CN110895833A - 一种室内场景三维建模的方法和装置 - Google Patents
一种室内场景三维建模的方法和装置 Download PDFInfo
- Publication number
- CN110895833A CN110895833A CN201811067688.XA CN201811067688A CN110895833A CN 110895833 A CN110895833 A CN 110895833A CN 201811067688 A CN201811067688 A CN 201811067688A CN 110895833 A CN110895833 A CN 110895833A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- color image
- depth
- line laser
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 238000006073 displacement reaction Methods 0.000 claims description 70
- 238000013519 translation Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了室内场景三维建模的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:同步采集单线激光点云数据和深度图及彩色图像数据;根据所述单线激光点云数据,确定点云的初始位姿数据;根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。该实施方式克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种室内场景三维建模的方法和装置。
背景技术
室内场景三维建模技术以其直观、准确、方便、信息内容丰富的特点广泛应用于三维虚拟场景漫游、室内装饰辅助设计、3D游戏开发、数字城市、智能家居、室内制图等方面,具有较大的实用价值。由于室内环境的特殊性,GPS信号受到建筑物的遮挡无法使用,而惯性导航仪及车轮编码器存在累计误差。在室内场景建模领域,日益成熟的计算机视觉、数据融合、视觉导航以及三维建模等技术,为室内场景三维建模提供了理论基础与技术支持。目前较为成功的应用使是使用激光SLAM(simultaneous localization and mapping)即时定位与地图构建技术(或定位成图技术)。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
1.基于单线激光雷达的SLAM建模方法只能得到室内场景的平面模型,大部分室内场景信息被遗漏。
2.基于相机图像的视觉SLAM方法受环境光和环境结构纹理影响大,存在建模的稳定性和准确性问题。
3.对闭环的场景要求苛刻,采集数据时操作限制高,导致不能实际部署,同时运算量大。
4.基于多线激光雷达的SLAM建模方法,多线激光传感器价格昂贵。
发明内容
有鉴于此,本发明实施例提供一种室内场景三维建模的方法和装置,能够解决大部分室内场景信息被遗漏和建模的稳定性、准确性问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。
为实现上述目的,根据本发明实施例的一个方面,提供了一种室内场景三维建模的方法,包括:同步采集单线激光点云数据和深度图及彩色图像数据;根据所述单线激光点云数据,确定点云的初始位姿数据;根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
可选地,根据所述单线激光点云数据,确定点云的初始位姿数据,包括:所述单线激光点云数据包括单线激光点云的坐标数据;利用单线激光定位成图技术,根据所述单线激光点云的坐标数据,确定所述单线激光点云的旋转位移量和平移位移量;将所述旋转位移量和平移位移量作为点云的初始位姿数据。
可选地,根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据,包括:所述深度图及彩色图像数据包括深度彩色图像上点云的坐标数据;利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据。
可选地,利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据,包括:利用迭代最近点算法,根据公式
将使误差E(i,i+1)最小的旋转位移量Rdi和平移位移量Tdi作为第i帧点云的精确位姿数据;其中,在深度彩色图像中,是第i+1帧中与第k个点云距离最近的点云的坐标数据;第i+1帧中的第k个点云的坐标数据Dpc(i+1)k是由第i帧中的第k个点云的坐标数据Dpcik,经过第i帧点云的旋转位移量Ri、平移位移量Ti变换后得到的;在迭代中以点云的初始位姿数据中的旋转位移量R0i为旋转位移量Ri的初始值,以点云的初始位姿数据中的平移位移量T0i为平移位移量Ti的初始值;n为第i帧中点云的数量。
可选地,利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型,包括:所述深度色彩图像数据还包括颜色数据;根据以下变换公式:
Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1;
将所述深度彩色图像中点云的坐标数据逐级映射到第1帧深度彩色图像所在的坐标系中,得到所述深度彩色图像中的点云该坐标系中的坐标数据,m为采集的深度彩色图像的总帧数;根据该坐标数据和颜色数据,构建三维全景模型。
