CN111882657B - 三维重建的尺度恢复方法、装置、系统和计算机设备 - Google Patents
三维重建的尺度恢复方法、装置、系统和计算机设备 Download PDFInfo
- Publication number
- CN111882657B CN111882657B CN202010603245.9A CN202010603245A CN111882657B CN 111882657 B CN111882657 B CN 111882657B CN 202010603245 A CN202010603245 A CN 202010603245A CN 111882657 B CN111882657 B CN 111882657B
- Authority
- CN
- China
- Prior art keywords
- scale
- corner
- coordinates
- result
- calibration plate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011084 recovery Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000013139 quantization Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种三维重建的尺度恢复方法、装置、系统和计算机设备，其中，该尺度恢复方法方法包括：生成N个标定板，并通过相机获取图像序列；根据该图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；根据该无尺度结果，遍历检测该SFM模型中该标定板的角点坐标和角点ID；并根据该标定板的角点的物理坐标和该角点坐标获取个尺度；利用联合优化算法，获取该个尺度的尺度优化结果，根据该尺度优化结果获取真实尺度的三维重建结果；通过本申请，解决了三维重建中尺度恢复的结果准确性差的问题。
Description
技术领域
本申请涉及三维重建技术领域，特别是涉及三维重建的尺度恢复方法、装置、系统和计算机设备。
背景技术
三维重建是通过对现实世界中的三维物体用计算机来进行模拟，获取包括结构、纹理、尺度等物体完整三维信息；对无序图像数据进行三维重建，主要使用通过运动恢复结构(structure from motion，简称为SFM)算法。由于SFM只能进行“无真实尺度”的三维重建，在相关技术中，一般是假设全局尺度一致，通过单个标定板计算局部尺度，将该局部尺度作为全局尺度，进而直接恢复真实尺度。然而在相关技术中，SFM算法的输出结果中经常会因为噪声出现部分扭曲的问题，导致全局尺度不一致，使得三维重建中尺度恢复的结果准确性较差。
目前针对相关技术中三维重建中尺度恢复的结果准确性差的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种三维重建的尺度恢复方法、装置、系统和计算机设备，以至少解决相关技术中三维重建中尺度恢复的结果准确性差的问题。
第一方面，本申请实施例提供了一种三维重建的尺度恢复方法，所述方法包括：
生成N个标定板，并通过相机获取图像序列；根据所述图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；
根据所述无尺度结果，遍历检测所述SFM模型中所述标定板的角点坐标和角点ID；并根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度；其中，/>为小于或等于N的正整数；所述物理坐标与所述角点坐标通过所述角点ID相匹配；
利用联合优化算法，获取所述个尺度的尺度优化结果，根据所述尺度优化结果获取真实尺度的三维重建结果。
在其中一些实施例中，所述遍历检测所述SFM模型中所述标定板的角点坐标之后，所述根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度之前，所述方法还包括：
根据预设标定板字典，将所述角点ID分类为个簇，并利用三角化技术获取三维的所述角点坐标。
在其中一些实施例中，所述根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度包括：
遍历所述物理坐标和所述角点坐标，获取第一变换和所述物理坐标的第一乘积，并获取所述角点和SFM模型尺度的第二乘积；其中，所述第一变换为标定板坐标系到SFM模型坐标系的变换；
根据所述第一乘积和所述第二乘积，获取所述个尺度。
在其中一些实施例中，所述生成N个标定板之后，所述根据所述图像序列，利用SFM模型获取三维重建的无尺度结果之前，所述方法还包括：
将所述N个标定板放置在待重建场景中的N个区域中，并通过所述相机获取所述N个区域中的图像序列。
