CN113344986B - 点云配准结果的评估方法、装置、设备及存储介质 - Google Patents
点云配准结果的评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113344986B CN113344986B CN202110886225.1A CN202110886225A CN113344986B CN 113344986 B CN113344986 B CN 113344986B CN 202110886225 A CN202110886225 A CN 202110886225A CN 113344986 B CN113344986 B CN 113344986B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target
- pixel
- preset
- registration result
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及点云技术领域,公开了一种点云配准结果的评估方法、装置、设备及存储介质,所述方法包括:获取源点云和目标点云,将源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;根据旋转矩阵和平移矩阵确定目标点云配准结果;根据预设相机成像策略对目标点云配准结果进行计算,得到目标二维重合率;根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,得到对应的评估结果;本发明通过预设相机成像策略和目标点云配准结果得到目标二维重合率,根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,相较于现有技术通过均方根误差进行精度评估,能够有效提高对点云匹配结果评估的准确性。
Description
技术领域
本发明涉及点云技术领域,尤其涉及点云配准结果的评估方法、装置、设备及存储介质。
背景技术
随着计算机视觉的不断发展,涌现出了许多不同类型的三维视觉传感器,比如结构光三维传感器和双目视觉三维传感器,同时也出现较多基于这些三维视觉设备的工业领域的应用案例,例如,无序抓取应用场景,以实现了减人增效,而基于结构光或双目视觉的三维视觉设备的工业应用中的无序抓取通常是通过将三维视觉传感器采集的实际物体点云与物体的标准模型点云进行配准,实现对物体的类别和姿态计算,因此,点云配准是否准确与类别和姿态计算的关系较为密切,目前常用的点云配准结果是经典的均方根误差,但是上述方案需要在实际使用中需要设定对应点的距离阈值,而设定距离阈值又需要进行多次试验,使得点云配准结果评估的准确性较低。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种点云配准结果的评估方法、装置、设备及存储介质,旨在解决现有技术无法有效提高对点云配准结果评估准确性的技术问题。
为实现上述目的,本发明提供了一种点云配准结果的评估方法,所述点云配准结果的评估方法包括以下步骤:
获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;
根据所述旋转矩阵和平移矩阵确定目标点云配准结果;
根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;
根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果。
可选地,所述根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率,包括:
提取所述预设相机成像策略中的参数信息;
基于所述参数信息构建目标坐标系集合;
根据所述目标坐标系集合和源点云中的目标点得到对应的像素坐标信息;
根据所述像素坐标信息和第一图像变量信息得到第一像素数;
根据所述像素坐标信息和第二图像变量信息得到第二像素数;
通过预设比率计算算法对所述第一像素数和第二像素数进行计算,得到目标二维重合率。
可选地,所述根据所述目标坐标系集合和源点云中的目标点得到对应的像素坐标信息,包括:
提取所述目标坐标系集合中的相机坐标系、图像坐标系以及像素坐标系;
在源点云中的目标点位于所述相机坐标系时,根据所述源点云中的目标点、图像坐标系以及像素坐标系得到第一坐标信息和第二坐标信息;
获取预设像素算法,根据所述预设像素算法对所述第一坐标信息和第二坐标信息进行计算,得到对应的像素坐标信息。
可选地,所述根据所述像素坐标信息和第一图像变量信息得到第一像素数,包括:
提取所述第一图像变量信息的第一图像分辨率信息;
根据预设像素取值范围对所述第一图像分辨率信息进行设置,得到第一像素坐标数值集合;
对所述第一像素坐标数值集合进行遍历,得到对应的第一遍历结果;
在所述第一遍历结果中存在目标像素时,根据所述第一遍历结果得到第一像素数。
可选地,所述对所述第一像素坐标数值集合进行遍历,得到对应的第一遍历结果之后,还包括:
在所述第一遍历结果中不存在目标像素时,提取所述第一遍历结果中不为预设像素值的第一像素坐标数值;
