CN111275811A - 一种修复模型创建方法、系统及存储介质 - Google Patents
一种修复模型创建方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111275811A CN111275811A CN202010059075.2A CN202010059075A CN111275811A CN 111275811 A CN111275811 A CN 111275811A CN 202010059075 A CN202010059075 A CN 202010059075A CN 111275811 A CN111275811 A CN 111275811A
- Authority
- CN
- China
- Prior art keywords
- model
- point cloud
- registration
- dense
- repair
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000008439 repair process Effects 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000007717 exclusion Effects 0.000 claims description 16
- 230000007547 defect Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000000746 body region Anatomy 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Generation (AREA)
Abstract
本发明涉及模型创建领域,具体涉及一种修复模型创建方法、系统及存储介质,通过获取存在对称关系且任意一个部位存在缺陷的第一部位和第二部位的数据进行建模,然后通过将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型,整个建模方法操作便捷,通过初配准、选区排除、二次配准来调整第三模型生成修复模型可以提高修复模型的精度。
Description
技术领域
本发明涉及模型创建领域,尤其涉及一种修复模型创建方法、系统及存储介质。
背景技术
目前,三维重建在各个领域使用都非常广泛,是个热点技术。大部分都集中在工业领域。针对人体的三维重建,相关研究和报道还较少,特别是人体三维数据的应用。人体区别于普通的物体,对技术需要同时满足高精度、快速性且对人体无伤害和干扰的要求,而现有的技术对三维数据的应用研究都大部分都是基于专业的第三方三维软件,如geomagic,3dmax等,专业性强,操作不便利且所建立出来的模型精度较低。
发明内容
鉴于上述现有技术的不足,本发明旨在于提供一种修复模型创建方法、系统及存储介质,旨在解决现有技术中修复模型创建操作复杂,创建出来的模型精度较低的问题。
第一方面,本发明解决其技术问题所采用的技术方案是:提供一种修复模型创建方法:
获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
进一步地,所述获取对称且其中任意一个存在缺陷的第一部位和第二部位的稠密点云具体包括:按时序投射系列编码图案到第一部位和第二部位;获取第一部位的第一编码照片、第二部位的第二编码照片,解码所述第一编码照片和第二编码照片以获得第一点云和第二点云;通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云。
进一步地,通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云具体包括:获取第一部位和第二部位的第一关键点和第二关键点;对所述第一关键点和第二关键点的三维坐标做刚体变换获得第一矩阵和第二矩阵;通过第一矩阵和第二矩阵分别对第一点云和第二点云粗配准,然后利用TrimmedICP对粗配准后的第一点云和第二点云分别进行精配准以获得第一稠密点云和第二稠密点云。
进一步地,将第一模型镜像到第二模型以获得第三模型具体包括:通过获取第一关键点和第二关键点的中点,基于所述中点建立对称面;利用所述对称面将第一模型镜像到第二部位模型上;调整所述对称面重建镜像模型以获得第三模型。
进一步地,通过初配准、选区排除、二次配准来调整第三模型生成修复模型具体包括:通过第一矩阵和第二矩阵分别对第一模型和镜像模型粗配准,然后利用TrimmedICP对粗配准后的第一模型和镜像模型进行精配准;创建正方向,基于正向的平面,扫描遍历求取第一模型和镜像模型在正方向上投影的距离差值,当所述投影距离差值大于预设阈值,标记并排除对应的区域;基于ICP方法,迭代镜像模型的RT矩阵,当迭代收敛后,获得的镜像模型。
进一步地,通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云之前还包括步骤:利用高斯滤波对所述第一点云和第二点云去噪。
进一步地,利用高斯滤波对所述第一点云和第二点云去噪后还包括步骤:利用利群点去除算法再次去噪。
