CN113971691A - 一种基于多视角双目结构光的水下三维重建方法 - Google Patents
一种基于多视角双目结构光的水下三维重建方法 Download PDFInfo
- Publication number
- CN113971691A CN113971691A CN202111083286.0A CN202111083286A CN113971691A CN 113971691 A CN113971691 A CN 113971691A CN 202111083286 A CN202111083286 A CN 202111083286A CN 113971691 A CN113971691 A CN 113971691A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- point cloud
- dimensional
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000009466 transformation Effects 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000000007 visual effect Effects 0.000 claims description 25
- 239000011521 glass Substances 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000003550 marker Substances 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明公开一种基于多视角双目结构光的水下三维重建方法,属于计算机视觉水下三维重建技术领域,其包括以下方法步骤:相机参数标定,首先调整相机的焦距、光圈直至获取到的图像清晰,固定好相机的焦距、光圈使其在图像采集过程中不变,拍摄若干组标定板图像,使用张正友标定法标定相机的内参数,整个参数标定过程在空气中完成;本发明提供了一种新型的水下目标物体的三维重建方法,免去了对相机进行水密加工的步骤,降低了设备制作成本;本发明采用固定多视角的方式可以重建水下物体进行完整的三维模,使用双目结构光能够重建低纹理物体表面;依靠本发明提供的方法,可以对水下物体进行三维重建,重建出高精度、完整、细节丰富的三维模型。
Description
技术领域
本发明属于计算机视觉水下三维重建技术领域,涉及一种基于多视角双目结构光的水下三维重建方法。
背景技术
三维重建是指将真实场景的三维物体在计算机中构建数学模型的过程,可以用来获取、分析现实世界中物体的外形结构、几何信息等,能够全方位的展示真实物体的特性。三维重建具有相当广泛的用途,在计算机动画、地貌测量、数字文物典藏、人机交互、现代医学等多个领域都可见其应用。水下三维重建则可以应用于海底勘探、海底环境探测等领域,具有重要的研究价值与实用意义。
双目结构光是一种基于结构光编解码来实现高精度三维重建的技术。相比于双目立体视觉、激光扫描等技术,双目结构光既有双目视觉测量方面的理论基础,可以省去对投影仪复杂的标定,又有结构光来增加物体表面的几何特征信息,能够避免双目立体视觉中对弱纹理或重复纹理区域匹配困难的问题,从而较传统的双目立体视觉测量方法有更高的测量精度。但目前双目结构光多用于空气中的三维测量任务,若应用于水下,还面临着水中折射与散射问题。
水中折射与散射的影响会给测量精度带来极大的误差,因此为了修正折射与散射导致的误差以获得高精度的三维重建结果,需要结合水下折射模型将双目结构光技术应用于水下,从而利用水下双目结构光技术实现高精度的三维重建。
然而,在三维重建过程中,单视角的三维重建仅能够获取到单一视角下的物体的三维数据信息,不能够获取到真实物体全景的三维数据。因此,需要将各个视角下获取到的三维数据进行配准、融合,因此,我们提出一种基于多视角双目结构光的水下三维重建方法来解决以上问题。
发明内容
本发明提供了一种基于多视角双目结构光的水下三维重建方法,通过单视角水下双目结构光技术分别获取各个视角下的真实水下场景的物体的三维信息,然后将各视角的三维点云进行融合,从而保证在低成本的情况下构建出完整的水下目标物体的三维模型。
