CN110047125A - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN110047125A CN110047125A CN201910329396.7A CN201910329396A CN110047125A CN 110047125 A CN110047125 A CN 110047125A CN 201910329396 A CN201910329396 A CN 201910329396A CN 110047125 A CN110047125 A CN 110047125A
- Authority
- CN
- China
- Prior art keywords
- data point
- normal vector
- point
- data
- target
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 239000013598 vector Substances 0.000 claims abstract description 213
- 238000000034 method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000012512 characterization method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 241000406668 Loxodonta cyclotis Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开了一种数据处理方法及装置，考虑到在利用多个数据点生成三角面时，若各个数据点的法向量的方向一致，则生成的三角面的质量比较好。鉴于此，在本申请实施例中，获取目标对象的深度图像，将所述深度图像转换为代表所述目标对象的多个数据点，若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。由此可见，利用本申请实施例的方案，可以使得所有数据点的法向量一致，故而利用法向量方向调整后的多个数据点生成的三角面的质量比传统技术生成的三角面的质量更好，相应的后续得到的由多个三角面构成的表征目标对象的表面的曲面的质量更好。
Description
技术领域
本申请涉及计算机领域，尤其涉及一种数据处理方法及装置。
背景技术
随着科学技术的发展，点云网格化技术的应用越来越广泛。点云网格化方法是指将目标对象的深度图转换成代表所述目标对象的多个数据点，而后根据多个数据点生成三角面，多个三角面可以形成曲面，该曲面即可认为是深度图中的目标对象的表面。点云网格化技术可以用于图像重建。
传统技术中，利用多个数据点生成的三角面的质量不佳，例如生成了错误的三角面，将原本外凸的三角面生成了内凹的三角面，进一步导致得到的由多个三角面构成的表征目标对象的表面的曲面的质量也不好，例如生成的曲面的表面不光滑等等。
发明内容
为了解决现有技术利用多个数据点生成的三角面质量不佳，进一步导致得到的由多个三角面构成的表征目标对象的表面的曲面的质量也不好的问题，本申请实施例提供了一种数据处理方法及装置。
第一方面，本申请实施例提供了一种数据处理方法，所述方法包括：
获取目标对象的深度图像；
将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中的每个数据点对应的法向量；
若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。
可选的，所述多个数据点中的每个数据点均具有在世界坐标系下的位置坐标；
所述若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致包括：
从所述多个数据点中选出一个数据点作为第一数据点，根据所述第一数据点的位置坐标确定与所述第一数据点对应的n个数据点，所述n个数据点为距离所述第一数据点最近的n个数据点，所述n为正整数；
针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积；
若所述内积大于或等于0，则将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；
若所述内积小于0，则将所述数据点法向量原方向的相反方向确定为所述数据点的法向量的目标方向；
从所述第一数据点对应的n个数据点中选出一个数据点作为所述第一数据点，执行上述步骤，直到确定完所有数据点的法向量的目标方向。
可选的，在确定所述数据点的法向量的目标方向之后，还包括：
为所述数据点的法向量设置标志位，并将所述标志位的值设定为指示所述数据点法向量的目标方向已确定的值。
可选的，所述针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积包括：