根据预设漫水算法将所述第一像素坐标数值设置为第一目标像素值,并对所述第一目标像素值进行反色处理;
统计反色处理后的第一目标像素值的个数,得到第一像素数。
可选地,所述根据所述像素坐标信息和第二图像变量信息得到第二像素数,包括:
根据预设像素取值范围对所述第二图像变量信息中的图像分辨率信息进行设置,得到第二像素坐标数值集合;
对所述第二像素坐标数值集合进行遍历,得到对应的第二遍历结果;
在所述第二遍历结果中不存在目标像素值时,通过预设漫水算法将所述第二遍历结果中的不为预设像素值的第二像素坐标值设置为第二目标像素值;
对所述第二目标像素值进行反色处理;
统计反色处理后的第二目标像素值的个数,得到第二像素数。
可选地,所述统计反色处理后的第二目标像素值的个数,得到第二像素数,包括:
将反色处理后的第二目标像素值与反色处理后的第一目标像素值进行逻辑与运算,得到对应的运算结果;
将运算结果中的第一像素数中的反色处理后的第一目标像素值设置为预设像素值;
根据所述预设像素值统计第一像素数中第一目标像素值的个数,得到第二像素数。
此外,为实现上述目的,本发明还提出一种点云配准结果的评估装置,所述点云配准结果的评估装置包括:
配准模块,用于获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;
确定模块,用于根据所述旋转矩阵和平移矩阵确定目标点云配准结果;
计算模块,用于根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;
评估模块,用于根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果。
此外,为实现上述目的,本发明还提出一种点云配准结果的评估设备,所述点云配准结果的评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点云配准结果的评估程序,所述点云配准结果的评估程序配置为实现如上文所述的点云配准结果的评估方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有点云配准结果的评估程序,所述点云配准结果的评估程序被处理器执行时实现如上文所述的点云配准结果的评估方法。
本发明提出的点云配准结果的评估方法,通过获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;根据所述旋转矩阵和平移矩阵确定目标点云配准结果;根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果;本发明通过预设相机成像策略和目标点云配准结果得到目标二维重合率,根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,相较于现有技术通过均方根误差进行精度评估,能够有效提高对点云匹配结果评估的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的点云配准结果的评估设备的结构示意图;
图2为本发明点云配准结果的评估方法第一实施例的流程示意图;
图3为本发明点云配准结果的评估方法第二实施例的流程示意图;
图4为本发明点云配准结果的评估方法一实施例的坐标系集合示意图;
图5为本发明点云配准结果的评估装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的点云配准结果的评估设备结构示意图。
如图1所示,该点云配准结果的评估设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对点云配准结果的评估设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及点云配准结果的评估程序。
在图1所示的点云配准结果的评估设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明点云配准结果的评估设备中的处理器1001、存储器1005可以设置在点云配准结果的评估设备中,所述点云配准结果的评估设备通过处理器1001调用存储器1005中存储的点云配准结果的评估程序,并执行本发明实施例提供的点云配准结果的评估方法。
基于上述硬件结构,提出本发明点云配准结果的评估方法实施例。
参照图2,图2为本发明点云配准结果的评估方法第一实施例的流程示意图。
在第一实施例中,所述点云配准结果的评估方法包括以下步骤:
步骤S10,获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵。
需要说明的是,本实施例的执行主体为点云配准结果的评估设备,还可为其他可实现相同或相似功能的设备,例如点云配准结果评估控制器等,本实施例对此不作限制,在本实施例中,以点云配准结果评估控制器为例进行说明。
应当理解的是,源点云指的是通过结构光或者双目视觉三维传感器采集到的点云,目标点云指的是将源点云进行转换的点云,在得到源点云和目标点云后,将源点云和目标点云进行配准,具体是通过公式进行配准:
其中,R为旋转矩阵,t为平移矩阵,pt和ps就是源点云变换到目标点云中的一对对应点。
可以理解的是,在得到源点云和目标点云的对应点后,将对应点的数值代入至上述配准公式即可得到旋转矩阵和平移矩阵,旋转矩阵指的是欧式空间中执行旋转变换的矩阵,平移矩阵指的是欧式空间中执行平移变换的矩阵,通过旋转矩阵和平移矩阵可以实现对源点云对应的物体进行移动和变换。
在具体实施中,点云配准结果评估控制器获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵。
步骤S20,根据所述旋转矩阵和平移矩阵确定目标点云配准结果。
应当理解的是,在得到旋转矩阵和平移矩阵后,通过旋转矩阵的旋转信息和平移矩阵的平移信息得到源点云与目标点云在配准过程中的配准情况,根据配准情况得到目标点云的配准结果,此时可以将配准结果分为不同的等级,例如A级、B级以及C级等,且A级>B级>C级,规定在B级或者B级以上达到用户需求,即目标点云配准结果准确。
在具体实施中,点云配准结果评估控制器根据所述旋转矩阵和平移矩阵确定目标点云配准结果。
步骤S30,根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率。
可以理解的是,预设相机成像策略指的是通过相机中的坐标系对目标点进行成像的策略,该相机成像策略可以为相机成像原理,也可以为其他成像策略,本实施例对此不作限制,以相机成像原理进行说明,在源点云中选取一目标点,该目标点为真实世界中的一点,根据预设相机成像策略得到目标点对应的成像点,并基于成像点和目标点云配准结果得到目标二维重合率,其中,目标二维重合率指的是像素坐标系中的二维像素的重合部分相对整体的占有率。
在具体实施中,点云配准结果评估控制器根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率。
步骤S40,根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果。
应当理解的是,预设模型的二维重合率指的是用户设定系统中对于所有模型通用的重合率,预设模型的二维重合率是用于评价目标二维重合率是否满足用户需求的标准,即配准结果在在B级或者B级以上。
可以理解的是,在得到目标二维重合率和预设模型的二维重合率后,根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,在目标二维重合率大于预设模型的二维重合率时,评估结果表示目标点云与源点云配准准确,反之,则不准确。
在具体实施中,点云配准结果评估控制器根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果。
本实施例通过获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;根据所述旋转矩阵和平移矩阵确定目标点云配准结果;根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果;通过预设相机成像策略和目标点云配准结果得到目标二维重合率,根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,相较于现有技术通过均方根误差进行精度评估,能够有效提高对点云匹配结果评估的准确性。
在一实施例中,如图3所述,基于第一实施例提出本发明点云配准结果的评估方法第二实施例,所述步骤S30,包括:
步骤S301,提取所述预设相机成像策略中的参数信息。
应当理解的是,在得到预设相机成像策略后,提取预设相机成像策略中参数信息,参数信息包括相机光心,内置参数信息等等,具体参数信息通过以下公式进行表示:
其中,fx使用像素来描述x轴方向焦距的长度,fy使用像素来描述y轴方向焦距的长度,(u0,v0)相机主点在图像中的像素坐标。
在具体实施中,点云配准结果评估控制器提取所述预设相机成像策略中的参数信息。
步骤S302,基于所述参数信息构建目标坐标系集合。
可以理解的是,目标坐标系集合包括相机坐标系、图像坐标系以及像素坐标系,其中,相机坐标系是以相机光心为原点构建的坐标系,图像坐标系是以图像中点为光心构建的坐标系,像素坐标系是以图像左上角为原点构建的坐标系。
在具体实施中,点云配准结果评估控制器基于所述参数信息构建目标坐标系集合。
步骤S303,根据所述目标坐标系集合和源点云中的目标点得到对应的像素坐标信息。
应当理解的是,像素坐标信息包括像素坐标点,在得到目标坐标系集合和源点云中的目标点后,通过目标坐标系集合和源点云中的目标点计算对应的像素坐标系。
进一步地,步骤S303,包括:提取所述目标坐标系集合中的相机坐标系、图像坐标系以及像素坐标系;在源点云中的目标点位于所述相机坐标系时,根据所述源点云中的目标点、图像坐标系以及像素坐标系得到第一坐标信息和第二坐标信息;获取预设像素算法,根据所述预设像素算法对所述第一坐标信息和第二坐标信息进行计算,得到对应的像素坐标信息。