为了实现上述目的,本发明采用了如下技术方案:
一种基于多视角双目结构光的水下三维重建方法,包括以下方法步骤:
S1、相机参数标定,首先调整相机的焦距、光圈直至获取到的图像清晰,固定好相机的焦距、光圈使其在图像采集过程中不变,拍摄若干组标定板图像,使用张正友标定法标定相机的参数,整个参数标定过程在空气中完成;
S2、图像采集,使用DLP光机投射一系列编码结构光的图像,包括以下步骤:
S21、采用10位格雷码条纹图,包括10张纵向正格雷码,10张纵向逆格雷码,格雷码条纹图是黑白条纹相间的图像,其中,黑色条纹,代表编码值为0,白色条纹,代表编码值为1;正格雷码条纹图用于对二维图像的行进行编码,逆格雷码条纹图与正格雷码条纹图编码值相反,正格雷码条纹图中的黑色条纹变为白色条纹,白色条纹变为黑色条纹,逆格雷码条纹图用来辅助目标物体图像的二值化操作;
S22、将目标物体置于水中,使用投影光机按顺序向目标物体投射格雷码条纹图,每投射一张格雷码条纹图,左右目相机就分别捕捉一张图像,双目相机依次捕捉带有格雷码条纹图的目标物体图像,直至20张格雷码条纹图投射结束,关闭双目相机和投影光机;
S3、图像校正,步骤S2获取到的图像对其进行立体校正,把实际非共面行对准的两幅图像校正为共面行对准,用于左右图像的对应点匹配;
S4、单视角三维重建,包括以下步骤:
S43、匹配:格雷码条纹可对图像的列进行编码,图像经过立体校正后可将图像校正为共面行对准,以行方向进行搜索,左图像中有唯一点与右图像中一点对应;
S44、求解点云:在成像过程中本方法以左相机为基准,即以左相机光心为原点建立世界坐标系,在步骤S43中获取到了左右目图像的所有匹配点对,计算目标物体上一点的深度值Zc,用公式表示为:
其中,f为相机焦距,ul,ur分别为匹配点对在行方向上的像素位置,d为左右目图像的视差值,b为双目相机的基线;
再根据针孔模型可解得目标物体上一点在世界坐标系下的三维坐标Pw= (Xw,Yw,Zw),其中,针孔模型为:
在针孔模型中坐标都以齐次坐标形式表示,其中,(u,v,1)为世界坐标系下点Pw对应在左相机图像上的像素点位置,(x,y,1)为Pw在图像坐标系下的位置,(Xc,Yc,Zc,1) 为Pw在相机坐标系下的位置,K表示相机的内参数矩阵,由相机参数标定获得,T表示外参数矩阵,因为本方法的世界坐标系原点建立在左相机光心上,T是一个单位矩阵可解得Pw为:
对于左相机图像上的具有匹配点的像素点由上述方式求解其对应的三维坐标点,获取到目标物体的点云;
S45、修正点云:在重建过程中的相机平面与玻璃平面是平行放置,使用水下折射模型对三维坐标Pw进行修正,修正后的目标点三维坐标记为Pr=(Xr,Yr,Zr),水下折射模型可表示为:
其中,h为相机光心到玻璃平面的距离,n为水的折射率,设置为1.33;
S5、多组双目相机位姿标定,通过步骤S4获取到各个视角(记为Vi,i=1,2,…,5)下的三维点云后,估计出各视角下左目相机,记为Cvi,i=1,2,…,5,位姿记为记为 Ti→i+1,i=1,2,…,4,来对各组点云进行拼接融合形成完成的三维模型;
S6、多视角拼接,在求解出各视角相机位姿后,根据各视角相机位姿对各视角点云进行变换,将各视角点云变换到视角V5下,即将世界坐标系的原点建立在视角V5的左目相机的光心上,以形成目标物体完整的三维点云;
S7、表面重建,包括以下步骤:
S71、点云滤波:在步骤S6中获取到了水下目标物体的完整三维点云,然而,在真实场景中的噪声会对点云结果产生影响,产生许多的噪点、离群点,因此需要对三维点云进行滤波以减少这些噪点、离群点,采用半径滤波以及直通滤波来对三维点云进行去噪处理,得到一个平滑的点云PCfilter;
S72、泊松重建:在得到平滑的点云PCfilter后,对其进行表面重建获得最终的完整的保有物体表面细节的三维模型,用泊松表面重建方法对三维点云进行表面重建,恢复出完整地三维模型。
将格雷码转为二进制码后,再将二进制码转为十进制码,可得到解码图像D(i,j),图像中每个像素值为格雷码解码后的十进制数,右相机图像也通过此方式进行解码操作。
优选地,在S42步骤中获得左相机解码图像DL(i,j),右相机解码图像DR(i,j),假设左目相机图像中存在一像素点(ul,vl),那么该像素位置的解码值为右目相机图像中存在一像素点(ur,vr),那么该像素位置的解码值为若 则像素点(ul,vl)与像素点(ur,vr)为一对匹配点对,利用上述匹配策略获取左右目图像的所有匹配点对。
