CN109693387A - 基于点云数据的3d建模方法 - Google Patents
基于点云数据的3d建模方法 Download PDFInfo
- Publication number
- CN109693387A CN109693387A CN201711000498.1A CN201711000498A CN109693387A CN 109693387 A CN109693387 A CN 109693387A CN 201711000498 A CN201711000498 A CN 201711000498A CN 109693387 A CN109693387 A CN 109693387A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- point
- cloud data
- plane
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于点云数据的3D建模方法,可产生对应目标物的3D物件数据。方法是以不同角度拍摄目标物来获得多个2D影像及多个深度值,并依据多个2D影像及多个深度值产生多个点云数据。接着,方法对多个点云数据执行建模前处理以于各点云数据中滤除不属于目标物的点数据,并依据过滤后的多个点云数据执行3D建模处理以产生3D物件数据。本发明经由建模前处理可使所产生的3D物件数据具有较少的噪声而可适用于3D打印。
Description
技术领域
本发明涉及3D建模方法,特别涉及基于点云数据的3D建模方法。
背景技术
于现有的3D建模技术中,主要是由受过专业训练的绘图人员操作3D绘图软件来手动绘制3D物件并建立对应的3D物件数据。上述手动3D建模方式由于需对3D绘图软件进行操作,未受过专业训练的一般使用者并无法自行建立3D物件数据。上述问题也成为推广3D打印普及化的瓶颈。
为解决上述问题,目前已有一种3D扫描器被提出。现有的3D扫描器可对目标物的不同角度进行扫描及深度量测,并产生不同角度的3D扫描数据。接着,使用者可操作建模软件来对不同角度的3D扫描数据执行3D建模处理以产生对应目标物的3D物件数据。
然而,现有的3D扫描器于进行扫描时会连带扫描目标物周围的物体(如承载目标物的平台、背景或置于相同平台的其他物体),这使得所产生的3D扫描数据会包括大量噪声(即包括不属于目标物的数据)。当对前述包括噪声的3D扫描数据进行3D建模处理后,所产生的3D物件数据会包括不属于目标物的其他3D物件数据(如属于桌面的3D物件数据),而无法用于3D打印。
现有的3D建模方法存在上述问题,而亟待更有效的方案被提出。
发明内容
本发明的目的在于提供一种基于点云数据的3D建模方法,可于建模处理前自扫描数据中滤除不属于目标物的部分数据。
于一实施例中,一种基于点云数据的3D建模方法,用以产生对应一目标物的一3D物件数据,该基于点云数据的3D建模方法包括以下步骤:
a)经由一3D扫描器取得该目标物的不同角度的多个2D影像及分别对应各该2D影像的多个像素的多个深度值;
b)依据该多个2D影像及该多个深度值产生多个点云数据,其中各该点云数据包括多个点数据;
c)对该多个点云数据执行一建模前处理以于各该点云数据中滤除不属于该目标物的该点数据;及
d)依据过滤后的该多个点云数据执行一3D建模处理以产生该3D物件数据。
如上所述,该步骤c)包括以下步骤:
c11)于各该点云数据中设定一焦点数据;
c12)依据各该点云数据的该多个点数据的坐标计算一过滤范围,其中各该点数据的坐标记录有各该点数据于该点云数据中的平面位置及该深度值;及
c13)依据各该点云数据的该焦点数据及该过滤范围于各该点云数据中设定一过滤区域,并滤除位于该过滤区域外的该多个点数据,藉此于各该点云数据中滤除属于背景的该多个点数据及属于平台的该多个点数据。
如上所述,该步骤c11)是将位于该点云数据中心的该点数据设定为该焦点数据。
如上所述,该步骤c11)是对位于该点云数据中心区域的该多个点数据的坐标执行一平均计算以获得该焦点数据的坐标。
如上所述,该步骤c12)是计算各该点云数据的该多个点数据的坐标之间的一标准差,并依据该标准差设定该过滤范围。
如上所述,该步骤c)包括以下步骤:
c21)于各该点云数据中选择至少三个该点数据;
c22)依据该至少三个点数据决定一回归平面;
c23)统计该点云数据中属于该回归平面的该多个点数据的数量以获得一群中数量;及
c24)于该群中数量大于一群中临界值时于各该点云数据中滤除属于该回归平面的该多个点数据,藉此于各该点云数据中滤除属于平台的该多个点数据。
如上所述,该步骤c24)包括以下步骤:
c241)于当前的该群中数量大于该群中临界值时设定当前的该回归平面为一候选平面;
c242)重复执行该步骤c21)至该步骤c23)及该步骤c241)直到一停止条件满足;及
c243)自该多个候选平面中选择其中之一,并于各该点云数据中滤除属于所选择的该候选平面的该多个点数据。
如上所述,该停止条件是重复执行该步骤c21)至该步骤c23)及该步骤c241)达一次数临界值,或是该多个候选平面的数量达到一数量临界值。
如上所述,该步骤c23)是统计属于该回归平面及该回归平面的一延伸范围内的该多个点数据的数量以获得该群中数量;该步骤c243)是计算属于各该候选平面的该延伸范围内的该多个点数据与各该候选平面之间的一总距离,选择该总距离最小的该候选平面,并于各该点云数据中滤除属于所选择的该候选平面及该候选平面的该延伸范围内的该多个点数据。
如上所述,该步骤c22)是依据至少三个该点数据的坐标计算一回归方程以决定该回归平面;该步骤c23)是于任一该点数据的坐标符合该回归方程时判定该点数据属于该回归平面。
