CN109559371B - 一种用于三维重建的方法和装置 - Google Patents
一种用于三维重建的方法和装置 Download PDFInfo
- Publication number
- CN109559371B CN109559371B CN201710892868.0A CN201710892868A CN109559371B CN 109559371 B CN109559371 B CN 109559371B CN 201710892868 A CN201710892868 A CN 201710892868A CN 109559371 B CN109559371 B CN 109559371B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- pose
- depth map
- camera device
- distance field
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 description 58
- 230000009466 transformation Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 230000036544 posture Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/245—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures using a plurality of fixed, simultaneously operating transducers
-
- 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
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/52—Combining or merging partially overlapping images to an overall image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
Abstract
本发明提供了一种用于三维重建的方法和装置,应用于图像处理领域,该方法包括:获取第一深度图,所述第一深度图由第一摄像装置拍摄得到,并获取第二深度图,所述第二深度图由第二摄像装置拍摄得到;根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型;根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型。上述方法能够使得在对三维图像进行重建时,提高目标物体顶部和底部的三维图像重建的效果,提高重建的三维图像的精度。
Description
技术领域
本发明涉及一种用于图像处理的方法和装置,具体地,涉及一种用于三维重建的方法和装置。
背景技术
目前,对拍摄三维图像的相关技术研究已经发展了几十年时间。早期的拍摄三维图像的装置主要采用激光、结构光、大规模相机阵列等专业的传感器,重建三维模型的精度高,但是由于价格非常高昂,只适用于大型机构,而不适用于小型企业和家庭用户。近年来,随着技术发展,出现了许多低成本的拍摄三维图像的设备,如使用可以自动运动的深度摄像头,这类设备要求用户按照语音提示旋转若干角度进行拍摄,同时深度摄像头自动上下运动从而在各个角度拍摄被拍摄物体的深度图。最后,通过算法将各个角度拍摄的深度图合成一个被拍摄物体的完整的三维模型。
现有技术中的三维重建方法对目标物体顶部和底部的三维重建的效果差,精度不高。
发明内容
本发明提供的一种用于三维重建的方法和装置,能够解决现有技术中对目标物体顶部和底部的三维重建的效果差,精度不高的问题。
本发明的第一方面提供一种用于标定的方法,所述方法包括:
获取第一深度图,所述第一深度图由第一摄像装置拍摄得到,并获取第二深度图,所述第二深度图由第二摄像装置拍摄得到;根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型;根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型。
根据本发明的第一方面,在本发明的第一方面的第一可执行方式中,
所述根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型包括:根据所述第一摄像装置的位姿以及所述第一深度图更新有向距离场,得到第一有向距离场,所述第一有向距离场包括所述第二三维模型;所述根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,包括:根据所述第二摄像装置的位姿以及所述第二深度图更新所述第一有向距离场,得到第二有向距离场,所述第二有向距离场包括所述第三三维模型。
根据本发明的第一方面或本发明的第一方面的第一可执行方式,在本发明的第一方面的第二可执行方式中,所述第一摄像装置与所述第二摄像装置中的至少一个的位姿根据标定的结果得到。
根据本发明的第一方面或本发明的第一方面的第一可执行方式或第二可执行方式,在本发明的第一方面的第三可执行方式中,所述第二摄像装置的位姿由下述方法计算得到:根据所述第一摄像装置的位姿以及所述第二摄像装置与所述第一摄像装置之间的相对位置得到所述第二摄像装置的初始位姿;根据所述第一摄像装置的初始位姿通过迭代最近点算法将所述第二深度图与所述第二三维模型进行配准,得到所述第二摄像装置的位姿。
本发明的第二方面提供一种用于测量的方法,所述方法包括:获取被测量物体的三维模型;将预先存储的经过测量的三维模型向所述被测量物体的三维模型进行拟合;根据所述经过测量的三维模型以及所述拟合的过程测量所述被测量物体的三维模型。
根据本发明的第二方面,在本发明的第二方面的第一可执行方式中,所述预先存储的经过测量的三维模型包括特征测量标记;根据所述经过测量的三维模型以及所述拟合的过程测量所述被测量物体的三维模型,包括:根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型。
根据本发明的第二方面的第一可执行方式,在本发明的第二方面的第二可执行方式中,所述被测量物体为人体;所述特征测量标记为预先存储的经过测量的三维模型的标记点,至少一个所述特征测量标记位于所述经过测量的三维模型的待测量体围上;所述根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型,包括:根据所述特征测量标记在所述经过测量的三维模型上的高度以及所述拟合对应的变换,计算拟合后所述至少一个所述特征测量标记的平均高度,获取在所述被测量人体的三维模型上的位于所述平均高度上的包线,测量所述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。