优选地,步骤S45中,对于参数h,本方法借助在玻璃面上的Marker来求解,对于左目图像,识别到玻璃平面上的Marker并且求解出Marker的中心点的像素位置,记为Mi(i=0,1,2),利用三个Marker中心点可求解出玻璃平面的方程:
Ax+By+Cz+D=0
优选地,在参数h和参数n确定之后,可将其代入到上述的水下折射模型可求得修正后的点云,求解到单视角下目标物体的三维点云,完成单视角的水下三维重建,进行各个视角下的三维重建,使用五个视角的目标物体的三维点云,记为Pvi,i= 1,2,…,5。
优选地,所述S5中,采用4组双目相机为斜向下的视角,1组双目相机为正向上的视角,采用环路双目标定的方法来求解各组左目相机的位姿,对于Cv1和Cv2,将Cv1作为左目相机,Cv2作为右目相机,首先拍摄若干组标定板图像,然后使用张正友标定法可求解出相机的外参数,得到相机Cv1到相机Cv2的变换矩阵T1→2,分别求解出T2→3, T3→4,T4→5。
位姿T均为:
优选地,步骤S6中,包括以下步骤:首先,将在视角V1下的重建出的三维点云 Pv1使用变换矩阵T1→2变换到视角V2下,变换后的点云为P'v1,将在视角V2下重建出的三维点云Pv2与点云P'v1融合为点云P'v2;然后,将点云P'v2使用变换矩阵T2→3变换到视角V3下,变换后的点云为P″v2,将在视角V3下重建出的点云Pv3与点云P″v2融合为点云 P'v3;再然后,将点云Pv3'使用变换矩阵T3→4变换到视角V4下,变换后的点云为P″v3,将视角V4下重建出的点云Pv4与点云P″v3融合为点云P'v4;最后,将点云P'v4使用变换矩阵 T4→5变换到视角V5下,变换后的点云为P″v4,将视角V5下重建出的点云Pv5与点云P″v4融合为点云Pout。
优选地,步骤S6中,变换过程中,视角i下的三维点到视角i+1的变换可用公式表示为:
其中(Xtarget,Ytarget,Ztarget,1)为经过变换矩阵变换后的三维点(用齐次坐标表示), (Xsource,Ysource,Zsource,1)为变换前的三维点。
本发明的有益效果:
本发明提供了一种新型的水下目标物体的三维重建方法,免去了对相机进行水密加工的步骤,降低了设备制作成本;本发明采用固定多视角的方式可以重建水下物体进行完整的三维模,使用双目结构光能够重建低纹理物体表面;依靠本发明提供的方法,可以对水下物体进行三维重建,重建出高精度、完整、细节丰富的三维模型。
附图说明
图1是方法流程图;
图2是正格雷码条纹图;
图3是逆格雷码条纹图;
图4是玻璃面Marker示意图;
图5是支撑框架示意图。
图中:1.双目相机与光机组件;2.玻璃水缸;3.放置玻璃水缸的中央平台;4.矩形框架。
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。
参照图1-4,一种基于多视角双目结构光的水下三维重建方法,包括以下方法步骤:
S1、相机参数标定,首先调整相机的焦距、光圈直至获取到的图像清晰,固定好相机的焦距、光圈使其在图像采集过程中不变。拍摄若干组标定板图像,使用张正友标定法标定相机的内参数。整个参数标定过程在空气中完成。
S2、图像采集,使用DLP光机投射一系列编码结构光的图像,包括以下步骤:
S21、采用10位格雷码条纹图,包括10张纵向正格雷码,10张纵向逆格雷码,格雷码条纹图是黑白条纹相间的图像,其中,黑色条纹,代表编码值为0,白色条纹,代表编码值为1;正格雷码条纹图用于对二维图像的行进行编码,逆格雷码条纹图与正格雷码条纹图编码值相反,即正格雷码条纹图中的黑色条纹变为白色条纹,白色条纹变为黑色条纹,逆格雷码条纹图用来辅助目标物体图像的二值化操作;
S21、将目标物体置于水中,使用投影光机按顺序向目标物体投射格雷码条纹图。每投射一张格雷码条纹图,左右目相机就分别捕捉一张图像,双目相机依次捕捉带有格雷码条纹图的目标物体图像,直至20张格雷码条纹图投射结束,关闭双目相机和投影光机。
S3、图像校正,步骤S2获取到的图像由于相机的制造精度以及组装工艺的偏差等原因会导致一定的畸变,镜头的畸变主要分为径向畸变和切向畸变,为了减小这种误差,需要对获取到的图像进行畸变矫正,畸变矫正后可以去除由于上述原因引入的误差。同时,在理想的双目系统中两相机图像平面时平行的,而在实际的双目系统中是不存在完全共面行对准的两个相机平面的,所以我们要对其进行立体校正,把实际非共面行对准的两幅图像校正为共面行对准,以便于左右图像的对应点匹配。
