CN112822478B - 一种用于三维重建的高质量照片序列获取方法 - Google Patents
一种用于三维重建的高质量照片序列获取方法 Download PDFInfo
- Publication number
- CN112822478B CN112822478B CN202011625775.XA CN202011625775A CN112822478B CN 112822478 B CN112822478 B CN 112822478B CN 202011625775 A CN202011625775 A CN 202011625775A CN 112822478 B CN112822478 B CN 112822478B
- Authority
- CN
- China
- Prior art keywords
- photo
- camera
- picture
- shooting
- photos
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/207—Image signal generators using stereoscopic image cameras using a single 2D image sensor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- 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
- G06T7/97—Determining parameters from multiple pictures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/275—Image signal generators from 3D object models, e.g. computer-generated stereoscopic image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (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)
- Stereoscopic And Panoramic Photography (AREA)
Abstract
本发明公开了一种用于三维重建的高质量照片序列获取方法。通过搭建照片拍摄系统,对物体进行拍照,得到物体全范围照片;然后将所有照片的照片背景进行去除,并按水平和竖直方向组成照片阵列;最后计算照片阵列中每张照片和其相邻照片的特征点重复度,指导照片阵列进行调整,从而得到高质量的照片序列。本发明不仅解决了多相机协同拍摄对使用场地环境的要求较高的问题,而且克服了传统单相机获取照片序列方法靠人工判断的不足,能够通过计算准确的量化数据来指导照片阵列进行调整,进而得到高质量的照片序列,不仅保证三维重建模型的质量,而且加快三维重建速度。
Description
技术领域
本发明属于三维重建领域,具体涉及一种用于三维重建的高质量照片序列获取方法。
背景技术
近年来,基于照片的三维重建技术被广泛应用于逆向工程、虚拟现实、数字城市、无人驾驶、文物考古等领域。市面上出现许多三维重建软件,如Photoscan、Meshroom和VisualSFM等。这些软件通常以从物体不同角度获取的照片集合为输入,然后基于Structure From Motion(SFM)流程,对获取的照片进行特征点匹配,推断出相机参数并生成被拍摄物体表面的点云数据,最后根据点云生成三维网格模型。在上述三维重建过程中,获取的照片,它们的质量往往对最终重建的三维网格模型的质量有直接的影响。因此,如何获取高质量的照片集合是基于照片的三维重建技术优先需要考虑的问题。特别地,用于三维重建的高质量照片集合往往具备以下特征:(1)集合中任一照片没有模糊;(2)所有照片背景一致;(3)集合中的任一照片存在另外一张或多张照片,它们在内容特征点上的重复度不低于80%;(4)集合中的照片数量尽量的少,因为数量越多三维重建的效率往往越慢。