在其中一些实施例中，所述通过联合优化函数，获取所述个尺度的尺度优化结果之后，所述方法还包括：根据所述尺度优化结果获取所述尺度恢复的精度评估结果；其中，所述精度评估结果指示三维重建应用效果的量化指标。
第二方面，本申请实施例提供了一种三维重建的尺度恢复装置，其特征在于，所述尺度恢复装置包括重建模块、检测模块和优化模块；
所述重建模块，用于生成N个标定板，并通过相机获取图像序列；所述重建模块根据所述图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；
所述检测模块，用于根据所述无尺度结果，遍历检测所述SFM模型中所述标定板的角点坐标和角点ID；所述检测模块根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度；其中，/>为小于或等于N的正整数；所述物理坐标与所述角点坐标通过所述角点ID相匹配；
所述优化模块，用于利用联合优化算法，获取所述个尺度的尺度优化结果，根据所述尺度优化结果获取真实尺度的三维重建结果。
第三方面，本申请实施例提供了一种所述尺度恢复系统包括：N个标定板、相机和控制设备；其中，N为大于1的自然数；
所述控制设备生成所述N个标定板，并通过相机获取图像序列；所述控制设备根据所述图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；
所述控制设备根据所述无尺度结果，遍历检测所述SFM模型中所述标定板的角点坐标和角点ID；所述控制设备根据所述标定板的角点的物理坐标和所述角点角点坐标获取个尺度；其中，/>为小于或等于N的正整数；所述物理坐标与所述角点坐标通过所述角点ID相匹配；
所述控制设备利用联合优化算法，获取所述个尺度的尺度优化结果，根据所述尺度优化结果获取真实尺度的三维重建结果。
在其中一些实施例中，所述控制设备还用于根据预设标定板字典，将所述角点ID分类为个簇；
所述控制设备利用三角化技术获取三维的所述角点坐标。
第四方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的尺度恢复方法。
第五方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的尺度恢复方法。
相比于相关技术，本申请实施例提供的三维重建的尺度恢复方法、装置、系统和计算机设备，通过生成N个标定板，并通过相机获取图像序列；根据该图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；根据该无尺度结果，遍历检测该SFM模型中该标定板的角点坐标和角点ID；并根据该标定板的角点的物理坐标和该角点坐标获取个尺度；利用联合优化算法，获取该/>个尺度的尺度优化结果，根据该尺度优化结果获取真实尺度的三维重建结果，解决了三维重建中尺度恢复的结果准确性差的问题。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为根据本申请实施例的尺度恢复应用环境的示意图；
图2为根据本申请实施例的尺度恢复方法的流程图一；
图3为根据本申请实施例的几何模型的示意图；
图4为根据本申请实施例的尺度恢复方法的流程图二；
图5为根据本申请实施例的尺度恢复方法的示意图；
图6为根据本申请实施例的尺度恢复装置的结构框图一；
图7为根据本申请实施例的尺度恢复装置的结构框图二；
图8为根据本申请实施例的尺度恢复系统的结构框图；
图9为根据本申请实施例的计算机设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
在本实施例中，提供了一种三维重建的尺度恢复方法，图1为根据本申请实施例的尺度恢复应用环境的示意图，如图1所示，场景中放置有N个不同的带有方向性的标定板，并且通过SFM模型获取多个相机位姿和多个三维点；通过遍历获取该标定板的角点的坐标和ID，可以获取得到多个尺度，利用联合优化算法对多个尺度进行优化，最后根据尺度优化结果获取优化后的相机位姿和三维点，进而获取真实尺度的三维重建结果。
在本实施例中，提供了一种三维重建的尺度恢复方法，图2为根据本申请实施例的尺度恢复方法的流程图一，如图2所示，该方法包括如下步骤：
步骤S202，生成N个标定板，N为大于1的自然数；其中，该标定板为带有方向性的标定板，例如可以设置生成N个Charuco标定板，该Charuco标定板上的二维码用于计算方向，且有唯一ID标识，角点用于计算从标定板至相机的位姿变换(transform from board tocamera)；该Charuco标定板可以提供真实尺度的约束，也可以计算transform。该生成Charuco标定板的方法可以为：利用开放源代码计算机视觉库(Open source ComputerVision Library，简称为OpenCV)生成该Charuco标定板；此外，上述标定板对物理尺度不做要求，即上述N个标定板均可以设置为不同物理尺度的标定板，标定板的大小保证在应用场景拍摄的图像中，可以检测出角点即可。
