CN109147029A - 一种单目偏振三维重建方法 - Google Patents
一种单目偏振三维重建方法 Download PDFInfo
- Publication number
- CN109147029A CN109147029A CN201810664105.5A CN201810664105A CN109147029A CN 109147029 A CN109147029 A CN 109147029A CN 201810664105 A CN201810664105 A CN 201810664105A CN 109147029 A CN109147029 A CN 109147029A
- Authority
- CN
- China
- Prior art keywords
- body surface
- surface normal
- axis component
- polarization
- image
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种单目偏振三维重建方法,包括以下步骤(a)获取物体的光强图像以及若干不同偏振角度的物体偏振图像;(b)根据所述物体偏振图像得到第一物体表面法线;(c)利用SFS算法,根据所述物体的光强图像得到第二物体表面法线;(d)利用所述第二物体表面法线校正所述第一物体表面法线,得到第三物体表面法线;(e)根据所述第三物体表面法线实现所述三维重建。本发明使用SFS方法得到的物体表面法线用以对由偏振信息得到的表面法线的校正,从而实现单目三维重建,降低了系统结构的复杂度,提高了运算速度。
Description
技术领域
本发明属于光学成像领域,具体涉及一种单目偏振三维重建方法。
背景技术
三维重建是指从反映物体的三维属性的采样数据集中构建出合理的三 维自由曲面,为已存在的曲面建立模型的技术。通过三维重建技术,我们 可以获取包括结构、纹理、尺度等物体的完整三维信息。随着三维重建技 术在计算机视觉、虚拟显示、医疗可视化等领域的广泛应用,人们对于三 维重建技术的重建结果的细节信息丰富性和系统结构的简单性的要求越来 越高,然而目前的三维重建的方法往往同时满足这两个需求。目前常见的基于二维图像的三维重建的方法有双目立体视觉的三维重建方法,结构光 的三维重建方法,双目偏振的三维重建方法等等。但是由于这些三维重建 的方法的系统结构复杂,运算时间长,应用距离短,或者重建结果的缺乏 细节信息等原因,极大的限制了三维重建的应用范围。因此需要进一步提 高三维重建的重建效果,降低结构的复杂度,使更广泛的应用成为可能。
现有的三维重建技术主要是双目偏振三维重建法,该方法基于由相机 得到的偏振信息和由Kinect得到的深度信息实现物体表面的三维重建。该 方法的重建结果的细节信息较为丰富,在三维重建技术领域有一定的应用。 请参见图1,图1为现有技术的一种双目偏振三维重建方法的流程示意图。 首先根据Stokes矢量(斯托克斯矢量)的方法由不同角度的偏振图像计算得 到物体表面的偏振度,之后计算得到物体表面的入射光的方位角和入射角。 由于通过物体表面的偏振图像得到的入射方位角和入射角存在不确定性, 所以由偏振信息得到的物体表面法线需要进行校正。因此,为了实现物体 表面法线的校正,需要利用Kinect(一种深度传感器)获取的深度信息得到的 物体表面法线。校正的方法就是使由偏振信息得到的物体表面法线在x轴 和y轴的分量nx和ny的方向与由深度信息得到的方向保持一致。最后,将 校正后的物体表面法线在x轴和y轴的分量进行表面积分就可以得到物体 表面的三维信息。
双目偏振三维重建方法在对物体表面法线进行校正的过程中需要 Kinect深度传感器获取物体的深度信息,而Kinect深度传感器和相机是从 不同角度拍摄物体,所以该方法就需要进行图像的匹配。因此,该方法在 处理尺寸较大的图像时运算时间就比较长,准确度较低。此外,由于该方 法需要两个成像传感器,所以系统结构就会比较复杂,成本较高。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种单目偏振三 维重建方法。本发明要解决的技术问题通过以下技术方案实现:
本发明实施例提供了一种单目偏振三维重建方法,包括以下步骤:
(a)获取物体的光强图像以及若干不同偏振角度的物体偏振图像;
(b)根据所述物体偏振图像得到第一物体表面法线;
(c)利用SFS算法,根据所述物体的光强图像得到第二物体表面法线;