目前,面向三维重建软件的照片获取方法主要有两种:
(1)多相机协同拍摄,即将拍摄物体置于由多个已标定的相机组成的相机阵列中,以此获取物体各个角度的照片集合。该类方法可以获得较高质量的照片集合,例如照片之间内容特征点重复度稳定、被摄物体的成像尺寸一致。然而,重复度值的高低、覆盖拍摄物体范围的大小、照片数量等取决于相机阵列的数量和空间分布,成本较高,对使用场地环境的要求也较高,难以普及应用。
(2)单相机拍摄,照片集合通常采用单个相机围绕物体进行连续拍摄获得或者固定相机转动物体进行连续拍摄获得,相机无需标定。该方法采集的照片覆盖物体的范围大小和照片的数量自由度较高,成本较低,但照片内容的清晰度、照片之间内容特征点重复度值的高低以及够重建三维模型的照片数量等均有赖于人工经验,即还缺少自动且有效的方法对所采集的照片集合的质量进行判断和保障。不仅如此,此类方法拍摄的照片集合进行三维重建时,一旦重建的模型质量不佳,难以局部补拍,通常需要全部仔细且谨慎地重新拍摄一遍,费时低效。
随着相机的逐渐普及以及数字化在各行各业的逐渐开展,不受相机阵列环境限制的单相机拍摄获取照片集合,在三维重建技术中逐步受到重视。在此情形下,如何充分利用单相机拍摄的优势,并改善单相机拍摄的照片集合的质量,成为首先需要解决的关键问题。
发明内容
针对现有技术中存在的不足,本发明提出一种用于三维重建的高质量照片序列获取方法。
相较于传统基于单相机获取照片集合的拍摄方法,本发明克服了照片序列质量靠人工经验判断的不足,能够自适应获取高质量照片序列,且对使用场地环境的要求不高,成本较低。
本发明采用的技术方案主要包括以下步骤:
步骤1.搭建照片拍摄系统:
照片拍摄系统包括拍摄基台、电动转台、相机支架和被拍摄物体,所述拍摄基台上设基台背景布和电动转台,电动转台上设有转台背景布,被拍摄物体置于转台背景布之上,所述的相机支架安装在拍摄基台上,相机支架上设有单个相机,相机的镜头朝向被拍摄物体,设有控制模块控制电动转台旋转固定角度以及相机拍摄照片。
步骤2.按序全范围拍摄获取物体照片:
将物体正放于电动转台时,由于物体底面被遮挡,因此物体全范围照片分两次获取。首先将物体正放于电动转台上,拍摄不包含物体底面的上半部分照片。物体上半部分照片拍摄完成后,将物体倒置于电动转台上,拍摄包含物体底面的下半部分照片。上、下两部分照片共同组成物体全范围照片。得到物体全范围照片之后,以电动转盘旋转角度横轴,以相机位置为纵轴,将物体全范围照片排成照片阵列。
照片拍摄方式分为水平方向和竖直方向。在水平方向上,相机固定在相机支架上的某一位置,电动转台的转动一周,相机拍摄物体360度的一圈照片;在一圈照片拍摄完成之后,将相机移动到相机支架的另一位置,继续拍摄下一角度的照片。
步骤3.基于照片阵列开展质量检测与适应性重拍:
在三维模型重建过程中,照片中的背景一般不需要重建。因此,在对照片阵列进行评价之前,需要去除照片阵列中每一张照片的背景。
根据特征点的重复度进行照片阵列的质量检测:
首先,提取照片阵列中每一张照片的特征点。然后,遍历每一张照片,计算当前照片和其相邻上、下、左、右四个方向照片的特征点重复度。如果某一方向的特征点重复度低于给定阈值,则在该方向上读取当前照片和相邻照片的拍摄角度,提取两张照片拍摄的角度范围,在该范围内拍摄新的照片,添加到照片阵列。
照片阵列完成添加照片之后,对照片阵列之中的冗余照片进行删除。为了不影响添加照片的效果,冗余照片判断只在未添加过照片的角度范围中进行。如果一张照片之前的照片和该照片之后的照片的特征点重复度超过给定阈值,则该照片为冗余照片。
照片阵列删除冗余照片之后,将照片阵列按行输出,最终得到高质量的照片序列。
本发明有益效果如下:
本发明首先通过搭建照片拍摄系统,对物体进行拍照,得到物体全范围照片;然后将所有照片的照片背景进行去除,并按水平和竖直方向组成照片阵列;最后计算照片阵列中每张照片和其相邻照片的特征点重复度,指导照片阵列进行调整,从而得到高质量的照片序列。
本发明不仅解决了多相机协同拍摄对使用场地环境的要求较高的问题,而且克服了传统单相机获取照片序列方法靠人工判断的不足,能够通过计算准确的量化数据来指导照片阵列进行调整,进而得到高质量的照片序列。本发明可用于三维重建技术中高质量照片序列的获取,目的是获取到照片数量较少的高质量照片序列,不仅保证三维重建模型的质量,而且加快三维重建速度。