为实现上述目的,根据本发明实施例的一个方面,提供了一种室内场景三维建模的装置,包括:采集模块,用于:同步采集单线激光点云数据和深度图及彩色图像数据;第一处理模块,用于:根据所述单线激光点云数据,确定点云的初始位姿数据;第二处理模块,用于:根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;建模模块,用于:利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
可选地,所述第一处理模块还用于:所述单线激光点云数据包括单线激光点云的坐标数据;利用单线激光定位成图技术,根据所述单线激光点云的坐标数据,确定所述单线激光点云的旋转位移量和平移位移量;将所述旋转位移量和平移位移量作为点云的初始位姿数据。
可选地,所述第二处理模块还用于:所述深度图及彩色图像数据包括深度彩色图像上点云的坐标数据;利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据。
可选地,所述第二处理模块还用于:利用迭代最近点算法,根据公式将使误差E(i,i+1)最小的旋转位移量Rdi和平移位移量Tdi作为第i帧点云的精确位姿数据;其中,在深度彩色图像中,是第i+1帧中与第k个点云距离最近的点云的坐标数据;第i+1帧中的第k个点云的坐标数据Dpc(i+1)k是由第i帧中的第k个点云的坐标数据Dpcik,经过第i帧点云的旋转位移量Ri、平移位移量Ti变换后得到的;在迭代中以点云的初始位姿数据中的旋转位移量R0i为旋转位移量Ri的初始值,以点云的初始位姿数据中的平移位移量T0i为平移位移量Ti的初始值;n为第i帧中点云的数量。
可选地,所述建模模块,还用于:所述深度色彩图像数据还包括颜色数据;根据以下变换公式:
Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1;
将所述深度彩色图像中点云的坐标数据逐级映射到第1帧深度彩色图像所在的坐标系中,得到所述深度彩色图像中的点云该坐标系中的坐标数据,m为采集的深度彩色图像的总帧数;根据该坐标数据和颜色数据,构建三维全景模型。
为实现上述目的,根据本发明实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例提供的室内场景三维建模的方法。
为实现上述目的,根据本发明实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如本发明实施例提供的室内场景三维建模的方法。
上述发明中的一个实施例具有如下优点或有益效果:根据同步采集的单线激光点云数据和深度图及彩色图像数据得到的精确位姿,将深度彩色图像RGBD数据变换到统一坐标系中,建立三维模型的技术手段,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的室内场景三维建模的方法的基本流程的示意图;
图2是根据本发明实施例的室内场景三维建模的装置的基本模块的示意图;
图3是根据本发明实施例的室内场景三维建模的方法的优选流程的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在现有的室内建模技术中,多线激光传感器价格昂贵,所以单线激光雷达较为常用。虽然基于单线激光雷达的SLAM建模方法能够对大多数的室内场景进行快速稳定的建模,但只能获得室内场景的平面模型,大部分室内场景信息被遗漏。基于相机图像的视觉SLAM方法受环境光和环境结构纹理影响大。深度相机能够同时捕获环境的稠密点云信息和颜色信息,但由于其点云感知范围小(一般在8米以内),基于与深度相机的的SLAM方法同样存在建图的稳定性和准确性问题,而且对闭环的场景(即采集线路必须封闭,采集起点要和采集终点重合)要求苛刻,采集数据时操作限制高导致不能实际部署,同时运算量大。关于采集数据时操作限制高,主要是由深度相机感知范围小引起的,由于感知范围小,要求感知范围的特征要足够明显才能解算出位姿,因此对走廊等特征一致的场景,采集时就要规避。关于采集线路要设计成闭环的,同时单个闭环路线也不能太长,太长误差漂移就会大,建模就不成功,需要重新采集,稳定性差也指建模不能保证一次成功。
图1是根据本发明实施例的室内场景三维建模的方法的基本流程的示意图。如图1所示,本发明实施例提供了一种室内场景三维建模的方法,包括:
步骤S101.同步采集单线激光点云数据和深度图及彩色图像数据;
步骤S102.根据所述单线激光点云数据,确定点云的初始位姿数据;
步骤S103.根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;
步骤S104.利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
根据以相同频率采集单线激光点云数据和深度图及彩色图像数据得到的精确位姿,将深度彩色图像RGBD数据变换到统一坐标系中,建立三维模型的技术手段,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
在本发明实施例中,根据所述单线激光点云数据,确定点云的初始位姿数据,包括:所述单线激光点云数据包括单线激光点云的坐标数据;利用单线激光定位成图技术,根据所述单线激光点云的坐标数据,确定所述单线激光点云的旋转位移量和平移位移量;将所述旋转位移量和平移位移量作为点云的初始位姿数据。
根据基于单线激光雷达的SLAM算法得到初始位姿数据,使建模过程中运算量大幅度减小,在保证了建模稳定性的同时,也提高了建模的准确性和效率。