然后通过相机获取图像序列，并根据该图像序列，利用SFM模型获取三维重建的无尺度结果；其中，该无尺度结果包括多个相机位姿和多个三维点；例如，在两个不同视角对同一对象进行拍摄，然后匹配两幅图中拍摄到的相同点，利用对极几何原理计算出基础矩阵或本质矩阵，将求得的矩阵经奇异值分解就可以得到两个视点对应的位姿关系，最后利用三角定位原理恢复匹配后特征点的场景三维信息。
步骤S204，根据该无尺度结果，遍历检测该SFM模型中注册图像的该标定板的角点坐标。需要说明的是，在利用多个标定板进行尺度恢复的过程中，如果获取角点坐标的角点ID时Charuco标定板中存在二维码验证错误，可以纠正或丢弃该验证结果，因此对整体角点ID计算获取的结果没有影响，进而有利于提高三维重建中尺度恢复的准确性。
然后，根据该标定板的N个物理坐标和多个三角化后的角点3D角点坐标，获取个尺度以及多个标定板的位姿；在其中一些实施例中，遍历该N个物理坐标和多个角点坐标，获取该第一变换和物理坐标的第一乘积，并获取该三角化角点和SFM模型尺度的第二乘积；其中，该第一变换为标定板坐标系到SFM模型坐标系的变换，根据该第一乘积和该第二乘积，获取该/>个尺度，如公式1所示：
Tl g(i)×ptl＝σ×ptg 公式1
其中，Tl g(i)表示第i时刻从标定板坐标系到SFM模型坐标系的变换，即第一变换；ptl表示第i时刻标定板坐标系上的所有角点的物理坐标；σ表示SFM模型的尺度；ptg表示第i时刻SFM模型坐标系的所有角点坐标。
步骤S206，利用联合优化算法，获取该个尺度的尺度优化结果，根据该尺度优化结果获取真实尺度的三维重建结果。需要说明的是，在通过步骤S204获取得到多个尺度和多个位姿后，对多个尺度平均值，然后利用联合优化算法进行计算，如公式2所示：
其中，argmin表示使目标函数f(x)取最小值时的变量值，因此，利用公式2所示的联合优化算法对个尺度联合优化，最终计算获取一个残差最小的尺度以及多个相机位姿。
在相关技术中，一般通过单个标定板计算局部尺度，把该局部尺度作为全局尺度直接恢复，由于SFM模型经常会因为噪声出现部分扭曲的问题，导致全局尺度不一致；或者，通过使用卷尺、激光笔等测距工具，或者相机的全球定位系统(GlobalPositioningSystem，简称为GPS)等外部定位设备，测量某些特征点之间的真实物理距离，跟这些特征点的坐标之间的无尺度距离求平均尺度进行恢复，但是在SFM模型特征地图中找到能手动测量的特征点这一过程比较繁琐，且测量特征点不一定跟实际特征点完全重合，容易引入测量错误的误差；或者，把建好的地图跟重力对齐，然后转换到WGS84坐标系，放进谷歌地图等工具进行缩放对齐，但在WGS84坐标系中，一个像素代表的物理距离较大，误差也会较大，因此，在相关技术中三维重建的尺度恢复中准确性往往较差。
而本申请实施例通过上述步骤S202至步骤S206，通过设置多个带方向的标定板，并遍历检测标定板的角点坐标，然后利用联合优化算法确定残差最小的尺度，从而实现了三维重建中的真实尺度恢复，解决了三维重建的尺度恢复准确性低的问题；同时，由于本申请中尺度恢复通过算法实现，避免了操作人员测量工作繁琐的现象。
在其中一些实施例中，在遍历检测角点ID之后，在获取个尺度之前，该尺度恢复方法还包括以下步骤：根据预设标定板字典，将该角点ID分类为/>个簇；其中，由于步骤S202中通过相机获取的图像序列中可能存在无特征点等缺陷的图像，这些带有缺陷的图像需要丢弃，因此该SFM模型中的注册图像的数量要少于或等于获得的所有图像序列，因此，为小于或等于N的正整数。
其中，在将角点ID分类完成后，可以根据获取的多帧图像，利用三角化技术获取三角化后的多个角点的3D角点坐标；图3为根据本申请实施例的几何模型的示意图，如图3所示，图中为带噪声的几何模型，以根据两帧图像进行三角化为例，求解得到的三维点与实际三维点之间存在由像素残差导致的误差；其中使用两帧图像的几何约束，对一对对应的像素点，并求解得到第二图像相对第一图像的位姿，以及该对像素点对应的三维点位置。
在其中一些实施例中，在生成N个标定板之后，在获取图像序列之前，该尺度恢复方法还包括如下步骤：将N个标定板放置在待重建场景中的N个区域中，并通过所述相机获取N个区域中的图像序列；通过上述步骤，在不同区域中分别放置标定板，对SFM模型中的地图进行多区域采样，使得采样范围尽可能覆盖地图的全区域，进而获取到多区域的最优全局尺度，进一步提高了三维重建中尺度恢复的准确性。
在其中一些实施例中，提供了一种三维重建的尺度恢复方法，图4为根据本申请实施例的尺度恢复方法的流程图二，如图4所示，该方法包括如下步骤：
