CN109191509A - 一种基于结构光的虚拟双目三维重建方法 - Google Patents
一种基于结构光的虚拟双目三维重建方法 Download PDFInfo
- Publication number
- CN109191509A CN109191509A CN201810827369.8A CN201810827369A CN109191509A CN 109191509 A CN109191509 A CN 109191509A CN 201810827369 A CN201810827369 A CN 201810827369A CN 109191509 A CN109191509 A CN 109191509A
- Authority
- CN
- China
- Prior art keywords
- image
- video camera
- point
- dimensional
- structure light
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 238000012937 correction Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
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)
- Optics & Photonics (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种基于结构光的虚拟双目三维重建方法，包括以下步骤：构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机；对摄像机进行标定，并获得摄像机的内外参数；根据摄像机的内外参数，求取畸变映射矩阵；向物体投射规则结构光以增加重建物体的表面纹理；利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正；对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差；结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标；根据物体稀疏的三维空间坐标生成物体稀疏的点云图，完成物体三维重建。本发明有利于提高三维重建的精度和效率，并节约了成本。
Description
技术领域
本发明涉及计算机视觉技术领域，具体涉及了一种基于结构光的虚拟双目三维重建方法。
背景技术
近年来，计算机视觉技术已经成为一门单独的学科在科学研究与实际中生活不断发展，三维重建是计算机视觉最重要的内容以及热点研究方向之一，也是数字图像相关技术最重要的应用之一，三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术；具体地，三维重建是指利用计算机通过二维世界中的图像来重建具有真实感的三维空间中的的立体模型，客观世界是我们生活的三维空间世界。三维重建基于立体视觉原理，力求从二维图像中恢复三维空间信息，旨在达到从图像中理解世界的目的，在虚拟现实、计算机动画、三维测量、军事模拟等方面都有重要应用。
目前，三维重建的方法在匹配精度和效率存在很大的不足，尤其对于表面纹理特征较少的物体，特征提取和匹配都很困难，通过被动视觉的方法无法实现三维的物体重建，只能通过主动式视觉实现三维重建，但主动式视觉硬件成本比较高.
有鉴于此，本申请提出一种基于结构光的虚拟双目三维重建方法，就具有十分重要的意义了。
发明内容
本发明目的在于克服现有技术的缺点与不足，提供了一种基于结构光的虚拟双目三维重建方法，其利用主动视觉中的结构光增加物体表面的纹理特征，通过被动视觉实现三维重建，有利于提高三维重建的精度和效率，并节约了成本。
为实现上述目的，本发明采用的技术方案如下：
一种基于结构光的虚拟双目三维重建方法，包括以下步骤：
构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机；
对摄像机进行标定，并获得摄像机的内外参数；
根据摄像机的内外参数，求取畸变映射矩阵；
向物体投射规则结构光以增加重建物体的表面纹理；
利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正；
对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差；
结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标；
根据物体稀疏的三维空间坐标生成物体稀疏的点云图，完成物体三维重建。
由上可知，本发明采用主动视觉中的结构光和双目立体视觉相结合的方式，结构光弥补了物体表面纹理较少的情况，从而利用主动视觉中的结构光增加物体表面的纹理特征，再通过被动视觉实现三维重建，有利于提高三维重建的精度和效率，并节约了成本。
作为本发明一种改进，所述步骤“构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机”包括以下子步骤：
在图像的上方架设有水平的机械臂；
