CN115880448B - 基于双目成像的三维测量方法及装置 - Google Patents
基于双目成像的三维测量方法及装置 Download PDFInfo
- Publication number
- CN115880448B CN115880448B CN202211578024.6A CN202211578024A CN115880448B CN 115880448 B CN115880448 B CN 115880448B CN 202211578024 A CN202211578024 A CN 202211578024A CN 115880448 B CN115880448 B CN 115880448B
- Authority
- CN
- China
- Prior art keywords
- binocular
- target
- standard
- distortion
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 42
- 238000000691 measurement method Methods 0.000 title claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 71
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000005286 illumination Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及三维测量技术，揭露了一种基于双目成像的三维测量方法，包括：在待测物体的周围进行场地配置，得到结构光系统，逐一利用双目相机对光照投影下的待测物体进行拍摄，得到双目图集；计算出双目图集对应的畸变参数集，对所有的双目图集进行畸变矫正，得到标准双目图集；提取标准双目图集特征，得到特征点集，对标准双目图集进行特征点匹配，得到标准双目图集对应的视差图集；根据视差图集将标准双目图集转化为点位点云集，根据位置信息对点位点云集进行坐标轴转化，得到场地点云，并从场地点云中提取出待测物体的三维参数。本发明还提出一种基于双目成像的三维测量装置。本发明可以提高火星车三维测量时的精确度。
Description
技术领域
本发明涉及三维测量技术领域，尤其涉及一种基于双目成像的三维测量方法及装置。
背景技术
随着宇宙探索技术的进步，越来越多的机构开始研究火星车在模拟外星地貌环境中的智能路径匹配问题，但外星地形地貌环境复杂，地表由一层松散颗粒材料覆盖，沙丘、砾石、峡谷遍布，对火星车的移动产生了很多限制，容易造成沉陷、滑移等问题，因此需要实时采集模拟地貌上工作的火星车的三维数据，方便后续对火星车移动路径的改进。
现有的火星车三维测量技术多为基于运动传感器的三维测量方法，例如，在所述火星车上以及模拟地貌中均匀安置多个运动传感器，用于检测火星车的运动位置以及运动形态，实际应用中，基于运动传感器的三维测量方法在复杂地貌时的测量误差较大，从而导致进行火星车三维测量时的精确度较低。
发明内容
本发明提供一种基于双目成像的三维测量方法及装置，其主要目的在于解决进行火星车三维测量时的精确度较低的问题。
为实现上述目的，本发明提供的一种基于双目成像的三维测量方法，包括：
在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，其中，所述对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，包括：
逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，对所述目标标准图组进行图像去噪，得到目标平滑图组；
利用像素曲率算法对所述目标平滑图组进行特征提取，得到特征像素组；
提取出所述特征像素组对应的中心点数组，选取所述中心点数组中的一个中心点作为目标中心点，利用如下的中心特征公式计算出所述目标中心点对应的特征点，将所述特征像素组对应的特征点汇集成特征点组，并将所有的所述特征点数组汇集成特征点集：
其中，是所述中心特征公式的特征系数，/>是指所述目标中心点对应的横向法线向量，/>是指所述目标中心点对应的纵向法线向量，/>是法线向量符号，/>是所述目标平滑图组中像素点的横坐标，/>是所述目标平滑图组中像素点的纵坐标，/>是高斯函数符号，是指所述特征点的横坐标，/>是指所述特征点的纵坐标；
根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
可选地，所述在待测物体的周围进行场地配置，得到结构光系统，包括：
在所述待测物体的底部地表配置模拟地貌；
在所述待测物体的周围墙体表面均匀配置若干台双目相机以及光源阵列；
将所述光源阵列、所有的所述双目相机以及所述模拟地貌汇集成结构光系统。
可选地，所述利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，包括：
逐个选取双目相机作为目标双目相机，从所述双目图集中筛选出所述目标双目相机对应的双目图组作为目标双目图组；
获取所述目标双目相机对应的畸变内参，利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组；
利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，并将所述畸变内参与所述畸变外参汇集成畸变参数组，将所有的所述畸变参数组汇集成畸变参数集。
可选地，所述利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组，包括：
逐一选取所述目标初级双目图组中的图像作为目标图像，逐个选取所述目标图像中的像素点作为目标像素点；
