装置的固定性,通过步骤S41 和步骤S42所获取的标定参数在相当长的时间内不会变化,因此步骤S41和步 骤S42,在较长时间范围内只需要执行一次即可,进而便于使用。
其中,由于立体标定物所在坐标系是固定的,故能够较佳地作为世界坐标 系。另外,由于当相邻深度摄像机120的视角相差较大时,若采用平面标定法 所获取的图像将会发生严重的畸变,且当两视角的重叠区域较小时平面标定的 条件也很难满足。而通过步骤S42中,采用立体标定物对每个深度摄像机120 进行标定,能够较佳地实现对每个深度摄像机120的标定。
本实施例的步骤S41中,首先采用张正友平面标定法分别对RGB摄像头和 深度摄像头进行标定,进而求出RGB摄像头的内参矩阵Krgb和深度摄像头的内 参矩阵Kir。其中:
基于上述公式,对于RGB摄像头坐标系中的空间一点的三维坐标的齐次表 示Prgb=[Xrgb,Yrgb,Zrgb,1]T到该点在RGB图像上的像素坐标的齐次表示 prgb=[urgb,vrgb,1]T的映射关系如公式(1)所示。
公式(1)为:
基于上述公式,对于深度摄像头坐标系中的空间一点的三维坐标的齐次表 示Pir=[Xir,Yir,Zir,1]T到该点在深度图像上的像素坐标的齐次表示pir=[uir,vir,1]T的 映射关系如公式(2)所示。
公式(2)为:
其中,若令为Prgb的非齐次表示,则公式(1)可以缩 写为公式(3);若令为Pir的非齐次表示,则公式(2)可以缩写 为公式(4)。
公式(3)为:
公式(4)为:
另外,针对同一棋盘格标定平板,任一深度摄像机120处的RGB摄像头的 外参矩阵Trgb=[Rrgb trgb]和深度摄像头的外参矩阵Tir=[Rir tir]间存在如公式(5) 和公式(6)的刚体变换关系。
公式(5)为:
公式(6)为:trgb2ir=tir-Rrgb2ir*trgb。
基于公式(5)和公式(6),同一棋盘格标定平板处的同一个点的三维坐标 在RGB摄像头坐标系下的三维坐标和在深度摄像头坐标系下的三维坐标 存在如公式(7)的关系。
公式(7)为:
将公式(7)带入公式(4)中,可以获取公式(8)。
公式(8)为:
将公式(3)带入公式(8)中,可以获取公式(9)。
公式(9)为:
公式(9)中,针对深度而言,pir=[uir,vir,1]T表示某点在深度图像上的像素 点坐标位置,Zir表示深度图像上像素坐标位置为pir=[uir,vir,1]T处的对应深度值; prgb=(urgb,vrgb,1)T表示该点在RGB图像上的像素点坐标位置,Zrgb表示RGB图 像上像素坐标位置为prgb=(urgb,vrgb,1)T处的对应深度值。在步骤S41中, Zir、prgb=(urgb,vrgb,1)T和Zrgb均能够通过测定而获取,从而能够 较佳地计算出RGB摄像头坐标系到深度摄像头坐标系的位姿变换矩阵 Trgb2ir=[Rrgb2ir trgb2ir],从而根据公式(9)即可较佳地知晓RGB图像与深度图 像间的对应关系。
通过步骤S41,能够较佳地获取深度摄像头坐标系与RGB摄像头坐标系之 间的位姿关系,从而能够较佳地建立深度图像信息和RGB图像信息之间的桥梁。 通过公式(9)即可较佳地将RGB图像映射到深度图像上,也可以将深度图像 映射到RGB图像上。因此,能够较佳地获取RGB图像中的像素点与深度图像 中的对应点坐标。这使得,在进行步骤S42时,能够通过RGB摄像头对立体标 定物进行拍摄,进而能够较佳地从RGB图像中提取出特征点,结合公式(9) 即可较佳地获取特征点在深度图像上的坐标位置,进而能够较佳地获取该特征点在深度摄像头坐标系上的三维坐标。
结合图3所示,步骤S42中,所制作的立体标定物包括立体标定装置本体 200;立体标定装置本体200具有n个标定立面,在放置立体标定物时使n个标 定立面一一对应地对准n台深度摄相机120;立体标定装置本体200包括至少2 层标定靶210,在每层标定靶210处均设置n个竖直的标定靶面211;每层标定 靶210的对应标定靶面211共同构成相应的标定立面,且使任一标定靶210处 的标定靶面211均等距地向内收缩于下层标定靶210的对应标定靶面211;在任 一标定靶面211处均设有至少1个特征标记212,并使得设于同一标定立面处的 特征标记212的中心点不共线且数量为m,m至少为3。
本实施例的三维重建方法中,通过对立体标定装置本体200的该种设计能 够较佳地便于数据的采集。
本实施例中,将标定靶面211与特征标记212设置成反差较大的颜色。
