CN116295097B - 一种具有材质普适性的三维数据集采集评估方法及装置 - Google Patents
一种具有材质普适性的三维数据集采集评估方法及装置 Download PDFInfo
- Publication number
- CN116295097B CN116295097B CN202310113910.XA CN202310113910A CN116295097B CN 116295097 B CN116295097 B CN 116295097B CN 202310113910 A CN202310113910 A CN 202310113910A CN 116295097 B CN116295097 B CN 116295097B
- Authority
- CN
- China
- Prior art keywords
- contour
- reconstruction
- precision
- dimensional
- coordinate system
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 239000000463 material Substances 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 230000019771 cognition Effects 0.000 claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- DMSMPAJRVJJAGA-UHFFFAOYSA-N benzo[d]isothiazol-3-one Chemical compound C1=CC=C2C(=O)NSC2=C1 DMSMPAJRVJJAGA-UHFFFAOYSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000005477 standard model Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种具有材质普适性的三维数据集采集评估方法，属于三维测量技术领域。其中，三维数据集采集评估方法：获取待测物体初始图像信息；根据部分待测物体初始图像信息进行粗认知得到物体的低精度三维重建轮廓；根据低精度三维重建轮廓迭代重建得到测量精度达到要求的三维重建轮廓；获取测量精度达到要求的三维重建轮廓的数据信息；将待测物体的数据信息与待测物体初始图像信息比较，根据比较结果确定重建精度评估结果。本发明创新地提出基于标准球亚像素轮廓的高精度、强鲁棒性的转台标定方法，提高对物体进行三维重建的效率，降低了重建算法的时空复杂度，实现了不依赖物体标准模型对三维重建的结果进行高精度评价。
Description
技术领域
本发明属于三维测量技术领域，尤其是一种具有材质普适性的三维数据集采集评估方法及装置。
背景技术
基于视觉三维数据集采集方式可以分为两类：主动视觉和被动视觉。主动视觉方法主要有：激光扫描法、结构光法、阴影法、Kinect技术等，上述主动视觉方法此无法对于高透高反材料物体进行测量。被动视觉方法可以分为单目、双目和多目三维重建。双目和多目的重建方法在测量高透高反材料物体时，由于其表面不具备稳定可靠的纹理特征导致方法失效。单目三维重建方法通过单张图像恢复待测件表面的三维轮廓，但重建过程完全依赖于所建立的系统模型，模型的可靠性与真实性直接影响重建精度，高透高反材料物体表面的明暗度信息不可靠。深度学习法通过现有数据对网络进行训练，以获取较好的拟合函数以实现更高精度的三维重建。在完成网络训练后，这种方法的重建速度快、精度高，但是训练过程需要大量数据和完善的数据集，此外其训练周期较长，此外目前存在的数据集中数据材料多为朗伯体，种类不完备，对其余材料物体重建时精度和完整性无法保证。
发明内容
发明目的：提供一种具有材质普适性的三维数据集采集评估方法及装置，以解决现有技术存在的上述问题。
本公开实施例的第一方面提供了一种具有材质普适性的三维数据集采集评估方法，包括：
S1、获取待测物体初始图像信息；
S2、根据部分待测物体初始图像信息进行粗认知得到物体的低精度三维重建轮廓；
S3、根据低精度三维重建轮廓迭代重建得到测量精度达到要求的三维重建轮廓；
S4、获取测量精度达到要求的三维重建轮廓的数据信息；
S5、将三维重建轮廓的数据信息与待测物体初始图像信息比较，根据比较结果，确定重建精度评估结果。
优选的，根据部分待测物体初始图像信息进行粗认知得到物体的低精度三维重建轮廓包括：