如上所述,该步骤c)包括以下步骤:
c31)取得一深度临界值;及
c32)于各该点云数据中滤除该深度值不小于该深度临界值的该多个点数据,藉此于各该点云数据中滤除属于背景的该多个点数据。
如上所述,该基于点云数据的3D建模方法于该步骤d)之后更包括以下步骤:
e1)于该3D物件数据中识别对应一平台物件的一平台物件数据;及
e2)自该3D物件数据删除该平台物件数据。
本发明经由建模前处理可使所产生的3D物件数据具有较少的噪声而可适用于3D打印。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1为本发明第一实施例的3D建模系统的架构图;
图2A为本发明第二实施例的3D建模系统的示意图;
图2B为本发明第三实施例的3D建模系统的示意图;
图3为本发明第一实施例的3D建模方法的流程图;
图4为本发明第二实施例的3D建模方法的部分流程图;
图5为本发明第三实施例的3D建模方法的部分流程图;
图6为本发明第四实施例的3D建模方法的部分流程图;
图7为本发明第五实施例的3D建模方法的部分流程图;
图8为本发明的点云数据的第一示意图;
图9为本发明的点云数据的第二示意图;
图10为本发明的点云数据的第三示意图;
图11为本发明的点云数据的第四示意图;
图12为本发明的点云数据的第五示意图;
图13A为本发明的3D物件数据的第一示意图;
图13B为本发明的3D物件数据的第二示意图。
其中,附图标记:
1…3D建模系统
2…3D扫描器
200…控制模块
202…3D扫描模块
204…记忆模块
206…连接模块
208…人机界面
210…旋转平台
3…电子装置
30…电脑软件
4…3D打印机
50…目标物
51…目标物
52…背景
53…平台
54…过滤区域
550-552…无效点数据
60-64…点云数据
70-79…点数据
80…目标物件
82…平台物件
rx、ry、rz…过滤半径
S100-S108…3D建模步骤
S20-S24…3D过滤步骤
S300-S310…平台过滤步骤
S40-S42…背景过滤步骤
S50-S52…平台物件删除步骤
具体实施方式
下面结合附图和具体实施例对本发明技术方案进行详细的描述,以更进一步了解本发明的目的、方案及功效,但并非作为本发明所附权利要求保护范围的限制。
首先,请参阅图1,为本发明第一实施例的3D扫描系统的架构图。本发明公开了一种基于点云数据的3D建模方法(下称3D建模方法),是运用于3D建模系统1。3D建模系统包括3D扫描器2及电脑软件30。
于一实施例中,电脑软件30储存于电子装置3(如笔记型电脑、平板电脑、个人电脑或云端服务器)的记忆体(图未标示)。前述记忆体可为非暂态电脑可读记录媒体。电脑软件30记录有电脑可执行的程序码。电子装置3的处理器(图未标示)执行电脑软件30后,可依据3D扫描器2所产生的3D扫描数据(如后述的点云数据)执行本发明各实施例的3D建模方法的各步骤。
3D扫描器2主要包括3D扫描模块202、记忆模块204、连接模块206、人机界面208及电性连接上述模块的控制模块200。
3D扫描模块202可包括影像撷取模块及深度计(如激光测距仪)。影像撷取模块用以对目标物的特定角度的画面进行拍摄来产生2D影像。深度计用以量测画面中的各位置的深度值,即量测各2D影像的各像素所对应的实际位置与深度计之间的距离。接着,3D扫描模块202可对各2D影像与对应此2D影像的多个深度值进行处理来产生一笔点云数据。藉此,3D扫描模块202可对目标物的多个不同角度的画面进行上述拍摄与深度量测操作来产生不同角度的多笔点云数据。
于一实施例中,点云数据是2D影像与深度值的组合,并包括多个点数据。各点数据被对应至一组坐标,前述坐标至少为三维坐标,并记录有各点数据于点云数据中的平面位置(X轴坐标值及Y轴坐标值)与所对应的深度值(Z轴坐标值)。
记忆模块204用以储存数据。连接模块206(如USB模块、PCI bus模块、Wi-Fi模块或蓝牙模块)用以连接电子装置3,并传送扫描数据至电子装置3。人机界面208(如按键、显示器、指示灯、蜂鸣器或上述任意组合)用以接受使用者操作并输出扫描指示信息。控制模块200用以控制3D扫描器2的各装置运作。
于一实施例中,记忆模块204是非暂态电脑可读记录媒体,并储存有扫描软件(如3D扫描模块202的固件)。扫描软件记录有电脑可执行的程序码。控制模块200执行扫描软件后,可执行本发明各实施例的方法的产生点云数据的步骤。
后续说明将以电脑软件30储存于电子装置3,扫描软件储存于3D扫描器2为例进行说明,但不以此限定。
于一实施例中,记忆模块204可储存前述的电脑软件30,控制模块200执行电脑软件30后,可依据3D扫描模块202所产生的3D扫描数据执行本发明各实施例的3D建模方法的各步骤。
于一实施例中,3D建模系统1更包括3D打印机4,电子装置可进一步对所产生的3D物件数据执行切层处理以产生3D打印数据,并将所产生的3D打印数据传送至3D打印机4进行3D打印。接着,3D打印机4可打印出与目标物相似的3D实体模型。
于一实施例中,3D扫描器2与3D打印机4是整合设置于同一机器中,即3D扫描打印机。并且,于进行3D扫描时,前述3D扫描打印机的平台是作为扫描平台来承载待扫描的目标物。于进行3D打印时,前述3D扫描打印机的相同平台是作为成型平台来承载所打印的3D实体模型。
续请一并参阅图2A及图2B,图2A为本发明第二实施例的3D建模系统的示意图,图2B为本发明第三实施例的3D建模系统的示意图,用以说明如何产生目标物的不同角度的点云数据。