利用如下的畸变矫正算法和所述畸变内参计算出所述目标像素点对应的矫正像素点：
其中，是所述目标像素点的横坐标，/>是指所述目标像素点的纵坐标，/>是所述矫正像素点的横坐标，/>是所述矫正像素点的纵坐标，/>是泰勒级数展开式的第一项，/>是泰勒级数展开式的第二项，/>是指所述畸变内参的相机内参，/>是所述畸变内参的第一切向参数，/>是指所述畸变内参的第二切向参数；
根据所述目标图像的所有所述矫正像素点生成初级矫正图像，并将所有的所述初级矫正图像汇集成目标初级双目图组。
可选地，所述利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，包括：
选取所述目标初级双目图组中的一张图片作为目标选定图片，将所述目标初级双目图组中出所述目标选定图片外的另一张图片作为目标参照图片；
利用所述目标选定图片对所述目标参照图片进行映射，得到横轴基向量；
利用如下的极性矫正算法根据所述横轴基向量计算出所述目标初级双目图组对应的畸变外参：
其中，是所述畸变外参的旋转矩阵，/>是指所述横轴基向量，/>是转置符号，/>是纵轴的单位向量，/>是所述畸变外参的内参矩阵，/>是所述目标双目相机中左相机的初始内参矩阵，/>是所述目标双目相机中右相机的初始内参矩阵，/>是指所述畸变外参，/>是指所述目标双目相机的相机中心。
可选地，所述根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集，包括：
逐个选取所述双目图集中的双目图组作为目标图组，从所述畸变参数集中筛选出与所述目标图组对应的畸变参数组作为目标畸变参数组；
利用所述目标畸变参数组中的畸变内参对所述目标图组进行初级畸变矫正，得到初级双目图组；
利用所述目标畸变参数组中的畸变外参对所述初级双目组图进行次级畸变矫正，得到标准双目图组，并将所有的所述标准双目图组汇集成标准双目图集。
可选地，所述根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，包括：
逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，将所述目标标准图组的特征点组作为目标特征点组；
利用线性插值算法计算出所述目标特征点组对应的匹配点，根据所述匹配点计算出所述目标标准图组的视差；
根据所述视差将所述目标标准图组转化成目标视差图组，将所有的目标视差图组汇集成视差图集。
为了解决上述问题，本发明还提供一种基于双目成像的三维测量装置，所述装置包括：
场地布置模块，用于在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
双目成像模块，用于利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
畸变校正模块，用于利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
视差匹配模块，用于对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，其中，所述对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，包括：逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，对所述目标标准图组进行图像去噪，得到目标平滑图组；利用像素曲率算法对所述目标平滑图组进行特征提取，得到特征像素组；提取出所述特征像素组对应的中心点数组，选取所述中心点数组中的一个中心点作为目标中心点，利用如下的中心特征公式计算出所述目标中心点对应的特征点，将所述特征像素组对应的特征点汇集成特征点组，并将所有的所述特征点数组汇集成特征点集：
其中，是所述中心特征公式的特征系数，/>是指所述目标中心点对应的横向法线向量，/>是指所述目标中心点对应的纵向法线向量，/>是法线向量符号，/>是所述目标平滑图组中像素点的横坐标，/>是所述目标平滑图组中像素点的纵坐标，/>是高斯函数符号，是指所述特征点的横坐标，/>是指所述特征点的纵坐标；
坐标转化模块，用于根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
本发明实施例通过在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息，可以为待测物体配置火星模拟环境，并通过结构光系统对待测物体在模拟环境中的移动姿态进行采集；通过逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集，可以利用双目相机获得所述待测物体的结构光图片，从而方便后续对所述待测物体的三维测量，通过利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集，可以减少因为相机镜头曲率或双目拍摄角度产生的图像畸变，从而方便后续的特征点匹配，提高测量精度；
通过对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，可以提高匹配点的像素精确度，从而提高视差的精度，进而提高后续三维测量的精度，通过根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数，可以提高火星车三维参数测量的精度。因此本发明提出的基于双目成像的三维测量方法、装置、电子设备及计算机可读存储介质，可以解决进行火星车三维测量时的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于双目成像的三维测量方法的流程示意图；
图2为本发明一实施例提供的计算畸变参数集的流程示意图；
图3为本发明一实施例提供的生成视差图集的流程示意图；
