CN111508012A - 线条纹误配检测和三维重建的方法、装置 - Google Patents

线条纹误配检测和三维重建的方法、装置 Download PDF

Info

Publication number
CN111508012A
CN111508012A CN201910101224.4A CN201910101224A CN111508012A CN 111508012 A CN111508012 A CN 111508012A CN 201910101224 A CN201910101224 A CN 201910101224A CN 111508012 A CN111508012 A CN 111508012A
Authority
CN
China
Prior art keywords
line
stripe
line stripe
stripes
camera
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.)
Granted
Application number
CN201910101224.4A
Other languages
English (en)
Other versions
CN111508012B (zh
Inventor
张健
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.)
Shining 3D Technology Co Ltd
Original Assignee
Shining 3D Technology Co Ltd
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
Priority to CN202410558919.6A priority Critical patent/CN118379336A/zh
Application filed by Shining 3D Technology Co Ltd filed Critical Shining 3D Technology Co Ltd
Priority to CN201910101224.4A priority patent/CN111508012B/zh
Priority to PCT/CN2020/074224 priority patent/WO2020156578A1/zh
Priority to US17/426,124 priority patent/US11989917B2/en
Priority to KR1020217027930A priority patent/KR102665493B1/ko
Priority to EP20748768.7A priority patent/EP3920143A4/en
Priority to JP2021544323A priority patent/JP7369780B2/ja
Priority to AU2020214520A priority patent/AU2020214520B2/en
Priority to CA3128427A priority patent/CA3128427A1/en
Publication of CN111508012A publication Critical patent/CN111508012A/zh
Application granted granted Critical
Publication of CN111508012B publication Critical patent/CN111508012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • G01B11/2545—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 one projection direction and several detection directions, e.g. stereo
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20228—Disparity calculation for image-based rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Graphics (AREA)
  • Optics & Photonics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种线条纹误配检测和三维重建的方法、装置。其中，该方法包括：获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，第一图像至少包括：第一线条纹和第二线条纹；第二图像至少包括：第三线条纹和第四线条纹，第一线条纹与第二线条纹相邻，第三线条纹与第四线条纹相邻；将第一线条纹与第三线条纹匹配，确定第一线条纹与第三线条纹之间的第一测试距离，将第二线条纹与第四线条纹匹配，确定第二线条纹与第四线条纹之间的第二测试距离；根据第一测试距离和第二测试距离，确定线条纹是否发生误匹配。本发明解决了无法检测线条纹是否出现误匹配的技术问题。

