CN110715618A - 一种动态三维扫描方法及设备 - Google Patents

一种动态三维扫描方法及设备 Download PDF

Info

Publication number
CN110715618A
CN110715618A CN201910930981.2A CN201910930981A CN110715618A CN 110715618 A CN110715618 A CN 110715618A CN 201910930981 A CN201910930981 A CN 201910930981A CN 110715618 A CN110715618 A CN 110715618A
Authority
CN
China
Prior art keywords
image
data point
dimensional
point set
sampling
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
Application number
CN201910930981.2A
Other languages
English (en)
Inventor
杜华
王炜
李洲强
李仁举
叶成蔚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tianyuan Three Dimensional Polytron Technologies Inc
Original Assignee
Beijing Tianyuan Three Dimensional Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Tianyuan Three Dimensional Polytron Technologies Inc filed Critical Beijing Tianyuan Three Dimensional Polytron Technologies Inc
Priority to CN201910930981.2A priority Critical patent/CN110715618A/zh
Publication of CN110715618A publication Critical patent/CN110715618A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2513—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object with several lines being projected in more than one direction, e.g. grids, patterns
    • 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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及三维扫描领域，具体涉及一种动态三维扫描方法及设备，包括：采集被测物体的表面图像，得到原始图像；对所述原始图像进行下采样处理，得到下采样后的二维特征数据点集；将所述下采样后的二维特征数据点集转换为三维特征数据点集；将所述三维特征数据点集配准至同一坐标系下。本发明通过对被测物体的原始图像进行下采样处理，从而大幅度减少了三维扫描设备的运算负荷，并且大幅度减少了传输的数据量，解决了在有限带宽情况下实时传输的数据量有限的问题。

Description

一种动态三维扫描方法及设备
技术领域
本公开实施例涉及三维扫描领域，具体涉及一种动态三维扫描方法及设备。
背景技术
手持式三维扫描设备是目前市场上常用的一种快速三维测量设备，其特点是便携、操作简单、速度快，同时具有较高的精度。现有的三维扫描设备通常采用的扫描方法是面阵扫描法和线阵扫描法，面阵扫描法采用面阵结构光编码或散斑图案对物体表面进行标记，通过立体视觉技术进行三维表面重建；线阵扫描法采用一条或多条线条状图案对物体表面进行标记，并进行三维表面重建。不论采用哪种扫描方法，其实现的基本方法流程包括图像处理、特征识别、特征标记三维重建、数据拼接和表面/点云重建。
随着用户对于三维扫描设备的性能要求不断提升，工程应用中越来越要求更快、更准和更精细的三维扫描技术以满足高效率和高质量的工作。
