CN113008195B - 一种基于空间点云的三维曲面距离测量方法及系统 - Google Patents
一种基于空间点云的三维曲面距离测量方法及系统 Download PDFInfo
- Publication number
- CN113008195B CN113008195B CN202110135554.2A CN202110135554A CN113008195B CN 113008195 B CN113008195 B CN 113008195B CN 202110135554 A CN202110135554 A CN 202110135554A CN 113008195 B CN113008195 B CN 113008195B
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- path
- curved surface
- points
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
- G01C3/10—Measuring distances in line of sight; Optical rangefinders using a parallactic triangle with variable angles and a base of fixed length in the observation station, e.g. in the instrument
- G01C3/14—Measuring distances in line of sight; Optical rangefinders using a parallactic triangle with variable angles and a base of fixed length in the observation station, e.g. in the instrument with binocular observation at a single point, e.g. stereoscopic type
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于空间点云的三维曲面距离测量方法及系统。该方法包括:获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;根据所述三维空间点云,采用基于PCL的k‑d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离。本发明实现了对物体表面任意两点曲面距离的测量。
Description
技术领域
本发明涉及视觉测量技术领域,特别是涉及一种基于空间点云的三维曲面距离测量方法及系统。
背景技术
在高新技术飞速发展的背景下,测量领域朝着非接触测量的方向发展,机器视觉测量技术是利用机器视觉代替传统的人工视觉来对目标进行测量的一种现代非接触测量技术。在检测被测对象时,将被检测对象的图像作为研究和分析的对象,以获取被检测对象的信息。其目的是通过利用各类机器视觉测量技术对图像进行分析处理,提取目标对象的尺寸大小、外形、空间位置等信息。但是,现有的机器视觉测量方法仅能测量空间直线距离,不能测量空间曲线距离。而且,现有的三维扫描方法往往需要设计传送带带动被扫描目标运动来完成线结构光的扫描,或是设计平滑导轨对线结构光进行一维运动控制来完成对物体表面的扫描,上述方法不仅占用空间大,而且传送带或导轨的震动和速度变化等容易引入误差,影响测量精度。
发明内容
本发明的目的是提供一种基于空间点云的三维曲面距离测量方法及系统。
为实现上述目的,本发明提供了如下方案:
一种基于空间点云的三维曲面距离测量方法,包括:
获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;
基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;
根据所述三维空间点云,采用基于点云库的k-d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;
基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离。
可选的,所述方法还包括:
控制搭载着线结构光发射器的舵机旋转,以带动线结构光发射器发出的线结构光对目标表面进行扫描。
可选的,所述基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云,具体包括:
从所述结构光条纹图像中提取结构光条纹,并利用基于Hessian的Steger算法进行光条中心的定位;
对双目相机中两个摄像头采集到的同幅图像的光条中心的定位结果进行立体匹配,得到目标表面上各点在左右图像中的坐标(xl,yl)和(xr,yr);
可选的,所述根据所述三维空间点云,采用基于PCL的k-d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径,具体包括:
a:设定k-d tree搜索半径r;
b:通过k-d tree搜索点A半径r内的近邻点云,得到点云s;
c:计算点云s中每个点与点A、点B的相对位置关系,对点云s中每个点进行第一筛查操作,得到点云s1;其中,所述第一筛查操作为:当时,在点云s中保留点P,并根据计算点P与点A的欧式距离,保存路径path(P)={P},其中,点P为点云s中任一点;当时,将点P从点云s中删除,得到的新点云集合即为点云s1;