Description

线条纹误配检测和三维重建的方法、装置
技术领域
本发明涉及三维扫描领域，具体而言，涉及一种线条纹误配检测和三维重建的方法、装置。
背景技术
在结构光双目重建系统中，投影机(或者激光发生器)将设计的图案投射到物体表面，然后双目重建系统中的双目相机同时采集物体的图片，然后在双目相机采集的两幅图片中，确定物体上的某一点的对应点，并根据两幅图片中对应点的视差计算该点的深度值，进而构建物体的三维模型。
需要说明的是，视差为双目相机拍摄的图片中，对应点在水平位置上的差值，其中，视差与深度值成负相关。
在结构光双目重建系统中，投影机投射多条等间距的竖直线条纹，其中，相邻多条线条纹组成一个周期，可以将投射的所有线条纹分为多个周期，设定li,j为第i个周期中第j条线条纹。
由于应用场景的限制，在三维重建过程中，仅仅能够获得每根线条纹在周期内编号，而无法获得每根线条纹的周期编号。这样，相邻周期很容易出现线条纹的误匹配，导致出现错误的三维重建结果，比如线条纹li,j与线条纹li+1,j产生误匹配。
针对上述无法检测线条纹是否出现误匹配的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种线条纹误配检测和三维重建的方法、装置，以至少解决无法检测线条纹是否出现误匹配的技术问题。
根据本发明实施例的一个方面，提供了一种线条纹的误配检测方法，包括：获取第一相机采集的所述线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述第一图像至少包括：第一线条纹和第二线条纹；所述第二图像至少包括：第三线条纹和第四线条纹，所述第一线条纹与所述第二线条纹相邻，所述第三线条纹与所述第四线条纹相邻；将所述第一线条纹与所述第三线条纹匹配，确定所述第一线条纹与所述第三线条纹之间的第一测试距离，将所述第二线条纹与所述第四线条纹匹配，确定所述第二线条纹与所述第四线条纹之间的第二测试距离；根据所述第一测试距离和所述第二测试距离，确定所述线条纹是否发生误匹配。
进一步地，在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，所述方法还包括：将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻；通过所述第一相机和所述第二相机，采集所述待扫描物体表面的所述线条纹。
进一步地，在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，所述方法还包括：将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：多个线条纹，多个所述线条纹中相邻线条纹之间距离不同；通过所述第一相机和所述第二相机，采集所述待扫描物体表面的所述线条纹。
根据本发明实施例的另一个方面，还提供了一种线条纹的误配检测方法，包括：将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻，周期距离包括：所述第一预定距离和所述第二预定距离；通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；依据依据所述周期距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
根据本发明实施例的另一个方面，还提供了一种线条纹的误配检测方法，包括：将所述线条纹投射在待扫描物体表面，其中，多个所述线条纹中相邻线条纹之间的相邻距离不同；通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；依据所述相邻距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
根据本发明实施例的另一个方面，还提供了一种三维重建方法，包括：获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻；根据所述第一图像和所述第二图像中的线条纹进行三维重建。
根据本发明实施例的另一个方面，还提供了一种三维重建方法，其特征在于，包括：获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，多个线条纹中相邻线条纹之间的相邻距离不同；根据所述第一图像和所述第二图像中的线条纹进行三维重建。
根据本发明实施例的另一个方面，还提供了一种线条纹的误配检测装置，包括：第一获取单元，获取第一相机采集的所述线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述第一图像至少包括：第一线条纹和第二线条纹；所述第二图像至少包括：第三线条纹和第四线条纹，所述第一线条纹与所述第二线条纹相邻，所述第三线条纹与所述第四线条纹相邻；第一确定单元，用于将所述第一线条纹与所述第三线条纹匹配，确定所述第一线条纹与所述第三线条纹之间的第一测试距离，将所述第二线条纹与所述第四线条纹匹配，确定所述第二线条纹与所述第四线条纹之间的第二测试距离；第二确定单元，用于根据所述第一测试距离和所述第二测试距离，确定所述线条纹是否发生误匹配。
根据本发明实施例的另一个方面，还提供了一种线条纹的误配检测装置，包括：第一投射单元，用于将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻，周期距离包括：所述第一预定距离和所述第二预定距离；第二采集单元，用于通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；第三检测单元，用于依据所述周期距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
根据本发明实施例的另一个方面，还提供了一种线条纹的误配检测装置，包括：第二投射单元，用于将所述线条纹投射在待扫描物体表面，其中，多个所述线条纹中相邻线条纹之间的相邻距离不同；第二采集单元，用于通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；第二检测单元，用于依据所述相邻距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
根据本发明实施例的另一个方面，还提供了一种三维重建装置，包括：第二获取单元，用于获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻；第一重建单元，用于根据所述第一图像和所述第二图像中的线条纹进行三维重建。
根据本发明实施例的另一个方面，还提供了一种三维重建装置，包括：第三获取单元，用于获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，多个线条纹中相邻线条纹之间的相邻距离不同；第二重建单元，用于根据所述第一图像和所述第二图像中的线条纹进行三维重建。
根据本发明实施例的另一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的线条纹的误配检测方法，或执行上述所述的三维重建方法。
根据本发明实施例的另一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述的线条纹的误配检测方法，或执行上述所述的三维重建方法。
本发明上述实施例，在进行三维建模的过程中，通过第一相机获取相邻的第一线条纹和第二线条纹，通过第二相机获取相邻的第三线条纹和第四线条纹，将第一线条纹与第三线条纹匹配，将第二线条纹与第四线条纹匹配，然后计算第一线条纹与第三线条纹之间的第一测试距离，和第二线条纹与第四线条纹之间的第二测试距离，并根据第一测试距离和第二测试距离，确定第一线条纹与第三线条纹，第二线条纹与第四线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种线条纹误配检测方法的流程图；
图2是根据本发明实施例的线条纹的示意图一；
图3是根据本发明实施例的线条纹的示意图二；
图4是根据本发明实施例的一种线条纹误配检测方法的流程图；
图5是根据本发明实施例的一种线条纹误配检测方法的流程图；
图6是根据本发明实施例的一种三维重建方法的流程图；
图7是根据本发明实施例的一种三维重建方法的流程图；
图8是根据本发明实施例的一种线条纹误配检测装置的示意图；
图9是根据本发明实施例的一种线条纹误配检测装置的示意图；
图10是根据本发明实施例的一种线条纹误配检测装置的示意图；
图11是根据本发明实施例的一种三维重建装置的示意图；