可以理解的是,在得到目标坐标系集合后,从目标坐标系集合提取出相机坐标系、图像坐标系以及像素坐标系参考图4,图4为本发明点云配准结果的评估方法一实施例的坐标系集合示意图,其中,相机坐标系为OCXCYCZC,图像坐标系为oxy,像素坐标系为uv,P点为目标点,p为P点的成像点,在图像坐标系中的坐标为(x,y),在像素坐标系中坐标为(u,v),像素坐标(u,v)通过预设像素算法计算得到:
其中,fx使用像素来描述x轴方向焦距的长度,fy使用像素来描述y轴方向焦距的长度,(u0,v0)相机主点在图像中的像素坐标,X、Y和Z为相机坐标系中的坐标轴,Zw指的是像素坐标的表达式。
在具体实施中,点云配准结果评估控制器根据所述目标坐标系集合和源点云中的目标点得到对应的像素坐标信息。
步骤S304,根据所述像素坐标信息和第一图像变量信息得到第一像素数。
可以理解的是,第一像素数指的是第一图像变量中像素值为目标像素值的个数,目标像素值是根据预设像素取值范围进行设置的,预设像素取值范围为[0,255],而此时的第一目标像素值即为255,在得到像素坐标信息和第一图像变量信息后,根据像素坐标信息和第一图像变量信息得到第一像素数。
进一步地,步骤S304,包括:提取所述第一图像变量信息的第一图像分辨率信息;根据预设像素取值范围对所述第一图像分辨率信息进行设置,得到第一像素坐标数值集合;对所述第一像素坐标数值集合进行遍历,得到对应的第一遍历结果;在所述第一遍历结果中存在目标像素时,根据所述第一遍历结果得到第一像素数。
应当理解的是,第一图像分辨率信息指的是图像变量的分辨率,此时第一图像分辨率与相机的图像分辨率相同,即像素总列数和总行数,在设置前需要将第一像素坐标值进行初始化,初始化后的数值为0,再通过预设像素取值范围将第一图像分辨率信息设置为100,在设置结束后,得到第一像素坐标值集合,并对第一像素坐标值集合进行遍历,目标像素指的是(0,0),在遍历至最后一个数值前遇到目标像素,表明第一遍历结果中存在目标像素,则统计第一遍历结果中的像素数量,得到第一像素数。
可以理解的是,在所述第一遍历结果中不存在目标像素时,提取所述第一遍历结果中不为预设像素值的第一像素坐标数值;根据预设漫水算法将所述第一像素坐标数值设置为第一目标像素值,并对所述第一目标像素值进行反色处理;统计反色处理后的第一目标像素值的个数,得到第一像素数,其中,在第一遍历结果中不存在目标像素(0,0),表明源点云与目标点云的配准不能满足用户需求,此时需要通过预设漫水算法对第一像素坐标数值进行设置,将连通域中的像素的值设置为255,反色处理指的是将目标像素进行反色差处理。
在具体实施中,点云配准结果评估控制器根据所述像素坐标信息和第一图像变量信息得到第一像素数。
步骤S305,根据所述像素坐标信息和第二图像变量信息得到第二像素数。
应当理解的是,第二像素数指的是第二图像变量中像素值为目标像素值的个数,同样地,目标像素值设置为255,在得到像素坐标信息和第二图像变量信息后,根据像素坐标信息和第二图像变量信息得到第二像素数。
进一步地,步骤S305,包括:根据预设像素取值范围对所述第二图像变量信息中的图像分辨率信息进行设置,得到第二像素坐标数值集合;对所述第二像素坐标数值集合进行遍历,得到对应的第二遍历结果;在所述第二遍历结果中不存在目标像素值时,通过预设漫水算法将所述第二遍历结果中的不为预设像素值的第二像素坐标值设置为第二目标像素值;对所述第二目标像素值进行反色处理;统计反色处理后的第二目标像素值的个数,得到第二像素数。
可以理解的是,第二目标像素值为255,在得到第二图像变量信息后,通过预设像素取值范围设置图像分辨率,在遍历第二像素坐标数值集合中的最后一个坐标数值时还未遇到目标像素,则表明源点云与目标点云的配准不能满足用户需求,此时也需要通过预设漫水算法对第二像素坐标数值进行设置,在设置结束后再次进行遍历,在遍历结束后进行反色处理,对反色处理后的目标像素值进行统计,即得到第二像素数。
应当理解的是,将反色处理后的第二目标像素值与反色处理后的第一目标像素值进行逻辑与运算,得到对应的运算结果;将运算结果中的第一像素数中的反色处理后的第一目标像素值设置为预设像素值;根据所述预设像素值统计第一像素数中第一目标像素值的个数,得到第二像素数,其中,运算结果指的是反色处理后的目标像素值与第一像素数中的反色处理后的目标像素值中像素值同时为255的结果,将第一像素数中的反色处理后的目标像素值为255的进行保留,其余的设置为0,并再次统计目标像素值为255的个数,即为第二像素数。
在具体实施中,点云配准结果评估控制器根据所述像素坐标信息和第二图像变量信息得到第二像素数。
步骤S306,通过预设比率计算算法对所述第一像素数和第二像素数进行计算,得到目标二维重合率。
可以理解的是,预设比率计算算法指的是对二维重合率的进行计算的算法,在得到第一像素数和第二像素数后,通过预设比率计算算法对第一像素数和第二像素数进行计算,其中,预设比率计算算法为:
本实施例通过提取所述预设相机成像策略中的参数信息;基于所述参数信息构建目标坐标系集合;根据所述目标坐标系集合和源点云中的目标点得到对应的像素坐标信息;根据所述像素坐标信息和第一图像变量信息得到第一像素数;根据所述像素坐标信息和第二图像变量信息得到第二像素数;通过预设比率计算算法对所述第一像素数和第二像素数进行计算,得到目标二维重合率;通过目标坐标系集合和源点云中的目标点得到像素坐标信息,通过预设比率计算算法和像素坐标信息对第一图像变量信息、第二图像变量信息进行计算,得到目标二维重合率,从而有效提高得到目标二维重合率的准确率。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有点云配准结果的评估程序,所述点云配准结果的评估程序被处理器执行时实现如上文所述的点云配准结果的评估方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,参照图5,本发明实施例还提出一种点云配准结果的评估装置,所述点云配准结果的评估装置包括:
配准模块10,用于获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵。
应当理解的是,源点云指的是通过结构光或者双目视觉三维传感器采集到的点云,目标点云指的是将源点云进行转换的点云,在得到源点云和目标点云后,将源点云和目标点云进行配准,具体是通过公式进行配准:
其中,R为旋转矩阵,t为平移矩阵,pt和ps就是源点云变换到目标点云中的一对对应点。
可以理解的是,在得到源点云和目标点云的对应点后,将对应点的数值代入至上述配准公式即可得到旋转矩阵和平移矩阵,旋转矩阵指的是欧式空间中执行旋转变换的矩阵,平移矩阵指的是欧式空间中执行平移变换的矩阵,通过旋转矩阵和平移矩阵可以实现对源点云对应的物体进行移动和变换。
在具体实施中,点云配准结果评估控制器获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵。
确定模块20,用于根据所述旋转矩阵和平移矩阵确定目标点云配准结果。
应当理解的是,在得到旋转矩阵和平移矩阵后,通过旋转矩阵的旋转信息和平移矩阵的平移信息得到源点云与目标点云在配准过程中的配准情况,根据配准情况得到目标点云的配准结果,此时可以将配准结果分为不同的等级,例如A级、B级以及C级等,且A级>B级>C级,规定在B级或者B级以上达到用户需求,即目标点云配准结果准确。
在具体实施中,点云配准结果评估控制器根据所述旋转矩阵和平移矩阵确定目标点云配准结果。
计算模块30,用于根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率。
可以理解的是,预设相机成像策略指的是通过相机中的坐标系对目标点进行成像的策略,该相机成像策略可以为相机成像原理,也可以为其他成像策略,本实施例对此不作限制,以相机成像原理进行说明,在源点云中选取一目标点,该目标点为真实世界中的一点,根据预设相机成像策略得到目标点对应的成像点,并基于成像点和目标点云配准结果得到目标二维重合率,其中,目标二维重合率指的是像素坐标系中的二维像素的重合部分相对整体的占有率。
在具体实施中,点云配准结果评估控制器根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率。
评估模块40,用于根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果。
应当理解的是,预设模型的二维重合率指的是用户设定系统中对于所有模型通用的重合率,预设模型的二维重合率是用于评价目标二维重合率是否满足用户需求的标准,即配准结果在在B级或者B级以上。
可以理解的是,在得到目标二维重合率和预设模型的二维重合率后,根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,在目标二维重合率大于预设模型的二维重合率时,评估结果表示目标点云与源点云配准准确,反之,则不准确。
在具体实施中,点云配准结果评估控制器根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果。
本实施例通过获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;根据所述旋转矩阵和平移矩阵确定目标点云配准结果;根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果;通过预设相机成像策略和目标点云配准结果得到目标二维重合率,根据目标二维重合率和预设模型的二维重合率对目标点云配准结果进行评估,相较于现有技术通过均方根误差进行精度评估,能够有效提高对点云匹配结果评估的准确性。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的点云配准结果的评估方法,此处不再赘述。
在一实施例中,所述计算模块30,还用于提取所述预设相机成像策略中的参数信息;基于所述参数信息构建目标坐标系集合;根据所述目标坐标系集合和源点云中的目标点得到对应的像素坐标信息;根据所述像素坐标信息和第一图像变量信息得到第一像素数;根据所述像素坐标信息和第二图像变量信息得到第二像素数;通过预设比率计算算法对所述第一像素数和第二像素数进行计算,得到目标二维重合率。
