CN113269212A - 一种用于三维重建特征点匹配的图形 - Google Patents
一种用于三维重建特征点匹配的图形 Download PDFInfo
- Publication number
- CN113269212A CN113269212A CN202010095166.1A CN202010095166A CN113269212A CN 113269212 A CN113269212 A CN 113269212A CN 202010095166 A CN202010095166 A CN 202010095166A CN 113269212 A CN113269212 A CN 113269212A
- Authority
- CN
- China
- Prior art keywords
- feature points
- closed
- graph
- matching
- code
- 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
- 239000007787 solid Substances 0.000 claims description 6
- 101100126955 Arabidopsis thaliana KCS2 gene Proteins 0.000 claims description 3
- 241000132023 Bellis perennis Species 0.000 claims description 3
- 235000005633 Chrysanthemum balsamita Nutrition 0.000 claims description 3
- 229910002056 binary alloy Inorganic materials 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
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
- G06V10/70—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
- G06K7/1491—Methods for optical code recognition the method including quality enhancement steps the method including a reconstruction step, e.g. stitching two pieces of bar code together to derive the full bar code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明目的为解决现有技术中特征点误匹配的问题提供了一种用于三维重建特征点匹配的图形,该图形包覆或投影到待三维重建物体的表面,其组成要点在于,所述图形分割成若干封闭区域,所述每个区域都设置编码,从检测到的特征点中选择与封闭区域对应的1个或按照一定顺序排列的若干个特征点,设置几何图形对应每个特征点,特征点与图形的几何特征点重合。本发明的技术效果提供了一种图形,该图形对特征点预设几何图形以及编码,使每个特征点可以通过与几何图形的几何特征点重合方法排除了临近的其他特征点,并建立特征点与编码对应关系,不同的照片通过对照编码就能实现特征点的精确匹配。
Description
技术领域
本发明涉及一种用于三维重建特征点匹配的图形。
背景技术
图像三维重建应用于各个领域。双目或多目立体视觉模拟人眼功能,通过视差完成三维重建,能够对图像中所有物体进行三维重建,但双目或多目立体视觉的匹配算法存在一定概率的特征点误匹配,且误匹配点无法完全去除的缺点,因此很难精确的完成三维重建。多视角图像三维重建也存在同样的问题。
发明内容
本发明目的为解决现有技术中特征点误匹配的问题提供了一种用于三维重建特征点匹配的图形,该图形包覆或投影到待三维重建物体的表面,通过对该图像进行处理,克服现有技术中三维重建的特征点误匹配的技术问题,精确实现双目、多目图像三维重建或多视角图像三维重建的特征点匹配。
一种用于三维重建特征点匹配的图形,该图形包覆或投影到待三维重建物体的表面,其组成要点在于,所述图形分割成若干封闭区域,所述每个区域都设置编码,从检测到的特征点中选择与封闭区域对应的1个或按照一定顺序排列的若干个特征点,设置几何图形对应每个特征点,特征点与图形的几何特征点重合。
这样,每个特征点通过几何图形的几何特征点与特征点重合方法排除了临近的其他特征点,而且每个特征点与区域对应,区域设置多个特征点时按照一定顺序排列,将排列顺序转换为某种编码,区域本身设置编码,区域有多个特征点时每个特征点都有区域编码列和顺序编码,区域只有1个特征点时每个特征点有区域编码列,从而在多角度照片的三维重建中,通过检测编码就能实现特征点的准确匹配。
所述编码是颜色、图形、文字、字符、数字、条形码、二维码、或ArUco编码中的一种,每个封闭区域分别设置编码。
所述几何图形是圆、椭圆、多边形或者相交的直线中的一种,几何特征点是几何图形的顶点、中心以及直线段交点中一种。
所述特征点是角点、SIFT特征点、SURF特征点、ORB特征点、DAISY特征点、BRIEF特征点、圆心中的一种。
所述若干个特征点的排列顺序是上下、左右、顺时针或者、逆时针的中的一种。
所述每个封闭区域设置1位二进制编码,设置封闭区域组合,组合中若干个封闭区域二进制编码组合成1个编码,组合中至少在其中的1个区域设置识别标记,该区域在组合中的位置预先确定。
这样,就能通过标记区域的位置,确定组合所在的范围,采用二进制编码,提高了编码识别的鲁棒性。
所述每个区域设置不同封闭图形的数量作为二进制编码的区别,所述区别或者是区域内封闭图形数量的奇偶,或者是设定区域内封闭图形数量的阈值,所述组合区域中带识别标记的区域在编码基础上内增加若干个封闭图形作为识别标记。
这样,当图形包覆或投影到待三维重建物体的表面时通常图形会出现扭曲或变形,采用检测封闭图形的数量的方式进行二进制编码,进一步提高了编码识别的鲁棒性,保证了实现特征点匹配的准确实现。
所述封闭图形为有空心或实心的封闭图形,包括矩形、方形、圆形或椭圆形。
所述区域为四边形边界,设置其中1个封闭图形作为方向标记,该标记与其中1个特征点距离最近;所述识别标记,对于采用奇偶二进制作为二进制编码的区别,该区域内增加偶数个封闭图形,或者对于采用数量阈值作为二进制编码的区别,另外设置高于原阈值的2个阈值,该区域内增加若干个封闭图形,使该区域内的封闭图形数量总是高于新设置的比较低的阈值,以新设置的比较高的阈值作为该区域二进制编码的区别。
这样,在匹配图形旋转的时候能仍然能确定角点的顺序。
所述特征点是实心扇形圆心处形成的角点,所述几何图形是圆,所述几何图形的圆心设置于四边形边界顶点处,四边形边界不延伸进入圆中,所述角点与圆心重合。
所述几何图形圆的外部设置一个直径更大的同心圆。
这样,轮廓提取时就能获得比较完整的圆轮廓,便于程序的识别。
使用上述图形进行三维重建特征点匹配,需要提供一种神经网络图像识别程序模块或基于opencv或matlab的图形识别程序模块,使用步骤如下:
[1]选择其中一照片或帧,
[2]提取照片或帧的特征点,
[3]检测轮廓,
[4]识别封闭区域,
[5]识别封闭区域对应的编码,
[6]提取图形的几何特征点,
[7]找出重合的特征点,
[8]确定特征点顺序,
[9]确定区域对应的特征点,
[10]形成特征点编码,
[11]重复前述1-10指令直至完成所有照片或帧的特征点编码,
[12]根据特征点编码匹配特征点,
[13] 对几张图片分别进行1-7步骤,直至完成所有特征点识别及编码,
[14]根据编码对几张图片的特征点进行匹配。
本发明的技术效果在于为解决现有技术中特征点匹配不准确的问题,提供了一种图形,该图形对特征点预设几何图形以及编码,使每个特征点可以通过与几何图形的几何特征点重合方法排除了临近的其他特征点,并建立特征点与编码对应关系,不同的照片通过对照编码就能实现特征点的精确匹配。
附图说明
图1是一种用于三维重建特征点匹配图形方案的局部,采用方形封闭区域,编码采用条形码。
图2是又一种用于三维重建特征点匹配图形方案的局部,采用方形封闭区域,编码采用方形二维码。
图3是又一种用于三维重建特征点匹配图形方案的局部,采用方形封闭区域,编码采用数字。
图4是又一种用于三维重建特征点匹配图形方案的局部,采用圆形封闭区域,编码采用ArUco编码。
图5是又一种用于三维重建特征点匹配图形方案的局部,采用方形封闭区域,编码采用二进制编码,若干个封闭区域二进制编码组合成1个编码。
图6是本发明匹配过程的方框图。
具体实施方式
实施例1
如图1,一种用于三维重建特征点匹配的图形的局部,匹配图形的规模根据待三维重建物体的表面大小确定,该图形包覆或投影到待三维重建物体的表面,例如可以在袜子上设置图形穿上这种袜子实现人体足部的三维重建,再例如用投影设备将图形投影于人体上实现人体的三维重建物体,其组成要点在于,所述图形分割成若干封闭区域1,所述每个区域都设置编码2,所述编码2是条形码,从检测到的特征点中选择与封闭区域对应的1个特征点3,每个特征点设置对应的几何图形4,所述几何图形4是圆形,特征点3与圆心重合。每个封闭区域分别设置编码。所述特征点是角点、SIFT特征点、SURF特征点、ORB特征点、DAISY特征点、BRIEF特征点、圆心中的一种。所述编码位置偏置,位于图形的左上部分,以利于确定图形旋转时匹配图形的方向。
实施例2
如图2,一种用于三维重建特征点匹配的图形的局部,匹配图形的规模根据待三维重建物体的表面大小确定,该图形包覆或投影到待三维重建物体的表面,其组成要点在于,所述图形分割成若干封闭区域1,所述每个区域都设置编码,所述编码是二维码21,从检测到的特征点中选择与封闭区域对应的按照顺时针顺序排列的4个特征点个31,所述特征点31是角点,每个特征点设置对应的几何图形,所述几何图形是方形41,特征点31与方形41的4个顶点重合。所述编码位置偏置,位于图形的左上部分,以利于确定图形旋转时匹配图形的方向。
实施例3
如图3,一种用于三维重建特征点匹配的图形的局部,匹配图形的规模根据待三维重建物体的表面大小确定,该图形包覆或投影到待三维重建物体的表面,其组成要点在于,所述图形分割成若干封闭区域1,所述每个区域都设置编码,所述编码是阿拉伯数字22,从检测到的特征点中选择与封闭区域对应的按照左右顺序排列的2个特征点个32,所述特征点32是角点,每个特征点设置对应的几何图形,所述几何图形是圆形42,特征点32与方形圆形42的圆心重合。所述编码位置偏置,位于图形的左上部分,以利于确定图形旋转时匹配图形的方向。
实施例4
如图4,一种用于三维重建特征点匹配的图形的局部,匹配图形的规模根据待三维重建物体的表面大小确定,该图形包覆或投影到待三维重建物体的表面,其组成要点在于,所述图形分割成若干封闭区域11,封闭区域11为相切的圆,所述每个区域都设置编码,所述编码是ArUco编码23,从检测到的特征点中选择与封闭区域对应的按照左右顺序排列的1个特征点个33,所述特征点33是角点,每个特征点设置对应的几何图形,所述几何图形是圆形43,特征点33与圆形43的圆心重合。所述编码位置偏置,位于图形的左上部分,以利于确定图形旋转时匹配图形的方向。
实施例5
如图5, 一种用于三维重建特征点匹配的图形的局部,匹配图形的规模根据待三维重建物体的表面大小确定,该图形包覆或投影到待三维重建物体的表面,其组成要点在于,所述图形分割成若干封闭区域1,所述每个区域都设置1位二进编码,以3*3个封闭区域二进制编码组合成1个编码,组合中第1个区域增加2个封闭图形5作为标记以确定区域的范围。所述特征点是实心扇形圆心处形成的角点34,所述几何图形是圆44,所述角点34与圆44的圆心重合,所述几何图形44的圆心设置于四边形边界顶点处,四边形边界不延伸进入圆中。选择左上角的角点34作为对应特征点,封闭图形中设置封闭图形6作为方向标记,该方向标记与角点34距离最近,以利于图形旋转时确定匹配图形的方向以及对应特征点。
所述封闭图形24为实心的正三角形,所述每个区域设置二进制编码形式为封闭图形24的数量,或者设定区域内有奇数个封闭图形二进制编码为1,有偶数个封闭图形二进制编码为0,或者设定3个封闭图形数量阈值分别为1、2、3,当封闭图形数量为小于1为普通的区域二进制编码是0,当封闭图形数量为大于1小于2为普通的区域是二进制编码为1,当封闭图形数量大于2小于3为带识别标记的区域二进制编码是0,当封闭图形数量大于3是带识别标记的区域二进制编码是1。
这样,就能通过统计封闭图形数量确定二进制编码。
所述几何图形圆,外部设置一个直径更大的同心圆。这样,轮廓提取时就能获得比较完整的圆轮廓。
如图6,使用实施例1-5三维重建特征点匹配的图形进行三维重建特征点匹配,需要提供一种神经网络图像识别程序模块,使用步骤如下:
1[1]选择其中一照片或帧,
[2]提取照片或帧的特征点,
[3]检测轮廓,
[4]识别封闭区域,
[5]识别封闭区域对应的编码,
[6]提取图形的几何特征点,
[7]找出重合的特征点,
[8]确定特征点顺序,
[9]确定区域对应的特征点,
[10]形成特征点编码,
[11]重复前述1-10指令直至完成所有照片或帧的特征点编码,
[12]根据特征点编码匹配特征点,
[13] 对几张图片分别进行1-7步骤,直至完成所有特征点识别及编码,
[14]根据编码对几张图片的特征点进行匹配。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种用于三维重建特征点匹配的图形,该图形包覆或投影到待三维重建物体的表面,其特征在于,所述图形分割成若干封闭区域,所述每个区域都设置编码,从检测到的特征点中选择与封闭区域对应的1个或按照一定顺序排列的若干个特征点,设置几何图形对应每个特征点,特征点与图形的几何特征点重合。
2.根据权利要求1所述的一种用于三维重建特征点匹配的图形,其特征在于,所述编码是颜色、图形、文字、字符、数字、条形码、二维码、或ArUco编码中的一种,每个封闭区域分别设置编码。
3.根据权利要求1所述的一种用于三维重建特征点匹配的图形,其特征在于,所述几何图形是圆、椭圆、多边形或者相交的直线中的一种,几何特征点是几何图形的顶点、中心以及直线段交点中一种。
4.根据权利要求1所述的一种用于三维重建特征点匹配的图形,其特征在于,所述特征点是角点、SIFT特征点、SURF特征点、ORB特征点、DAISY特征点、BRIEF特征点、圆心中的一种。
5.根据权利要求1所述的一种用于三维重建特征点匹配的图形,其特征在于,所述若干个特征点的排列顺序是上下、左右、顺时针或者、逆时针的中的一种。
6.根据权利要求1所述的一种用于三维重建特征点匹配的图形,其特征在于,所述每个封闭区域设置1位二进制编码,设置封闭区域组合,组合中若干个封闭区域二进制编码组合成1个编码,组合中至少在其中的1个区域设置识别标记,该区域在组合中的位置预先确定。
7.根据权利要求6所述的一种用于三维重建特征点匹配的图形,其特征在于,所述每个区域设置不同封闭图形的数量作为二进制编码的区别,所述区别或者是区域内封闭图形数量的奇偶,或者是设定区域内封闭图形数量的阈值,所述组合区域中带识别标记的区域在编码基础上内增加若干个封闭图形作为识别标记。
8.根据权利要求7所述的一种用于三维重建特征点匹配的图形,其特征在于,所述区域为四边形边界,设置其中1个封闭图形作为方向标记,该标记与其中1个特征点距离最近;所述识别标记,对于采用奇偶二进制作为二进制编码的区别,该区域内增加偶数个封闭图形,或者对于采用数量阈值作为二进制编码的区别,另外设置高于原阈值的2个阈值,该区域内增加若干个封闭图形,使该区域内的封闭图形数量总是高于新设置的比较低的阈值,以新设置的比较高的阈值作为该区域二进制编码的区别。
9.根据权利要求1所述的一种用于三维重建特征点匹配的图形,其特征在于,所述特征点是实心扇形圆心处形成的角点,所述几何图形是圆,所述几何图形的圆心设置于四边形边界顶点处,四边形边界不延伸进入圆中,所述角点与圆心重合。
10.根据权利要求9所述的一种用于三维重建特征点匹配的图形,其特征在于,所述封闭图形为有空心或实心的封闭图形;所述几何图形圆的外部设置一个直径更大的同心圆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095166.1A CN113269212A (zh) | 2020-02-14 | 2020-02-14 | 一种用于三维重建特征点匹配的图形 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095166.1A CN113269212A (zh) | 2020-02-14 | 2020-02-14 | 一种用于三维重建特征点匹配的图形 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269212A true CN113269212A (zh) | 2021-08-17 |
Family
ID=77227361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010095166.1A Pending CN113269212A (zh) | 2020-02-14 | 2020-02-14 | 一种用于三维重建特征点匹配的图形 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269212A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122254A (zh) * | 2017-12-15 | 2018-06-05 | 中国科学院深圳先进技术研究院 | 基于结构光的三维图像重建方法、装置及存储介质 |
CN108710932A (zh) * | 2018-05-21 | 2018-10-26 | 周冰 | 一种二维码生成方法、装置及电子设备 |
CN108986178A (zh) * | 2017-06-01 | 2018-12-11 | 宁波盈芯信息科技有限公司 | 一种用于结构光编码的随机编码图案生成方法及设备 |
JP2019086294A (ja) * | 2017-11-01 | 2019-06-06 | オムロン株式会社 | 3次元測定装置、3次元測定方法及びプログラム |
CN110033069A (zh) * | 2019-04-18 | 2019-07-19 | 天津工业大学 | 一种基于qr码的定位编码标记点设计方法 |
CN110047109A (zh) * | 2019-03-11 | 2019-07-23 | 南京航空航天大学 | 一种基于自识别标记的相机标定板及其识别检测方法 |
CN110097581A (zh) * | 2019-04-28 | 2019-08-06 | 西安交通大学 | 基于点云配准icp算法构建k-d树的方法 |
-
2020
- 2020-02-14 CN CN202010095166.1A patent/CN113269212A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986178A (zh) * | 2017-06-01 | 2018-12-11 | 宁波盈芯信息科技有限公司 | 一种用于结构光编码的随机编码图案生成方法及设备 |
JP2019086294A (ja) * | 2017-11-01 | 2019-06-06 | オムロン株式会社 | 3次元測定装置、3次元測定方法及びプログラム |
CN108122254A (zh) * | 2017-12-15 | 2018-06-05 | 中国科学院深圳先进技术研究院 | 基于结构光的三维图像重建方法、装置及存储介质 |
CN108710932A (zh) * | 2018-05-21 | 2018-10-26 | 周冰 | 一种二维码生成方法、装置及电子设备 |
CN110047109A (zh) * | 2019-03-11 | 2019-07-23 | 南京航空航天大学 | 一种基于自识别标记的相机标定板及其识别检测方法 |
CN110033069A (zh) * | 2019-04-18 | 2019-07-19 | 天津工业大学 | 一种基于qr码的定位编码标记点设计方法 |
CN110097581A (zh) * | 2019-04-28 | 2019-08-06 | 西安交通大学 | 基于点云配准icp算法构建k-d树的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110047109B (zh) | 一种基于自识别标记的相机标定板及其识别检测方法 | |
US7742633B2 (en) | Apparatus and method for rapidly measuring 3-dimensional foot sizes from multi-images | |
CN101697233B (zh) | 一种基于结构光的三维物体表面重建方法 | |
US20160239975A1 (en) | Highly robust mark point decoding method and system | |
CN108122254B (zh) | 基于结构光的三维图像重建方法、装置及存储介质 | |
CN110956660B (zh) | 定位方法、机器人以及计算机存储介质 | |
Yang et al. | Robust and accurate surface measurement using structured light | |
US20020164066A1 (en) | Three-dimensional modeling apparatus, method, and medium, and three-dimensional shape data recording apparatus, method, and medium | |
Koninckx et al. | Real-time range scanning of deformable surfaces by adaptively coded structured light | |
CN113269864A (zh) | 一种多视角三维重建装置及方法 | |
CN106767502A (zh) | 一种具有起始信息的圆形编码标志点 | |
CN111524233A (zh) | 一种静态场景动态目标的三维重建方法 | |
CN209403650U (zh) | 一种用于获取人体表面数据的紧身衣 | |
CN106980851B (zh) | 一种数据矩阵dm码的定位方法及装置 | |
CN108022265A (zh) | 红外相机位姿确定方法、设备及系统 | |
CN111815726B (zh) | 一种基于计算机视觉识别系统的椭圆角度编码解码方法 | |
CN115345870A (zh) | 一种基于单目相机和带编码自发光靶标实现大场景精密形变监测的方法 | |
CN112767412B (zh) | 车辆部件级分割方法、装置以及电子设备 | |
CN113160329B (zh) | 用于摄像机标定的编码平面靶标及其解码方法 | |
CN113269212A (zh) | 一种用于三维重建特征点匹配的图形 | |
CN113129397A (zh) | 一种基于图形几何关系的平行四边形编码标志的解码方法 | |
CN116030240A (zh) | 标志点识别方法、标志点识别装置、电子设备及存储介质 | |
Pages et al. | Robust segmentation and decoding of a~ grid pattern for structured light | |
CN107270875B (zh) | 运动模糊效应下的视觉特征三维重建方法 | |
CN112508983B (zh) | 一种基于图像边缘检测的点云降采样方法 |
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 |