CN109840938A - 一种用于复杂汽车点云模型重建方法 - Google Patents
一种用于复杂汽车点云模型重建方法 Download PDFInfo
- Publication number
- CN109840938A CN109840938A CN201811649009.XA CN201811649009A CN109840938A CN 109840938 A CN109840938 A CN 109840938A CN 201811649009 A CN201811649009 A CN 201811649009A CN 109840938 A CN109840938 A CN 109840938A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud model
- automobile
- infinitesimal
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明适用于图像处理技术领域,提供了一种用于复杂汽车点云模型重建方法,包括如下步骤:S1、通过激光雷达对汽车外表面进行扫描,获取汽车外轮廓图;S2、对汽车外轮廓图进行微元化,提取汽车的顶部点云模型及侧面点云模型;S3、基于微分映射分别对顶部点云模型及侧面点云模型中的微元进行单层化映射操作,将多层的点云单层化;S4、基于阈值微分修复方法分别对顶部点云模型及侧面点云模型中的微元进行孔洞修复;S5、针对孔洞修复后的顶部点云模型及侧面点云模型,采取Laplace平滑的贪婪三角网格重建汽车点云模型。经发明实施例提供的方法重构的汽车点云模型,对汽车模型上的孔洞进行了修复,便于对汽车模型进行离线路径的规划。
Description
技术领域
本发明属于三维视觉技术领域,提供了一种用于复杂汽车点云模型重建方法。
背景技术
前汽车清洗基本依赖于人工,其清洗过程耗时耗力,伴随者机器人的发展,将机器人用于实际汽车清洗构想应运而生,但机器清洗过程也存在相应问题,通过三维视觉获取的汽车点云模型十分复杂,点云外观过于混乱难以提取出汽车的外观模型,除此之外,在获取汽车模型点云时因汽车表面反射和汽车窗户透射激光等外部因素,造成汽车模型点云存在孔洞现象,从而加大了汽车模型重建的难度。
发明内容
本发明实施例提供一种用于复杂汽车点云模型重建方法,对汽车模型中的点云孔洞进行修复,便于实现离线路径的规划。
为了实现上述目的,本发明提供一种用于复杂汽车点云模型重建方法,所述方法包括如下步骤:
S1、通过激光雷达对汽车外表面进行扫描,获取汽车外轮廓图;
S2、对汽车外轮廓图进行微元化,提取汽车的顶部点云模型及侧面点云模型,所述侧面点云模型是指除去顶部点云模型之外的剩余点云;
S3、基于微分映射分别对顶部点云模型及侧面点云模型中的微元进行单层化映射操作,将多层的点云单层化;
S4、基于阈值微分修复方法分别对顶部点云模型及侧面点云模型中的微元进行孔洞修复;
S5、针对孔洞修复后的顶部点云模型及侧面点云模型,采取Laplace平滑的贪婪三角网格重建汽车点云模型。
进一步的,在步骤S1之后还包括:
S6、对汽车外轮廓图进行滤波和下采样处理。
进一步的,在步骤S4之后还包括:
S7、对阈值微分修复后的点云进行体素下采样及拟合平滑处理。
进一步的,所述步骤S2具体包括如下步骤:
S21、将微元化的汽车外轮廓沿车身方向进行分割,分割成条状点云图像;
S22、提取每条点云图像的中的最高位置点,提取最高位置点高于位置阈值的条状点云图像,即构成汽车的顶部点云模型。
进一步的,所述步骤S3中的微分映射具体包括如下步骤:
S31、查找与当前微元相邻的8个微元,
S32、提取8个微元的最高位置点,基于最高位置点拟合出一个平面;
S33、将当前微元中的所有点云都映射到拟合的平面上。
进一步的,步骤S4中国的阈值微分修复具体包括如下步骤:
S51、检测微元内是否存在孔洞,即检测微元内的点云数目,若点云数目低于数目阈值,则认定微元内存在孔洞;
S52、在存在孔洞的微元中均匀插入点云,直至所述微元内的点云数目达到数据阈值。
经发明实施例提供的方法重构的汽车点云模型,对汽车模型上的孔洞进行了修复,便于对汽车模型进行离线路径的规划。
附图说明
图1为本发明实施例提供用于复杂汽车点云模型重建方法流程图;
图2为本发明实施例提供的汽车外轮廓图;
图3为本发明实施例提供的进行滤波和下采样处理后的汽车外轮廓图;
图4为本发明实施例提供的汽车顶部点云模型处理过程的示意图;
图5为本发明实施例提供的侧面点云模型处理过程的示意图;
图6为本发明实施例提供的重建后的汽车点云模型。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为本发明实施例提供用于复杂汽车点云模型重建方法流程图,该方法包括如下步骤:
S1、通过激光雷达对汽车外表面进行扫描,获取汽车外轮廓图;
S2、对汽车外轮廓图进行滤波和下采样处理;
点云获取时存在噪声干扰,采取统计学滤波方式处理汽车模型的噪声;同时因汽车点云模型密度过大,对其模型进行下采样处理,减小点云模型内的点云密度;
S3、对汽车外轮廓图进行微元化,提取汽车的顶部点云模型及侧面点云模型,侧面点云模型是指除去汽车的顶部点云模型之后的剩余点云,顶部点云模型用于重构汽车的顶部,侧面点云模型用于重构汽车的侧面;
将汽车外轮廓进行微元化是指对汽车外轮廓图像进行纵向切割,纵向为车身方向,即车头至车尾的方向,对之后对汽车外轮廓图像进行横向切割,切割成微小的片状,即微元化。
在本发明实施例中,顶部点云模型的提取方法包括如下步骤:
S31、将微元化的汽车外轮廓沿车身方向进行分割,分割成条状点云图像;
S32、提取每条点云图像的中的最高位置点,提取最高位置点高于位置阈值的条状点云图像,即构成汽车顶部的点云模型。
S4、基于微分映射分别对顶部点云模型及侧面点云模型中的微元进行单层化映射操作,将多层的点云单层化;
在本发明实施例中,微分映射具体包括如下步骤:
S41、查找与当前微元相邻的8个微元,
S42、提取8个微元的最高位置点,基于最高位置点拟合出一个平面;
S43、将当前微元中的所有点云都映射到拟合的平面上。
S5、采用阈值微分修复方法对顶部点云模型及侧面点云模型中的微元进行孔洞修复;
在本发明实施例中,阈值微分修复具体包括如下步骤:
S51、检测微元内是否存在孔洞,即检测微元内的点云数目,若点云数目低于数目阈值,则认定微元内存在孔洞,执行步骤S52,否则认定微元内不存在孔洞,则无需进行修复。
S52、在存在孔洞的微元中均匀插入点云,直至该微元内的点云数目达到了数据阈值。
S6、对阈值微分修复后的点云进行体素下采样及拟合平滑处理,即包括顶部点云模型及侧面点云模型中点云的体素下采样及拟合平滑处理;
在本发明实施例中,对阈值微分修复的点云进行体素下采样方式降低点云数目,经过微分映射处理过的点云中可能存在部分微元映射后脱离实际情况,此时采取B样条曲线拟合平滑点云,B样条曲线是对微元拟合所得的,将脱离实际的点云重新赋予其坐标值,将其拉回合理范围内。
S7、基于顶部点云模型及侧面点云模型,通过Laplace平滑的贪婪三角网格重建汽车点云模型。
经发明实施例提供的方法重构的汽车点云模型,对汽车模型上的孔洞进行了修复,便于对汽车模型进行离线路径的规划,其重构过程中的相关实体图具体如下:
图2为激光雷达扫描后获取的汽车外轮廓图,对汽车外轮轮廓图进行滤波和下采用处理,图3为滤波和下采样处理后的汽车外轮廓图,图4为汽车顶部点云模型处理过程的示意图,图4(a)为提取的顶部点云模型,图4(b)为微分映射处理后的顶部点云模型图,图4(c)为阈值微分修复后的顶部点云模型图,图4(d)为下采样加B样条平滑后的顶部点云模型,图5为侧面点云模型的处理过程示中一侧面的意图,图5(a)为侧面点云模型图,图5(b)为微分映射及阈值微分修复后的一侧面点云模型图,图5(c)为下采样处理后的一侧点云模型图,图6为重建后的前车点云模型图。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于复杂汽车点云模型重建方法,其特征在于,所述方法包括如下步骤:
S1、通过激光雷达对汽车外表面进行扫描,获取汽车外轮廓图;
S2、对汽车外轮廓图进行微元化,提取汽车的顶部点云模型及侧面点云模型,所述侧面点云模型是指除去顶部点云模型之外的剩余点云;
S3、基于微分映射分别对顶部点云模型及侧面点云模型中的微元进行单层化映射操作,将多层的点云单层化;
S4、基于阈值微分修复方法分别对顶部点云模型及侧面点云模型中的微元进行孔洞修复;
S5、针对孔洞修复后的顶部点云模型及侧面点云模型,采取Laplace平滑的贪婪三角网格重建汽车点云模型。
2.如权利要求1所述用于复杂汽车点云模型重建方法,其特征在于,在步骤S1之后还包括:
S6、对汽车外轮廓图进行滤波和下采样处理。
3.如权利要求1所述用于复杂汽车点云模型重建方法,其特征在于,在步骤S4之后还包括:
S7、对阈值微分修复后的点云进行体素下采样及拟合平滑处理。
4.如权利要求1至3任一权利要求所述用于复杂汽车点云模型重建方法,其特征在于,所述步骤S2具体包括如下步骤:
S21、将微元化的汽车外轮廓沿车身方向进行分割,分割成条状点云图像;
S22、提取每条点云图像的中的最高位置点,提取最高位置点高于位置阈值的条状点云图像,即构成汽车的顶部点云模型。
5.如权利要求1至3任一权利要求所述用于复杂汽车点云模型重建方法,其特征在于,所述步骤S3中的微分映射具体包括如下步骤:
S31、查找与当前微元相邻的8个微元,