针对所述n个数据点中标志位的值指示所述数据点法向量的目标方向未确定的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积。
可选的，所述从所述多个数据点中选出一个数据点作为第一数据点包括：
从所述多个数据点中选出所述世界坐标系的Z轴值最小的数据点作为所述第一数据点，所述第一数据点的法向量的原方向指向Z轴的负方向。
可选的，所述方法还包括：
根据所述多个数据点中每个数据点的位置坐标，和方向确定为目标方向的法向量进行泊松重建，得到多个三角面，所述多个三角面中的每个三角面均由三个数据点构成；
从所述多个三角面中删除包含除所述多个数据点以外的数据点的三角面。
第二方面，本申请实施例提供了一种数据处理装置，所述装置包括：
获取单元，用于获取目标对象的深度图像；
转换单元，用于将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中的每个数据点对应的法向量；
调整单元，用于若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。
可选的，所述多个数据点中的每个数据点均具有在世界坐标系下的位置坐标；
所述调整单元，具体用于：
从所述多个数据点中选出一个数据点作为第一数据点，根据所述第一数据点的位置坐标确定与所述第一数据点对应的n个数据点，所述n个数据点为距离所述第一数据点最近的n个数据点，所述n为正整数；
针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积；
若所述内积大于或等于0，则将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；
若所述内积小于0，则将所述数据点法向量原方向的相反方向确定为所述数据点的法向量的目标方向；
从所述第一数据点对应的n个数据点中选出一个数据点作为所述第一数据点，执行上述步骤，直到确定完所有数据点的法向量的目标方向。
可选的，所述装置还包括：
设置单元，用于为所述数据点的法向量设置标志位，并将所述标志位的值设定为指示所述数据点法向量的目标方向已确定的值。
可选的，所述针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积包括：
针对所述n个数据点中标志位的值指示所述数据点法向量的目标方向未确定的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积。
可选的，从所述多个数据点中选出一个数据点作为第一数据点包括：
从所述多个数据点中选出所述世界坐标系的Z轴值最小的数据点作为所述第一数据点，所述第一数据点的法向量的原方向指向Z轴的负方向。
可选的，所述装置还包括：
重建单元，用于根据所述多个数据点中每个数据点的位置坐标，和方向确定为目标方向的法向量进行泊松重建，得到多个三角面，所述多个三角面中的每个三角面均由三个数据点构成；
删除单元，用于从所述多个三角面中删除包含除所述多个数据点以外的数据点的三角面。
与现有技术相比，本申请实施例具有以下优点：
在本申请实施例中，考虑到在利用多个数据点生成三角面时，若各个数据点的法向量的方向一致，则生成的三角面的质量比较好。鉴于此，在本申请实施例中，获取目标对象的深度图像，将所述深度图像转换为代表所述目标对象的多个数据点，若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。由此可见，利用本申请实施例的方案，可以使得所有数据点的法向量一致，故而利用法向量方向调整后的多个数据点生成的三角面的质量比传统技术生成的三角面的质量更好，相应的后续得到的由多个三角面构成的表征目标对象的表面的曲面的质量更好。
附图说明
为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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它的附图。
图1为本申请实施例提供的一种数据处理方法的流程示意图；
图2为本申请实施例提供的一种将多个数据点的法向量的方向调整为一致的方法的流程示意图；
图3为本申请实施例提供的一种数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的发明人在研究中发现，利用多个数据点生成三角面例如利用泊松重建利用多个数据点生成三角面时，有一个重要的因素是数据点的法向量的方向，若各个数据点的法向量的方向一致，例如均指向目标对象的同一侧例如外侧或者内侧，则生成的三角面的质量比较好。而传统技术中，生成三角面时，未考虑数据点的法向量的方向，故而使得生成的三角面的质量不佳，例如生成了错误的三角面，将原本外凸的三角面生成了内凹的三角面等，相应的使得得到的由多个三角面构成的表征目标对象的表面的曲面的质量也不好。