根据本发明的第二方面的第一可执行方式,在本发明的第二方面的第三可执行方式中,所述被测量物体为人体;所述特征测量标记为所述经过测量的三维模型的待测量体围的包线;所述根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型,包括:根据所述经过测量的三维模型的待测量体围的包线以及所述拟合对应的变换,计算拟合后的上述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。
根据本发明的第二方面的第二可执行方式或第三可执行方式,在本发明的第二方面的第四可执行方式中,所述待测量体围包括:胸围、腰围以及臀围中的至少一个。
根据本发明的第二方面或本发明的第二方面的第一可执行方式到第四可执行方式中任一可执行方式,在本发明的第二方面的第五可执行方式中,所述被测量物体为人体;所述拟合包括姿态拟合与形状拟合中的至少一个。
本发明的第三方面提供一种用于三维重建的装置,该装置包括:第一获取模块,用于获取第一深度图,所述第一深度图由第一摄像装置拍摄得到,并获取第二深度图,所述第二深度图由第二摄像装置拍摄得到;计算模块,用于根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型;所述计算模块,还用于根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型。
根据本发明的第三方面,在本发明的第三方面的第一可执行方式中,所述计算模块,具体用于根据所述第一摄像装置的位姿以及所述第一深度图更新有向距离场,得到第一有向距离场,所述第一有向距离场包括所述第二三维模型;所述计算模块,具体用于根据所述第二摄像装置的位姿以及所述第二深度图更新所述第一有向距离场,得到第二有向距离场,所述第二有向距离场包括所述第三三维模型。
根据本发明的第三方面或本发明的第三方面的第一可执行方式或第二可执行方式,在本发明的第三方面的第三可执行方式中,所述计算模块,具体用于根据所述第一摄像装置的位姿以及所述第二摄像装置与所述第一摄像装置之间的相对位置得到所述第二摄像装置的初始位姿,根据所述第一摄像装置的初始位姿通过迭代最近点算法将所述第二深度图与所述第二三维模型进行配准,得到所述第二摄像装置的位姿。
本发明的第四方面提供一种用于测量的装置,所述装置包括:第二获取模块,用于获取被测量物体的三维模型;拟合模块,用于将预先存储的经过测量的三维模型向所述被测量物体的三维模型进行拟合;测量模块,用于根据所述经过测量的三维模型以及所述拟合的过程测量所述被测量物体的三维模型。
根据本发明的第四方面,在本发明的第四方面的第一可执行方式中,所述预先存储的经过测量的三维模型包括特征测量标记;所述测量模块,具体用于根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型。
根据本发明的第四方面的第一可执行方式,在本发明的第四方面的第二可执行方式中,所述被测量物体为人体;所述特征测量标记为预先存储的经过测量的三维模型的标记点,至少一个所述特征测量标记位于所述经过测量的三维模型的待测量体围上;所述测量模块,具体用于根据所述特征测量标记在所述经过测量的三维模型上的高度以及所述拟合对应的变换,计算拟合后所述至少一个所述特征测量标记的平均高度,获取在所述被测量人体的三维模型上的位于所述平均高度上的包线,测量所述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。
根据本发明的第四方面的第一可执行方式,在本发明的第四方面的第三可执行方式中,所述被测量物体为人体;所述特征测量标记为所述经过测量的三维模型的待测量体围的包线;所述测量模块,具体用于根据所述经过测量的三维模型的待测量体围的包线以及所述拟合对应的变换,计算拟合后的上述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。
根据本发明的第四方面的第二可执行方式或第三可执行方式,在本发明的第四方面的第四可执行方式中,所述待测量体围包括:胸围、腰围以及臀围中的至少一个。
根据本发明的第四方面或本发明的第四方面的第一可执行方式到第四可执行方式中任一可执行方式,在本发明的第四方面的第五可执行方式中,所述被测量物体为人体;所述拟合包括姿态拟合与形状拟合中的至少一个。
本发明的第五方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被第一处理器执行时实现如本发明的第一方面、本发明的第一方面的第一可执行方式到本发明的第一方面的第三可执行方式中任一可执行方式、本发明的第二方面、或本发明的第二方面的第一可执行方式到本发明的第二方面的第五可执行方式中任一可执行方式所述方法的步骤。
本发明的第六方面提供一种用于标定的装置,包括存储器、第二处理器以及存储在所述存储器中并可在所述第二处理器上运行的计算机程序,所述计算机程序被处理器执行时实现如本发明的第一方面、本发明的第一方面的第一可执行方式到本发明的第一方面的第三可执行方式中任一可执行方式、本发明的第二方面、本发明的第二方面的第一可执行方式到本发明第二方面的第五可执行方式中任一可执行方式所述方法的步骤。
本发明提供的一种用于三维重建的方法和装置,能够使得在对三维图像进行重建时,提高目标物体顶部和底部的三维图像重建的效果,提高重建的三维图像的精度。
附图说明
图1为本发明实施例一提供的一种用于三维重建的方法的流程图;
图2为本发明实施例一提供的用于三维重建的装置的示意图;
图3为本发明实施例一提供的有向距离场的示意图;
图4为本发明实施例一提供的使用二维有向距离场表示人脸的示意图;
图5为本发明实施例一提供的又一种用于三维重建的方法的流程图;
图6为本发明实施例二提供的一种用于测量的方法的流程图;
图7为本发明实施例三提供的一种用于三维重建的装置结构示意图;
图8为本发明实施例四提供的一种用于测量的装置结构示意图;
图9为本发明实施例五提供的一种用于三维重建或测量的装置结构示意图;
图10为本发明实施例六提供的一种用于三维重建或测量的装置结构示意图。
具体实施方式
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详细地描述。
本发明的说明书和权利要求书中上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。
其中,本发明实施例中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
在本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或“例如”的任何实施例或设计方案不应该被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
