CN112330789A - 一种基于目标偏振特征的三维重建方法及装置 - Google Patents
一种基于目标偏振特征的三维重建方法及装置 Download PDFInfo
- Publication number
- CN112330789A CN112330789A CN202011259888.2A CN202011259888A CN112330789A CN 112330789 A CN112330789 A CN 112330789A CN 202011259888 A CN202011259888 A CN 202011259888A CN 112330789 A CN112330789 A CN 112330789A
- Authority
- CN
- China
- Prior art keywords
- polarization
- target
- gradient
- dimensional reconstruction
- characteristic
- 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
Links
Images
Classifications
-
- 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
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于目标偏振特征的三维重建方法及装置、计算机设备、计算机可读存储介质,该方法包括:获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点;基于邦加球表示法,结合各个特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标;建立各特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射。本发明针对目标偏振特征与目标姿态方位关联的特点,通过邦加球表示法建立目标的空间姿态方位信息,进而实现目标基于偏振特征的三维重建。
Description
技术领域
本发明涉及目标探测与识别技术领域,尤其涉及一种基于目标偏振特征的三维重建方法及装置、计算机设备、计算机可读存储介质。
背景技术
目标形状及表面特性是描述目标的重要特点,也是基于机器视觉的工业过程检测、目标识别与跟踪、计算机图形学中合成目标真实描述的重要依据。目前,基于目标形状建模的研究,多为通过多幅图像恢复目标三维形状的方法、神经网络方法、双目体式法、光度立体法等,但上述方法均需要处理大量的图像数据,并进行复杂的算法分析,实现成本高,且实时性差,难以满足目标跟踪识别的要求。
发明内容
本发明的目的是针对上述至少一部分不足之处,提供一种基于目标偏振特征的三维重建方法,以改善目标三维重建的时效性。
为了实现上述目的,本发明提供了一种基于目标偏振特征的三维重建方法,该方法包括如下步骤:
S1、获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点;
S2、基于邦加球表示法,结合各个特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标;
S3、建立各特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射,实现基于目标偏振特征的三维重建。
优选地,所述步骤S1中提取目标表面轮廓的特征点时,包括如下步骤:
S1-1、以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,根据目标偏振特征得到用于提取目标表面轮廓的梯度幅值、梯度方向;
S1-2、对得到的梯度幅值进行非极大值抑制处理,保留局部变化最大的点;
S1-3、根据目标表面材质的线偏振特征,设定双阈值法中的高、低阈值取值,用双阈值法检测和连接边缘,提取目标表面轮廓的特征点。
优选地,所述步骤S1-1中,得到用于提取目标表面轮廓的梯度幅值、梯度方向时,求解过程如下:
水平方向的差分fx(x,y)为:
fx(x,y)=S1=I0-I90
垂直方向的差分fy(x,y)为:
fy(x,y)=S2=I45-I135
求得梯度幅值M(x,y)为:
梯度方向θ(x,y)为:
θ(x,y)=arctan[fy(x,y)/fx(x,y)]
其中,x、y分别表示为正交的两个变量,S1表示水平线偏振光与垂直线偏振光的差分图像,I0表示偏振片线栅为0°的光强度图像,I90表示偏振片线栅为90°的光强度图像,S2表示45°线偏振光与135°线偏振光的差分图像,I45表示偏振片线栅为45°的光强度图像,I135表示偏振片线栅为135°的光强度图像。
优选地,所述步骤S3中利用三维图形软件完成纹理映射时,若不连续的两个特征点在梯度幅值上的差异大于设定阈值,则通过重叠区域进行插值的方法进行纹理阶跃性处理,最终完成基于目标偏振特征的三维重建。
本发明还提供了一种基于目标偏振特征的三维重建装置,包括:
特征点提取单元,用于获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点;
偏振表示单元,用于基于邦加球表示法,结合各个特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标;