鉴于此，本申请实施例提供了一种数据处理方法，在本申请实施例中，获取目标对象的深度图像，将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中的每个数据点对应的法向量之后，可以对多个数据点的法向量的方向进行进一步的修正，使得所有数据点的法向量的方向一致，故而利用调整后的法向量生成的三角面的质量比传统技术生产的三角面的质量更好，相应的后续得到的由多个三角面构成的表征目标对象的表面的曲面的质量更好。
示例性方法
参见图1，该图为本申请实施例提供的一种数据处理方法的流程示意图。需要说明的是，本申请实施例提供的数据处理方法，可以由服务器执行，也可以由其它设备例如终端执行，本申请实施例不做具体限定。本实施例提供的数据处理方法例如可以通过如下步骤S101-S103实现。
S101：获取目标对象的深度图像。
需要说明的是，本申请实施例不具体限定所述目标对象，目标对象可以为自然界中存在的任意物体。作为一种示例，所述目标对象可以为人，作为又一种示例，所述目标对象可以为杯子、风扇、玩偶、桌子或者椅子等等。
在本申请实施例中，可以获取相机拍摄目标对象时对应的深度图像。
S102：将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中每个数据点对应的法向量。
需要说明的是，在本申请实施例中，将所述深度图像转换为代表所述目标对象的多个数据点，实际上是将代表目标对象的数据点，从深度图像坐标系中的数据点转换成世界坐标系中的数据点的过程。
在本申请实施例中，可以获取所述深度图像中代表所述目标对象的多个数据点在深度图像坐标系中的坐标，并结合所述相机的内参对所述多个数据点在深度图像坐标系中的坐标进行转换，从而得到所述多个数据点在世界坐标系中的坐标。具体地，对于所述多个数据点中的每个数据点，可以通过如下公式(1)对该数据点在深度图像坐标系中的坐标m(u,v)进行转换，从而得到该数据点在世界坐标系中的坐标M(X,Y,Z)。
在公式(1)中，表示相机的内参，该相机的内参可以是预先标定得到的。
在本申请实施例中，考虑到利用多个数据点生成三角面时，有一个重要的因素是数据点的法向量的方向。因此，将所述深度图像转换为代表所述目标对象的多个数据点之后，还可以计算所述多个数据点中每个数据点对应的法向量。
本申请实施例不具体限定所述计算多个数据点中每个数据点对应的法向量的具体实现方式，作为一种示例，当计算当前数据点的法向量时，可以对与当前数据点最邻近的p个数据点和当前数据点进行曲面拟合，即对(p+1)个数据点进行曲面拟合，而后将经过当前数据点的该拟合曲面的法向量，确定为当前数据点的法向量。
S103：若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。
可以理解的是，法向量为矢量，其具有方向性。在本申请实施例中，考虑到若各个数据点的法向量的方向一致，例如均指向目标对象的同一侧例如外侧或者内侧，则生成的三角面的质量比较好。故而得到多个数据点中每个数据点的法向量之后，进一步判断多个数据点的法向量的方向是否一致，若不一致，则将所述多个数据点的法向量的方向调整为一致。
本申请实施例不具体限定S103的具体实现方式，作为一种示例，可以遍历所述多个数据点，判断各个数据点的法向量的向量一致例如是否均指向目标对象的外侧，若各个数据点的法向量的方向均指向目标对象的外侧，则不调整各个数据点的法向量的方向，否则，将法向量的方向指向目标对象的内侧的数据点的法向量的方向进行取反，从而使得所述多个数据点的法向量的方向指向所述目标对象的外侧。
通过以上描述可知，利用本申请实施例提供的数据处理方法，考虑到在利用多个数据点生成三角面时，若各个数据点的法向量的方向一致，则生成的三角面的质量比较好。故而在本申请实施例中，获取目标对象的深度图像，将所述深度图像转换为代表所述目标对象的多个数据点，若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。由此可见，利用本申请实施例的方案，可以使得所有数据点的法向量一致，故而利用法向量方向调整后的多个数据点生成的三角面的质量比传统技术生成的三角面的质量更好，相应的后续得到的由多个三角面构成的表征目标对象的表面的曲面的质量更好。
考虑到前述代表所述目标对象的多个数据点之间本身缺乏连续信息，故而在本申请实施例的一种实现方式中，可以对所述多个数据点进行平滑滤波处理。考虑到噪声在所述多个数据点中通常以高频信息存在，同时高频信息又包含一些边缘几何特征信息。故而对所述多个数据点进行滤波时，可以首先采用统计滤波与半径滤波剔除离群数据点，然后利用双边滤波进行空洞的填充。统计滤波主要是对当前数据点与邻域点集之间的距离进行统计分析。通过计算当前数据点与邻域点集的平均距离，可得到高斯分布的结果，并由均值和方差决定数据点是否处在平均距离之内，若超出范围，则将该数据点剔除。半径滤波为指定每个数据点在高斯方差范围内至少有r个数据点，当前数据点的邻域数据点必须满足统计滤波的同时保证点的个数不超过r个数据点。双边滤波既保持了目标对象的细节特征，又提高了前述代表所述目标对象的多个数据点的质量。