于图2A的例子中,3D扫描器2包括电性连接控制模块200的旋转平台210。首先,使用者将目标物放置于旋转平台210上。接着,控制模块200控制3D扫描模块202对目标物的一角度进行拍摄以取得一张2D影像与一组深度值,再控制旋转平台210旋转预设角度并控制3D扫描模块对目标物的另一角度进行拍摄以取得另一张2D影像与另一组深度值。藉由不断重复上述操作,控制模块200可取得目标物的不同角度的2D影像与深度值,并产生不同角度的点云数据。
于图2B的例子中,3D扫描模块202是可移动的(如3D扫描模块202为手持式3D扫描器或3D扫描模块202设置于移动装置上),并可被移动至不同位置来对目标物的不同角度进行拍摄与深度量测,而可产生不同角度的点云数据。
续请参阅图3,为本发明第一实施例的3D建模方法的流程图。本发明各实施例的3D建模方法可由图1至图2B所示的任一3D扫描打印系统1来加以实现。本实施例的3D建模方法包括下列步骤。
步骤S100:使用者操作3D扫描器2对目标物的不同角度进行扫描。于扫描过程中,3D扫描器2的控制模块200经由3D扫描模块202取得目标物的不同角度的多个2D影像及多组深度值,前述各组深度值分别对应各2D影像的多个像素。最后,控制模块200依据前述多个2D影像及多组深度值产生分别对应目标物的不同角度的多个点云数据。接着,控制模块200可将点云数据传送至电子装置3以执行3D建模处理。
于一实施例中,各点云数据包括多个点数据,各点数据分别对应2D影像的多个像素的其中之一。
于一实施例中,记忆模块204包括可卸式储存装置(如外接硬盘或记忆卡),控制模块200可将点云数据储存于可卸式储存装置。接着,使用者可自3D扫描器2卸除可卸式储存装置,并将可卸式储存装置连接至电子装置3来使电子装置3读取点云数据。
步骤S102:电子装置3于执行电脑软件3后选择多个点云数据的其中之一(如选择第一个点云数据)。
步骤S104:电子装置3对所选择的点云数据执行建模前处理以于点云数据中滤除不属于目标物的部分点数据。
于一实施例中,电子装置3于点云数据中识别属于噪声的点数据,如属于背景的点数据、属于平台的点数据或属于目标物以外物体的点数据,并自点云数据滤除所识别的属于噪声的点数据。
续请参阅图8,为本发明的点云数据的第一示意图。如图所示,点云数据60可划分为目标物51、背景52及平台53。因此,于点云数据60中,部分点数据(于本例子中以一个点数据72表示)属于目标物51,部分点数据(于本例子中以一个点数据70表示)属于背景52,部分点数据(于本例子中以一个点数据71表示)属于平台53。
值得一提的是,于3D扫描过程中,3D扫描模块202实际上并无法测得画面所有位置的深度值(如背景过远、物体反光或其他环境干扰),这会使得点云数据60的部分点数据不具有深度值,即无效点数据550-552。由于不具有深度值,前述无效点数据550-552并无法用于3D建模处理。
因此,于本发明的建模前处理中,还可进一步于点云数据中滤除前述无效点数据550-552来减少处理数据量并避免造成3D建模处理的失真。
复请参阅图3,接着执行步骤S106:电子装置3判断是否所有点云数据皆完成建模前处理。若电子装置3判断所有点云数据皆完成建模前处理,则执行步骤S108。否则,电子装置3再次执行步骤S102至S104以选择另一点云数据(如第二个点云数据)来执行建模前处理。
步骤S108:电子装置3对过滤后的多个点云数据执行3D建模处理来产生对应目标物的3D物件数据。前述3D建模处理为本技术领域的常见技术,其详细技术内容于此不再赘述。
值得一提的是,3D扫描器2于实际扫描过程中会同时扫描目标物与其周围环境(如背景、承载目标物的平台或平台上的其他物体),这使得点云数据中的部分点数据不属于目标物,而会造成后续3D建模的失真。因此,本发明透过于3D建模处理前先滤除不属于目标物的点数据,可有效减少噪声,而有利于并产生高品质的3D物件数据。
续请同时参阅图3及图4,图4为本发明第二实施例的3D建模方法的部分流程图。于本实施例中,建模前处理为3D过滤处理,前述3D过滤处理可对点云数据进行裁切,来删除不属于目标物的点数据。相较于图3所示的3D建模方法,本实施例的3D建模方法的步骤S104包括以下步骤。
步骤S20:电子装置3于所选择的点云数据中设定焦点数据。
于一实施例中,电子装置3可选择点云数据的多个点数据的其中之一,并设定所选择的点数据为焦点数据。更进一步地,电子装置3是选择位于点云数据中心的点数据作为焦点数据。
于一实施例中,电子装置3可对位于点云数据中心区域的多个点数据的坐标执行平均计算以获得焦点数据的坐标。
举例来说,中心区域为5╳5范围,并位于点云数据中心。电子装置3可依据下述式一的高斯滤波器来对中心区域内的25个点数据执行加权平均计算,以获得焦点数据的坐标而可设定焦点数据。
其中,为焦点数据的坐标;为点云数据中心的点数据的坐标。
值得一提的是,虽于本例子中是设定中心区域为5╳5范围,并使用高斯滤波器来执行平均计算,但不以此限定。本技术领域的技术人员可依需求参酌本案的公开内容任意变更中心区域的范围及平均计算的系数。
藉此,即便点云数据中心的点数据为无效点数据,本发明仍可设定焦点数据。
步骤S22:电子装置3依据点云数据的多个点数据的坐标计算过滤范围。
于一实施例中,电子装置3依据下述式二计算点云数据的全部或部份的点数据(如全部或部份的有效点数据)的平均坐标,再依据所算出的平均坐标及下述式三计算点云数据的多个点数据的坐标之间的标准差。最后,电子装置3依据所算出的标准差设定过滤范围,如将标准差作为过滤范围的半径或边长。