步骤S402，根据该尺度优化结果获取该尺度恢复的精度评估结果；其中，该尺度优化结果包括各标定板的平均残差，利用上述平均残差可以确定精度评估结果；该精度评估结果指示三维重建应用效果的量化指标；例如，将该三维重建应用在增强现实(AugmentedReality，简称为AR)场景中，则该精度评估结果可以指示该AR场景应用的效果量化。通过上述步骤S402，将通过联合优化算法计算获取的尺度优化结果作为精度评估结果，从而实现了对三维重建应用效果的精度进行评估，并且更能反应三维重建算法的效果对用户体验的影响。
应该理解的是，虽然图2和图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
下面结合实际应用场景对本发明的实施例进行详细说明，图5为根据本申请实施例的尺度恢复方法的示意图，如图5所示，通过程序生成不同标定板，并在场景中摆放N个标定板，通过相机采集图像序列，利用SFM模型进行无尺度的三维重建，进而输出多个相机位姿和多个三维点。
然后，遍历检测SFM模型中注册图像的标定板角点，并对标定板角点ID按照预设标定饭字典，根据不同的标定板分类成个簇，并使用注册图像的位姿三角化标定板的角点，得到其3D角点坐标；根据该角点，以及N个标定板的簇中，作为物理尺度(groundtruth)的每个簇的多个三维物理坐标，利用上述公式1获取N个尺度、残差和标定板在SFM模型中的位姿。
最后，平均个尺度得到平均尺度mean_scale，以及/>个位姿pose1、pose2、……、posex；并利用上述公式2所示的联合优化算法，得到优化后的最优尺度定值opted_scale，个位姿pose1、pose2、……、posex，以及/>个标定板的平均残差；将多个相机位姿的平移(tanslation)部分以及多个三维点都乘以一个定值opted_scale，进而得到优化后的相机位姿和三维点，即最终可以获得精确的真实尺度的三维重建结果。
本实施例还提供了一种三维重建的尺度恢复装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图6为根据本申请实施例的尺度恢复装置的结构框图一，如图6所示，该装置包括：重建模块62、检测模块64和优化模块66。该重建模块62，用于生成N个标定板，并通过相机获取图像序列；该重建模块62根据该图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；该检测模块64，用于根据该无尺度结果，遍历检测该SFM模型中该标定板的角点ID；该检测模块64根据该标定板的角点的物理坐标和该角点角点坐标获取个尺度；其中，/>为小于或等于N的正整数；该物理坐标与该角点坐标相匹配；该优化模块66，用于利用联合优化算法，获取该/>个尺度的尺度优化结果，根据该尺度优化结果获取真实尺度的三维重建结果。
通过上述实施例，通过重建模块62设置多个带方向的标定板，并利用SFM模型进行三维重建；通过检测模块64遍历检测标定板的角点坐标，然后通过优化模块66利用联合优化算法确定残差最小的尺度，从而实现了三维重建中的真实尺度恢复，解决了三维重建的尺度恢复准确性低的问题；同时，由于本申请中尺度恢复通过算法实现，避免了操作人员测量工作繁琐的现象。
在其中一些实施例中，该检测模块64还用于根据预设标定板字典，将该角点ID分类为个簇；该检测模块64利用三角化技术获取三角化后的角点的3D坐标。
在其中一些实施例中，该检测模块64还用于遍历该物理坐标和该角点坐标，获取该物理坐标和第一变换的第一乘积，并获取该三角化角点ID和SFM模型尺度的第二乘积；其中，该第一变换为标定板坐标系到SFM模型坐标系的变换；该检测模块64根据该第一乘积和该第二乘积，获取该个尺度。
在其中一些实施例中，该重建模块62还用于将该N个标定板放置在待重建场景中的N个区域中，并通过该相机获取该N个区域中的图像序列。
在其中一些实施例中，提供了一种三维重建的尺度恢复装置，图7为根据本申请实施例的尺度恢复装置的结构框图二，如图7所示，该装置包括图6所示的所有模块，此外还包括精度评估模块72；该精度评估模块72用于根据该尺度优化结果获取该尺度恢复的精度评估结果；其中，该精度评估结果指示三维重建应用效果的量化指标。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中，提供了一种三维重建的尺度恢复系统，图8为根据本申请实施例的尺度恢复系统的结构框图，如图8所示，该尺度恢复系统包括：N个标定板82、相机86和控制设备84；其中，N为大于1的自然数。
该控制设备84生成该N个标定板82，并通过相机86获取图像序列；该控制设备84根据该图像序列，利用SFM模型获取三维重建的无尺度结果；该控制设备84根据该无尺度结果，遍历检测该SFM模型中该标定板的角点ID；该控制设备84根据该标定板的角点的物理坐标和该角点坐标获取个尺度；其中，/>为小于或等于N的正整数；该物理坐标与该角点坐标相匹配；该控制设备84利用联合优化算法，获取该/>个尺度的尺度优化结果，根据该尺度优化结果获取真实尺度的三维重建结果。