单个摄像机位于机械臂左端时，设为左摄像机，单个摄像机从机械臂左端移动至机械臂右端时，设为右摄像机；
作为本发明一种改进，所述步骤“对摄像机进行标定，并获得摄像机的内外参数；”包括以下子步骤：
先对左摄像机进行标定，并记录左摄像机的内外参数，外参数包括一个旋转矩阵和一个平移矩阵；
记录单个摄像机从机械臂左端移动至机械臂右端时的移动距离；
左摄像机和右摄像机的内参数及旋转矩阵相同，右摄像机的平移矩阵由左摄像机的平移矩阵和移动距离得到，从而得到右摄像机的内外参数。
进一步地，所述步骤“向物体投射规则结构光以增加重建物体的表面纹理；”中，所述结构光为有规则和颜色的可见光。
进一步地，所述结构光为能形成黑白相间的棋盘格图案的可见光。
进一步地，所述步骤“向物体投射规则结构光以增加重建物体的表面纹理；”中，所述结构光是从物体的正上方向物体投射。
进一步地，所述步骤“利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正”包括以下子步骤：
基于左摄像装置的内外参数和畸变映射矩阵、右摄像装置的内外参数和畸变映射矩阵，分别得到左校正矩阵和右校正矩阵；
利用左校正矩阵对左图像进行立体校正，利用右校正矩阵对右图像进行立体校正，经过左校正矩阵处理后的左图像中的点与经过右校正矩阵处理后的右图像中的匹配点在同一条扫描线上，即所述点与匹配点的y轴坐标相同。
进一步地，所述步骤“对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差”包括以下子步骤：
获得图像的亮度自相关矩阵M，其定义如下：
式中，Ix和Iy分别为图像在x和y方向上的方向导数，位为卷积运算符，w为高斯函数；
利用Harris角点定义对亮度自相关M特征值进行求解，Harris函数响应如下：
R＝Det(M)-kTr 2(M) (2)
综合式(1)和(2)得到两个足够大的特征值λ1和λ2，
式中的Det(M)＝λ1λ2为矩阵M的秩，Tr为矩阵M的特征值之和，k为一个常数，
根据响应函数的定义，特征值λ1和λ2中使函数R取得局部极大值时的点就是角点；
得到左图像和右图像的匹配角点像素坐标，即左图像某角点l(xl，yl)和右图像某角点r(xr，yr)；
由于已经对图像进行立体校正实现行对准，则点l和点r的y轴坐标相同，左图像和右图像上的对应匹配点关于物体上点P的视差可直接表示为d＝xl-xr。
进一步地，所述步骤“结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标”包括以下子步骤：
根据左图像和右图像上的对应匹配点关于物体上点P的视差，以及左摄像机和右摄像机的光心，得到三角形POlOr相似于三角形Plr，其中相似三角形比例公式为：
其中，T为左摄像机和右摄像机的光心距离，d为左图像和右图像上的对应匹配点关于物体上点P的视差d＝xl-xr，f为左摄像机和右摄像机的的焦距，Z为P点的深度值，Ol为左摄像机光心，Or为右摄像机光心；
利用式(3)得到P点的三维点坐标(X,Y,Z)，
最后把求得图像上所有点的三维点坐标(X,Y,Z)。
与现有技术相比，本发明技术方案的创新点和有益效果在于：
本发明采用主动视觉中的结构光和双目立体视觉相结合的方式，结构光弥补了物体表面纹理较少的情况，从而利用主动视觉中的结构光增加物体表面的纹理特征，再通过被动视觉实现三维重建，有利于提高三维重建的精度和效率，并节约了成本；
利用机器臂的优势，形成虚拟的双目立体视觉系统，在减少机构误差和简化双目立体视觉标定的同时，节约了硬件成本，对实际的工业应用提供了一种新思路。
附图说明
图1为本发明基于结构光的虚拟双目三维重建方法的流程图；
图2为本发明中向物体投射规则结构光的示意图；
图3为本发明向物体投射能形成黑白相间的棋盘格图案的可见光的效果图；
图4为本发明采用视差原理的相似三角形示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例1
请参考图1和图2，一种基于结构光的虚拟双目三维重建方法，包括以下步骤：
S1.构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机；
所述步骤“构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机”包括以下子步骤：
在图像的上方架设有水平的机械臂；
单个摄像机位于机械臂左端时，设为左摄像机，单个摄像机从机械臂左端移动至机械臂右端时，设为右摄像机。
利用机器臂的优势，形成虚拟的双目立体视觉系统，在减少机构误差和简化双目立体视觉标定的同时，节约了硬件成本，对实际的工业应用提供了一种新思路。
S2.对摄像机进行标定，并获得摄像机的内外参数；
所述步骤“对摄像机进行标定，并获得摄像机的内外参数；”包括以下子步骤：
先对左摄像机进行标定，并记录左摄像机的内外参数，外参数包括一个旋转矩阵和一个平移矩阵；
记录单个摄像机从机械臂左端移动至机械臂右端时的移动距离；
左摄像机和右摄像机的内参数及旋转矩阵相同，右摄像机的平移矩阵由左摄像机的平移矩阵和移动距离得到，从而得到右摄像机的内外参数。