然而当前已有的手持式扫描设备由于受到有限的上位机的计算力和传输带宽的限制，普遍采用低帧率和低分辨率的视觉传感器进行数据采集，这在很大程度上限制了三维扫描技术性能的进一步提升，在速度、精度和空间分辨力等方面遇到了发展瓶颈。若要突破技术瓶颈，根本办法是采用高速高分辨率的视觉传感器，同时通过更先进的技术手段摆脱上位机的计算力和传输带宽的限制，实现性能质的提升。
发明内容
本发明提供了一种动态三维扫描方法及设备，通过对被测物体的原始图像进行下采样处理，从而大幅度减少了三维扫描设备的运算负荷，并且大幅度减少了传输的数据量，解决了在有限带宽情况下实时传输的数据量有限的问题。
为了实现上述目的，一方面本发明实施例提供了一种动态三维扫描方法，包括如下步骤：
采集被测物体的表面图像，得到原始图像；
对原始图像进行下采样处理，得到下采样后的二维特征数据点集；
将下采样后的二维特征数据点集转换为三维特征数据点集；
将三维特征数据点集配准至同一坐标系下。
另一方面，本发明实施例提供了一种动态三维扫描设备，包括：移动处理单元，所述移动处理单元分别电连接有图案投影器、电池模块和至少两个图像采集传感器；
图案投影器用于将光学图形投影在被测物体的表面；
图像采集传感器用于采集被测物体的表面图像，得到原始图像；
移动处理单元用于对原始图像进行下采样处理，得到下采样后的二维特征数据点集；
将下采样后的二维特征数据点集转换为三维特征数据点集；
将三维特征数据点集配准至同一坐标系下。
电池模块用于为动态三维扫描设备供电。
由上述技术内容，可以看出本发明具有以下有益效果：
通过移动处理单元对被测物体的原始图像进行下采样处理，从而大幅度减少了需要处理的数据量，减小了移动处理单元的运算负荷，并且大幅度减少了传输的数据量，解决了在有限带宽情况下实时传输的数据量有限的问题。
附图说明
为了更清楚地说明本公开实施例的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的动态三维扫描方法整体流程图；
图2为本发明实施例提供的一种下采样处理的流程图；
图3为本发明实施例提供的另一种下采样处理的流程图；
图4为本发明实施例提供的对原始图像进行压缩处理的流程图；
图5为本发明实施例提供的数据优化计算流程图；
图6为本发明实施例提供的动态三维扫描设备整体结构图；
图7为本发明实施例提供的第一种动态三维扫描设备结构图；
图8为本发明实施例提供的第二种动态三维扫描设备结构图；
图9为本发明实施例提供的第三种动态三维扫描设备结构图；
图10为本发明实施例提供的第四种动态三维扫描设备结构图；
图11为本发明实施例提供的第五种动态三维扫描设备结构图；
图12为本发明实施例提供的第六种动态三维扫描设备结构图；
图13为本发明实施例提供的第七种动态三维扫描设备结构图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
一方面，如图1所示，本发明实施例提供了一种动态三维扫描方法，包括如下步骤：
S101、采集被测物体的表面图像，得到原始图像；
S102、对原始图像进行下采样处理，得到下采样后的二维特征数据点集；
S103、将下采样后的二维特征数据点集转换为三维特征数据点集；
S104、将三维特征数据点集配准至同一坐标系下。
具体的，采集到被测物体的原始图像后，在满足一定扫描精度的前提下，通过对原始图像进行下采样处理，可以大幅度减少需要处理的数据量，从而减小了三维扫描设备的运算负荷。由于精简了数据量，所以在一些需要实时预览的场景下可以快速生成被测物体的三维模型，也使数据的传输不受带宽限制。
在提取了下采样后图像的二维特征数据点集后，需要将二维特征数据点集转化为三维特征数据点集，由于转化后的三维特征数据点集都是基于每个图像采集传感器自己的坐标系建立的，因此要把每个图像采集传感器下采集的图像的三维特征数据点集配准至统一的世界坐标系下，例如配准三维特征数据点集的方法可以采用标记点配准法、几何特征配准法和ICP(Iterative Closest Point，迭代最近点)配准法等。上述几种配准三维特征数据点集的方法在现有技术中已有使用，本发明实施例不再赘述。
进一步地，如图2和图3所示，对原始图像进行下采样处理，得到下采样后的二维特征数据点集具体包括：
S201、对原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
S202、提取图像下采样后的图像的二维特征点，得到第一二维特征数据点集，第一二维特征数据点集作为下采样后的二维特征数据点集；或/和
S301、对原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