(d)利用所述第二物体表面法线校正所述第一物体表面法线,得到第三 物体表面法线;
(e)根据所述第三物体表面法线实现所述三维重建。
在本发明的一个实施例中,步骤(a)包括:
(a1)获取所述物体的光强图像以及若干不同偏振角度的场景偏振图像;
(a2)根据所述场景偏振图像得到若干不同偏振角度的所述物体偏振图 像。
在本发明的一个实施例中,步骤(b)包括:
(b1)根据所述物体偏振图像得到所述物体表面的偏振度和方位角;
(b2)根据所述偏振度得到所述物体表面入射光的入射角;
(b3)根据所述方位角和所述入射角得到所述第一物体表面法线。
在本发明的一个实施例中,步骤(d)包括:
(d1)根据所述第一物体表面法线和所述第二物体表面法线分别获得第 一校正系数和第二校正系数;
(d2)根据所述第一物体表面法线、所述第一校正系数、所述第二校正系 数获得所述第三物体表面法线。
在本发明的一个实施例中,步骤(d1)包括:
(d11)分别获取所述第一物体表面法线的第一x轴分量和所述第二物体 表面法线的第二x轴分量;
(d12)根据所述第一x轴分量和所述第二x轴分量获得所述第一校正系 数;
(d13)分别获取所述第一物体表面法线的第一y轴分量和所述第二物体 表面法线的第二y轴分量;
(d14)根据所述第一y轴分量和所述第二y轴分量获得所述第二校正系 数。
在本发明的一个实施例中,所述第一校正系数的计算公式为:
式中,为所述第一校正系数;nx为所述第一x轴分量;nsx为所述第 二x轴分量。
在本发明的一个实施例中,所述第二校正系数的计算公式为:
式中,为所述第二矫正系数;ny为所述第一y轴分量;nsy为所述第 二y轴分量。
在本发明的一个实施例中,步骤(d2)包括:
(d21)将所述第一校正系数与所述第一x轴分量相乘,得到所述第三表 面法线的第三x轴分量;
(d22)将所述第二校正系数与所述第一y轴分量相乘,得到所述第三表 面法线的第三y轴分量;
(d23)根据所述第三x轴分量和所述第三y轴分量得到所述第三表面法 线。
在本发明的一个实施例中,步骤(e)包括:
对所述第三物体表面法线进行表面积分以实现所述三维重建。
在本发明的一个实施例中,所述若干不同偏振角度包括0°、45°、90°、 135°。
与现有技术相比,本发明的有益效果:
1.本发明通过使用SFS方法得到校正所使用的表面法线,减少了光学 系统中成像传感器的个数,能够有效地降低系统结构的复杂度;
2.使用SFS方法得到的物体表面法线用以对由偏振信息的表面法线的 校正,从而实现单目三维重建,避免图像匹配的过程,更快的进行三维重 建,大大提高运算速度,扩大应用范围,使偏振三维重建方法在结构简单 和性能较低的硬件平台的应用成为可能。
附图说明
图1为现有技术的一种双目偏振三维重建方法的流程示意图;
图2为本发明实施例提供的一种单目偏振三维重建方法的流程示意图;
图3为本发明实施例提供的一种单目偏振三维重建方法的偏振度计算 的余弦曲线示意图;
图4为本发明实施例提供的一种单目偏振三维重建方法的物体表面方 位角和入射角的结构示意图;
图5为本发明实施例提供的一种单目偏振三维重建方法的相机坐标系 示意图;
图6为本发明实施例提供的另一种单目偏振三维重建方法的流程示意 图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施 方式不限于此。
实施例一
请参见图2,图2为本发明实施例提供的一种单目偏振三维重建方法的 流程示意图。
一种单目偏振三维重建方法,包括以下步骤:
(a)获取物体的光强图像以及若干不同偏振角度的物体偏振图像;
(b)根据所述物体偏振图像得到第一物体表面法线;
(c)利用SFS算法,根据所述物体的光强图像得到第二物体表面法线;
(d)利用所述第二物体表面法线校正所述第一物体表面法线,得到第三 物体表面法线;
(e)根据所述第三物体表面法线实现所述三维重建。
在本发明实施例中,利用SFS方法得到的物体表面法线校正由偏振信 息得到的物体表面法线,从而实现单目三维重建,降低了系统结构的复杂 度,提高了运算速度。
实施例二
请再次参见图2,本实施例在上述实施例的基础上,重点对一种单目偏 振三维重建方法的具体过程进行详细描述。
(S10)获取物体的光强图像以及若干不同偏振角度的物体偏振图像。
步骤(S10)包括以下步骤:
(S101)获取所述物体的光强图像以及若干不同偏振角度的场景偏振图 像。
利用成像探测器和偏振片,得到所述物体的第一偏振图像I0、第二偏 振图像I45、第三偏振图像I90、第四偏振图像I135。