在本发明实施例中,根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据,包括:所述深度图及彩色图像数据包括深度彩色图像上点云的坐标数据;利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据。
利用深度彩色图像中点云的稠密性,采用ICP(迭代最近点算法IterativeClosest Points)对初始位姿进行精确求解得到的精确位姿,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,也提高了建模的准确性。
在本发明实施例中,利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据,包括:利用迭代最近点算法,根据公式
将使误差E(i,i+1)最小的旋转位移量Rdi和平移位移量Tdi作为第i帧点云的精确位姿数据;其中,在深度彩色图像中,是第i+1帧中与第k个点云距离最近的点云的坐标数据;第i+1帧中的第k个点云的坐标数据Dpc(i+1)k是由第i帧中的第k个点云的坐标数据Dpcik,经过第i帧点云的旋转位移量Ri、平移位移量Ti变换后得到的;在迭代中以点云的初始位姿数据中的旋转位移量R0i为旋转位移量Ri的初始值,以点云的初始位姿数据中的平移位移量T0i为平移位移量Ti的初始值;n为第i帧中点云的数量。克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
在本发明实施例中,利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型,包括:所述深度色彩图像数据还包括颜色数据;根据以下变换公式:
Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1;
将所述深度彩色图像中点云的坐标数据逐级映射到第1帧深度彩色图像所在的坐标系中,得到所述深度彩色图像中的点云该坐标系中的坐标数据,m为采集的深度彩色图像的总帧数;根据该坐标数据和颜色数据,构建三维全景模型。根据以相同频率采集单线激光点云数据和深度图及彩色图像数据得到的精确位姿,将深度图及彩色图像数据(即RGBD数据)逐级变换到统一坐标系中,建立三维模型的技术手段,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
图2是根据本发明实施例的室内场景三维建模的装置的基本模块的示意图。如图2所示,本发明实施例提供了一种室内场景三维建模的装置200,包括:采集模块201,用于:同步采集单线激光点云数据和深度图及彩色图像数据;第一处理模块202,用于:根据所述单线激光点云数据,确定点云的初始位姿数据;第二处理模块203,用于:根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;建模模块204,用于:利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
根据以相同频率采集单线激光点云数据和深度图及彩色图像数据得到的精确位姿,将深度彩色图像RGBD数据变换到统一坐标系中,建立三维模型的技术手段,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
本发明实施例中,所述第一处理模块202还用于:所述单线激光点云数据包括单线激光点云的坐标数据;利用单线激光定位成图技术,根据所述单线激光点云的坐标数据,确定所述单线激光点云的旋转位移量和平移位移量;将所述旋转位移量和平移位移量作为点云的初始位姿数据。
根据基于单线激光雷达的SLAM算法得到初始位姿数据,使建模过程中运算量大幅度减小,在保证了建模稳定性的同时,也提高了建模的准确性和效率。
本发明实施例中,所述第二处理模块203还用于:所述深度图及彩色图像数据包括深度彩色图像上点云的坐标数据;利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据。
利用深度彩色图像中点云的稠密性,采用ICP对初始位姿进行精确求解得到的精确位姿,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,也提高了建模的准确性。
本发明实施例中,所述第二处理模块203还用于:利用迭代最近点算法,根据公式将使误差E(i,i+1)最小的旋转位移量Rdi和平移位移量Tdi作为第i帧点云的精确位姿数据;其中,在深度彩色图像中,是第i+1帧中与第k个点云距离最近的点云的坐标数据;第i+1帧中的第k个点云的坐标数据Dpc(i+1)k是由第i帧中的第k个点云的坐标数据Dpcik,经过第i帧点云的旋转位移量Ri、平移位移量Ti变换后得到的;在迭代中以点云的初始位姿数据中的旋转位移量R0i为旋转位移量Ri的初始值,以点云的初始位姿数据中的平移位移量T0i为平移位移量Ti的初始值;n为第i帧中点云的数量。克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
本发明实施例中,所述建模模块204,还用于:所述深度色彩图像数据还包括颜色数据;根据以下变换公式:
Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1;
将所述深度彩色图像中点云的坐标数据逐级映射到第1帧深度彩色图像所在的坐标系中,得到所述深度彩色图像中的点云该坐标系中的坐标数据,m为采集的深度彩色图像的总帧数;根据该坐标数据和颜色数据,构建三维全景模型。根据以相同频率采集单线激光点云数据和深度图及彩色图像数据得到的精确位姿,将深度彩色图像RGBD数据逐级变换到统一的坐标系中,建立三维模型的技术手段,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小,在保证了建模稳定性的同时,也提高了建模的准确性。