在一实施例中,所述计算模块30,还用于提取所述目标坐标系集合中的相机坐标系、图像坐标系以及像素坐标系;在源点云中的目标点位于所述相机坐标系时,根据所述源点云中的目标点、图像坐标系以及像素坐标系得到第一坐标信息和第二坐标信息;获取预设像素算法,根据所述预设像素算法对所述第一坐标信息和第二坐标信息进行计算,得到对应的像素坐标信息。
在一实施例中,所述计算模块30,还用于提取所述第一图像变量信息的第一图像分辨率信息;根据预设像素取值范围对所述第一图像分辨率信息进行设置,得到第一像素坐标数值集合;对所述第一像素坐标数值集合进行遍历,得到对应的第一遍历结果;在所述第一遍历结果中存在目标像素时,根据所述第一遍历结果得到第一像素数。
在一实施例中,所述计算模块30,还用于在所述第一遍历结果中不存在目标像素时,提取所述第一遍历结果中不为预设像素值的第一像素坐标数值;根据预设漫水算法将所述第一像素坐标数值设置为第一目标像素值,并对所述第一目标像素值进行反色处理;统计反色处理后的第一目标像素值的个数,得到第一像素数。
在一实施例中,所述计算模块30,还用于根据预设像素取值范围对所述第二图像变量信息中的图像分辨率信息进行设置,得到第二像素坐标数值集合;对所述第二像素坐标数值集合进行遍历,得到对应的第二遍历结果;在所述第二遍历结果中不存在目标像素值时,通过预设漫水算法将所述第二遍历结果中的不为预设像素值的第二像素坐标值设置为第二目标像素值;对所述第二目标像素值进行反色处理;统计反色处理后的第二目标像素值的个数,得到第二像素数。
在一实施例中,所述计算模块30,还用于将反色处理后的第二目标像素值与反色处理后的第一目标像素值进行逻辑与运算,得到对应的运算结果;将运算结果中的第一像素数中的反色处理后的第一目标像素值设置为预设像素值;根据所述预设像素值统计第一像素数中第一目标像素值的个数,得到第二像素数。
本发明所述点云配准结果的评估装置的其他实施例或具有实现方法可参照上述各方法实施例,此处不在赘余。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种点云配准结果的评估方法,其特征在于,所述点云配准结果的评估方法包括以下步骤:
获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;
根据所述旋转矩阵和平移矩阵确定目标点云配准结果;
根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;
根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果;
所述根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率,包括:
提取所述预设相机成像策略中的参数信息;
基于所述参数信息构建目标坐标系集合;
根据所述目标坐标系集合和所述目标点云配准结果中源点云的目标点得到对应的像素坐标信息;
根据所述像素坐标信息和第一图像变量信息得到第一像素数;
根据所述像素坐标信息和第二图像变量信息得到第二像素数;
通过预设比率计算算法对所述第一像素数和第二像素数进行计算,得到目标二维重合率。
2.如权利要求1所述的点云配准结果的评估方法,其特征在于,所述根据所述目标坐标系集合和所述目标点云配准结果中源点云的目标点得到对应的像素坐标信息,包括:
提取所述目标坐标系集合中的相机坐标系、图像坐标系以及像素坐标系;
在所述目标点云配准结果中源点云的目标点位于所述相机坐标系时,根据所述目标点云配准结果中源点云的目标点、图像坐标系以及像素坐标系得到第一坐标信息和第二坐标信息;
获取预设像素算法,根据所述预设像素算法对所述第一坐标信息和第二坐标信息进行计算,得到对应的像素坐标信息。
3.如权利要求1所述的点云配准结果的评估方法,其特征在于,所述根据所述像素坐标信息和第一图像变量信息得到第一像素数,包括:
提取所述第一图像变量信息的第一图像分辨率信息;
根据预设像素取值范围对所述第一图像分辨率信息进行设置,得到第一像素坐标数值集合;
对所述第一像素坐标数值集合进行遍历,得到对应的第一遍历结果;
在所述第一遍历结果中存在目标像素时,根据所述第一遍历结果得到第一像素数。
4.如权利要求3所述的点云配准结果的评估方法,其特征在于,所述对所述第一像素坐标数值集合进行遍历,得到对应的第一遍历结果之后,还包括:
在所述第一遍历结果中不存在目标像素时,提取所述第一遍历结果中不为预设像素值的第一像素坐标数值;
根据预设漫水算法将所述第一像素坐标数值设置为第一目标像素值,并对所述第一目标像素值进行反色处理;
统计反色处理后的第一目标像素值的个数,得到第一像素数。
5.如权利要求4所述的点云配准结果的评估方法,其特征在于,所述根据所述像素坐标信息和第二图像变量信息得到第二像素数,包括:
根据预设像素取值范围对所述第二图像变量信息中的图像分辨率信息进行设置,得到第二像素坐标数值集合;
对所述第二像素坐标数值集合进行遍历,得到对应的第二遍历结果;
在所述第二遍历结果中不存在目标像素时,通过预设漫水算法将所述第二遍历结果中的不为预设像素值的第二像素坐标值设置为第二目标像素值;
对所述第二目标像素值进行反色处理;