通过上述实施例，通过设置N个带方向的标定板，并遍历检测标定板的角点坐标，然后利用联合优化算法确定残差最小的尺度，从而实现了三维重建中的真实尺度恢复，解决了三维重建的尺度恢复准确性低的问题；同时，由于本申请中尺度恢复通过算法实现，避免了操作人员测量工作繁琐的现象。
在其中一些实施例中，该控制设备84还用于根据预设标定板字典，将该角点ID分类为个簇；其中，/>为小于或等于N的正整数；该控制设备利用三角化技术获取三角化后的角点。
在其中一些实施例中，该控制设备84还用于遍历该N个物理坐标和该个角点坐标，获取该物理坐标和第一变换的第一乘积，并获取该角点和SFM模型尺度的第二乘积；其中，该第一变换为标定板坐标系到SFM模型坐标系的变换；该控制设备根据该第一乘积和该第二乘积，获取该/>个尺度。
在其中一些实施例中，该控制设备84还用于将该N个标定板放置在待重建场景中的N个区域中，并通过该相机86获取该N个区域中的图像序列。
在其中一些实施例中，该控制设备84还用于根据该尺度优化结果获取该尺度恢复的精度评估结果；其中，该精度评估结果指示三维重建应用效果的量化指标。
另外，结合图1描述的本申请实施例三维重建的尺度恢复方法可以由计算机设备来实现。图9为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器92以及存储有计算机程序指令的存储器94。
具体地，上述处理器92可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器94可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器94可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器94可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器94可在数据处理装置的内部或外部。在特定实施例中，存储器94是非易失性(Non-Volatile)存储器。在特定实施例中，存储器94包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器94可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器92所执行的可能的计算机程序指令。
处理器92通过读取并执行存储器94中存储的计算机程序指令，以实现上述实施例中的任意一种三维重建的尺度恢复方法。
在其中一些实施例中，计算机设备还可包括通信接口96和总线98。其中，如图9所示，处理器92、存储器94、通信接口96通过总线98连接并完成相互间的通信。
通信接口96用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口96还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线98包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线98包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线98可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线98可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的角点坐标，执行本申请实施例中的三维重建的尺度恢复方法，从而实现结合图1描述的三维重建的尺度恢复方法。
另外，结合上述实施例中的三维重建的尺度恢复方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种三维重建的尺度恢复方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种三维重建的尺度恢复方法，其特征在于，所述方法包括：
生成N个标定板，并通过相机获取图像序列；根据所述图像序列，利用通过运动恢复结构SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；
根据所述无尺度结果，遍历检测所述SFM模型中所述标定板的角点坐标和角点ID；并根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度；其中，/>为小于或等于N的正整数；所述物理坐标与所述角点坐标通过所述角点ID相匹配；
利用联合优化算法，获取所述个尺度的尺度优化结果，根据所述尺度优化结果获取真实尺度的三维重建结果，其中，所述联合优化算法如下述公式所示：
其中，/>表示第i时刻从所述标定板对应的标定板坐标系到所述SFM模型对应的SFM模型坐标系的变换，ptl表示第i时刻所述标定板坐标系上的所有所述角点的所述物理坐标，σ表示所述SFM模型的尺度，ptg表示第i时刻所述SFM模型坐标系的所有所述角点坐标。
2.根据权利要求1所述的尺度恢复方法，其特征在于，所述遍历检测所述SFM模型中所述标定板的角点坐标之后，所述根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度之前，所述方法还包括：
根据预设标定板字典，将所述角点ID分类为个簇，并利用三角化技术获取三维的所述角点坐标。
3.根据权利要求2所述的尺度恢复方法，其特征在于，所述根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度包括：
遍历所述物理坐标和所述角点坐标，获取第一变换和所述物理坐标的第一乘积，并获取所述角点和SFM模型尺度的第二乘积；其中，所述第一变换为标定板坐标系到SFM模型坐标系的变换；
根据所述第一乘积和所述第二乘积，获取所述个尺度。
4.根据权利要求1所述的尺度恢复方法，其特征在于，所述生成N个标定板之后，所述根据所述图像序列，利用SFM模型获取三维重建的无尺度结果之前，所述方法还包括：
将所述N个标定板放置在待重建场景中的N个区域中，并通过所述相机获取所述N个区域中的图像序列。
5.根据权利要求1至4任一项所述的尺度恢复方法，其特征在于，所述通过联合优化算法，获取所述个尺度的尺度优化结果之后，所述方法还包括：
根据所述尺度优化结果获取所述尺度恢复的精度评估结果；其中，所述精度评估结果指示三维重建应用效果的量化指标。
6.一种三维重建的尺度恢复装置，其特征在于，所述尺度恢复装置包括重建模块、检测模块和优化模块；
所述重建模块，用于生成N个标定板，并通过相机获取图像序列；所述重建模块根据所述图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；
所述检测模块，用于根据所述无尺度结果，遍历检测所述SFM模型中所述标定板的角点坐标和角点ID；所述检测模块根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度；其中，/>为小于或等于N的正整数；所述物理坐标与所述角点坐标通过所述角点ID相匹配；
所述优化模块，用于利用联合优化算法，获取所述个尺度的尺度优化结果，根据所述尺度优化结果获取真实尺度的三维重建结果，其中，所述联合优化算法如下述公式所示：
其中，/>表示第i时刻从所述标定板对应的标定板坐标系到所述SFM模型对应的SFM模型坐标系的变换，ptl表示第i时刻所述标定板坐标系上的所有所述角点的所述物理坐标，σ表示所述SFM模型的尺度，ptg表示第i时刻所述SFM模型坐标系的所有所述角点坐标。
7.一种三维重建的尺度恢复系统，其特征在于，所述尺度恢复系统包括：N个标定板、相机和控制设备；其中，N为大于1的自然数；
所述控制设备生成所述N个标定板，并通过相机获取图像序列；所述控制设备根据所述图像序列，利用SFM模型获取三维重建的无尺度结果；其中，N为大于1的自然数；
所述控制设备根据所述无尺度结果，遍历检测所述SFM模型中所述标定板的角点坐标和角点ID；所述控制设备根据所述标定板的角点的物理坐标和所述角点坐标获取个尺度；其中，/>为小于或等于N的正整数；所述物理坐标与所述角点坐标通过所述角点ID相匹配；
所述控制设备利用联合优化算法，获取所述个尺度的尺度优化结果，根据所述尺度优化结果获取真实尺度的三维重建结果，其中，所述联合优化算法如下述公式所示：
其中，/>表示第i时刻从所述标定板对应的标定板坐标系到所述SFM模型对应的SFM模型坐标系的变换，ptl表示第i时刻所述标定板坐标系上的所有所述角点的所述物理坐标，σ表示所述SFM模型的尺度，ptg表示第i时刻所述SFM模型坐标系的所有所述角点坐标。
8.根据权利要求7所述的尺度恢复系统，其特征在于，所述控制设备还用于根据预设标定板字典，将所述角点ID分类为个簇；
所述控制设备利用三角化技术获取三维的所述角点坐标。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的三维重建的尺度恢复方法。
10.一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，该程序被处理器执行时实现如权利要求1至5中任一项所述的三维重建的尺度恢复方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010603245.9A CN111882657B (zh) | 2020-06-29 | 2020-06-29 | 三维重建的尺度恢复方法、装置、系统和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010603245.9A CN111882657B (zh) | 2020-06-29 | 2020-06-29 | 三维重建的尺度恢复方法、装置、系统和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111882657A CN111882657A (zh) | 2020-11-03 |