附图说明
图1为本发明流程图;
图2为本发明照片拍摄系统结构示意图;
图3为相机支架示意图;
图4为未去背景的照片阵列;
图5为去背景的照片阵列;
图6为特征点重复度计算结果;
图7为水平方向照片阵列调整结果;
图8为照片阵列删除冗余照片过程。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,一种用于三维重建的高质量照片序列获取方法,主要包括以下步骤:
步骤1.搭建照片拍摄系统:
1-1.照片拍摄系统如图2所示,包括拍摄基台1、均匀光源2、电动转台3、相机支架4、相机5、被拍摄物体6、控制模块7、基台背景布8和转台背景布9。
1-2.拍摄基台1铺设有基台背景布8,基台背景布8的中心位置放置电动转台3,电动转台3上铺设有转台背景布9,转台背景布9之上放置被拍摄物体6。通过基台背景布8和转台背景布9确保照片背景颜色一致。
1-3.均匀光源2照射被拍摄物体6,拍摄基台1上设有相机支架4,所述的相机支架4设置有弧形区域,所述的相机5架设在相机支架4的弧形区域上,通过相机支架4的弧形区域使相机镜头到被拍摄物体的距离相等,
1-4.相机5的相机镜头朝向被拍摄物体6,控制模块7连接相机5和电动转台2,控制电动转台2旋转和相机5拍摄照片。
步骤2.按序全范围拍摄获取物体照片
拍摄物体对照片拍摄系统进行设置:
(1)当物体为对称结构时,添加额外的标记进行区分。(2)根据物体颜色更换基台背景布和转台背景布。背景布颜色选择的原则是不和物体表面颜色相近。(3)放置物体以及调整相机。将物体放置在电动转台中心,保证整个物体处于相机屏幕内,调节相机焦距,避免照片出现深度模糊。(4)设置拍摄光环境。调节两侧均匀光源的位置和光照强度,尽量减少物体阴影。
照片拍摄分水平和竖直两个方向进行。在水平方向上,物体每旋转360度,相机要拍n张照片,则物体每次转动的角度为360/n度,设置物体每旋转r度,相机拍摄一张照片。在竖直方向上,相机在相机支架上进行移动,相机每完成一圈照片的拍摄,相机在相机支架上移动t度。相机支架示意图如图3所示。在物体上半部分拍摄完成之后,将物体倒置,进行下半部分的拍摄。物体全范围照片获取过程如下:
2-1.将物体正放于电动转台上,拍摄物体上半部分照片,具体步骤如下:
2-1-1.相机设置在相机支架0度位置。
2-1-2.电动装台从0度开始顺时针旋转,每旋转r度,相机拍摄一张照片。
2-1-3.相机位置沿相机支架增加t度。
2-1-4.如果相机位置小于90度,重复步骤2-1-2和步骤2-1-3,否则停止拍摄。
2-2.保持补光灯位置和强度不变,保持相机焦距不变,将物体倒置于电动转台上,拍摄物体下半部分照片,具体步骤如下:
2-2-1.相机设置在相机支架t度位置,相对于正放物体,相机拍摄角度为-t度。
2-2-2.电动装台从0度开始顺时针旋转,每旋转r度,相机拍摄一张照片。
2-2-3.相机位置沿相机支架增加t度,相对于正放物体相机拍摄角度增加-t度。
2-2-4.如果相机位置小于90度,重复步骤2-2-2和步骤2-2-3,否则停止拍摄。
2-3.以电动转盘旋转角度为横轴,以相机拍摄角度为纵轴,将物体全范围照片排成照片阵列,如图4所示。
优选的,r为15度,t为30度。
步骤3.基于照片阵列开展质量检测与适应性重拍
3-1.照片预处理。利用色键抠图算法对照片阵列中每一张照片的背景进行去除,如图5所示。
3-2.利用SIFT算法提取照片阵列中每一张去背景照片的特征点。
3-3.照片阵列质量检测。遍历照片阵列中的每一张去背景照片,利用快速近邻匹配算法对当前照片和其相邻的上、下、左、右四个方向照片的特征点进行匹配,并计算特征点重复度,如式(1)所示。
其中,m表示当前照片,n表示相邻照片,PM(m,n)表示照片m和照片n的特征点重复度,Fall(m)表示照片m所有特征点的数量,Fover(m,n)表示照片m和照片n特征点重合的数量。特征点重复度计算结果如图6所示。