应当说明的是,为了图示的简洁和清楚起见,附图中所示的元件没有必要按照比例进行绘制。例如,为了清楚,可以相对于其他元件,增大一些元件的尺寸。另外,在认为合适的地方,可以在附图间重复附图标记,以指示相对应或类似的元件针对这一问题。
下面结合附图1对本发明实施例一提供的一种用于三维重建的方法进行详细阐述。如图1所示,该方法包括:
步骤101,获取第一深度图,所述第一深度图由第一摄像装置拍摄得到,并获取第二深度图,所述第二深度图由第二摄像装置拍摄得到。
可选的,上述的第一深度图和/或第二深度图可以从存储装置中获取,该存储装置可以为RAM(Random Access Memory随机存取存储器)或闪存Flash Memory等。可选的,拍摄所述第一摄像装置和/或第二摄像装置可以为深度摄像装置。上述的获取第一深度图与获取第二深度图的顺序不做限定,可以先获取第一深度图再获取第二深度图,反之亦然。
步骤102,根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型。
步骤103,根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型。
可选的,所述根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型包括:根据所述第一摄像装置的位姿以及所述第一深度图更新有向距离场,得到第一有向距离场,所述第一有向距离场包括所述第二三维模型;所述根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,包括:根据所述第二摄像装置的位姿以及所述第二深度图更新所述第一有向距离场,得到第二有向距离场,所述第二有向距离场包括所述第三三维模型。
可选的,根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型,可以包括:该第一三维模型通过点云表示,则可以根据所述第一摄像装置的位姿将所述深度图与所述点云进行配准,得到第二三维模型。
可选的,所述第一摄像装置与所述第二摄像装置中的至少一个的位姿根据标定的结果得到。
可选的,所述第二摄像装置的位姿由下述方法计算得到:根据所述第一摄像装置的位姿以及所述第二摄像装置与所述第一摄像装置之间的相对位置得到所述第二摄像装置的初始位姿;根据所述第一摄像装置的初始位姿通过迭代最近点算法将所述第二深度图与所述第二三维模型进行配准,得到所述第二摄像装置的位姿。
可选的,上述的第一摄像装置的位姿可以用该第一摄像装置的坐标系相对于重建的三维模型的坐标系的变换矩阵来表示,第二摄像装置亦同。可选的,该变换矩阵可以通过标定得到,也可以通过相对于已标定的摄像装置的变换矩阵以及该已标定的摄像装置的位姿计算得到。如,当通过标定已知第一摄像装置的位姿,并且获得第二摄像装置相对于第一摄像装置的相对位置,即相对位姿,则可以获得第二摄像装置相对于重建的三维模型的位姿。
具体地,示例性的,如图2所示,图2为可以应用本发明所述的方法的用于三维重建的装置。201、202、和203分别包括用于拍摄深度图的深度摄像装置。可选的,也可以使用两个深度摄像装置完成上述三维重建方法,如,201为第一摄像装置,202为第二摄像装置。204为放置被测量物体的转台。
本发明可以采用有向距离场(Signed Distance Function,SDF)表示当前重建的三维模型:将待扫描区域均匀地划分为一系列小立方体(体素,voxel),每个体素记录其与重建的三维模型的有向距离,物体内部的体素的有向距离为负,物体外部的体素的有向距离为正,物体表面的有向距离为0。因此,一个有向距离场包括了一个三维模型。如图3、4所示,图3示出了包括有一系列体素的有向距离场,图4为通过有向距离场在二维方向上表示人脸的示意图,重建好的三维模型到相机一侧都是正值,另一侧都是负值,网格点离重建好的三维模型距离越远绝对值越大,在网格中从正到负的穿越点表示重建好的三维模型的表面,这样有向距离场能够表示出重建的三维模型。在将深度图与三维模型进行融合时,通过获得的至少一个不同角度的深度图,更新上述有向距离场中相应体素的值来完成上述融合。可选的,可以通过摄像装置的坐标系与重建的三维模型的坐标系之间的关系,得到深度图中像素与上述体素的对应关系。
本发明中至少两个深度摄像装置共享一个统一的有向距离场,每个深度摄像装置的视域覆盖有向距离场的一部分。其中,中间的摄像装置202与上面的摄像装置201,和/或,中间的摄像装置202与下面的摄像装置203的视域存在交集。这样的设计既确保了摄像装置的跟踪算法的顺利执行,也尽可能地避免了深度摄像装置之间的相互干扰。
如图5所示,下面以图2中三个深度摄像装置具体阐述通过两个或两个以上深度摄像装置获取三维模型的方法。可选的,使用上述三个深度摄像装置拍摄的深度图进行融合的顺序可以为201拍摄的深度图到202拍摄的深度图到203拍摄的深度图的顺序,也可以为202—》203—》201的顺序,本发明不作限定。以201—》202—》203的顺序为例,获取第一摄像装置201拍摄的第一深度图,并根据标定结果获得摄像头201的初始位姿,按照该位姿更新有向距离场。获取深度图与计算上述位姿的顺序可以颠倒,本发明不做限定。
接下来,获取第二摄像装置202拍摄的第二深度图,根据第一摄像装置201的位姿,以及标定时得到的第一摄像装置201与第二摄像装置202的相对位置,计算出第二摄像装置202的初始位姿,然后应用ICP算法将第二摄像装置202得到的深度图与上述更新后的有向距离场进行ICP配准,从而得到第二摄像装置202的位姿,再按照该位姿更新有向距离场。以此类推,轮流读取三个深度摄像装置拍摄的深度图,不断完善三维模型。可选的,在每次估计当前深度摄像装置的位姿后,判断是否已经旋转一周,以此作为自动结束的判定条件。
本发明实施例提供的一种用于三维重建的方法,能够使得在对三维图像进行重建时,提高目标物体顶部和底部的三维图像重建的效果,提高重建的三维图像的精度。
下面结合附图6对本发明实施例二提供的一种用于测量的方法进行详细阐述。如图6所示,该方法包括:
步骤601,获取被测量物体的三维模型。
可选的,该被测量物体可以为人体。
步骤602,将预先存储的经过测量的三维模型向所述被测量物体的三维模型进行拟合。
可选的,所述被测量物体为人体,所述拟合包括姿态拟合与形状拟合中的至少一个。
步骤603,根据所述经过测量的三维模型以及所述拟合的过程测量所述被测量物体的三维模型。
可选的,所述预先存储的经过测量的三维模型包括特征测量标记;根据所述经过测量的三维模型以及所述拟合的过程测量所述被测量物体的三维模型,包括:根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型。
