CN115330934A - 一种工件三维形状重建方法、系统、终端及介质 - Google Patents

Abstract

本发明公开了一种工件三维形状重建方法、系统、终端及介质，包括：获取待处理工件的第一点云数据和第二点云数据；其中，第一点云数据是利用若干个激光扫描仪对待处理工件从不同角度采集得到的，第二点云数据是利用若干个双目相机对待处理工件从不同角度采集得到的；对第一点云数据和第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵；按照预设的重建算法，根据融合特征矩阵进行曲面重建，以获得待处理工件对应的三维模型，完成对待处理工件的三维形状重建。本发明通过直接利用激光扫描仪和双目相机全方位地采集待处理工件的点云数据，避免大幅移动或旋转数据采集装置而导致点云数据中产生大量噪声以及部分点云数据的丢失。

Description

一种工件三维形状重建方法、系统、终端及介质

技术领域

本发明涉及工件测量技术领域，尤其涉及一种工件三维形状重建方法、系统、终端及介质。

背景技术

随着中国半导体制造业的快速发展，半导体设备的销量逐步提升。在设备研发和检修过程中都会对电子元件进行尺寸测量，这对电子元件能否发挥其作用及设备的美观性具有重要意义。传统的测量方法主要为手工测量法和相机测量法。手工测量法工人劳动强度大、效率低且精度差。而相机测量法是先进行图像采集，然后对图像进行特征提取，最后进行三维重建。这个方法存在图像失真、噪声影响大等因素的严重影响，造成元件测量精度的误差较大。

随着三维点云处理技术的出现，传统的元件测量方法得到了一定程度上的改进。目前，应用较广泛的测量技术有以下三类：第一，利用线激光360°旋转扫描模型进行标定，在三维轮廓数据进行处理后得到相应的目标尺寸；第二，三维激光螺旋扫描点云三维重建方法，通过单目相机对元件进行螺旋扫描，并将扫描得到的螺旋点云数据重新排序，同时按照旋转次数对数据进行剖切，以获得单层轮廓线点云数据，接着对每一条轮廓点云数据进行优化处理，并按照相关性原则对每一层轮廓数据进行拼接，以完成三维物体的重建；第三，三维移动激光测量法，根据元件的三维信息，构建具有拓扑异质性的三维元件模型，以完成对元件的测量。然而，由于激光仪或相机等仪器的旋转或移动，会造成元件的三维信息的丢失或者点云数据中存在大量噪声等影响，进而导致元件测量误差较大，无法为电子元件的功能是否正常发挥等判断提供准确的依据。

发明内容

本发明提供了一种工件三维形状重建方法、系统、终端及介质，在采集待处理工件的点云数据的过程中，保障点云数据的准确性，提升待处理工件的三维形状重建精度。

为了解决上述技术问题，本发明实施例提供了一种工件三维形状重建方法，包括：

获取待处理工件的第一点云数据和第二点云数据；其中，所述第一点云数据是利用若干个激光扫描仪对所述待处理工件从不同角度采集得到的，所述第二点云数据是利用若干个双目相机对所述待处理工件从不同角度采集得到的，所述激光扫描仪和所述角度一一对应，所述双目相机和所述角度一一对应；

对所述第一点云数据和所述第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵；

按照预设的重建算法，根据所述融合特征矩阵进行曲面重建，以获得所述待处理工件对应的三维模型，完成对所述待处理工件的三维形状重建。

实施本发明实施例，直接利用若干个激光扫描仪和若干个双目相机，从不同角度分别采集待处理工件的第一点云数据和第二点云数据，实现对待处理工件的全方位信息获取，而非大幅移动或旋转获取信息的设备，在一定程度上减少第一点云数据和第二点云数据中的噪声，并避免待处理工件的第一点云数据和第二点云数据的丢失，进而提升待处理工件的三维形状重建精度。此外，对激光扫描仪采集得到的第一点云数据和双目相机采集得到第二点云数据进行相互配准，进而提高用于构建三维模型的数据的准确性，以提升待处理工件的三维形状重建精度。