| CN111882657B true CN111882657B (zh) | 2024-01-26 |
Family
ID=73157181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010603245.9A Active CN111882657B (zh) | 2020-06-29 | 2020-06-29 | 三维重建的尺度恢复方法、装置、系统和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111882657B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541971A (zh) * | 2020-12-25 | 2021-03-23 | 深圳市慧鲤科技有限公司 | 点云地图构建方法及装置、电子设备和存储介质 |
| CN113012226A (zh) * | 2021-03-22 | 2021-06-22 | 浙江商汤科技开发有限公司 | 相机位姿的估计方法、装置、电子设备及计算机存储介质 |
| CN113223163A (zh) * | 2021-04-28 | 2021-08-06 | Oppo广东移动通信有限公司 | 点云地图构建方法及装置、设备、存储介质 |
| CN114596347A (zh) * | 2022-03-14 | 2022-06-07 | 西南交通大学 | 基于移动摄影图像的滑坡体三维重建与体积计算方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108288292A (zh) * | 2017-12-26 | 2018-07-17 | 中国科学院深圳先进技术研究院 | 一种三维重建方法、装置及设备 |
| CN110047139A (zh) * | 2019-04-28 | 2019-07-23 | 南昌航空大学 | 一种指定目标三维重建方法及系统 |
| CN110223354A (zh) * | 2019-04-30 | 2019-09-10 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于sfm三维重建的相机自标定方法 |
| WO2019179200A1 (zh) * | 2018-03-22 | 2019-09-26 | 深圳岚锋创视网络科技有限公司 | 多目相机的三维重建方法、vr相机和全景相机 |
| CN110458898A (zh) * | 2019-08-15 | 2019-11-15 | 北京迈格威科技有限公司 | 相机标定板、标定数据采集方法、畸变校正方法及装置 |
| CN111145238A (zh) * | 2019-12-12 | 2020-05-12 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
| CN111324145A (zh) * | 2020-02-28 | 2020-06-23 | 厦门理工学院 | 一种无人机自主着陆方法、装置、设备及存储介质 |
-
2020
- 2020-06-29 CN CN202010603245.9A patent/CN111882657B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108288292A (zh) * | 2017-12-26 | 2018-07-17 | 中国科学院深圳先进技术研究院 | 一种三维重建方法、装置及设备 |
| WO2019179200A1 (zh) * | 2018-03-22 | 2019-09-26 | 深圳岚锋创视网络科技有限公司 | 多目相机的三维重建方法、vr相机和全景相机 |
| CN110047139A (zh) * | 2019-04-28 | 2019-07-23 | 南昌航空大学 | 一种指定目标三维重建方法及系统 |
| CN110223354A (zh) * | 2019-04-30 | 2019-09-10 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于sfm三维重建的相机自标定方法 |
| CN110458898A (zh) * | 2019-08-15 | 2019-11-15 | 北京迈格威科技有限公司 | 相机标定板、标定数据采集方法、畸变校正方法及装置 |
| CN111145238A (zh) * | 2019-12-12 | 2020-05-12 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