即标定的左摄像机和右摄像机的旋转矩阵、平移矩阵分别为R1、t1和R2、t2，其中R1＝R2，t1＝(x,y,z)T，t2＝(x+d,y,z)T，d为单个摄像机从机械臂左端移动至机械臂右端时的移动距离。
S3.根据摄像机的内外参数，求取畸变映射矩阵；
请参考2和图3，S4.向物体投射规则结构光以增加重建物体的表面纹理；
其中，所述结构光为有规则和颜色的可见光，所述结构光是从物体的正上方向物体投射。
在本实施例中，所述结构光为能形成黑白相间的棋盘格图案的可见光，选择投射黑白相间的棋盘格图案，是因为黑白相间的棋盘格图案能更有利于对图像进行特征点检测和提取。
S5.利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正；
所述步骤“利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正”包括以下子步骤：
基于左摄像装置的内外参数和畸变映射矩阵、右摄像装置的内外参数和畸变映射矩阵，分别得到左校正矩阵和右校正矩阵；
利用左校正矩阵对左图像进行立体校正，利用右校正矩阵对右图像进行立体校正，经过左校正矩阵处理后的左图像中的点与经过右校正矩阵处理后的右图像中的匹配点在同一条扫描线上，即所述点与匹配点的y轴坐标相同。
S6.对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差；
所述步骤“对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差”包括以下子步骤：
获得图像的亮度自相关矩阵M，其定义如下：
式中，Ix和Iy分别为图像在x和y方向上的方向导数，位为卷积运算符，w为高斯函数；
利用Harris角点定义对亮度自相关M特征值进行求解，Harris函数响应如下：
R＝Det(M)-kTr 2(M) (2)
综合式(1)和(2)得到两个足够大的特征值λ1和λ2，
式中的Det(M)＝λ1λ2为矩阵M的秩，Tr为矩阵M的特征值之和，k为一个常数，
根据响应函数的定义，特征值λ1和λ2中使函数R取得局部极大值时的点就是角点；
得到左图像和右图像的匹配角点像素坐标，即左图像某角点l(xl，yl)和右图像某角点r(xr，yr)；
由于已经对图像进行立体校正实现行对准，则点l和点r的y轴坐标相同，左图像和右图像上的对应匹配点关于物体上点P的视差可直接表示为d＝xl-xr。
请参考图4，S7.结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标；
所述步骤“结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标”包括以下子步骤：
根据左图像和右图像上的对应匹配点关于物体上点P的视差，以及左摄像机和右摄像机的光心，得到三角形POlOr相似于三角形Plr，其中相似三角形比例公式为：
其中，T为左摄像机和右摄像机的光心距离，d为左图像和右图像上的对应匹配点关于物体上点P的视差d＝xl-xr，f为左摄像机和右摄像机的的焦距，Z为P点的深度值，Ol为左摄像机光心，Or为右摄像机光心；
利用式(3)得到P点的三维点坐标(X,Y,Z)，
最后把求得图像上所有点的三维点坐标(X,Y,Z)。
S8.根据物体稀疏的三维空间坐标生成物体稀疏的点云图，完成物体三维重建。
由上可知，本发明采用主动视觉中的结构光和双目立体视觉相结合的方式，结构光弥补了物体表面纹理较少的情况，从而利用主动视觉中的结构光增加物体表面的纹理特征，再通过被动视觉实现三维重建，有利于提高三维重建的精度和效率，并节约了成本。
与现有技术相比，本发明具有以下有益效果：
本发明采用主动视觉中的结构光和双目立体视觉相结合的方式，结构光弥补了物体表面纹理较少的情况，从而利用主动视觉中的结构光增加物体表面的纹理特征，再通过被动视觉实现三维重建，有利于提高三维重建的精度和效率，并节约了成本；
利用机器臂的优势，形成虚拟的双目立体视觉系统，在减少机构误差和简化双目立体视觉标定的同时，节约了硬件成本，对实际的工业应用提供了一种新思路。
本发明结构光为能形成黑白相间的棋盘格图案的可见光，选择投射黑白相间的棋盘格图案，是因为黑白相间的棋盘格图案能更有利于对图像进行特征点检测和提取。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (9)
1.一种基于结构光的虚拟双目三维重建方法，其特征在于包括以下步骤：
构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机；
对摄像机进行标定，并获得摄像机的内外参数；
根据摄像机的内外参数，求取畸变映射矩阵；
向物体投射规则结构光以增加重建物体的表面纹理；
利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正；
对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差；
结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标；
根据物体稀疏的三维空间坐标生成物体稀疏的点云图，完成物体三维重建。