S302、提取图像下采样后的图像的二维特征点，得到第一二维特征数据点集；
S303、根据设定的采样密度，对第一二维特征数据点集进行时序下采样处理，得到第二二维特征数据点集，第二二维特征数据点集作为下采样后的二维特征数据点集。
具体的，本发明实施例提供了两种数据处理方式，一种是对采集的图像进行实时数据预览计算，另一种是对采集的图像进行数据优化计算。两种图像处理方式首先都需要设定图像分辨率，采用图像下采样方法，将原始图像的分辨率调整为设定的分辨率，例如：
原始图像的尺寸为M×N，对其进行S倍下采样，也就是把原始图像S×S窗口内的图像变成一个像素点，这个像素点的值就是窗口内所有像素点的均值，图像下采样后即得到(M/S)×(N/S)尺寸的图像。本发明实施例中图像下采样采用的方法包括但不限于最近邻插值法、双线性插值法、均值插值法、中值插值法等。上述几种图像下采样方法在现有技术中已有使用，本发明实施例不再赘述。
在图像下采样之后，提取图像下采样后的图像的二维特征点，例如提取二维特征点的方法可以采用卷积模板法、二次曲线拟合法、高斯曲线拟合法和椭圆方程拟合法等。通过上述几种提取二维特征点的方法可准确地提取到被测物体的二维特征，避免了误提取过多导致后续数据传输量过大，导致增加数据传输负荷和增加实时数据预览计算的负荷进而降低工作效率。上述几种提取二维特征点的方法在现有技术中已有使用，本发明实施例不再赘述。
在提取了图像下采样后的图像的二维特征点，得到第一二维特征数据点集后，直接将第一二维特征数据点集作为下采样后的二维特征数据点集，用于后续的数据优化计算；而实时数据预览计算还需要根据采样密度，进一步对第一二维特征数据点集进行时序下采样处理，进一步减少实时数据预览计算所需要的数据量。本发明实施例所述的采样密度是根据数据采集的时间间隔进行设定的。
进一步地，如图4所示，在提取图像下采样后的图像的二维特征点，得到第一二维特征数据点集之后，还包括：
S401、根据第一二维特征数据点集，将图像下采样后的图像的分辨率还原为原始图像的分辨率，得到原分辨率图像；
S402、将原分辨率图像中小于设定分割阈值的图像区域的灰度值置为预设灰度，标记原分辨率图像中灰度值未置为预设灰度的图像区域，得到处理后的图像；
S403、将处理后的图像进行压缩，得到压缩图像。
具体的，受到传输带宽的影响，如果要实时传输数据，则需要将图像压缩，减小传输的数据量后再进行传输。本发明实施例首先采用图像二值化方法，将原分辨率图像中小于设定分割阈值的图像区域的灰度值置为预设灰度，例如预设灰度可以设置为0，然后标记原分辨率图像中灰度值未置0的图像区域，从而得到处理后的图像。然后再采用编码压缩的方法将处理后的图像进行压缩，从而得到压缩图像。通过图像二值化方法和编码压缩方法将图像压缩后再传输，可以做到实时传输数据，并且传输的数据没有损失。其中，分割阈值的选取方法可以采用双峰法、P参数法、最大类间方差法、最大熵阈值法和迭代法等。上述选取分割阈值的方法在现有技术中已有使用，本发明实施例不再赘述。
进一步地，如图5所示，在将处理后的图像进行压缩，得到压缩图像之后，还包括：
S501、保存压缩图像；
S502、将压缩图像还原为原分辨率图像；
S503、提取原分辨率图像的二维特征点，得到第三二维特征数据点集；
S504、将第三二维特征数据点集转换为第三三维特征数据点集；
S505、将第三三维特征数据点集配准至同一坐标系下；
S506、对配准后的第三三维特征数据点集进行重叠点合并和/或降噪处理，得到优化后的三维特征数据点集。
具体的，由于数据优化计算不需要实时进行计算，可以离线操作，因此可以先将实时传输的压缩图像保存。在进行数据优化计算时，将压缩图像解压，还原为原分辨率图像，由于原分辨率图像保留了完整的图像特征，因此从原分辨率图像中提取的二维特征数据点集具有更高的精确度。数据优化计算中的二维特征数据点集的提取方法，二维特征数据点集转化为三维特征数据点集的方法，以及三维特征数据点集的配准方法均与上述实时数据预览计算相同，这里不再进行赘述。
数据优化计算与实时数据预览计算不同点在于，数据优化计算是在获得的压缩图像还原至原分辨率后，对二维特征数据点集进行高精度提取，获取的数据点更准确。
需要说明的是，数据优化计算需要对配准后的第三三维特征数据点集进行重叠点合并和/或降噪处理，进一步提高数据的精确度。
进一步地，本发明实施例公开的动态三维扫描方法还包括：
根据配准后的三维特征数据点集生成三维模型；或/和
根据优化后的三维特征数据点集生成三维模型。