作为优选方案，所述一种工件三维形状重建方法，还包括：

按照预设的微调角度，对各所述激光扫描仪的探头的角度进行多次调整，并在每一次调整之后，获取当前各所述激光扫描仪对所述待处理工件从不同角度采集得到的第三点云数据；

根据所有所述第三点云数据，对当前所述第一点云数据进行修正补偿，以获得对应的第四点云数据，并以所述第四点云数据作为所述第一点云数据。

实施本发明实施例的优选方案，在激光扫描仪进行数据采集的过程中，由于光线反射、光线折射和设备噪声的存在，所以容易存在采集死角，造成第一点云数据的缺失。基于此，通过对各激光扫描仪的探头的角度进行多次调整，并根据调整后采集到的第三点云数据对第一点云数据进行修正补偿，可以提升第一点云数据的完整性，为后续三维模型的构建提供准确完整的数据。

作为优选方案，在所述获取待处理工件的第一点云数据和第二点云数据之后，还包括：

对当前所述第一点云数据和当前所述第二点云数据分别进行预处理，以获得当前所述第一点云数据对应的第五点云数据和当前所述第二点云数据对应的第六点云数据；

以所述第五点云数据作为所述第一点云数据，以所述第六点云数据作为所述第二点云数据；

其中，所述预处理包括去噪、降采样和平滑处理。

实施本发明实施例的优选方案，在获取第一点云数据和第二点云数据之后，对第一点云数据和第二点云数据分别进行包括去噪、降采样和平滑处理的预处理，以降低第一点云数据和第二点云数据的噪声，并使得第一点云数据和第二点云数据趋于光滑，有利于后续对数据的配准融合，进而提升待处理工件的三维形状重建精度。

作为优选方案，所述对所述第一点云数据和所述第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵，具体为：

通过Harris算法，对所述第一点云数据和所述第二点云数据分别进行纹理特征提取，以获得所述第一点云数据对应的第一特征矩阵和所述第二点云数据对应的第二特征矩阵；

通过点云拼接算法，对所述第一特征矩阵和所述第二特征矩阵进行配准，以获得所述融合特征矩阵。

实施本发明实施例的优选方案，通过Harris算法，对第一点云数据和第二点云数据分别进行特征提取，以便后续进行数据配准，避免点云数据的无序性对数据配准效果的影响。

为了解决相同的技术问题，本发明实施例还提供了一种工件三维形状重建系统，包括：

数据获取模块，用于获取待处理工件的第一点云数据和第二点云数据；其中，所述第一点云数据是利用若干个激光扫描仪对所述待处理工件从不同角度采集得到的，所述第二点云数据是利用若干个双目相机对所述待处理工件从不同角度采集得到的，所述激光扫描仪和所述角度一一对应，所述双目相机和所述角度一一对应；

数据配准模块，用于对所述第一点云数据和所述第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵；

三维重建模块，用于按照预设的重建算法，根据所述融合特征矩阵进行曲面重建，以获得所述待处理工件对应的三维模型，完成对所述待处理工件的三维形状重建。

作为优选方案，所述一种工件三维形状重建系统，还包括：

数据修正模块，用于按照预设的微调角度，对各所述激光扫描仪的探头的角度进行多次调整，并在每一次调整之后，获取当前各所述激光扫描仪对所述待处理工件从不同角度采集得到的第三点云数据；根据所有所述第三点云数据，对当前所述第一点云数据进行修正补偿，以获得对应的第四点云数据，并以所述第四点云数据作为所述第一点云数据。

作为优选方案，所述一种工件三维形状重建系统，还包括：

预处理模块，用于对当前所述第一点云数据和当前所述第二点云数据分别进行预处理，以获得当前所述第一点云数据对应的第五点云数据和当前所述第二点云数据对应的第六点云数据；以所述第五点云数据作为所述第一点云数据，以所述第六点云数据作为所述第二点云数据；其中，所述预处理包括去噪、降采样和平滑处理。

作为优选方案，所述数据配准模块，具体包括：

特征提取单元，用于通过Harris算法，对所述第一点云数据和所述第二点云数据分别进行纹理特征提取，以获得所述第一点云数据对应的第一特征矩阵和所述第二点云数据对应的第二特征矩阵；

配准单元，用于通过点云拼接算法，对所述第一特征矩阵和所述第二特征矩阵进行配准，以获得所述融合特征矩阵。

为了解决相同的技术问题，本发明还提供了一种终端，包括处理器、存储器及存储于所述存储器内的计算机程序；其中，所述计算机程序能够被所述处理器执行，以实现所述的一种工件三维形状重建方法。

为了解决相同的技术问题，本发明还提供了一种计算机可读存储介质，述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种工件三维形状重建方法。