第二方面,本发明还提供了一种修复模型创建系统:
数据获取模块,用于获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
模型创建模块,用于采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
模型镜像配准模块,用于将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
进一步地,所述数据获取模块包括:
编码投射单元,用于按时序投射系列编码图案到第一部位和第二部位;
数据获取单元,用于获取第一部位的第一编码照片、第二部位的第二编码照片,解码所述第一编码照片和第二编码照片以获得第一点云和第二点云;
数据处理单元,用于通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云。
第三方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
有益效果:本发明提供了一种修复模型创建方法、系统及存储介质,通过获取存在对称关系且任意一个部位存在缺陷的第一部位和第二部位的数据进行建模,然后通过将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型,整个建模方法操作便捷,通过初配准、选区排除、二次配准来调整第三模型生成修复模型可以提高修复模型的精度。
说明附图
图1为本发明较佳实施例修复模型创建方法的第一流程图;
图2为本发明较佳实施例修复模型创建方法的第二流程图;
图3为本发明较佳实施例实现修复模型创建方法的设备结构示意图;
图4为本发明较佳实施例基于三角形网格方法对破损三角形的第1种修复示意图;
图5为本发明较佳实施例基于三角形网格方法对破损三角形的第3种修复示意图;
图6为本发明较佳实施例基于三角形网格方法对破损三角形的第4种修复示意图;
图7为本发明较佳实施例采用不同方法对镜像模型进行配准后获得的修复模型示意图;
图8为本发明较佳实施例对镜像模型初步配准后获得的修复模型示意图;
图9为本发明较佳实施例对镜像模型完成配准后获得的修复模型示意图;
图10为本发明较佳实施例计算选中区域体积的模型示意图;
图11为本发明较佳实施例修复模型创建系统的第一结构示意图;
图12为本发明较佳实施例修复模型创建系统的第二结构示意图;
具体实施方式
本发明提供一种修复模型创建方法、系统及存储介质,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。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。
在一个实施例中,请参阅图1,是本发明较佳实施例提供的修复模型创建方法的流程图。图1所示的一种修复模型创建方法,包括:
步骤S100、获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷
步骤S200、采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
步骤S300、将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
本发明通过分别获取存在对称关系且任意一个部位存在缺陷的第一部位和第二部位建模所需的第一、第二稠密点云进行建模,然后将其中任意一部位模型镜像到另一部位获得第三模型,但是由于镜像过程中模型会发生变化,所以还需要对获取到的第三模型进行初配准、选区排除、二次配准等操作来调整,让第三模型生成模型更贴近实际的修复模型。整个方法操作便捷,数据采集速度快、模型精度高。并且采用泊松重建将所述第一稠密点云和第二稠密点云生成曲面以获得第一模型和第二模型。泊松表面重建的方法融合了全局和局部方法的优点,采取隐性拟合的方式,通过求解泊松方程来取得点云模型所描述的表面信息代表的隐性方程,通过对该方程进行等值面提取,从而得到具有几何实体信息的表面模型。并且,重建出的模型具有水密性的封闭特征,具有良好的几何表面特性和细节特性。
需要说明的是,第一部位和第二部位包括但不限于胸部、臀部、面部等,这些生理部位从美学角度上应该是存在对称关系的,但是由于某些原因,导致本该对称的两个部位中的其中一个并不完美,因此就需要针对性的进行模型的创建,以便于后期根据模型进行调整或者制作相应的完美程度评价制度。在本实施例中,主要利用胸部进行举例说明。
在一个实施例中,请参阅图2,在所述步骤S100中,获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷具体包括:
步骤S110、按时序投射系列编码图案到第一部位和第二部位;
步骤S120、获取第一部位的第一编码照片、第二部位的第二编码照片,解码所述第一编码照片和第二编码照片以获得第一点云和第二点云;
步骤S130、通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云。