S2-1、根据待测物体初始图像信息得到待测物体基于标准转台的物体轮廓；
S2-2、将部分待测物体初始图像信息对应的所述物体轮廓逆投影到相机坐标系下确定物体轮廓的交空间；S2-3、利用物体轮廓的交空间确定最小的可以包围物体轮廓的交空间的均匀圆柱空间，作并将均匀圆柱空间定义为物体解空间；
S2-4、根据物体解空间得到物体的低精度三维重建轮廓。
优选的，根据低精度三维重建轮廓迭代重建得到测量精度达到要求的三维重建轮廓包括：
S3-1、将低精度三维重建轮廓在三维空间体素下均匀采样得到均匀的物体表面；
S3-2、根据均匀的物体表面间隔的为新间隔，在均匀的物体表面点按照正方体的生长方式增加26个点作为物体高精度解空间；
S3-3、根据物体高精度解空间得到物体的高精度三维重建轮廓；
S3-4、重复步骤S3-1至S3-3，直到三维重建轮廓的精度达到测量精度要求；
S3-5、生成测量精度达到要求的三维重建轮廓。
优选的，根据物体解空间得到物体的低精度三维重建轮廓包括：
将物体解空间投影至物体三维图像得到投影结果；
将投影结果中待测物体轮廓外的区域去除得到待测物体低精度三维重建结果；
利用alpha-shape算法对低精度三维重建结果表面进行提取得到物体低精度三维重建轮廓。
优选的，标准转台的标定包括：
利用标准球进行标定处理得到转台在相机坐标系下的准确位姿；
根据转台在相机坐标系下的准确位姿确定标准转台。
优选的，利用标准球进行标定处理得到转台在相机坐标系下的准确位姿包括：
将标准球放置于转台上转动一周，采集每6度为间隔不同角度下的标准球图像；
对采集到的标准球图像进行噪声抑制；
将进行噪声抑制后的标准球图像进行图像初步处理以去除背景区域得到剩余区域；
获取剩余区域内轮廓点的法矢方向；
通过沿剩余区域内轮廓点的法矢方向和法矢方向的反方向找出剩余区域内轮廓点对应的亚像素级轮廓点；
获取亚像素级轮廓度对应的图像；
通过相机成像模型反求出图像对应的标准球球心在相机坐标系下的坐标；
根据所有角度下的标准球球心的相机坐标系坐标，得到转台转轴在相机坐标系下的位姿；
将标准球放置于转台上的多个不同位置获取不同位置下转台转轴在相机坐标系下的位姿；
对所有转台转轴在相机坐标系下位姿进行分析，找出转台在相机坐标系下的准确位姿。
优选的，通过相机成像模型反求出图像对应的标准球球心在相机坐标系下的坐标的计算公式如下：
其中，(u，v)是图像像素坐标系坐标光心位置，ZC是相机坐标系下物体的Z轴坐标，相机焦距f，(u，v)是图像像素坐标系坐标光心位置u0，v0，dX，dY都是相机内部参数，R为旋转矩阵，t为平移矩阵，(XW，YW，ZW)是摄像机坐标系坐标。
优选的，将待测物体三维数据与待测物体初始图像信息比较，根据比较结果，确定重建精度评估结果，包括：
通过相机小孔成像模型将重建结果投影至待测物体初始图像中；
获取成像模型在图像中的重建投影点集；
获取距离图像轮廓点距离最近的重建投影点，并找出该重建投影点在相机坐标系下的坐标；
获取重建投影点和图像轮廓点对应点间的像素距离；
根据像素距离和重建投影点在相机坐标系下的坐标计算得到重建结果与理论结果之间的重建误差值；
根据重建误差值得到重建精度评价结果。
优选的，根据像素距离和重建投影点在相机坐标系下的坐标计算得到重建结果与理论结果之间的重建误差值的计算式如下：
其中f为相机焦距，SN为图片中轮廓点的总数，dx，dy分别为x，y方向的相机像源尺寸，E为重建误差值，Di为第i个投影点的像素距离，Zi是第i个投影点在空间中的深度值。
本公开实施例的另一方面提供了一种具有材质普适性的三维数据集采集评估方法的采集装置，包括：
后置光源、前置光源，用于辅助待测物体成像；
相机，用接收待测物体的成像；
转台，用于放置待测物体；
所述后置光源和相机设置在待测物体的两侧，所述前置光源设置在相机的同侧。
有益效果：
1、本方案提出了一种分步重建方案：先通过少量图片对物体进行认知，然后基于迭代式的重建方式逐步提高重建精度，大大提高了对物体进行三维重建的效率，降低了重建算法的时空复杂度。
2、本方案提出一种基于重投影偏差的重建精度评价方式，通过计算重建结果重投影至图片中的像素坐标和图片中物体轮廓的像素坐标，结合重建结果在相机坐标系下的坐标，实现了不依赖物体标准模型的前提下对三维重建的结果进行高精度评价。
3、本方案提出了一种具有材质普适性的三维数据采集方法，通过在传统轮廓法重建的基础上，创新地提出了基于标准球亚像素轮廓的高精度、强鲁棒性的转台标定方法。
附图说明
图1是本发明一种具有材质普适性的三维数据集采集评估方法的流程图。
图2是本发明一种具有材质普适性的三维数据集采集评估装置的结构示意图。
图3是本发明实施例中一种可选的三维重建过程的结构示意图。
图4是本发明实施例中一种可选的标准转台标定示意图。
图5是本发明的重建精度评价示意图。
附图标记为：1、后置光源；2、前置光源；3、相机；4、转台；5、待测物体。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
本发明的实施例1提供了一种具有材质普适性的三维数据集采集评估方法，如图1所示，三维数据集采集方法具体包括：
S1、获取待测物体初始图像信息；
S2、根据部分待测物体初始图像信息进行粗认知得到物体的低精度三维重建轮廓；
S3、根据低精度三维重建轮廓迭代重建得到测量精度达到要求的三维重建轮廓；
S4、获取测量精度达到要求的三维重建轮廓的数据信息；
S5、将三维重建轮廓的数据信息与待测物体初始图像信息比较，根据比较结果，确定重建精度评估结果。
步骤S2具体包括：
S2-1、根据待测物体初始图像信息得到待测物体基于标准转台的物体轮廓；
S2-2、将部分待测物体初始图像信息对应的所述物体轮廓逆投影到相机坐标系下确定物体轮廓的交空间；
S2-3、利用物体轮廓的交空间确定最小的可以包围物体轮廓的交空间的均匀圆柱空间，作并将均匀圆柱空间定义为物体解空间；
S2-4、根据物体解空间得到物体的低精度三维重建轮廓。
步骤S2-4具体包括：
S2-4-1：将物体解空间投影至物体三维图像得到投影结果；
S2-4-2：将投影结果中待测物体轮廓外的区域去除得到待测物体低精度三维重建结果；
S2-4-3：利用alpha-shape算法对低精度三维重建结果表面进行提取得到物体低精度三维重建轮廓。
步骤S3具体包括：
S3-1、将低精度三维重建轮廓在三维空间体素下均匀采样得到均匀的物体表面；
S3-2、根据均匀的物体表面间隔的为新间隔，在均匀的物体表面点按照正方体的生长方式增加26个点作为物体高精度解空间；
S3-3、根据物体高精度解空间得到物体的高精度三维重建轮廓；
S3-4、重复步骤S3-1至S3-3，直到三维重建轮廓的精度达到测量精度要求；
S3-5、生成测量精度达到要求的三维重建轮廓。
如图3所示，重建过程中的认知过程和迭代式三维重建过程，先通过部分视角下的图片对物体进行一个粗略的认知，完成后构建柱状解空间。之后通过所有视角下的图片对解空间中的非物体点云进行去除，再对去除后的实体点云提取出其表面作为粗认知的结果。之后，在粗认知的结果下进行迭代式重建，该过程通过将现有表面以现有间隔的为新间隔按照正方体的方式不断的向外扩张，再对扩张后的点云进行去除和表面提取，重复上述过程最终到达最高的重建精度，完成物体的三维重建。
在本发明的实施例1中，标准转台的标定包括：
利用标准球进行标定处理得到转台在相机坐标系下的准确位姿；
根据转台在相机坐标系下的准确位姿确定标准转台。
如图4所示，在本发明实施例中，利用标准球进行标定处理得到转台在相机坐标系下的准确位姿包括：
将标准球放置于转台上转动一周，采集每6度为间隔不同角度下的标准球图像；
先通过相机标定的结果对图片中的畸变进行矫正，之后使用高斯滤波核对图片进行卷积滤波，对采集到的标准球图像进行噪声抑制；
将进行噪声抑制后的标准球图像进行图像初步处理以去除背景区域得到剩余区域；
获取剩余区域内轮廓点的法矢方向；
通过沿剩余区域内轮廓点的法矢方向和法矢方向的反方向找出剩余区域内轮廓点对应的亚像素级轮廓点；
获取亚像素级轮廓度对应的图像；
通过相机成像模型反求出图像对应的标准球球心在相机坐标系下的坐标；
根据所有角度下的标准球球心的相机坐标系坐标，得到转台转轴在相机坐标系下的位姿；
将标准球放置于转台上的多个不同位置获取不同位置下转台转轴在相机坐标系下的位姿；
对所有转台转轴在相机坐标系下位姿进行分析，找出转台在相机坐标系下的准确位姿。
在本发明的实施例1中，转台转轴在相机坐标系下位姿分析过程由位置点和位姿点表示，以位置点为起点，位置点指向姿态点的向量为方向的空间向量即为一个转台转轴。将所有的位置点放在一起，进行最小二乘拟合找出，拟合后直线上的任一点即为转轴最优位置点。将所有位置点指向姿态点的向量的起点移动至坐标原点，找出和所有移动后向量间空间夹角和最小的方向作为转轴最优方向，以最优点为起点，最优方向为方向的转台转轴即为转台的准确位姿。本发明在传统轮廓法重建的基础上，创新地提出了基于标准球亚像素轮廓的高精度、强鲁棒性的转台标定方法。
在本发明的实施例1中，通过相机成像模型反求出图像对应的标准球球心在相机坐标系下的坐标的计算公式如下：
其中，(u，v)是图像像素坐标系坐标光心位置，ZC是相机坐标系下物体的Z轴坐标，相机焦距f，(u，v)是图像像素坐标系坐标光心位置u0，v0，dX，dY都是相机内部参数，R为旋转矩阵，t为平移矩阵，(XW，YW，ZW)是摄像机坐标系坐标。
如图5所示，本发明提出的不依赖物体模型的重建精度评价方法，通过将重建结果投影到图片中，计算其和图片中物体轮廓间的像素距离，结合该点对应点云上该点的相机坐标系坐标，计算出其与真值间的误差值，误差值的均值即为重建误差。
步骤S5模型的重建精度评价具体包括：
S5-1：通过相机小孔成像模型将重建结果投影至待测物体初始图像中；
S5-2：获取成像模型在图像中的重建投影点集；
S5-3：获取距离图像轮廓点距离最近的重建投影点，并找出该重建投影点在相机坐标系下的坐标；
S5-4：获取重建投影点和图像轮廓点对应点间的像素距离；
S5-5：根据像素距离和重建投影点在相机坐标系下的坐标计算得到重建结果与理论结果之间的重建误差值；
S5-6：根据重建误差值得到重建精度评价结果。
本发明的实施例1通过计算重建结果重投影至图片中的像素坐标和图片中物体轮廓的像素坐标，结合重建结果在相机坐标系下的坐标，实现了不依赖物体标准模型的前提下对三维重建的结果进行高精度评价。
在本发明的实施例1中，根据像素距离和重建投影点在相机坐标系下的坐标计算得到重建结果与理论结果之间的重建误差值的计算式如下：
其中f为相机焦距，SN为图片中轮廓点的总数，dx，dy分别为x，y方向的相机像源尺寸，E为重建误差值，Di为第i个投影点的像素距离，Zi是第i个投影点在空间中的深度值。
本发明的实施例2提供了一种具有材质普适性的三维数据集采集评估装置，图2示出了本发明一种具有材质普适性的三维数据集采集评估装置的结构示意图，采集装备包括：
后置光源1、前置光源2，用于辅助待测物体5成像；
相机3，用接收待测物体5的成像；
转台4，用于放置待测物体5；
在本发明的实施例2中，后置光源1和相机3设置在待测物体5的两侧，所述前置光源2设置在相机3的同侧。前置光源2为两条均匀线光源，相对相机3呈上下分布，这种分布方式可以通过极低的成本保证成像光场的均匀性，使相机3获取到质量更高、纹理更清晰的图片。后置光源1为一块均匀发光的面光源，固定在待测物体5放置区域后和相机3靶面保持平行来保证成像光场的均匀性。前置光源2做为自然光源，其照射下获取的多视角图片均称为自然图片。后置光源1作为测量光源，后置光源照射下获取的图片称为测量图片，采集待测物体5在不同视角下的测量图片后，通过获取多个已知视角下的物体图片中的轮廓对待测物体5进行三维重建，通过转台4转动带动待测物体5转动的方式来获取物体的多视角图片。
以上结合附图详细描述了发明的优选实施方式，但是，发明并不限于上述实施方式中的具体细节，在发明的技术构思范围内，可以对发明的技术方案进行多种等同变换，这些等同变换均属于发明的保护范围。
Claims (9)
1.一种具有材质普适性的三维数据集采集评估方法，其特征在于，包括：
S1、获取待测物体初始图像信息；
S2、根据部分待测物体初始图像信息进行粗认知得到物体的低精度三维重建轮廓；
S2-1、根据待测物体初始图像信息得到待测物体基于标准转台的物体轮廓；
S2-2、将部分待测物体初始图像信息对应的所述物体轮廓逆投影到相机坐标系下确定物体轮廓的交空间；
S2-3、利用物体轮廓的交空间确定最小的可以包围物体轮廓的交空间的均匀圆柱空间，并将均匀圆柱空间定义为物体解空间；
S2-4、根据物体解空间得到物体的低精度三维重建轮廓；
S3、根据低精度三维重建轮廓迭代重建得到测量精度达到要求的三维重建轮廓；
S4、获取测量精度达到要求的三维重建轮廓的数据信息；
S5、将三维重建轮廓的数据信息与待测物体初始图像信息比较，根据比较结果，确定重建精度评估结果。
2.根据权利要求1所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述根据低精度三维重建轮廓迭代重建得到测量精度达到要求的三维重建轮廓包括：
S3-1、将低精度三维重建轮廓在三维空间体素下均匀采样得到均匀的物体表面；
S3-2、根据均匀的物体表面间隔的为新间隔，在均匀的物体表面点按照正方体的
生长方式增加26个点作为物体高精度解空间；
S3-3、根据物体高精度解空间得到物体的高精度三维重建轮廓；
S3-4、重复步骤S3-1至S3-3，直到三维重建轮廓的精度达到测量精度要求；
S3-5、生成测量精度达到要求的三维重建轮廓。
3.根据权利要求1所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述根据物体解空间得到物体的低精度三维重建轮廓包括：
将物体解空间投影至物体三维图像得到投影结果；
将投影结果中待测物体轮廓外的区域去除得到待测物体低精度三维重建结果；
利用alpha-shape算法对低精度三维重建结果表面进行提取得到物体低精度三维重建轮廓。
4.根据权利要求1所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述标准转台的标定包括：
利用标准球进行标定处理得到转台在相机坐标系下的准确位姿；
根据转台在相机坐标系下的准确位姿确定标准转台。
5.根据权利要求4所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述利用标准球进行标定处理得到转台在相机坐标系下的准确位姿包括：
将标准球放置于转台上转动一周，采集每6度为间隔不同角度下的标准球图像；
对采集到的标准球图像进行噪声抑制；
将进行噪声抑制后的标准球图像进行图像初步处理以去除背景区域得到剩余区域；
获取剩余区域内轮廓点的法矢方向；
通过沿剩余区域内轮廓点的法矢方向和法矢方向的反方向找出剩余区域内轮廓点对应的亚像素级轮廓点；
获取亚像素级轮廓度对应的图像；
通过相机成像模型反求出图像对应的标准球球心在相机坐标系下的坐标；
根据所有角度下的标准球球心的相机坐标系坐标，得到转台转轴在相机坐标系下的位姿；
将标准球放置于转台上的多个不同位置获取不同位置下转台转轴在相机坐标系下的位姿；
对所有转台转轴在相机坐标系下位姿进行分析，找出转台在相机坐标系下的准确位姿。
6.根据权利要求5所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述通过相机成像模型反求出图像对应的标准球球心在相机坐标系下的坐标的计算公式如下：
其中，(u，v)是图像像素坐标系坐标光心位置，ZC是相机坐标系下物体的Z轴坐标，相机焦距f，v0、dX、dY都是相机内部参数，R为旋转矩阵，t为平移矩阵，（Xw，Yw，Zw）是摄像机坐标系坐标。
7.根据权利要求1所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述将三维重建轮廓的数据信息与待测物体初始图像信息比较，根据比较结果，确定重建精度评估结果，包括：
通过相机小孔成像模型将重建结果投影至待测物体初始图像中；
获取成像模型在图像中的重建投影点集；
获取距离图像轮廓点距离最近的重建投影点，并找出该重建投影点在相机坐标系下的坐标；
获取重建投影点和图像轮廓点对应点间的像素距离；
根据像素距离和重建投影点在相机坐标系下的坐标计算得到重建结果与理论结果之间的重建误差值；
根据重建误差值得到重建精度评价结果。
8.根据权利要求6所述的一种具有材质普适性的三维数据集采集评估方法，其特征在于，所述根据像素距离和重建投影点在相机坐标系下的坐标计算得到重建结果与理论结果之间的重建误差值的计算式如下：
其中ƒ为相机焦距，SN为图片中轮廓点的总数，dx，dy分别为x，y方向的相机像源尺寸，E为重建误差值，Di为第i个投影点的像素距离，Zi是第i个投影点在空间中的深度值。
9.一种实现权利要求1-8中任一项权利要求所述的一种具有材质普适性的三维数据集采集评估方法的采集装置，其特征在于，包括：
后置光源（1）、前置光源（2），用于辅助待测物体（5）成像；
相机（3），用接收待测物体（5）的成像；
转台（4），用于放置待测物体（5）；
所述后置光源（1）和相机（3）设置在待测物体（5）的两侧，所述前置光源（2）设置在相机（3）的同侧。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310113910.XA CN116295097B (zh) | 2023-02-15 | 2023-02-15 | 一种具有材质普适性的三维数据集采集评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310113910.XA CN116295097B (zh) | 2023-02-15 | 2023-02-15 | 一种具有材质普适性的三维数据集采集评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116295097A CN116295097A (zh) | 2023-06-23 |
| CN116295097B true CN116295097B (zh) | 2024-01-09 |
Family