图12是根据本发明实施例的一种三维重建装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种线条纹误配检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种线条纹误配检测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，第一图像至少包括：第一线条纹和第二线条纹；第二图像至少包括：第三线条纹和第四线条纹，第一线条纹与第二线条纹相邻，第三线条纹与第四线条纹相邻；
步骤S104，将第一线条纹与第三线条纹匹配，确定第一线条纹与第三线条纹之间的第一测试距离，将第二线条纹与第四线条纹匹配，确定第二线条纹与第四线条纹之间的第二测试距离；
步骤S106，根据第一测试距离和第二测试距离，确定线条纹是否发生误匹配。
通过上述步骤，在进行三维建模的过程中，通过第一相机获取相邻的第一线条纹和第二线条纹，通过第二相机获取相邻的第三线条纹和第四线条纹，将第一线条纹与第三线条纹匹配，将第二线条纹与第四线条纹匹配，然后计算第一线条纹与第三线条纹之间的第一测试距离，和第二线条纹与第四线条纹之间的第二测试距离，并根据第一测试距离和第二测试距离，确定第一线条纹与第三线条纹，第二线条纹与第四线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
需要说明的是，在三维建模的过程中，向待扫描物体投射线条纹，在双目立体视觉系统中，通过第一相机与第二相机同步采集经待扫描物体调制的线条纹的图像，通过第一相机采集第一图像，通过第二相机采集第二图像，其中，第一图像包括：第一线条纹和第二线条纹，所述第二图像包括：第三线条纹和第四线条纹。
需要说明的是，在匹配第一图像和第二图像中的线条纹的过程中，可以在匹配的过程中进行误匹配检测，若发生误匹配，则重新匹配；还可以在匹配结束后进行误匹配检测，若发生误匹配，则删除误匹配的相关数据，例如发生误匹配的线条纹的数据。
需要说明的是，假设被扫描的物体是一个连续的曲面，则相邻线条纹周期内的线条纹在物体表面的深度值变化不大，并且视差与深度值负相关，因此，在判断线条纹是否出现误匹配的过程中，可以计算第一图像中的各线条纹与第二图像中的各线条纹之间的距离，进而确定第一图像中的各线条纹与第二图像中的各线条纹之间的视差，以及各线条纹的视差对应的深度值，然后再判断相邻线条纹的深度值是否出现巨大变化，来判断线条纹是否出现误匹配。
需要说明的是，线条纹之间的距离与视差相关，视差与深度值相关，因此，可以判断相邻线条纹的视差是否出现巨大变化，或判断相邻线条纹的距离是否出现巨大变化，来判断线条纹是否出现误匹配。
可选地，根据第一测试距离和第二测试距离，确定线条纹是否发生误匹配包括：确定第一测试距离和第二测试距离之间的距离差值；判断距离差值是否大于预定距离阈值；在距离差值大于预定距离阈值的情况下，确定线条纹发生误匹配；在距离差值不大于预定距离阈值的情况下，确定线条纹未发生误匹配。
可选地，根据第一测试距离和第二测试距离，确定线条纹是否发生误匹配包括：根据第一测试距离，确定第一线条纹与第三线条纹之间的第一视差；根据第二测试距离，确定第二线条纹与第四线条纹之间的第二视差；根据第一视差和第二视差，确定线条纹是否发生误匹配。
可选地，根据第一视差和第二视差，确定线条纹是否发生误匹配包括：确定第一视差与第二视差之间的视差差值；判断视差差值是否大于预定视差阈值；在视差差值大于预定视差阈值的情况下，确定线条纹发生误匹配；在视差差值不大于预定视差阈值的情况下，确定线条纹未发生误匹配。
可选地，根据第一视差和第二视差，确定线条纹是否发生误匹配包括：确定第一视差对应的第一深度值，和第二视差对应的第二深度值；根据第一深度值和第二深度值，确定线条纹是否发生误匹配。
可选地，根据第一深度值和第二深度值，确定线条纹是否发生误匹配包括：确定第一深度值与第二深度值之间的深度差值；判断深度差值是否大于预定深度阈值；在深度差值大于预定深度阈值的情况下，确定线条纹发生误匹配；在深度差值不大于预定深度阈值的情况下，确定线条纹未发生误匹配。
可选地，在三维建模过程中，根据第一图像中的线条纹与第二图像中的线条纹进行匹配，确定各线条纹对应的深度值，进而可以根据各线条纹对应的深度值，构建三维扫描模型。
需要说明的是，在匹配第一图像中的线条纹与第二图像中的线条纹的过程中，可以确定各线条纹在对应线条纹周期的位置，但是并不能确定各条纹周期的序号，因此，可能出现第一线条纹周期中的线条纹与第二线条纹周期中的线条纹匹配，从而出现线条纹的误匹配。
需要说明的是，线条纹之间的距离可以决定线条纹的视差和深度值，将线条纹设置为变间距的线条纹。
作为一种可选的实施例，在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，方法还包括：将线条纹投射在待扫描物体表面，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻，周期距离包括：所述第一预定距离和所述第二预定距离；通过第一相机和第二相机，采集待扫描物体表面的线条纹。
可选地，线条纹中包括：第一线条纹周期和第二线条纹周期，其中，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，且第一预定距离与第二预定距离不同。
本发明上述实施例，按照上述方式设置线条纹，再投射在待扫描物体表面，并通过第一相机和第二相机采集线条纹的第一图像和第二图像，再对第一图像中的线条纹与第二图像中的线条纹进行匹配，进而根据匹配结果判断线条纹是否出现误匹配。
可选地，若将第一线条纹周期与第二线条纹周期匹配，则第一线条纹为第一线条纹周期中第一位置的线条纹，第二线条纹为第一线条纹周期中第二位置的线条纹，第三线条纹为第二线条纹周期中第一位置的线条纹，第四线条纹为第二线条纹周期中第四位置的线条纹，因此，第一线条纹与第三线条纹之间的距离为第一预定距离，第二线条纹与第四线条纹之间的距离为第二预定距离，由于第一预定距离与第二预定距离不同，则可以发现线条纹出现了误匹配。
可选地，根据第一预定距离可以确定第一视差和第一深度值，根据第二预定距离可以确定第二视差和第二深度值，由于第一预定距离与第二预定距离不同，则第一视差与第二视差不同，进而第一深度值与第二深度值也不同。
需要说明的是，误匹配通常为，相邻的线条纹周期中的线条纹发生误匹配。
作为一种可选的实施例，第一线条纹周期和第二线条纹周期相邻。
本发明上述实施例，线条纹的误匹配通常发生在相邻的线条纹周期之间，因此，可以使第一线条纹周期和第二线条纹周期为相邻的线条纹周期。
作为一种可选的实施例，在同一个线条纹周期中，相邻的线条纹之间的距离按照等和数列分布。
本发明上述实施例，等和数列是指数列中，从第二项起，每一项与它的前一项和都为一个常数。
可选地，投影机投射多条变间距的竖直线条纹，其中，相邻多条线条纹组成一个线条纹周期，所有线条纹分为多个线条纹周期，设定li,j为第i个周期中第j条线条纹。由于应用场景的限制，仅仅能够获得每根线条纹的周期内编号，无法获得周期编号。
接下来以两个线条纹周期，且每个线条纹周期中包括6个线条纹为例，进行举例说明：
图2是根据本发明实施例的线条纹的示意图一，如图2所示，包括：第一线条纹周期和第二线条纹周期，其中，第一线条纹周期与第二线条纹周期相邻，第一线条纹周期包括：00、01、02、03、04和05，共6个线条纹；第二线条纹周期包括：10、11、12、13、14和15，共6个线条纹，线条纹00与01之间的距离为D-1，线条纹01与02之间的距离为D+1，线条纹02与03之间的距离为D-1，线条纹03与04之间的距离为D+1，线条纹04与05之间的距离为D-1，线条纹05与10之间的距离为D，线条纹10与11之间的距离为D+1，线条纹11与12之间的距离为D-1，线条纹12与13之间的距离为D+1，线条纹13与14之间的距离为D-1，线条纹14与15之间的距离为D+1。
需要说明的是，δi,j为第i号周期中，第j号线条纹的视差。比如，δ0,0为线条纹00在左右相机中的视差。假设被扫描的物体是一个连续的曲面，相邻周期内线条纹在物体表面的深度值变化不大，那么视深度差值会近似相等，统一用δ来近似表示。如果左相机的0号周期(即第一线条纹周期)同右相机的1号周期(即第二线条纹周期)发生了误匹配，那么左相机的线条纹00同右相机的线条纹10的视差≈δ-6D+1；左相机的线条纹01同右相机的线条纹11的视差≈δ-6D-1，这样就造成相邻线条纹的重建深度发生剧烈的变化，从而可以发现线条纹出现了误匹配。
作为一种可选的实施例，在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，方法还包括：将线条纹投射在待扫描物体表面，其中，多个线条纹中相邻线条纹之间的相邻距离不同；通过第一相机和第二相机，采集待扫描物体表面的线条纹。
可选地，投影机投射多条变间距的竖直线条纹，接下来以图3所示的线条纹为例，进行详细说明。
图3是根据本发明实施例的线条纹的示意图二，如图3所示，多个线条纹至少包括：线条纹00、01、02、03、04和05；其中，线条纹00与01之间的距离为D-1，线条纹01与02之间的距离为D+1，线条纹02与03之间的距离为D-1，线条纹03与04之间的距离为D+1，线条纹04与05之间的距离为D-1，线条纹05与10之间的距离为D，线条纹10与11之间的距离为D+1，线条纹11与12之间的距离为D-1，线条纹12与13之间的距离为D+1，线条纹13与14之间的距离为D-1，线条纹14与15之间的距离为D+1。
本发明上述实施例，按照上述方式设置线条纹，再投射在待扫描物体表面，并通过第一相机和第二相机采集线条纹的第一图像和第二图像，再对第一图像中的线条纹与第二图像中的线条纹进行匹配，进而根据匹配结果判断线条纹是否出现误匹配。
可选地，若第一线条纹为线条纹00，第二线条纹为线条纹01，第三线条纹为线条纹01，第二线条纹为线条纹02，则第一图像中的条纹00与第二图像中的线条纹01匹配，第一图像中的条纹01与第二图像中的线条纹02匹配。
需要说明的是，δ为线条纹00在左右相机中的视差，假设被扫描的物体是一个连续的曲面，相邻周期内线条纹在物体表面的深度值变化不大，那么视深度差值会近似相等，统一用δ来近似表示，如果左相机中线条纹00与线条纹01发生了误匹配，那么左相机的线条纹00同右相机的线条纹01的视差≈δ-D+1；左相机的线条纹01同右相机的线条纹02的视差≈δ-D-1，这样就造成相邻线条纹的重建深度发生剧烈的变化，从而可以发现线条纹出现了误匹配。
作为一种可选的实施例，多个线条纹中，相邻的线条纹之间的距离按照等和数列分布。
图4是根据本发明实施例的一种线条纹误配检测方法的流程图，如图4所示，该方法包括如下步骤：
步骤S402，将线条纹投射在待扫描物体表面，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻，周期距离包括：第一预定距离和第二预定距离；
步骤S404，通过第一相机和第二相机，采集待扫描物体表面的线条纹；
步骤S406，依据周期距离，检测第一相机采集的线条纹和第二相机采集的线条纹是否发生误匹配。
本发明上述实施例，按照上述方式设置线条纹，再投射在待扫描物体表面，并通过第一相机和第二相机采集线条纹的第一图像和第二图像，再对第一图像中的线条纹与第二图像中的线条纹进行匹配，进而依据不同线条纹周期中处于相同位置的线条纹之间的距离，判断线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
上述步骤S406提供的方案，在线条纹匹配的过程中，若第一相机采集的线条纹为第一线条纹周期中的线条纹，而第二相机采集的线条纹为第二线条纹周期的线条纹，则线条纹匹配的过程，会将第一线条纹周期中的线条纹与第二线条纹周期中的线条纹进行匹配。
为了便于说明，假设第一相机采集的线条纹包括第一线条纹和第二线条纹，第二相机采集的线条纹包括第三线条纹和第四线条纹，则第一线条纹为第一线条纹周期中第一位置的线条纹，第二线条纹为第一线条纹周期中第二位置的线条纹，第三线条纹为第二线条纹周期中第一位置的线条纹，第四线条纹为第二线条纹周期中第四位置的线条纹，因此，第一线条纹与第三线条纹之间的距离为第一预定距离，第二线条纹与第四线条纹之间的距离为第二预定距离，由于第一预定距离与第二预定距离不同，则可以发现线条纹出现了误匹配。
可选地，第一相机采集的线条纹和第二相机采集的线条纹未发生误匹配的情况下，根据第一相机采集的线条纹和第二相机采集的线条纹的匹配结果，进行三维重建。
图5是根据本发明实施例的一种线条纹误配检测方法的流程图，如图5所示，该方法包括如下步骤：
步骤S502，将线条纹投射在待扫描物体表面，其中，线条纹包括：多个线条纹，多个线条纹中相邻线条纹之间距离不同；
步骤S504，通过第一相机和第二相机，采集待扫描物体表面的线条纹；
步骤S506，依据相邻的线条纹之间的距离，检测第一相机采集的线条纹和第二相机采集的线条纹是否发生误匹配。
本发明上述实施例，按照上述方式设置线条纹，再投射在待扫描物体表面，并通过第一相机和第二相机采集线条纹的第一图像和第二图像，再对第一图像中的线条纹与第二图像中的线条纹进行匹配，进而可以依据相邻的线条纹之间的相邻距离，判断线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
上述步骤S506提供的方案，假设第一相机采集的线条纹包括第一线条纹和第二线条纹，第二相机采集的线条纹包括第三线条纹和第四线条纹，其中，第一线条纹与第三线条纹相邻，第二线条纹与第四线条纹相邻，假设第一线条纹与第三线条纹之间的相邻距离为第一相邻距离，第一线条纹与第三线条纹之间的相邻距离为第二相邻距离，且第一相邻距离与第二相邻距离不同。
在线条纹匹配的过程中，若线条纹出现了误匹配，则是第一线条纹与第三线条纹匹配，第二线条纹与第四线条纹匹配，由于第一相邻距离与第二相邻距离不同，因此，可以依据相邻距离，检测第一相机采集的线条纹和第二相机采集的线条纹是否发生误匹配。
可选地，第一相机采集的线条纹和第二相机采集的线条纹未发生误匹配的情况下，根据第一相机采集的线条纹和第二相机采集的线条纹的匹配结果，进行三维重建。
图6是根据本发明实施例的一种三维重建方法的流程图，如图6所示，该方法包括如下步骤：
步骤S602，获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻；
步骤S604，根据第一图像和第二图像中的线条纹进行三维重建。
本发明上述实施例，在对目标物体进行三维重建的过程中，可以预先将线条纹投影在目标物体上，然后分别通过第一相机和第二相机采集线条纹的第一图像和第二图像，并将第一图像和第二图像中的线条纹进行匹配，可以根据匹配结果进行三维重建，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻，从而由于不同线条纹周期同一位置的线条纹之间的距离不同，可以避免不同线条纹周期的线条纹发生误匹配，进而解决了无法检测线条纹是否出现误匹配的技术问题。
可选地，根据第一图像和第二图像中的线条纹进行三维重建，包括：将第一图像和第二图像中同一周期且同一位置的线条纹进行匹配，得到匹配结果；根据匹配结果确定第一图像和第二图像中同一周期且同一位置的线条纹之间的视差；根据视差确定第一图像和第二图像中同一周期且同一位置的线条纹之间的深度值；根据深度值进行三维重建。
例如，第一图像至少包括第一线条纹，其中，第一线条纹可以是第一线条纹周期中第一位置的线条纹；第二图像至少包括第三线条纹，其中，第三线条纹可以是第一线条纹周期中第一位置的线条纹；将第一图像中的第一线条纹与第二图像中的第三线条纹匹配，计算第一线条纹与第三线条纹之间的视差；根据该视差确定第一线条纹与第三线条纹之间的深度值；根据该深度值进行三维重建。
图7是根据本发明实施例的一种三维重建方法的流程图，如图7所示，该方法包括如下步骤：
步骤S702，获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，多个线条纹中相邻线条纹之间的相邻距离不同；
步骤S704，根据第一图像和第二图像中的线条纹进行三维重建。
本发明上述实施例，在对目标物体进行三维重建的过程中，可以预先将线条纹投影在目标物体上，然后分别通过第一相机和第二相机采集线条纹的第一图像和第二图像，并将第一图像和第二图像中的线条纹进行匹配，可以根据匹配结果进行三维重建，其中，多个线条纹中相邻线条纹之间距离不同，从而由于线条纹之间的相邻距离不同，可以避免不同线条纹周期的线条纹发生误匹配，进而解决了无法检测线条纹是否出现误匹配的技术问题。
根据本发明的又一个实施例，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时执行上述任一项的线条纹误配检测方法。
根据本发明的又一个实施例，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任一项的线条纹误配检测方法。
根据本发明实施例，还提供了一种线条纹误配检测装置实施例，需要说明的是，该线条纹误配检测装置可以用于执行本发明实施例中的线条纹误配检测方法，本发明实施例中的线条纹误配检测方法可以在该线条纹误配检测装置中执行。
图8是根据本发明实施例的一种线条纹误配检测装置的示意图，如图8所示，该装置可以包括：第一获取单元81，获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，第一图像至少包括：第一线条纹和第二线条纹；第二图像至少包括：第三线条纹和第四线条纹，第一线条纹与第二线条纹相邻，第三线条纹与第四线条纹相邻；第一确定单元83，用于将第一线条纹与第三线条纹匹配，确定第一线条纹与第三线条纹之间的第一测试距离，将第二线条纹与第四线条纹匹配，确定第二线条纹与第四线条纹之间的第二测试距离；第二确定单元85，用于根据第一测试距离和第二测试距离，确定线条纹是否发生误匹配。
需要说明的是，该实施例中的第一获取单元81可以用于执行本申请实施例中的步骤S102，该实施例中的第一确定单元83可以用于执行本申请实施例中的步骤S104，该实施例中的第二确定单元85可以用于执行本申请实施例中的步骤S106。上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
本发明上述实施例，在进行三维建模的过程中，通过第一相机获取相邻的第一线条纹和第二线条纹，通过第二相机获取相邻的第三线条纹和第四线条纹，将第一线条纹与第三线条纹匹配，将第二线条纹与第四线条纹匹配，然后计算第一线条纹与第三线条纹之间的第一测试距离，和第二线条纹与第四线条纹之间的第二测试距离，并根据第一测试距离和第二测试距离，确定第一线条纹与第三线条纹，第二线条纹与第四线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
作为一种可选的实施例，装置还包括：第一投影模块，用于在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，将线条纹投射在待扫描物体表面，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻；第一采集模块，用于通过第一相机和第二相机，采集待扫描物体表面的线条纹。
作为一种可选的实施例，装置还包括：第二投影模块，用于在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，将线条纹投射在待扫描物体表面，其中，多个线条纹中相邻线条纹之间距离不同；第二采集模块，用于通过第一相机和第二相机，采集待扫描物体表面的线条纹。
图9是根据本发明实施例的一种线条纹误配检测装置的示意图，如图9所示，该装置可以包括：第一投射单元91，用于将线条纹投射在待扫描物体表面，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻，周期距离包括：第一预定距离和第二预定距离；第一采集单元93，用于通过第一相机和第二相机，采集待扫描物体表面的线条纹；第一检测单元95，用于依据周期距离，检测第一相机采集的线条纹和第二相机采集的线条纹是否发生误匹配。
需要说明的是，该实施例中的第一投射单元91可以用于执行本申请实施例中的步骤S402，该实施例中的第一采集单元93可以用于执行本申请实施例中的步骤S404，该实施例中的第一检测单元95可以用于执行本申请实施例中的步骤S406。上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
本发明上述实施例，按照上述方式设置线条纹，再投射在待扫描物体表面，并通过第一相机和第二相机采集线条纹的第一图像和第二图像，再对第一图像中的线条纹与第二图像中的线条纹进行匹配，进而依据不同线条纹周期中处于相同位置的线条纹之间的距离，判断线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
图10是根据本发明实施例的一种线条纹误配检测装置的示意图，如图10所示，该装置可以包括：第二投射单元101，用于将线条纹投射在待扫描物体表面，其中，多个线条纹中相邻线条纹之间的相邻距离不同；第二采集单元103，用于通过第一相机和第二相机，采集待扫描物体表面的线条纹；第二检测单元105，用于依据相邻距离，检测第一相机采集的线条纹和第二相机采集的线条纹是否发生误匹配。
需要说明的是，该实施例中的第二投射单元101可以用于执行本申请实施例中的步骤S502，该实施例中的第二采集单元103可以用于执行本申请实施例中的步骤S504，该实施例中的第二检测单元105可以用于执行本申请实施例中的步骤S506。上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
本发明上述实施例，按照上述方式设置线条纹，再投射在待扫描物体表面，并通过第一相机和第二相机采集线条纹的第一图像和第二图像，再对第一图像中的线条纹与第二图像中的线条纹进行匹配，进而可以依据相邻的线条纹之间的相邻距离，判断线条纹是否出现误匹配，从而实现了检测线条纹是否出现误匹配的技术效果，进而解决了无法检测线条纹是否出现误匹配的技术问题。
图11是根据本发明实施例的一种三维重建装置的示意图，如图11所示，该装置可以包括：第二获取单元1101，用于获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻；第一重建单元1103，用于根据第一图像和第二图像中的线条纹进行三维重建。
需要说明的是，该实施例中的第二获取单元1101可以用于执行本申请实施例中的步骤S602，该实施例中的第一重建单元1103可以用于执行本申请实施例中的步骤S604。上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
本发明上述实施例，在对目标物体进行三维重建的过程中，可以预先将线条纹投影在目标物体上，然后分别通过第一相机和第二相机采集线条纹的第一图像和第二图像，并将第一图像和第二图像中的线条纹进行匹配，可以根据匹配结果进行三维重建，其中，线条纹包括：第一线条纹周期和第二线条纹周期，第一线条纹周期中第一位置的线条纹与第二线条纹周期中第一位置的线条纹之间的距离为第一预定距离，第一线条纹周期中第二位置的线条纹与第二线条纹周期中第二位置的线条纹之间的距离为第二预定距离，第一预定距离与第二预定距离不同，在同一个线条纹周期中第一位置的线条纹和第二位置的线条纹相邻，从而由于不同线条纹周期同一位置的线条纹之间的距离不同，可以避免不同线条纹周期的线条纹发生误匹配，进而解决了无法检测线条纹是否出现误匹配的技术问题。
图12是根据本发明实施例的一种三维重建装置的示意图，如图12所示，该装置可以包括：第三获取单元1201，用于获取第一相机采集的线条纹的第一图像，和第二相机采集的线条纹的第二图像，其中，多个线条纹中相邻线条纹之间距离不同；第二重建单元1203，用于根据第一图像和第二图像中的线条纹进行三维重建。
需要说明的是，该实施例中的第三获取单元1201可以用于执行本申请实施例中的步骤S702，该实施例中的第二重建单元1203可以用于执行本申请实施例中的步骤S704。上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
本发明上述实施例，在对目标物体进行三维重建的过程中，可以预先将线条纹投影在目标物体上，然后分别通过第一相机和第二相机采集线条纹的第一图像和第二图像，并将第一图像和第二图像中的线条纹进行匹配，可以根据匹配结果进行三维重建，其中，多个线条纹中相邻线条纹之间距离不同，从而由于线条纹之间的相邻距离不同，可以避免不同线条纹周期的线条纹发生误匹配，进而解决了无法检测线条纹是否出现误匹配的技术问题。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，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。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种线条纹的误配检测方法，其特征在于，包括：
获取第一相机采集的所述线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述第一图像至少包括：第一线条纹和第二线条纹；所述第二图像至少包括：第三线条纹和第四线条纹，所述第一线条纹与所述第二线条纹相邻，所述第三线条纹与所述第四线条纹相邻；
将所述第一线条纹与所述第三线条纹匹配，确定所述第一线条纹与所述第三线条纹之间的第一测试距离，将所述第二线条纹与所述第四线条纹匹配，确定所述第二线条纹与所述第四线条纹之间的第二测试距离；
根据所述第一测试距离和所述第二测试距离，确定所述线条纹是否发生误匹配。
2.根据权利要求1所述的方法，其特征在于，在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，所述方法还包括：
将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻；
通过所述第一相机和所述第二相机，采集所述待扫描物体表面的所述线条纹。
3.根据权利要求1所述的方法，其特征在于，在获取第一相机采集的第一线条纹和第二线条纹，和第二相机采集的第三线条纹和第四线条纹之前，所述方法还包括：
将所述线条纹投射在待扫描物体表面，其中，多个所述线条纹中相邻线条纹之间的相邻距离不同；
通过所述第一相机和所述第二相机，采集所述待扫描物体表面的所述线条纹。
4.一种线条纹的误配检测方法，其特征在于，包括：
将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻，周期距离包括：所述第一预定距离和所述第二预定距离；
通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；
依据所述周期距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
5.一种线条纹的误配检测方法，其特征在于，包括：
将所述线条纹投射在待扫描物体表面，其中，多个所述线条纹中相邻线条纹之间的相邻距离不同；
通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；
依据所述相邻距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
6.一种三维重建方法，其特征在于，包括：
获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻；
根据所述第一图像和所述第二图像中的线条纹进行三维重建。
7.一种三维重建方法，其特征在于，包括：
获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，多个线条纹中相邻线条纹之间的相邻距离不同；
根据所述第一图像和所述第二图像中的线条纹进行三维重建。
8.一种线条纹的误配检测装置，其特征在于，包括：
第一获取单元，获取第一相机采集的所述线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述第一图像至少包括：第一线条纹和第二线条纹；所述第二图像至少包括：第三线条纹和第四线条纹，所述第一线条纹与所述第二线条纹相邻，所述第三线条纹与所述第四线条纹相邻；
第一确定单元，用于将所述第一线条纹与所述第三线条纹匹配，确定所述第一线条纹与所述第三线条纹之间的第一测试距离，将所述第二线条纹与所述第四线条纹匹配，确定所述第二线条纹与所述第四线条纹之间的第二测试距离；
第二确定单元，用于根据所述第一测试距离和所述第二测试距离，确定所述线条纹是否发生误匹配。
9.一种线条纹的误配检测装置，其特征在于，包括：
第一投射单元，用于将所述线条纹投射在待扫描物体表面，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻，周期距离包括：所述第一预定距离和所述第二预定距离；
第二采集单元，用于通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；
第三检测单元，用于依据所述周期距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
10.一种线条纹的误配检测装置，其特征在于，包括：
第二投射单元，用于将所述线条纹投射在待扫描物体表面，其中，多个所述线条纹中相邻线条纹之间距离不同；
第二采集单元，用于通过第一相机和第二相机，采集所述待扫描物体表面的所述线条纹；
第二检测单元，用于依据相邻的线条纹之间的相邻距离，检测所述第一相机采集的线条纹和所述第二相机采集的线条纹是否发生误匹配。
11.一种三维重建装置，其特征在于，包括：
第二获取单元，用于获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，所述线条纹包括：第一线条纹周期和第二线条纹周期，所述第一线条纹周期中第一位置的线条纹与所述第二线条纹周期中所述第一位置的线条纹之间的距离为第一预定距离，所述第一线条纹周期中第二位置的线条纹与所述第二线条纹周期中所述第二位置的线条纹之间的距离为第二预定距离，所述第一预定距离与所述第二预定距离不同，在同一个线条纹周期中所述第一位置的线条纹和所述第二位置的线条纹相邻；
第一重建单元，用于根据所述第一图像和所述第二图像中的线条纹进行三维重建。
12.一种三维重建装置，其特征在于，包括：
第三获取单元，用于获取第一相机采集的线条纹的第一图像，和第二相机采集的所述线条纹的第二图像，其中，多个所述线条纹中相邻线条纹之间的相邻距离不同；
第二重建单元，用于根据所述第一图像和所述第二图像中的线条纹进行三维重建。
13.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的线条纹的误配检测方法，或所述程序执行权利要求6或7所述的三维重建方法。
14.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的线条纹的误配检测方法，或所述程序执行权利要求6或7所述的三维重建方法。
CN201910101224.4A 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置 Active CN111508012B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201910101224.4A CN111508012B (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置
CN202410558919.6A CN118379336A (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置
US17/426,124 US11989917B2 (en) 2019-01-31 2020-02-03 Line stripe mismatch detection and three-dimensional reconstruction method and device
KR1020217027930A KR102665493B1 (ko) 2019-01-31 2020-02-03 라인 스트립의 오매칭 검출 및 삼차원 복원 방법, 장치
PCT/CN2020/074224 WO2020156578A1 (zh) 2019-01-31 2020-02-03 线条纹误配检测和三维重建的方法、装置
EP20748768.7A EP3920143A4 (en) 2019-01-31 2020-02-03 METHOD AND DEVICE FOR DETECTING LINE STRIP MISFITTING AND FOR THREE-DIMENSIONAL RECONSTRUCTION
JP2021544323A JP7369780B2 (ja) 2019-01-31 2020-02-03 縞模様ミスマッチ検出及び三次元再構成の方法及び装置
AU2020214520A AU2020214520B2 (en) 2019-01-31 2020-02-03 Line stripe mismatch detection and three-dimensional reconstruction method and device
CA3128427A CA3128427A1 (en) 2019-01-31 2020-02-03 Line stripe mismatch detection and three-dimensional reconstruction method and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910101224.4A CN111508012B (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202410558919.6A Division CN118379336A (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置

Publications (2)

Publication Number Publication Date
CN111508012A true CN111508012A (zh) 2020-08-07
CN111508012B CN111508012B (zh) 2024-04-19

Family

ID=71840727

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202410558919.6A Pending CN118379336A (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置
CN201910101224.4A Active CN111508012B (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202410558919.6A Pending CN118379336A (zh) 2019-01-31 2019-01-31 线条纹误配检测和三维重建的方法、装置

Country Status (8)

Country Link
US (1) US11989917B2 (zh)
EP (1) EP3920143A4 (zh)
JP (1) JP7369780B2 (zh)
KR (1) KR102665493B1 (zh)
CN (2) CN118379336A (zh)
AU (1) AU2020214520B2 (zh)
CA (1) CA3128427A1 (zh)
WO (1) WO2020156578A1 (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5852672A (en) * 1995-07-10 1998-12-22 The Regents Of The University Of California Image system for three dimensional, 360 DEGREE, time sequence surface mapping of moving objects
JP2001082954A (ja) * 1999-09-13 2001-03-30 Fujitsu Ten Ltd 画像処理装置及び画像処理測距方法
JP2001184497A (ja) * 1999-10-14 2001-07-06 Komatsu Ltd ステレオ画像処理装置及び記録媒体
CN102313536A (zh) * 2011-07-21 2012-01-11 清华大学 基于机载双目视觉的障碍物感知方法
CN203083532U (zh) * 2013-01-11 2013-07-24 北京国网富达科技发展有限责任公司 一种检测输电线路安全运行的系统
US20140085408A1 (en) * 2012-09-25 2014-03-27 National Chiao Tung University Scene imaging method using a portable two-camera omni-imaging device for human-reachable environments
CN103900494A (zh) * 2014-03-31 2014-07-02 中国科学院上海光学精密机械研究所 用于双目视觉三维测量的同源点快速匹配方法
US20150228081A1 (en) * 2014-02-10 2015-08-13 Electronics And Telecommunications Research Institute Method and apparatus for reconstructing 3d face with stereo camera
CN106225723A (zh) * 2016-07-25 2016-12-14 浙江零跑科技有限公司 一种基于后视双目相机的多列车铰接角测量方法
JP2017053812A (ja) * 2015-09-11 2017-03-16 オムロン株式会社 ３次元測定装置、照明装置、パターン生成装置、および方法
CN106651897A (zh) * 2016-10-12 2017-05-10 成都快眼科技有限公司 一种基于超像素分割的视差修正方法
CN106683173A (zh) * 2016-12-22 2017-05-17 西安电子科技大学 一种基于邻域块匹配提高三维重建点云稠密程度的方法
CN106802138A (zh) * 2017-02-24 2017-06-06 杭州先临三维科技股份有限公司 一种三维扫描系统及其扫描方法
CN107123156A (zh) * 2017-03-10 2017-09-01 西北工业大学 一种与双目立体视觉相结合的主动光源投影三维重构方法
CN108151671A (zh) * 2016-12-05 2018-06-12 杭州先临三维科技股份有限公司 一种三维数字成像传感器、三维扫描系统及其扫描方法
CN108267097A (zh) * 2017-07-17 2018-07-10 杭州先临三维科技股份有限公司 基于双目三维扫描系统的三维重构方法和装置
CN108322724A (zh) * 2018-02-06 2018-07-24 上海兴芯微电子科技有限公司 图像立体匹配方法以及双目视觉设备
CN108592822A (zh) * 2017-12-04 2018-09-28 湖南大学 一种基于双目相机及结构光编解码的测量系统及方法
CN109186491A (zh) * 2018-09-30 2019-01-11 南京航空航天大学 基于单应性矩阵的平行多线激光测量系统及测量方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6388666B1 (en) * 1998-10-27 2002-05-14 Imax Corporation System and method for generating stereoscopic image data
CA2306515A1 (en) * 2000-04-25 2001-10-25 Inspeck Inc. Internet stereo vision, 3d digitizing, and motion capture camera
EP2568253B1 (en) * 2010-05-07 2021-03-10 Shenzhen Taishan Online Technology Co., Ltd. Structured-light measuring method and system
CN103727927B (zh) * 2013-12-19 2015-10-14 大连理工大学 基于结构光的高速运动物体位姿视觉测量方法
CN105005755B (zh) * 2014-04-25 2019-03-29 北京邮电大学 三维人脸识别方法和系统
US9602811B2 (en) * 2014-09-10 2017-03-21 Faro Technologies, Inc. Method for optically measuring three-dimensional coordinates and controlling a three-dimensional measuring device
JP6805534B2 (ja) * 2015-07-02 2020-12-23 株式会社リコー 視差画像生成装置、視差画像生成方法及び視差画像生成プログラム、物体認識装置、機器制御システム
US10453185B2 (en) * 2015-11-12 2019-10-22 Aquifi, Inc. System and method for high dynamic range depth capture using multiple cameras

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5852672A (en) * 1995-07-10 1998-12-22 The Regents Of The University Of California Image system for three dimensional, 360 DEGREE, time sequence surface mapping of moving objects
JP2001082954A (ja) * 1999-09-13 2001-03-30 Fujitsu Ten Ltd 画像処理装置及び画像処理測距方法
JP2001184497A (ja) * 1999-10-14 2001-07-06 Komatsu Ltd ステレオ画像処理装置及び記録媒体
CN102313536A (zh) * 2011-07-21 2012-01-11 清华大学 基于机载双目视觉的障碍物感知方法
US20140085408A1 (en) * 2012-09-25 2014-03-27 National Chiao Tung University Scene imaging method using a portable two-camera omni-imaging device for human-reachable environments
CN203083532U (zh) * 2013-01-11 2013-07-24 北京国网富达科技发展有限责任公司 一种检测输电线路安全运行的系统
US20150228081A1 (en) * 2014-02-10 2015-08-13 Electronics And Telecommunications Research Institute Method and apparatus for reconstructing 3d face with stereo camera
CN103900494A (zh) * 2014-03-31 2014-07-02 中国科学院上海光学精密机械研究所 用于双目视觉三维测量的同源点快速匹配方法
JP2017053812A (ja) * 2015-09-11 2017-03-16 オムロン株式会社 ３次元測定装置、照明装置、パターン生成装置、および方法
CN106225723A (zh) * 2016-07-25 2016-12-14 浙江零跑科技有限公司 一种基于后视双目相机的多列车铰接角测量方法
CN106651897A (zh) * 2016-10-12 2017-05-10 成都快眼科技有限公司 一种基于超像素分割的视差修正方法
CN108151671A (zh) * 2016-12-05 2018-06-12 杭州先临三维科技股份有限公司 一种三维数字成像传感器、三维扫描系统及其扫描方法
CN106683173A (zh) * 2016-12-22 2017-05-17 西安电子科技大学 一种基于邻域块匹配提高三维重建点云稠密程度的方法
CN106802138A (zh) * 2017-02-24 2017-06-06 杭州先临三维科技股份有限公司 一种三维扫描系统及其扫描方法
CN107123156A (zh) * 2017-03-10 2017-09-01 西北工业大学 一种与双目立体视觉相结合的主动光源投影三维重构方法
CN108267097A (zh) * 2017-07-17 2018-07-10 杭州先临三维科技股份有限公司 基于双目三维扫描系统的三维重构方法和装置
CN108592822A (zh) * 2017-12-04 2018-09-28 湖南大学 一种基于双目相机及结构光编解码的测量系统及方法
CN108322724A (zh) * 2018-02-06 2018-07-24 上海兴芯微电子科技有限公司 图像立体匹配方法以及双目视觉设备
CN109186491A (zh) * 2018-09-30 2019-01-11 南京航空航天大学 基于单应性矩阵的平行多线激光测量系统及测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MIN YOUNG KIM 等: "an active trinocular vision system for sensing mobile robot navigation environments", 《INTELLIGENT ROBOTD AND SYSTEMS》, 28 August 2004 (2004-08-28), pages 1698 - 1703 *

Also Published As

Publication number Publication date
US11989917B2 (en) 2024-05-21
KR102665493B1 (ko) 2024-05-28
EP3920143A1 (en) 2021-12-08
CA3128427A1 (en) 2020-08-06
US20220101559A1 (en) 2022-03-31
AU2020214520A1 (en) 2021-09-30
KR20210126038A (ko) 2021-10-19
AU2020214520B2 (en) 2023-01-05
JP7369780B2 (ja) 2023-10-26
JP2022523910A (ja) 2022-04-27
CN118379336A (zh) 2024-07-23
CN111508012B (zh) 2024-04-19
WO2020156578A1 (zh) 2020-08-06
EP3920143A4 (en) 2022-04-27

Similar Documents

Publication Publication Date Title
CN108269279B (zh) 基于单目三维扫描系统的三维重构方法和装置
AU2017400983B2 (en) Three-dimensional scanning system and scanning method thereof
KR102096806B1 (ko) 3차원 센서 시스템 및 3차원 데이터 획득방법
CN108267097B (zh) 基于双目三维扫描系统的三维重构方法和装置
US7822267B2 (en) Enhanced object reconstruction
CN109357633B (zh) 三维扫描方法、装置、存储介质和处理器
JP6097903B2 (ja) ３次元形状の取得装置、処理方法およびプログラム
CN107346040B (zh) 裸眼3d显示设备的光栅参数的确定方法、装置及电子设备
Ben-Artzi et al. Camera calibration from dynamic silhouettes using motion barcodes
JPWO2019167453A1 (ja) 画像処理装置、画像処理方法、およびプログラム
KR20090062440A (ko) 객체 또는 배경 분리를 이용한 다시점 정합 방법 및 장치
KR20200067719A (ko) 스테레오-시간적 이미지 시퀀스들로부터 향상된 3-d 데이터 재구성을 위한 방법들 및 장치
CN111508012B (zh) 线条纹误配检测和三维重建的方法、装置
KR20160024419A (ko) Dibr 방식의 입체영상 카메라 판별 방법 및 장치
CN115345994A (zh) 三维重建方法及装置、系统
Anisimov et al. Calibration and Auto-Refinement for Light Field Cameras
JP2006058092A (ja) ３次元形状測定装置および方法
KR101765257B1 (ko) 삼차원 영상 정보 획득 방법 및 이를 구현한 컴퓨팅 장치
Fickel et al. Multiview image and video interpolation using weighted vector median filters
KR100890224B1 (ko) 3차원 영상 복원 방법 및 이를 수행하기 위한 장치
KR20240091489A (ko) 센서 이미지와 깊이 정보를 이용한 3차원 공간 데이터 복원 장치 및 방법
CN114596406A (zh) 一种基于单目摄像头的三维构建方法和装置
Bevilacqua et al. Stereo-matching techniques optimisation using evolutionary algorithms

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