以上对本申请实施例提供的数据处理方法进行了介绍，以下结合附图介绍步骤S103的一种可能的实现方式。
参见图2，该图为本申请实施例提供的一种将多个数据点的法向量的方向调整为一致的方法的流程示意图，该图所示的方法，例如可以通过如下步骤S201-S204实现。
S201：从所述多个数据点中选出一个数据点作为第一数据点，根据所述第一数据点的位置坐标确定与所述第一数据点对应的n个数据点，所述n个数据点为距离所述第一数据点最近的n个数据点，所述n为正整数。
在本申请实施例中，第一数据点为所述多个数据点中的任意一个点，本申请实施例不具体限定所述第一数据点，作为一种示例，可以根据所述多个数据点在世界坐标系中的坐标，确定第一数据点，例如将世界坐标中坐标Z值最小的数据点确定为所述第一数据点。
确定出第一数据点之后，可以根据第一数据点的法向量的方向，判断与第一数据点最近的n个数据点的法向量的方向是否一致，若一致，则确定不调整前述n个数据点的法向量的方向，若不一致，则将与第一数据点的法向量的方向不一致的数据点的法向量的方向取反，使得n个数据点的法向量的方向与第一数据点的法向量的方向一致。
在本申请实施例中，可以计算代表所述目标对象的多个数据点与所述第一数据点在世界坐标系中的距离，即利用所述第一数据点在世界坐标系中的坐标和所述目标对象的多个数据点在世界坐标系中的坐标，计算所述第一数据点与所述代表所述目标对象的多个数据点之间的距离，将距离最小的n个数据点确定为与所述第一数据点对应的n个数据点。
本申请实施例不具体限定n的具体取值，n的具体取值可以根据实际情况确定，例如n的取值可以为10。
S202：针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积。
S203：若所述内积大于或者等于0，则将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；若所述内积小于0，则将所述数据点的法向量的原方向的相反方向确定为所述数据点的法向量的目标方向。
可以理解的是，若两个比较临近的数据点的法向量的内积大于或者等于0，则表示两个法向量之间的夹角小于或者等于90°，在一定程度上可以表征两个法向量的方向一致。鉴于此，在本申请实施例中，对于所述n个数据点中的每个数据点，可以分别计算所述数据点的法向量与所述第一数据点的法向量的内积。若所述内积大于或者等于0，则表示该数据点的法向量的原方向与第一数据点的法向量的方向一致，故而可以将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；若所述内积小于0，则表示所述数据点的法向量的方向与第一数据点的法向量的方向不一致，故而可以将所述数据点的法向量的原方向的相反方向确定为所述数据点的法向量的目标方向，从而使得所述n个数据点的法向量的目标方向均与所述第一数据点的法向量的方向一致。
需要说明的是，所述数据点的法向量的原方向，是指S102中计算得到的该数据点的法向量的方向，所述数据点的目标方向，是指调整之后的法向量的方向。
S204：从所述第一数据点对应的n个数据点中选出一个数据点作为所述第一数据点，执行上述步骤，直到确定完所有数据点的法向量的目标方向。
执行以上S201-S203之后，则所述第一数据点的法向量的方向与所述第一数据点对应的n个数据点的法向量的方向一致。而后，要继续确定代表所述目标对象的多个数据点中的其它数据点的法向量的目标方向，从而使得代表所述目标对象的多个数据点中的所有数据点的法向量的目标方向均一致。
在本申请实施例中，可以采用循环执行S201-S203的方式确定完所有数据点的法向量的目标方向。具体地，第m次执行S201-S203时，可以从第m-1次执行S201-S203对应的第一数据点对应的n个数据点中选出一个数据点作为第m次执行S201-S203时对应的第一数据点。
在本申请实施例中，第m次执行S201-S203对应的第一数据点，可以为第m-1次执行S201-S203对应的第一数据点对应的n个数据点中的任意一个数据点，作为一种示例，可以根据第m-1次执行S201-S203对应的第一数据点对应的n个数据点在世界坐标系中的坐标，得到第m次执行S201-S203对应的第一数据点，例如将第m-1次执行S201-S203对应的第一数据点对应的n个数据点中，世界坐标中坐标Z值最小的数据点确定为所述第m次执行S201-S203对应的第一数据点。