其中,由于单套结构光设备只能采集得到单个视角的点云,因此基于对称部位我们采用了图3所示的结构对数据进行采集,通过两套结构光系统分别对第一部位和第二部位进行投影拍摄和数据采集。
具体的,实现步骤S110和步骤S120的是单套结构光设备,所述单套结构光设备为固定在铝板上的一个高精度、高帧率的工业相机和投影仪光机,投影仪光机按时序投射一系列编码的图案到预采集部位上上,工业相机同步投影仪光机的时序对编码的投影图案进行拍摄采集。优选的,本实施例采用的投影仪光机是TI公司LightCrafterTM 4500该设备实现的高频投射二进制编码最高可达到4225HZ,因此可以利用该设备结合工业相机实现非接触的快速编码的数据采集。通过对工业相机得到的第一编码照片、第二编码照片进行解码以获得精准第一点云和第二点云,在本发明中,如何对编码照片进行解码不是本发明的重点,详细的可以参阅发明专利CN201310201336.X中所述的方法。
在一个实施例中,步骤S130具体包括:
获取对称且其中任意一个存在缺陷的第一部位和第二部位的第一关键点和第二关键点;对所述第一关键点和第二关键点的三维坐标做刚体变换获得第一矩阵和第二矩阵;通过第一矩阵和第二矩阵分别对第一点云和第二点云粗配准,然后利用TrimmedICP对粗配准后的第一点云和第二点云分别进行精配准以获得第一稠密点云和第二稠密点云。
为了便于理解,将第一点云设为{pi},第二点云设为{qi},并将获取到的第一部位的第一关键点设为第二部位的第二关键点设为分别对两个关键点的三维坐标基于SVD方法求解出一个初始的刚体变换矩阵,所述矩阵为Minit=[RinitTinit],其中其中Rinit为初始旋转矩阵,Tinit为初始平移矩阵。利用刚体变换得到的矩阵Minit对点云{pi}和{qi}进行一个粗配准以后得到和在对已经粗配准以后的点云利用TrimmedICP进行一个精配准得到第一稠密点云和第二稠密点云
在一个实施例中,因为光照的原因和解码算法的误判操作,生成的三维点云中会有一定量的噪声点的存在,需要将噪声点去除,以便于生成更精确的模型。在本实施例中,采用高斯滤波的对第一点云和第二点云去噪;优选的,再利用离群点去除算法来去除三维点云的离群点。
在一个实施例中,在所述步骤S200中,将第一模型镜像到第二模型以获得第三模型具体包括:通过获取第一关键点和第二关键点的中点,基于所述中点建立对称面;利用所述对称面将第一模型镜像到第二部位模型上;调整所述对称面重建镜像模型以获得第三模型。
具体地,在建立对称面的时候,是基于三维坐标系来建立的,以平稳站立的人体正面为z轴,向上为y轴,人从右到左为x轴,对称面以为法向量,并且通过第一关键点和第二关键点连线的中点,中点坐标设为P(x0,y0,z0),按点法式构成A(x-x0)+B(y-y0)+C(z-z0)=0平面,此为对称面初始化位置。由于个体差异性,因此还需要针对显示情况调整对称面,即调整法向量和中点P的值,使得所述对称面处理最合理的位置。
由于本实施例中采用基于三角形的网格方法,即三维数字模型面片由三角网格构成。对于左右对称面附近的三角形,若是有顶点在对称面的另一侧,则计算该三角形的边与对称面的交点作为新的顶点。对称面两侧的点E(x1,y1,z1),F(x2,y2,z2)以及它们与对称面的交点P(x,y,z)。有
P=E-t·(x1-x2,y1-y2,z1-z2)
镜像复制之后,原有的三角形可能被破坏了,需要重新计算新的三角形。根据镜像之前三角形与对称面的位置关系,会有4中状况出现,分别采用4种三角形的计算方法针对性的进行计算。
1、三角形完全在对称面的一侧,并且在要进行镜像复制的源的一侧
按照上面计算镜像顶点的方式,直接复制。如图4所示,三角形1直接复制为三角形2。
2、三角形完全在对称面的一侧,并且在要进行镜像复制的目标的一侧:直接覆盖。
3、三角形跨越对称面,且有两个顶点在要进行镜像复制的源的一侧
计算出交点之后,按照图5所示,增加新的边,构造新的三角形。其中,黄色线条代表新增加的边,三角形1有一个顶点由于在对称面的另一侧,被舍弃了。
4、三角形跨越对称面,且只有一个顶点在要进行镜像复制的源的一侧
计算出交点之后,按照图6所示,增加新的边,构造新的三角形。三角形1和所对应的三角形2的另外两个顶点在对称面的另一侧,因此被舍弃,由计算得到的交点重新生成新的边。
针对镜像后三角形不同的损坏情况,重新进行三角形的构建,当通过上述四种方法对镜像后的模型进行重建后,即可获得完整的模型,即第三模型。
在一个实施例中,由于步骤S130中所使用的配准方法是针对采集到的两片点云,同一时刻下的模型可以被当成刚体来看待,两片点云的重叠区域可以当成完全贴合,所以采用步骤S130的算法可以得到精确配准两片点云。但是,如图7所示,因为ICP算法采用的是最小化两个模型重叠区域的距离平方和,所以直接利用ICP算法对前后两个模型进行配准就可能对会左边的真实的效果配准成右边的效果。因此步骤S130中配准方法在对镜像模型配准时不适用。当然还可以采用手工拾取关键点,但是由于手工的误差会导致配准后的模型存在很大的误差,因此在本实施例中,采用的是下属方法。