其中,为平均坐标;di=(xi,yi,zi),为点数据的坐标;n为有效点数据的数量。
其中,SD=(xsd,ysd,zsd),为标准差。
步骤S24:电子装置3依据点云数据的焦点数据及过滤范围于点云数据中设定过滤区域,并执行3D过滤处理来滤除位于过滤区域外的多个点数据。
于一实施例中,电子装置3是经由将点数据的值设定为0来滤除点数据。电子装置3是将标准差作为过滤范围的半径,并依据下述式四来执行3D过滤处理。
其中,Value(di)为点数据di的值。
续请参阅图9及图10。图9为本发明的点云数据的第二示意图,图10为本发明的点云数据的第三示意图,用以示例性说明本发明如何执行3D过滤处理。
如图9所示的点云数据61,电子装置3可将三轴的标准差直接作为过滤范围于三轴的半径rx、ry及rz以完成过滤范围的设定。接着,以焦点数据73为中心套用过滤范围来设定过滤区域54。
接着,电子装置3滤除过滤区域54外的多个点数据,而可获得过滤后的点云数据62。如图10所示,于点云数据62中,属于目标物51的点数据仍被完整保留,属于背景52的点数据已完全被滤除,属于平台53的点数据的数量亦大幅减少。
因此,本发明经由3D过滤处理可于点云数据中同时滤除属于背景的点数据及属于平台的点数据。
值得一提的是,由于标准差会随着目标物的尺寸与深度于影像中的比例来加以改变,本发明的过滤区域可随着目标物尺寸与深度放大或缩小,这使得本发明的3D过滤处理可适用于不同尺寸与深度的目标物。
续请同时参数图3、图5、图10及图11,图5为本发明第三实施例的3D建模方法的部分流程图,图11为本发明的点云数据的第四示意图。于本实施例中,建模前处理为平面过滤处理,前述平面过滤处理可于点云数据中滤除属于平台的点数据,来删除不属于目标物的点数据。于本实施例中,当属于平台的点数据数量大于属于目标物的点数据数量时,即于点云数据中平台所占面积大于目标物所占面积时,本实施例的平面过滤处理可具有较佳的过滤效果。相较于图3所示的3D建模方法,本实施例的3D建模方法的步骤S104包括以下步骤。
步骤S300:电子装置3于所选择的点云数据的多个点数据中选择至少三个点数据。
于一实施例中,电子装置3是随机选取三个点数据。
步骤S302:电子装置3依据所选择的至少三个点数据决定一个回归平面。
于一实施例中,电子装置3依据所选择的至少三个点数据的坐标计算一组回归方程以决定由所选择的点数据形成的回归平面。前述依据至少三个点数据的坐标计算回归方程的技术手段属于演算法领域的常见技术,于此不再赘述。
步骤S304:电子装置3判断点云数据的多个点数据属于所计算出的回归平面的群中(inlier),或是属于所计算出的回归平面的群外(outlier),并统计属于群中的多个点数据的数量(群中数量)。
于一实施例中,电子装置3是判断点云数据的所有点数据是否属于所计算出的回归平面的群中或群外。
于一实施例中,电子装置3是选择点云数据的部分点数据(如随机选择80%的点数据),并判断所选择的多个点数据是否属于所计算出的回归平面的群中或群外。
于一实施例中,电子装置3是将各点数据的坐标代入所算出的回归方程,并于计算结果符合时判定此点数据属于所算出的回归平面(即此点数据属于群中),否则,判定此点数据不属于回归平面(即此点数据属于群外)。
于一实施例中,电子装置3是于回归平面周围设定延伸范围(如将回归方程的至少一系数自固定值变更为范围值),并于各点数据属于回归平面或其延伸范围时判定此点数据属于群中,并于各点数据不属于回归平面或其延伸范围时判定此点数据属于群外。
更进一步地,电子装置3可先取得预设的误差临界值,并于各点数据的坐标代入所算出的回归方程的计算结果不大于误差临界值时,判定点数据属于群中。
步骤S306:电子装置3判断群中数量是否大于预设的群中临界值。
于一实施例中,电子装置3比较群中数量是否大于群中临界值(如有效的点数据的数量的50%),并于群中数量大于群中临界值时执行步骤S308。否则,电子装置3执行步骤S310。
于一实施例中,电子装置3计算群中数量与所有有效的点数据的数量之间的比值,并于所计算出的比值大于群中临界值(如80%)时执行步骤S308。否则,电子装置3执行步骤S310。
步骤S308:电子装置3将所计算出的回归平面记录为候选平面。
于一实施例中,电子装置3不会记录群中数量不大于群中临界值的回归平面。藉此,可节省储存空间。
步骤S310:电子装置3判断结束条件是否满足,即判断是否停止计算其他回归平面。
于一实施例中,前述结束条件可为计算回归平面的次数(即步骤S300-S306的执行次数)达到次数临界值(如100次),或者所记录的候选平面的数量达到数量临界值(如10组)。
若电子装置3判断结束条件满足,则执行步骤S312。否则,电子装置3再次执行步骤S300-S308以计算另一组回归平面。
步骤S312:电子装置3自所记录的多个候选平面中选择其中之一,并于点云数据中滤除属于所选择的候选平面的多个点数据。
于一实施例中,电子装置3是计算属于各候选平面的延伸范围内的多个点数据与各候选平面之间的距离的加总(总距离),选择总距离最小的候选平面,并于点云数据中滤除属于所选择的候选平面及其延伸范围内的多个点数据。藉此,本发明可有效过滤属于平台的点数据。
于一实施例中,电子装置3于判断群中数量大于预设的群中临界值时(步骤S306,是),可不执行步骤S308-S310,而直接依据当前的回归平面来过滤点数据。藉此,本发明可有效减少电子装置3的运算量,进而提升处理速度。
于一实施例中,建模前处理同时包括3D过滤处理及平面过滤处理。
具体而言,如图10所示的点云数据62,电子装置3于对点数据执行完3D过滤处理后,可接着执行平面过滤处理。于平面过滤处理中,电子装置3可自多个点数据74-79任意选择其中之三并计算对应的回归平面,如选择点数据74-76并计算对应的第一回归平面、选择点数据74、77、79并计算对应的第二回归平面,或选择点数据77-79并计算对应的第三回归平面。接着,电子装置3判断第一回归平面是对应平台53的平面(即群中数量大于群中临界值),并依据第一回归平面来过滤多个点数据(即过滤属于平台53的点数据74-77)。藉此,如图11所示,过滤后的点云数据63仅包括属于目标物51的多个点数据。
续请参阅图3、图6及图12,图6为本发明第四实施例的3D建模方法的部分流程图,图12为本发明的点云数据的第五示意图。于本实施例中,建模前处理为背景过滤处理,前述背景过滤处理可于点云数据中过除属于背景的点数据,来删除不属于目标物的点数据。相较于图3所示的3D建模方法,本实施例的3D建模方法的步骤S104包括以下步骤。
步骤S40:电子装置3取得预设的深度临界值。
于一实施例中,电子装置3可对点云数据的多个点数据的深度值进行分析,来决定预设的深度临界值。
前述深度临界值分析方式属于本技术领域的常见技术,于此不再赘述。
步骤S42:电子装置3依据深度临界值对点云数据的多个点数据执行过滤处理。
具体而言,如图8所示,前述深度临界值是对应点云数据60的背景52的深度,电子装置3是于点云数据60中过滤深度值不小于深度临界值的多个点数据。藉此,过滤后的点云数据64(如图10所示)的背景52可被滤除,而仅保留目标物51及平台53。
续请同时参阅图3、图7、图13A及图13B,图7为本发明第五实施例的3D建模方法的部分流程图。图,13A为本发明的3D物件数据的第一示意图,图13B为本发明的3D物件数据的第二示意图。于本实施例可对建模处理所产生的3D物件数据执行平台物件删除处理,来于3D物件中删除平台物件。相较于图3所示的3D建模方法,本实施例的3D建模方法的步骤S108之后包括以下步骤。
步骤S40:电子装置3于对应3D物件的3D物件数据中识别对应平台物件的平台物件数据。
前述平台物件数据识别方式属于本技术领域的常见技术,于此不再赘述。
步骤S40:自3D物件数据中删除所识别出的平台物件数据,以将平台物件自3D物件中删除。
如图13A所示,建模处理后的3D物件包括目标物件80及平台物件82。电子装置3可于3D物件中识别平台物件82并删除。藉此,处理后的3D物件仅包括目标物件80(如图13B所示)。
本发明可有效删除自3D物件数据中删除对应平台物件的平台物件数据,而使3D物件数据不具有非属于目标物的噪声,而可产生高品质的3D物件数据。
藉此,本发明可有效于点云数据中过滤属于背景的多个点数据。
值得一提的是,电子装置3可被设定为执行前述3D过滤处理、平面过滤处理、背景过滤处理及平台物件删除处理之中的一或多个处理,如执行3D过滤处理及平面过滤处理、执行3D过滤处理与平台物件删除处理、执行背景过滤处理与平面过滤处理、执行背景过滤处理、3D过滤处理及平面过滤处理、或执行3D过滤处理、平面过滤处理、背景过滤处理及平台物件删除处理,不加以限定。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求书的保护范围。
Claims (12)
1.一种基于点云数据的3D建模方法,用以产生对应一目标物的一3D物件数据,其特征在于,该基于点云数据的3D建模方法包括以下步骤:
a)经由一3D扫描器取得该目标物的不同角度的多个2D影像及分别对应各该2D影像的多个像素的多个深度值;
b)依据该多个2D影像及该多个深度值产生多个点云数据,其中各该点云数据包括多个点数据;
c)对该多个点云数据执行一建模前处理以于各该点云数据中滤除不属于该目标物的该点数据;及
d)依据过滤后的该多个点云数据执行一3D建模处理以产生该3D物件数据。
2.如权利要求1所述的基于点云数据的3D建模方法,其特征在于,该步骤c)包括以下步骤:
c11)于各该点云数据中设定一焦点数据;
c12)依据各该点云数据的该多个点数据的坐标计算一过滤范围,其中各该点数据的坐标记录有各该点数据于该点云数据中的平面位置及该深度值;及c13)依据各该点云数据的该焦点数据及该过滤范围于各该点云数据中设定一过滤区域,并滤除位于该过滤区域外的该多个点数据,藉此于各该点云数据中滤除属于背景的该多个点数据及属于平台的该多个点数据。
3.如权利要求2所述的基于点云数据的3D建模方法,其特征在于,该步骤c11)是将位于该点云数据中心的该点数据设定为该焦点数据。
4.如权利要求2所述的基于点云数据的3D建模方法,其特征在于,该步骤c11)是对位于该点云数据中心区域的该多个点数据的坐标执行一平均计算以获得该焦点数据的坐标。
5.如权利要求2所述的基于点云数据的3D建模方法,其特征在于,该步骤c12)是计算各该点云数据的该多个点数据的坐标之间的一标准差,并依据该标准差设定该过滤范围。
6.如权利要求1所述的基于点云数据的3D建模方法,其特征在于,该步骤c)包括以下步骤:
c21)于各该点云数据中选择至少三个该点数据;
c22)依据该至少三个点数据决定一回归平面;
c23)统计该点云数据中属于该回归平面的该多个点数据的数量以获得一群中数量;及
c24)于该群中数量大于一群中临界值时于各该点云数据中滤除属于该回归平面的该多个点数据,藉此于各该点云数据中滤除属于平台的该多个点数据。
7.如权利要求6所述的基于点云数据的3D建模方法,其特征在于,该步骤c24)包括以下步骤:
c241)于当前的该群中数量大于该群中临界值时设定当前的该回归平面为一候选平面;
c242)重复执行该步骤c21)至该步骤c23)及该步骤c241)直到一停止条件满足;及