附图说明

图1：为本发明实施例一提供的一种工件三维形状重建方法的流程示意图；

图2：为本发明实施例一提供的一种工件三维形状重建方法的第一数据采集装置的结构示意图；

图3：为本发明实施例一提供的一种工件三维形状重建方法的第二数据采集装置的结构示意图；

图4：为本发明实施例一提供的一种工件三维形状重建系统的结构示意图。

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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

请参照图1，为本发明实施例提供的一种工件三维形状重建方法的流程示意图，该方法包括步骤S1至步骤S3，各步骤具体如下：

步骤S1，获取待处理工件的第一点云数据和第二点云数据；其中，第一点云数据是利用若干个激光扫描仪对待处理工件从不同角度采集得到的，第二点云数据是利用若干个双目相机对待处理工件从不同角度采集得到的，激光扫描仪和角度一一对应，双目相机和角度一一对应。

在本实施例中，请参照图2，为第一数据采集装置的结构示意图，请参照图3，为第二数据采集装置的结构示意图。其中，第一数据采集装置中包括两个激光扫描仪，分别用于测量待处理工件的横截面轮廓和纵截面轮廓，进而获得待处理工件的第一点云数据，且以各激光扫描仪探头为起点的两条虚线之间的区域表示对应的激光扫描仪探头的射野范围；第二数据采集装置中包括三个双目相机，且三个双目相机均匀布置于待处理工件的周围，使得能够对待处理工件进行360°全方位的数据采集，进而获得待处理工件的第二点云数据，且以各双目相机探头为起点的两条虚线之间的区域表示对应的双目相机探头的射野范围。当第二数据采集装置中各双目相机拍摄到多个视角的图像时，通过对多个视角的图像进行特征提取和特征匹配，并对匹配结果依次进行稀疏重建和稠密重建，得到对应的第二点云数据。

需要说明的是，在第一数据采集装置进行数据采集的过程中，由于光线反射、光线折射和设备噪声等影响因素的存在，所以容易存在采集死角，造成第一点云数据的缺失。因此，作为优选方案，当第一数据采集装置采集到第一点云数据之后，还包括对第一点云数据的修正补偿流程，该修正补偿流程包括步骤S4至步骤S5，各步骤具体如下：

步骤S4，按照预设的微调角度，对第一数据采集装置中各激光扫描仪的探头的角度进行多次调整，并在每一次调整之后，获取当前各激光扫描仪对待处理工件从不同角度采集得到的第三点云数据。其中，各激光扫描仪探头与传感器均需用刚体连接。

步骤S5，根据所有第三点云数据，对当前第一点云数据进行修正补偿，以获得对应的第四点云数据，并以第四点云数据作为第一点云数据。

在本实施例中，利用探头角度调整后采集得到的第三点云数据，对第一点云数据进行修正补偿，以避免第一数据采集装置的采集死角对数据完整度造成负面影响。

需要说明的是，基于以太网交换机与激光扫描仪、双目相机之间的桥接，并配置各激光扫描仪的探头与工作站处于相同网络段，实现局域网通信，同时，各探头均可在12V直流供电下可靠工作。因此，当激光扫描仪和双目相机采集到对应的点云数据时，基于各装置之间的通信，将采集到的第一点云数据和第二点云数据都传输至对应的数据处理装置。

作为优选方案，在步骤S1之后，还包括对第一点云数据和第二点云数据的预处理流程，该预处理流程包括步骤S6至步骤S7，各步骤具体如下：

步骤S6，对当前第一点云数据和当前第二点云数据分别进行预处理，以获得当前第一点云数据对应的第五点云数据和当前第二点云数据对应的第六点云数据；其中，预处理包括去噪、降采样和平滑处理。

步骤S7，以第五点云数据作为第一点云数据，以第六点云数据作为第二点云数据。

在本实施例中，通过对第一点云数据和第二点云数据进行裁剪、去除无效点、剥除离群点云，能够实现对第一点云数据和第二点云数据的去噪和平滑处理。接着，对处理后的第一点云数据和第二点云数据进行降采样，以实现对第一点云数据和第二点云数据的预处理，进而提高数据处理效率。