S32、提取8个微元的最高位置点,基于最高位置点拟合出一个平面;
S33、将当前微元中的所有点云都映射到拟合的平面上。
6.如权利要求1至3任一权利要求所述用于复杂汽车点云模型重建方法,其特征在于,步骤S4中国的阈值微分修复具体包括如下步骤:
S51、检测微元内是否存在孔洞,即检测微元内的点云数目,若点云数目低于数目阈值,则认定微元内存在孔洞;
S52、在存在孔洞的微元中均匀插入点云,直至所述微元内的点云数目达到数据阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811649009.XA CN109840938B (zh) | 2018-12-30 | 2018-12-30 | 一种用于复杂汽车点云模型重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811649009.XA CN109840938B (zh) | 2018-12-30 | 2018-12-30 | 一种用于复杂汽车点云模型重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109840938A true CN109840938A (zh) | 2019-06-04 |
CN109840938B CN109840938B (zh) | 2022-12-23 |
Family
ID=66883532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811649009.XA Active CN109840938B (zh) | 2018-12-30 | 2018-12-30 | 一种用于复杂汽车点云模型重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840938B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021000241A1 (zh) * | 2019-07-01 | 2021-01-07 | Oppo广东移动通信有限公司 | 点云模型重建方法、编码器、解码器、及存储介质 |
CN115061149A (zh) * | 2021-12-23 | 2022-09-16 | 江苏小白兔智造科技有限公司 | 一种用于自动洗车的汽车轮廓扫描方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011015987A1 (de) * | 2011-04-04 | 2012-10-04 | EXTEND3D GmbH | System und Verfahren zur visuellen Darstellung von Informationen auf realen Objekten |
GB201421329D0 (en) * | 2014-12-02 | 2015-01-14 | Nokia Corp | Objection recognition in a 3D scene |
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
CN109063753A (zh) * | 2018-07-18 | 2018-12-21 | 北方民族大学 | 一种基于卷积神经网络的三维点云模型分类方法 |
-
2018
- 2018-12-30 CN CN201811649009.XA patent/CN109840938B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011015987A1 (de) * | 2011-04-04 | 2012-10-04 | EXTEND3D GmbH | System und Verfahren zur visuellen Darstellung von Informationen auf realen Objekten |
GB201421329D0 (en) * | 2014-12-02 | 2015-01-14 | Nokia Corp | Objection recognition in a 3D scene |
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
CN109063753A (zh) * | 2018-07-18 | 2018-12-21 | 北方民族大学 | 一种基于卷积神经网络的三维点云模型分类方法 |
Non-Patent Citations (1)
Title |
---|