在自然光的环境中,利用所述成像探测器CMOS(互补金属氧化物半导 体)相机采集所述物体表面的反射光,从而得到所述物体的光强图像N0。
通过给偏振片驱动器发出信号,使偏振片分别旋转0°、45°,90°和 135°,对应地,所述成像探测器CMOS相机分别获取所述物体场景的第一 偏振图像、第二偏振图像I45、第三偏振图像I90、第四偏振图像I135。
(S102)利用阈值分割算法,根据所述场景偏振图像得到若干不同偏振角 度的所述物体偏振图像。
利用阈值分割算法、根据所述物体场景的所述第一偏振图像I0、所述 第二偏振图像I45、所述第三偏振图像I90、所述第四偏振图像I135得到所述物 体的第五偏振图像I′0、第六偏振图像I′45、第七偏振图像I′90、第八偏振图像I′135。
需要说明的是,I0、I45、I90、I135、I′0、I′45、I′90、I′135分别指对应的所 述第一偏振图像、所述第二偏振图像、所述第三偏振图像、所述第四偏振 图像、所述第五偏振图像、所述第六偏振图像、所述第七偏振图像、所述 第八偏振图像的光强。
为减少计算量,需要对获取到的物体场景的偏振图像和场景深度信息 分别进行分割,将物体和背景分开同时去除背景部分,本发明实施例采用 阈值分割算法将所述物体场景的偏振图像的物体和背景分割开,得到所述 第五偏振图像I′0、所述第六偏振图像I′45、所述第七偏振图像I′90、所述第八 偏振图像I′135。
步骤(S102)包括以下步骤:
(S1021)以所述第一偏振图像I0为例,首先利用迭代法选取第一阈值T1。
(a)求出所述第一偏振图像I0的最大灰度值Mmax和Mmin,并令初始阈值 为
(b)根据阈值Tk(k=0,1,2,...)将图像阈值分割为目标图像(I1≥Tk)与背景 图像(I2<Tk),并分别求出目标图像和背景图像的平均灰度值H1和H2;
(c)计算下一个阈值
(d)当Tk+1=Tk时,停止迭代,阈值即为Tk,即Tk为所述第一阈值T1,否 则,转到步骤(b)继续迭代。
(e)重复步骤(a)~(d),分别得到所述第二偏振图像I45对应的第二阈值T2、 所述第三偏振图像I90的第三阈值T3、所述第四偏振图像I135的第四阈值T4。
(S1022)分别根据所述第一阈值T1、所述第二阈值T2、所述第三阈值 T3、所述第四阈值T4对所述第一偏振图像I0、所述第二偏振图像I45、所述 第三偏振图像I90、所述第四偏振图像I135进行二值化阈值分割,得到所述第 五偏振图像I′0、所述第六偏振图像I′45、所述第七偏振图像I′90、所述第八偏 振图像I′135。
所述二值化阈值分割的公式为:
(S20)根据所述物体偏振图像得到第一物体表面法线。
步骤(S20)包括以下步骤:
(S201)根据Stokes矢量得到所述物体表面的偏振度和方位角。
Stokes(斯托克斯)矢量表示法是一种常用的偏振特性表示方法,它指一 束光的偏振状态可以由四个固定参数完全描述,这组参数称为Stokes矢量。 由于每个Stokes参数都是用光强来表示,因此可以通过一定的光电仪器直 接进行测量。Stokes矢量可表示为:
其中,I、Q、U为线偏振的分量;V为圆偏振的分量;Ex和Ey分别为 所述物体表面反射光的电场矢量在x和y轴上的分量;IL为左旋圆偏振光强 度;IR为右旋圆偏振光的强度。
由于实际计算偏振度时,圆偏振的分量可以忽略,所以不考虑V。
利用Stokes矢量表示的偏振度P的计算公式为:
根据所述Stokes矢量分别计算出Q、U以及I的值,带入上式中,得 到所述偏振度P。
在另一个具体实施例中,所述偏振度P还可以用以下方案代替。
(x1)请参见图3,图3为本发明实施例提供的一种单目偏振三维重建方 法的偏振度计算的余弦曲线示意图。利用所述第五偏振图像I′0、所述第六 偏振图像I′45、所述第七偏振图像I′90、所述第八偏振图像I′135使用最小二乘法 拟合出光强I随偏振片旋转角度θpol变化的余弦曲线。
根据所述余弦曲线得到所述光强I的最大值Imax和最小值Imin。
(x2)根据所述最大值Imax和所述最小值Imin得到所述偏振度P。
所述偏振度P的公式为:
请参见图4,图4为本发明实施例提供的一种单目偏振三维重建方法的 物体表面方位角和入射角的结构示意图。所述物体表面入射光的方位角和入射角θ即所述物体表面法线的极坐标和θ。
根据Stokes矢量,利用所述第五偏振图像I′0、所述第六偏振图像I′45、 所述第七偏振图像I′90、所述第八偏振图像I′135计算得到所述方位角
Stokes矢量与所述方位角的关系为:
式中,Q、U为Stokes矢量中线偏振的分量。
则
式中,arctan表示反正切函数。
在一个具体实施例中,所述方位角还可以用以下方案替代。
在用余弦曲线计算所述偏振度P时,当I=Imax时:
根据马吕斯定律可知,在光强I随偏振片旋转角度θpol变化的余弦曲线 中,Imax所对应的θpol就是所述方位角
(S202)根据所述偏振度P得到所述物体表面入射光的入射角θ。
所述偏振度P和所述入射角θ的关系为:
式中,n表示物体表面的折射率,sin表示正弦函数,cos表示余弦函数。
在一个具体实施例中,所述物体表面的折射率为1.5。
(S203)根据所述方位角和所述入射角θ得到第一物体表面法线从 而得到了所述第一物体表面法线在x轴的第一x轴分量以及在y轴的第一 y轴分量。
所述第一x轴分量nx和所述第一y轴分量ny的计算公式为:
式中,所述为所述方位角,所述θ为所述入射角。
(S30)利用SFS算法,根据所述物体偏振图像得到第二物体表面法线
步骤(S30)包括以下步骤:
(S301)根据所述物体的光强图像N0得到所述第二物体表面法线满足 的函数关系。
需要说明的是,N0为所述物体的光强。
需要说明的是,在本发明实施例中,SFS指的是一种明暗恢复形状法, 它是一种利用光强度图像重建出物体形状的方法。
需要说明的是,在本发明实施例中,物体表面的反射光遵循LambertianReflection规律。
需要说明的是,Lambertian Reflection指的是朗伯反射模型,它是一种 经典的光照模型。
假设在无限远处的点光源照射下物体表面的Lambertian Reflection模型 为:
式中,N0为所述物体的光强;Li为入射光强;η为表面反射率;θi为入 射角;cos表示求余弦。
归一化N0,消除Li、η的影响,同时由于cosθi的取值范围为(0,1),因 此也可以忽略π的影响。
归一化后的公式为:
N0=cosθi
请参见图5,图5为本发明实施例提供的一种单目偏振三维重建方法的 相机坐标系示意图。假设参照系为相机的坐标系,则所述第二物体表面法 线可以表示为n1为所述第二物体表面法线在x轴的分量;n2为 所述第二物体表面法线在y轴的分量;n3为所述第二物体表面法线在z 轴的分量;而光源方向可以表示为L1为光源方向在相机坐标系下 的x轴分量;L2为光源方向在相机坐标系下的y轴分量;L3为光源方向在相机坐标系下的z轴分量。
则所述第二物体表面法线满足的函数关系为:
式中,N0为所述物体的光强;为光源方向;为所述第二物体表面法 线;n1为所述第二物体表面法线在x轴的分量;n2为所述第二物体表面法 线在y轴的分量;n3为所述第二物体表面法线在z轴的分量;L1为光源方 向在相机坐标系下的x轴分量;L2为光源方向在相机坐标系下的y轴分量; L3为光源方向在相机坐标系下的z轴分量;nsx为对z轴归一化后的所述第 二x轴分量;nsy为对z轴归一化后的所述第二y轴分量;Lx为归一化后的 所述光源方向在相机坐标系下的x轴分量;Ly为归一化后的所述光源方向 在相机坐标系下的y轴分量。
其中,(1)到(2)是对分式上下同时除以L3n3,所以
假设光源方向已知,所以Lx,Ly已知,R(nsx,nsy)为由SFS算法恢复的物体 表面所估计的反射强度,所以利用SFS计算所述第二物体表面法线就是 来求两个未知量nsx,nsy。
(S302)利用正则化模型,根据所述函数关系得到所述第二物体表面法线 在x轴和y轴的第二x轴分量nsx和第二y轴分量nsy。
根据R(nsx,nsy)建立SFS最小值方法的正则化模型。所述正则化模型为一 种求解最小值方法的数学模型。
所述正则化模型的公式为:
J1=∫∫Ω(N(x,y)-R(nsx(x,y),nsy(x,y)))2dxdy
式中,Ω为(x,y)的取值范围。
当所述物体的光强N(x,y)与由SFS算法恢复的物体表面所估计的反射 强度R(nsx,nsy)之间的差值最小时,所述第二x轴分量nsx、所述第二y轴分量 nsy即为最终的结果。
在得到正则化模型之后,还需要加上光滑性约束条件,即光滑物体表 面相邻各点的表面方向是相似的,所以所述第二x轴分量nsx和所述第二y 轴分量nsy的偏导数存在且连续,所以约束条件为:
设为px,为qx,为py,为qy。
构造以下的极值问题:
式中,λ为拉格朗日乘数,
设上式的被积函数为F,为px,为qx,为py,为qy,所 以对上面的极值问题求最小值的方法就是求解的相应的欧拉-拉格朗日方程 组,欧拉-拉格朗日方程组是一种利用变分法来求解函数极值的方法。可以 得到下式:
其中,Fα的形式表示F对α求偏导数,所以:
再由初始值就可以利用松弛迭代法求解该方程组,得到待求的两个未 知量nsx,nsy。
所述松弛迭代法为一种计算线性代数方程组的数值解的迭代方法,所 述松弛迭代法为一种成熟的数学算法,本发明在此处不作具体介绍。
初始值指的是所述物体表面的明暗交界处,在本发明实施例中,nsx,nsy在边界处的值为初始值且为已知值。
(S303)根据所述第二x轴分量nsx和所述第二y轴分量nsy得到所述第二物 体表面法线
(S40)利用所述第二物体表面法线校正所述第一物体表面法线得 到第三物体表面法线
所述第三物体表面法线为校正后的物体表面法线。由于在转动偏振 片的过程,两个间隔180°的旋转角度得到的偏振图像的光强度是一样的, 因此在计算结果中,物体表面入射光的入射方位角与实际入射光的入射方 位角存在180°的不确定性,从而导致由偏振信息得到的物体表面法线的方 向不确定,所以需要校正所述第一物体表面法线
步骤(S40)包括以下步骤:
(S401)根据所述第一物体表面法线和所述第二物体表面法线分别 获得第一校正系数和第二校正系数。
步骤(S401)包括以下步骤:
(S4011)分别获取所述第一物体表面法线的第一x轴分量和所述第二 物体表面法线的第二x轴分量。
(S4012)根据所述第一x轴分量和所述第二x轴分量获得所述第一校正 系数
所述第一校正系数的计算公式为:
(S4013)分别获取所述第一物体表面法线的第一y轴分量和所述第二 物体表面法线的第二y轴分量。
(S4014)根据所述第一y轴分量和所述第二y轴分量获得所述第二校正 系数。
所述第二校正系数的计算公式为:
(S402)根据所述第一物体表面法线所述第一校正系数所述第二 校正系数获得所述第三物体表面法线。
步骤(S402)包括以下步骤:
(S4021)将所述第一校正系数与所述第一x轴分量相乘,得到所述第 三表面法线的第三x轴分量。
所述第三x轴分量ncx的计算公式为:
式中,所述为所述第一校正系数,所述nx为所述第一x轴分量。
(S4022)将所述第二校正系数与所述第一y轴分量相乘,得到所述第三 表面法线的第三y轴分量。
所述第三y轴分量ncy的计算公式为:
式中,所述为所述第二校正系数,所述ny为所述第一y轴分量。
(S4023)根据所述第三x轴分量和所述第三y轴分量得到所述第三表面 法线。
(S50)根据所述第三物体表面法线实现所述三维重建。
对所述第三物体表面法线进行表面积分以实现所述三维重建。
对所述第三x轴分量ncx和所述第四y轴分量ncy进行表面积分,得到所 述物体的三维信息,从而实现三维重建。
(a1)校正后得到的所述第三表面法线与物体表面的深度z(x,y) 的关系:
(a2)采用Frankot-Chellappa算法进行表面积分,即求出使下式最小化时 的待求z(x,y)。
W=∫∫((zx-ncx)2+(zy-ncy)2)dxdy
式中,W为所述物体的三维表面;ncx为所述第三x轴分量;ncy为所述 第三y轴分量;zx为所述物体的三维表面在x轴方向上的梯度;zy为所述 物体的三维表面在y轴方向上的梯度。
Frankot-Chellappa算法为一种由表面法线恢复物体深度信息的全局积 分算法。
所述第三x轴分量ncx、所述第三y轴分量ncy以及所述深度z(x,y)组成了 所述物体的三维信息,实现三维重建。
本发明实施例通过这种方法,可以达到以下有益效果:
1.本发明实施例通过使用SFS方法得到校正所使用的表面法线,减少 了光学系统中成像传感器的个数,能够有效地降低系统结构的复杂度,避 免图像匹配的过程,更快的进行三维重建;
2.大大提高运算速度,扩大了应用范围,使偏振三维重建方法在结构简 单和性能较低的硬件平台的应用成为可能。
实施例三
请参见图6,图6为本发明实施例提供的另一种单目偏振三维重建方法 的流程示意图。本实施例在上述实施例的基础上,重点为一种单目偏振三 维重建方法的具体过程进行详细描述。
(S100)通过相机获取物体的不同角度的偏振图像。
(S200)利用Stokes矢量计算物体表面的偏振度,与此同时,利用Stokes 矢量计算物体表面入射光的方位角;利用偏振图像采用SFS算法得到第二 物体表面法线。
(S300)根据所述偏振度计算得到物体表面入射光的入射角。
(S400)根据所述方位角和所述入射角计算得到所述第一物体表面法线。
(S500)利用所述第二物体表面法线校正所述第一物体表面法线,得到第 三物体表面法线。