可以理解的是，在循环执行前述S201-S203的过程中，第m次执行S201-S203对应的第一数据对应的n个数据点，与第m-1次执行S201-S203对应的第一数据对应的n个数据点，可能存在部分重合的数据点。对于这些重合的数据点，若每次均重新确定该重合的数据点的法向量的目标方向，则会带来相应的不必要的计算量，相应的降低确定代表所述目标对象的多个数据点的法向量的目标方向的效率。故而在本申请实施例中，对于一个数据点而言，在确定所述数据点的法向量的方向之后，还可以为所述数据点的法向量设置标志位，并将该数据点的法向量的标志位的值设置为该数据点的法向量的目标方向已确定的值。设置该数据点的法向量的标志位的值之后，在后续执行前述S201-S203的过程中，可以结合第一数据点对应的n个数据点的法向量的标志位的值，确定是否对该n个数据点执行前述步骤S202。具体地，可以针对第一数据点对应的n个数据点中，标志位的值指示所述数据点法向量的目标方向未确定的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积，从而确定所述n个数据点中法向量的目标方向未确定的数据点的法向量的目标方向。对于标志位的值指示所述数据点法向量的目标方向已确定的数据点，可以不再执行计算所述数据点的法向量与所述第一数据点的法向量的内积，从而确定所述n个数据点中法向量的目标方向未确定的数据点的法向量的目标方向的步骤，从而减少计算量，提升确定代表所述目标对象的多个数据点的法向量的目标方向的效率。
举例说明，各个数据点的法向量的标志位的初始值为“0”，表示该数据点的法向量的目标方向未确定。在确定数据点的法向量的目标方向之后，将该数据点的标志位的值设定为“1”。第m次执行S201之后，确定第一数据点对应的n个数据点中有k个数据点的法向量的标志位的值为“1”，则对于标志位为“1”的k个数据点，不再执行S202-S203，对于n个数据点中除去前述标志位为“1”的k个数据点中的其它(n-k)个数据点，执行前述步骤S202-S203，确定该(n-k)个数据点的法向量的目标方向，并将该(n-k)个数据点的法向量的标志位的值设定为“1”。
在本申请实施例中，确定代表所述目标对象的各个数据点的法向量的方向之后，可以利用所述多个数据点中每个数据点的位置坐标和方向为前述目标方向的法向量，对所述目标对象进行图像重建。在本申请实施例中，对所述目标对象进行图像重建在具体实现时，可以根据所述多个数据点中每个数据点的位置坐标，和方向确定为目标方向的法向量进行泊松重建，从而得到多个分别有三个数据点构成的三角面，多个三角面可以构成体现所述目标对象的表面的曲面。
在本申请实施例中，考虑到泊松重建在具体实现时，为了使得重建得到的曲面更加光滑，其往往会根据所述多个数据点的信息，增加一些其它数据点，从而利用前述代表所述目标对象的多个数据点以及新增的数据点进行图像重建。泊松重建的这种处理方式，对闭合曲面的重建效果比较好。而由于深度图像天然不闭合，因此，利用泊松重建对深度图像进行图像重建时，其往往会重建得到的曲面在目标对象的非闭合出发生曲面延伸。也就是说，在目标对象的非闭合处，重建得到了包括增加的数据点的三角面片。鉴于此，为了使得重建得到的体现目标对象表面的曲面，更接近于深度图像体现的目标对象的曲面，在本申请实施例中，可以从利用泊松重建得到的多个三角面片中，删除包含出所述多个数据点以外的数据点的三角面片。
示例性设备
基于以上实施例提供的一种数据处理方法，本申请实施例还提供了一种数据处理装置，下面结合附图来详细说明其工作原理。
参见图3，该图为本申请实施例提供的一种数据处理装置的结构示意图。该图示出的数据处理装置300，例如可以包括：获取单元301、转换单元302和调整单元303。
获取单元301，用于获取目标对象的深度图像；
转换单元302，用于将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中的每个数据点对应的法向量；
调整单元303，用于若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。
在一种实现方式中，所述多个数据点中的每个数据点均具有在世界坐标系下的位置坐标；
所述调整单元303，具体用于：
从所述多个数据点中选出一个数据点作为第一数据点，根据所述第一数据点的位置坐标确定与所述第一数据点对应的n个数据点，所述n个数据点为距离所述第一数据点最近的n个数据点，所述n为正整数；
针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积；
若所述内积大于或等于0，则将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；
若所述内积小于0，则将所述数据点法向量原方向的相反方向确定为所述数据点的法向量的目标方向；
从所述第一数据点对应的n个数据点中选出一个数据点作为所述第一数据点，执行上述步骤，直到确定完所有数据点的法向量的目标方向。
在一种实现方式中，所述装置还包括：
设置单元，用于为所述数据点的法向量设置标志位，并将所述标志位的值设定为指示所述数据点法向量的目标方向已确定的值。
在一种实现方式中，所述针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积包括：