王鑫龙等: "基于点云数据的逆向工程技术研究综述", 《制造技术与机床》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021000241A1 (zh) * | 2019-07-01 | 2021-01-07 | Oppo广东移动通信有限公司 | 点云模型重建方法、编码器、解码器、及存储介质 |
US11790563B2 (en) | 2019-07-01 | 2023-10-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Point cloud model reconstruction method, encoder, and decoder |
CN115061149A (zh) * | 2021-12-23 | 2022-09-16 | 江苏小白兔智造科技有限公司 | 一种用于自动洗车的汽车轮廓扫描方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109840938B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103927717B (zh) | 基于改进型双边滤波的深度图像恢复方法 | |
DE102008007231B4 (de) | Verfahren und System zum Berechnen eines Vesselness-Maßes und Gefäßbaummodellierung mittels dieses Vesselness-Maßes | |
CN105551010A (zh) | 基于nsct及深度信息激励pcnn的多聚焦图像融合方法 | |
CN101971213A (zh) | 图像中解剖结构分割与建模的方法及系统 | |
CN104217406B (zh) | 一种基于剪切波系数处理的sar图像降噪方法 | |
CN111223059B (zh) | 一种基于引导滤波器的鲁棒深度图结构重建和去噪方法 | |
CN109840938A (zh) | 一种用于复杂汽车点云模型重建方法 | |
Manniesing et al. | Local speed functions in level set based vessel segmentation | |
JP2012208759A (ja) | 3次元形状モデル高精度化方法およびプログラム | |
EP3924932A1 (de) | Modulares inpainting verfahren | |
CN108805841B (zh) | 一种基于彩色图引导的深度图恢复及视点合成优化方法 | |
CN106558057B (zh) | 一种医学图像分割方法 | |
CN109920049B (zh) | 边缘信息辅助精细三维人脸重建方法及系统 | |
CN106709996A (zh) | 一种光滑物体缺损部位轮廓模型的三维重建方法 | |
Rouchdy et al. | A geodesic voting method for the segmentation of tubular tree and centerlines | |
CN115082585A (zh) | 医学影像重建方法 | |
CN114943742A (zh) | 一种ct图像重建方法及系统 | |
CN110880173A (zh) | 空调底板的外轮廓提取方法及装置 | |
Wang et al. | A combined approach on RBC image segmentation through shape feature extraction | |
Xu et al. | Animated 3d line drawings with temporal coherence | |
DE102008036812B4 (de) | Verfahren und Vorrichtung zur Segmentierung eines Objekts aus einem Bilddatensatz | |
CN116883599B (zh) | 一种基于三维建模技术的服装试穿系统 | |
Bolsée et al. | Deep denoising for multiview depth cameras | |
Lawonn et al. | Illustrative visualization of endoscopic views | |
KR20010086855A (ko) | 단층 영상에서 관심영역 추출 방법 및 장치 |
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 |