| CN111324145A (zh) * | 2020-02-28 | 2020-06-23 | 厦门理工学院 | 一种无人机自主着陆方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| AUTOMATED 3D RECONSTRUCTION OF RURAL BUILDINGS FROM STRUCTURE-FROM-MOTION (SFM) PHOTOGRAMMETRY APPROACH;Andrea Pezzuolo,;ENGINEERING FOR RURAL DEVELOPMENT;第1295-1300页 * |
| 地面激光扫描数据在建筑物重建中的研究进展;王方建;遥 感 信 息;第118-124页 * |
| 基于增量式SFM的特定目标加速定位方法;凌寒羽;王培元;彭彬彬;;计算机仿真(03);第248-253页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111882657A (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111882657B (zh) | 三维重建的尺度恢复方法、装置、系统和计算机设备 | |
| EP3309751B1 (en) | Image processing device, method, and program | |
| CN111210468B (zh) | 一种图像深度信息获取方法及装置 | |
| AU2011362799B2 (en) | 3D streets | |
| CN110033046B (zh) | 一种计算特征匹配点分布可信度的量化方法 | |
| CN108447094B (zh) | 一种单目彩色相机的姿态估算方法及系统 | |
| CN110825079A (zh) | 一种地图构建方法及装置 | |
| CN113506373A (zh) | 实时的行李三维建模方法、电子设备和存储介质 | |
| WO2021193672A1 (ja) | 三次元モデル生成方法及び三次元モデル生成装置 | |
| CN113012084A (zh) | 无人机影像实时拼接方法、装置及终端设备 | |
| JP2022027111A (ja) | 測定処理装置、方法及びプログラム | |
| CN112288813A (zh) | 基于多目视觉测量与激光点云地图匹配的位姿估计方法 | |
| CN109238264B (zh) | 一种家畜位置姿势归一化方法及装置 | |
| JP5030183B2 (ja) | ３次元物体位置姿勢計測方法 | |
| CN114877826B (zh) | 一种双目立体匹配三维测量方法、系统及存储介质 | |
| Wan et al. | A performance comparison of feature detectors for planetary rover mapping and localization | |
| Rastgar | Robust self-calibration and fundamental matrix estimation in 3D computer vision | |
| US20230394754A1 (en) | Three-dimensional model generation method, three-dimensional model generation device, and non-transitory computer readable medium | |
| CN115100535B (zh) | 基于仿射相机模型的卫星遥感图像快速重建方法及装置 | |
| CN114219958B (zh) | 一种多视角遥感影像的分类方法、装置、设备和存储介质 | |
| CN116704152B (zh) | 图像处理方法和电子设备 | |
| JP7075090B1 (ja) | 情報処理システム、及び、情報処理方法 | |
| CN116862999B (zh) | 一种双摄像机三维测量的标定方法、系统、设备和介质 | |
| Dias et al. | 3d reconstruction with low resolution, small baseline and high radial distortion stereo images | |
| EP4064206A1 (en) | Three-dimensional model generation method and three-dimensional model generation device |
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 |