c243)自该多个候选平面中选择其中之一,并于各该点云数据中滤除属于所选择的该候选平面的该多个点数据。
8.如权利要求7所述的基于点云数据的3D建模方法,其特征在于,该停止条件是重复执行该步骤c21)至该步骤c23)及该步骤c241)达一次数临界值,或是该多个候选平面的数量达到一数量临界值。
9.如权利要求7所述的基于点云数据的3D建模方法,其特征在于,该步骤c23)是统计属于该回归平面及该回归平面的一延伸范围内的该多个点数据的数量以获得该群中数量;该步骤c243)是计算属于各该候选平面的该延伸范围内的该多个点数据与各该候选平面之间的一总距离,选择该总距离最小的该候选平面,并于各该点云数据中滤除属于所选择的该候选平面及该候选平面的该延伸范围内的该多个点数据。
10.如权利要求6所述的基于点云数据的3D建模方法,其特征在于,该步骤c22)是依据至少三个该点数据的坐标计算一回归方程以决定该回归平面;该步骤c23)是于任一该点数据的坐标符合该回归方程时判定该点数据属于该回归平面。
11.如权利要求1所述的基于点云数据的3D建模方法,其特征在于,该步骤c)包括以下步骤:
c31)取得一深度临界值;及
c32)于各该点云数据中滤除该深度值不小于该深度临界值的该多个点数据,藉此于各该点云数据中滤除属于背景的该多个点数据。
12.如权利要求1所述的基于点云数据的3D建模方法,其特征在于,该基于点云数据的3D建模方法于该步骤d)之后更包括以下步骤:
e1)于该3D物件数据中识别对应一平台物件的一平台物件数据;及
e2)自该3D物件数据删除该平台物件数据。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711000498.1A CN109693387A (zh) | 2017-10-24 | 2017-10-24 | 基于点云数据的3d建模方法 |
US15/867,701 US10621740B2 (en) | 2017-10-24 | 2018-01-11 | 3D modeling method based on point cloud data |
EP18152930.6A EP3477597A1 (en) | 2017-10-24 | 2018-01-23 | 3d modeling method based on point cloud data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711000498.1A CN109693387A (zh) | 2017-10-24 | 2017-10-24 | 基于点云数据的3d建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109693387A true CN109693387A (zh) | 2019-04-30 |
Family
ID=61027473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711000498.1A Pending CN109693387A (zh) | 2017-10-24 | 2017-10-24 | 基于点云数据的3d建模方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10621740B2 (zh) |
EP (1) | EP3477597A1 (zh) |
CN (1) | CN109693387A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112150595A (zh) * | 2020-09-21 | 2020-12-29 | 广东博智林机器人有限公司 | 一种点云数据处理方法、装置、设备及介质 |
WO2021092771A1 (zh) * | 2019-11-12 | 2021-05-20 | Oppo广东移动通信有限公司 | 一种目标检测方法及装置、设备、存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210030147A (ko) * | 2019-09-09 | 2021-03-17 | 삼성전자주식회사 | 3d 렌더링 방법 및 장치 |
CN114223018A (zh) * | 2019-09-30 | 2022-03-22 | 西门子股份公司 | 元件复制方法、装置和系统 |
CN111292275B (zh) * | 2019-12-26 | 2023-10-24 | 深圳一清创新科技有限公司 | 基于复杂地面的点云数据滤除方法、装置、计算机设备 |
CN111325779B (zh) * | 2020-02-07 | 2020-12-11 | 贝壳找房(北京)科技有限公司 | 点云配准方法和装置、电子设备和存储介质 |
US20210264662A1 (en) * | 2020-02-24 | 2021-08-26 | Rockwell Collins, Inc. | Photogrammetry to impostor representation |
CN111633780A (zh) * | 2020-05-11 | 2020-09-08 | 南京大歌三维科技有限公司 | 一种3d陶泥打印机 |