图4为本发明一实施例提供的基于双目成像的三维测量装置的功能模块图；
图5为本发明一实施例提供的实现所述基于双目成像的三维测量方法的电子设备的结构示意图。
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仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于双目成像的三维测量方法。所述基于双目成像的三维测量方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于双目成像的三维测量方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于双目成像的三维测量方法的流程示意图。在本实施例中，所述基于双目成像的三维测量方法包括：
S1、在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
本发明实施例中，所述待测物体可以是火星车，通过对火星车进行三维测量，可以详细地捕捉火星车在模拟环境中的运动参数，从而为火星探索提供研究参数。
本发明实施例中，所述在待测物体的周围进行场地配置，得到结构光系统，包括：
在所述待测物体的底部地表配置模拟地貌；
在所述待测物体的周围墙体表面均匀配置若干台双目相机以及光源阵列；
将所述光源阵列、所有的所述双目相机以及所述模拟地貌汇集成结构光系统。
详细地，所述模拟地貌是指模拟登月或火星环境的地貌，可以为刚性地形或柔性地形。
详细地，所述双目相机是指RealSense D455深度相机或LXPS-DS3110-U TOF相机。
详细地，所述光源阵列是由多颗LED照明灯以及反光杯组成的。
详细地，所述获取所述结构光系统中所有双目相机的位置信息是指获取每个所述双目相机的空间坐标位置。
本发明实施例中，通过在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息，可以为待测物体配置火星模拟环境，并通过结构光系统对待测物体在模拟环境中的移动姿态进行采集。
S2、利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
本发明实施例中，所述利用所述结构光系统中的光源阵列对所述待测物体进行光照投影是指利用多颗LED照明灯对所述待测物体以及所述待测物体的周围视场进行照明，且每颗LED照明灯都配备反光杯，使得双目相机的视场与照明同轴度，且光束具有均匀性，其中，所述LED照明灯可以选择欧司朗照明850nmLED。
详细地，可以利用现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）控制所述双目相机与所述光源阵列同步运行，从而对光照投影下的所述待测物体进行拍摄，得到双目图集，从而保证双目相机拍照与LED光照的同时性。
本发明实施例中，通过逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集，可以利用双目相机获得所述待测物体的结构光图片，从而方便后续对所述待测物体的三维测量。
S3、利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
本发明实施例中，所述畸变参数集包含每个双目相机对应的畸变参数组，其中，每个所述畸变参数组包括畸变内参以及畸变外参。
本发明实施例中，参照图2所示，所述利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，包括：
S21、逐个选取双目相机作为目标双目相机，从所述双目图集中筛选出所述目标双目相机对应的双目图组作为目标双目图组；
S22、获取所述目标双目相机对应的畸变内参，利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组；
S23、利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，并将所述畸变内参与所述畸变外参汇集成畸变参数组，将所有的所述畸变参数组汇集成畸变参数集。
详细地，所述双目图组包括相机左图以及相机右图，所述相机左图与所述相机右图是所述双目相机的左右相机分别对所述待测物体进行拍摄得到的。
详细地，所述畸变内参包括相机内参和切向参数，所述畸变内参是由于双目相机的镜头曲率导致图片畸变的畸变参数，其中，所述畸变内参是利用所述双目相机对标定图案进行拍照后计算得到的。
详细地，所述利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组，包括：
逐一选取所述目标初级双目图组中的图像作为目标图像，逐个选取所述目标图像中的像素点作为目标像素点；
利用如下的畸变矫正算法和所述畸变内参计算出所述目标像素点对应的矫正像素点：
其中，是所述目标像素点的横坐标，/>是指所述目标像素点的纵坐标，/>是所述矫正像素点的横坐标，/>是所述矫正像素点的纵坐标，/>是泰勒级数展开式的第一项，/>是泰勒级数展开式的第二项，/>是指所述畸变内参的相机内参，/>是所述畸变内参的第一切向参数，/>是指所述畸变内参的第二切向参数；
根据所述目标图像的所有所述矫正像素点生成初级矫正图像，并将所有的所述初级矫正图像汇集成目标初级双目图组。
本发明实施例中，通过利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组，可以消除相机的镜头畸变的影响，提升三维测量的准确性。
本发明实施例中，所述利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，包括：
选取所述目标初级双目图组中的一张图片作为目标选定图片，将所述目标初级双目图组中出所述目标选定图片外的另一张图片作为目标参照图片；
