CN113065553A - 数据处理方法、装置、三维扫描系统和电子装置 - Google Patents
数据处理方法、装置、三维扫描系统和电子装置 Download PDFInfo
- Publication number
- CN113065553A CN113065553A CN202110355233.3A CN202110355233A CN113065553A CN 113065553 A CN113065553 A CN 113065553A CN 202110355233 A CN202110355233 A CN 202110355233A CN 113065553 A CN113065553 A CN 113065553A
- Authority
- CN
- China
- Prior art keywords
- region
- target
- dimensional data
- interest
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种数据处理方法、装置、三维扫描系统和电子装置,通过获取目标三维数据,根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率,再根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理,从而生成包含多种分辨率的三维数据,实现了兼顾数据精度与处理性能的数据处理方式,并减少了人工干预,提高了区域划分的准确性和工作效率。
Description
技术领域
本申请涉及三维数据处理领域,特别是涉及一种数据处理方法、装置、三维扫描系统和电子装置。
背景技术
在对三维数据进行分辨率设置时,高分辨率在提高数据的精度,体现数据细节的同时,也降低了处理器的处理性能,而低分辨率的三维数据受精度影响,无法提供足够的细节特征。为了解决三维数据处理中,单一分辨率所带来的无法兼顾处理性能和数据精度的问题,可以通过人工标注三维数据中的感兴趣区域,为感兴趣区域和非感兴趣区域设置不同分辨率,但这种人工标注的方式存在效率低下且标注范围不准确的问题。
针对目前人工标注感兴趣区域的方式存在的效率低下且标注范围不准确的问题,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数据处理方法、装置、三维扫描系统和电子装置,以至少解决人工标注感兴趣区域的方式存在的效率低下且标注范围不准确的问题。
第一方面,本申请实施例提供了一种数据处理方法,用于三维扫描系统,所述方法包括以下步骤:
获取目标三维数据;
根据预设策略,识别所述目标三维数据中的感兴趣区域,并为所述感兴趣区域匹配对应的分辨率;
根据所述感兴趣区域所匹配的分辨率,对所述感兴趣区域中的三维数据进行处理。
在其中一些实施例中,所述根据预设策略,识别所述目标三维数据中的感兴趣区域,并为所述感兴趣区域匹配对应的分辨率,包括以下步骤:
将所述目标三维数据划分为多个特征区域,并根据预设策略,为多个所述特征区域匹配对应的分辨率,其中,多个所述特征区域包括所述感兴趣区域。
在其中一些实施例中,所述将所述目标三维数据划分为多个特征区域,并根据预设策略,为多个所述特征区域匹配对应的分辨率,包括以下步骤:
提取所述目标三维数据的目标特征,将所述目标特征输入预设的分类模型进行分类,得到所述目标特征的类别;
按照所述目标特征的类别,将所述目标三维数据划分为若干个特征区域,其中,每个所述特征区域中的所述目标特征属于同一类别;
根据预设策略确定所述感兴趣区域的特征阈值,判断所述特征区域中的目标特征是否匹配所述感兴趣区域的特征阈值,若是,则将所述特征区域识别为所述感兴趣区域,并匹配对应的分辨率。
在其中一些实施例中,实时获取所述目标三维数据,根据所述预设策略,识别所述感兴趣区域。
在其中一些实施例中,在完成扫描,并获得目标对象完整的目标三维数据后,根据预设策略,识别所述感兴趣区域。
在其中一些实施例中,所述在完成扫描,并获得目标对象完整的目标三维数据后,根据预设策略,识别所述感兴趣区域,包括:
根据预设策略,重新读取记录下所述目标对象的全部目标三维数据,并识别感兴趣区域。
在其中一些实施例中,所述方法包括以下步骤:
根据预设策略,在记录下所述目标对象的全部目标三维数据后,识别所述感兴趣区域,并对所述感兴趣区域进行拟合,得到拟合区域,根据所述拟合区域中对应的分辨率,对所述拟合区域中的三维数据进行采样处理。
在其中一些实施例中,所述预设策略包括:计算所述扫描仪的实际工作距离,在所述实际工作距离处于预设工作距离范围内时,将待扫描区域识别为感兴趣区域。
在其中一些实施例中,所述预设策略包括:判断待扫描区域所需满足的预设条件,按照所述预设条件,将待扫描区域识别为感兴趣区域。
第二方面,本申请实施例提供了一种数据处理装置,用于三维扫描系统,所述数据处理装置包括数据获取模块、匹配模块以及处理模块;
所述数据获取模块,用于获取目标三维数据;