纹理映射单元,用于建立各特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射,实现基于目标偏振特征的三维重建。
优选地,所述特征点提取单元提取目标表面轮廓的特征点时,具体包括如下步骤:
以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,根据目标偏振特征得到用于提取目标表面轮廓的梯度幅值、梯度方向;
对得到的梯度幅值进行非极大值抑制处理,保留局部变化最大的点;
根据目标表面材质的线偏振特征,设定双阈值法中的高、低阈值取值,用双阈值法检测和连接边缘,提取目标表面轮廓的特征点。
优选地,所述特征点提取单元根据目标偏振特征中的偏振度、偏振角,得到用于提取目标表面轮廓的梯度幅值、梯度方向时,求解过程如下:
水平方向的差分fx(x,y)为:
fx(x,y)=S1=I0-I90
垂直方向的差分fy(x,y)为:
fy(x,y)=S2=I45-I135
求得梯度幅值M(x,y)为:
梯度方向θ(x,y)为:
θ(x,y)=arctan[fy(x,y)/fx(x,y)]
其中,x、y分别表示为正交的两个变量,S1表示水平线偏振光与垂直线偏振光的差分图像,I0表示偏振片线栅为0°的光强度图像,I90表示偏振片线栅为90°的光强度图像,S2表示45°线偏振光与135°线偏振光的差分图像,I45表示偏振片线栅为45°的光强度图像,I135表示偏振片线栅为135°的光强度图像。
优选地,所述纹理映射单元利用三维图形软件完成纹理映射时,若不连续的两个特征点在梯度幅值上的差异大于设定阈值,则通过重叠区域进行插值的方法进行纹理阶跃性处理,最终完成基于目标偏振特征的三维重建。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述基于目标偏振特征的三维重建方法的步骤。
本发明还提供了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上述任一项所述基于目标偏振特征的三维重建方法的步骤。
本发明的上述技术方案具有如下优点:本发明提供了一种基于目标偏振特征的三维重建方法及装置、计算机设备、计算机可读存储介质,本发明通过分析典型目标表面偏振特征的分布规律,并结合偏振特征信息在凸显目标表面细节纹理信息方面的特点,提出基于偏振特征获取目标表面轮廓特征点的方法,并结合偏振角特征可描述目标表面轮廓特征点相位信息及邦加球表示法在球面空间呈现目标表面信息的特点,通过解析目标偏振特征实现重建物体三维结构,具有实现相对简单、处理数据量小、时效性强、成本低的优势,并且,本发明通过借助球面空间坐标进行纹理平滑处理,可减少重建后纹理特征的阶跃性变化。
附图说明
图1是本发明实施例中一种基于目标偏振特征的三维重建方法步骤示意图;
图2是邦加球图示法;
图3是本发明实施例中一种基于目标偏振特征的三维重建装置结构示意图。
图中:100:特征点提取单元;200:偏振表示单元;300:纹理映射单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,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在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种基于目标偏振特征的三维重建方法,该方法包括如下步骤:
S1、基于目标偏振特征的特征点提取:获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点。
其中,目标图像对应的目标偏振特征来自与目标图像同视场的、由不同旋转方向的偏振图像计算得出的偏振度、偏振角特征图像,目标偏振特征包括目标的偏振度、偏振角。
目标的三维重建通过选择图像信息中特征较强、信息含有量大且便于提取的点作为三维重建的基础点而实现,因此,特征点的检测和提取是三维重建步骤中必不可少的一个部分。目前,常用的特征点检测和提取方法主要为:a.基于灰度直接提取,b.先检测边缘,然后计算边缘梯度的最大值,获取目标边缘(即目标表面轮廓)的特征点。
此步骤S1旨在基于目标偏振特征信息实现目标的边缘检测,进而提取出三维重建所需的边缘特征点。基于目标偏振特征的边缘提取方式结合了梯度算子在边缘提取上的优势,利用梯度幅值、梯度方向与偏振度、偏振角特征图像的关联性,通过将梯度图像像素对角线方向引入差分均值计算,提高了目标边缘定位,也即表面轮廓定位的准确性。
优选地,步骤S1中提取目标表面轮廓的特征点时,包括如下步骤:
S1-1、以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,根据目标偏振特征得到用于提取目标表面轮廓的梯度幅值、梯度方向,构成梯度幅值矩阵。
进一步地,步骤S1-1中,得到用于提取目标表面轮廓的梯度幅值、梯度方向时,求解过程如下:
水平方向的差分fx(x,y)为:
fx(x,y)=S1=I0-I90
垂直方向的差分fy(x,y)为:
fy(x,y)=S2=I45-I135
求得梯度幅值M(x,y)为:
梯度方向θ(x,y)为:
θ(x,y)=arctan[fy(x,y)/fx(x,y)]
其中,x、y分别表示为正交的两个变量,S1表示水平线偏振光与垂直线偏振光的差分图像,I0表示偏振片线栅为0°的光强度图像,I90表示偏振片线栅为90°的光强度图像,S2表示45°线偏振光与135°线偏振光的差分图像,I45表示偏振片线栅为45°的光强度图像,I135表示偏振片线栅为135°的光强度图像。