利用所述目标选定图片对所述目标参照图片进行映射，得到横轴基向量；
利用如下的极性矫正算法根据所述横轴基向量计算出所述目标初级双目图组对应的畸变外参：
其中，是所述畸变外参的旋转矩阵，/>是指所述横轴基向量，/>是转置符号，/>是纵轴的单位向量，/>是所述畸变外参的内参矩阵，/>是所述目标双目相机中左相机的初始内参矩阵，/>是所述目标双目相机中右相机的初始内参矩阵，/>是指所述畸变外参，/>是指所述目标双目相机的相机中心。
详细地，通过利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，可以减少因为拍摄角度产生的图像畸变，从而方便后续的特征点匹配，提高测量精度。
本发明实施例中，所述根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集，包括：
逐个选取所述双目图集中的双目图组作为目标图组，从所述畸变参数集中筛选出与所述目标图组对应的畸变参数组作为目标畸变参数组；
利用所述目标畸变参数组中的畸变内参对所述目标图组进行初级畸变矫正，得到初级双目图组；
利用所述目标畸变参数组中的畸变外参对所述初级双目组图进行次级畸变矫正，得到标准双目图组，并将所有的所述标准双目图组汇集成标准双目图集。
详细地，可以利用所述畸变矫正算法和所述目标畸变参数组中的畸变内参对所述目标图组进行初级畸变矫正，得到初级双目图组，可以利用极性矫正算法和所述目标畸变参数组中的畸变外参对所述初级双目组图进行次级畸变矫正，得到标准双目图组。
本发明实施例中，通过利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集，可以减少因为相机镜头曲率或双目拍摄角度产生的图像畸变，从而方便后续的特征点匹配，提高测量精度。
S4、对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集；
本发明实施例中，所述对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，包括：
逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，对所述目标标准图组进行图像去噪，得到目标平滑图组；
利用像素曲率算法对所述目标平滑图组进行特征提取，得到特征像素组；
提取出所述特征像素组对应的中心点数组，选取所述中心点数组中的一个中心点作为目标中心点，利用如下的中心特征公式计算出所述目标中心点对应的特征点，将所述特征像素组对应的特征点汇集成特征点组，并将所有的所述特征点数组汇集成特征点集：
其中，是所述中心特征公式的特征系数，/>是指所述目标中心点对应的横向法线向量，/>是指所述目标中心点对应的纵向法线向量，/>是法线向量符号，/>是所述目标平滑图组中像素点的横坐标，/>是所述目标平滑图组中像素点的纵坐标，/>是高斯函数符号，是指所述特征点的横坐标，/>是指所述特征点的纵坐标。
详细地，可以通过高斯平滑算法对所述目标标准图组进行图像去噪，得到目标平滑图组，所述像素曲率算法可以是黑塞矩阵黑塞矩阵算法（Hessian Matrix）。
详细地，可以根据所述特征像素组中的极大值提取出所述特征像素组对应的中心点数组，并确定所述中心点数组中各中心点对应的横向法线向量以及纵向法线向量。
本发明实施例中，通过利用所述中心特征公式计算出所述目标中心点对应的特征点，可以进一步增加特征点的像素精度，从而提高后续三维测量的精度。
详细地，参照图3所示，所述根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，包括：
S31、逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，将所述目标标准图组的特征点组作为目标特征点组；
S32、利用线性插值算法计算出所述目标特征点组对应的匹配点，根据所述匹配点计算出所述目标标准图组的视差；
S33、根据所述视差将所述目标标准图组转化成目标视差图组，将所有的目标视差图组汇集成视差图集。
详细地，所述利用线性插值算法计算出所述目标特征点组对应的匹配点是指利用所述目标标准图组的目标特征点组生成像素射线，并选取所述像素射线两侧最近的两个特征点进行线性插值，得到匹配点。
本发明实施例中，通过对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，可以提高匹配点的像素精确度，从而提高视差的精度，进而提高后续三维测量的精度。
S5、根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
本发明实施例中，所述根据所述视差图集将所述标准双目图集转化为点位点云集包括根据所述视差图集得到深度集合，利用三角形法则根据所述深度集合计算出对应的点云集。
详细地，所述根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，包括：
逐一选取双目相机作为目标双目相机，将所述目标双目相机的位置信息作为目标位置信息，从所述点位点云集中提取出所述目标双目相机的对应的点位点云作为目标点位点云；
利用所述目标位置信息对所述目标点为点云进行世界坐标转化，得到目标世界点云，并根据所有的目标世界点云生成场地点云。
详细地，所述从所述场地点云中提取出所述待测物体的三维参数，包括：
提取出所述待测物体的物体特征，根据所述物体特征对所述场地点云进行特征匹配，得到所述待测物体点云，并从所述待测物体点云中提取出三维参数。
本发明实施例中，通过根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数，可以提高火星车三维参数测量的精度。