本实施例的三维重建方法中,从而能够较佳地便于对特征标记212的识别。
本实施例中,将特征标记212设计成空心的圆环形。
本实施例的三维重建方法中,从而能够较佳地便于对特征点的求解。
步骤S42中,选择立体标定物的底面中心为世界坐标系的原点,进而建立 世界坐标系。
结合图5所示,已知空间一个点Pi在世界坐标系上的坐标值为Pwi=(xwi, ywi,zwi)T,在深度摄像头坐标系上的坐标值为Pci=(xci,yci,zci)T,则Pwi和Pci 之间满足如公式(10)的关系。
公式(10)为:
结合图6所示,公式(10)中,分别代表n个深度摄 像机120的深度摄像头坐标系到世界坐标系的位姿变换矩阵。
其中,每个特征标记212的圆心即为相应的特征点,由于立体标定物的尺 寸是已知的,故能够知晓每个特征点在世界坐标系中的坐标。之后,通过RGB 摄像头拍摄对应的标定立面即可获取相应的RGB图像;之后,立体标定单元处 的Hough变换算法模块对RGB图像采用Hough变换算法即可检测出每个特征 点在RGB图像上的坐标值;之后,根据公式9即可较佳获取特征点在对应深度 摄像头坐标系中的坐标值;之后,立体标定单元处的四元素算法模块采用四元 素算法即可较佳地知晓每个深度摄像头坐标系到世界坐标系上的位姿变换矩阵
之后,将第一个深度摄像头坐标系作为基础坐标系,通过世界坐标系作为 中介,可以依次获得其余所有深度摄像头相对于基础坐标系的位姿变换矩阵如公式(11)所示。
公式(11)为:
公式(11)中,表示第j个深度摄像头坐标系相对第一个深度摄像头坐标 系的位姿变换矩阵,表示第j个深度摄像头坐标系相对世界坐标系的位姿变换 矩阵,表示第1个深度摄像头坐标系相对世界坐标系的位姿变换矩阵。
本实施例中,所述至少2层标定靶210设于一标定靶底座220处,扫描平 台100处设有与标定靶底座220边线相配合的定位标记130。通过将立体标定装 置200设于扫描平台100中部,使得能够以扫描平台100上平面的中心点作为 原点而构建世界坐标系,从而能够较佳地便于数据的处理。其中,立体标定装 置200能够构造成一旋转体,从而使得在计算特征标记212中心点(特征点) 的世界坐标时,只需计算出其中一个标定立面处所有特征标记212中心点的世 界坐标后,按角度作刚体旋转即可推算出其余标定立面处所有特征标记212中 心点的世界坐标,从而能够较佳地便于数据的处理。另外通过标定靶底座220 与定位标记130的配合,能够较佳地便于立体标定物的放置。
本实施例的步骤S5中,优化处理单元能够以边长为深度摄像头扫描精度的 立方体网格对目标物体的完整点云进行扫描,之后统计出每个网格中所包含的 点云数量,进而计算出每个网格中所包含点云的重心位置,并采用每个网格中 所包含点云的重心位置来替代当前网格中的所有点云。
由于每个深度摄像头拍摄的区域存在重叠部位,所以,目标物体的完整点 云存在很多重叠的部分,通过步骤S5的优化处理,能够达到精简目标物体的完 整点云的目的,从而实现去除目标物体的完整点云中的重叠部分的目的,能够 较佳地获得精细化的目标物体的完整点云。
本实施例的步骤S6中,数据合并单元首先将经步骤S5处理的完整点云采 用八叉树结构进行存储,之后搜索每个点pi(i=1,2,..N)的周围k个最邻近的点, 并根据公式(12)计算每个点的对应协方差矩阵。其中,N表示经步骤S5处理 后的完整点云的数量。
公式(12)为:
公式(12)中,pj(j=1,2,..k)表示点pi(i=1,2,..N)周围k个最邻近的点,表 示k个最邻近点的重心坐标。
之后,计算每个点对应协方差矩阵Ci的特征值和相对应的特征向量,并取 最大的特征值所对应的特征向量作为点pi(i=1,2…N)的法向量估计值ni (i=1,2…N)。
最后,定义一新的数据类型,将点和对应的法向量估计值 合并成一个数据,即可较佳地得到了带有法向量的点云数据。
本实施例的步骤S7中,选择合适的poisson重建参数,输入带有法向量的 点云数据,即可重建目标物体的曲面模型。依据此模型,可以较佳地对目标物 体进行渲染展示和特征参数提取等后续操作。
通过本实施例的三维重建装置及方法,能够较佳地实现对目标物体的自动 化重建,以及对相关内参矩阵和外参矩阵的自动化标定,且标定过程只需执行 一次,进而能够较佳地提升三维重建的效率且便于操作。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附 图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以, 如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不 经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的 保护范围。