S1-2、对得到的梯度幅值进行非极大值抑制处理,保留局部变化最大的点。
图像的梯度幅值矩阵中元素越大,说明图像中该点的梯度值越大,但并不表明该点就是边缘。本步骤结合偏振角特征信息,将其作为梯度方向分析梯度幅值中的像素值,结合非极大值抑制的方法排除非边缘像素,进而保留梯度幅值像素中局部变化最大的点。
S1-3、根据目标表面材质的线偏振特征,设定双阈值法中的高、低阈值取值,用双阈值法检测和连接边缘,提取目标表面轮廓的特征点。
考虑到目标表面线偏振度特征与目标表面材质参数之间的对应关系可知,基于目标偏振信息的边缘特征提取方法对于复杂背景中的目标提取具有优势,根据目标表面材质的线偏振特征设定双阈值法中的高低阈值取值,可提高目标边缘轮廓特征提取的准确性。
S2、基于偏振信息邦加球表示法的特征点的纹理坐标信息获取:基于邦加球表示法,结合各个目标表面轮廓特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标。
此步骤S2旨在基于邦加球表示法,获取目标表面轮廓特征点的纹理坐标信息。常用的偏振度p、偏振角α的计算公式如下式所示:
式中,偏振度p是[0,1]内的无量纲数,p=0表示非偏振光,p=1表示全偏振光,其它为部分偏振光;偏振角α表示入射光的偏振方向相对于X轴的夹角,对于部分偏振光,则是能量最大的偏振方向与X轴的夹角,其取值范围为[-π/2,π/2]。
如图2所示,邦加球表示法是表示任一偏振态的图示法,由于任一椭圆偏振光只需要偏振角α、方位角β,就可以完全决定其偏振态,而α和β可用球面上的经度和纬度来表示。定义斯托克斯矢量S=(S0,S1,S2,S3),其中,S0为总光强,S1、S2、S3为全偏振分量在坐标轴上的投影,S1表示水平线偏振光与垂直线偏振光的差分图像,S2表示45°线偏振光与135°线偏振光的差分图像,S3表示左旋圆偏振光与右旋圆偏振光的差分图像。邦加球球面上的一个点P就可代表一个偏振态,球上全部点的组合代表了所有可能的偏振态。赤道上不同的点代表不同偏振方向的线偏振光,球面上的赤道上半部分的点代表右旋圆偏振光,下半部分代表左旋圆偏振光,南、北两极两点则分别代表左、右圆偏振光。在邦加球的球心处,p=0表示完全非偏振光;在邦加球球面上,p=1表示完全偏振光;在邦加球内任意一点,表示部分偏振光。
步骤S2中,将步骤S1获取的、目标表面轮廓的偏振特征信息与邦加球表示法结合起来,将目标表面轮廓的特征点通过映射的方法投射到邦加球空间中,由偏振角的取值范围可知2α取值范围为[-π,π],故基于目标表面轮廓的偏振度和对应特征点的偏振角信息,可将各个特征点完全映射到邦加球中。通过与基准坐标系建立联系以获取目标表面轮廓特征点的纹理坐标信息。由于偏振度的取值与探测角度、表面粗糙度等特征密切相关,测试过程中的误差可能会影响部分偏振度值,故而会导致相邻两区域的偏振度值出现阶跃性变化,进而会造成视觉上的不适或者判断错误,产生一定的失真。借助球面空间坐标可对奇异值进行处理,主要通过对重叠区域进行插值来实现。借助球面空间坐标进行纹理平滑处理,可减少重建后纹理特征的阶跃性变化。
S3、基于目标偏振特征的纹理映射:建立各个特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射,实现基于目标偏振特征的三维重建。
其中,常用的三维图形软件包括OpenGL等软件。
基于目标偏振特征的三维重建主要通过三维图形软件来实现,通常该类图像软件具有开放式三维图形软件接口标准,由于透视投影成像过程与摄影机的成像过程本质相同,故具备实现纹理映射的基础。且通常该类图像软件中包含较多相关函数,可实现单元化的目标三维重建。基于步骤S2中获取的各特征点的纹理坐标,从而建立各特征点的纹理坐标和几何坐标之间的对应关系,容易实现纹理映射的过程,完成纹理映射后即为实现了目标的纹理重建。
对于不连续特征点区域在灰度上产生的明显差异,如果直接完成纹理映射,则会出现明显的阶跃性边缘,优选地,步骤S3中利用三维图形软件完成纹理映射时,若不连续的两个特征点在梯度幅值上的差异大于设定阈值,则可通过重叠区域进行插值的方法进行纹理阶跃性处理,最终完成基于目标偏振特征的三维重建。
目标表面的偏振特征反映了物体的表面信息,通过解析目标表面的偏振特征可获取目标的表面信息。目前国内外公开文献中关于偏振特征研究应用多为遥感探测、军事目标探测识别等,而用于目标三维重建的分析研究较少报道。本发明提供了一种基于目标偏振特征的三维重建方法,该方法针对偏振特征图像凸显目标边缘轮廓等细节特征的特点,通过解析目标偏振特征重建物体三维结构,具有实现相对简单、处理数据量小、成本低的特点,能够改善目标三维重建的时效性。
如图3所示,本发明还提供了一种基于目标偏振特征的三维重建装置,包括特征点提取单元100、偏振表示单元200和纹理映射单元300,其中:
特征点提取单元100用于获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点。偏振表示单元200用于基于邦加球表示法,结合各个特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标。纹理映射单元300用于建立各特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射,实现基于目标偏振特征的三维重建。