本发明实施例通过在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息，可以为待测物体配置火星模拟环境，并通过结构光系统对待测物体在模拟环境中的移动姿态进行采集；通过逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集，可以利用双目相机获得所述待测物体的结构光图片，从而方便后续对所述待测物体的三维测量，通过利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集，可以减少因为相机镜头曲率或双目拍摄角度产生的图像畸变，从而方便后续的特征点匹配，提高测量精度；
通过对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，可以提高匹配点的像素精确度，从而提高视差的精度，进而提高后续三维测量的精度，通过根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数，可以提高火星车三维参数测量的精度。因此本发明提出的基于双目成像的三维测量方法，可以解决进行火星车三维测量时的精确度较低的问题。
如图4所示，是本发明一实施例提供的基于双目成像的三维测量装置的功能模块图。
本发明所述基于双目成像的三维测量装置100可以安装于电子设备中。根据实现的功能，所述基于双目成像的三维测量装置100可以包括场地布置模块101、双目成像模块102、畸变校正模块103、视差匹配模块104及坐标转化模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述场地布置模块101，用于在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
所述双目成像模块102，用于利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
所述畸变校正模块103，用于利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
所述视差匹配模块104，用于对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，其中，所述对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，包括：逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，对所述目标标准图组进行图像去噪，得到目标平滑图组；利用像素曲率算法对所述目标平滑图组进行特征提取，得到特征像素组；提取出所述特征像素组对应的中心点数组，选取所述中心点数组中的一个中心点作为目标中心点，利用如下的中心特征公式计算出所述目标中心点对应的特征点，将所述特征像素组对应的特征点汇集成特征点组，并将所有的所述特征点数组汇集成特征点集：
其中，是所述中心特征公式的特征系数，/>是指所述目标中心点对应的横向法线向量，/>是指所述目标中心点对应的纵向法线向量，/>是法线向量符号，/>是所述目标平滑图组中像素点的横坐标，/>是所述目标平滑图组中像素点的纵坐标，/>是高斯函数符号，是指所述特征点的横坐标，/>是指所述特征点的纵坐标；
所述坐标转化模块105，用于根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
详细地，本发明实施例中所述基于双目成像的三维测量装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于双目成像的三维测量方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于双目成像的三维测量方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于双目成像的三维测量程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于双目成像的三维测量程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于双目成像的三维测量程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于双目成像的三维测量程序是多个指令的组合，在所述处理器10中运行时，可以实现：
在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集；
根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集；
根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于双目成像的三维测量方法，其特征在于，所述方法包括：
S1：在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
S2：利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
S3：利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
S4：对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，其中，所述对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，包括：
S41：逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，对所述目标标准图组进行图像去噪，得到目标平滑图组；
S42：利用像素曲率算法对所述目标平滑图组进行特征提取，得到特征像素组；