针对所述n个数据点中标志位的值指示所述数据点法向量的目标方向未确定的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积。
在一种实现方式中，所述从所述多个数据点中选出一个数据点作为第一数据点包括：
从所述多个数据点中选出所述世界坐标系的Z轴值最小的数据点作为所述第一数据点，所述第一数据点的法向量的原方向指向Z轴的负方向。
在一种实现方式中，所述装置还包括：
重建单元，用于根据所述多个数据点中每个数据点的位置坐标，和方向确定为目标方向的法向量进行泊松重建，得到多个三角面，所述多个三角面中的每个三角面均由三个数据点构成；
删除单元，用于从所述多个三角面中删除包含除所述多个数据点以外的数据点的三角面。
由于所述装置300是与以上方法实施例提供的方法对应的装置，所述装置300的各个单元的具体实现，均与以上方法实施例为同一构思，因此，关于所述装置300的各个单元的具体实现，可以参考以上方法实施例的描述部分，此处不再赘述。
通过以上描述可知，利用本申请实施例提供的数据处理装置，考虑到在利用多个数据点生成三角面时，若各个数据点的法向量的方向一致，则生成的三角面的质量比较好。故而在本申请实施例中，获取目标对象的深度图像，将所述深度图像转换为代表所述目标对象的多个数据点，若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。由此可见，利用本申请实施例的数据处理装置，可以使得所有数据点的法向量一致，故而利用法向量方向调整后的多个数据点生成的三角面的质量比传统技术生成的三角面的质量更好，相应的后续得到的由多个三角面构成的表征目标对象的表面的曲面的质量更好。
当介绍本申请的个种实施例的元件时，冠词“一”、“一个”、“这个”和“所述”都意图表示有一个或多个元件。词语“包括”、“包含”和“具有”都是包括性的并意味着除了列出的元件之外，还可以有其它元件。
需要说明的是，本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，所述程序在执行时，可包括如上述个方法实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
本说明书中的个个实施例均采用递进的方式描述，个个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种数据处理方法，其特征在于，所述方法包括：
获取目标对象的深度图像；
将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中的每个数据点对应的法向量；
若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。
2.根据权利要求1所述的方法，其特征在于，所述多个数据点中的每个数据点均具有在世界坐标系下的位置坐标；
所述若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致包括：
从所述多个数据点中选出一个数据点作为第一数据点，根据所述第一数据点的位置坐标确定与所述第一数据点对应的n个数据点，所述n个数据点为距离所述第一数据点最近的n个数据点，所述n为正整数；
针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积；
若所述内积大于或等于0，则将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；
若所述内积小于0，则将所述数据点法向量原方向的相反方向确定为所述数据点的法向量的目标方向；
从所述第一数据点对应的n个数据点中选出一个数据点作为所述第一数据点，执行上述步骤，直到确定完所有数据点的法向量的目标方向。
3.根据权利要求2所述的方法，其特征在于，在确定所述数据点的法向量的目标方向之后，还包括：
为所述数据点的法向量设置标志位，并将所述标志位的值设定为指示所述数据点法向量的目标方向已确定的值。
4.根据权利要求3所述的方法，其特征在于，所述针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积包括：
针对所述n个数据点中标志位的值指示所述数据点法向量的目标方向未确定的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述从所述多个数据点中选出一个数据点作为第一数据点包括：
从所述多个数据点中选出所述世界坐标系的Z轴值最小的数据点作为所述第一数据点，所述第一数据点的法向量的原方向指向Z轴的负方向。
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述多个数据点中每个数据点的位置坐标，和方向确定为目标方向的法向量进行泊松重建，得到多个三角面，所述多个三角面中的每个三角面均由三个数据点构成；