具体的，由于本发明实施例提供的动态三维扫描方法包括实时数据预览计算和数据优化计算两种对图像的处理方式，因此根据两种计算方式得到的三维模型的精确度不同。实时数据预览计算方式主要向用户展示扫描完成程度，因此对数据精度要求比较低，但是要求保证实时性，计算效率高，因此得出的三维模型适合对待测物体进行快速预览，了解其部分重要信息。数据优化计算方式相对的要求数据精度比较高，因此得出的三维模型适合离线情况下，对待测物体进行更准确的分析。通过设置这两种图像处理方式，可以满足用户在不同场景下，对扫描精度的要求。
第二方面，如图6所示，本发明实施例提供了一种动态三维扫描设备，包括：移动处理单元100，移动处理单元100分别电连接有图案投影器200、电池模块300和至少两个图像采集传感器400；
图案投影器200用于将光学图形投影在被测物体的表面；
图像采集传感器400用于采集被测物体的表面图像，得到原始图像；
移动处理单元100用于对原始图像进行下采样处理，得到下采样后的二维特征数据点集；
将下采样后的二维特征数据点集转换为三维特征数据点集；
将三维特征数据点集配准至同一坐标系下。
电池模块300用于为动态三维扫描设备供电。
具体的，图案投影器200可以采用激光投射装置，激光投射装置例如安装有3对或更多交叉线图样的红色激光器，也可以使用其他类型的激光投射装置，如白光图形投影仪或蓝色LED图形投影仪。所提取光学图形投影区域的被测物表面的位置信息将根据激光投射装置的类型以及所应用的方法而变化。
首先，图案投影器200将特定的光学图形投影在被测物体的表面，特定的光学图形例如可以是3对或更多的激光投射装置发出的光线形成的交叉线图样；然后图像采集传感器400采集被投影区域的被测物体表面的图像，该图像即为原始图像。由于原始图像包含了交叉线图样，交叉线图样有助于后续移动处理单元100精确地提取出图像上各点的二维坐标位置，即二维特征点。
进一步地，如图7和图8所示，动态三维扫描设备还包括图像处理器110和实时数据预览计算器120；图像处理器110设置于移动处理单元100，分别电连接图案投影器200、电池模块300和至少两个图像采集传感器400；实时数据预览计算器120设置于移动处理单元100，与图像处理器110电连接，或者设置于上位机中，与图像处理器110通过无线/有线通信模块140通信连接；
图像处理器110用于对原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
提取图像下采样后的图像的二维特征点，得到第一二维特征数据点集，第一二维特征数据点集作为下采样后的二维特征数据点集；或/和
对原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
提取图像下采样后的图像的二维特征点，得到第一二维特征数据点集；
实时数据预览计算器120用于根据设定的采样密度，对第一二维特征数据点集进行时序下采样处理，得到第二二维特征数据点集，第二二维特征数据点集作为下采样后的二维特征数据点集；
将下采样后的二维特征数据点集转换为三维特征数据点集；
将三维特征数据点集配准至同一坐标系下。
具体的，图像处理器110是一种高性能硬件处理单元，其设置于动态三维扫描设备中，可以对采集的图像进行预处理，减小了实时数据预览计算器120以及数据优化计算器140的计算负荷；同时还大幅度减少了数据传输量，有效地解决了在有限带宽情况下实时传输数据的问题。此外，图像处理器110可采用CPU、GPU、DSP、FPGA和ARM等其中一种或几种的组合，本申请实施例不做限制。
进一步地，图像处理器110还用于：
根据第一二维特征数据点集，将图像下采样后的图像的分辨率还原为原始图像的分辨率，得到原分辨率图像；
将原分辨率图像中小于设定分割阈值的图像区域的灰度值置为预设灰度，标记原分辨率图像中灰度值未置为预设灰度的图像区域，得到处理后的图像；
将处理后的图像进行压缩，得到压缩图像。
进一步地，如图9到图12所示，本发明实施例公开的动态三维扫描设备还包括数据优化计算器140，数据优化计算器140设置于移动处理单元100，与图像处理器110电连接；或者设置于上位机内，与图像处理器110通过无线/有线通信模块130通信连接，数据优化计算器140用于：
保存压缩图像；
将压缩图像还原为原分辨率图像；
提取原分辨率图像的二维特征点，得到第三二维特征数据点集；
将第三二维特征数据点集转换为第三三维特征数据点集；
将第三三维特征数据点集配准至同一坐标系下；
对配准后的原始三维特征数据点集进行重叠点合并和/或降噪处理，得到优化后的三维特征数据点集。