S43：提取出所述特征像素组对应的中心点数组，选取所述中心点数组中的一个中心点作为目标中心点，利用如下的中心特征公式计算出所述目标中心点对应的特征点，将所述特征像素组对应的特征点汇集成特征点组，并将所有的所述特征点数组汇集成特征点集：
(px,py)＝(x1+tnx,y1+tny)
其中，t是所述中心特征公式的特征系数，nx是指所述目标中心点对应的横向法线向量，ny是指所述目标中心点对应的纵向法线向量，n是法线向量符号，x1是所述目标平滑图组中像素点的横坐标，y1是所述目标平滑图组中像素点的纵坐标，g()是高斯函数符号，px是指所述特征点的横坐标，py是指所述特征点的纵坐标；
S5：根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
2.如权利要求1所述的基于双目成像的三维测量方法，其特征在于，所述在待测物体的周围进行场地配置，得到结构光系统，包括：
在所述待测物体的底部地表配置模拟地貌；
在所述待测物体的周围墙体表面均匀配置若干台双目相机以及光源阵列；
将所述光源阵列、所有的所述双目相机以及所述模拟地貌汇集成结构光系统。
3.如权利要求1所述的基于双目成像的三维测量方法，其特征在于，所述利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，包括：
逐个选取双目相机作为目标双目相机，从所述双目图集中筛选出所述目标双目相机对应的双目图组作为目标双目图组；
获取所述目标双目相机对应的畸变内参，利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组；
利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，并将所述畸变内参与所述畸变外参汇集成畸变参数组，将所有的所述畸变参数组汇集成畸变参数集。
4.如权利要求3所述的基于双目成像的三维测量方法，其特征在于，所述利用预设的畸变矫正算法和所述畸变内参对所述目标双目图组进行畸变校正，得到目标初级双目图组，包括：
逐一选取所述目标初级双目图组中的图像作为目标图像，逐个选取所述目标图像中的像素点作为目标像素点；
利用如下的畸变矫正算法和所述畸变内参计算出所述目标像素点对应的矫正像素点：
其中，是所述目标像素点的横坐标，/>是指所述目标像素点的纵坐标，x是所述矫正像素点的横坐标，y是所述矫正像素点的纵坐标，j1是泰勒级数展开式的第一项，j2是泰勒级数展开式的第二项，d是指所述畸变内参的相机内参，k1是所述畸变内参的第一切向参数，k2是指所述畸变内参的第二切向参数；
根据所述目标图像的所有所述矫正像素点生成初级矫正图像，并将所有的所述初级矫正图像汇集成目标初级双目图组。
5.如权利要求3所述的基于双目成像的三维测量方法，其特征在于，所述利用预设的极性矫正算法计算出所述目标初级双目图组对应的畸变外参，包括：
选取所述目标初级双目图组中的一张图片作为目标选定图片，将所述目标初级双目图组中出所述目标选定图片外的另一张图片作为目标参照图片；
利用所述目标选定图片对所述目标参照图片进行映射，得到横轴基向量；
利用如下的极性矫正算法根据所述横轴基向量计算出所述目标初级双目图组对应的畸变外参：
K＝(Kl+Kr)/2
M＝K[R―R×C]
其中，R是所述畸变外参的旋转矩阵，rx是指所述横轴基向量，T是转置符号，k是纵轴的单位向量，K是所述畸变外参的内参矩阵，Kl是所述目标双目相机中左相机的初始内参矩阵，Kr是所述目标双目相机中右相机的初始内参矩阵，M是指所述畸变外参，C是指所述目标双目相机的相机中心。
6.如权利要求3所述的基于双目成像的三维测量方法，其特征在于，所述根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集，包括：
逐个选取所述双目图集中的双目图组作为目标图组，从所述畸变参数集中筛选出与所述目标图组对应的畸变参数组作为目标畸变参数组；
利用所述目标畸变参数组中的畸变内参对所述目标图组进行初级畸变矫正，得到初级双目图组；
利用所述目标畸变参数组中的畸变外参对所述初级双目图组进行次级畸变矫正，得到标准双目图组，并将所有的所述标准双目图组汇集成标准双目图集。
7.如权利要求1所述的基于双目成像的三维测量方法，其特征在于，所述根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，包括：
逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，将所述目标标准图组的特征点组作为目标特征点组；
利用线性插值算法计算出所述目标特征点组对应的匹配点，根据所述匹配点计算出所述目标标准图组的视差；
根据所述视差将所述目标标准图组转化成目标视差图组，将所有的目标视差图组汇集成视差图集。
8.一种基于双目成像的三维测量装置，其特征在于，所述装置包括：
场地布置模块，用于在待测物体的周围进行场地配置，得到结构光系统，并获取所述结构光系统中所有双目相机的位置信息；
双目成像模块，用于利用所述结构光系统中的光源阵列对所述待测物体进行光照投影，逐一利用所述双目相机对光照投影下的所述待测物体进行拍摄，得到双目图集；
畸变校正模块，用于利用预设的极性矫正算法计算出所述双目图集对应的畸变参数集，根据所述畸变参数集对所有的所述双目图集进行畸变矫正，得到标准双目图集；
视差匹配模块，用于对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，根据所述特征点集对所述标准双目图集进行特征点匹配，得到所述标准双目图集对应的视差图集，其中，所述对所述标准双目图集中的每个标准双目图组进行特征提取，得到特征点集，包括：逐个选取所述标准双目图集中的一个标准双目图组作为目标标准图组，对所述目标标准图组进行图像去噪，得到目标平滑图组；利用像素曲率算法对所述目标平滑图组进行特征提取，得到特征像素组；提取出所述特征像素组对应的中心点数组，选取所述中心点数组中的一个中心点作为目标中心点，利用如下的中心特征公式计算出所述目标中心点对应的特征点，将所述特征像素组对应的特征点汇集成特征点组，并将所有的所述特征点数组汇集成特征点集：