优选地,特征点提取单元100提取目标表面轮廓的特征点时,具体包括如下步骤:
以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,根据目标偏振特征得到用于提取目标表面轮廓的梯度幅值、梯度方向;
对得到的梯度幅值进行非极大值抑制处理,保留局部变化最大的点;
根据目标表面材质的线偏振特征,设定双阈值法中的高、低阈值取值,用双阈值法检测和连接边缘,提取目标表面轮廓的特征点。
进一步地,特征点提取单元根据目标偏振特征中的偏振度、偏振角,得到用于提取目标表面轮廓的梯度幅值、梯度方向时,求解过程如下:
水平方向的差分fx(x,y)为:
fx(x,y)=S1=I0-I90
垂直方向的差分fy(x,y)为:
fy(x,y)=S2=I45-I135
求得梯度幅值M(x,y)为:
梯度方向θ(x,y)为:
θ(x,y)=arctan[fy(x,y)/fx(x,y)]
其中,x、y分别表示为正交的两个变量,S1表示水平线偏振光与垂直线偏振光的差分图像,I0表示偏振片线栅为0°的光强度图像,I90表示偏振片线栅为90°的光强度图像,S2表示45°线偏振光与135°线偏振光的差分图像,I45表示偏振片线栅为45°的光强度图像,I135表示偏振片线栅为135°的光强度图像。
优选地,纹理映射单元300利用三维图形软件完成纹理映射时,若不连续的两个特征点在梯度幅值上的差异大于设定阈值,则通过重叠区域进行插值的方法进行纹理阶跃性处理,最终完成基于目标偏振特征的三维重建。
上述基于目标偏振特征的三维重建装置的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
以上各实施例中,硬件单元可以通过机械方式或电气方式实现。例如,一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
特别地,在本发明一些优选的实施方式中,还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施方式中所述基于目标偏振特征的三维重建方法的步骤。
在本发明另一些优选的实施方式中,还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上述任一实施方式中所述基于目标偏振特征的三维重建方法的步骤。
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,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,可包括如上述基于目标偏振特征的三维重建方法实施例的流程,在此不再重复说明。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于目标偏振特征的三维重建方法,其特征在于,包括如下步骤:
S1、获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点;
S2、基于邦加球表示法,结合各个特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标;
S3、建立各特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射,实现基于目标偏振特征的三维重建。
2.根据权利要求1所述的基于目标偏振特征的三维重建方法,其特征在于,
所述步骤S1中提取目标表面轮廓的特征点时,包括如下步骤:
S1-1、以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,根据目标偏振特征得到用于提取目标表面轮廓的梯度幅值、梯度方向;
S1-2、对得到的梯度幅值进行非极大值抑制处理,保留局部变化最大的点;
S1-3、根据目标表面材质的线偏振特征,设定双阈值法中的高、低阈值取值,用双阈值法检测和连接边缘,提取目标表面轮廓的特征点。
3.根据权利要求2所述的基于目标偏振特征的三维重建方法,其特征在于,
所述步骤S1-1中,得到用于提取目标表面轮廓的梯度幅值、梯度方向时,求解过程如下:
水平方向的差分fx(x,y)为:
fx(x,y)=S1=I0-I90
垂直方向的差分fy(x,y)为:
fy(x,y)=S2=I45-I135
求得梯度幅值M(x,y)为:
梯度方向θ(x,y)为:
θ(x,y)=arctan[fy(x,y)/fx(x,y)]
其中,x、y分别表示为正交的两个变量,S1表示水平线偏振光与垂直线偏振光的差分图像,I0表示偏振片线栅为0°的光强度图像,I90表示偏振片线栅为90°的光强度图像,S2表示45°线偏振光与135°线偏振光的差分图像,I45表示偏振片线栅为45°的光强度图像,I135表示偏振片线栅为135°的光强度图像。
4.根据权利要求1所述的基于目标偏振特征的三维重建方法,其特征在于:
所述步骤S3中利用三维图形软件完成纹理映射时,若不连续的两个特征点在梯度幅值上的差异大于设定阈值,则通过重叠区域进行插值的方法进行纹理阶跃性处理,最终完成基于目标偏振特征的三维重建。
5.一种基于目标偏振特征的三维重建装置,其特征在于,包括:
特征点提取单元,用于获取目标图像及对应的目标偏振特征,基于边缘检测方法,以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,利用梯度算子提取目标表面轮廓的特征点;