d:不重复地依次从点云s1中抽取每个点,对于点云s1中每个点P均通过k-d tree搜索点P半径r内的近邻点云Pr,计算点云Pr中每个点与点A、点B的相对位置关系,并对点云Pr中每个点进行第二筛查操作,得到点云s2;其中,所述第二筛查操作为:当时,为由A点指向Q点的三维空间向量,为由A点指向B点的三维空间向量,表示与的内积,将点Q不重复的加入点云s2,并根据计算点Q与点A之间的最短曲面距离d(Q),判断d(Q)是否没有赋值,或判断d(Q)当前值是否小于如果是,则更新d(Q)和path(Q),path(Q)={path(P),Q},保存路径path(Q),其中,点Q为点云Pr中某一点,去除点云s2中同时存在于点云s中的点,将s2中剩下的点云作为新的点云s,同时清空点云s2,跳转至步骤c,直至d(B)以及path(B)被赋值时停止,path(B)即为待测量点A和B之间最短曲面距离的空间点云路径。
可选的,所述基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离,具体包括:
对待测量两点之间最短曲面距离的空间点云路径进行曲线拟合,得到拟合曲线;
基于所述拟合曲线,计算得到待测量两点之间的最短曲面距离。
本发明还提供了一种基于空间点云的三维曲面距离测量系统,包括:
结构光条纹图像获取模块,用于获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;
目标表面三维空间点云确定模块,用于基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;
空间点云路径确定模块,用于根据所述三维空间点云,采用基于点云库的k-dtree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;
曲面距离确定模块,用于基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离。
可选的,所述系统还包括:平行式双目相机、位于所述平行式双目相机中两个相机中间的舵机、所述舵机上搭载的线结构光发射器以及控制模块,控制模块控制舵机旋转,以带动所述线结构光发射器发出的线结构光对目标表面扫描,同时双目相机进行同步拍照。
可选的,所述目标表面三维空间点云确定模块,用于执行以下步骤:
从所述结构光条纹图像中提取结构光条纹,并利用基于Hessian的Steger算法进行光条中心的定位;
对双目相机中两个摄像头采集到的同幅图像的光条中心的定位结果进行立体匹配,得到目标表面上各点在左右图像中的坐标(xl,yl)和(xr,yr);
可选的,所述根空间点云路径确定模块,用于执行以下步骤:
a:设定k-d tree搜索半径r;
b:通过k-d tree搜索点A半径r内的近邻点云,得到点云s;
c:计算点云s中每个点与点A、点B的相对位置关系,对点云s中每个点进行第一筛查操作,得到点云s1;其中,所述第一筛查操作为:当时,在点云s中保留点P,并根据计算点P与点A的欧式距离,保存路径path(P)={P},其中,点P为点云s中任一点;当时,将点P从点云s中删除,得到的新点云集合即为点云s1;
d:不重复地依次从点云s1中抽取每个点,对于点云s1中每个点P均通过k-d tree搜索点P半径r内的近邻点云Pr,计算点云Pr中每个点与点A、点B的相对位置关系,并对点云Pr中每个点进行第二筛查操作,得到点云s2;其中,所述第二筛查操作为:当时,为由A点指向Q点的三维空间向量,为由A点指向B点的三维空间向量,表示与的内积,将点Q不重复的加入点云s2,并根据计算点Q与点A之间的最短曲面距离d(Q),判断d(Q)是否没有赋值,或判断d(Q)当前值是否小于如果是,则更新d(Q)和path(Q),path(Q)={path(P),Q},保存路径path(Q),其中,点Q为点云Pr中某一点,去除点云s2中同时存在于点云s中的点,将s2中剩下的点云作为新的点云s,同时清空点云s2,跳转至步骤c,直至d(B)以及path(B)被赋值时停止,path(B)即为待测量点A和B之间最短曲面距离的空间点云路径。
可选的,所述曲面距离确定模块,具体包括:
线性拟合单元,用于对待测量两点之间最短曲面距离的空间点云路径进行曲线拟合,得到拟合曲线;
曲面距离计算单元,用于基于所述拟合曲线,计算得到待测量两点之间的最短曲面距离。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的基于空间点云的三维曲面距离测量方法及系统,采用线结构光对目标表面进行投影,利用双目相机采集结构光条纹图像,然后基于采集的图像,根据立体视觉视差原理获得建立在双目系统坐标系下目标表面的三维空间点云。基于目标表面的三维空间点云,通过基于PCL的k-dtree近邻搜索快速寻找物体表面待测量两点之间最短曲面距离的空间点云路径,根据该空间点云路径确定待测量两点之间的最短曲面距离,实现了对三维曲面距离的测量。
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为本发明实施例1提供的基于空间点云的三维曲面距离测量方法的流程示意图;
图2为本发明实施例2提供的基于空间点云的三维曲面距离测量系统的结构示意图;
图3为本发明实施例2中双目视觉系统的结构示意图。