图3是根据本发明实施例的室内场景三维建模的方法的优选流程的示意图。下面根据以上内容结合图3具体说明本发明实施例的三维建模方法。首先在采集车上安装单线激光雷达和深度摄像头,在ROS(机器人系统)下以相同频率采集单线激光点云Pci的数据和深度图及彩色图像数据。单线激光雷达扫描仪上面有个旋转设备,其转一圈即扫描一圈所得到的点云,称为一个点云帧。使用单线激光雷达的SLAM方法,获得各个时刻点云的位姿,比如将第i帧单线激光点云Pci到点云Pci+1的位姿变换记为R0i和T0i,R0i表示第i帧与第i+1帧之间点云的旋转位移量,T0i表示第i帧与第i+1帧之间点云的平移位移量。由于采集车是刚体的,则此位移量也是深度彩色图像中点云的位移量。
将Ri和Ti作为深度彩色图像中点云的初始位姿,以便利用深度点云的稠密性,使用基于初始位姿的ICP(迭代最近点算法Iterative Closest Points)对位姿进行进一步精细化求解,具体方程如下:
对这个公式进行求解Ri和Ti以使E(i,i+1)值最小;这个求解过程是迭代进行的,初始值至关重要,否则容易陷入局部最优解;所以结合激光SLAM所得的初始位姿;以E(i,i+1)最小为目标进行迭代求解,或当误差值E(i,i+1)的变化小于设定阈值时,迭代终止,得到精确位姿。利用该精确位姿将不同时刻的深度点云图映射到统一坐标系下,并结合深度图传感器的RGB颜色信息,得到最终的三维全景模型。具体为:利用每帧之间的旋转平移量,将其变换到起始位置的坐标系中,例如对应第i+1帧的点云,通过如下持续的变换可以将其变换到采集初始时刻(或第1帧)的坐标系中:Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1。这样所有的点云都被变换到统一坐标系中,也就建立起三维点云模型,同时由于深度传感器设备中深度点云与深度图像存在一一对应关系,因此点云也就有颜色信息。
图4示出了可以应用本发明实施例的室内场景三维建模的方法或室内场景三维建模的装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的室内场景三维建模的方法一般由服务器405执行,相应地,室内场景三维建模的装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
根据本发明的实施例,本发明实施例还提供了一种电子设备和一种计算机可读介质。
本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例提出的室内场景三维建模的方法。
本发明实施例的计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如本发明实施例提出的室内场景三维建模的方法。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器,包括:采集模块、第一处理模块、第二处理模块和建模模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,采集模块还可以被描述为“用于采集数据的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:同步采集单线激光点云数据和深度图及彩色图像数据;根据所述单线激光点云数据,确定点云的初始位姿数据;根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
根据本发明实施例的方法可以看出,根据以相同频率采集单线激光点云数据和深度图及彩色图像数据得到的精确位姿,将深度彩色图像RGBD数据变换到统一坐标系中,建立三维模型的技术手段,克服了大部分室内场景信息被遗漏的问题,同时对采样场景要求相对宽松,可以灵活部署采样设备,建模过程中运算量大幅度减小。在保证了建模稳定性的同时,也提高了建模的准确性。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种室内场景三维建模的方法,其特征在于,包括:
同步采集单线激光点云数据和深度图及彩色图像数据;
根据所述单线激光点云数据,确定点云的初始位姿数据;
根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;
利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
2.根据权利要求1所述的方法,其特征在于,根据所述单线激光点云数据,确定点云的初始位姿数据,包括:
所述单线激光点云数据包括单线激光点云的坐标数据;
利用单线激光定位成图技术,根据所述单线激光点云的坐标数据,确定所述单线激光点云的旋转位移量和平移位移量;
将所述旋转位移量和平移位移量作为点云的初始位姿数据。
3.根据权利要求2所述的方法,其特征在于,根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据,包括:
所述深度图及彩色图像数据包括深度彩色图像上点云的坐标数据;
利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据。
4.根据权利要求3所述的方法,其特征在于,利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据,包括:
利用迭代最近点算法,根据公式