从所述多个三角面中删除包含除所述多个数据点以外的数据点的三角面。
7.一种数据处理装置，其特征在于，所述装置包括：
获取单元，用于获取目标对象的深度图像；
转换单元，用于将所述深度图像转换为代表所述目标对象的多个数据点，并计算所述多个数据点中的每个数据点对应的法向量；
调整单元，用于若所述多个数据点的法向量的方向不一致，则将所述多个数据点的法向量的方向调整为一致。
8.根据权利要求7所述的装置，其特征在于，所述多个数据点中的每个数据点均具有在世界坐标系下的位置坐标；
所述调整单元，具体用于：
从所述多个数据点中选出一个数据点作为第一数据点，根据所述第一数据点的位置坐标确定与所述第一数据点对应的n个数据点，所述n个数据点为距离所述第一数据点最近的n个数据点，所述n为正整数；
针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积；
若所述内积大于或等于0，则将所述数据点的法向量的原方向确定为所述数据点的法向量的目标方向；
若所述内积小于0，则将所述数据点法向量原方向的相反方向确定为所述数据点的法向量的目标方向；
从所述第一数据点对应的n个数据点中选出一个数据点作为所述第一数据点，执行上述步骤，直到确定完所有数据点的法向量的目标方向。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
设置单元，用于为所述数据点的法向量设置标志位，并将所述标志位的值设定为指示所述数据点法向量的目标方向已确定的值。
10.根据权利要求9所述的装置，其特征在于，所述针对所述n个数据点中的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积包括：
针对所述n个数据点中标志位的值指示所述数据点法向量的目标方向未确定的每个数据点，分别计算所述数据点的法向量与所述第一数据点的法向量的内积。
11.根据权利要求7-10任一项所述的装置，其特征在于，从所述多个数据点中选出一个数据点作为第一数据点包括：
从所述多个数据点中选出所述世界坐标系的Z轴值最小的数据点作为所述第一数据点，所述第一数据点的法向量的原方向指向Z轴的负方向。
12.根据权利要求8所述的装置，其特征在于，所述装置还包括：
重建单元，用于根据所述多个数据点中每个数据点的位置坐标，和方向确定为目标方向的法向量进行泊松重建，得到多个三角面，所述多个三角面中的每个三角面均由三个数据点构成；
删除单元，用于从所述多个三角面中删除包含除所述多个数据点以外的数据点的三角面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910329396.7A CN110047125A (zh) | 2019-04-23 | 2019-04-23 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910329396.7A CN110047125A (zh) | 2019-04-23 | 2019-04-23 | 一种数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110047125A true CN110047125A (zh) | 2019-07-23 |
Family
ID=67278756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910329396.7A Pending CN110047125A (zh) | 2019-04-23 | 2019-04-23 | 一种数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110047125A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113317872A (zh) * | 2021-05-11 | 2021-08-31 | 上海盼研机器人科技有限公司 | 一种口内切口的下颌骨手术空间建模方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473805A (zh) * | 2013-09-18 | 2013-12-25 | 内蒙古科技大学 | 基于改进区域生长算法测量三维重建肝脏模型体积的方法 |
| CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
| CN104715509A (zh) * | 2015-03-23 | 2015-06-17 | 江苏大学 | 一种基于散乱点云特征的网格重建方法 |
| US20170069099A1 (en) * | 2015-09-07 | 2017-03-09 | Shenzhen ESUN Display Co., Ltd | Method and electronic device of identifying redundant data |