CN112378336B (zh) * | 2020-11-13 | 2023-02-17 | 南通中远海运川崎船舶工程有限公司 | 一种基于无人机的舱容测量系统及其测量方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120306876A1 (en) * | 2011-06-06 | 2012-12-06 | Microsoft Corporation | Generating computer models of 3d objects |
CN102944174A (zh) * | 2012-11-28 | 2013-02-27 | 北京矿冶研究总院 | 一种点云数据的处理方法及系统 |
CN105205858A (zh) * | 2015-09-18 | 2015-12-30 | 天津理工大学 | 一种基于单个深度视觉传感器的室内场景三维重建方法 |
US20160071318A1 (en) * | 2014-09-10 | 2016-03-10 | Vangogh Imaging, Inc. | Real-Time Dynamic Three-Dimensional Adaptive Object Recognition and Model Reconstruction |
CN106169179A (zh) * | 2016-06-30 | 2016-11-30 | 北京大学 | 图像降噪方法以及图像降噪装置 |
CN106600690A (zh) * | 2016-12-30 | 2017-04-26 | 厦门理工学院 | 基于点云数据的复杂建筑体三维建模方法 |
CN106846461A (zh) * | 2016-12-30 | 2017-06-13 | 西安交通大学 | 一种人体三维扫描方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9165367B2 (en) * | 2010-09-02 | 2015-10-20 | Samsung Electronics Co., Ltd. | Depth estimation system for two-dimensional images and method of operation thereof |
WO2012126135A1 (en) | 2011-03-21 | 2012-09-27 | Intel Corporation | Method of augmented makeover with 3d face modeling and landmark alignment |
US9633483B1 (en) | 2014-03-27 | 2017-04-25 | Hrl Laboratories, Llc | System for filtering, segmenting and recognizing objects in unconstrained environments |
US9600892B2 (en) | 2014-11-06 | 2017-03-21 | Symbol Technologies, Llc | Non-parametric method of and system for estimating dimensions of objects of arbitrary shape |
WO2016081722A1 (en) | 2014-11-20 | 2016-05-26 | Cappasity Inc. | Systems and methods for 3d capture of objects using multiple range cameras and multiple rgb cameras |
US9846427B2 (en) | 2015-01-21 | 2017-12-19 | University Of North Dakota | Characterizing 3-D printed objects for 3-D printing |
DE102015210453B3 (de) | 2015-06-08 | 2016-10-13 | Bitmanagement Software GmbH | Verfahren und vorrichtung zum erzeugen von daten für eine zwei- oder dreidimensionale darstellung zumindest eines teils eines objekts und zum erzeugen der zwei- oder dreidimensionalen darstellung zumindest des teils des objekts |
-
2017
- 2017-10-24 CN CN201711000498.1A patent/CN109693387A/zh active Pending
-
2018
- 2018-01-11 US US15/867,701 patent/US10621740B2/en not_active Expired - Fee Related
- 2018-01-23 EP EP18152930.6A patent/EP3477597A1/en not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120306876A1 (en) * | 2011-06-06 | 2012-12-06 | Microsoft Corporation | Generating computer models of 3d objects |