进一步地，如图9到图12所示，本发明实施例公开的动态三维扫描设备还包括模型生成模块150，模型生成模块150与实时数据预览计算器120电连接，用于根据配准后的三维特征数据点集生成三维模型；或/和
与数据优化计算器140电连接，用于根据优化后的三维特征数据点集生成三维模型。
上述动态三维扫描设备，可以用于执行图1到图5所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
需要说明的是，上述动态三维扫描设备中，实时数据预览计算器120和数据优化计算器140可设置在移动处理单元100中，也可以设置在上位机中，可根据实际要求进行设置，本申请实施例不做限制。
可选的，如图13所示，本发明实施例公开的动态三维扫描设备还包括与图像处理器110分别电连接的设备状态检测模块、功能调度和控制模块、报警模块、连接控制模块、参数设置模块、功能按键和显示屏：
设备状态检测模块用于获取动态三维扫描设备各个模块的工作参数、温度参数；
功能调度和控制模块用于根据图像处理器的工作状态，调整动态三维扫描设备处于全性能模式、普通模式和低功耗工作模式中的一种；
报警模块用于当动态三维扫描设备各个模块的工作参数、温度参数不在设定范围内时，发出报警信息；和/或当动态三维扫描设备与被测物体之间的距离不在设定范围内时，发出报警信息；
连接控制模块用于获取动态三维扫描设备与上位机之间的连接信息，根据连接信息设置无线/有线通信模块与上位机进行无线或有线连接；
参数设置模块用于设置图案投影器的光线强度和图像采集传感器的曝光时间和增益；
功能按键用于用户输入各种操作指令，以及手动调整三维扫描设备的工作模式。
显示屏用于显示动态三维扫描设备各个模块的工作参数和温度参数，以及显示根据配准后的三维特征数据点集生成三维模型或/和根据优化后的三维特征数据点集生成三维模型。
进一步地，无线/有线通信模块140还用于将动态三维扫描设备各个模块的工作参数和温度参数上传至上位机。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种动态三维扫描方法，其特征在于，包括如下步骤：
采集被测物体的表面图像，得到原始图像；
对所述原始图像进行下采样处理，得到下采样后的二维特征数据点集；
将所述下采样后的二维特征数据点集转换为三维特征数据点集；
将所述三维特征数据点集配准至同一坐标系下。
2.如权利要求1所述的动态三维扫描方法，其特征在于，对所述原始图像进行下采样处理，得到下采样后的二维特征数据点集具体包括：
对所述原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
提取所述图像下采样后的图像的二维特征点，得到第一二维特征数据点集，所述第一二维特征数据点集作为下采样后的二维特征数据点集；或/和
对所述原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
提取所述图像下采样后的图像的二维特征点，得到第一二维特征数据点集；
根据设定的采样密度，对所述第一二维特征数据点集进行时序下采样处理，得到第二二维特征数据点集，所述第二二维特征数据点集作为下采样后的二维特征数据点集。
3.如权利要求2所述的动态三维扫描方法，其特征在于，在所述提取图像下采样后的图像的二维特征点，得到第一二维特征数据点集之后，还包括：
根据所述第一二维特征数据点集，将所述图像下采样后的图像的分辨率还原为原始图像的分辨率，得到原分辨率图像；
将所述原分辨率图像中小于设定分割阈值的图像区域的灰度值置为预设灰度，标记所述原分辨率图像中灰度值未置为预设灰度的图像区域，得到处理后的图像；
将处理后的图像进行压缩，得到压缩图像。
4.如权利要求3所述的动态三维扫描方法，其特征在于，在所述将处理后的图像进行压缩，得到压缩图像之后，还包括：
保存所述压缩图像；
将所述压缩图像还原为原分辨率图像；
提取所述原分辨率图像的二维特征点，得到第三二维特征数据点集；
将所述第三二维特征数据点集转换为第三三维特征数据点集；
将所述第三三维特征数据点集配准至同一坐标系下；
对配准后的第三三维特征数据点集进行重叠点合并和/或降噪处理，得到优化后的三维特征数据点集。
5.如权利要求4所述的动态三维扫描方法，其特征在于，还包括：
根据配准后的三维特征数据点集生成三维模型；或/和
根据优化后的三维特征数据点集生成三维模型。
6.一种动态三维扫描设备，其特征在于，包括：移动处理单元，所述移动处理单元分别电连接有图案投影器、电池模块和至少两个图像采集传感器；