在所述步骤S300中,并且采用泊松重建将所述第一稠密点云和第二稠密点云生成曲面以获得第一模型和第二模型。泊松表面重建的方法融合了全局和局部方法的优点,采取隐性拟合的方式,通过求解泊松方程来取得点云模型所描述的表面信息代表的隐性方程,通过对该方程进行等值面提取,从而得到具有几何实体信息的表面模型。并且,重建出的模型具有水密性的封闭特征,具有良好的几何表面特性和细节特性。
在所述步骤S300中,通过初配准、选区排除、二次配准来调整第三模型生成修复模型具体包括:
首先进行初步配准,具体为通过第一矩阵和第二矩阵分别对第一模型和镜像模型粗配准,然后利用TrimmedICP对粗配准后的第一模型和镜像模型进行精配准;具体示意图请参阅图8.
然后进行选区的排除,在初步配准的作用下,第一模型和镜像模型有一个粗略的配准,设定面向人体为正方向,则将第一模型和镜像模型按正方向完成堆叠。基于正向平面,逐行逐列扫描以遍历的方式,求取两个模型在正向上的投影距离差值,如果某区域差距大于预设经验值,则将此区域进行标记,最终标记的区域即为需要排除的选区。也就是说在配准的过程中,排除的选区的数据后在进行配准操作,ICP在迭代计算RT矩阵过程中,能够将明显误差较大的区域排除,有利于最终收敛到最优值,极大提高两个模型的配准精度。
最后基于ICP方法,迭代镜像模型的RT矩阵,当迭代收敛后,即可获得配准后的RT矩阵,即获得配准后的镜像模型,镜像模型和第二模型组合生成修复模型。上述配准方法中涉及到的具体的配准公式如下:
其中分别表示前模型与后模型的三角网格,代表选区排除中所标记的排除区域。请参阅图9,为优化后的配准算法实现的非刚体区域排除的配准效果,可以看到除了非刚体区域即红线和绿线未贴合区域,其他刚体区域都很好地贴合。
在一个实施例中,在完成了及建模之后,还可以通过在修复模型上的拾取范围计算出体积差,将体积差划分不同的等级,能够让用户更加直观的了解到自己身体各部位的状况,以便于后期的自我调整或者选择修复方案。
由于一开始建立出来的第一部位模型和第二部位模型可能会包含多组,例如包含了胸部、臀部、腹部或者其他部位。因此,当修复模型建立好之后,可以通过用户的需求,拾取感兴趣的区域,即想要求取体积的区域。根据选中区域依照邻接关系查看镜像模型的每个三角形是否与第二模型的三角形有相交。如图10所示,区域1是第一模型的局部,区域1是第二模型的局部,显示的三角形网格是第一模型的三角形网格,三角形网格可能会存在两种相交状态,如图10所示的三角形1和三角形2,针对三角形1,只需要添加一条边就可以构成一个新的三角形,而对三角形2采用的是如图9所示的添加两条边将三角形转化为两个三角形。
这样就得到两个模型配准对比前后变化的一个封闭的模型。根据体积计算公式:
其中{(xi1,yi1,zi1),(xi2,yi2,zi2),(xi3,yi3,zi3)}代表的是Trii三角形中的三个顶点的坐标,公式中K代表的是封闭多面体的三角形个数。
本发明,通过获取存在对称关系且任意一个部位存在缺陷的第一部位和第二部位的数据进行建模,然后通过将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型,整个建模方法操作便捷,数据采集速度快,通过初配准、选区排除、二次配准来调整第三模型生成修复模型可以提高修复模型的精度。还具有以下优势:
1、.基于结构光三维重建设备进行数据采集的扫描速度更快、精度更高,有更优的用户体验;
2、数据模型精度更高,可以进行精确数据分析和模拟设计;
3、本发明专利提出了一种基于排除选区的算法,可以实现精准的配准。
另一方面,在一个实施例中,本发明还提供了一种修复模型创建系统,请参阅图11,包括:
数据获取模块100,用于获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
模型创建模块200,用于采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
模型镜像配准模块300,用于将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型;
在一个实施例中,请参阅图12,所述数据获取模块包括:
编码投射单元110,用于按时序投射系列编码图案到第一部位和第二部位;
数据获取单元120,用于获取第一部位的第一编码照片、第二部位的第二编码照片,解码所述第一编码照片和第二编码照片以获得第一点云和第二点云;
数据处理单元130,用于通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
本领域普通技术人员可以理解实现上述实施例方法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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种修复模型创建方法,其特征在于,包括步骤:
获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
2.根据权利要求1所述的修复模型创建方法,其特征在于,所述获取对称且其中任意一个存在缺陷的第一部位和第二部位的稠密点云具体包括:
按时序投射系列编码图案到第一部位和第二部位;
获取第一部位的第一编码照片、第二部位的第二编码照片,解码所述第一编码照片和第二编码照片以获得第一点云和第二点云;