3-4.调整照片阵列内容。当PM(m,n)大于给定阈值,说明照片m和照片n具有高重叠度,不需要添加照片;当PM(m,n)小于给定阈值,说明照片m和照片n的重叠关系弱,需要在照片阵列中添加新的照片来加强重叠关系,具体做法如下:
3-4-1.在照片m和照片n的拍摄角度范围内,取角度范围中间值进行补拍,得到照片k,利用色键抠图去除背景并添加到照片阵列相应位置。
3-4-2.计算照片m和新添加照片k的特征点重叠度,以及照片k和照片n的特征点重复度。
3-4-3.如果特征点重复度小于给定阈值,则继续补拍照片添加到照片阵列,直到特征点重叠度大于给定阈值或无法继续添加照片。水平方向照片阵列调整结果如图7所示。
3-5.删除冗余照片,具体步骤如下:
3-5-1.遍历照片阵列的每一行,提取没有添加过照片且照片数量大于2的角度范围。
3-5-2.遍历每个角度范围。
3-5-3.设i为当前角度范围内的第i张照片,j为当前角度范围内第j张照片,初始化i为当前角度范围内的起始角度照片,则j为相对于起始角度照片距离为2的照片。
3-5-4.计算照片i和照片j的特征点重复度PM(i,j)和PM(j,i)。
3-5-5.当PM(i,j)和PM(j,i)都大于给定阈值,将照片i和照片j之间的照片删除,j=j+1,返回步骤3-5-4;
否则i=j-1,j=j+1,返回步骤3-5-4;
3-5-6.当j超过当前角度范围时,停止当前角度范围内的删除照片操作。删除冗余照片过程如图8所示。
3-6.将最终的照片阵列按行输出,得到高质量照片序列。
Claims (2)
1.一种用于三维重建的高质量照片序列获取方法,其特征在于,包括以下步骤:
步骤1.搭建照片拍摄系统:
照片拍摄系统包括拍摄基台、电动转台、相机支架和被拍摄物体,所述拍摄基台上设基台背景布和电动转台,电动转台上设有转台背景布,被拍摄物体置于转台背景布之上,所述的相机支架安装在拍摄基台上,相机支架上设有单个相机,相机的镜头朝向被拍摄物体,设有控制模块控制电动转台旋转固定角度以及相机拍摄照片;
步骤2.按序全范围拍摄获取物体照片:
将物体正放于电动转台时,由于物体底面被遮挡,因此物体全范围照片分两次获取;首先将物体正放于电动转台上,拍摄不包含物体底面的上半部分照片;物体上半部分照片拍摄完成后,将物体倒置于电动转台上,拍摄包含物体底面的下半部分照片;上、下两部分照片共同组成物体全范围照片;得到物体全范围照片之后,以电动转盘旋转角度横轴,以相机位置为纵轴,将物体全范围照片排成照片阵列;
照片拍摄方式分为水平方向和竖直方向;在水平方向上,相机固定在相机支架上的某一位置,电动转台的转动一周,相机拍摄物体360度的一圈照片;在一圈照片拍摄完成之后,将相机移动到相机支架的另一位置,继续拍摄下一角度的照片;
步骤3.基于照片阵列开展质量检测与适应性重拍:
在对照片阵列进行评价之前,去除照片阵列中每一张照片的背景;
根据特征点的重复度进行照片阵列的质量检测:
首先,提取照片阵列中每一张照片的特征点;然后,遍历每一张照片,计算当前照片和其相邻上、下、左、右四个方向照片的特征点重复度;如果某一方向的特征点重复度低于给定阈值,则在该方向上读取当前照片和相邻照片的拍摄角度,提取两张照片拍摄的角度范围,在该范围内拍摄新的照片,添加到照片阵列;
照片阵列完成添加照片之后,对照片阵列之中的冗余照片进行删除;为了不影响添加照片的效果,冗余照片判断只在未添加过照片的角度范围中进行;如果一张照片之前的照片和该照片之后的照片的特征点重复度超过给定阈值,则该照片为冗余照片;
照片阵列删除冗余照片之后,将照片阵列按行输出,最终得到高质量的照片序列;
步骤1搭建照片拍摄系统具体操作如下:
1-1.照片拍摄系统包括拍摄基台、均匀光源、电动转台、相机支架、相机、被拍摄物体、控制模块、基台背景布和转台背景布;
1-2.拍摄基台铺设有基台背景布,基台背景布的中心位置放置电动转台,电动转台上铺设有转台背景布,转台背景布之上放置被拍摄物体;通过基台背景布和转台背景布确保照片背景颜色一致;
1-3.均匀光源照射被拍摄物体,拍摄基台上设有相机支架,所述的相机支架设置有弧形区域,所述的相机架设在相机支架的弧形区域上,通过相机支架的弧形区域使相机镜头到被拍摄物体的距离相等,
1-4.相机的相机镜头朝向被拍摄物体,控制模块连接相机和电动转台,控制电动转台旋转和相机拍摄照片;