(S600)对所述第三物体表面法线在x轴和y轴的分量进行表面积分,恢 复物体形状,得到物体的三维信息。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明, 不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域 的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简 单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种单目偏振三维重建方法,其特征在于,包括以下步骤:
(a)获取物体的光强图像以及若干不同偏振角度的物体偏振图像;
(b)根据所述物体偏振图像得到第一物体表面法线;
(c)利用SFS算法,根据所述物体的光强图像得到第二物体表面法线;
(d)利用所述第二物体表面法线校正所述第一物体表面法线,得到第三物体表面法线;
(e)根据所述第三物体表面法线实现所述三维重建。
2.根据权利要求1所述的三维重建方法,其特征在于,步骤(a)包括:
(a1)获取所述物体的光强图像以及若干不同偏振角度的场景偏振图像;
(a2)根据所述场景偏振图像得到若干不同偏振角度的所述物体偏振图像。
3.根据权利要求1所述的三维重建方法,其特征在于,步骤(b)包括:
(b1)根据所述物体偏振图像得到所述物体表面的偏振度和方位角;
(b2)根据所述偏振度得到所述物体表面入射光的入射角;
(b3)根据所述方位角和所述入射角得到所述第一物体表面法线。
4.根据权利要求1所述的三维重建方法,其特征在于,步骤(d)包括:
(d1)根据所述第一物体表面法线和所述第二物体表面法线分别获得第一校正系数和第二校正系数;
(d2)根据所述第一物体表面法线、所述第一校正系数、所述第二校正系数获得所述第三物体表面法线。
5.根据权利要求4所述的三维重建方法,其特征在于,步骤(d1)包括:
(d11)分别获取所述第一物体表面法线的第一x轴分量和所述第二物体表面法线的第二x轴分量;
(d12)根据所述第一x轴分量和所述第二x轴分量获得所述第一校正系数;
(d13)分别获取所述第一物体表面法线的第一y轴分量和所述第二物体表面法线的第二y轴分量;
(d14)根据所述第一y轴分量和所述第二y轴分量获得所述第二校正系数。
6.根据权利要求5所述的三维重建方法,其特征在于,所述第一校正系数的计算公式为:
式中,为所述第一校正系数;nx为所述第一x轴分量;nsx为所述第二x轴分量。
7.根据权利要求5所述的三维重建方法,其特征在于,所述第二校正系数的计算公式为:
式中,为所述第二矫正系数;ny为所述第一y轴分量;nsy为所述第二y轴分量。
8.根据权利要求4所述的三维重建方法,其特征在于,步骤(d2)包括:
(d21)将所述第一校正系数与所述第一x轴分量相乘,得到所述第三表面法线的第三x轴分量;
(d22)将所述第二校正系数与所述第一y轴分量相乘,得到所述第三表面法线的第三y轴分量;
(d23)根据所述第三x轴分量和所述第三y轴分量得到所述第三表面法线。
9.根据权利要求1所述的三维重建方法,其特征在于,步骤(e)包括:
对所述第三物体表面法线进行表面积分以实现所述三维重建。
10.根据权利要求1所述的三维重建方法,其特征在于,所述若干不同偏振角度包括0°、45°、90°、135°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810664105.5A CN109147029B (zh) | 2018-06-25 | 2018-06-25 | 一种单目偏振三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810664105.5A CN109147029B (zh) | 2018-06-25 | 2018-06-25 | 一种单目偏振三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109147029A true CN109147029A (zh) | 2019-01-04 |
CN109147029B CN109147029B (zh) | 2022-11-08 |
Family