通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云。
3.根据权利要求2所述的修复模型创建方法,其特征在于,通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云具体包括:
获取第一部位和第二部位的第一关键点和第二关键点;
对所述第一关键点和第二关键点的三维坐标做刚体变换获得第一矩阵和第二矩阵;
通过第一矩阵和第二矩阵分别对第一点云和第二点云粗配准,然后利用TrimmedICP对粗配准后的第一点云和第二点云分别进行精配准以获得第一稠密点云和第二稠密点云。
4.根据权利要求3所述的修复模型创建方法,其特征在于,将第一模型镜像到第二模型以获得第三模型具体包括:
通过获取第一关键点和第二关键点的中点,基于所述中点建立对称面;
利用所述对称面将第一模型镜像到第二部位模型上;
调整所述对称面重建镜像模型以获得第三模型。
5.根据权利要求4所述的修复模型创建方法,其特征在于,通过初配准、选区排除、二次配准来调整第三模型生成修复模型具体包括:
通过第一矩阵和第二矩阵分别对第一模型和镜像模型粗配准,然后利用TrimmedICP对粗配准后的第一模型和镜像模型进行精配准;
创建正方向,基于正向的平面,扫描遍历求取第一模型和镜像模型在正方向上投影的距离差值,当所述投影距离差值大于预设阈值,标记并排除对应的区域;
基于ICP方法,迭代镜像模型的RT矩阵,当迭代收敛后,获得的镜像模型。
6.根据权利要求2所述的修复模型创建方法,其特征在于,通过对第一点云和第二点云进行粗配准和精配准以获得第一稠密点云和第二稠密点云之前还包括步骤:利用高斯滤波对所述第一点云和第二点云去噪。
7.根据权利要求2所述的修复模型创建方法,其特征在于,利用高斯滤波对所述第一点云和第二点云去噪后还包括步骤:利用利群点去除算法再次去噪。
8.一种修复模型创建系统,其特征在于,包括:
数据获取模块,用于获取第一部位和第二部位的第一稠密点云和第二稠密点云,所述第一部位和第二部位之间对称且任意一个部位存在缺陷;
模型创建模块,用于采用泊松重建将所述第一稠密点云和第二稠密点云生成第一模型和第二模型;
模型镜像配准模块,用于将第一模型镜像到第二模型以获得第三模型,并通过初配准、选区排除、二次配准来调整第三模型生成修复模型。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010059075.2A CN111275811A (zh) | 2020-01-18 | 2020-01-18 | 一种修复模型创建方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010059075.2A CN111275811A (zh) | 2020-01-18 | 2020-01-18 | 一种修复模型创建方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111275811A true CN111275811A (zh) | 2020-06-12 |
Family
ID=71002004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010059075.2A Withdrawn CN111275811A (zh) | 2020-01-18 | 2020-01-18 | 一种修复模型创建方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275811A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066109A (zh) * | 2021-05-06 | 2021-07-02 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113077498A (zh) * | 2021-05-06 | 2021-07-06 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113077499A (zh) * | 2021-05-06 | 2021-07-06 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
-
2020
- 2020-01-18 CN CN202010059075.2A patent/CN111275811A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066109A (zh) * | 2021-05-06 | 2021-07-02 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113077498A (zh) * | 2021-05-06 | 2021-07-06 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113077499A (zh) * | 2021-05-06 | 2021-07-06 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113077499B (zh) * | 2021-05-06 | 2024-01-23 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113066109B (zh) * | 2021-05-06 | 2024-01-23 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