(px,py)＝(x1+tnx,y1+tny)
其中，t是所述中心特征公式的特征系数，nx是指所述目标中心点对应的横向法线向量，ny是指所述目标中心点对应的纵向法线向量，n是法线向量符号，x1是所述目标平滑图组中像素点的横坐标，y1是所述目标平滑图组中像素点的纵坐标，g()是高斯函数符号，px是指所述特征点的横坐标，py是指所述特征点的纵坐标；
坐标转化模块，用于根据所述视差图集将所述标准双目图集转化为点位点云集，根据所述位置信息对所述点位点云集进行坐标轴转化，得到场地点云，并从所述场地点云中提取出所述待测物体的三维参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211578024.6A CN115880448B (zh) | 2022-12-06 | 2022-12-06 | 基于双目成像的三维测量方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211578024.6A CN115880448B (zh) | 2022-12-06 | 2022-12-06 | 基于双目成像的三维测量方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115880448A CN115880448A (zh) | 2023-03-31 |
| CN115880448B true CN115880448B (zh) | 2024-05-14 |
Family
ID=85766749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211578024.6A Active CN115880448B (zh) | 2022-12-06 | 2022-12-06 | 基于双目成像的三维测量方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115880448B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434316B (zh) * | 2023-04-14 | 2023-11-14 | 深圳市凌壹科技有限公司 | 基于x86工控主板的身份识别方法、装置、设备及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767442A (zh) * | 2017-10-16 | 2018-03-06 | 浙江工业大学 | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 |
| CN110349251A (zh) * | 2019-06-28 | 2019-10-18 | 深圳数位传媒科技有限公司 | 一种基于双目相机的三维重建方法及装置 |
| CN111612731A (zh) * | 2020-04-01 | 2020-09-01 | 中国科学院上海微系统与信息技术研究所 | 基于双目显微视觉的测量方法、装置、系统及介质 |
| WO2021147548A1 (zh) * | 2020-01-20 | 2021-07-29 | 深圳市普渡科技有限公司 | 小障碍物的三维重建方法、检测方法及系统、机器人及介质 |
| CN114943755A (zh) * | 2022-07-25 | 2022-08-26 | 四川省产品质量监督检验检测院 | 一种基于双目结构光三维重建相位图像的处理方法 |
| EP4083917A1 (en) * | 2020-01-20 | 2022-11-02 | Shenzhen Pudu Technology Co., Ltd. | Depth image processing method, small obstacle detection method and system, robot, and medium |
| CN115330684A (zh) * | 2022-07-13 | 2022-11-11 | 河海大学 | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 |
| CN115359193A (zh) * | 2022-10-19 | 2022-11-18 | 南京航空航天大学 | 一种基于双目鱼眼相机的快速半稠密三维重建方法 |
-
2022
- 2022-12-06 CN CN202211578024.6A patent/CN115880448B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767442A (zh) * | 2017-10-16 | 2018-03-06 | 浙江工业大学 | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 |
| CN110349251A (zh) * | 2019-06-28 | 2019-10-18 | 深圳数位传媒科技有限公司 | 一种基于双目相机的三维重建方法及装置 |
| WO2021147548A1 (zh) * | 2020-01-20 | 2021-07-29 | 深圳市普渡科技有限公司 | 小障碍物的三维重建方法、检测方法及系统、机器人及介质 |