可选的,所述被测量物体为人体;所述特征测量标记为预先存储的经过测量的三维模型的标记点,至少一个所述特征测量标记位于所述经过测量的三维模型的待测量体围上;所述根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型,包括:根据所述特征测量标记在所述经过测量的三维模型上的高度以及所述拟合对应的变换,计算拟合后所述至少一个所述特征测量标记的平均高度,获取在所述被测量人体的三维模型上的位于所述平均高度上的包线,测量所述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。可选的,上述标记点可以带有标号,可以通过上述标号找到拟合后位于带测量体围上的所述标记点。
可选的,所述被测量物体为人体;所述特征测量标记为所述经过测量的三维模型的待测量体围的包线;所述根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型,包括:根据所述经过测量的三维模型的待测量体围的包线以及所述拟合对应的变换,计算拟合后的上述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。
可选的,可以根据不同的测量应用设计不同形状的特征测量标记,如该特征测量标记还可以为直线段,曲线段等。
具体地,三维人体数据库是通过采集很多不同体型的人体模型得到的。这些人体模型都是在一个标准姿势下采集的,可以通过一个经过测量的三维模型和若干特征向量组成该三维人体数据库。这样,一个人体模型就可以表示为该经过测量的三维模型和这些特征向量的线性组合。
人体拟合的流程可以为:输入人体扫描模型,根据三维人体数据库迭代进行姿态拟合和/或形状拟合,直至收敛,如:拟合误差减小到一个固定的范围。上述拟合的过程对应一个变换矩阵。
简单的说,姿态拟合用于描述人体的总体形态,例如手臂是向两侧张开或是叉腰等。为了表示不同姿态的人体,可以在人体库中加入骨架,通过骨架驱动将存储的三维模型由标准姿势变形到其他姿势。骨架是人体骨骼的简化版,由若干关节点组成,关节点与其它若干关节点相连。姿态拟合(或者说姿态估计)也可以指根据重建的三维模型估计关节点的位姿(pose,包括三维空间位置和旋转角度)。
形状拟合可以是指根据重建的三维模型估计该三维模型表面的形状,体现人体的胖瘦、不同肌肉程度等。可选的,形状拟合可以是采用主成分分析(PCA,PrincipalComponent Analysis)方法。可选的,形状拟合可以在在姿态拟合后进行。
可选的,所述被测量物体的测量可以为人体的体围测量,如胸围、臀围、和/或腰围。例如:在测量胸围时,记下经过测量的三维模型胸围线上的特征测量标记点。人体拟合之后,在拟合后得到的三维模型上计算这些特征测量标记点的平均高度,用这个平均高度的平行面与扫描得到的被测量人体的三维模型躯干位置相交,得到截面的包线就是测量的胸围值。
本发明实施例公开的方法与现有技术中找特征点的办法相比,本发明基于拟合的测量方法速度快,结果稳定可靠,可扩展性强。
下面结合附图7对本发明实施例三提供的一种用于三维重建的装置进行详细阐述。如图7所示,该装置包括:第一获取模块701,以及计算模块702,
第一获取模块701,用于获取第一深度图,所述第一深度图由第一摄像装置拍摄得到,并获取第二深度图,所述第二深度图由第二摄像装置拍摄得到。
可选的,上述的第一深度图和/或第二深度图可以从存储装置中获取,该存储装置可以为RAM(Random Access Memory随机存取存储器)或闪存Flash Memory等。可选的,拍摄所述第一摄像装置和/或第二摄像装置可以为深度摄像装置。上述的获取第一深度图与获取第二深度图的顺序不做限定,可以先获取第一深度图再获取第二深度图,反之亦然。
计算模块702,用于根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型,所述计算模块702,还用于根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型。
可选的,该第一三维模型可以通过点云表示。所述计算模块702,还用于根据所述第一摄像装置的位姿将所述深度图与所述点云进行配准,得到第二三维模型。
可选的,所述计算模块702,具体用于根据所述第一摄像装置的位姿以及所述第一深度图更新有向距离场,得到第一有向距离场,所述第一有向距离场包括所述第二三维模型;所述计算模块702,具体用于根据所述第二摄像装置的位姿以及所述第二深度图更新所述第一有向距离场,得到第二有向距离场,所述第二有向距离场包括所述第三三维模型。
可选的,所述第一摄像装置与所述第二摄像装置中的至少一个的位姿根据标定的结果得到。
可选的,所述计算模块702,具体用于根据所述第一摄像装置的位姿以及所述第二摄像装置与所述第一摄像装置之间的相对位置得到所述第二摄像装置的初始位姿,根据所述第一摄像装置的初始位姿通过迭代最近点算法将所述第二深度图与所述第二三维模型进行配准,得到所述第二摄像装置的位姿。
可选的,上述的第一摄像装置的位姿可以用该第一摄像装置的坐标系相对于重建的三维模型的坐标系的变换矩阵来表示,第二摄像装置亦同。可选的,该变换矩阵可以通过标定得到,也可以通过相对于已标定的摄像装置的变换矩阵以及该已标定的摄像装置的位姿计算得到。如,当通过标定已知第一摄像装置的位姿,并且获得第二摄像装置相对于第一摄像装置的相对位置,即相对位姿,则可以获得第二摄像装置相对于重建的三维模型的位姿。
关于本装置的具体功能和/或结构的描述,可以参见实施例一中关于图2-图5中的相关描述。
本发明实施例提供的一种用于三维重建的装置,能够使得在对三维图像进行重建时,提高目标物体顶部和底部的三维图像重建的效果,提高重建的三维图像的精度。
下面结合附图8对本发明实施例四提供的一种用于测量的装置进行详细阐述。如图8所示,该装置包括:第二获取模块801,拟合模块802,以及测量模块803。
第二获取模块801,用于获取被测量物体的三维模型。
可选的,该被测量物体可以为人体。
拟合模块802,用于将预先存储的经过测量的三维模型向所述被测量物体的三维模型进行拟合。
可选的,所述被测量物体为人体,所述拟合包括姿态拟合与形状拟合中的至少一个。
测量模块803,用于根据所述经过测量的三维模型以及所述拟合的过程测量所述被测量物体的三维模型。
可选的,所述预先存储的经过测量的三维模型包括特征测量标记;所述测量模块803,具体用于根据所述特征测量标记以及所述拟合对应的变换测量所述被测量物体的三维模型。
可选的,所述被测量物体为人体;所述特征测量标记为预先存储的经过测量的三维模型的标记点,至少一个所述特征测量标记位于所述经过测量的三维模型的待测量体围上;所述测量模块803,具体用于根据所述特征测量标记在所述经过测量的三维模型上的高度以及所述拟合对应的变换,计算拟合后所述至少一个所述特征测量标记的平均高度,获取在所述被测量人体的三维模型上的位于所述平均高度上的包线,测量所述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。可选的,上述标记点可以带有标号,可以通过上述标号找到拟合后位于带测量体围上的所述标记点。
