CN110084887B - 一种空间非合作目标相对导航模型三维重建方法 - Google Patents
一种空间非合作目标相对导航模型三维重建方法 Download PDFInfo
- Publication number
- CN110084887B CN110084887B CN201910301326.0A CN201910301326A CN110084887B CN 110084887 B CN110084887 B CN 110084887B CN 201910301326 A CN201910301326 A CN 201910301326A CN 110084887 B CN110084887 B CN 110084887B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- discrete
- discrete units
- steps
- 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
Images
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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种空间非合作目标相对导航模型三维重建方法,涉及计算机视觉研究领域;包括如下步骤:步骤一、扫描获得待测目标的三维影像;步骤二、建立测量坐标系oxyz;步骤三、计算基准步长Lbase;步骤四、计算步长L,将三维影像离散成边长为L立方体的离散单元;步骤五、分别计算三维影像沿x、y、z方向的离散单元个数;步骤六、以(i,j,k)方式对所有离散单元编号;步骤七、计算每个离散单元内的影像点个数;步骤八、设定显示阈值a;将所有离散单元内的影像点个数与a比较;对各离散单元筛选显示,完成对目标的模型重建;本发明无需对多序列影像点进行匹配,本质上避免了发生匹配错误,同时简化了分析,缩短了构建时间。
Description
技术领域
本发明涉及一种计算机视觉研究领域,特别是一种空间非合作目标相对导航模型三维重建方法。
背景技术
三维重构技术就是利用各种数据或图像来构建三维模型。
近年来,随着信息技术和计算机视觉理论的迅猛发展,三维重构成为了计算机视觉领域中一个重要研究方向,得到了突飞猛进的发展。
三维模型重构有基于单目视觉数据重构、基于双目视觉数据重构和基于激光成像数据重构。
由于三维信息的海量数据,使得三维数据的后续处理技术成为应用的瓶颈,发展三维数据处理理论及方法成为研究的焦点。
目前的三维重构技术要么通过人工干预获取特征点要么通过各类算法获取特征点,然后对多序列影像进行特征匹配,最后构建三维模型。人工干预或算法获取特征点都会降低效率,特别是对于特征点不明显的目标,算法甚至无法获取特征点。即使获取了特征点,多序列影像特征匹配也会消耗大量计算资源,甚至发生匹配错误,导致重构模型出错。
发明内容
本发明的目的在于克服现有技术的上述不足,提供一种空间非合作目标相对导航模型三维重建方法,无需对多序列影像点进行匹配,本质上避免了发生匹配错误,同时简化了分析,缩短了构建时间。
本发明的上述目的是通过如下技术方案予以实现的:
一种空间非合作目标相对导航模型三维重建方法,包括如下步骤:
步骤一、对待测目标的内外轮廓进行扫描,获得待测目标的三维影像;
步骤二、在待测目标三维影像内建立测量坐标系oxyz;
步骤三、计算基准步长Lbase;
步骤四、计算步长L,将三维影像离散成边长为L立方体的离散单元;
步骤五、分别计算三维影像沿x方向的离散单元个数nx、沿y方向的离散单元个数ny、沿z方向的离散单元个数nz;
步骤六、以(i,j,k)方式对所有离散单元编号;i为离散单元沿x方向的序号;j为离散单元沿y方向的序号;k为离散单元沿z方向的序号;1≤i≤nx,且i为正整数;1≤j≤ny,且j为正整数;1≤k≤nz,且k为正整数;
步骤七、将影像点分散至对应的离散单元中,得到每个离散单元内的影像点个数;
步骤八、设定显示阈值a;将所有离散单元内的影像点个数与a比较;对各离散单元筛选显示,完成对目标的模型重建。
在上述的一种空间非合作目标相对导航模型三维重建方法,所述的步骤一中,待测目标的三维影像包括n个影像点;n>0,且n为正整数。
在上述的一种空间非合作目标相对导航模型三维重建方法,所述的步骤二中,测量坐标系oxyz的建立方法为:原点o为三维影像的质心;x方向为水平沿三维影像的侧边方向;y方向为竖直向上;z方向由右手定则确定。
在上述的一种空间非合作目标相对导航模型三维重建方法,所述的步骤三中,基准步长Lbase的计算方法为:
式中,n为影像点个数;
LX为三维影像在测量坐标系oxyz中沿x方向的最长长度;
Ly为三维影像在测量坐标系oxyz中沿y方向的最长长度;
Lz为三维影像在测量坐标系oxyz中沿z方向的最长长度。
在上述的一种空间非合作目标相对导航模型三维重建方法,所述的步骤五中,离散单元个数nx的计算方法为:
离散单元个数ny的计算方法为:
离散单元个数nz的计算方法为:
在上述的一种空间非合作目标相对导航模型三维重建方法,所述的步骤七中,计算各影像点对应的离散单元的方法为:
式中,Xmin为影像点在x方向的最小值;
Ymin为影像点在y方向的最小值;
Zmin为影像点在y方向的最小值;
i、j、k均向上取整。
在上述的一种空间非合作目标相对导航模型三维重建方法,所述的步骤八中,对离散单元进行筛选显示的方法为:
当该离散单元内的影像点个数小于a时,该离散单元隐藏不显示;当该离散单元内的影像点个数大于等于a时,该离散单元显示。
本发明与现有技术相比具有如下优点:
(1)本发明采用影像点空间归类来构建模型,无需获取特征影像点,因此能完成无特征目标的模型重构,适用范围大大扩展;
(2)本发明只以影像点位置作为空间归类判据,无需对多序列影像点进行匹配,本质上避免了发生匹配错误,同时简化了分析,缩短了构建时间;
(3)本发明通过计算步长尺度与显示阈值来实现不同精度的模型重构,可满足粗略模型或精细模型的需求。
附图说明
图1为本发明三维重建流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细的描述:
本发明提供一种空间非合作目标相对导航模型三维重建方法,适用于所有具备三维数据的模型重构,适用于三维表面模型重构和三维实体模型重构。所有的重构模型精度都取决于三维数据数量和三维数据精度,在三维数据数量和三维数据精度一定情况下,本发明的重构模型精度取决于离散步长以及显示阈值。本发明避免了一般模型重构中复杂的图形几何处理,易于程序实现,计算时间大大缩短。
如图1所示为三维重建流程示意图,由图可知,一种空间非合作目标相对导航模型三维重建方法,包括如下步骤:
步骤一、对待测目标的内外轮廓进行扫描,获得待测目标的三维影像;待测目标的三维影像包括n个影像点;n>0,且n为正整数。
步骤二、在待测目标三维影像内建立测量坐标系oxyz;测量坐标系oxyz的建立方法为:原点o为三维影像的质心;x方向为水平沿三维影像的侧边方向;y方向为竖直向上;z方向由右手定则确定。
步骤三、计算基准步长Lbase;基准步长Lbase的计算方法为:
式中,n为影像点个数;
LX为三维影像在测量坐标系oxyz中沿x方向的最长长度;
Ly为三维影像在测量坐标系oxyz中沿y方向的最长长度;
Lz为三维影像在测量坐标系oxyz中沿z方向的最长长度。
步骤四、计算步长L,将三维影像离散成边长为L立方体的离散单元;考虑到物体空间范围一般大于真实物体体积,步长L的计算方法为:L长度为计算步长越大,模型精度越差。后续可根据需要基于前次三维模型效果修改计算步长以调整模型精度。
步骤五、分别计算三维影像沿x方向的离散单元个数nx、沿y方向的离散单元个数ny、沿z方向的离散单元个数nz;
离散单元个数nx的计算方法为:
离散单元个数ny的计算方法为:
离散单元个数nz的计算方法为:
步骤六、以(i,j,k)方式对所有离散单元编号;i为离散单元沿x方向的序号;j为离散单元沿y方向的序号;k为离散单元沿z方向的序号;1≤i≤nx,且i为正整数;1≤j≤ny,且j为正整数;1≤k≤nz,且k为正整数;
步骤七、将影像点分散至对应的离散单元中,得到每个离散单元内的影像点个数;
计算各影像点对应的离散单元的方法为:
式中,Xmin为影像点在x方向的最小值;
Ymin为影像点在y方向的最小值;
Zmin为影像点在y方向的最小值;
i、j、k均向上取整。
步骤八、设定显示阈值a;将所有离散单元内的影像点个数与a比较;对各离散单元筛选显示,完成对目标的模型重建。
对离散单元进行筛选显示的方法为:
当该离散单元内的影像点个数小于a时,该离散单元隐藏不显示;当该离散单元内的影像点个数大于等于a时,该离散单元显示。a值越大,重建模型越快,但是重建后的模型缺失部分越多;相反的a值越小,重建模型越慢,但是重建后的模型缺失部分越小,还原精度越高。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (8)
1.一种空间非合作目标相对导航模型三维重建方法,其特征在于:包括如下步骤:
步骤一、对待测目标的内外轮廓进行扫描,获得待测目标的三维影像;
步骤二、在待测目标三维影像内建立测量坐标系oxyz;
步骤三、计算基准步长Lbase;
步骤四、计算步长L,将三维影像离散成边长为L立方体的离散单元;
步骤五、分别计算三维影像沿x方向的离散单元个数nx、沿y方向的离散单元个数ny、沿z方向的离散单元个数nz;
步骤六、以(i,j,k)方式对所有离散单元编号;i为离散单元沿x方向的序号;j为离散单元沿y方向的序号;k为离散单元沿z方向的序号;1≤i≤nx,且i为正整数;1≤j≤ny,且j为正整数;1≤k≤nz,且k为正整数;
步骤七、将影像点分散至对应的离散单元中,计算得到每个离散单元内的影像点个数;
步骤八、设定显示阈值a;将所有离散单元内的影像点个数与a比较;对各离散单元筛选显示,完成对目标的模型重建。
2.根据权利要求1所述的一种空间非合作目标相对导航模型三维重建方法,其特征在于:所述的步骤一中,待测目标的三维影像包括n个影像点;n>0,且n为正整数。
3.根据权利要求2所述的一种空间非合作目标相对导航模型三维重建方法,其特征在于:所述的步骤二中,测量坐标系oxyz的建立方法为:原点o为三维影像的质心;x方向为水平沿三维影像的侧边方向;y方向为竖直向上;z方向由右手定则确定。
8.根据权利要求7所述的一种空间非合作目标相对导航模型三维重建方法,其特征在于:所述的步骤八中,对离散单元进行筛选显示的方法为:
当该离散单元内的影像点个数小于a时,该离散单元隐藏不显示;当该离散单元内的影像点个数大于等于a时,该离散单元显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910301326.0A CN110084887B (zh) | 2019-04-15 | 2019-04-15 | 一种空间非合作目标相对导航模型三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910301326.0A CN110084887B (zh) | 2019-04-15 | 2019-04-15 | 一种空间非合作目标相对导航模型三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110084887A CN110084887A (zh) | 2019-08-02 |
CN110084887B true CN110084887B (zh) | 2022-10-28 |
Family
ID=67415125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910301326.0A Active CN110084887B (zh) | 2019-04-15 | 2019-04-15 | 一种空间非合作目标相对导航模型三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084887B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114719775B (zh) * | 2022-04-06 | 2023-08-29 | 新拓三维技术(深圳)有限公司 | 一种运载火箭舱段自动化形貌重建方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102679959A (zh) * | 2012-05-03 | 2012-09-19 | 浙江工业大学 | 基于主动全景视觉传感器的全方位三维建模系统 |
US9330486B1 (en) * | 2012-08-07 | 2016-05-03 | Lockheed Martin Corporation | Optimizations of three-dimensional (3D) geometry |
CN107845140A (zh) * | 2017-07-11 | 2018-03-27 | 北京乐拼未来科技有限公司 | 一种三维建模方法及三维模型 |
CN108876825A (zh) * | 2018-05-15 | 2018-11-23 | 北京空间飞行器总体设计部 | 一种空间非合作目标相对导航三维匹配估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914874B (zh) * | 2014-04-08 | 2017-02-01 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
-
2019
- 2019-04-15 CN CN201910301326.0A patent/CN110084887B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102679959A (zh) * | 2012-05-03 | 2012-09-19 | 浙江工业大学 | 基于主动全景视觉传感器的全方位三维建模系统 |
US9330486B1 (en) * | 2012-08-07 | 2016-05-03 | Lockheed Martin Corporation | Optimizations of three-dimensional (3D) geometry |
CN107845140A (zh) * | 2017-07-11 | 2018-03-27 | 北京乐拼未来科技有限公司 | 一种三维建模方法及三维模型 |
CN108876825A (zh) * | 2018-05-15 | 2018-11-23 | 北京空间飞行器总体设计部 | 一种空间非合作目标相对导航三维匹配估计方法 |
Non-Patent Citations (1)
Title |
---|
非合作目标超近距离光学相对导航方法及半物理仿真系统研究;彭杨等;《上海航天》;20171225(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110084887A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859296B (zh) | Smpl参数预测模型的训练方法、服务器及存储介质 | |
CN111553858B (zh) | 基于生成对抗网络的图像修复方法、系统及其应用 | |
CN111462206B (zh) | 一种基于卷积神经网络的单目结构光深度成像方法 | |
CN111462120B (zh) | 一种基于语义分割模型缺陷检测方法、装置、介质及设备 | |
CN105300316B (zh) | 基于灰度重心法的光条中心快速提取方法 | |
CN109887021B (zh) | 基于跨尺度的随机游走立体匹配方法 | |
CN110187143B (zh) | 一种基于深度神经网络的层析piv重构方法和装置 | |
CN105654483B (zh) | 三维点云全自动配准方法 | |
CN111932511B (zh) | 一种基于深度学习的电子元器件质量检测方法与系统 | |
CN110009674A (zh) | 基于无监督深度学习的单目图像景深实时计算方法 | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
CN106408609A (zh) | 一种基于双目视觉的并联机构末端运动位姿检测方法 | |
US11568601B2 (en) | Real-time hand modeling and tracking using convolution models | |
CN110309010B (zh) | 用于电力设备相位分辩的局放网络训练方法及装置 | |
CN110096993A (zh) | 双目立体视觉的目标检测设备及方法 | |
CN114332125A (zh) | 点云重建方法、装置、电子设备和存储介质 | |
CN103544492A (zh) | 基于深度图像三维曲面几何特征的目标识别方法和装置 | |
CN117274515A (zh) | 基于ORB和NeRF映射的视觉SLAM方法及系统 | |
Cui et al. | Dense depth-map estimation based on fusion of event camera and sparse LiDAR | |
CN116385520A (zh) | 融合全光源图像的磨损表面形貌光度立体重建方法及系统 | |
CN101996415B (zh) | 眼球的三维建模方法 | |
CN110084887B (zh) | 一种空间非合作目标相对导航模型三维重建方法 | |
CN112712566B (zh) | 基于结构参数在线校正的双目立体视觉传感器测量方法 | |
CN112950527B (zh) | 一种基于限定几何关联约束的立体匹配形貌测量方法 | |
US9733071B2 (en) | Method of three-dimensional measurements by stereo-correlation using a parametric representation of the measured object |
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 |