S4、单视角三维重建,包括以下步骤:
同理,右相机图像也通过此方式进行二值化操作。
S42.解码:将一组格雷码图像解码到一组二进制图像进而解码到一张十进制图像D(i,j)。对于左相机图像来说,一组格雷码图像其第一张图像对应格雷码的最高位,最后一张图像对应格雷码的最低位,格雷码解码到二进制码的过程用以下公式表示:
将格雷码转为二进制码后,再将二进制码转为十进制码,可得到解码图像D(i,j),图像中每个像素值为格雷码解码后的十进制数。同理,右相机图像也通过此方式进行解码操作。
S43.匹配:格雷码条纹可对图像的列进行编码,图像经过立体校正后可将图像校正为共面行对准,因此,在以行方向进行搜索时,左图像中有唯一点与右图像中一点对应。在K2步骤中获得左相机解码图像DL(i,j),右相机解码图像DR(i,j),假设左目相机图像中存在一像素点(ul,vl),那么该像素位置的解码值为右目相机图像中存在一像素点(ur,vr),那么该像素位置的解码值为若则像素点(ul,vl)与像素点(ur,vr)为一对匹配点对。利用上述匹配策略可以获取左右目图像的所有匹配点对。
S44.求解点云:在成像过程中本方法以左相机为基准,即以左相机光心为原点建立世界坐标系。在步骤K3中获取到了左右目图像的所有匹配点对,有了匹配点对就可以来计算目标物体上一点的深度值Zc,用公式表示为:
其中,f为相机焦距,ul,ur分别为匹配点对在行方向上的像素位置,d为左右目图像的视差值,b为双目相机的基线。
再根据针孔模型可解得目标物体上一点在世界坐标系下的三维坐标Pw= (Xw,Yw,Zw),其中,针孔模型可表示为:
在针孔模型中坐标都以齐次坐标形式表示,其中,(u,v,1)为世界坐标系下点Pw对应在左相机图像上的像素点位置,(x,y,1)为Pw在图像坐标系下的位置,(Xc,Yc,Zc,1) 为Pw在相机坐标系下的位置,K表示相机的内参数矩阵,由相机参数标定获得,T表示外参数矩阵,因为本方法的世界坐标系原点建立在左相机光心上,因此T是一个单位矩阵。那么,可解得Pw为:
对于左相机图像上的具有匹配点的像素点都可由上述方式求解其对应的三维坐标点,从而获取到目标物体的点云。
S45.修正点云:因为目标物体置于水中,存在折射与散射问题,同时,本方法在重建过程中的相机平面与玻璃平面是平行放置的,因此可使用水下折射模型对三维坐标Pw进行修正,修正后的目标点三维坐标记为Pr=(Xr,Yr,Zr),水下折射模型可表示为:
其中,h为相机光心到玻璃平面的距离,n为水的折射率,这里设置为1.33。
对于参数h,本方法借助在玻璃面上的Marker来求解,如附图4所示。首先,对于左目图像,识别到玻璃平面上的Marker并且求解出Marker的中心点的像素位置 (记为Mi(i=0,1,2)),利用三个Marker中心点可求解出玻璃平面的方程:
Ax+By+Cz+D=0
在参数h和参数n确定之后,可将其代入到上述的水下折射模型可求得修正后的点云。至此,已经求解到了单视角下目标物体的三维点云,实现了单视角的水下三维重建。通过本步骤可以进行各个视角下的三维重建,获取各个视角下(本方法使用五个视角)的目标物体的三维点云,记为Pvi,i=1,2,…,5。
S5、多组双目相机位姿标定,包括以下步骤:
通过步骤S4获取到各个视角(记为Vi,i=1,2,…,5)下的三维点云后,需要估计出各视角下左目相机(记为Cvi,i=1,2,…,5)位姿(记为Ti→i+1,i=1,2,…,4)来对各组点云进行拼接融合从而形成完成的三维模型。
本发明装置的相机排列如图5所示,图5为支撑框架示意图,包括矩形框架4,矩形框架4的顶部安装有四个双目相机与光机组件1,矩形框架4的底部安装一个双目相机与光机组件1,矩形框架4内放置玻璃水缸的中央平台3,中央平台3安装玻璃水缸2,四组双目相机为斜向下的视角,1组双目相机为正向上的视角,这样可以保证能够捕捉到完整的目标物体。本方法采用了环路双目标定的方法来求解各组左目相机的位姿。对于Cv1和Cv2,将Cv1作为左目相机,Cv2作为右目相机,首先拍摄若干组标定板图像,然后使用张正友标定法可求解出相机的外参数,从而可以知道相机Cv1到相机Cv2的变换矩阵T1→2。