可选的,所述被测量物体为人体;所述特征测量标记为所述经过测量的三维模型的待测量体围的包线;所述测量模块803,具体用于根据所述经过测量的三维模型的待测量体围的包线以及所述拟合对应的变换,计算拟合后的上述包线的长度,所述包线的长度为所述人体的三维模型的待测量体围的值。
具体地,三维人体数据库是通过采集很多不同体型的人体模型得到的。这些人体模型都是在一个标准姿势下采集的,可以通过一个经过测量的三维模型和若干特征向量组成该三维人体数据库。这样,一个人体模型就可以表示为该经过测量的三维模型和这些特征向量的线性组合。
人体拟合的流程可以为:输入人体扫描模型,根据三维人体数据库迭代进行姿态拟合和/或形状拟合,直至收敛,如:拟合误差减小到一个固定的范围。上述拟合的过程对应一个变换矩阵。
简单的说,姿态拟合用于描述人体的总体形态,例如手臂是向两侧张开或是叉腰等。为了表示不同姿态的人体,可以在人体库中加入骨架,通过骨架驱动将存储的三维模型由标准姿势变形到其他姿势。骨架是人体骨骼的简化版,由若干关节点组成,关节点与其它若干关节点相连。姿态拟合(或者说姿态估计)也可以指根据重建的三维模型估计关节点的位姿(pose,包括三维空间位置和旋转角度)进行拟合。如,定义表示上述的关节点的位置以及该关节点的转动方向的参数,根据重建的三维模型确定出表示上述关节点的位置以及该关节点的转动方向的参数的值。
形状拟合可以是指根据重建的三维模型估计该三维模型表面的形状,体现人体的胖瘦、不同肌肉程度等。可选的,形状拟合可以是采用主成分分析(PCA,PrincipalComponent Analysis)方法。可选的,形状拟合可以在在姿态拟合后进行。
可选的,所述待测量体围包括:胸围、腰围以及臀围中的至少一个。例如:在测量胸围时,记下经过测量的三维模型胸围线上的特征测量标记点。人体拟合之后,在拟合后得到的三维模型上计算这些特征测量标记点的平均高度,用这个平均高度的平行面与扫描得到的被测量人体的三维模型躯干位置相交,得到截面的包线就是测量的胸围值。
可选的,可以根据不同的测量应用设计不同形状的特征测量标记,如该特征测量标记还可以为直线段,曲线段等。
本发明实施例公开的装置与现有技术中找特征点的装置相比,本发明基于拟合的测量方法速度快,结果稳定可靠,可扩展性强。
下面结合图9具体描述本发明实施例五提供的一种用于三维重建或测量的装置900,该装置包括一种计算机可读存储介质901,所述计算机可读存储介质901存储有计算机程序,所述计算机程序被第一处理器902执行时实现如实施例一或实施例二的方法的步骤。如图9所示,可选的,该装置900可以包括总线。
本发明实施例提供的一种用于三维重建的装置,能够使得在对三维图像进行重建时,提高目标物体顶部和底部的三维图像重建的效果,提高重建的三维图像的精度。本发明实施例公开的装置与现有技术中找特征点的装置相比,本发明基于拟合的测量方法速度快,结果稳定可靠,可扩展性强。
下面结合图10具体描述本发明实施例六提供的一种用于三维重建或测量的装置1000,该装置包括存储器1001、第二处理器1002以及存储在所述存储器1001中并可在所述第二处理器1002上运行的计算机程序,所述计算机程序被第二处理器1002执行时实现如实施例一或实施例二所述方法的步骤。可选的,如图所示,该装置1000还包括总线。
本发明实施例提供的一种用于三维重建的装置,能够使得在对三维图像进行重建时,提高目标物体顶部和底部的三维图像重建的效果,提高重建的三维图像的精度。本发明实施例公开的装置与现有技术中找特征点的装置相比,本发明基于拟合的测量方法速度快,结果稳定可靠,可扩展性强。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述装置/终端设备中的执行过程。
所述装置/终端设备可以是手机、平板电脑、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述装置/终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,本发明的示意图仅仅是装置/终端设备的示例,并不构成对装置/终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述装置/终端设备还可以包括输入输出设备、网络接入设备、总线等。
上述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述装置/终端设备的控制中心,利用各种接口和线路连接整个装置/终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述装置/终端设备的各种功能。所述存储器可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如视频数据、图像等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述装置/终端设备集成的模块/单元如果以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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
上述各个实施例中的目标物体的成像可以目标物体的局部成像,也可以整体成像。无论是局部成像,或整体成像都适用或对局部成像,或整体成像相应做出调整后适用本发明提供的方法或装置,上述调整本领域普通技术人员不需要付出创造性劳动,应属于本发明的保护范围。
Claims (10)
1.一种用于三维重建的方法,其特征在于,所述方法包括:
获取第一深度图,根据第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型,所述第一深度图由第一摄像装置拍摄得到;
判断是否满足预设的终止条件,如果不满足所述终止条件,则获取第二深度图,根据第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型,所述第二深度图由第二摄像装置拍摄得到;
判断是否满足所述终止条件,如果不满足所述终止条件,则将所述第三三维模型作为第一三维模型后,再次执行所述获取第一深度图,根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型的步骤;
其中,所述第一摄像装置和所述第二摄像装置拍摄的被测量物体位于转台上,所述第一摄像装置和所述第二摄像装置沿垂直于所述转台的方向排列;所述第一摄像装置和第二摄像装置共享一个有向距离场,所述第一摄像装置和所述第二摄像的视域存在交集。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型包括:
根据所述第一摄像装置的位姿以及所述第一深度图更新有向距离场,得到第一有向距离场,所述第一有向距离场包括所述第二三维模型;
所述根据所述第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,包括:
根据所述第二摄像装置的位姿以及所述第二深度图更新所述第一有向距离场,得到第二有向距离场,所述第二有向距离场包括所述第三三维模型。
3.根据权利要求1或2所述的方法,其特征在于,
所述第一摄像装置与所述第二摄像装置中的至少一个的位姿根据标定的结果得到。
4.根据权利要求1-2任一权利要求所述的方法,其特征在于,
所述第二摄像装置的位姿由下述方法计算得到:
根据所述第一摄像装置的位姿以及所述第二摄像装置与所述第一摄像装置之间的相对位置得到所述第二摄像装置的初始位姿;
根据所述第一摄像装置的初始位姿通过迭代最近点算法将所述第二深度图与所述第二三维模型进行配准,得到所述第二摄像装置的位姿。
5.一种用于三维重建的装置,其特征在于,该装置包括:
第一计算模块,用于获取第一深度图,根据第一摄像装置的位姿将所述第一深度图与第一三维模型进行融合,得到第二三维模型,所述第一深度图由第一摄像装置拍摄得到;判断是否满足预设的结束条件,如果不满足所述结束条件,则触发第二计算模块;
第二计算模块,用于获取第二深度图,根据第二摄像装置的位姿将所述第二深度图与所述第二三维模型进行融合,得到第三三维模型,所述第二深度图由第二摄像装置拍摄得到;判断是否满足预设的结束条件,如果不满足所述结束条件,则将所述第三三维模型作为第一三维模型后,再次触发所述第一计算模块;
其中,所述第一摄像装置和所述第二摄像装置拍摄的被测量物体位于转台上,所述第一摄像装置和所述第二摄像装置沿垂直于所述转台的方向排列;所述第一摄像装置和第二摄像装置共享一个有向距离场,所述第一摄像装置和所述第二摄像的视域存在交集。
6.根据权利要求5所述的装置,其特征在于,
所述第一计算模块,具体用于根据所述第一摄像装置的位姿以及所述第一深度图更新有向距离场,得到第一有向距离场,所述第一有向距离场包括所述第二三维模型;
所述第二计算模块,具体用于根据所述第二摄像装置的位姿以及所述第二深度图更新所述第一有向距离场,得到第二有向距离场,所述第二有向距离场包括所述第三三维模型。
7.根据权利要求5或6所述的装置,其特征在于,
所述第一摄像装置与所述第二摄像装置中的至少一个的位姿根据标定的结果得到。
8.根据权利要求5-6任一权利要求所述的装置,其特征在于,
所述第二计算模块,具体用于根据所述第一摄像装置的位姿以及所述第二摄像装置与所述第一摄像装置之间的相对位置得到所述第二摄像装置的初始位姿,根据所述第一摄像装置的初始位姿通过迭代最近点算法将所述第二深度图与所述第二三维模型进行配准,得到所述第二摄像装置的位姿。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被第一处理器执行时实现如权利要求1-4任一权利要求所述方法的步骤。
10.一种用于图像处理的装置,包括存储器、第二处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述计算机程序被第二处理器执行时实现如权利要求1-4任一权利要求所述方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710892868.0A CN109559371B (zh) | 2017-09-27 | 2017-09-27 | 一种用于三维重建的方法和装置 |
CN202310511786.2A CN116721203A (zh) | 2017-09-27 | 2017-09-27 | 一种用于测量三维模型的方法、装置和存储介质 |
US16/143,439 US10810718B2 (en) | 2017-09-27 | 2018-09-26 | Method and device for three-dimensional reconstruction |
US17/027,350 US11042973B2 (en) | 2017-09-27 | 2020-09-21 | Method and device for three-dimensional reconstruction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710892868.0A CN109559371B (zh) | 2017-09-27 | 2017-09-27 | 一种用于三维重建的方法和装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310511786.2A Division CN116721203A (zh) | 2017-09-27 | 2017-09-27 | 一种用于测量三维模型的方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109559371A CN109559371A (zh) | 2019-04-02 |
CN109559371B true CN109559371B (zh) | 2023-12-26 |
Family
ID=65807823
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310511786.2A Pending CN116721203A (zh) | 2017-09-27 | 2017-09-27 | 一种用于测量三维模型的方法、装置和存储介质 |
CN201710892868.0A Active CN109559371B (zh) | 2017-09-27 | 2017-09-27 | 一种用于三维重建的方法和装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310511786.2A Pending CN116721203A (zh) | 2017-09-27 | 2017-09-27 | 一种用于测量三维模型的方法、装置和存储介质 |
Country Status (2)
Country | Link |
---|---|
US (2) | US10810718B2 (zh) |
CN (2) | CN116721203A (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110278366B (zh) * | 2018-03-14 | 2020-12-01 | 虹软科技股份有限公司 | 一种全景图像虚化方法、终端及计算机可读存储介质 |
CN110006343B (zh) * | 2019-04-15 | 2021-02-12 | Oppo广东移动通信有限公司 | 物体几何参数的测量方法、装置和终端 |
CN112562057B (zh) * | 2019-09-26 | 2023-08-08 | 杭州海康威视数字技术股份有限公司 | 三维重建系统及方法 |
CN110838179B (zh) * | 2019-09-27 | 2024-01-19 | 深圳市三维人工智能科技有限公司 | 基于体测数据的人体建模方法、装置及电子设备 |
CN111540045B (zh) * | 2020-07-07 | 2020-11-24 | 深圳市优必选科技股份有限公司 | 机械臂及其三维重建方法和装置 |
CN113223169B (zh) * | 2021-04-02 | 2023-05-26 | 达闼机器人股份有限公司 | 物体的三维重构方法及相关装置 |
CN113487727B (zh) * | 2021-07-14 | 2022-09-02 | 广西民族大学 | 一种三维建模系统、装置及方法 |
CN113593042A (zh) * | 2021-08-13 | 2021-11-02 | 成都数联云算科技有限公司 | 3d模型重建方法、装置、计算机设备及存储介质 |
CN113706373A (zh) * | 2021-08-25 | 2021-11-26 | 深圳市慧鲤科技有限公司 | 模型重建方法及相关装置、电子设备和存储介质 |
CN116310227B (zh) * | 2023-05-18 | 2023-09-12 | 海纳云物联科技有限公司 | 三维稠密重建方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680582A (zh) * | 2015-03-24 | 2015-06-03 | 中国人民解放军国防科学技术大学 | 一种面向对象定制的三维人体模型创建方法 |
CN106204727A (zh) * | 2016-07-11 | 2016-12-07 | 北京大学深圳研究生院 | 一种足部三维扫描重建的方法及装置 |
CN106504320A (zh) * | 2016-11-02 | 2017-03-15 | 华东师范大学 | 一种基于gpu及面向深度图像的实时三维重构方法 |
CN106934827A (zh) * | 2015-12-31 | 2017-07-07 | 杭州华为数字技术有限公司 | 三维场景的重建方法和装置 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7657340B2 (en) * | 2006-01-31 | 2010-02-02 | Dragon & Phoenix Software, Inc. | System, apparatus and method for facilitating pattern-based clothing design activities |
US7657341B2 (en) * | 2006-01-31 | 2010-02-02 | Dragon & Phoenix Software, Inc. | System, apparatus and method for facilitating pattern-based clothing design activities |
US8638985B2 (en) * | 2009-05-01 | 2014-01-28 | Microsoft Corporation | Human body pose estimation |
US9336625B2 (en) * | 2011-10-25 | 2016-05-10 | Microsoft Technology Licensing, Llc | Object refinement using many data sets |
TWI466062B (zh) * | 2012-10-04 | 2014-12-21 | Ind Tech Res Inst | 重建三維模型的方法與三維模型重建裝置 |
US9857470B2 (en) * | 2012-12-28 | 2018-01-02 | Microsoft Technology Licensing, Llc | Using photometric stereo for 3D environment modeling |
US9238304B1 (en) * | 2013-03-15 | 2016-01-19 | Industrial Perception, Inc. | Continuous updating of plan for robotic object manipulation based on received sensor data |
WO2015006791A1 (en) * | 2013-07-18 | 2015-01-22 | A.Tron3D Gmbh | Combining depth-maps from different acquisition methods |
KR102184766B1 (ko) * | 2013-10-17 | 2020-11-30 | 삼성전자주식회사 | 3차원 모델 복원 시스템 및 방법 |
US9779508B2 (en) * | 2014-03-26 | 2017-10-03 | Microsoft Technology Licensing, Llc | Real-time three-dimensional reconstruction of a scene from a single camera |
CN104008571B (zh) * | 2014-06-12 | 2017-01-18 | 深圳奥比中光科技有限公司 | 基于深度相机的人体模型获取方法及网络虚拟试衣系统 |
DE102014011821A1 (de) * | 2014-08-08 | 2016-02-11 | Cargometer Gmbh | Vorrichtung und Verfahren zur Volumenbestimmung eines durch ein Flurförderzeug bewegten Objekts |
US9747493B2 (en) * | 2014-09-23 | 2017-08-29 | Keylemon Sa | Face pose rectification method and apparatus |
GB2536493B (en) * | 2015-03-20 | 2020-11-18 | Toshiba Europe Ltd | Object pose recognition |
US9852543B2 (en) * | 2015-03-27 | 2017-12-26 | Snap Inc. | Automated three dimensional model generation |
KR20180069786A (ko) * | 2015-08-14 | 2018-06-25 | 미테일 리미티드 | 3d 신체 모델에 대한 3d 의복 모델의 이미지 파일을 생성하기 위한 방법 및 시스템 |