2.根据权利要求1所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“构建虚拟双目立体视觉系统，其中，所述双目立体视觉系统包括摄像机”包括以下子步骤：
在图像的上方架设有水平的机械臂；
单个摄像机位于机械臂左端时，设为左摄像机，单个摄像机从机械臂左端移动至机械臂右端时，设为右摄像机。
3.根据权利要求1所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“对摄像机进行标定，并获得摄像机的内外参数；”包括以下子步骤：
先对左摄像机进行标定，并记录左摄像机的内外参数，外参数包括一个旋转矩阵和一个平移矩阵；
记录单个摄像机从机械臂左端移动至机械臂右端时的移动距离；
左摄像机和右摄像机的内参数及旋转矩阵相同，右摄像机的平移矩阵由左摄像机的平移矩阵和移动距离得到，从而得到右摄像机的内外参数。
4.根据权利要求1所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“向物体投射规则结构光以增加重建物体的表面纹理；”中，所述结构光为有规则和颜色的可见光。
5.根据权利要求4所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述结构光为能形成黑白相间的棋盘格图案的可见光。
6.根据权利要求1所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“向物体投射规则结构光以增加重建物体的表面纹理；”中，所述结构光是从物体的正上方向物体投射。
7.根据权利要求1所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“利用双目立体视觉系统的摄像机采集重建物体的左图像和右图像，并对图像进行立体校正”包括以下子步骤：
基于左摄像装置的内外参数和畸变映射矩阵、右摄像装置的内外参数和畸变映射矩阵，分别得到左校正矩阵和右校正矩阵；
利用左校正矩阵对左图像进行立体校正，利用右校正矩阵对右图像进行立体校正，经过左校正矩阵处理后的左图像中的点与经过右校正矩阵处理后的右图像中的匹配点在同一条扫描线上，即所述点与匹配点的y轴坐标相同。
8.根据权利要求7所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“对左图像和右图像进行图像特征提取和匹配，并获得左图像和右图像上的对应匹配点关于物体上点P的视差”包括以下子步骤：
获得图像的亮度自相关矩阵M，其定义如下：
式中，Ix和Iy分别为图像在x和y方向上的方向导数，位为卷积运算符，w为高斯函数；
利用Harris角点定义对亮度自相关M特征值进行求解，Harris函数响应如下：
综合式(1)和(2)得到两个足够大的特征值λ1和λ2，
式中的Det(M)＝λ1λ2为矩阵M的秩，Tr为矩阵M的特征值之和，k为一个常数，
根据响应函数的定义，特征值λ1和λ2中使函数R取得局部极大值时的点就是角点；
得到左图像和右图像的匹配角点像素坐标，即左图像某角点l(xl，yl)和右图像某角点r(xr，yr)；
由于已经对图像进行立体校正实现行对准，则点l和点r的y轴坐标相同，左图像和右图像上的对应匹配点关于物体上点P的视差可直接表示为d＝xl-xr。
9.根据权利要求8所述的基于结构光的虚拟双目三维重建方法，其特征在于：所述步骤“结合摄像机的内外参数，利用视差原理得到物体稀疏的三维空间坐标”包括以下子步骤：
根据左图像和右图像上的对应匹配点关于物体上点P的视差，以及左摄像机和右摄像机的光心，得到三角形POlOr相似于三角形Plr，其中相似三角形比例公式为：
其中，T为左摄像机和右摄像机的光心距离，d为左图像和右图像上的对应匹配点关于物体上点P的视差d＝xl-xr，f为左摄像机和右摄像机的的焦距，Z为P点的深度值，Ol为左摄像机光心，Or为右摄像机光心；
利用式(3)得到P点的三维点坐标(X,Y,Z)，
最后把求得图像上所有点的三维点坐标(X,Y,Z)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810827369.8A CN109191509A (zh) | 2018-07-25 | 2018-07-25 | 一种基于结构光的虚拟双目三维重建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810827369.8A CN109191509A (zh) | 2018-07-25 | 2018-07-25 | 一种基于结构光的虚拟双目三维重建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109191509A true CN109191509A (zh) | 2019-01-11 |
Family
ID=64937335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810827369.8A Pending CN109191509A (zh) | 2018-07-25 | 2018-07-25 | 一种基于结构光的虚拟双目三维重建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109191509A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110443888A (zh) * | 2019-08-15 | 2019-11-12 | 华南理工大学 | 一种形成多次反射成像的结构光三维重建装置及方法 |
| CN110738731A (zh) * | 2019-10-16 | 2020-01-31 | 光沦科技(深圳)有限公司 | 一种用于双目视觉的3d重建方法和系统 |
| CN110992431A (zh) * | 2019-12-16 | 2020-04-10 | 电子科技大学 | 一种双目内窥镜软组织图像的联合三维重建方法 |
| CN111028295A (zh) * | 2019-10-23 | 2020-04-17 | 武汉纺织大学 | 一种基于编码结构光和双目的3d成像方法 |
| CN111179325A (zh) * | 2019-12-14 | 2020-05-19 | 中国科学院深圳先进技术研究院 | 一种双目深度估计方法及装置 |
| CN111429571A (zh) * | 2020-04-15 | 2020-07-17 | 四川大学 | 一种基于时空图像信息联合相关的快速立体匹配方法 |
| CN111458317A (zh) * | 2020-05-12 | 2020-07-28 | 北京大学 | 一种直接结构光照明超分辨显微重建方法 |
| CN111709923A (zh) * | 2020-06-10 | 2020-09-25 | 中国第一汽车股份有限公司 | 一种三维物体检测方法、装置、计算机设备和存储介质 |
| CN111712828A (zh) * | 2019-06-06 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备和可移动平台 |
| CN112489193A (zh) * | 2020-11-24 | 2021-03-12 | 江苏科技大学 | 一种基于结构光的三维重建方法 |
| CN112509055A (zh) * | 2020-11-20 | 2021-03-16 | 浙江大学 | 基于双目视觉和编码结构光相结合的穴位定位系统及方法 |
| CN112702591A (zh) * | 2019-10-23 | 2021-04-23 | 成都工业学院 | 一种基于无人机的立体图像采集装置 |
| WO2021139176A1 (zh) * | 2020-07-30 | 2021-07-15 | 平安科技（深圳）有限公司 | 基于双目摄像机标定的行人轨迹跟踪方法、装置、计算机设备及存储介质 |
| CN114723715A (zh) * | 2022-04-12 | 2022-07-08 | 小米汽车科技有限公司 | 车辆目标检测方法、装置、设备、车辆及介质 |
| CN114742876A (zh) * | 2022-06-13 | 2022-07-12 | 菏泽市土地储备中心 | 一种土地视觉立体测量方法 |
| CN114998518A (zh) * | 2022-05-31 | 2022-09-02 | 南京威布三维科技有限公司 | 一种面向视觉结构光的三维重建方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103337094A (zh) * | 2013-06-14 | 2013-10-02 | 西安工业大学 | 一种应用双目摄像机实现运动三维重建的方法 |
| CN104713885A (zh) * | 2015-03-04 | 2015-06-17 | 中国人民解放军国防科学技术大学 | 一种用于pcb板在线检测的结构光辅助双目测量方法 |
| CN106504284A (zh) * | 2016-10-24 | 2017-03-15 | 成都通甲优博科技有限责任公司 | 一种基于立体匹配与结构光相结合的深度图获取方法 |
| CN106910222A (zh) * | 2017-02-15 | 2017-06-30 | 中国科学院半导体研究所 | 基于双目立体视觉的人脸三维重建方法 |
| CN107274483A (zh) * | 2017-06-14 | 2017-10-20 | 广东工业大学 | 一种物体三维模型构建方法 |
| CN107767442A (zh) * | 2017-10-16 | 2018-03-06 | 浙江工业大学 | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 |
| CN108171787A (zh) * | 2017-12-18 | 2018-06-15 | 桂林电子科技大学 | 一种基于orb特征检测的三维重建方法 |
-
2018
- 2018-07-25 CN CN201810827369.8A patent/CN109191509A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103337094A (zh) * | 2013-06-14 | 2013-10-02 | 西安工业大学 | 一种应用双目摄像机实现运动三维重建的方法 |
| CN104713885A (zh) * | 2015-03-04 | 2015-06-17 | 中国人民解放军国防科学技术大学 | 一种用于pcb板在线检测的结构光辅助双目测量方法 |
| CN106504284A (zh) * | 2016-10-24 | 2017-03-15 | 成都通甲优博科技有限责任公司 | 一种基于立体匹配与结构光相结合的深度图获取方法 |
| CN106910222A (zh) * | 2017-02-15 | 2017-06-30 | 中国科学院半导体研究所 | 基于双目立体视觉的人脸三维重建方法 |
| CN107274483A (zh) * | 2017-06-14 | 2017-10-20 | 广东工业大学 | 一种物体三维模型构建方法 |
| CN107767442A (zh) * | 2017-10-16 | 2018-03-06 | 浙江工业大学 | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 |
| CN108171787A (zh) * | 2017-12-18 | 2018-06-15 | 桂林电子科技大学 | 一种基于orb特征检测的三维重建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 易双等: "一种基于结构光的三维重建方法研究", 《电子技术》 * |
| 贾贝贝等: "双目立体视觉的三维人脸重建方法", 《智能系统学报》 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111712828A (zh) * | 2019-06-06 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备和可移动平台 |
| WO2020243962A1 (zh) * | 2019-06-06 | 2020-12-10 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备和可移动平台 |
| CN110443888A (zh) * | 2019-08-15 | 2019-11-12 | 华南理工大学 | 一种形成多次反射成像的结构光三维重建装置及方法 |
| CN110738731A (zh) * | 2019-10-16 | 2020-01-31 | 光沦科技(深圳)有限公司 | 一种用于双目视觉的3d重建方法和系统 |
| CN110738731B (zh) * | 2019-10-16 | 2023-09-22 | 光沦科技(深圳)有限公司 | 一种用于双目视觉的3d重建方法和系统 |
| CN112702591A (zh) * | 2019-10-23 | 2021-04-23 | 成都工业学院 | 一种基于无人机的立体图像采集装置 |
| CN111028295A (zh) * | 2019-10-23 | 2020-04-17 | 武汉纺织大学 | 一种基于编码结构光和双目的3d成像方法 |
| CN112702591B (zh) * | 2019-10-23 | 2023-06-16 | 成都工业学院 | 一种基于无人机的立体图像采集装置 |
| CN111179325A (zh) * | 2019-12-14 | 2020-05-19 | 中国科学院深圳先进技术研究院 | 一种双目深度估计方法及装置 |
| CN111179325B (zh) * | 2019-12-14 | 2023-09-29 | 中国科学院深圳先进技术研究院 | 一种双目深度估计方法及装置 |
| CN110992431A (zh) * | 2019-12-16 | 2020-04-10 | 电子科技大学 | 一种双目内窥镜软组织图像的联合三维重建方法 |
| CN111429571A (zh) * | 2020-04-15 | 2020-07-17 | 四川大学 | 一种基于时空图像信息联合相关的快速立体匹配方法 |
| CN111458317A (zh) * | 2020-05-12 | 2020-07-28 | 北京大学 | 一种直接结构光照明超分辨显微重建方法 |
| CN111458317B (zh) * | 2020-05-12 | 2021-04-30 | 北京大学 | 一种直接结构光照明超分辨显微重建方法 |
| CN111709923B (zh) * | 2020-06-10 | 2023-08-04 | 中国第一汽车股份有限公司 | 一种三维物体检测方法、装置、计算机设备和存储介质 |
| CN111709923A (zh) * | 2020-06-10 | 2020-09-25 | 中国第一汽车股份有限公司 | 一种三维物体检测方法、装置、计算机设备和存储介质 |
| WO2021139176A1 (zh) * | 2020-07-30 | 2021-07-15 | 平安科技（深圳）有限公司 | 基于双目摄像机标定的行人轨迹跟踪方法、装置、计算机设备及存储介质 |
| CN112509055B (zh) * | 2020-11-20 | 2022-05-03 | 浙江大学 | 基于双目视觉和编码结构光相结合的穴位定位系统及方法 |
| CN112509055A (zh) * | 2020-11-20 | 2021-03-16 | 浙江大学 | 基于双目视觉和编码结构光相结合的穴位定位系统及方法 |
| CN112489193A (zh) * | 2020-11-24 | 2021-03-12 | 江苏科技大学 | 一种基于结构光的三维重建方法 |
| CN112489193B (zh) * | 2020-11-24 | 2024-06-14 | 江苏科技大学 | 一种基于结构光的三维重建方法 |
| CN114723715A (zh) * | 2022-04-12 | 2022-07-08 | 小米汽车科技有限公司 | 车辆目标检测方法、装置、设备、车辆及介质 |
| CN114723715B (zh) * | 2022-04-12 | 2023-09-19 | 小米汽车科技有限公司 | 车辆目标检测方法、装置、设备、车辆及介质 |
| CN114998518A (zh) * | 2022-05-31 | 2022-09-02 | 南京威布三维科技有限公司 | 一种面向视觉结构光的三维重建方法及系统 |
| CN114742876A (zh) * | 2022-06-13 | 2022-07-12 | 菏泽市土地储备中心 | 一种土地视觉立体测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109191509A (zh) | 一种基于结构光的虚拟双目三维重建方法 | |
| CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
| CN106097348B (zh) | 一种三维激光点云与二维图像的融合方法 | |
| CN108513123B (zh) | 一种集成成像光场显示的图像阵列生成方法 | |
| Furukawa et al. | Accurate camera calibration from multi-view stereo and bundle adjustment | |
| CN106091984B (zh) | 一种基于线激光的三维点云数据获取方法 | |
| CN110728671B (zh) | 基于视觉的无纹理场景的稠密重建方法 | |
| CN107193124A (zh) | 集成成像高密度小间距led显示参数设计方法 | |
| CN104537707B (zh) | 像方型立体视觉在线移动实时测量系统 | |
| CN109712232B (zh) | 一种基于光场的物体表面轮廓三维成像方法 | |
| CN105279789B (zh) | 一种基于图像序列的三维重建方法 | |
| CN105513063B (zh) | Veronese映射和棋盘格标定拋物折反射摄像机的方法 | |
| CN109155070A (zh) | 使用平面镜校准立体成像系统的方法和计算机程序产品 | |
| CN109920000B (zh) | 一种基于多相机协同的无死角的增强现实方法 | |
| CN106023307B (zh) | 基于现场环境的快速重建三维模型方法及系统 | |
| CN111896032B (zh) | 一种单目散斑投射器位置的标定系统及方法 | |
| CN108280858A (zh) | 多视图重建中的一种线性全局相机运动参数估计方法 | |
| CN110517348A (zh) | 基于图像前景分割的目标物体三维点云重建方法 | |
| CN110766752B (zh) | 一种带反光标志点的虚拟现实交互眼镜及空间定位方法 | |
| Xie | Three-dimensional reconstruction based on multi-view photometric stereo fusion technology in movies special-effect | |
| CN111429571A (zh) | 一种基于时空图像信息联合相关的快速立体匹配方法 | |
| CN110766800A (zh) | 基于空间三点对齐的重建模型注册方法 | |
| CN116012449A (zh) | 一种基于深度信息的图像渲染方法及装置 | |
| Waizenegger et al. | Parallel high resolution real-time visual hull on gpu | |
| Han et al. | 3D reconstruction of dense model based on the sparse frames using RGBD camera |
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 |
Application publication date: 20190111 |
|
| RJ01 | Rejection of invention patent application after publication |