所述匹配模块,用于根据预设策略,识别所述目标三维数据中的感兴趣区域,并为所述感兴趣区域匹配对应的分辨率;
所述处理模块,用于根据所述感兴趣区域所匹配的分辨率,对所述感兴趣区域中的三维数据进行处理。
第三方面,本申请实施例提供了一种三维扫描系统,包含扫描装置和第二方面的数据处理装置,扫描装置为数据处理装置提供目标三维数据。
第四方面,本申请实施例提供了一种电子装置,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行所述计算机程序以执行上述第一方面的数据处理方法。
第五方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述第一方面的数据处理方法。
上述数据处理方法、装置、三维扫描系统和电子装置,通过获取目标三维数据,根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率,再根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理,从而生成包含多种分辨率的三维数据,实现了兼顾数据精度与处理性能的数据处理方式,并减少了人工干预,提高了区域划分的准确性和工作效率。
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是根据本发明实施例的数据处理方法的应用环境图;
图2是根据本发明实施例的数据处理方法的流程图;
图3是本机本发明实施例的数据处理装置的结构示意图;
图4是根据本发明实施例的三维扫描系统的结构示意图;
图5是根据本发明实施例的电子装置的结构示意图;
图6是根据本发明实施例的计算机设备的结构示意图。
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。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。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。
图1是根据本申请实施例中数据处理方法的应用场景图,本实施例提供的方法实施例可以应用在图1所示的应用场景中。如图1所示,服务器101与客户端102可以通过网络进行通信,服务器101用于从客户端102中获取目标三维数据,并对目标三维数据按照预设策略,识别其中的感兴趣区域,并为感兴趣区域匹配对应的分辨率,最后按照感兴趣区域所匹配的分辨率,对三维数据进行处理,并通过网络向存储设备103输出包含多种分辨率的三维数据。其中,服务器101可以用独立的服务器或者是多个服务器组成的服务器集群来实现,客户端102可以是任意一种扫描设备,存储设备103可以是包含有存储芯片的电脑终端、平板或移动手机中的一种。
本申请实施例提供了一种数据处理方法,如图2所示,包括如下步骤:
S210,获取目标三维数据。
其中,该目标三维数据为从目标对象中所获取的三维数据,可以通过任意三维扫描系统所获取。具体地,目标三维数据可以是一种点云数据,也可以是网格数据,还可以是其他能够表征物体表面三维特征的数据。目标对象可以是被扫描工件,也可以是人脸、人脸表情、人体、古董文物等。另外地,目标对象还可以是纹饰、纹理组成的区域,也可以是工业检测区域,或者其他需要进行数据处理的三维区域。
另外地,上述获取目标三维数据,可以在扫描过程中实时获取,也可以在扫描结束后,一次性获取全部的三维数据。
S220,根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率。
可以理解的是,从某种区域中提取的目标三维数据,其中一般既包含有对应的应用场景中需要重点关注的特征变化显著的感兴趣区域,也包含与感兴趣区域相对的非感兴趣区域。那么为了提高处理器的处理性能,可以考虑对该目标三维数据进行感兴趣区域的识别,从而为感兴趣区域和非感兴趣区域分配不同的分辨率。一般来说,为感兴趣区域分配更高的分辨率,可以提高感兴趣区域的数据精度,体现更多细节。而对非感兴趣的区域分配较低的分辨率,可以提高处理器的运行速度,减少数据所占的存储空间。因此,预设策略具体可以根据待扫描区域所要满足的预设条件来设置,比如,预设条件为获取物体表面细节,此时要将此处待扫描区域设置为感兴趣区域,又比如,当物体表面构造比较复杂时,如果采用较低的分辨率无法识别出物体表面的所要表达的形态,此时,这种情况也属于预设条件,当然,预设条件包含的范围不限于此,本申请对此并不进行限定。
另外,根据应用场景的不同,对于感兴趣区域的限定也不同,针对目标三维数据所呈现的特征,将数据进行感兴趣区域划分,一般地,可以将目标三维数据中,信息量相对丰富的区域设置为感兴趣区域,例如数据所呈现的特征更丰富或特征变化范围更大的区域,也可以将目标三维数据,与应用场景的语义更吻合的数据特征所组成的区域视为感兴趣区域。以工业检测领域为例,在对圆孔精度检测的场景中,圆孔的精度要求更高一些,因此对应的预设策略可以是将圆孔所在区域识别为感兴趣区域,从该场景中所提取的目标三维数据中提取出表征圆孔区域的数据作为感兴趣区域内的三维数据。其中,具体的感兴趣区域提取方式可以是高斯曲率、协方差矩阵等传统算法,也可以是运用于机器视觉领域的深度学习相关算法,之后再按照经验值或者相关函数,比如线性、高斯等函数来为感兴趣区域分配更高的分辨率,而为其他区域的数据分配更低的分辨率。
在其他实施例中,预设策略还可以包括计算所述扫描仪的实际工作距离,在所述实际工作距离处于预设工作距离范围内,将待扫描区域识别为感兴趣区域。扫描仪的实际工作距离是指扫描仪在扫描过程中距离被扫描物体的距离,假设扫描仪的工作范围是0.2-0.5米,设定在扫描仪的实际工作距离在0.2-0.4米时,将待扫描区域识别为感兴趣区域,即预设工作距离范围为0.2-0.4米。在扫描过程中,当扫描仪的实际工作距离为0.3米,此时,自动将待扫描区域识别为感兴趣区域。
步骤S230,根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理。
如上所述,数据获取的方式包括实时获取和全部获取两种,因此按照分辨率处理三维数据的方式也因数据获取方式的不同而有所差异。一般来说,对于实时获取的数据,可以根据感兴趣区域和非感兴趣区域所对应的分辨率对单帧或者预设的间隔帧的数据进行融合。具体的融合方式可以是八叉树和TSDF等方式,并在融合后形成具有多种分辨率的三维扫描数据。而对于非实时获取的完整的三维数据,既可以在扫描过程中记录下对应的单次扫描结果,按照实时获取的方式来对单次扫描结果中的三维数据进行处理,也可以对完整的三维数据进行感兴趣区域的拟合,并对拟合后的区域按照分辨率进行采样处理。
上述步骤,通过获取目标三维数据,根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率,再根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理,从而生成包含多种分辨率的三维数据,实现了兼顾数据精度与处理性能的数据处理方式,并减少了人工干预,提高了区域划分的准确性和工作效率。
另外地,在一个实施例中,上述步骤S220中,根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率,包括以下步骤:
步骤S310,将目标三维数据划分为多个特征区域,并根据预设策略,为多个特征区域匹配对应的分辨率,其中,多个特征区域包括感兴趣区域。
需要说明的是,特征区域是从目标三维数据中提取的目标特征所组成的区域。其中,可以针对不同的应用场景选择提取不同的目标特征,比如点云特征、纹理特征、标记点特征以及曲率特征等。例如,需要将曲率较高的区域识别为感兴趣区域,可以按照曲率的高低设置区间,将目标三维数据划分为多个不同曲率区间的区域,其中,曲率较高的区域中包含有感兴趣区域。
更进一步地,基于上述步骤S310,将目标三维数据划分为多个特征区域,并根据预设策略,为多个特征区域匹配对应的分辨率,包括以下步骤:
步骤S410,提取目标三维数据的目标特征,将目标特征输入预设的分类模型进行分类,得到目标特征的类别。
对于目标三维数据的目标特征的提取,可以采用PPF、SHOT提取算法等算法进行提取,也可以是将目标三维数据输入基于深度学习的特征提取模型中,比如神经网络模型进行学习,以得到目标三维数据的特征。
接下来,在完成该目标三维数据的目标特征的提取后,利用预设的分类模型,例如Adaboost算法、SVM(Support Vector Machine)算法或神经网络等进行数据分类。具体地,可以将目标特征划分为训练集和测试集,根据训练集对该分类模型进行训练,之后再将测试集输入该分类模型,以得到分类后的目标特征数据以及目标特征的类别。例如,高曲率特征和低曲率特征。
步骤S420,按照目标特征的类别,将目标三维数据划分为若干个特征区域,其中,每个特征区域中的目标特征属于同一类别。
具体地,将目标三维数据中,由相同类别的目标特征所组成的区域划分为一个特征区域。比如,将高于预设阈值的曲率特征所组成的区域划分为高曲率区域,而将未达到该预设阈值的曲率特征所组成的区域划分为低曲率区域。
步骤S430,根据预设策略确定感兴趣区域的特征阈值,判断特征区域中的目标特征是否匹配感兴趣区域的特征阈值,若是,则将特征区域识别为感兴趣区域,并匹配对应的分辨率。
其中,特征阈值可以由应用场景的经验值进行确定,判断不同特征区域中的目标特征是否高于该特征阈值。具体地,可以对该目标特征中的特征值进行统计处理,比如取平均值、最大值和最小值等,当该特征区域中的目标特征匹配特征阈值时,将该特征区域识别为感兴趣区域,并通过线性函数、二次曲线和高斯参数等方式计算获得对应的分辨率。
另外地,在一个实施例中,实时获取目标三维数据,根据预设策略,识别感兴趣区域。
具体地,目标三维数据可以是由扫描设备逐帧对目标对象扫描而获得,因此目标三维数据可以为扫描过程中实时获得的单帧或者预设的若干帧数据。进一步地,对于实时获取的目标三维数据,可以根据上述的预设策略,实时地对目标三维数据进行感兴趣区域的识别和融合,具体的融合方式可以是八叉树和TSDF等方式。实时获取目标三维数据,并识别感兴趣区域,能够在扫描过程中,实时地按照对应的分辨率对感兴趣区域和非感兴趣区域的数据进行处理,能实时跟踪数据处理的结果,并能够在扫描结束后得到包含多种分辨率的三维数据。
在一个实施例中,基于上述步骤S210至S430,在完成扫描,并获得目标对象完整的目标三维数据后,根据预设策略,识别感兴趣区域。
进一步地,在完成扫描,并获得目标对象完整的目标三维数据后,根据预设策略,识别感兴趣区域,包括以下步骤:
步骤S510,根据预设策略,重新读取记录下目标对象的全部目标三维数据,并识别感兴趣区域。
其中,重新读取记录下目标对象的全部目标三维数据,并识别感性区域,是对目标对象完整的目标三维数据进行感兴趣区域的识别,能够获得该目标对象的三维模型的感兴趣区域,而不用进行多次检测,从而降低了算法实现的复杂度。
在一个实施例中,基于上述步骤S510,上述方法还包括以下步骤:
步骤S610,根据预设策略,在记录下目标对象的全部目标三维数据后,识别感兴趣区域,并对感兴趣区域进行拟合,得到拟合区域,根据拟合区域中对应的分辨率,对拟合区域中的三维数据进行采样处理。
其中,进行拟合的方式可以是曲面拟合。而按照分辨率对拟合区域中的三维数据进行采样处理,具体可以是根据拟合区域中对应的分辨率进行上采样或者下采样,以增加或者减少该区域中的数据密度。
在一个实施例中,预设策略包括:计算扫描仪的实际工作距离,在实际工作距离处于预设工作距离范围内时,将待扫描区域识别为感兴趣区域。
例如,在实际工作距离处于预设工作距离范围内,将扫描仪在该实际工作距离下,所能获取到的目标对象的待扫描区域识别为感兴趣区域。扫描仪的实际工作距离是指扫描仪在扫描过程中距离被扫描物体的距离,假设扫描仪的工作范围是0.2-0.5米,设定在扫描仪的实际工作距离在0.2-0.4米时,将该实际工作距离对应的待扫描区域识别为感兴趣区域,即预设工作距离范围为0.2-0.4米。在扫描过程中,当扫描仪的实际工作距离为0.3米,此时,自动将待扫描区域识别为感兴趣区域。
在一个实施例中,预设策略包括:判断待扫描区域所需满足的预设条件,按照预设条件,将待扫描区域识别为感兴趣区域。
当预设条件为获取目标对象的细节,或者获取表面构造复杂的目标对象的三维数据时,都可以将扫描仪能获取到的目标对象的待扫描区域识别为感兴趣区域。
上述步骤,通过提取目标三维数据的目标特征,根据目标特征将该目标三维数据划分为多个特征区域,并按照预设策略为特征区域匹配对应的分辨率,并且对于实时获取的目标三维数据,实时识别预设帧数的感兴趣区域,对于完整获取的目标对象的目标三维数据,对感兴趣区域进行拟合,并对拟合区域中的三维数据,按照分辨率进行采样处理,以提高感兴趣区域的精度,降低非感兴趣区域的精度,从而实现兼顾精度和处理性能的数据处理。
在一个实施例中,如图3所示,提供了一种数据处理装置30,用于三维扫描系统,该数据处理装置30包括数据获取模块32、匹配模块34以及处理模块36,其中:
数据获取模块32,用于获取目标三维数据;
匹配模块34,用于根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率;
处理模块36,用于根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理。
上述数据处理装置30,通过获取目标三维数据,根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率,再根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理,从而生成包含多种分辨率的三维数据,实现了兼顾数据精度与处理性能的数据处理方式,并减少了人工干预,提高了区域划分的准确性和工作效率。
在一个实施例中,匹配模块34还包括区域划分子模块,所述区域划分子模块用于将目标三维数据划分为多个特征区域,并根据预设策略,为多个特征区域匹配对应的分辨率,其中,多个特征区域包括感兴趣区域。
在一个实施例中,区域划分子模块还用于提取目标三维数据的目标特征,将目标特征输入预设的分类模型进行分类,得到目标特征的类别,按照目标特征的类别,将目标三维数据划分为若干个特征区域,其中,每个特征区域中的目标特征属于同一类别,根据预设策略确定感兴趣区域的特征阈值,判断特征区域中的目标特征是否匹配感兴趣区域的特征阈值,若是,则将特征区域识别为感兴趣区域,并匹配对应的分辨率。
在一个实施例中,数据获取模块32还用于实时获取目标三维数据,根据预设策略,识别感兴趣区域。
在一个实施例中,数据获取模块32还用于在完成扫描,并获得目标对象完整的目标三维数据后,根据预设策略,识别感兴趣区域。
在一个实施例中,数据处理模块32还用于根据预设策略,重新读取记录下目标对象的全部目标三维数据,并识别感兴趣区域。
在一个实施例中,数据处理装置30还用于根据预设策略,在记录下目标对象的全部目标三维数据后,识别感兴趣区域,并对感兴趣区域进行拟合,得到拟合区域,根据拟合区域中对应的分辨率,对拟合区域中的三维数据进行采样处理。
在一个实施例中,预设策略包括:计算扫描仪的实际工作距离,在实际工作距离处于预设工作距离范围内时,将待扫描区域识别为感兴趣区域。
在一个实施例中,预设策略包括:判断待扫描区域所需满足的预设条件,按照预设条件,将待扫描区域识别为感兴趣区域。
在一个实施例中,如图4所示,提供了一种三维扫描系统40,包含扫描装置42和上述实施例中的数据处理装置30,该扫描装置42通过扫描被测物体表面,为该数据处理装置30提供目标三维数据,数据处理装置30通过从目标三维数据中识别感兴趣区域,并为感兴趣区域匹配对应的分辨率,最后再按照对应的分辨率对感兴趣区域中的三维数据进行处理,并输出包含有多种分辨率的目标三维数据,从而实现兼顾处理性能和数据精度的数据处理方式,其中扫描装置42具体可以为自动化扫描仪、手持扫描仪和跟踪式扫描仪中的一种。
在一个实施例中,如图5所示,提供了一种电子装置,包括存储器和处理器。存储器中存储有计算机程序,该电子装置的处理器用于提供计算和控制能力。该电子装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器执行计算机程序时实现以下步骤:
获取目标三维数据;
根据预设策略,识别目标三维数据中的感兴趣区域,并为感兴趣区域匹配对应的分辨率;
根据感兴趣区域所匹配的分辨率,对感兴趣区域中的三维数据进行处理。
在一个实施例中,处理器执行计算机程序时还包括以下步骤:
将目标三维数据划分为多个特征区域,并根据预设策略,为多个特征区域匹配对应的分辨率,其中,多个特征区域包括感兴趣区域。
在一个实施例中,处理器执行计算机程序时还包括以下步骤:
提取目标三维数据的目标特征,将目标特征输入预设的分类模型进行分类,得到目标特征的类别;
按照目标特征的类别,将目标三维数据划分为若干个特征区域,其中,每个特征区域中的目标特征属于同一类别;
根据预设策略确定感兴趣区域的特征阈值,判断特征区域中的目标特征是否匹配感兴趣区域的特征阈值,若是,则将特征区域识别为感兴趣区域,并匹配对应的分辨率。
在一个实施例中,处理器执行计算机程序时还包括以下步骤:
实时获取目标三维数据,根据预设策略,识别感兴趣区域。在一个实施例中,在完成扫描,并获得目标对象完整的目标三维数据后,根据预设策略,识别感兴趣区域。
在一个实施例中,处理器执行计算机程序时还包括以下步骤:
根据预设策略,重新读取记录下目标对象的全部目标三维数据,并识别感兴趣区域。
在一个实施例中,处理器执行计算机程序时还包括以下步骤:
根据预设策略,在记录下目标对象的全部目标三维数据后,识别感兴趣区域,并对感兴趣区域进行拟合,得到拟合区域,根据拟合区域中对应的分辨率,对拟合区域中的三维数据进行采样处理。
在一个实施例中,预设策略包括:计算扫描仪的实际工作距离,在实际工作距离处于预设工作距离范围内时,将待扫描区域识别为感兴趣区域。
在一个实施例中,预设策略包括:判断待扫描区域所需满足的预设条件,按照预设条件,将待扫描区域识别为感兴趣区域。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设配置信息集合。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述数据处理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
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,上述的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,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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 (13)
1.一种数据处理方法,用于三维扫描系统,所述扫描系统包括扫描仪,其特征在于,所述方法包括:
获取目标三维数据;
根据预设策略,识别所述目标三维数据中的感兴趣区域,并为所述感兴趣区域匹配对应的分辨率;
根据所述感兴趣区域所匹配的分辨率,对所述感兴趣区域中的三维数据进行处理。
2.根据权利要求1所述的方法,其特征在于,所述根据预设策略,识别所述目标三维数据中的感兴趣区域,并为所述感兴趣区域匹配对应的分辨率,包括:
将所述目标三维数据划分为多个特征区域,并根据所述预设策略,为多个所述特征区域匹配对应的分辨率,其中,多个所述特征区域包括所述感兴趣区域。
3.根据权利要求2所述的方法,其特征在于,所述将所述目标三维数据划分为多个特征区域,并根据所述预设策略,为多个所述特征区域匹配对应的分辨率,包括:
提取所述目标三维数据的目标特征,将所述目标特征输入预设的分类模型进行分类,得到所述目标特征的类别;
按照所述目标特征的类别,将所述目标三维数据划分为若干个特征区域,其中,每个所述特征区域中的所述目标特征属于同一类别;
根据所述预设策略确定所述感兴趣区域的特征阈值,判断所述特征区域中的目标特征是否匹配所述感兴趣区域的特征阈值,若是,则将所述特征区域识别为所述感兴趣区域,并匹配对应的分辨率。
4.根据权利要求1至3中任一项所述的方法,其特征在于,实时获取所述目标三维数据,根据所述预设策略,识别所述感兴趣区域。
5.根据权利要求1至3中任一项所述的方法,其特征在于,在完成扫描,并获得目标对象完整的目标三维数据后,根据所述预设策略,识别所述感兴趣区域。
6.根据权利要求5所述的方法,其特征在于,所述在完成扫描,并获得目标对象完整的目标三维数据后,根据所述预设策略,识别所述感兴趣区域,包括:
根据所述预设策略,重新读取记录下所述目标对象的全部目标三维数据,并识别所述感兴趣区域。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述预设策略,在记录下所述目标对象的全部目标三维数据后,识别所述感兴趣区域,并对所述感兴趣区域进行拟合,得到拟合区域,根据所述拟合区域中对应的分辨率,对所述拟合区域中的三维数据进行采样处理。
8.根据权利要求1所述的方法,其特征在于,所述预设策略包括:计算所述扫描仪的实际工作距离,在所述实际工作距离处于预设工作距离范围内时,将待扫描区域识别为感兴趣区域。
9.根据权利要求1所述的方法,其特征在于,所述预设策略包括:判断待扫描区域所需满足的预设条件,按照所述预设条件,将所述待扫描区域识别为感兴趣区域。
10.一种数据处理装置,用于三维扫描系统,所述扫描系统包括扫描仪,其特征在于,所述数据处理装置包括数据获取模块、匹配模块以及处理模块;
所述数据获取模块,用于获取目标三维数据;
所述匹配模块,用于根据预设策略,识别所述目标三维数据中的感兴趣区域,并为所述感兴趣区域匹配对应的分辨率;
所述处理模块,用于根据所述感兴趣区域所匹配的分辨率,对所述感兴趣区域中的三维数据进行处理。
11.一种三维扫描系统,包含扫描装置和权利要求10所述的数据处理装置,所述扫描装置为所述数据处理装置提供目标三维数据。
12.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的数据处理方法。
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行权利要求1至9中任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110355233.3A CN113065553A (zh) | 2021-04-01 | 2021-04-01 | 数据处理方法、装置、三维扫描系统和电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110355233.3A CN113065553A (zh) | 2021-04-01 | 2021-04-01 | 数据处理方法、装置、三维扫描系统和电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065553A true CN113065553A (zh) | 2021-07-02 |
Family
ID=76565356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110355233.3A Pending CN113065553A (zh) | 2021-04-01 | 2021-04-01 | 数据处理方法、装置、三维扫描系统和电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065553A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115164849A (zh) * | 2022-06-16 | 2022-10-11 | 中兵勘察设计研究院有限公司 | 扫描仪扫描的方法、装置、扫描仪设备及可读存储介质 |
CN115239891A (zh) * | 2022-09-22 | 2022-10-25 | 无锡日联科技股份有限公司 | 一种三维重建方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282479A (zh) * | 2008-05-06 | 2008-10-08 | 武汉大学 | 基于感兴趣区域的空域分辨率可调整编解码方法 |
CN102915521A (zh) * | 2012-08-30 | 2013-02-06 | 中兴通讯股份有限公司 | 一种移动终端图像处理方法及装置 |
CN109069855A (zh) * | 2016-04-19 | 2018-12-21 | Oh & Lee医疗机器人公司 | 利用机械臂的激光照射装置以及方法 |
CN110572579A (zh) * | 2019-09-30 | 2019-12-13 | 联想(北京)有限公司 | 图像处理方法、装置及电子设备 |
-
2021
- 2021-04-01 CN CN202110355233.3A patent/CN113065553A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282479A (zh) * | 2008-05-06 | 2008-10-08 | 武汉大学 | 基于感兴趣区域的空域分辨率可调整编解码方法 |
CN102915521A (zh) * | 2012-08-30 | 2013-02-06 | 中兴通讯股份有限公司 | 一种移动终端图像处理方法及装置 |
CN109069855A (zh) * | 2016-04-19 | 2018-12-21 | Oh & Lee医疗机器人公司 | 利用机械臂的激光照射装置以及方法 |
CN110572579A (zh) * | 2019-09-30 | 2019-12-13 | 联想(北京)有限公司 | 图像处理方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115164849A (zh) * | 2022-06-16 | 2022-10-11 | 中兵勘察设计研究院有限公司 | 扫描仪扫描的方法、装置、扫描仪设备及可读存储介质 |
CN115239891A (zh) * | 2022-09-22 | 2022-10-25 | 无锡日联科技股份有限公司 | 一种三维重建方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304882B (zh) | 一种图像分类方法、装置及服务器、用户终端、存储介质 | |
CN109271870B (zh) | 行人重识别方法、装置、计算机设备及存储介质 | |
CN111353512B (zh) | 障碍物分类方法、装置、存储介质和计算机设备 | |
CN109670437B (zh) | 年龄预估模型训练方法、面部图像识别方法及装置 | |
CN111523414A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN112967174B (zh) | 图像生成模型训练、图像生成方法、装置及存储介质 | |
CN111862044A (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
CN111968134B (zh) | 目标分割方法、装置、计算机可读存储介质及计算机设备 | |
CN113065553A (zh) | 数据处理方法、装置、三维扫描系统和电子装置 | |
CN111144285B (zh) | 胖瘦程度识别方法、装置、设备及介质 | |
CN111178252A (zh) | 多特征融合的身份识别方法 | |
CN112241952B (zh) | 大脑中线识别方法、装置、计算机设备及存储介质 | |
CN112001932A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN109903272A (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
CN110688950B (zh) | 基于深度信息的人脸活体检测方法、装置 | |
CN113469092A (zh) | 字符识别模型生成方法、装置、计算机设备和存储介质 | |
CN112001983A (zh) | 生成遮挡图像的方法、装置、计算机设备和存储介质 | |
CN110363103B (zh) | 虫害识别方法、装置、计算机设备及存储介质 | |
CN113792623B (zh) | 安检ct目标物识别方法和装置 | |
CN116912881A (zh) | 一种动物物种识别方法、计算机设备以及识别系统 | |
CN112199975A (zh) | 基于人脸特征的身份验证方法及装置 | |
CN109460777A (zh) | 图片分类方法、装置及计算机可读存储介质 | |
CN114677578A (zh) | 确定训练样本数据的方法和装置 | |
CN111462059B (zh) | 胎儿超声图像智能目标检测的并行处理方法和装置 | |
CN110781473B (zh) | 一种人脸图片识别预处理的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
RJ01 | Rejection of invention patent application after publication |