| EP4083917A1 (en) * | 2020-01-20 | 2022-11-02 | Shenzhen Pudu Technology Co., Ltd. | Depth image processing method, small obstacle detection method and system, robot, and medium |
| CN111612731A (zh) * | 2020-04-01 | 2020-09-01 | 中国科学院上海微系统与信息技术研究所 | 基于双目显微视觉的测量方法、装置、系统及介质 |
| CN115330684A (zh) * | 2022-07-13 | 2022-11-11 | 河海大学 | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 |
| CN114943755A (zh) * | 2022-07-25 | 2022-08-26 | 四川省产品质量监督检验检测院 | 一种基于双目结构光三维重建相位图像的处理方法 |
| CN115359193A (zh) * | 2022-10-19 | 2022-11-18 | 南京航空航天大学 | 一种基于双目鱼眼相机的快速半稠密三维重建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《基于立体视觉的仿月面环境特征点测量技术的研究》;裴欣;《中国优秀硕士学位论文全文库》;20210601;C031-860 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115880448A (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
| WO2018119889A1 (zh) | 三维场景定位方法和装置 | |
| JP6057298B2 (ja) | 迅速な３ｄモデリング | |
| CN109520500A (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
| US20190096092A1 (en) | Method and device for calibration | |
| CN107657656B (zh) | 同名点匹配及三维重建方法、系统和光度立体摄像终端 | |
| CN109035327B (zh) | 基于深度学习的全景相机姿态估计方法 | |
| CN115526924B (zh) | 一种蒙特卡洛模拟的水文环境建模方法及系统 | |
| CN112862966B (zh) | 地表三维模型构建方法、装置、设备及存储介质 | |
| CN112270719A (zh) | 相机标定方法、装置及系统 | |
| CN115880448B (zh) | 基于双目成像的三维测量方法及装置 | |
| CN105737849A (zh) | 隧道车用激光扫描仪与相机相对位置的检校方法 | |
| CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
| CN117197388A (zh) | 一种基于生成对抗神经网络和倾斜摄影的实景三维虚拟现实场景构建方法及系统 | |
| CN109712197B (zh) | 一种机场跑道网格化标定方法及系统 | |
| CN115620264B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
| CN113177975B (zh) | 基于球幕相机及激光雷达的深度计算方法及三维建模方法 | |
| CN113628284B (zh) | 位姿标定数据集生成方法、装置、系统、电子设备及介质 | |
| CN117252914A (zh) | 深度估计网络的训练方法、装置、电子设备及存储介质 | |
| CN111861873B (zh) | 仿真图像的生成方法和装置 | |
| CN113744361A (zh) | 一种基于三目视觉的三维高精地图构建方法及装置 | |
| CN113920269A (zh) | 工程进度获取方法、装置、电子设备及介质 | |
| CN110619677B (zh) | 三维流场内粒子重构方法及装置、电子设备及存储介质 | |
| CN113870365B (zh) | 相机标定方法、装置、设备以及存储介质 | |
| CN116233392B (zh) | 虚拟拍摄系统的校准方法、装置、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240416 Address after: 710000, Room 502, Unit 2, Building 24, Gaoke Garden, Gaoxin Fourth Road, Gaoxin District, Xi'an City, Shaanxi Province Applicant after: Xi'an University of technology Tiancheng Technology Co.,Ltd. Country or region after: China Address before: Room 504, Building 6, Lingyun Residential District, Shuangyu Street, Lucheng District, Wenzhou City, Zhejiang Province, 325000 Applicant before: Wenzhou Lucheng Jiahan Network Technology Service Studio Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |