CN113269864A - 一种多视角三维重建装置及方法 - Google Patents
一种多视角三维重建装置及方法 Download PDFInfo
- Publication number
- CN113269864A CN113269864A CN202010093997.5A CN202010093997A CN113269864A CN 113269864 A CN113269864 A CN 113269864A CN 202010093997 A CN202010093997 A CN 202010093997A CN 113269864 A CN113269864 A CN 113269864A
- Authority
- CN
- China
- Prior art keywords
- feature points
- closed
- geometric
- dimensional reconstruction
- 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
Images
Classifications
-
- 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
- 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
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
一种多视角三维重建装置及方法,包括待三维重建的物体、移动摄像头、存储设备和处理器,还包括包覆或投影到物体表面的图形,所述图形分割成若干封闭区域,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,特征点与在封闭区域内的排列顺序以及编码对应,存储设备存储有多条指令,所述指令适于由所述处理器加载并执行三维重建程序。本发明通过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,通过对照编码实现特征点的精确匹配,从而实现高精度的三维重建。
Description
技术领域
本发明涉及一种多视角三维重建装置及方法。
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多视角三维重建装置及方法,提供一种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,精确实现多视角图像三维重建。
一种多视角三维重建方法,包括如下步骤:
[1]提供待三维重建的物体、完成内参和外参标定的移动摄像头、存储设备和处理器,包覆或投影到待三维重建物体表面的图形,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,特征点与在封闭区域内的排列顺序以及编码对应,
[2]移动摄像头在不同角度拍摄照片或拍摄视频后提取其中不同角度的部分帧,
所述存储设备,其中存储有多条指令,所述指令适于由所述处理器加载并执行:
[3]选择其中一照片或帧,
[4]提取照片或帧的特征点,
[5]检测轮廓,
[6]识别封闭区域,
[7]识别封闭区域对应的编码,
[8]提取图形的几何特征点,
[9]找出重合的特征点,
[10]确定特征点顺序,
[11]确定区域对应的特征点,
[12]形成特征点编码,
[13]重复前述3-12指令直至完成所有照片或帧的特征点编码,
[14]根据特征点编码匹配特征点,
[15]完成三维重建。
一种多视角三维重建装置包括待三维重建的物体、完成内参和外参标定的移动摄像头、存储设备和处理器,其组成要点在于,还包括包覆或投影到待三维重建物体表面的图形,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,特征点与在封闭区域内的排列顺序以及编码对应,
移动摄像头在不同角度拍摄照片或拍摄视频后提取其中不同角度的部分帧,
所述存储设备,其中存储有多条指令,所述指令适于由所述处理器加载并执行:
[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]完成三维重建。
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,不同角度照片通过检测编码就能实现特征点的准确匹配,从而实现三维重建。
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。
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造成三维重建精度低的问题,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,从而实现高精度的三维重建。
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是本发明三维重建过程的方框图。
具体实施方式
实施例1
如图1、图6,一种多视角三维重建装置包括待三维重建的物体、完成内参和外参标定的移动摄像头、存储设备和处理器,以及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,其组成要点在于,还包括包覆或投影到待三维重建物体表面的图形,
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,
移动摄像头在不同角度拍摄照片或拍摄视频后提取其中不同角度的部分帧,
所述存储设备,其中存储有多条指令,所述指令适于由所述处理器加载并执行:
[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]确定封闭区域对应的特征点,
[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] 用SFM算法完成三维重建。
一种多视角三维重建方法,包括如下步骤:
[1]提供待三维重建的物体、完成内参和外参标定的移动摄像头、存储设备和处理器,包覆或投影到待三维重建物体表面的图形,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,
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,
[2]移动摄像头在不同角度拍摄照片或拍摄视频后提取其中不同角度的部分帧,
所述存储设备,其中存储有多条指令,所述指令适于由所述处理器加载并执行:
[3]选择其中一照片或帧,
[4]提取照片或帧的特征点,
[5]检测轮廓,
[6]识别封闭区域,
[7]识别封闭区域对应的编码,
[8]提取图形的几何特征点,
[9]找出重合的特征点,
[10]确定特征点顺序,
[11]确定封闭区域对应的特征点,
[12]形成特征点编码,
[13]重复前述3-12指令直至完成所有照片或帧的特征点编码,
[14]根据特征点编码匹配特征点,
[15] 用SFM算法完成三维重建。
实施例2
如图2,实施例2与实施例1不同之处在于使用不同的匹配图形,并采用相应的编码识别指令,该图形的组成要点在于,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3,一实施例3与实施例1不同之处在于使用不同的匹配图形,并采用相应的编码识别指令,该图形的组成要点在于,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,实施例4与实施例1不同之处在于使用不同的匹配图形,并采用相应的编码识别指令,该图形的组成要点在于,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5,一实施例5与实施例1不同之处在于使用不同的匹配图形,并采用相应的编码识别指令,该图形的组成要点在于,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。
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)
1.一种多视角三维重建方法,包括如下步骤:
[1]提供待三维重建的物体、完成内参和外参标定的移动摄像头、存储设备和处理器,包覆或投影到待三维重建物体表面的图形,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,特征点与在封闭区域内的排列顺序以及编码对应,
[2]移动摄像头在不同角度拍摄照片或拍摄视频后提取其中不同角度的部分帧,
所述存储设备,其中存储有多条指令,所述指令适于由所述处理器加载并执行:
[3]选择其中一照片或帧,
[4]提取照片或帧的特征点,
[5]检测轮廓,
[6]识别封闭区域,
[7]识别封闭区域对应的编码,
[8]提取图形的几何特征点,
[9]找出重合的特征点,
[10]确定特征点顺序,
[11]确定区域对应的特征点,
[12]形成特征点编码,
[13]重复前述3-12指令直至完成所有照片或帧的特征点编码,
[14]根据特征点编码匹配特征点,
[15]完成三维重建。
2.一种多视角三维重建装置,包括待三维重建的物体、完成内参和外参标定的移动摄像头、存储设备和处理器,其组成要点在于,还包括包覆或投影到待三维重建物体表面的图形,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,特征点与在封闭区域内的排列顺序以及编码对应,
移动摄像头在不同角度拍摄照片或拍摄视频后提取其中不同角度的部分帧,
所述存储设备,其中存储有多条指令,所述指令适于由所述处理器加载并执行:
[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]完成三维重建。
3.根据权利要求2所述一种多视角三维重建装置,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;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2所述一种多视角三维重建装置,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2所述一种多视角三维重建装置,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2所述一种多视角三维重建装置,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所述一种多视角三维重建装置,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所述一种多视角三维重建装置,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所述一种多视角三维重建装置,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所述一种多视角三维重建装置,其特征在于,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 |
---|---|---|---|
CN202010093997.5A CN113269864A (zh) | 2020-02-14 | 2020-02-14 | 一种多视角三维重建装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010093997.5A CN113269864A (zh) | 2020-02-14 | 2020-02-14 | 一种多视角三维重建装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269864A true CN113269864A (zh) | 2021-08-17 |
Family
ID=77227260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010093997.5A Pending CN113269864A (zh) | 2020-02-14 | 2020-02-14 | 一种多视角三维重建装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269864A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648615A (zh) * | 2022-05-24 | 2022-06-21 | 四川中绳矩阵技术发展有限公司 | 目标对象交互式重现的控制方法、装置、设备及存储介质 |
CN114648614A (zh) * | 2022-05-24 | 2022-06-21 | 四川中绳矩阵技术发展有限公司 | 一种目标对象的三维重现方法及系统 |
-
2020
- 2020-02-14 CN CN202010093997.5A patent/CN113269864A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648615A (zh) * | 2022-05-24 | 2022-06-21 | 四川中绳矩阵技术发展有限公司 | 目标对象交互式重现的控制方法、装置、设备及存储介质 |
CN114648614A (zh) * | 2022-05-24 | 2022-06-21 | 四川中绳矩阵技术发展有限公司 | 一种目标对象的三维重现方法及系统 |
CN114648615B (zh) * | 2022-05-24 | 2022-07-29 | 四川中绳矩阵技术发展有限公司 | 目标对象交互式重现的控制方法、装置、设备及存储介质 |
WO2023226370A1 (zh) * | 2022-05-24 | 2023-11-30 | 四川中绳矩阵技术发展有限公司 | 一种目标对象的三维重现方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133989B (zh) | 一种三维扫描系统参数标定方法 | |
CN110956660B (zh) | 定位方法、机器人以及计算机存储介质 | |
CN108225216B (zh) | 结构光系统标定方法及装置、结构光系统及移动设备 | |
US20020164066A1 (en) | Three-dimensional modeling apparatus, method, and medium, and three-dimensional shape data recording apparatus, method, and medium | |
US6744914B1 (en) | Method and system for generating a three-dimensional object | |
CN113269864A (zh) | 一种多视角三维重建装置及方法 | |
CN107424196B (zh) | 一种基于弱标定多目相机的立体匹配方法、装置及系统 | |
CN115880373B (zh) | 基于新型编码特征的立体视觉系统的标定板及标定方法 | |
CN111833405B (zh) | 基于机器视觉的标定识别方法及装置 | |
CN106980851B (zh) | 一种数据矩阵dm码的定位方法及装置 | |
CN113052911A (zh) | 一种标定板、和相机标定方法、装置 | |
CN111275776A (zh) | 投影增强现实方法、装置和电子设备 | |
CN106600649A (zh) | 一种基于二维标记码的相机自标定方法 | |
CN107749071A (zh) | 大畸变棋盘格图像角点检测方法及装置 | |
CN113049184A (zh) | 一种质心测量方法、设备及存储介质 | |
CN113096191B (zh) | 基于编码平面靶标的单目摄像机智能标定方法 | |
CN113160329B (zh) | 用于摄像机标定的编码平面靶标及其解码方法 | |
Elahi et al. | A single-shot, pixel encoded 3D measurement technique for structure light | |
CN113129386A (zh) | 基于编码平面靶标的双目摄像机内外参数的智能标定方法 | |
CN117315046A (zh) | 一种环视相机标定方法、装置、电子设备及存储介质 | |
CN113269212A (zh) | 一种用于三维重建特征点匹配的图形 | |
CN113240744A (zh) | 图像处理的方法和装置 | |
CN115345994A (zh) | 三维重建方法及装置、系统 | |
US20220335649A1 (en) | Camera pose determinations with depth | |
CN111179347B (zh) | 基于区域性特征的定位方法、定位设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210817 |