ID=64802333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810664105.5A Active CN109147029B (zh) | 2018-06-25 | 2018-06-25 | 一种单目偏振三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109147029B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402395A (zh) * | 2020-02-17 | 2020-07-10 | 西安电子科技大学 | 一种基于cnn校正的被动偏振三维重建方法 |
CN111899290A (zh) * | 2020-07-09 | 2020-11-06 | 武汉大学 | 一种联合偏振和双目视觉的三维重建方法 |
CN111932615A (zh) * | 2020-07-10 | 2020-11-13 | 中国电子科技集团公司第十一研究所 | 一种偏振测距方法、装置及可读存储介质 |
CN113029040A (zh) * | 2021-02-26 | 2021-06-25 | 中国科学院深圳先进技术研究院 | 一种偏振相位偏折测量方法和装置 |
CN113108720A (zh) * | 2021-04-06 | 2021-07-13 | 北京工业大学 | 一种基于线偏振光和条纹反射的表面三维重建方法 |
CN113747143A (zh) * | 2021-08-16 | 2021-12-03 | 合肥芯福传感器技术有限公司 | 被动式红外热成像3d摄像机及摄像方法 |
CN114972653A (zh) * | 2022-06-14 | 2022-08-30 | 陕西师范大学 | 基于天顶角定位的单目偏振三维重构成像方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106483075A (zh) * | 2015-08-26 | 2017-03-08 | 南京理工大学 | 一种基于偏振菲涅尔反射比的主动偏振成像目标辨别方法 |
CN106875468A (zh) * | 2015-12-14 | 2017-06-20 | 深圳先进技术研究院 | 三维重建装置及方法 |
CN107680156A (zh) * | 2017-09-08 | 2018-02-09 | 西安电子科技大学 | 基于偏振信息的三维重建方法 |
-
2018
- 2018-06-25 CN CN201810664105.5A patent/CN109147029B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106483075A (zh) * | 2015-08-26 | 2017-03-08 | 南京理工大学 | 一种基于偏振菲涅尔反射比的主动偏振成像目标辨别方法 |
CN106875468A (zh) * | 2015-12-14 | 2017-06-20 | 深圳先进技术研究院 | 三维重建装置及方法 |
CN107680156A (zh) * | 2017-09-08 | 2018-02-09 | 西安电子科技大学 | 基于偏振信息的三维重建方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402395A (zh) * | 2020-02-17 | 2020-07-10 | 西安电子科技大学 | 一种基于cnn校正的被动偏振三维重建方法 |
CN111899290A (zh) * | 2020-07-09 | 2020-11-06 | 武汉大学 | 一种联合偏振和双目视觉的三维重建方法 |
CN111899290B (zh) * | 2020-07-09 | 2022-05-13 | 武汉大学 | 一种联合偏振和双目视觉的三维重建方法 |
CN111932615A (zh) * | 2020-07-10 | 2020-11-13 | 中国电子科技集团公司第十一研究所 | 一种偏振测距方法、装置及可读存储介质 |
CN111932615B (zh) * | 2020-07-10 | 2023-06-23 | 中国电子科技集团公司第十一研究所 | 一种偏振测距方法、装置及可读存储介质 |
CN113029040A (zh) * | 2021-02-26 | 2021-06-25 | 中国科学院深圳先进技术研究院 | 一种偏振相位偏折测量方法和装置 |
CN113108720A (zh) * | 2021-04-06 | 2021-07-13 | 北京工业大学 | 一种基于线偏振光和条纹反射的表面三维重建方法 |
CN113747143A (zh) * | 2021-08-16 | 2021-12-03 | 合肥芯福传感器技术有限公司 | 被动式红外热成像3d摄像机及摄像方法 |
CN114972653A (zh) * | 2022-06-14 | 2022-08-30 | 陕西师范大学 | 基于天顶角定位的单目偏振三维重构成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109147029B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109147029A (zh) | 一种单目偏振三维重建方法 | |
CN106780590B (zh) | 一种深度图的获取方法及系统 | |
Cui et al. | Polarimetric multi-view stereo | |
Delaunoy et al. | Photometric bundle adjustment for dense multi-view 3d modeling | |
CN112053432B (zh) | 一种基于结构光与偏振的双目视觉三维重建方法 | |
Graber et al. | Efficient minimal-surface regularization of perspective depth maps in variational stereo | |
CN108961383A (zh) | 三维重建方法及装置 | |
US10559085B2 (en) | Devices, systems, and methods for reconstructing the three-dimensional shapes of objects | |
CN109285213A (zh) | 全方位偏振三维重建方法 | |
WO2017106562A1 (en) | Devices, systems, and methods for measuring and reconstructing the shapes of specular objects by multiview capture | |
JP2024507089A (ja) | 画像のコレスポンデンス分析装置およびその分析方法 | |
CN109191560A (zh) | 基于散射信息校正的单目偏振三维重建方法 | |
CN113793387A (zh) | 单目散斑结构光系统的标定方法、装置及终端 | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
CN116295113A (zh) | 一种融合条纹投影的偏振三维成像方法 | |
Chen et al. | A closed-form solution to single underwater camera calibration using triple wavelength dispersion and its application to single camera 3D reconstruction | |
KR20060065800A (ko) | 헬름홀츠 스테레오를 이용한 깊이 불연속선을 지니는물체의 3차원 형상 획득 장치 및 그 방법 | |
CN109902695B (zh) | 一种面向像对直线特征匹配的线特征矫正与提纯方法 | |
CN104077586B (zh) | 光学指纹传感器的实时梯形失真校正方法及其系统 | |
CN114877826B (zh) | 一种双目立体匹配三维测量方法、系统及存储介质 | |
CN116295114A (zh) | 一种基于主辅双视角多灰度级投影的高反射表面结构光三维测量方法 | |
CN113706693B (zh) | 一种微光条件下偏振三维重建方法 | |
CN113628320B (zh) | 一种基于前视图像声呐的海底管道三维重构方法及系统 | |
Jiale et al. | Non-textured objects visual SLAM using pola-rization 3D reconstruction | |
WO2022175688A1 (en) | Image processing |
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 |