CN113077498B (zh) * | 2021-05-06 | 2024-01-23 | 北京爱康宜诚医疗器材有限公司 | 骨盆配准方法、骨盆配准装置和骨盆配准系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111063021B (zh) | 一种空间运动目标的三维重建模型建立方法及装置 | |
CN110363858B (zh) | 一种三维人脸重建方法及系统 | |
US7953271B2 (en) | Enhanced object reconstruction | |
CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
CN111275811A (zh) | 一种修复模型创建方法、系统及存储介质 | |
Xie et al. | A high-accuracy method for fine registration of overlapping point clouds | |
CN110288638B (zh) | 一种断骨模型粗配准方法、系统及断骨模型配准方法 | |
WO2016029768A1 (zh) | 一种3d人脸重建的方法及其装置 | |
CN108053437B (zh) | 基于体态的三维模型获取方法及装置 | |
US20200334842A1 (en) | Methods, devices and computer program products for global bundle adjustment of 3d images | |
CN113781667B (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
CN106570507A (zh) | 单目视频场景三维结构的多视角一致的平面检测解析方法 | |
CN112562082A (zh) | 一种三维人脸重建方法及系统 | |
ES2797304T3 (es) | Proceso y sistema para calcular el coste de materiales utilizables y consumibles para pintar vehículos de motor a partir del análisis de deformaciones en vehículos de motor | |
Saini et al. | NURBS-based geometric inverse reconstruction of free-form shapes | |
WO2021120175A1 (zh) | 三维重建方法、装置、系统和存储介质 | |
Lacher et al. | Nonrigid reconstruction of 3D breast surfaces with a low-cost RGBD camera for surgical planning and aesthetic evaluation | |
CN114842154A (zh) | 一种基于二维x射线图像重建三维影像的方法和系统 | |
Zhang | CuFusion2: accurate and denoised volumetric 3D object reconstruction using depth cameras | |
CN112687005A (zh) | 一种基于三维重建的煤堆体积测量方法 | |
CN116883590A (zh) | 一种三维人脸点云优化方法、介质及系统 | |
Cai et al. | Two-view curve reconstruction based on the snake model | |
CN113034673B (zh) | 一种3d点云建模系统及计算机可读存储介质 | |
Liang et al. | Better together: shading cues and multi-view stereo for reconstruction depth optimization | |
Zhou et al. | A novel method for reconstructing general 3D curves from stereo images |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200612 |