统计反色处理后的第二目标像素值的个数,得到第二像素数。
6.如权利要求5所述的点云配准结果的评估方法,其特征在于,所述统计反色处理后的第二目标像素值的个数,得到第二像素数,包括:
将反色处理后的第二目标像素值与反色处理后的第一目标像素值进行逻辑与运算,得到对应的运算结果;
将运算结果中的第一像素数中的反色处理后的第一目标像素值设置为预设像素值;
根据所述预设像素值统计第一像素数中第一目标像素值的个数,得到第二像素数。
7.一种点云配准结果的评估装置,其特征在于,所述点云配准结果的评估装置包括:
配准模块,用于获取源点云和目标点云,将所述源点云和目标点云进行配准,得到对应的旋转矩阵和平移矩阵;
确定模块,用于根据所述旋转矩阵和平移矩阵确定目标点云配准结果;
计算模块,用于根据预设相机成像策略对所述目标点云配准结果进行计算,得到目标二维重合率;
评估模块,用于根据所述目标二维重合率和预设模型的二维重合率对所述目标点云配准结果进行评估,得到对应的评估结果;
所述计算模块,还用于提取所述预设相机成像策略中的参数信息;基于所述参数信息构建目标坐标系集合;根据所述目标坐标系集合和所述目标点云配准结果中源点云的目标点得到对应的像素坐标信息;根据所述像素坐标信息和第一图像变量信息得到第一像素数;根据所述像素坐标信息和第二图像变量信息得到第二像素数;通过预设比率计算算法对所述第一像素数和第二像素数进行计算,得到目标二维重合率。
8.一种计算机设备,其特征在于,所述计算机设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点云配准结果的评估程序,所述点云配准结果的评估程序配置有实现如权利要求1至6中任一项所述的点云配准结果的评估方法。
9.一种存储介质,其特征在于,所述存储介质上存储有点云配准结果的评估程序,所述点云配准结果的评估程序被处理器执行时实现如权利要求1至6中任一项所述的点云配准结果的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110886225.1A CN113344986B (zh) | 2021-08-03 | 2021-08-03 | 点云配准结果的评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110886225.1A CN113344986B (zh) | 2021-08-03 | 2021-08-03 | 点云配准结果的评估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344986A CN113344986A (zh) | 2021-09-03 |
CN113344986B true CN113344986B (zh) | 2021-11-09 |
Family
ID=77480564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110886225.1A Active CN113344986B (zh) | 2021-08-03 | 2021-08-03 | 点云配准结果的评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344986B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409347B (zh) * | 2021-08-19 | 2021-12-21 | 深圳市信润富联数字科技有限公司 | 点云边界的提取方法及装置、存储介质、电子设备 |
CN114387319B (zh) * | 2022-01-13 | 2023-11-14 | 北京百度网讯科技有限公司 | 点云配准方法、装置、设备以及存储介质 |
CN115239776B (zh) * | 2022-07-14 | 2023-07-28 | 阿波罗智能技术(北京)有限公司 | 点云的配准方法、装置、设备和介质 |
CN116942313B (zh) * | 2023-06-05 | 2024-01-16 | 北京长木谷医疗科技股份有限公司 | 基于强化学习的手术机器人配准方法、装置及电子设备 |
CN116958220B (zh) * | 2023-09-20 | 2024-01-12 | 深圳市信润富联数字科技有限公司 | 相机视野范围的生成方法及装置、存储介质、电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019157989A1 (zh) * | 2018-02-14 | 2019-08-22 | 左忠斌 | 生物特征3d数据采集方法和生物特征3d数据识别方法 |
CN110443840A (zh) * | 2019-08-07 | 2019-11-12 | 山东理工大学 | 实物表面采样点集初始配准的优化求解方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272523B (zh) * | 2018-08-13 | 2021-03-16 | 西安交通大学 | 基于改进cvfh和crh特征的随机堆放活塞位姿估计方法 |