步骤S2，对第一点云数据和第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵。

作为优选方案，步骤S2包括步骤S21至步骤S22，各步骤具体如下：

步骤S21，通过Harris算法，对第一点云数据和第二点云数据分别进行纹理特征提取，以获得第一点云数据对应的第一特征矩阵和第二点云数据对应的第二特征矩阵。

在本实施例中，经过预处理后的第一点云数据和第二点云数据具有多样性，因此需要利用Harris算法处理其表面复杂、空间类型较为单一的纹理特征，实现特征提取。

步骤S22，通过点云拼接算法，对第一特征矩阵和第二特征矩阵进行配准，以获得融合特征矩阵。

在本实施例中，通过点云配准网络的注意力模块attention，对第一特征矩阵和第二特征矩阵进行配准，得到对应的融合特征矩阵，即形成了完整的三维点云结构。

步骤S3，按照预设的重建算法，根据融合特征矩阵进行曲面重建，以获得待处理工件对应的三维模型，完成对待处理工件的三维形状重建。

在本实施例中，按照曲面重建Poisson算法，通过求解Poisson方程，获得三维点云结构所描述的表面信息代表的隐性方程，并对该方程进行等值面提取，从而得到具有几何实体信息的表面模型，即为待处理工件对应的三维模型。

请参照图4，为本发明实施例提供的一种工件三维形状重建系统的结构示意图，一种工件三维形状重建系统包括数据获取模块1、数据配准模块2和三维重建模块3，各模块具体如下：

数据获取模块1，用于获取待处理工件的第一点云数据和第二点云数据；其中，第一点云数据是利用若干个激光扫描仪对待处理工件从不同角度采集得到的，第二点云数据是利用若干个双目相机对待处理工件从不同角度采集得到的，激光扫描仪和角度一一对应，双目相机和角度一一对应；

数据配准模块2，用于对第一点云数据和第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵；

三维重建模块3，用于按照预设的重建算法，根据融合特征矩阵进行曲面重建，以获得待处理工件对应的三维模型，完成对待处理工件的三维形状重建。

作为优选方案，请参照图4，一种工件三维形状重建系统，还包括数据修正模块4，该模块具体如下：

数据修正模块4，用于按照预设的微调角度，对各激光扫描仪的探头的角度进行多次调整，并在每一次调整之后，获取当前各激光扫描仪对待处理工件从不同角度采集得到的第三点云数据；根据所有第三点云数据，对当前第一点云数据进行修正补偿，以获得对应的第四点云数据，并以第四点云数据作为第一点云数据。

作为优选方案，请参照图4，一种工件三维形状重建系统，还包括预处理模块5，该模块具体如下：

预处理模块5，用于对当前第一点云数据和当前第二点云数据分别进行预处理，以获得当前第一点云数据对应的第五点云数据和当前第二点云数据对应的第六点云数据；以第五点云数据作为第一点云数据，以第六点云数据作为第二点云数据；其中，预处理包括去噪、降采样和平滑处理。

作为优选方案，数据配准模块2，具体包括特征提取单元21和配准单元22，各单元具体如下：

特征提取单元21，用于通过Harris算法，对第一点云数据和第二点云数据分别进行纹理特征提取，以获得第一点云数据对应的第一特征矩阵和第二点云数据对应的第二特征矩阵；

配准单元22，用于通过点云拼接算法，对第一特征矩阵和第二特征矩阵进行配准，以获得融合特征矩阵。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外地，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行实施例一所述的一种工件三维形状重建方法。

另外地，本发明实施例还提供了一种终端，包括处理器、存储器及存储于所述存储器内的计算机程序；其中，所述计算机程序能够被所述处理器执行，以实现实施例一所述的一种工件三维形状重建方法。

优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端中的执行过程。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端的控制中心，利用各种接口和线路连接所述终端的各个部分。

所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器也可以是其他易失性固态存储器件。

需要说明的是，上述终端可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端仅仅是示例，并不构成对终端的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。

相比于现有技术，本发明实施例具有如下有益效果：

本发明提供了一种工件三维形状重建方法、系统、终端及介质，通过若干个激光扫描仪和若干个双目相机，从不同角度分别采集待处理工件的第一点云数据和第二点云数据，以避免数据采集设备的大幅移动或旋转造成的数据丢失和数据噪声，进而保障第一点云数据和第二点云数据的准确性，并提升待处理工件的三维形状重建精度。另外地，通过对第一点云数据和第二点云数据进行配准，并利用配准得到的数据进行三维模型构建，使得该三维模型能够融合两种数据，减少单一数据对重建结果的影响。

进一步地，在获取第一点云数据之后，对各激光扫描仪的探头的角度进行多次调整，并根据调整后采集到的第三点云数据对第一点云数据进行修正补偿，且对第一点云数据和第二点云数据进行去噪、降采样和平滑处理等预处理，能够保障点云数据的完整性和准确性，以进一步提升待处理工件的三维形状重建精度。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种工件三维形状重建方法，其特征在于，包括：

获取待处理工件的第一点云数据和第二点云数据；其中，所述第一点云数据是利用若干个激光扫描仪对所述待处理工件从不同角度采集得到的，所述第二点云数据是利用若干个双目相机对所述待处理工件从不同角度采集得到的，所述激光扫描仪和所述角度一一对应，所述双目相机和所述角度一一对应；

对所述第一点云数据和所述第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵；

按照预设的重建算法，根据所述融合特征矩阵进行曲面重建，以获得所述待处理工件对应的三维模型，完成对所述待处理工件的三维形状重建。

2.如权利要求1所述的一种工件三维形状重建方法，其特征在于，还包括：

按照预设的微调角度，对各所述激光扫描仪的探头的角度进行多次调整，并在每一次调整之后，获取当前各所述激光扫描仪对所述待处理工件从不同角度采集得到的第三点云数据；

根据所有所述第三点云数据，对当前所述第一点云数据进行修正补偿，以获得对应的第四点云数据，并以所述第四点云数据作为所述第一点云数据。

3.如权利要求1所述的一种工件三维形状重建方法，其特征在于，在所述获取待处理工件的第一点云数据和第二点云数据之后，还包括：

对当前所述第一点云数据和当前所述第二点云数据分别进行预处理，以获得当前所述第一点云数据对应的第五点云数据和当前所述第二点云数据对应的第六点云数据；

以所述第五点云数据作为所述第一点云数据，以所述第六点云数据作为所述第二点云数据；

其中，所述预处理包括去噪、降采样和平滑处理。

4.如权利要求1所述的一种工件三维形状重建方法，其特征在于，所述对所述第一点云数据和所述第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵，具体为：

通过Harris算法，对所述第一点云数据和所述第二点云数据分别进行纹理特征提取，以获得所述第一点云数据对应的第一特征矩阵和所述第二点云数据对应的第二特征矩阵；

通过点云拼接算法，对所述第一特征矩阵和所述第二特征矩阵进行配准，以获得所述融合特征矩阵。

5.一种工件三维形状重建系统，其特征在于，包括：

数据获取模块，用于获取待处理工件的第一点云数据和第二点云数据；其中，所述第一点云数据是利用若干个激光扫描仪对所述待处理工件从不同角度采集得到的，所述第二点云数据是利用若干个双目相机对所述待处理工件从不同角度采集得到的，所述激光扫描仪和所述角度一一对应，所述双目相机和所述角度一一对应；

数据配准模块，用于对所述第一点云数据和所述第二点云数据进行特征提取和配准，以获得对应的融合特征矩阵；

三维重建模块，用于按照预设的重建算法，根据所述融合特征矩阵进行曲面重建，以获得所述待处理工件对应的三维模型，完成对所述待处理工件的三维形状重建。

6.如权利要求5所述的一种工件三维形状重建系统，其特征在于，还包括：

数据修正模块，用于按照预设的微调角度，对各所述激光扫描仪的探头的角度进行多次调整，并在每一次调整之后，获取当前各所述激光扫描仪对所述待处理工件从不同角度采集得到的第三点云数据；根据所有所述第三点云数据，对当前所述第一点云数据进行修正补偿，以获得对应的第四点云数据，并以所述第四点云数据作为所述第一点云数据。

7.如权利要求5所述的一种工件三维形状重建系统，其特征在于，还包括：

预处理模块，用于对当前所述第一点云数据和当前所述第二点云数据分别进行预处理，以获得当前所述第一点云数据对应的第五点云数据和当前所述第二点云数据对应的第六点云数据；以所述第五点云数据作为所述第一点云数据，以所述第六点云数据作为所述第二点云数据；其中，所述预处理包括去噪、降采样和平滑处理。

8.如权利要求5所述的一种工件三维形状重建系统，其特征在于，所述数据配准模块，具体包括：

特征提取单元，用于通过Harris算法，对所述第一点云数据和所述第二点云数据分别进行纹理特征提取，以获得所述第一点云数据对应的第一特征矩阵和所述第二点云数据对应的第二特征矩阵；

配准单元，用于通过点云拼接算法，对所述第一特征矩阵和所述第二特征矩阵进行配准，以获得所述融合特征矩阵。

9.一种终端，其特征在于，包括处理器、存储器及存储于所述存储器内的计算机程序；其中，所述计算机程序能够被所述处理器执行，以实现如权利要求1至4任意一项所述的一种工件三维形状重建方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4任意一项所述的一种工件三维形状重建方法。

Images