所述图案投影器用于将光学图形投影在被测物体的表面；
所述图像采集传感器用于采集被测物体的表面图像，得到原始图像；
所述移动处理单元用于对所述原始图像进行下采样处理，得到下采样后的二维特征数据点集；
将所述下采样后的二维特征数据点集转换为三维特征数据点集；
将所述三维特征数据点集配准至同一坐标系下。
所述电池模块用于为所述动态三维扫描设备供电。
7.如权利要求6所述的动态三维扫描设备，其特征在于，所述动态三维扫描设备还包括图像处理器和实时数据预览计算器；所述图像处理器设置于所述移动处理单元，分别电连接所述图案投影器、电池模块和至少两个图像采集传感器；所述实时数据预览计算器设置于所述移动处理单元，与所述图像处理器电连接，或者设置于上位机中，与所述图像处理器通过无线/有线通信模块通信连接；
所述图像处理器用于对所述原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
提取所述图像下采样后的图像的二维特征点，得到第一二维特征数据点集，所述第一二维特征数据点集作为下采样后的二维特征数据点集；或/和
对所述原始图像进行图像下采样处理，使图像下采样后的图像的分辨率为设定的分辨率；
提取所述图像下采样后的图像的二维特征点，得到第一二维特征数据点集；
所述实时数据预览计算器用于根据设定的采样密度，对所述第一二维特征数据点集进行时序下采样处理，得到第二二维特征数据点集，所述第二二维特征数据点集作为下采样后的二维特征数据点集；
将所述下采样后的二维特征数据点集转换为三维特征数据点集；
将所述三维特征数据点集配准至同一坐标系下。
8.如权利要求7所述的动态三维扫描设备，其特征在于，所述图像处理器还用于：
根据所述第一二维特征数据点集，将所述图像下采样后的图像的分辨率还原为原始图像的分辨率，得到原分辨率图像；
将所述原分辨率图像中小于设定分割阈值的图像区域的灰度值置为预设灰度，标记所述原分辨率图像中灰度值未置为预设灰度的图像区域，得到处理后的图像；
将处理后的图像进行压缩，得到压缩图像。
9.如权利要求8所述的动态三维扫描设备，其特征在于，还包括数据优化计算器，所述数据优化计算器设置于所述移动处理单元，与所述图像处理器电连接；或者设置于上位机内，与所述图像处理器通过无线/有线通信模块通信连接，所述数据优化计算器用于：
保存所述压缩图像；
将所述压缩图像还原为原分辨率图像；
提取所述原分辨率图像的二维特征点，得到第三二维特征数据点集；
将所述第三二维特征数据点集转换为第三三维特征数据点集；
将所述第三三维特征数据点集配准至同一坐标系下；
对配准后的第三三维特征数据点集进行重叠点合并和/或降噪处理，得到优化后的三维特征数据点集。
10.如权利要求9所述的动态三维扫描设备，其特征在于，还包括模型生成模块，所述模型生成模块与所述实时数据预览计算器电连接，用于根据配准后的三维特征数据点集生成三维模型；或/和
与所述数据优化计算器电连接，用于根据优化后的三维特征数据点集生成三维模型。
CN201910930981.2A 2019-09-29 2019-09-29 一种动态三维扫描方法及设备 Pending CN110715618A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910930981.2A CN110715618A (zh) 2019-09-29 2019-09-29 一种动态三维扫描方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910930981.2A CN110715618A (zh) 2019-09-29 2019-09-29 一种动态三维扫描方法及设备

Publications (1)

Publication Number Publication Date
CN110715618A true CN110715618A (zh) 2020-01-21

Family

ID=69212067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910930981.2A Pending CN110715618A (zh) 2019-09-29 2019-09-29 一种动态三维扫描方法及设备

Country Status (1)

Country Link
CN (1) CN110715618A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112747671A (zh) * 2020-12-10 2021-05-04 北京天远三维科技股份有限公司 三维检测系统和三维检测方法
CN114627249A (zh) * 2022-05-13 2022-06-14 杭州思看科技有限公司 三维扫描系统及三维扫描方法
CN115068833A (zh) * 2021-03-15 2022-09-20 湖南华创医疗科技有限公司 用于束流阻挡器的定位装置和放射治疗系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038156A (zh) * 2007-04-05 2007-09-19 同济大学 便携式岩石表面三维形貌的测量系统
CN101561269A (zh) * 2009-05-26 2009-10-21 张征宇 近景摄影测量的特征线自动匹配方法
CN103400342A (zh) * 2013-07-04 2013-11-20 西安电子科技大学 基于混合色阶映射及压缩系数的高动态范围图像重构方法
US20160153768A1 (en) * 2005-05-10 2016-06-02 Roger Stettner Dimensioning system
US20170018073A1 (en) * 2014-03-31 2017-01-19 Ingrain, Inc. Digital Rock Physics-Based Trend Determination and Usage for Upscaling
CN107976157A (zh) * 2017-12-26 2018-05-01 天远三维（天津）科技有限公司 一种于获取物体表面三维形貌的无线手持式三维扫描设备
CN208125072U (zh) * 2017-12-26 2018-11-20 天远三维（天津）科技有限公司 用于获取物体表面三维形貌的无线手持式三维扫描设备
CN108981604A (zh) * 2018-07-11 2018-12-11 天津工业大学 一种基于线激光的精密零件三维全貌测量方法
CN109949399A (zh) * 2019-03-15 2019-06-28 西安因诺航空科技有限公司 一种基于无人机航拍图像的场景三维重建方法
CN110009727A (zh) * 2019-03-08 2019-07-12 深圳大学 一种具有结构语义的室内三维模型自动重构方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160153768A1 (en) * 2005-05-10 2016-06-02 Roger Stettner Dimensioning system
CN101038156A (zh) * 2007-04-05 2007-09-19 同济大学 便携式岩石表面三维形貌的测量系统
CN101561269A (zh) * 2009-05-26 2009-10-21 张征宇 近景摄影测量的特征线自动匹配方法
CN103400342A (zh) * 2013-07-04 2013-11-20 西安电子科技大学 基于混合色阶映射及压缩系数的高动态范围图像重构方法
US20170018073A1 (en) * 2014-03-31 2017-01-19 Ingrain, Inc. Digital Rock Physics-Based Trend Determination and Usage for Upscaling
CN107976157A (zh) * 2017-12-26 2018-05-01 天远三维（天津）科技有限公司 一种于获取物体表面三维形貌的无线手持式三维扫描设备
CN208125072U (zh) * 2017-12-26 2018-11-20 天远三维（天津）科技有限公司 用于获取物体表面三维形貌的无线手持式三维扫描设备
CN108981604A (zh) * 2018-07-11 2018-12-11 天津工业大学 一种基于线激光的精密零件三维全貌测量方法
CN110009727A (zh) * 2019-03-08 2019-07-12 深圳大学 一种具有结构语义的室内三维模型自动重构方法及系统