步骤2按序全范围拍摄获取物体照片具体操作如下:
拍摄物体对照片拍摄系统进行设置:
(1)当物体为对称结构时,添加额外的标记进行区分;(2)根据物体颜色更换基台背景布和转台背景布;背景布颜色选择的原则是不和物体表面颜色相近;(3)放置物体以及调整相机;将物体放置在电动转台中心,保证整个物体处于相机屏幕内,调节相机焦距,避免照片出现深度模糊;(4)设置拍摄光环境;调节两侧均匀光源的位置和光照强度,尽量减少物体阴影;
照片拍摄分水平和竖直两个方向进行;在水平方向上,物体每旋转360度,相机要拍n张照片,则物体每次转动的角度为360/n度,设置物体每旋转r度,相机拍摄一张照片;在竖直方向上,相机在相机支架上进行移动,相机每完成一圈照片的拍摄,相机在相机支架上移动t度;在物体上半部分拍摄完成之后,将物体倒置,进行下半部分的拍摄;物体全范围照片获取过程如下:
2-1.将物体正放于电动转台上,拍摄物体上半部分照片,具体步骤如下:
2-1-1.相机设置在相机支架0度位置;
2-1-2.电动装台从0度开始顺时针旋转,每旋转r度,相机拍摄一张照片;
2-1-3.相机位置沿相机支架增加t度;
2-1-4.如果相机位置小于90度,重复步骤2-1-2和步骤2-1-3,否则停止拍摄;
2-2.保持补光灯位置和强度不变,保持相机焦距不变,将物体倒置于电动转台上,拍摄物体下半部分照片,具体步骤如下:
2-2-1.相机设置在相机支架t度位置,相对于正放物体,相机拍摄角度为-t度;
2-2-2.电动装台从0度开始顺时针旋转,每旋转r度,相机拍摄一张照片;
2-2-3.相机位置沿相机支架增加t度,相对于正放物体相机拍摄角度增加-t度;
2-2-4.如果相机位置小于90度,重复步骤2-2-2和步骤2-2-3,否则停止拍摄;
2-3.以电动转盘旋转角度为横轴,以相机拍摄角度为纵轴,将物体全范围照片排成照片阵列;
步骤3基于照片阵列开展质量检测与适应性重拍具体操作如下:
3-1.照片预处理;利用色键抠图算法对照片阵列中每一张照片的背景进行去除;
3-2.利用SIFT算法提取照片阵列中每一张去背景照片的特征点;
3-3.照片阵列质量检测;遍历照片阵列中的每一张去背景照片,利用快速近邻匹配算法对当前照片和其相邻的上、下、左、右四个方向照片的特征点进行匹配,并计算特征点重复度,如式(1)所示;
其中,m表示当前照片,n表示相邻照片,PM(m,n)表示照片m和照片n的特征点重复度,Fall(m)表示照片m所有特征点的数量,Fover(m,n)表示照片m和照片n特征点重合的数量;
3-4.调整照片阵列内容;当PM(m,n)大于给定阈值,说明照片m和照片n具有高重叠度,不需要添加照片;当PM(m,n)小于给定阈值,说明照片m和照片n的重叠关系弱,需要在照片阵列中添加新的照片来加强重叠关系,具体做法如下:
3-4-1.在照片m和照片n的拍摄角度范围内,取角度范围中间值进行补拍,得到照片k,利用色键抠图去除背景并添加到照片阵列相应位置;
3-4-2.计算照片m和新添加照片k的特征点重叠度,以及照片k和照片n的特征点重复度;
3-4-3.如果特征点重复度小于给定阈值,则继续补拍照片添加到照片阵列,直到特征点重叠度大于给定阈值或无法继续添加照片;
3-5.删除冗余照片,具体步骤如下:
3-5-1.遍历照片阵列的每一行,提取没有添加过照片且照片数量大于2的角度范围;
3-5-2.遍历每个角度范围;
3-5-3.设i为当前角度范围内的第i张照片,j为当前角度范围内第j张照片,初始化i为当前角度范围内的起始角度照片,则j为相对于起始角度照片距离为2的照片;
3-5-4.计算照片i和照片j的特征点重复度PM(i,j)和PM(j,i);
3-5-5.当PM(i,j)和PM(j,i)都大于给定阈值,将照片i和照片j之间的照片删除,j=j+1,返回步骤3-5-4;
否则i=j-1,j=j+1,返回步骤3-5-4;
3-5-6.当j超过当前角度范围时,停止当前角度范围内的删除照片操作;
3-6.将最终的照片阵列按行输出,得到高质量照片序列。
2.根据权利要求1所述的一种用于三维重建的高质量照片序列获取方法,其特征在于,优选的,r为15度,t为30度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625775.XA CN112822478B (zh) | 2020-12-31 | 2020-12-31 | 一种用于三维重建的高质量照片序列获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625775.XA CN112822478B (zh) | 2020-12-31 | 2020-12-31 | 一种用于三维重建的高质量照片序列获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112822478A CN112822478A (zh) | 2021-05-18 |
CN112822478B true CN112822478B (zh) | 2022-10-18 |
Family
ID=75854806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011625775.XA Active CN112822478B (zh) | 2020-12-31 | 2020-12-31 | 一种用于三维重建的高质量照片序列获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112822478B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113905178B (zh) * | 2021-10-12 | 2023-05-30 | 重庆英卡电子有限公司 | 一种基于高空云台的环境自动感知巡航方法 |
CN116614617B (zh) * | 2023-05-29 | 2024-03-19 | 广东横琴全域空间人工智能有限公司 | 多视角三维建模方法、系统、自动化设备以及拍摄终端 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645836A (zh) * | 2012-04-20 | 2012-08-22 | 中兴通讯股份有限公司 | 一种照片拍摄方法及电子设备 |
CN105301887A (zh) * | 2015-11-27 | 2016-02-03 | 常州信息职业技术学院 | 一种3d环视拍摄系统 |
CN106981085A (zh) * | 2016-01-16 | 2017-07-25 | 张诗剑 | 基于数码摄影和云计算的物体对比与模拟三维展示系统 |
CN205505995U (zh) * | 2016-04-22 | 2016-08-24 | 杭州非白三维科技有限公司 | 一种用于三维图像建模的物体全角度照片自动采集系统 |
CN106373185A (zh) * | 2016-08-29 | 2017-02-01 | 刘建国 | 可移动文物的多视角三维重建方法及装置 |
CN106815824B (zh) * | 2016-12-08 | 2019-07-05 | 华中科技大学 | 一种提高大规模三维重建效率的图像近邻优化方法 |
CN107690049A (zh) * | 2017-02-20 | 2018-02-13 | 深圳红瓜子文化传媒科技有限公司 | 全景图片的制作方法及系统 |
CN106603935B (zh) * | 2017-02-25 | 2022-04-15 | 深圳市星颖达实业有限公司 | 一种全自动电控vr微距摄影平台箱 |
CN108648264B (zh) * | 2018-04-25 | 2020-06-23 | 吉林大学 | 基于运动恢复的水下场景重建方法及存储介质 |
CN209419714U (zh) * | 2019-01-30 | 2019-09-20 | 桂林电子科技大学 | 一种360度物体外观全景自动摄影系统 |
CN111784825B (zh) * | 2020-07-10 | 2023-01-24 | 中国电建集团北京勘测设计研究院有限公司 | 一种文物三维建模方法 |
CN111899331A (zh) * | 2020-07-31 | 2020-11-06 | 杭州今奥信息科技股份有限公司 | 基于无人飞行器航拍的三维重建质量控制方法 |
-
2020
- 2020-12-31 CN CN202011625775.XA patent/CN112822478B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112822478A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112822478B (zh) | 一种用于三维重建的高质量照片序列获取方法 | |
CN103945210B (zh) | 一种实现浅景深效果的多摄像头拍摄方法 | |
Higo et al. | A hand-held photometric stereo camera for 3-d modeling | |
US20190066369A1 (en) | Method and System for Quickly Generating a Number of Face Images Under Complex Illumination | |
CN109801234B (zh) | 图像几何校正方法及装置 | |
CN108648264B (zh) | 基于运动恢复的水下场景重建方法及存储介质 | |
CN108470370A (zh) | 三维激光扫描仪外置相机联合获取三维彩色点云的方法 | |
CN108399634B (zh) | 基于云端计算的rgb-d数据生成方法及装置 | |
CN111189415B (zh) | 一种基于线结构光的多功能三维测量重建系统及方法 | |
US9253415B2 (en) | Simulating tracking shots from image sequences | |
CN111951368B (zh) | 一种点云、体素和多视图融合的深度学习方法 | |
LU501944B1 (en) | Method for Making Three-dimensional Reconstruction and PBR Maps Based on Close-range Photogrammetry | |
CN107454377B (zh) | 一种利用相机进行三维成像的算法和系统 | |
CN115816471B (zh) | 多视角3d视觉引导机器人的无序抓取方法、设备及介质 | |
CN110428501A (zh) | 全景影像生成方法、装置、电子设备及可读存储介质 | |
Kaufman et al. | Single camera photogrammetry for reverse engineering and fabrication of ancient and modern artifacts | |
CN105606622A (zh) | 一种aoi图像采集方法和装置 | |
CN105931177B (zh) | 特定环境下的图像采集处理装置及其方法 | |
WO2022217470A1 (en) | Hair rendering system based on deep neural network | |
CN109300153A (zh) | 一种多台Xtion传感器协同扫描的三维重建系统及方法 | |
KR102564522B1 (ko) | 다시점 촬영 시스템 및 3d 체적 객체 생성 방법 | |
CN1437165A (zh) | 一种基于两张鱼眼图像的智能型全景生成方法 | |
CN107862739B (zh) | 一种三维成像建模系统 | |
CN111179322A (zh) | 基于相机光源阵列的材质测量拍摄图像校准方法及系统 | |
CN114972170B (zh) | 一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法 |
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 |