偏振表示单元,用于基于邦加球表示法,结合各个特征点的偏振度、偏振角,将提取的特征点投射到邦加球空间,通过与基准坐标系建立联系,获取各特征点的纹理坐标;
纹理映射单元,用于建立各特征点的纹理坐标与几何坐标之间的对应关系,利用三维图形软件完成纹理映射,实现基于目标偏振特征的三维重建。
6.根据权利要求5所述的基于目标偏振特征的三维重建装置,其特征在于,
所述特征点提取单元提取目标表面轮廓的特征点时,具体包括如下步骤:
以目标偏振特征中的偏振度作为梯度幅值,以偏振角作为梯度方向,根据目标偏振特征得到用于提取目标表面轮廓的梯度幅值、梯度方向;
对得到的梯度幅值进行非极大值抑制处理,保留局部变化最大的点;
根据目标表面材质的线偏振特征,设定双阈值法中的高、低阈值取值,用双阈值法检测和连接边缘,提取目标表面轮廓的特征点。
7.根据权利要求6所述的基于目标偏振特征的三维重建装置,其特征在于,
所述特征点提取单元根据目标偏振特征中的偏振度、偏振角,得到用于提取目标表面轮廓的梯度幅值、梯度方向时,求解过程如下:
水平方向的差分fx(x,y)为:
fx(x,y)=S1=I0-I90
垂直方向的差分fy(x,y)为:
fy(x,y)=S2=I45-I135
求得梯度幅值M(x,y)为:
梯度方向θ(x,y)为:
θ(x,y)=arctan[fy(x,y)/fx(x,y)]
其中,x、y分别表示为正交的两个变量,S1表示水平线偏振光与垂直线偏振光的差分图像,I0表示偏振片线栅为0°的光强度图像,I90表示偏振片线栅为90°的光强度图像,S2表示45°线偏振光与135°线偏振光的差分图像,I45表示偏振片线栅为45°的光强度图像,I135表示偏振片线栅为135°的光强度图像。
8.根据权利要求5所述的基于目标偏振特征的三维重建装置,其特征在于:
所述纹理映射单元利用三维图形软件完成纹理映射时,若不连续的两个特征点在梯度幅值上的差异大于设定阈值,则通过重叠区域进行插值的方法进行纹理阶跃性处理,最终完成基于目标偏振特征的三维重建。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述基于目标偏振特征的三维重建方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述基于目标偏振特征的三维重建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011259888.2A CN112330789B (zh) | 2020-11-12 | 2020-11-12 | 一种基于目标偏振特征的三维重建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011259888.2A CN112330789B (zh) | 2020-11-12 | 2020-11-12 | 一种基于目标偏振特征的三维重建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330789A true CN112330789A (zh) | 2021-02-05 |
CN112330789B CN112330789B (zh) | 2023-05-09 |
Family
ID=74318969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011259888.2A Active CN112330789B (zh) | 2020-11-12 | 2020-11-12 | 一种基于目标偏振特征的三维重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330789B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0903609A1 (fr) * | 1997-09-23 | 1999-03-24 | Thomson-Csf | Procédé d'imagerie tridimensionnelle à partir d'images thermiques |
US20170163968A1 (en) * | 2015-12-03 | 2017-06-08 | Metal Industries Research & Development Centre | Device and method for scanning object outline image |
CN111340936A (zh) * | 2020-02-17 | 2020-06-26 | 西安电子科技大学 | 一种基于偏振漫反射分离的被动三维重建方法 |
CN111402395A (zh) * | 2020-02-17 | 2020-07-10 | 西安电子科技大学 | 一种基于cnn校正的被动偏振三维重建方法 |
CN111899290A (zh) * | 2020-07-09 | 2020-11-06 | 武汉大学 | 一种联合偏振和双目视觉的三维重建方法 |
-
2020
- 2020-11-12 CN CN202011259888.2A patent/CN112330789B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0903609A1 (fr) * | 1997-09-23 | 1999-03-24 | Thomson-Csf | Procédé d'imagerie tridimensionnelle à partir d'images thermiques |
US20170163968A1 (en) * | 2015-12-03 | 2017-06-08 | Metal Industries Research & Development Centre | Device and method for scanning object outline image |
CN111340936A (zh) * | 2020-02-17 | 2020-06-26 | 西安电子科技大学 | 一种基于偏振漫反射分离的被动三维重建方法 |
CN111402395A (zh) * | 2020-02-17 | 2020-07-10 | 西安电子科技大学 | 一种基于cnn校正的被动偏振三维重建方法 |
CN111899290A (zh) * | 2020-07-09 | 2020-11-06 | 武汉大学 | 一种联合偏振和双目视觉的三维重建方法 |
Non-Patent Citations (3)
Title |
---|
MIYAZAKI D等: "Transparent surface modeling from a pair of polarization images" * |
郝婧蕾;赵永强;赵海盟;PETER BREZANY;孙嘉玉;: "偏振多光谱机器视觉的高反光无纹理目标三维重构方法" * |
陈伟力等: "基于目标边缘轮廓偏振特征的姿态分析初探" * |
Also Published As
Publication number | Publication date |
---|---|
CN112330789B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463108B (zh) | 一种单目实时目标识别及位姿测量方法 | |
CN109544628B (zh) | 一种指针式仪表的准确读数识别系统及方法 | |
CN111369666A (zh) | 一种基于多台rgbd相机的动态目标重建方法和装置 | |
Kumar Mishra et al. | A review of optical imagery and airborne lidar data registration methods | |
CN111598993A (zh) | 基于多视角成像技术的三维数据重建方法、装置 | |
Lv et al. | Build 3D Scanner System based on Binocular Stereo Vision. | |
Zou et al. | A method of stereo vision matching based on OpenCV | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
Houshiar et al. | A study of projections for key point based registration of panoramic terrestrial 3D laser scan | |
CN110264573B (zh) | 基于结构光的三维重建方法、装置、终端设备及存储介质 | |
CN112489099B (zh) | 点云配准方法、装置、存储介质及电子设备 | |
CN106910173B (zh) | 基于鱼眼图像校正实现鱼眼视频小窗口实时漫游的方法 | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
CN112348958A (zh) | 关键帧图像的采集方法、装置、系统和三维重建方法 | |
CN105678719A (zh) | 一种全景拼接接缝处平滑方法及装置 | |
Kim et al. | Real-time panorama canvas of natural images | |
CN113379815A (zh) | 基于rgb相机与激光传感器的三维重建方法、装置及服务器 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
CN115761126A (zh) | 基于结构光的三维重建方法、装置、电子设备和存储介质 | |
CN112330789B (zh) | 一种基于目标偏振特征的三维重建方法及装置 | |
CN116563582A (zh) | 基于国产CPU和opencv的图像模板匹配方法及装置 | |
WO2022175688A1 (en) | Image processing | |
CN109493354B (zh) | 一种基于多视角图像的目标二维几何外形重构方法 | |
JP2022082404A (ja) | 全方向ローカリゼーションのための回転等変向き推定 | |
Zhu et al. | Plant Modeling Based on 3D Reconstruction and Its Application in Digital Museum. |
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 |