将使误差E(i,i+1)最小的旋转位移量Rdi和平移位移量Tdi作为第i帧点云的精确位姿数据;
5.根据权利要求4所述的方法,其特征在于,利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型,包括:
所述深度色彩图像数据还包括颜色数据;
根据以下变换公式:
Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1;
将所述深度彩色图像中点云的坐标数据逐级映射到第1帧深度彩色图像所在的坐标系中,得到所述深度彩色图像中的点云该坐标系中的坐标数据,m为采集的深度彩色图像的总帧数;
根据该坐标数据和颜色数据,构建三维全景模型。
6.一种室内场景三维建模的装置,其特征在于,包括:
采集模块,用于:同步采集单线激光点云数据和深度图及彩色图像数据;
第一处理模块,用于:根据所述单线激光点云数据,确定点云的初始位姿数据;
第二处理模块,用于:根据所述点云的初始位姿数据和所述深度图及彩色图像数据,确定点云的精确位姿数据;
建模模块,用于:利用所述点云的精确位姿数据,将所述深度图及彩色图像数据映射到统一的坐标系中,以得到三维全景模型。
7.根据权利要求6所述的装置,其特征在于,所述第一处理模块还用于:
所述单线激光点云数据包括单线激光点云的坐标数据;
利用单线激光定位成图技术,根据所述单线激光点云的坐标数据,确定所述单线激光点云的旋转位移量和平移位移量;
将所述旋转位移量和平移位移量作为点云的初始位姿数据。
8.根据权利要求7所述的方法,其特征在于,所述第二处理模块还用于:
所述深度图及彩色图像数据包括深度彩色图像上点云的坐标数据;
利用迭代最近点算法,根据所述点云的初始位姿数据和深度彩色图像上点云的坐标数据,在深度彩色图像中确定点云的精确位姿数据。
10.根据权利要求9所述的方法,其特征在于,所述建模模块,还用于:
所述深度色彩图像数据还包括颜色数据;
根据以下变换公式:
Dpcik=Rdi -1*Dpc(i+1)k-Tdi,i=m-1,m-2,…,1;
将所述深度彩色图像中点云的坐标数据逐级映射到第1帧深度彩色图像所在的坐标系中,得到所述深度彩色图像中的点云该坐标系中的坐标数据,m为采集的深度彩色图像的总帧数;
根据该坐标数据和颜色数据,构建三维全景模型。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811067688.XA CN110895833A (zh) | 2018-09-13 | 2018-09-13 | 一种室内场景三维建模的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811067688.XA CN110895833A (zh) | 2018-09-13 | 2018-09-13 | 一种室内场景三维建模的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110895833A true CN110895833A (zh) | 2020-03-20 |
Family
ID=69785451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811067688.XA Pending CN110895833A (zh) | 2018-09-13 | 2018-09-13 | 一种室内场景三维建模的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110895833A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915723A (zh) * | 2020-08-14 | 2020-11-10 | 广东申义实业投资有限公司 | 一种用于室内的三维全景构建方法和系统 |
CN113327318A (zh) * | 2021-05-18 | 2021-08-31 | 禾多科技(北京)有限公司 | 图像显示方法、装置、电子设备和计算机可读介质 |
CN113763231A (zh) * | 2020-06-08 | 2021-12-07 | 北京京东乾石科技有限公司 | 模型生成方法、图像透视图确定方法、装置、设备及介质 |
WO2022088881A1 (en) * | 2020-10-29 | 2022-05-05 | Beike Technology Co., Ltd. | Method, apparatus and system for generating a three-dimensional model of a scene |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292965A (zh) * | 2017-08-03 | 2017-10-24 | 北京航空航天大学青岛研究院 | 一种基于深度图像数据流的虚实遮挡处理方法 |
CN107917710A (zh) * | 2017-11-08 | 2018-04-17 | 武汉大学 | 一种基于单线激光的室内实时定位与三维地图构建方法 |
CN108337915A (zh) * | 2017-12-29 | 2018-07-27 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
CN108401461A (zh) * | 2017-12-29 | 2018-08-14 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
-
2018
- 2018-09-13 CN CN201811067688.XA patent/CN110895833A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292965A (zh) * | 2017-08-03 | 2017-10-24 | 北京航空航天大学青岛研究院 | 一种基于深度图像数据流的虚实遮挡处理方法 |
CN107917710A (zh) * | 2017-11-08 | 2018-04-17 | 武汉大学 | 一种基于单线激光的室内实时定位与三维地图构建方法 |
CN108337915A (zh) * | 2017-12-29 | 2018-07-27 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
CN108401461A (zh) * | 2017-12-29 | 2018-08-14 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763231A (zh) * | 2020-06-08 | 2021-12-07 | 北京京东乾石科技有限公司 | 模型生成方法、图像透视图确定方法、装置、设备及介质 |
CN113763231B (zh) * | 2020-06-08 | 2024-02-09 | 北京京东乾石科技有限公司 | 模型生成方法、图像透视图确定方法、装置、设备及介质 |
CN111915723A (zh) * | 2020-08-14 | 2020-11-10 | 广东申义实业投资有限公司 | 一种用于室内的三维全景构建方法和系统 |
WO2022088881A1 (en) * | 2020-10-29 | 2022-05-05 | Beike Technology Co., Ltd. | Method, apparatus and system for generating a three-dimensional model of a scene |
CN113327318A (zh) * | 2021-05-18 | 2021-08-31 | 禾多科技(北京)有限公司 | 图像显示方法、装置、电子设备和计算机可读介质 |
CN113327318B (zh) * | 2021-05-18 | 2022-07-29 | 禾多科技(北京)有限公司 | 图像显示方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127655B (zh) | 房屋户型图的构建方法及构建装置、存储介质 | |
US11557083B2 (en) | Photography-based 3D modeling system and method, and automatic 3D modeling apparatus and method | |
CN110895833A (zh) | 一种室内场景三维建模的方法和装置 | |
US9185289B2 (en) | Generating a composite field of view using a plurality of oblique panoramic images of a geographic area | |
CN110988849B (zh) | 雷达系统的标定方法、装置、电子设备及存储介质 | |
CN111415409B (zh) | 一种基于倾斜摄影的建模方法、系统、设备和存储介质 | |
CN112288853B (zh) | 三维重建方法、三维重建装置、存储介质 | |
CN110619807B (zh) | 生成全局热力图的方法和装置 | |
WO2022100212A1 (zh) | 基于三维高精地图切片的地图生成方法、装置及电子设备 | |
CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN111272181B (zh) | 构建地图的方法、装置、设备和计算机可读介质 | |
CN111815738A (zh) | 一种构建地图的方法和装置 | |
CN109801354B (zh) | 全景处理方法和装置 | |
US11270449B2 (en) | Method and system for location detection of photographs using topographic techniques | |
CN113838116B (zh) | 确定目标视图的方法、装置、电子设备及存储介质 | |
CN113421217A (zh) | 可行驶区域检测方法和装置 | |
CN110378904B (zh) | 对点云数据进行分割的方法和装置 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN114049403A (zh) | 一种多角度三维人脸重建方法、装置及存储介质 | |
CN113269827B (zh) | 一种实现自动化标定的方法和计算装置 | |
CN114581523A (zh) | 一种用于单目3d目标检测的标注数据确定方法和装置 | |
CN114332224A (zh) | 3d目标检测样本的生成方法、装置、设备及存储介质 | |
CN110375752B (zh) | 一种生成导航点的方法和装置 | |
CN110389349B (zh) | 定位方法和装置 | |
CN112037280A (zh) | 物体距离测量方法及装置 |
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 |