-
2019
- 2019-04-23 CN CN201910329396.7A patent/CN110047125A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473805A (zh) * | 2013-09-18 | 2013-12-25 | 内蒙古科技大学 | 基于改进区域生长算法测量三维重建肝脏模型体积的方法 |
| CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
| CN104715509A (zh) * | 2015-03-23 | 2015-06-17 | 江苏大学 | 一种基于散乱点云特征的网格重建方法 |
| US20170069099A1 (en) * | 2015-09-07 | 2017-03-09 | Shenzhen ESUN Display Co., Ltd | Method and electronic device of identifying redundant data |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113317872A (zh) * | 2021-05-11 | 2021-08-31 | 上海盼研机器人科技有限公司 | 一种口内切口的下颌骨手术空间建模方法 |
| CN113317872B (zh) * | 2021-05-11 | 2024-05-17 | 南通罗伯特医疗科技有限公司 | 一种口内切口的下颌骨手术空间建模方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106156692B (zh) | 一种用于人脸边缘特征点定位的方法及装置 | |
| Zheng et al. | Bilateral normal filtering for mesh denoising | |
| US9679192B2 (en) | 3-dimensional portrait reconstruction from a single photo | |
| Wei et al. | Tensor voting guided mesh denoising | |
| CN105096268B (zh) | 一种点云去噪平滑方法 | |
| CN109544568A (zh) | 目标图像分割方法、装置及设备 | |
| CN107533771B (zh) | 通过3d模型重建进行网格简化 | |
| CN109753971B (zh) | 扭曲文字行的矫正方法及装置、字符识别方法及装置 | |
| CN107895173B (zh) | 标注图像目标的方法、装置、设备及可读存储介质 | |
| CN112037287B (zh) | 相机标定方法、电子设备及存储介质 | |
| CN104794685A (zh) | 一种实现图像去噪的方法及装置 | |
| CN110781937B (zh) | 一种基于全局视角的点云特征提取方法 | |
| CN108305268B (zh) | 一种图像分割方法及装置 | |
| CN109308465A (zh) | 表格线检测方法、装置、设备及计算机可读介质 | |
| CN105894450A (zh) | 一种图像处理方法及装置 | |
| Yan et al. | Flower reconstruction from a single photo | |
| CN106683105B (zh) | 图像分割方法及图像分割装置 | |
| CN104091148A (zh) | 一种人脸特征点定位方法和装置 | |
| CN110047125A (zh) | 一种数据处理方法及装置 | |
| CN113963010A (zh) | 一种物体轮廓线提取方法及系统 | |
| CN110188630A (zh) | 一种人脸识别方法和相机 | |
| CN109409381A (zh) | 基于人工智能的家具顶视图的分类方法及系统 | |
| Skarbnik et al. | The importance of phase in image processing | |
| CN110264562B (zh) | 颅骨模型特征点自动标定方法 | |
| CN110910310B (zh) | 一种基于身份信息的人脸图像重建方法 |
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: 20190723 |
|
| RJ01 | Rejection of invention patent application after publication |