同理,可根据上述方法分别求解出T2→3,T3→4,T4→5。
这里,所有的位姿T均为:
S6、多视角拼接,包括以下方法:
在求解出各视角相机位姿后,根据各视角相机位姿对各视角点云进行变换,将各视角点云变换到视角V5下,即将世界坐标系的原点建立在视角V5的左目相机的光心上,以形成目标物体完整的三维点云。首先,将在视角V1下的重建出的三维点云Pv1使用变换矩阵T1→2变换到视角V2下,变换后的点云为P'v1,将在视角V2下重建出的三维点云 Pv2与点云P'v1融合为点云p'v2;然后,将点云p'v2使用变换矩阵T2→3变换到视角V3下,变换后的点云为P″v2,将在视角V3下重建出的点云Pv3与点云P″v2融合为点云P'v3;再然后,将点云Pv3'使用变换矩阵T3→4变换到视角V4下,变换后的点云为P″v3,将视角V4下重建出的点云Pv4与点云P″v3融合为点云P'v4;最后,将点云P'v4使用变换矩阵T4→5变换到视角V5下,变换后的点云为P″v4,将视角V5下重建出的点云Pv5与点云P″v4融合为点云 Pout。
上述变换过程中,视角i下的三维点到视角i+1的变换可用公式表示为:
其中(Xtarget,Ytarget,Ztarget,1)为经过变换矩阵变换后的三维点(用齐次坐标表示), (Xsource,Ysource,Zsource,1)为变换前的三维点。
S7、表面重建,包括以下步骤:
S71.点云滤波:在步骤S6中获取到了水下目标物体的完整三维点云,然而,在真实场景中的噪声会对点云结果产生影响,产生许多的噪点、离群点,因此需要对三维点云进行滤波以减少这些噪点、离群点。本方法采用半径滤波以及直通滤波来对三维点云进行去噪处理,从而得到一个平滑的点云PCfilter。
S72.泊松重建:在得到平滑的点云PCfilter后,对其进行表面重建才能获得最终的完整的保有物体表面细节的三维模型。本方法用泊松表面重建方法对三维点云进行表面重建,恢复出完整地三维模型。
本发明提供了一种新型的水下目标物体的三维重建方法,免去了对相机进行水密加工的步骤,降低了设备制作成本;本发明采用固定多视角的方式可以重建水下物体进行完整的三维模,使用双目结构光能够重建低纹理物体表面;依靠本发明提供的方法,可以对水下物体进行三维重建,重建出高精度、完整、细节丰富的三维模型。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于多视角双目结构光的水下三维重建方法,其特征在于,包括以下方法步骤:
S1、相机参数标定,首先调整相机的焦距、光圈直至获取到的图像清晰,固定好相机的焦距、光圈使其在图像采集过程中不变,拍摄若干组标定板图像,使用张正友标定法标定相机的参数,整个参数标定过程在空气中完成;
S2、图像采集,使用DLP光机投射一系列编码结构光的图像,包括以下步骤:
S21、采用10位格雷码条纹图,包括10张纵向正格雷码,10张纵向逆格雷码,格雷码条纹图是黑白条纹相间的图像,其中,黑色条纹,代表编码值为0,白色条纹,代表编码值为1;正格雷码条纹图用于对二维图像的行进行编码,逆格雷码条纹图与正格雷码条纹图编码值相反,正格雷码条纹图中的黑色条纹变为白色条纹,白色条纹变为黑色条纹,逆格雷码条纹图用来辅助目标物体图像的二值化操作;
S22、将目标物体置于水中,使用投影光机按顺序向目标物体投射格雷码条纹图,每投射一张格雷码条纹图,左右目相机就分别捕捉一张图像,双目相机依次捕捉带有格雷码条纹图的目标物体图像,直至20张格雷码条纹图投射结束,关闭双目相机和投影光机;
S3、图像校正,步骤S2获取到的图像对其进行立体校正,把实际非共面行对准的两幅图像校正为共面行对准,用于左右图像的对应点匹配;
S4、单视角三维重建,包括以下步骤:
S43、匹配:格雷码条纹可对图像的列进行编码,图像经过立体校正后可将图像校正为共面行对准,以行方向进行搜索,左图像中有唯一点与右图像中一点对应;
S44、求解点云:在成像过程中本方法以左相机为基准,即以左相机光心为原点建立世界坐标系,在步骤S43中获取到了左右目图像的所有匹配点对,计算目标物体上一点的深度值Zc,用公式表示为:
其中,f为相机焦距,ul,ur分别为匹配点对在行方向上的像素位置,d为左右目图像的视差值,b为双目相机的基线;
再根据针孔模型可解得目标物体上一点在世界坐标系下的三维坐标Pw=Xw,Yw,Zw),其中,针孔模型为:
在针孔模型中坐标都以齐次坐标形式表示,其中,(u,v,1)为世界坐标系下点Pw对应在左相机图像上的像素点位置,(x,y,1)为Pw在图像坐标系下的位置,(Xc,Yc,Zc,1)为Pw在相机坐标系下的位置,K表示相机的内参数矩阵,由相机参数标定获得,T表示外参数矩阵,世界坐标系原点建立在左相机光心上,T是一个单位矩阵可解得Pw为:
对于左相机图像上的具有匹配点的像素点由上述方式求解其对应的三维坐标点,获取到目标物体的点云;
S45、修正点云:在重建过程中的相机平面与玻璃平面是平行放置,使用水下折射模型对三维坐标Pw进行修正,修正后的目标点三维坐标记为Pr=(Xr,Yr,Zr),水下折射模型可表示为:
其中,h为相机光心到玻璃平面的距离,n为水的折射率,设置为1.33;
S5、多组双目相机位姿标定,通过步骤S4获取到各个视角(记为Vi,i=1,2,…,5)下的三维点云后,估计出各视角下左目相机,记为Cvi,i=1,2,…,5,位姿记为记为Ti→i+1,i=1,2,…,4,来对各组点云进行拼接融合形成完成的三维模型;
S6、求解出各视角相机位姿后,根据各视角相机位姿对各视角点云进行变换,将各视角点云变换到视角V5下,即将世界坐标系的原点建立在视角V5的左目相机的光心上,以形成目标物体完整的三维点云;
S7、表面重建,包括以下步骤:
S71、点云滤波:在步骤S6中获取到了水下目标物体的完整三维点云,然而,在真实场景中的噪声会对点云结果产生影响,产生许多的噪点、离群点,对三维点云进行滤波,采用半径滤波以及直通滤波来对三维点云进行去噪处理,得到一个平滑的点云PCfilter;
S72、泊松重建:在得到平滑的点云PCfilter后,对其进行表面重建获得最终的完整的保有物体表面细节的三维模型,用泊松表面重建方法对三维点云进行表面重建,恢复出完整地三维模型。
5.根据权利要求4所述的基于多视角双目结构光的水下三维重建方法,其特征在于,在参数h和参数n确定之后,可将其代入到上述的水下折射模型可求得修正后的点云,求解到单视角下目标物体的三维点云,完成单视角的水下三维重建,进行各个视角下的三维重建,使用五个视角的目标物体的三维点云,记为Pvi,i=1,2,…,5。
7.根据权利要求1所述的基于多视角双目结构光的水下三维重建方法,其特征在于,步骤S6中,包括以下步骤:首先,将在视角V1下的重建出的三维点云Pv1使用变换矩阵T1→2变换到视角V2下,变换后的点云为P'v1,将在视角V2下重建出的三维点云Pv2与点云P'v1融合为点云P'v2;然后,将点云P'v2使用变换矩阵T2→3变换到视角V3下,变换后的点云为P″v2,将在视角V3下重建出的点云Pv3与点云P″v2融合为点云P'v3;再然后,将点云Pv3'使用变换矩阵T3→4变换到视角V4下,变换后的点云为P″v3,将视角V4下重建出的点云Pv4与点云P″v3融合为点云P'v4;最后,将点云P'v4使用变换矩阵T4→5变换到视角V5下,变换后的点云为P″v4,将视角V5下重建出的点云Pv5与点云P″v4融合为点云Pout。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083286.0A CN113971691A (zh) | 2021-09-16 | 2021-09-16 | 一种基于多视角双目结构光的水下三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083286.0A CN113971691A (zh) | 2021-09-16 | 2021-09-16 | 一种基于多视角双目结构光的水下三维重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113971691A true CN113971691A (zh) | 2022-01-25 |
Family
ID=79586607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111083286.0A Pending CN113971691A (zh) | 2021-09-16 | 2021-09-16 | 一种基于多视角双目结构光的水下三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113971691A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565714A (zh) * | 2022-02-11 | 2022-05-31 | 山西支点科技有限公司 | 一种单目视觉传感器混合式高精度三维结构恢复方法 |
CN116310105A (zh) * | 2023-03-09 | 2023-06-23 | 广州沃佳科技有限公司 | 基于多视图的物体三维重建方法、装置、设备及存储介质 |
CN116385657A (zh) * | 2023-04-17 | 2023-07-04 | 北京迁移科技有限公司 | 图像处理方法、点云生成方法、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788666A (zh) * | 2010-03-17 | 2010-07-28 | 上海大学 | 基于多波束声纳数据的水下三维地形重建方法 |
US20180267169A1 (en) * | 2017-03-14 | 2018-09-20 | Nanjing University Of Aeronautics And Astronautics | Cdma-based 3d imaging method for focal plane array lidar |
CN108648264A (zh) * | 2018-04-25 | 2018-10-12 | 吉林大学 | 基于运动恢复的水下场景重建方法及存储介质 |
US10810750B1 (en) * | 2017-02-24 | 2020-10-20 | Shining 3D Tech Co., Ltd. | Three-dimensional scanning system and scanning method thereof |
CN113129430A (zh) * | 2021-04-02 | 2021-07-16 | 中国海洋大学 | 基于双目结构光的水下三维重建方法 |
-
2021
- 2021-09-16 CN CN202111083286.0A patent/CN113971691A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788666A (zh) * | 2010-03-17 | 2010-07-28 | 上海大学 | 基于多波束声纳数据的水下三维地形重建方法 |
US10810750B1 (en) * | 2017-02-24 | 2020-10-20 | Shining 3D Tech Co., Ltd. | Three-dimensional scanning system and scanning method thereof |
US20180267169A1 (en) * | 2017-03-14 | 2018-09-20 | Nanjing University Of Aeronautics And Astronautics | Cdma-based 3d imaging method for focal plane array lidar |
CN108648264A (zh) * | 2018-04-25 | 2018-10-12 | 吉林大学 | 基于运动恢复的水下场景重建方法及存储介质 |
CN113129430A (zh) * | 2021-04-02 | 2021-07-16 | 中国海洋大学 | 基于双目结构光的水下三维重建方法 |
Non-Patent Citations (2)
Title |
---|
姜荣;董军宇;: "人脸识别系统及其在现实生活中的应用", 长春师范学院学报, no. 02, 20 February 2006 (2006-02-20) * |
尹晓艮;张晓芳;张伟超;李硕丰;贾纪元;臧华平;田勇志;梁二军;刘晓旻: "基于光场数字重聚焦的三维重建方法研究", 光电子·激光, vol. 26, no. 5, 15 May 2015 (2015-05-15) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565714A (zh) * | 2022-02-11 | 2022-05-31 | 山西支点科技有限公司 | 一种单目视觉传感器混合式高精度三维结构恢复方法 |
CN114565714B (zh) * | 2022-02-11 | 2023-05-23 | 山西支点科技有限公司 | 一种单目视觉传感器混合式高精度三维结构恢复方法 |
CN116310105A (zh) * | 2023-03-09 | 2023-06-23 | 广州沃佳科技有限公司 | 基于多视图的物体三维重建方法、装置、设备及存储介质 |
CN116310105B (zh) * | 2023-03-09 | 2023-12-05 | 广州沃佳科技有限公司 | 基于多视图的物体三维重建方法、装置、设备及存储介质 |
CN116385657A (zh) * | 2023-04-17 | 2023-07-04 | 北京迁移科技有限公司 | 图像处理方法、点云生成方法、电子设备及可读存储介质 |
CN116385657B (zh) * | 2023-04-17 | 2023-09-08 | 北京迁移科技有限公司 | 图像处理方法、点云生成方法、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jia et al. | LLVIP: A visible-infrared paired dataset for low-light vision | |
CN111062905B (zh) | 一种基于显著图增强的红外和可见光融合方法 | |
CN113971691A (zh) | 一种基于多视角双目结构光的水下三维重建方法 | |
CN113129430B (zh) | 基于双目结构光的水下三维重建方法 | |
CN107154014B (zh) | 一种实时彩色及深度全景图像拼接方法 | |
CN114998499B (zh) | 一种基于线激光振镜扫描的双目三维重建方法及系统 | |
CN110487216A (zh) | 一种基于卷积神经网络的条纹投影三维扫描方法 | |
CN113205593B (zh) | 一种基于点云自适应修复的高反光表面结构光场三维重建方法 | |
JP2019532451A (ja) | 視点から距離情報を取得するための装置及び方法 | |
CN109712232B (zh) | 一种基于光场的物体表面轮廓三维成像方法 | |
CN111028295A (zh) | 一种基于编码结构光和双目的3d成像方法 | |
CN103868460A (zh) | 基于视差优化算法的双目立体视觉自动测量方法 | |
CN108020175B (zh) | 一种多光栅投影双目视觉舌体表面三维整体成像方法 | |
CN111080709B (zh) | 基于轨迹特征配准的多光谱立体相机自标定算法 | |
CN113592721B (zh) | 摄影测量方法、装置、设备及存储介质 | |
CN109242898B (zh) | 一种基于图像序列的三维建模方法及系统 | |
WO2013076605A1 (en) | Method and system for alignment of a pattern on a spatial coded slide image | |
CN107483911A (zh) | 一种基于多目图像传感器的信号处理方法及系统 | |
CN113160339A (zh) | 一种基于沙姆定律的投影仪标定方法 | |
CN112509125A (zh) | 一种基于人工标志物和立体视觉的三维重建方法 | |
CN104539928A (zh) | 一种光栅立体印刷图像合成方法 | |
Ziegler et al. | Acquisition system for dense lightfield of large scenes | |
WO2024032233A1 (zh) | 基于双目视觉的立体摄影测量方法 | |
CN111064945A (zh) | 一种裸眼3d图像采集及生成方法 | |
Liu et al. | Research on 3D reconstruction method based on laser rotation scanning |
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 |