US11461912B2 (en) * | 2016-01-05 | 2022-10-04 | California Institute Of Technology | Gaussian mixture models for temporal depth fusion |
US10311648B2 (en) * | 2016-06-22 | 2019-06-04 | Aquifi, Inc. | Systems and methods for scanning three-dimensional objects |
CN109559349B (zh) * | 2017-09-27 | 2021-11-09 | 虹软科技股份有限公司 | 一种用于标定的方法和装置 |
-
2017
- 2017-09-27 CN CN202310511786.2A patent/CN116721203A/zh active Pending
- 2017-09-27 CN CN201710892868.0A patent/CN109559371B/zh active Active
-
2018
- 2018-09-26 US US16/143,439 patent/US10810718B2/en active Active
-
2020
- 2020-09-21 US US17/027,350 patent/US11042973B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680582A (zh) * | 2015-03-24 | 2015-06-03 | 中国人民解放军国防科学技术大学 | 一种面向对象定制的三维人体模型创建方法 |
CN106934827A (zh) * | 2015-12-31 | 2017-07-07 | 杭州华为数字技术有限公司 | 三维场景的重建方法和装置 |
CN106204727A (zh) * | 2016-07-11 | 2016-12-07 | 北京大学深圳研究生院 | 一种足部三维扫描重建的方法及装置 |
CN106504320A (zh) * | 2016-11-02 | 2017-03-15 | 华东师范大学 | 一种基于gpu及面向深度图像的实时三维重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109559371A (zh) | 2019-04-02 |
US20210004942A1 (en) | 2021-01-07 |
CN116721203A (zh) | 2023-09-08 |
US20190096050A1 (en) | 2019-03-28 |
US10810718B2 (en) | 2020-10-20 |
US11042973B2 (en) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559371B (zh) | 一种用于三维重建的方法和装置 | |
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN110568447B (zh) | 视觉定位的方法、装置及计算机可读介质 | |
JP3735344B2 (ja) | キャリブレーション装置、キャリブレーション方法、及びキャリブレーション用プログラム | |
CN111780764B (zh) | 一种基于视觉地图的视觉定位方法、装置 | |
CN110176032B (zh) | 一种三维重建方法及装置 | |
US6915008B2 (en) | Method and apparatus for multi-nodal, three-dimensional imaging | |
CN104596502B (zh) | 一种基于cad模型与单目视觉的物体位姿测量方法 | |
CN109801374B (zh) | 一种通过多角度图像集重构三维模型的方法、介质及系统 | |
CN109559349B (zh) | 一种用于标定的方法和装置 | |
WO2021004416A1 (zh) | 一种基于视觉信标建立信标地图的方法、装置 | |
US20160239976A1 (en) | Photogrammetric methods and devices related thereto | |
JP2008506953A5 (zh) | ||
CN106625673A (zh) | 狭小空间装配系统及装配方法 | |
CN111060006A (zh) | 一种基于三维模型的视点规划方法 | |
JP2017532695A (ja) | Rgb−dセンサを使用して物体を走査する方法とシステム | |
CN111862180A (zh) | 一种相机组位姿获取方法、装置、存储介质及电子设备 | |
CN109949232A (zh) | 图像与rtk结合的测量方法、系统、电子设备及介质 | |
CN115375842A (zh) | 一种植株三维重建方法、终端及存储介质 | |
CN111951335A (zh) | 确定相机标定参数的方法、装置、处理器和图像采集系统 | |
Nousias et al. | Large-scale, metric structure from motion for unordered light fields | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
Kochi et al. | All-around 3D plant modeling system using multiple images and its composition | |
Maki et al. | 3d model generation of cattle using multiple depth-maps for ict agriculture | |
CN114092564B (zh) | 无重叠视域多相机系统的外参数标定方法、系统、终端及介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 310052 19th Floor, No. 392, Binxing Road, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province (Hongsoft Building) Patentee after: Rainbow Software Co.,Ltd. Address before: 310012 22nd and 23rd Floors of Building A, Paradise Software Park, No. 3 Xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province Patentee before: Rainbow Software Co.,Ltd. |