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,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
参见图1,本实施例提供了一种基于空间点云的三维曲面距离测量方法,该方法包括:
步骤101:获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;
步骤102:基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;
步骤103:根据所述三维空间点云,采用基于点云库PCL的k-d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;
步骤104:基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离。
在步骤101之前,还包括:控制搭载着线结构光发射器的舵机旋转,以带动线结构光发射器发出的线结构光对目标表面进行扫描。
在本实施例中,步骤102具体可采用以下方式实现:
1):搭建平行式双目视觉系统,采用张正友标定方法对平行式双目系统标定,并进行Bouguet极线校正获得校正后的双目系统内外参数(主要是焦距f和基线长度b);
2):在目标表面上投影线结构光,通过双目相机采集图像;
3):对2)中得到的图像进行处理,提取结构光条纹,并利用基于Hessian的Steger算法式(1)进行光条中心的亚像素定位;
其中g(x,y)为二维高斯函数。
同时对两个摄像头采集到的同幅图像的光条中心定位结果进行立体匹配,得到左右图像中的同名点坐标(xl,yl)和(xr,yr);并利用式(2)和1)中得到的内参外参进行深度计算,得到结构光投影位置的实际三维点云坐标;
其中b和f为1)中标定结果中的相机焦距和基线距离。
4):通过控制舵机水平旋转,带动线结构光发射器水平旋转,完成线结构光一个最小角度的扫描,重复2),3)和4)直到完成对目标物整个面的扫描(最小角度取决于舵机控制精度,通常为0.08度)。
5):将3)得到的所有点云进行整合,即为双目视觉系统在整个视角下获得的物体表面的空间三维点云结果。
步骤103中,对于目标表面上任意两个点,沿着前述获得的曲面表面点云,搜索并计算两点之间的最短轨迹对应的弧长。假设计算点A与点B的曲面距离,点云曲面距离路径搜索计算方法步骤如下:
a:设定k-d tree搜索半径r。k-d tree是一种对k维空间中的实例点进行存储以便对其进行快速检索的树形数据结构,主要应用于多维空间关键数据的快速搜索与查找。
b:通过k-d tree搜索点A半径r内的近邻点云,得到点云s。
c:计算点云s中每个点与点A、点B的相对位置关系,对点云s中每个点(以P泛指其中某点)进行第一筛查操作,得到点云s1;其中,所述第一筛查操作为:当时,在点云s中保留点P,并根据式(3)计算其与点A的欧式距离,并利用式(4)保存其路径,其中,点P为点云s中任一点;当时,将点P从点云s中删除,得到的新点云集合即为点云s1。
path(P)={P} (4)
d:不重复地依次从点云s1中抽取每个点,对于点云s1中每个点P均通过k-d tree搜索点P半径r内的近邻点云Pr(以P泛指s1中的某点,对应的近邻点云为Pr),计算点云Pr中每个点与点A、B的相对位置关系,并对点云Pr中每个点进行第二筛查操作,得到点云s2;其中,所述第二筛查操作为:当时,将点Q不重复的加入点云s2(即如果点云s2中已有点Q,那么就不再重复加入),并利用式(5)计算其与点P的欧式距离如果d(Q)还未初始化赋值或者那么利用式(6)和(7)更新d(Q)和path(Q)。
path(Q)={path(P),Q} (7)
其中式(7)是一种具有先后性逻辑的序列标记方法,表示有序集合。
去除点云s2中同时存在于点云s中的点,将s2中剩下的点云作为新的点云s,同时清空点云s2,跳转至步骤c,直至d(B)以及path(B)被赋值时停止,输出结果,点A与点B之间的最短曲面距离估计值为d(B),对应的点云路径为path(B)。
步骤104,具体包括:对待测量两点之间最短曲面距离的空间点云路径进行线性拟合,得到拟合曲线;基于所述拟合曲线,计算得到待测量两点之间的最短曲面距离。具体可采用以下方式实现:
根据点云路径搜索结果path(B)得到点A至点B的曲面距离点云路径{p0(A),p1,p2,p3,p4,p5,p6......,pn-1,pn(B)}。并利用式(8)将点云序列进行采样,以提高拟合的曲线对点云重建误差的鲁棒性及增强曲线的整体平滑度,同时减少曲线拟合的计算量。点云采样结果为
使用五次B样条曲线拟合点云{q0,q1,q2,q3......,qN-1,qN}。曲线拟合过程中,为确保拟合的曲线经过A(q0)、B(qN)两点,利用式(9),(10)在点云路径两端分别进行两次插值,得到点云{q-2,q-1,q0,q1,q2,q3......,qN-1,qN,qN+1,qN+2}。
根据B样条原理使用点云拟合各段平滑曲线,如式(11)。
依照拟合结果,利用式(12)积分计算曲线总长度S。
其中L'ix(t),L'iy(t),L'iz(t)分别为Li(t)在三维空间坐标系中x,y,z坐标轴方向上分量Lix(t),Liy(t),Liz(t)的导函数。
本发明提供的基于空间点云的三维曲面距离测量方法对于没有先验特征的目标位置(点云)也可以测量,削弱了机器视觉测量方法对先验信息的依赖性,同时实现了对目标表面曲面距离的测量,丰富了可测指标和对象。
实施例2
参见图2,本实施例提供了一种基于空间点云的三维曲面距离测量系统,该系统包括:
结构光条纹图像获取模块201,用于获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;
目标表面三维空间点云确定模块202,用于基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;
空间点云路径确定模块203,用于根据所述三维空间点云,采用基于PCL的k-dtree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;
曲面距离确定模块204,用于基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离。
参见图3,本实施例提供的三维曲面距离测量系统还包括平行式双目相机2、位于所述平行式双目相机2中两个相机中间的舵机4、所述舵机4上搭载的线结构光发射器3以及控制模块,控制模块控制舵机4水平绕轴旋转,带动线结构光对物体表面1每0.02秒扫描一次,同时计算机控制着双目相机2进行同步拍照。相较于现有技术中的传送带或导轨带动被扫描目标运动来完成线结构光的扫描而言,本发明可以节省传送带或导轨运动所需要的额外空间,同时避免了运动控制过程中的震动和速度变化等引起的误差累积,而且舵机与线结构光设备成本低。
在本实施例中,所述目标表面三维空间点云确定模块202用于执行以下步骤:
从所述结构光条纹图像中提取结构光条纹,并利用基于Hessian的Steger算法进行光条中心的定位;
对双目相机中两个摄像头采集到的同幅图像的光条中心的定位结果进行立体匹配,得到目标表面上各点在左右图像中的坐标(xl,yl)和(xr,yr);
所述根空间点云路径确定模块203,用于执行以下步骤:
a:设定k-d tree搜索半径r;
b:通过k-d tree搜索点A半径r内的近邻点云,得到点云s;
c:计算点云s中每个点与点A、点B的相对位置关系,对点云s中每个点进行第一筛查操作,得到点云s1;其中,所述第一筛查操作为:当时,在点云s中保留点P,并根据计算点P与点A的欧式距离,保存路径path(P)={P},其中,点P为点云s中任一点;当时,将点P从点云s中删除,得到的新点云集合即为点云s1;
d:不重复地依次从点云s1中抽取每个点,对于点云s1中每个点P均通过k-d tree搜索点P半径r内的近邻点云Pr,计算点云Pr中每个点与点A、B的相对位置关系,并对点云Pr中每个点进行第二筛查操作,得到点云s2;其中,所述第二筛查操作为:当时,为由A点指向Q点的三维空间向量,为由A点指向B点的三维空间向量,表示与的内积,将点Q不重复的加入点云s2,并根据计算点Q与点A之间的最短曲面距离d(Q),判断d(Q)是否没有赋值,或判断d(Q)当前值是否小于如果是,则更新d(Q)和path(Q),path(Q)={path(P),Q},保存路径path(Q),其中,点Q为点云Pr中某一点,去除点云s2中同时存在于点云s中的点,将s2中剩下的点云作为新的点云s,同时清空点云s2,跳转至步骤c,直至d(B)以及path(B)被赋值时停止,path(B)即为待测量点A和B之间最短曲面距离的空间点云路径。
所述曲面距离确定模块204,具体包括:
线性拟合单元,用于对待测量两点之间最短曲面距离的空间点云路径进行曲线拟合,得到拟合曲线;
曲面距离计算单元,用于基于所述拟合曲线,计算得到待测量两点之间的最短曲面距离。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种基于空间点云的三维曲面距离测量方法,其特征在于,包括:
获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;
基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;
根据所述三维空间点云,采用基于点云库的k-d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;
基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离;
所述方法还包括:控制搭载着线结构光发射器的舵机旋转,带动线结构光发射器发出的线结构光对目标表面每0.02秒扫描一次;
所述根据所述三维空间点云,采用基于PCL的k-d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径,具体包括:
a:设定k-d tree搜索半径r;
b:通过k-d tree搜索点A半径r内的近邻点云,得到点云s;
c:计算点云s中每个点与点A、点B的相对位置关系,对点云s中每个点进行第一筛查操作,得到点云s1;其中,所述第一筛查操作为:当时,在点云s中保留点P,并根据计算点P与点A的欧式距离,保存路径path(P)={P},其中,点P为点云s中任一点;当时,将点P从点云s中删除,得到的新点云集合即为点云s1;
d:不重复地依次从点云s1中抽取每个点,对于点云s1中每个点P均通过k-d tree搜索点P半径r内的近邻点云Pr,计算点云Pr中每个点与点A、点B的相对位置关系,并对点云Pr中每个点进行第二筛查操作,得到点云s2;其中,所述第二筛查操作为:当时,为由A点指向Q点的三维空间向量,为由A点指向B点的三维空间向量,表示与的内积,将点Q不重复的加入点云s2,并根据计算点Q与点A之间的最短曲面距离d(Q),判断d(Q)是否没有赋值,或判断d(Q)当前值是否小于如果是,则更新d(Q)和path(Q),path(Q)={path(P),Q},保存路径path(Q),其中,点Q为点云Pr中某一点,去除点云s2中同时存在于点云s中的点,将s2中剩下的点云作为新的点云s,同时清空点云s2,跳转至步骤c,直至d(B)以及path(B)被赋值时停止,path(B)即为待测量点A和B之间最短曲面距离的空间点云路径。
3.根据权利要求1-2任一项所述的基于空间点云的三维曲面距离测量方法,其特征在于,所述基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离,具体包括:
对待测量两点之间最短曲面距离的空间点云路径进行曲线拟合,得到拟合曲线;
基于所述拟合曲线,计算得到待测量两点之间的最短曲面距离。
4.一种基于空间点云的三维曲面距离测量系统,其特征在于,包括:
结构光条纹图像获取模块,用于获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;
目标表面三维空间点云确定模块,用于基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;
空间点云路径确定模块,用于根据所述三维空间点云,采用基于点云库的k-d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;
曲面距离确定模块,用于基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离;
所述系统还包括:平行式双目相机、位于所述平行式双目相机中两个相机中间的舵机、所述舵机上搭载的线结构光发射器以及控制模块,控制模块控制舵机旋转,带动线结构光对物体表面每0.02秒扫描一次,同时计算机控制着双目相机进行同步拍照;
所述根空间点云路径确定模块,用于执行以下步骤:
a:设定k-d tree搜索半径r;
b:通过k-d tree搜索点A半径r内的近邻点云,得到点云s;
c:计算点云s中每个点与点A、点B的相对位置关系,对点云s中每个点进行第一筛查操作,得到点云s1;其中,所述第一筛查操作为:当时,在点云s中保留点P,并根据计算点P与点A的欧式距离,保存路径path(P)={P},其中,点P为点云s中任一点;当时,将点P从点云s中删除,得到的新点云集合即为点云s1;
d:不重复地依次从点云s1中抽取每个点,对于点云s1中每个点P均通过k-d tree搜索点P半径r内的近邻点云Pr,计算点云Pr中每个点与点A、点B的相对位置关系,并对点云Pr中每个点进行第二筛查操作,得到点云s2;其中,所述第二筛查操作为:当时,为由A点指向Q点的三维空间向量,为由A点指向B点的三维空间向量,表示与的内积,将点Q不重复的加入点云s2,并根据计算点Q与点A之间的最短曲面距离d(Q),判断d(Q)是否没有赋值,或判断d(Q)当前值是否小于如果是,则更新d(Q)和path(Q),path(Q)={path(P),Q},保存路径path(Q),其中,点Q为点云Pr中某一点,去除点云s2中同时存在于点云s中的点,将s2中剩下的点云作为新的点云s,同时清空点云s2,跳转至步骤c,直至d(B)以及path(B)被赋值时停止,path(B)即为待测量点A和B之间最短曲面距离的空间点云路径。
6.根据权利要求4-5任一项所述的基于空间点云的三维曲面距离测量系统,其特征在于,所述曲面距离确定模块,具体包括:
线性拟合单元,用于对待测量两点之间最短曲面距离的空间点云路径进行曲线拟合,得到拟合曲线;
曲面距离计算单元,用于基于所述拟合曲线,计算得到待测量两点之间的最短曲面距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110135554.2A CN113008195B (zh) | 2021-02-01 | 2021-02-01 | 一种基于空间点云的三维曲面距离测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110135554.2A CN113008195B (zh) | 2021-02-01 | 2021-02-01 | 一种基于空间点云的三维曲面距离测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113008195A CN113008195A (zh) | 2021-06-22 |
CN113008195B true CN113008195B (zh) | 2022-04-22 |
Family
ID=76384702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110135554.2A Active CN113008195B (zh) | 2021-02-01 | 2021-02-01 | 一种基于空间点云的三维曲面距离测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113008195B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113340201B (zh) * | 2021-06-25 | 2023-08-01 | 上海应用技术大学 | 一种基于rgbd相机的三维测量方法 |
CN113838112A (zh) * | 2021-09-24 | 2021-12-24 | 东莞市诺丽电子科技有限公司 | 图像采集系统的触发信号确定方法及触发信号确定系统 |
CN115236092B (zh) * | 2022-09-21 | 2022-12-13 | 扬州金韵乐器御工坊有限公司 | 基于光学手段的古琴表面材料破损检测识别方法 |
CN116077182B (zh) * | 2022-12-23 | 2024-05-28 | 北京纳通医用机器人科技有限公司 | 一种医用手术机器人控制方法、装置、设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108022262A (zh) * | 2017-11-16 | 2018-05-11 | 天津大学 | 一种基于点的邻域重心向量特征的点云配准方法 |
CN109059949B (zh) * | 2018-07-13 | 2020-08-04 | 武汉云图互联科技股份有限公司 | 最短路径的计算方法及装置 |
CN109840937B (zh) * | 2018-12-14 | 2022-11-29 | 广东三维家信息科技有限公司 | 一种基于空间四叉树的3d点云路径规划方法 |
-
2021
- 2021-02-01 CN CN202110135554.2A patent/CN113008195B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113008195A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113008195B (zh) | 一种基于空间点云的三维曲面距离测量方法及系统 | |
CN108269279B (zh) | 基于单目三维扫描系统的三维重构方法和装置 | |
KR102345886B1 (ko) | 알려진 이동 중에 이동하는 물체의 3차원 측정을 위한 방법 | |
EP1882895A1 (en) | 3-dimensional shape measuring method and device thereof | |
KR102085228B1 (ko) | 깊이 센서의 깊이 보정을 위한 이미지 처리방법 및 그 장치 | |
JP5029618B2 (ja) | パターン投影法による3次元形状計測装置、方法およびプログラム | |
JP5832341B2 (ja) | 動画処理装置、動画処理方法および動画処理用のプログラム | |
KR101194936B1 (ko) | 3차원 계측 장치 및 그 방법 | |
US20120256916A1 (en) | Point cloud data processing device, point cloud data processing method, and point cloud data processing program | |
KR102424135B1 (ko) | 2개의 카메라로부터의 곡선의 세트의 구조형 광 매칭 | |
BRPI0514755B1 (pt) | Method for automated 3d image formation | |
JP6782903B2 (ja) | 自己運動推定システム、自己運動推定システムの制御方法及びプログラム | |
Bräuer-Burchardt et al. | Using geometric constraints to solve the point correspondence problem in fringe projection based 3D measuring systems | |
CN104408762A (zh) | 利用单目和二维平台获取物体图像信息及三维模型的方法 | |
WO2018107427A1 (zh) | 相位映射辅助三维成像系统快速对应点匹配的方法及装置 | |
JP2005017286A (ja) | カメラキャリブレーション方法およびカメラキャリブレーション装置 | |
CN111353997A (zh) | 一种基于条纹投影的实时三维面型缺陷检测方法 | |
Bräuer-Burchardt et al. | Fringe projection based high-speed 3D sensor for real-time measurements | |
JP2008275366A (ja) | ステレオ3次元計測システム | |
Coudrin et al. | An innovative hand-held vision-based digitizing system for 3D modelling | |
CN110375675A (zh) | 基于空间相位展开的双目光栅投影测量方法 | |
US7046839B1 (en) | Techniques for photogrammetric systems | |
JP5656018B2 (ja) | 球体の検出方法 | |
CN114877826B (zh) | 一种双目立体匹配三维测量方法、系统及存储介质 | |
CN113504385B (zh) | 复数相机测速方法及测速装置 |
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 |