Claims (10)
1.一种基于多视角深度摄像机的三维重建装置,其特征在于:包括扫描装置,扫描装置包括扫描平台,扫描平台四周按圆周方向间隔设有数量不为1的n个深度摄像机;任一深度摄像机均朝向扫描平台中央,任一深度摄像机内均设有深度摄像头;
扫描装置内设有扫描系统,扫描系统包括第一图像处理单元、滤波单元、拼接单元、优化处理单元、数据合并单元和poisson重建单元;
所述n个深度摄像机处的深度摄像头用于共同对目标物体进行扫描以从不同视角拍摄目标物体的深度图像,第一图像处理单元用于对每个深度摄像头所拍摄的深度图像进行处理以获取相应的点云,滤波单元用于对所有的点云进行滤波,拼接单元用于将所有的点云根据对应的位姿变换矩阵变换到基础坐标系中进行拼接处理以获取目标物体的完整点云,优化处理单元用于去除完整点云中的重叠部分,数据合并单元用于获取完整点云的法向量并与完整点云进行数据合并以获取带有法向量的点云数据,poisson重建单元用于根据带有法向量的点云数据进行三维曲面重建以获取目标物体的三维模型。
2.根据权利要求1所述的一种基于多视角深度摄像机的三维重建装置,其特征在于:拼接单元中所依据的位姿变换矩阵通过一立体标定单元获取,立体标定单元用于与一立体标定物进行配合以获取每个深度摄像头坐标系与世界坐标系之间的位姿变换矩阵,进而获取每个深度摄像头坐标系与基础坐标系之间的位姿变换矩阵。
3.根据权利要求2所述的一种基于多视角深度摄像机的三维重建装置,其特征在于:立体标定物处设有特征标记,设计特征标记的几何中心为特征点;立体标定单元用于根据特征点在世界坐标系中的坐标和在深度摄像头坐标系中的坐标,获取每个深度摄像头坐标系与世界坐标系之间的位姿变换矩阵;任一深度摄像机内均还设有用于对特征标记进行识别的RGB摄像头,立体标定单元能够通过RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换矩阵根据特征点在RGB摄像头坐标系中的坐标求取该特征点在深度摄像头坐标系中的坐标,RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换矩阵通过一平面标定单元和一棋盘格标定平板的配合获取。
4.根据权利要求3所述的一种基于多视角深度摄像机的三维重建装置,其特征在于:立体标定物包括立体标定装置本体(200),立体标定装置本体(200)具有n个用于一一对应地对准n台深度摄相机(120)的标定立面;立体标定装置本体(200)包括至少2层标定靶(210),每层标定靶(210)处均设有n个竖直的标定靶面(211);每层标定靶(210)的对应标定靶面(211)共同构成相应的标定立面,且任一标定靶(210)处的标定靶面(211)均等距地向内收缩于下层标定靶(210)的对应标定靶面(211);任一标定靶面(211)处均设有至少1个特征标记(212),设于同一标定立面处的特征标记(212)的中心点不共线且数量为m,m至少为3。
5.根据权利要求4中所述的一种基于多视角深度摄像机的三维重建装置,其特征在于:标定靶面(211)处设有一第一颜色层,第一颜色层的颜色为白色;特征标记(212)的空心圆环形,特征标记(212)处设有一第二颜色层,第二颜色层的颜色为黑色。
6.一种基于多视角深度摄像机的三维重建方法,其包括以下步骤:
步骤S1:在一扫描平台四周按圆周方向间隔设置n个深度摄像机,并使得每个深度摄像机均朝向扫描平台中央,从而搭建固定结构的扫描装置;
步骤S2:将目标物体放置于扫描平台中央,令n个深度摄像机同时对目标物体进行扫描,通过一第一图像处理单元对每个深度摄像机所采集的深度图像进行处理,进而获取每个深度摄像机所采集的点云;
步骤S3:采用一滤波单元对所有点云进行滤波;
步骤S4:将经S3处理后的所有点云在一拼接单元处,根据所有深度摄像头坐标系相对于基础坐标系的对应位姿变换矩阵,将每个深度摄像机所采集的点云变换到基础坐标系中进行拼接处理,进而获取目标物体的完整点云;
步骤S5:采用一优化处理单元对经步骤S4获取的完整点云进行优化处理;
步骤S6:采用一数据合并单元计算经步骤S5处理后的完整点云的法向量,并将法向量和完整点云进行合并,进而生成带有法向量的点云数据;
步骤S7:采用一poisson重建单元对经S6处理后的数据进行三维曲面重建,进而获取完整的目标物体的三维模型。
