CN111612909A - 基于点云数据的三维树枝折断效果模拟算法 - Google Patents
基于点云数据的三维树枝折断效果模拟算法 Download PDFInfo
- Publication number
- CN111612909A CN111612909A CN202010406859.8A CN202010406859A CN111612909A CN 111612909 A CN111612909 A CN 111612909A CN 202010406859 A CN202010406859 A CN 202010406859A CN 111612909 A CN111612909 A CN 111612909A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- information
- algorithm based
- steps
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 19
- 230000000694 effects Effects 0.000 title claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000011084 recovery Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims abstract description 4
- 238000007667 floating Methods 0.000 claims abstract description 3
- 102100021766 E3 ubiquitin-protein ligase RNF138 Human genes 0.000 claims abstract 2
- 101001106980 Homo sapiens E3 ubiquitin-protein ligase RNF138 Proteins 0.000 claims abstract 2
- 101000961846 Homo sapiens Nuclear prelamin A recognition factor Proteins 0.000 claims abstract 2
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000013075 data extraction Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling 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
-
- G06T5/70—
-
- 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
Abstract
本发明公开了基于点云数据的三维树枝折断效果模拟算法,包括以下步骤:步骤S3,通过特征信息对点云数据信息进行配准,步骤:S301,预先采集点云信息,并搜索NARF关键点信息,计算其关键点的FPFH特征向量;S302,计算关键点信息映射关系,并通过RANSAC算法提纯映射关系;S3033,计算空间转换参数R和T,并将点云信息转换到同一空间坐标系。有益效果:通过基于点云数据提取以及点云数据配准,实现获取较为完整的树枝折断模型,不仅实现树枝折断小毛刺细节处的恢复和重建,而且获得的点云数据中较为完整,可为虚拟场景中的树枝折断模型提供素材,也可以使电影、游戏、广告、相关技术教学等场景中树枝的折断模拟更加真实。
Description
技术领域
本发明涉及点云数据技术领域,具体来说,涉及基于点云数据的三维树枝折断效果模拟算法。
背景技术
点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个采样点的空间坐标后,得到点的集合,称之为“点云”(Point Cloud)。点云模型往往由测量直接得到,每个点对应一个测量点,未经过其他处理手段,故包含了最大的信息量。随着计算机技术的发展,点云相关的问题是当前研究的热点所在。
虽然国内外对于点云的配准、去噪以及图像处理和相关算法的研究已有不少,近年来与之相关的各种研究也层出不穷,但利用实测点云数据恢复树枝断口的研究却尚未出现。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出基于点云数据的三维树枝折断效果模拟算法,以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的:
基于点云数据的三维树枝折断效果模拟算法,包括以下步骤:
步骤S3,通过特征信息对点云数据信息进行配准,其具体包括如下步骤:
S301,预先采集点云信息,并搜索NARF关键点信息,计算其关键点的FPFH特征向量;
S302,计算关键点信息映射关系,并通过RANSAC算法提纯映射关系;
S3033,计算空间转换参数R和T,并将点云信息转换到同一空间坐标系。
进一步的,其特征在于,进一步还包括以下步骤:
步骤S1,Kinect采集原始点云数据信息;
步骤S2,对采集的点云数据信息进行特征信息提取;
步骤S4,获取细节恢复信息。
进一步的,其特征在于,步骤所述S1,Kinect采集原始点云数据信息,包括以下步骤:
噪声点去除;
点云数据精简;
点云数据平滑。
进一步的,步骤所述S4,获取细节恢复信息,其包括判断是否获取足够特征点,包括如下:
若足够足够特征点,则进入步骤S4,获取细节恢复信息;
若不够特征点,则改变扫描角度,重复步骤S1。
本发明的有益效果:
本发明通过基于点云数据提取以及点云数据配准,实现获取较为完整的树枝折断模型,不仅实现树枝折断小毛刺细节处的恢复和重建,而且获得的点云数据中较为完整,可为虚拟场景中的树枝折断模型提供素材,也可以使电影、游戏、广告、相关技术教学等场景中树枝的折断模拟更加真实。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于点云数据的三维树枝折断效果模拟算法的流程示意图;
图2是根据本发明实施例的基于点云数据的三维树枝折断效果模拟算法的点云数据信息配准流程示意图。
具体实施方式
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所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了基于点云数据的三维树枝折断效果模拟算法。
如图1-2所示,根据本发明实施例的基于点云数据的三维树枝折断效果模拟算法,包括以下步骤:
步骤S3,通过特征信息对点云数据信息进行配准,其具体包括如下步骤:
S301,预先采集点云信息,并搜索NARF(归一化对齐径向特征关键点)关键点信息,计算其关键点的FPFH(快速点特征直方图)特征向量;
S302,计算关键点信息映射关系,并通过RANSAC(随机抽样一致性)算法提纯映射关系;
S3033,计算空间转换参数R和T,并将点云信息转换到同一空间坐标系。
其中,进一步还包括以下步骤:
步骤S1,Kinect采集原始点云数据信息;
步骤S2,对采集的点云数据信息进行特征信息提取;
步骤S4,获取细节恢复信息。
其中,步骤所述S1,Kinect采集原始点云数据信息,包括以下步骤:
噪声点去除;
点云数据精简;
点云数据平滑。
其中,步骤所述S4,获取细节恢复信息,其包括判断是否获取足够特征点,包括如下:
若足够足够特征点,则进入步骤S4,获取细节恢复信息;
若不够特征点,则改变扫描角度,重复步骤S1。
借助于上述技术方案,通过基于点云数据提取以及点云数据配准,实现获取较为完整的树枝折断模型,不仅实现树枝折断小毛刺细节处的恢复和重建,而且获得的点云数据中较为完整,可为虚拟场景中的树枝折断模型提供素材,也可以使电影、游戏、广告、相关技术教学等场景中树枝的折断模拟更加真实。
另外,具体的,Kinect2.0配套的软件是SDK Browser(Kinect for Windows)v2.0,优选的为Kinect Fusion Explorer-D2D,其主要功能是演示Kinect Fusion用于3D重建的附加功能,包括低分辨率颜色捕获。
综上所述,借助于本发明的上述技术方案,通过基于点云数据提取以及点云数据配准,实现获取较为完整的树枝折断模型,不仅实现树枝折断小毛刺细节处的恢复和重建,获得的点云数据中较为完整,可为虚拟场景中的树枝折断模型提供素材,也可以使电影、游戏、广告、相关技术教学等场景中树枝的折断模拟更加真实。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于点云数据的三维树枝折断效果模拟算法,其特征在于,包括以下步骤:
步骤S3,通过特征信息对点云数据信息进行配准,其具体包括如下步骤:
S301,预先采集点云信息,并搜索NARF关键点信息,计算其关键点的FPFH特征向量;
S302,计算关键点信息映射关系,并通过RANSAC算法提纯映射关系;
S3033,计算空间转换参数R和T,并将点云信息转换到同一空间坐标系。
2.根据权利要求1所述的基于点云数据的三维树枝折断效果模拟算法,其特征在于,进一步还包括以下步骤:
步骤S1,Kinect采集原始点云数据信息;
步骤S2,对采集的点云数据信息进行特征信息提取;
步骤S4,获取细节恢复信息。
3.根据权利要求2所述的基于点云数据的三维树枝折断效果模拟算法,其特征在于,步骤S1,Kinect采集原始点云数据信息,进一步包括以下步骤:
噪声点去除;
点云数据精简;
点云数据平滑。
4.根据权利要求3所述的基于点云数据的三维树枝折断效果模拟算法,其特征在于,步骤所述S4,获取细节恢复信息,其进一步包括判断是否获取足够特征点,包括如下:
若足够足够特征点,则进入步骤S4,获取细节恢复信息;
若不够特征点,则改变扫描角度,重复步骤S1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010406859.8A CN111612909A (zh) | 2020-05-14 | 2020-05-14 | 基于点云数据的三维树枝折断效果模拟算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010406859.8A CN111612909A (zh) | 2020-05-14 | 2020-05-14 | 基于点云数据的三维树枝折断效果模拟算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111612909A true CN111612909A (zh) | 2020-09-01 |
Family
ID=72197992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010406859.8A Pending CN111612909A (zh) | 2020-05-14 | 2020-05-14 | 基于点云数据的三维树枝折断效果模拟算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612909A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
WO2015149302A1 (zh) * | 2014-04-02 | 2015-10-08 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
CN107123161A (zh) * | 2017-06-14 | 2017-09-01 | 西南交通大学 | 一种基于narf和fpfh的接触网零全网三维重建方法 |
CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
CN109801316A (zh) * | 2018-12-19 | 2019-05-24 | 中国农业大学 | 一种果树树冠三维点云自动化配准方法及重构方法 |
-
2020
- 2020-05-14 CN CN202010406859.8A patent/CN111612909A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015149302A1 (zh) * | 2014-04-02 | 2015-10-08 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN107123161A (zh) * | 2017-06-14 | 2017-09-01 | 西南交通大学 | 一种基于narf和fpfh的接触网零全网三维重建方法 |
CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
CN109801316A (zh) * | 2018-12-19 | 2019-05-24 | 中国农业大学 | 一种果树树冠三维点云自动化配准方法及重构方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369666A (zh) | 一种基于多台rgbd相机的动态目标重建方法和装置 | |
US20220075453A1 (en) | Ar scenario-based gesture interaction method, storage medium, and communication terminal | |
CN108230437B (zh) | 场景重建方法和装置、电子设备、程序和介质 | |
US8269722B2 (en) | Gesture recognition system and method thereof | |
KR101457313B1 (ko) | 템플릿 스위칭 및 특징 적응을 이용한 오브젝트 추적을 제공하는 방법, 장치 및 컴퓨터 프로그램 제품 | |
CN110766716A (zh) | 一种空间未知运动目标的信息获取方法及系统 | |
CN106875437B (zh) | 一种面向rgbd三维重建的关键帧提取方法 | |
US20080089577A1 (en) | Feature extraction from stereo imagery | |
US20150146971A1 (en) | Mesh reconstruction from heterogeneous sources of data | |
CN110428490B (zh) | 构建模型的方法和装置 | |
KR20180035869A (ko) | 정경 재구성 방법, 장치, 단말기 장치 및 저장 매체 | |
CN111709965B (zh) | 扫地机器人的地图的优化方法及装置 | |
CN105279786A (zh) | 物体三维模型的获取方法和系统 | |
CN115330940A (zh) | 一种三维重建方法、装置、设备和介质 | |
Yuan et al. | Sdv-loam: Semi-direct visual-lidar odometry and mapping | |
WO2022237048A1 (zh) | 位姿获取方法、装置、电子设备、存储介质及程序 | |
CN104463968A (zh) | 基于电网gis三维平台的遥感影像双目立体视觉匹配及三维重建方法 | |
CN111612909A (zh) | 基于点云数据的三维树枝折断效果模拟算法 | |
CN114092771A (zh) | 多传感数据融合方法、目标检测方法、装置和计算机设备 | |
CN111479128A (zh) | 一种利用互联网进行农业种植技术推广的系统及方法 | |
CN112241977A (zh) | 一种特征点的深度估计方法和装置 | |
CN111964686B (zh) | 道路数据采集方法、装置、服务器、行车记录仪及介质 | |
CN109934837B (zh) | 一种3d植物叶片轮廓的提取方法、装置及系统 | |
Rezaei et al. | sat2pc: Estimating point cloud of building roofs from 2d satellite images | |
Rezaei et al. | sat2pc: Generating Building Roof's Point Cloud from a Single 2D Satellite 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 |