CN109272572A - 一种基于双Kinect相机的建模方法及装置 - Google Patents
一种基于双Kinect相机的建模方法及装置 Download PDFInfo
- Publication number
- CN109272572A CN109272572A CN201811005850.5A CN201811005850A CN109272572A CN 109272572 A CN109272572 A CN 109272572A CN 201811005850 A CN201811005850 A CN 201811005850A CN 109272572 A CN109272572 A CN 109272572A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional point
- scaling board
- view
- target object
- 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
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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
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)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例提供了一种基于双Kinect相机的建模方法及装置,该方法包括获取标定板侧视三维点云数据和标定板俯视三维点云数据;根据ICP算法获取标定板俯视三维点云数据相对于标定板侧视三维点云数据的空间位置变换矩阵,以供对第一Kinect相机和第二Kinect相机进行标定;获取目标物体侧视三维点云数据和目标物体俯视三维点云数据;根据空间位置变换矩阵,将目标物体俯视三维点云数据的坐标系转换到目标物体侧视三维点云数据的坐标系下,以供对目标物体进行建模。本发明实施例通过对两台Kinect相机的外参数进行准确快速的标定,再对目标物体进行三维建模,提高了三维建模的精度。
Description
技术领域
本发明实施例涉及计算机视觉技术领域,尤其涉及一种基于双Kinect相机的建模方法及装置。
背景技术
在畜牧养殖中,需要定期对家畜的体尺参数进行测量,现有的家畜体尺参数采集方法多采用接触式直接测量,需要人工使用卷尺、测角器或皮尺等工具进行测量。在测量过程中,需要家畜配合测量人员,否则这种测量方式会令家畜产生应激。而且,对家畜进行接触式直接测量,获取到的测量数据误差较大。
随着信息技术的发展,国内外一些科研院所开展了利用机器视觉技术获取家畜体尺信息技术,通过深度相机拍摄家畜深度数据,快速获取所拍摄画面的深度信息,从而快速准确的对物体或三维场景进行建模,构建三维模型,从而实现对家畜进行无接触无应激的体尺参数测量。
目前,为了构建完整的三维模型,往往通过增加深度相机的数量,使得不同相机之间的重叠区域易于进行相机标定,从而获取到更加全面的数据,但这会增加硬件成本及操作的复杂程度;然而通过减少深度相机的数量,虽然降低了硬件成本及操作复杂度,但未解决无重叠区域深度相机标定的问题,从而导致三维建模精度较低的问题。
发明内容
本发明实施例为解决现有技术中Kinect相机标定问题导致的三维建模精度较低的缺陷,提供了一种基于双Kinect相机的建模方法及装置。
第一方面,本发明实施例提供了一种基于双Kinect相机的建模方法,包括:
获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据通基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;
根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;
获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;
根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
第二方面,本发明实施例提供了一种基于双Kinect相机的建模装置,包括:
第一获取模块,用于获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;
相机标定模块,用于根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;
第二获取模块,用于获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;
三维建模模块,用于根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的基于双Kinect相机的建模方法。
第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如第一方面所述的基于双Kinect相机的建模方法。
本发明实施例提供的一种基于双Kinect相机的建模方法及装置,通过设置一个标定板,对两个Kinect相机的外参数进行准确快速的标定,从而得到空间位置变换矩阵,再使用标定后的Kinect相机获取目标物体的三维点云数据,将目标物体的三维点云数据结合空间位置变换矩阵对目标物体进行三维建模,提高了三维建模的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于双Kinect相机的建模方法的流程示意图;
图2为本发明实施例提供的标定板的结构示意图;
图3为本发明实施例提供的基于双Kinect相机的建模装置的结构示意图;
图4为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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前提下所获得的所有其他实施例,都属于本发明保护的范围。
Kinect相机是一种多目深度相机,该相机设置有三个镜头,其中,中间位置的镜头为RGB彩色摄像机,左右两侧的镜头分别为红外线发射器和红外线CMOS摄像机构成的3D结构光深度感应器。在实际运用中,Kinect相机在任何光照条件下,在获得彩色图像的同时,还可获取到被测物体到摄像头的深度信息,其工作原理为,Kinect相机将人眼看不见的红外线均匀投射到测量空间中,再通过红外线摄像机记录下测量空间中的每个散斑的原始数据,并通过将获取的原始数据进行计算后生成具有3D深度信息的图像。本发明实施例将两台Kinect相机进行标定后,对目标物体进行三维建模。需要说明的是,本发明实施例的三维建模环境主要运用于对畜牧业的家畜进行三维建模,以供实现家畜的体尺参数测量,在实际运用需求中,还可以运用于其他领域的尺寸参数测量,例如,纺织业、模具制造业等。因此,本发明实施例不对目标物体作具体限定。
图1为本发明实施例提供的基于双Kinect相机的建模方法的流程示意图,如图1所示,本发明实施例提供了一种基于双Kinect相机的建模方法,包括:
步骤101,获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;
步骤102,根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;
步骤103,获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;
步骤104,根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
在本发明实施例中,步骤101之前,首先需制作用于对两台Kinect相机进行标定的标定板,图2为本发明实施例提供的标定板的结构示意图,如图2所示,标定板包括板面201和支座202,优选地,将板面201的形状设置为直角三角形,支座202连接板面201的背面,用于支撑板面201,并且板面201与地面成45度夹角。在本发明实施例中,将标定板的板面201制作成直角三角形,板面201的材质可选用硬纸板。支座202连接板面201的背面,用于支撑板面201,并且板面201与水平面成夹角倾斜固定在支座202上。为了让两台Kinect相机都能够完整的获取到板面201的表面点云数据,板面201需斜向摆放,并与地面水平成45度夹角。需要说明的是,在本发明实施例中,板面201的尺寸不作具体限定,操作人员可根据Kinect相机距离拍摄位置的远近制作标定板的尺寸大小,用于确保标定的精度,即拍摄距离越远,标定板尺寸越大。
在上述实施例的基础上,所述标定板设置在所述第一Kinect相机和所述第二Kinect相机中间;其中,所述第一Kinect相机固定在所述标定板的侧面,所述第二Kinect相机固定在所述标定板的正上方。
在本发明实施例中,将标定板设置在第一Kinect相机和第二Kinect相机之间,其中,第一Kinect相机固定在标定板的侧面,第二Kinect相机固定在标定板的正上方。优选地,利用三脚架固定第一Kinect相机,利用摇臂固定第二Kinect相机。在标定板制作完成之后,调整标定板的高度和水平位置,使得标定板处于第一Kinect相机和第二Kinect相机的拍摄画面中心位置处。其中,第一Kinect相机平行向前拍摄标定板的侧面,获取标定板侧视三维点云数据;第二Kinect相机利用摇臂固定于标定板上方,相机垂直向下俯视拍摄标定板,获取标定板俯视三维点云数据。
在本发明实施例中,进一步地,服务器终端分别连接第一Kinect相机和第二Kinect相机。通过MATLAB控制第一Kinect相机和第二Kinect相机同时拍摄标定板,并将获取到的标定板侧视三维点云数据和标定板俯视三维点云数据导入到服务器终端中进行处理。服务器终端通过ICP算法对标定板侧视三维点云数据和标定板俯视三维点云数据进行迭代计算,根据计算结果,获取到标定板俯视三维点云数据相对于标定板侧视三维点云数据的空间位置变换矩阵,从而完成第一Kinect相机和第二Kinect相机的标定。在ICP算法中,如果采集到的两幅深度图像之间存在重叠部分,则三维点云数据之间就有可能存在对应点,若两幅图像之间没有重叠的部分,则三维点云数据之间肯定无法找到准确的对应点。因此,本发明实施例通过设置直角三角形的标定板进行标定,能够更好的反映出三维点云数据的特征,从而避免出现ICP算法收敛速度变慢以及标定准确率较低的情况。
进一步地,在第一Kinect相机和第二Kinect相机的完成标定之后,移除标定板,将需要进行三维建模的目标物体移至原标定板所处位置,利用MATLAB控制第一Kinect相机和第二Kinect相机同时拍摄目标物体,将获取到的目标物体侧视三维点云数据和目标物体俯视三维点云数据导入至服务器终端,并根据标定得到的空间位置变换矩阵,将目标物体俯视三维点云数据的坐标系转换到目标物体侧视三维点云数据的坐标系下,从而对目标物体进行三维建模,最终得到目标物体重建后的三维模型。
本发明实施例通过设置一个标定板,对两个Kinect相机的外参数进行准确快速的标定,从而得到空间位置变换矩阵,再使用标定后的Kinect相机获取目标物体的三维点云数据,将目标物体的三维点云数据结合空间位置变换矩阵对目标物体进行三维建模,提高了三维建模的精度。
在上述实施例的基础上,在所述根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵之前,包括:
将所述标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库;
通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行去噪处理。
在上述实施例的基础上,进一步地,在将所述标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库之后,包括:
通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行特征提取处理。
在本发明实施例中,在测量中,由于Kinect相机本身以及外界条件的因素,获取到的标定板侧视三维点云数据和标定板俯视三维点云数据不可避免的存在噪声,并且存在许多不必要的图像数据特征,为了防止噪声以及这些不必要的图像数据特征对后期算法以及三位建模质量的影响,因此,除了对目标物体侧视三维点云数据和目标物体俯视三维点云数据进行处理以外,还需要对标定板侧视三维点云数据和标定板俯视三维点云数据进行处理。本发明实施例通过PCL点云库对相应的三维点云数据进行去噪处理以及特征提取,并完成三维建模,其中,PCL点云库中包括有与大量点云数据相关的通用算法和高效数据结构,涉及点云数据获取、滤波、特征提取和三维重建等。
本发明实施例通过PCL点云库对用于标定的标定板侧视三维点云数据和标定板俯视三维点云数据进行去噪和特征提取处理,提高了Kinect相机的标定精准度,为之后获取到的目标物体的三维点云数据进行三维建模提供了更准确的标定基础。
在上述实施例的基础上,具体地,所述空间位置变换矩阵为:
则所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的三维点云在空间坐标转换公式为:
其中,[x' y' z' 1]是所述标定板侧视三维点云数据,[x y z 1]是所述标定板俯视三维点云数据,是对图形进行比例、旋转或对称等变换,是对图形进行平移变换,T3=[l m n]是对图形作透视投影变换,T4=[s]是对图形进行整体比例变换。
在本发明实施例中,通过空间位置变换矩阵T3D确定不同坐标系下获取的标定板侧视三维点云数据和标定板俯视三维点云数据之间的关系。由于受标定板自身形状及观察方向的限制,第一Kinect相机和第二Kinect相机分别通过不同角度拍摄标定板,从而获取不同视角的三维点云数据,即同时保证两组三维点云数据之间存在一定的公共部分。在本发明实施例中,采用ICP算法进行不断迭代运算从而趋近最佳变换,将不同坐标系下的标定板的标定板侧视三维点云数据转化到标定板俯视三维点云数据的同一坐标系下,得到空间位置变换矩阵T3D中的各参数,具体计算方法现已有大量研究,属现有技术,因此不做过多描述。最后将获取的目标物体侧视三维点云数据和目标物体俯视三维点云数据结合空间位置变换矩阵T3D,通过PCL对数据进行处理以及三维建模,最终得到目标物体的三维模型,实现目标物体的尺寸测量。
本发明实施例将标定得到的两组三维点云数据进行ICP迭代计算,得到更加精确的空间位置变换矩阵,使得之后的目标物体的三维建模更加效率,同时提高了三维建模的精度。
图3为本发明实施例提供的基于双Kinect相机的建模装置的结构示意图,如图3所示,本发明实施例提供了一种基于双Kinect相机的建模装置,包括第一获取模块301、相机标定模块302、第二获取模块303和三维建模模块304,其中第一获取模块301用于获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;相机标定模块302用于根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;第二获取模块303用于获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;三维建模模块304用于根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
在本发明实施例中,基于上述方法实施例提供的直角三角形的标定板,首先,将标定板设置在第一Kinect相机和第二Kinect相机之间,其中,第一Kinect相机固定在标定板的侧面,第二Kinect相机固定在标定板的正上方,使得标定板处于第一Kinect相机和第二Kinect相机的拍摄画面中心位置处。然后,控制第一Kinect相机平行向前拍摄标定板的侧面以及第二Kinect相机垂直向下俯视拍摄标定板,使得第一获取模块301获取标定板侧视三维点云数据和标定板俯视三维点云数据。
进一步地,通过MATLAB控制第一Kinect相机和第二Kinect相机同时拍摄标定板,并将获取到的标定板侧视三维点云数据和标定板俯视三维点云数据导入到相机标定模块302中进行处理。相机标定模块302通过ICP算法对标定板侧视三维点云数据和标定板俯视三维点云数据进行迭代计算,根据计算结果,相机标定模块302获取到标定板俯视三维点云数据相对于标定板侧视三维点云数据的空间位置变换矩阵,从而完成第一Kinect相机和第二Kinect相机的标定。
进一步地,在第一Kinect相机和第二Kinect相机的完成标定之后,移除标定板,将需要进行三维建模的目标物体移至原标定板所处位置,利用MATLAB控制第一Kinect相机和第二Kinect相机同时拍摄目标物体,通过第二获取模块303获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,并将获取到的目标物体侧视三维点云数据和目标物体俯视三维点云数据导入至三维建模模块304。三维建模模块304根据标定得到的空间位置变换矩阵,将目标物体俯视三维点云数据的坐标系转换到目标物体侧视三维点云数据的坐标系下,从而对目标物体进行三维建模,最终得到目标物体重建后的三维模型。
本发明实施例通过设置一个标定板,对两个Kinect相机的外参数进行准确快速的标定,从而得到空间位置变换矩阵,再使用标定后的Kinect相机获取目标物体的三维点云数据,将目标物体的三维点云数据结合空间位置变换矩阵对目标物体进行三维建模,提高了三维建模的精度。
在上述实施例的基础上,所述标定板包括板面和支座,所述板面的形状为直角三角形,所述支座连接所述板面的背面,用于支撑所述板面,所述板面与地面成45度夹角。
进一步地,所述标定板设置在所述第一Kinect相机和所述第二Kinect相机中间;其中,所述第一Kinect相机固定在所述标定板的侧面,所述第二Kinect相机固定在所述标定板的正上方。
在本发明实施例中,标定板是形状为直角三角形的硬纸板,例如,标定板底板长度为300mm,高400mm,厚度5mm,标定板下方有用于支撑的支座。同时,标定板倾斜固定在支座上,并与地面成45度夹角,使得在标定时,获取到准确度较高的标定板三维点云数据。然后,将第一Kinect相机利用三脚架固定在标定板的侧面,第一Kinect相机距离地面0.4-0.5m,距离标定板1.5m,并对标定板的侧面进行拍摄,从而获取到标定板侧视三维点云数据;同时,第二Kinect相机利用摇臂固定在标定板的正上面,第二Kinect相机距离标定板1.5m,垂直向下对标定板进行拍摄,从而获取到标定板俯视三维点云数据。
在本发明实施例中,将标定板的形状设置成直角三角形,使得标定的精准度更高,操作起来更加简单,并通过固定第一Kinect相机和第二Kinect相机的位置,对标定板侧面和俯视面进行拍摄,能够更好的获取标定板的三维点云数据的特征。
在上述实施例的基础上,所述装置还包括点云数据导入模块、去噪模块和特征提取模块,其中,点云数据导入模块用于将所述标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库;去噪模块用于通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行去噪处理;特征提取模块用于通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行特征提取处理。
在本发明实施例中,在测量中,由于Kinect相机本身以及外界条件的因素,获取到的标定板侧视三维点云数据和标定板俯视三维点云数据不可避免的存在噪声,并且存在许多不必要的图像数据特征,为了防止噪声以及这些不必要的图像数据特征对后期算法以及三位建模质量的影响。因此,除了对目标物体侧视三维点云数据和目标物体俯视三维点云数据进行处理以外,还需要对标定板侧视三维点云数据和标定板俯视三维点云数据进行处理。本发明实施例通过点云数据导入模块将标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库,通过去噪模块以及特征提取模块对标定板侧视三维点云数据和所述标定板俯视三维点云数据进行去噪处理以及特征提取处理,并对之后目标物体相应的三维点云数据作相应的去噪处理以及特征提取处理,以供基于双Kinect相机的建模装置最终完成三维建模。其中,PCL点云库中包括有与大量点云数据相关的通用算法和高效数据结构,涉及点云数据获取、滤波、特征提取和三维重建等。
本发明实施例对用于标定的标定板侧视三维点云数据和标定板俯视三维点云数据进行去噪和特征提取处理,提高了Kinect相机的标定精准度,为之后获取到的目标物体的三维点云数据进行三维建模提供了更准确的标定基础。
本发明各实施例提供的各装置是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
图4为本发明实施例提供的电子设备结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行如下方法:获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
本发明实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述实施例所提供的基于双Kinect相机的建模方法,例如包括:获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于双Kinect相机的建模方法,其特征在于,包括:
获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;
根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;
获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;
根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
2.根据权利要求1所述的方法,其特征在于,在所述根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵之前,包括:
将所述标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库;
通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行去噪处理。
3.根据权利要求2所述的方法,其特征在于,在将所述标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库之后,包括:
通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行特征提取处理。
4.根据权利要求1所述的方法,其特征在于,所述空间位置变换矩阵为:
则所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的三维点云在空间坐标转换公式为:
其中,[x' y' z' 1]是所述标定板侧视三维点云数据,[x y z 1]是所述标定板俯视三维点云数据,是对图形进行比例、旋转或对称等变换,是对图形进行平移变换,T3=[l m n]是对图形作透视投影变换,T4=[s]是对图形进行整体比例变换。
5.一种基于双Kinect相机的建模装置,其特征在于,包括:
第一获取模块,用于获取标定板侧视三维点云数据和标定板俯视三维点云数据,所述标定板侧视三维点云数据基于第一Kinect相机拍摄标定板得到,所述标定板俯视三维点云数据基于第二Kinect相机拍摄所述标定板得到;
相机标定模块,用于根据ICP算法获取所述标定板俯视三维点云数据相对于所述标定板侧视三维点云数据的空间位置变换矩阵,以供对所述第一Kinect相机和所述第二Kinect相机进行标定;
第二获取模块,用于获取目标物体侧视三维点云数据和目标物体俯视三维点云数据,所述目标物体侧视三维点云数据基于所述第一Kinect相机拍摄目标物体得到,所述目标物体俯视三维点云数据基于所述第二Kinect相机拍摄所述目标物体得到;
三维建模模块,用于根据所述空间位置变换矩阵,将所述目标物体俯视三维点云数据的坐标系转换到所述目标物体侧视三维点云数据的坐标系下,以供对所述目标物体进行建模。
6.根据权利要求5所述的装置,其特征在于,所述标定板包括板面和支座,所述板面的形状为直角三角形,所述支座连接所述板面的背面,用于支撑所述板面,所述板面与地面成45度夹角。
7.根据权利要求6所述的装置,其特征在于,所述标定板设置在所述第一Kinect相机和所述第二Kinect相机中间;其中,所述第一Kinect相机固定在所述标定板的侧面,所述第二Kinect相机固定在所述标定板的正上方。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
点云数据导入模块,用于将所述标定板侧视三维点云数据和所述标定板俯视三维点云数据导入PCL点云库;
去噪模块,用于通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行去噪处理;
特征提取模块,用于通过所述PCL点云库对所述标定板侧视三维点云数据和所述标定板俯视三维点云数据进行特征提取处理。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4所述的基于双Kinect相机的建模方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至4所述的基于双Kinect相机的建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811005850.5A CN109272572A (zh) | 2018-08-30 | 2018-08-30 | 一种基于双Kinect相机的建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811005850.5A CN109272572A (zh) | 2018-08-30 | 2018-08-30 | 一种基于双Kinect相机的建模方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109272572A true CN109272572A (zh) | 2019-01-25 |
Family
ID=65154743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811005850.5A Pending CN109272572A (zh) | 2018-08-30 | 2018-08-30 | 一种基于双Kinect相机的建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272572A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145240A (zh) * | 2019-11-18 | 2020-05-12 | 西宁市动物疫病预防控制中心(挂西宁市畜牧兽医站牌子) | 一种基于3d相机的活体西门塔尔牛体尺在线测量方法 |
CN111402342A (zh) * | 2020-03-12 | 2020-07-10 | 苏州依诺维视智能科技有限公司 | 基于多特征点的可用于工业机器人标定的3d点云处理方法 |
CN112712590A (zh) * | 2021-01-15 | 2021-04-27 | 中国农业大学 | 一种动物点云生成方法及系统 |
CN113744352A (zh) * | 2021-09-14 | 2021-12-03 | 北京观海科技发展有限责任公司 | 视觉空间标定方法、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513128A (zh) * | 2016-01-13 | 2016-04-20 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于Kinect的三维数据融合处理方法 |
CN105989604A (zh) * | 2016-02-18 | 2016-10-05 | 合肥工业大学 | 一种基于kinect的目标物体三维彩色点云生成方法 |
-
2018
- 2018-08-30 CN CN201811005850.5A patent/CN109272572A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513128A (zh) * | 2016-01-13 | 2016-04-20 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于Kinect的三维数据融合处理方法 |
CN105989604A (zh) * | 2016-02-18 | 2016-10-05 | 合肥工业大学 | 一种基于kinect的目标物体三维彩色点云生成方法 |
Non-Patent Citations (3)
Title |
---|
庞浩等: "ICP算法的改进及两台Kinect对人体的重建", 《大连工业大学学报》 * |
张丽娜等: "基于图像的肉羊生长参数实时无接触监测方法", 《农业工程学报》 * |
鲁栋栋等: "双Kinect联合扫描点云配准方法", 《杭州电子科技大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145240A (zh) * | 2019-11-18 | 2020-05-12 | 西宁市动物疫病预防控制中心(挂西宁市畜牧兽医站牌子) | 一种基于3d相机的活体西门塔尔牛体尺在线测量方法 |
CN111402342A (zh) * | 2020-03-12 | 2020-07-10 | 苏州依诺维视智能科技有限公司 | 基于多特征点的可用于工业机器人标定的3d点云处理方法 |
CN112712590A (zh) * | 2021-01-15 | 2021-04-27 | 中国农业大学 | 一种动物点云生成方法及系统 |
CN112712590B (zh) * | 2021-01-15 | 2023-11-28 | 中国农业大学 | 一种动物点云生成方法及系统 |
CN113744352A (zh) * | 2021-09-14 | 2021-12-03 | 北京观海科技发展有限责任公司 | 视觉空间标定方法、设备及存储介质 |
CN113744352B (zh) * | 2021-09-14 | 2022-07-29 | 北京观海科技发展有限责任公司 | 视觉空间标定方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945267B (zh) | 一种用于人脸三维模型纹理融合的方法和设备 | |
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 | |
Furukawa et al. | Accurate camera calibration from multi-view stereo and bundle adjustment | |
CN109272572A (zh) | 一种基于双Kinect相机的建模方法及装置 | |
KR101310589B1 (ko) | 이미지들로부터의 빠른 스테레오 재구성을 위한 기술들 | |
CN108335353A (zh) | 动态场景的三维重建方法、装置和系统、服务器、介质 | |
CN107155341B (zh) | 三维扫描系统和框架 | |
JP6760957B2 (ja) | 3次元モデリング方法及び装置 | |
CN109493375A (zh) | 三维点云的数据匹配及合并方法、装置、可读介质 | |
CN108038902A (zh) | 一种面向深度相机的高精度三维重建方法和系统 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN102222357B (zh) | 基于图像分割和网格细分的脚型三维表面重建方法 | |
CN108629829B (zh) | 一种球幕相机与深度相机结合的三维建模方法和系统 | |
WO2010004466A1 (en) | Three dimensional mesh modeling | |
CN112082512A (zh) | 一种相位测量偏折术的标定优化方法、装置及计算机设备 | |
CN105550992B (zh) | 一种三维全脸照相机中高保真全脸纹理融合方法 | |
CN109559349A (zh) | 一种用于标定的方法和装置 | |
CN102903101B (zh) | 使用多台相机进行水面数据采集与重建的方法 | |
CN110312111A (zh) | 用于图像装置的自动校准的装置、系统和方法 | |
CN110049304A (zh) | 一种稀疏相机阵列瞬时三维成像的方法及其装置 | |
CN110517348A (zh) | 基于图像前景分割的目标物体三维点云重建方法 | |
CN110378967B (zh) | 一种光栅投射与立体视觉结合的虚拟靶标标定方法 | |
CN108648141A (zh) | 一种图像拼接方法及装置 | |
CN111627100A (zh) | 一种用于评价摄影测量精度的数值模拟方法 | |
WO2018056802A1 (en) | A method for estimating three-dimensional depth value from two-dimensional images |
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: 20190125 |