7.根据权利要求6所述的一种基于多视角深度摄像机的三维重建方法,其特征在于:步骤S4中,通过对n个深度摄像机的分别标定,以获取每个深度摄像机到世界坐标系的位姿变换矩阵,进而获取所有深度摄像头坐标系相对于基础坐标系的对应位姿变换矩阵;具体包括如下步骤:
步骤S41,制作棋盘格标定平板,通过一平面标定单元采用张正友平面标定法,对每个深度摄像机单独进行标定,进而确定每个深度摄像机的RGB摄像头的内参矩阵Krgb、深度摄像头的内参矩阵Kir,以及RGB摄像头坐标系与深度摄像头坐标系之间的位姿变换矩阵Trgb2ir=[Rrgb2ir trgb2ir];
步骤S42,制作立体标定物并将立体标定物放置于扫描平台中央,之后通过一立体标定单元与立体标定物的配合对扫描装置进行标定,以立体标定物所在坐标系作为世界坐标系,进而获取每个深度摄像机的深度摄像头坐标系相对于世界坐标系的位姿变换矩阵并以第一个深度摄像头坐标系作为基础坐标系,过世界坐标系作为中介,依次获得其余所有深度摄像头相对于基础坐标系的位姿变换矩阵
8.根据权利要求7所述的一种基于多视角深度摄像机的三维重建方法,其特征在于:步骤S42中,所制作的立体标定物包括立体标定装置本体(200);立体标定装置本体(200)具有n个标定立面,在放置立体标定物时使n个标定立面一一对应地对准n台深度摄相机(120);立体标定装置本体(200)包括至少2层标定靶(210),在每层标定靶(210)处均设置n个竖直的标定靶面(211);每层标定靶(210)的对应标定靶面(211)共同构成相应的标定立面,且使任一标定靶(210)处的标定靶面(211)均等距地向内收缩于下层标定靶(210)的对应标定靶面(211);在任一标定靶面(211)处均设有至少1个特征标记(212),并使得设于同一标定立面处的特征标记(212)的中心点不共线且数量为m,m至少为3。
9.根据权利要求8所述的一种基于多视角深度摄像机的三维重建方法,其特征在于:将标定靶面(211)与特征标记(212)设置成反差较大的颜色。
10.根据权利要求8所述的一种基于多视角深度摄像机的三维重建方法,其特征在于:将特征标记(212)设计成空心的圆环形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810794950.4A CN108717728A (zh) | 2018-07-19 | 2018-07-19 | 一种基于多视角深度摄像机的三维重建装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810794950.4A CN108717728A (zh) | 2018-07-19 | 2018-07-19 | 一种基于多视角深度摄像机的三维重建装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108717728A true CN108717728A (zh) | 2018-10-30 |
Family
ID=63913602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810794950.4A Pending CN108717728A (zh) | 2018-07-19 | 2018-07-19 | 一种基于多视角深度摄像机的三维重建装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108717728A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632033A (zh) * | 2019-02-22 | 2019-04-16 | 浙江大学滨海产业技术研究院 | 一种体积测量的设备与方法 |
CN109822562A (zh) * | 2018-12-26 | 2019-05-31 | 浙江大学 | 一种基于sick系统的工件三维重建方法 |
CN109848073A (zh) * | 2019-02-22 | 2019-06-07 | 浙江大学滨海产业技术研究院 | 一种分拣煤与煤矸石的设备与方法 |
CN109974707A (zh) * | 2019-03-19 | 2019-07-05 | 重庆邮电大学 | 一种基于改进点云匹配算法的室内移动机器人视觉导航方法 |
CN110458891A (zh) * | 2019-06-12 | 2019-11-15 | 五邑大学 | 一种采用三位重构的螺孔标定装置 |