CN109949399A (zh) * 2019-03-15 2019-06-28 西安因诺航空科技有限公司 一种基于无人机航拍图像的场景三维重建方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CIHAN ULAS等: "A Fast and Robust Feature-Based Scan-Matching Method in 3D SLAM and the Effect of Sampling Strategies", 《INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS》 *
尤磊等: "基于切平面投影的树干三维表面重建算法", 《林业科学》 *
易大飞: "图像的上采样（upsampling）与下采样（subsampled）", 《CSDN博客》 *
王立国等: "《高光谱图像处理技术》", 31 May 2013, 北京：国防工业出版社 *
王耀兵等: "《医学统计学手册》", 31 May 2018, 北京：北京理工大学出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112747671A (zh) * 2020-12-10 2021-05-04 北京天远三维科技股份有限公司 三维检测系统和三维检测方法
CN115068833A (zh) * 2021-03-15 2022-09-20 湖南华创医疗科技有限公司 用于束流阻挡器的定位装置和放射治疗系统
CN115068833B (zh) * 2021-03-15 2024-02-06 湖南华创医疗科技有限公司 用于束流阻挡器的定位装置和放射治疗系统
CN114627249A (zh) * 2022-05-13 2022-06-14 杭州思看科技有限公司 三维扫描系统及三维扫描方法
WO2023217036A1 (zh) * 2022-05-13 2023-11-16 思看科技(杭州)股份有限公司 三维扫描系统及三维扫描方法

Similar Documents

Publication Publication Date Title
JP6560480B2 (ja) 画像処理システム、画像処理方法、及びプログラム
CN110715618A (zh) 一种动态三维扫描方法及设备
CN110246124B (zh) 基于深度学习的目标尺寸测量方法及系统
US9230330B2 (en) Three dimensional sensing method and three dimensional sensing apparatus
WO2020134818A1 (zh) 图像处理方法及相关产品
JP2023549821A (ja) 変形可能なニューラル放射輝度場
CN105765628B (zh) 深度图生成的方法及系统
CN105678684B (zh) 一种截取图像的方法及装置
CN107592449B (zh) 三维模型建立方法、装置和移动终端
KR20220160066A (ko) 이미지 처리 방법 및 장치
US10304196B2 (en) File conversion method and apparatus
CN103839258A (zh) 一种二值化激光散斑图像的深度感知方法
CN103841406B (zh) 一种即插即用的深度摄像装置
WO2015096462A1 (zh) 一种二维码聚焦显示方法及系统
KR20200031019A (ko) 깊이 데이터를 최적화하기 위해 깊이 맵에 이미지 등록을 수행할 수 있는 깊이 데이터 처리 시스템
CN111452034A (zh) 一种双相机机器视觉智能工业机器人控制系统及控制方法
CN106651741B (zh) 一种基于云计算的图形处理系统
CN112101252B (zh) 一种基于深度学习的图像处理方法、系统、设备及介质
CN103886287B (zh) 一种基于3d投影的跨视角步态识别方法
US20230062973A1 (en) Image processing apparatus, image processing method, and storage medium
CN107330974B (zh) 商品展示方法、装置及移动设备
CN102840827A (zh) 一种基于单目机器视觉的非接触三维扫描方法
CN114298946B (zh) 一种框架细节增强的深度学习点云补全方法
CN105674916B (zh) 一种硬件智能化的结构光三维扫描系统及方法
CN116188660B (zh) 一种基于流式渲染的点云数据处理方法及相关装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200121