CN102944174A (zh) * | 2012-11-28 | 2013-02-27 | 北京矿冶研究总院 | 一种点云数据的处理方法及系统 |
US20160071318A1 (en) * | 2014-09-10 | 2016-03-10 | Vangogh Imaging, Inc. | Real-Time Dynamic Three-Dimensional Adaptive Object Recognition and Model Reconstruction |
CN105205858A (zh) * | 2015-09-18 | 2015-12-30 | 天津理工大学 | 一种基于单个深度视觉传感器的室内场景三维重建方法 |
CN106169179A (zh) * | 2016-06-30 | 2016-11-30 | 北京大学 | 图像降噪方法以及图像降噪装置 |
CN106600690A (zh) * | 2016-12-30 | 2017-04-26 | 厦门理工学院 | 基于点云数据的复杂建筑体三维建模方法 |
CN106846461A (zh) * | 2016-12-30 | 2017-06-13 | 西安交通大学 | 一种人体三维扫描方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021092771A1 (zh) * | 2019-11-12 | 2021-05-20 | Oppo广东移动通信有限公司 | 一种目标检测方法及装置、设备、存储介质 |
CN114424240A (zh) * | 2019-11-12 | 2022-04-29 | Oppo广东移动通信有限公司 | 一种目标检测方法及装置、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 |
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 |
CN112150595A (zh) * | 2020-09-21 | 2020-12-29 | 广东博智林机器人有限公司 | 一种点云数据处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
US20190122377A1 (en) | 2019-04-25 |
EP3477597A1 (en) | 2019-05-01 |
US10621740B2 (en) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109693387A (zh) | 基于点云数据的3d建模方法 | |
CN104249371B (zh) | 信息处理装置和信息处理方法 | |
CN100582663C (zh) | 图像处理方法、三维位置测量方法以及图像处理装置 | |
CN107862235B (zh) | 二维码的位置定位方法、装置及终端设备 | |
CN113421242B (zh) | 基于深度学习的焊点外观质量检测方法、装置及终端 | |
CN110543848B (zh) | 一种基于三维卷积神经网络的驾驶员动作识别方法及装置 | |
CN109816045A (zh) | 一种商品识别方法及装置 | |
CN112686950A (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN110765891A (zh) | 工程图纸识别方法、电子设备及相关产品 | |
US20230377325A1 (en) | Multi-task object detection method, electronic device, medium, and vehicle | |
CN113160313A (zh) | 一种透明物体抓取控制方法、装置、终端及存储介质 | |
CN112307944A (zh) | 菜品库存信息处理方法、菜品出库方法及相关装置 | |
CN111723688B (zh) | 人体动作识别结果的评价方法、装置和电子设备 | |
CN109754467B (zh) | 三维人脸构建方法、计算机存储介质和计算机设备 | |
CN113538557A (zh) | 基于三维视觉的箱体积测量装置 | |
CN113723380B (zh) | 基于雷达技术的人脸识别方法、装置、设备和存储介质 | |
CN106354516B (zh) | 追踪设备的方法及装置 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
CN109218707B (zh) | 口扫系统及口扫方法 | |
CN117314913B (zh) | 一种基于视觉识别的水光针头残次品检测方法和系统 | |
CN117455984B (zh) | 随臂式相机采集点的确定方法及装置 | |
CN115797995B (zh) | 人脸活体检测方法、电子设备及存储介质 | |
WO2023079828A1 (ja) | 処理方法、処理装置、及びプログラム | |
TWI841485B (zh) | 水產生物的處理方法及運算裝置 | |
US20220114773A1 (en) | Generation system and generation method for perspective image |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190430 |