CN111009002A (zh) * | 2019-10-16 | 2020-04-14 | 贝壳技术有限公司 | 点云配准检测方法、装置以及电子设备、存储介质 |
CN111199579A (zh) * | 2020-01-02 | 2020-05-26 | 腾讯科技(深圳)有限公司 | 一种目标物的三维模型构建方法、装置、设备及介质 |
CN111862179A (zh) * | 2019-04-12 | 2020-10-30 | 北京城市网邻信息技术有限公司 | 三维对象建模方法与设备、图像处理装置及介质 |
CN112462948A (zh) * | 2020-12-18 | 2021-03-09 | 哈尔滨拓博科技有限公司 | 一种基于深度相机偏离用户手势控制的标定方法和装置 |
CN112802178A (zh) * | 2021-01-15 | 2021-05-14 | 浙江华云信息科技有限公司 | 一种基于泊松曲面重建算法修复三维模型缺失信息的方法 |
CN112991458A (zh) * | 2021-03-09 | 2021-06-18 | 武汉大学 | 一种基于体素的快速三维建模方法及系统 |
CN113052974A (zh) * | 2019-12-11 | 2021-06-29 | 清华大学 | 物体三维表面的重建方法和装置 |
CN113628265A (zh) * | 2021-08-07 | 2021-11-09 | 北京地平线信息技术有限公司 | 车辆周视点云的生成方法、深度估计模型训练方法及装置 |
CN113813170A (zh) * | 2021-08-30 | 2021-12-21 | 中科尚易健康科技(北京)有限公司 | 多摄像头理疗系统的摄像头之间目标点转换方法 |
WO2022088799A1 (zh) * | 2020-10-29 | 2022-05-05 | 陈志立 | 三维重建方法、三维重建装置、存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN101299270A (zh) * | 2008-05-27 | 2008-11-05 | 东南大学 | 三维扫描系统中的多个摄像机同步快速标定方法 |
CN103035008A (zh) * | 2012-12-15 | 2013-04-10 | 北京工业大学 | 一种多相机系统的加权标定方法 |
CN104217429A (zh) * | 2014-08-25 | 2014-12-17 | 太仓中科信息技术研究院 | 一种摄像机标定板的设计与检测方法 |
CN104408704A (zh) * | 2014-08-25 | 2015-03-11 | 太仓中科信息技术研究院 | 一种自动化变焦镜头标定装置及标定方法 |
CN106097300A (zh) * | 2016-05-27 | 2016-11-09 | 西安交通大学 | 一种基于高精度运动平台的多相机标定方法 |
CN106709947A (zh) * | 2016-12-20 | 2017-05-24 | 西安交通大学 | 一种基于rgbd相机的三维人体快速建模系统 |
CN107621226A (zh) * | 2017-07-18 | 2018-01-23 | 深圳大学 | 多目立体视觉的三维扫描方法及系统 |
-
2018
- 2018-07-19 CN CN201810794950.4A patent/CN108717728A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN101299270A (zh) * | 2008-05-27 | 2008-11-05 | 东南大学 | 三维扫描系统中的多个摄像机同步快速标定方法 |
CN103035008A (zh) * | 2012-12-15 | 2013-04-10 | 北京工业大学 | 一种多相机系统的加权标定方法 |
CN104217429A (zh) * | 2014-08-25 | 2014-12-17 | 太仓中科信息技术研究院 | 一种摄像机标定板的设计与检测方法 |
CN104408704A (zh) * | 2014-08-25 | 2015-03-11 | 太仓中科信息技术研究院 | 一种自动化变焦镜头标定装置及标定方法 |
CN106097300A (zh) * | 2016-05-27 | 2016-11-09 | 西安交通大学 | 一种基于高精度运动平台的多相机标定方法 |
CN106709947A (zh) * | 2016-12-20 | 2017-05-24 | 西安交通大学 | 一种基于rgbd相机的三维人体快速建模系统 |
CN107621226A (zh) * | 2017-07-18 | 2018-01-23 | 深圳大学 | 多目立体视觉的三维扫描方法及系统 |
Non-Patent Citations (4)
Title |
---|
孟繁昌等: "基于多Kinect的旋转人体扫描系统研究", 《中国测试》 * |
孟繁昌等: "基于多Kinect的旋转人体扫描系统研究", 《中国测试》, vol. 44, no. 02, 28 February 2018 (2018-02-28), pages 72 - 77 * |
席小霞等: "基于RGB-D值的三维图像重建系统研究", 《测试技术学报》 * |
席小霞等: "基于RGB-D值的三维图像重建系统研究", 《测试技术学报》, vol. 29, no. 05, 31 October 2015 (2015-10-31), pages 409 - 415 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109822562A (zh) * | 2018-12-26 | 2019-05-31 | 浙江大学 | 一种基于sick系统的工件三维重建方法 |
CN109848073A (zh) * | 2019-02-22 | 2019-06-07 | 浙江大学滨海产业技术研究院 | 一种分拣煤与煤矸石的设备与方法 |
CN109632033A (zh) * | 2019-02-22 | 2019-04-16 | 浙江大学滨海产业技术研究院 | 一种体积测量的设备与方法 |
CN109632033B (zh) * | 2019-02-22 | 2024-04-26 | 浙江大学滨海产业技术研究院 | 一种体积测量的设备与方法 |
CN109974707A (zh) * | 2019-03-19 | 2019-07-05 | 重庆邮电大学 | 一种基于改进点云匹配算法的室内移动机器人视觉导航方法 |
CN111862179B (zh) * | 2019-04-12 | 2022-02-18 | 北京城市网邻信息技术有限公司 | 三维对象建模方法与设备、图像处理装置及介质 |
CN111862179A (zh) * | 2019-04-12 | 2020-10-30 | 北京城市网邻信息技术有限公司 | 三维对象建模方法与设备、图像处理装置及介质 |
CN110458891A (zh) * | 2019-06-12 | 2019-11-15 | 五邑大学 | 一种采用三位重构的螺孔标定装置 |
CN111009002A (zh) * | 2019-10-16 | 2020-04-14 | 贝壳技术有限公司 | 点云配准检测方法、装置以及电子设备、存储介质 |
CN113052974A (zh) * | 2019-12-11 | 2021-06-29 | 清华大学 | 物体三维表面的重建方法和装置 |
CN113052974B (zh) * | 2019-12-11 | 2024-01-26 | 清华大学 | 物体三维表面的重建方法和装置 |
CN111199579A (zh) * | 2020-01-02 | 2020-05-26 | 腾讯科技(深圳)有限公司 | 一种目标物的三维模型构建方法、装置、设备及介质 |
WO2021135627A1 (zh) * | 2020-01-02 | 2021-07-08 | 腾讯科技(深圳)有限公司 | 一种目标物的三维模型构建方法和相关装置 |
CN111199579B (zh) * | 2020-01-02 | 2023-01-24 | 腾讯科技(深圳)有限公司 | 一种目标物的三维模型构建方法、装置、设备及介质 |
WO2022088799A1 (zh) * | 2020-10-29 | 2022-05-05 | 陈志立 | 三维重建方法、三维重建装置、存储介质 |
CN112462948A (zh) * | 2020-12-18 | 2021-03-09 | 哈尔滨拓博科技有限公司 | 一种基于深度相机偏离用户手势控制的标定方法和装置 |
CN112802178A (zh) * | 2021-01-15 | 2021-05-14 | 浙江华云信息科技有限公司 | 一种基于泊松曲面重建算法修复三维模型缺失信息的方法 |
CN112991458B (zh) * | 2021-03-09 | 2023-02-24 | 武汉大学 | 一种基于体素的快速三维建模方法及系统 |
CN112991458A (zh) * | 2021-03-09 | 2021-06-18 | 武汉大学 | 一种基于体素的快速三维建模方法及系统 |
CN113628265A (zh) * | 2021-08-07 | 2021-11-09 | 北京地平线信息技术有限公司 | 车辆周视点云的生成方法、深度估计模型训练方法及装置 |
CN113628265B (zh) * | 2021-08-07 | 2024-02-13 | 北京地平线信息技术有限公司 | 车辆周视点云的生成方法、深度估计模型训练方法及装置 |
CN113813170A (zh) * | 2021-08-30 | 2021-12-21 | 中科尚易健康科技(北京)有限公司 | 多摄像头理疗系统的摄像头之间目标点转换方法 |
CN113813170B (zh) * | 2021-08-30 | 2023-11-24 | 中科尚易健康科技(北京)有限公司 | 多摄像头理疗系统的摄像头之间目标点转换方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717728A (zh) | 一种基于多视角深度摄像机的三维重建装置及方法 | |
CN106097348B (zh) | 一种三维激光点云与二维图像的融合方法 | |
US10217293B2 (en) | Depth camera-based human-body model acquisition method and network virtual fitting system | |
CN106556825B (zh) | 一种全景视觉成像系统的联合标定方法 | |
CN106091984B (zh) | 一种基于线激光的三维点云数据获取方法 | |
TWI555379B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
CN107907048A (zh) | 一种基于线结构光扫描的双目立体视觉三维测量方法 | |
CN109685913B (zh) | 基于计算机视觉定位的增强现实实现方法 | |
CN108470373B (zh) | 一种基于红外的3d四维数据采集方法及装置 | |
CN108288294A (zh) | 一种3d相机群的外参标定方法 | |
CN109658457A (zh) | 一种激光与相机任意相对位姿关系的标定方法 | |
CN106683045A (zh) | 一种基于双目像机的全景图像拼接方法 | |
CN106780618A (zh) | 基于异构深度摄像机的三维信息获取方法及其装置 | |
CN100428805C (zh) | 仅用一幅平面标定物图像的摄像机标定方法 | |
CN107239748A (zh) | 基于棋盘格标定技术的机器人目标识别与定位方法 | |
CN107507274A (zh) | 一种基于云计算的公安案件现场三维实景快速还原方法 | |
CN109961485A (zh) | 一种基于单目视觉进行目标定位的方法 | |
CN112067233B (zh) | 一种用于风洞模型六自由度运动捕获方法 | |
CN112837257A (zh) | 一种基于机器视觉的曲面标签拼接检测方法 | |
CN109712232B (zh) | 一种基于光场的物体表面轮廓三维成像方法 | |
CN108010086A (zh) | 基于网球场标志线交点的摄像机标定方法、装置和介质 | |
CN104933704B (zh) | 一种三维立体扫描方法及系统 | |
CN107886547A (zh) | 一种鱼眼相机标定方法及系统 | |
CN107798702A (zh) | 一种用于增强现实的实时图像叠加方法以及装置 | |
Rüther et al. | A comparison of close-range photogrammetry to terrestrial laser scanning for heritage documentation |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181030 |