CN110097639B (zh) * | 2019-03-18 | 2023-04-18 | 北京工业大学 | 一种三维人体姿态估计方法 |
CN112001955A (zh) * | 2020-08-24 | 2020-11-27 | 深圳市建设综合勘察设计院有限公司 | 一种基于二维投影平面匹配约束的点云配准方法及系统 |
CN111915658B (zh) * | 2020-09-30 | 2021-03-19 | 浙江智慧视频安防创新中心有限公司 | 一种用于点云的配准方法及系统 |
CN112347986A (zh) * | 2020-11-30 | 2021-02-09 | 上海商汤临港智能科技有限公司 | 样本生成、神经网络训练、智能行驶控制方法及装置 |
-
2021
- 2021-08-03 CN CN202110886225.1A patent/CN113344986B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019157989A1 (zh) * | 2018-02-14 | 2019-08-22 | 左忠斌 | 生物特征3d数据采集方法和生物特征3d数据识别方法 |
CN110443840A (zh) * | 2019-08-07 | 2019-11-12 | 山东理工大学 | 实物表面采样点集初始配准的优化求解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113344986A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113344986B (zh) | 点云配准结果的评估方法、装置、设备及存储介质 | |
JP7051267B2 (ja) | 画像検出方法、装置、電子設備、記憶媒体、及びプログラム | |
CN106815869B (zh) | 鱼眼相机的光心确定方法及装置 | |
CN110363817B (zh) | 目标位姿估计方法、电子设备和介质 | |
WO2022121283A1 (zh) | 车辆关键点信息检测和车辆控制 | |
WO2021052283A1 (zh) | 处理三维点云数据的方法和计算设备 | |
WO2017219992A1 (zh) | 手持终端的室内导航方法、手持终端及存储介质 | |
CN111814905A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN110007764B (zh) | 一种手势骨架识别方法、装置、系统及存储介质 | |
CN110705530A (zh) | 基于活体识别的同一人脸框确认方法、装置、设备及介质 | |
CN113255561A (zh) | 头发信息识别方法、装置、设备及存储介质 | |
CN114387347A (zh) | 确定外参标定的方法、装置、电子设备及介质 | |
JP5704909B2 (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
CN113269897B (zh) | 表面点云的获取方法、装置、设备及存储介质 | |
WO2022247126A1 (zh) | 视觉定位方法、装置、设备、介质及程序 | |
US10146331B2 (en) | Information processing system for transforming coordinates of a position designated by a pointer in a virtual image to world coordinates, information processing apparatus, and method of transforming coordinates | |
CN113454684A (zh) | 一种关键点标定方法和装置 | |
CN113298870A (zh) | 一种物体的姿态跟踪方法、装置、终端设备和存储介质 | |
JP2019211981A (ja) | 情報処理装置、情報処理装置の制御方法およびプログラム | |
CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN111489384B (zh) | 基于互视角的遮挡评估方法及装置、设备、系统和介质 | |
CN117252912A (zh) | 深度图像获取方法、电子设备及存储介质 | |
CN110853087B (zh) | 一种视差估计方法、装置、存储介质及终端 | |
US20170185831A1 (en) | Method and device for distinguishing finger and wrist | |
CN112146834A (zh) | 结构振动位移测量方法及装置 |
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 |