ID=86812302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310113910.XA Active CN116295097B (zh) | 2023-02-15 | 2023-02-15 | 一种具有材质普适性的三维数据集采集评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116295097B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000499A (zh) * | 2006-12-18 | 2007-07-18 | 浙江大学 | 基于多传感器集成测量的仿形加工方法及系统 |
| CN102034267A (zh) * | 2010-11-30 | 2011-04-27 | 中国科学院自动化研究所 | 基于关注度的目标物三维重建方法 |
| CN106871815A (zh) * | 2017-01-20 | 2017-06-20 | 南昌航空大学 | 一种Kinect与条纹反射法结合的类镜面三维面形测量方法 |
| CN108492329A (zh) * | 2018-03-19 | 2018-09-04 | 北京航空航天大学 | 一种三维重建点云精度和完整度评价方法 |
| CN113256698A (zh) * | 2021-06-09 | 2021-08-13 | 中国人民解放军国防科技大学 | 一种具有深度预测的单目3d重建方法 |
| CN113870432A (zh) * | 2021-09-08 | 2021-12-31 | 中国人民解放军海军航空大学 | 一种基于总线的非合作舰船目标全自动三维重建系统 |
| CN115063469A (zh) * | 2022-06-27 | 2022-09-16 | 南京理工大学 | 基于多帧散斑的时空立体匹配方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009023896B4 (de) * | 2009-06-04 | 2015-06-18 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Erfassen einer Pflanze |
-
2023
- 2023-02-15 CN CN202310113910.XA patent/CN116295097B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000499A (zh) * | 2006-12-18 | 2007-07-18 | 浙江大学 | 基于多传感器集成测量的仿形加工方法及系统 |
| CN102034267A (zh) * | 2010-11-30 | 2011-04-27 | 中国科学院自动化研究所 | 基于关注度的目标物三维重建方法 |
| CN106871815A (zh) * | 2017-01-20 | 2017-06-20 | 南昌航空大学 | 一种Kinect与条纹反射法结合的类镜面三维面形测量方法 |
| CN108492329A (zh) * | 2018-03-19 | 2018-09-04 | 北京航空航天大学 | 一种三维重建点云精度和完整度评价方法 |
| CN113256698A (zh) * | 2021-06-09 | 2021-08-13 | 中国人民解放军国防科技大学 | 一种具有深度预测的单目3d重建方法 |
| CN113870432A (zh) * | 2021-09-08 | 2021-12-31 | 中国人民解放军海军航空大学 | 一种基于总线的非合作舰船目标全自动三维重建系统 |
| CN115063469A (zh) * | 2022-06-27 | 2022-09-16 | 南京理工大学 | 基于多帧散斑的时空立体匹配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116295097A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
| CN109410256B (zh) | 基于互信息的点云与影像自动高精度配准方法 | |
| Zhang et al. | A novel calibration approach to structured light 3D vision inspection | |
| Xu et al. | Line structured light calibration method and centerline extraction: A review | |
| Furukawa et al. | Accurate camera calibration from multi-view stereo and bundle adjustment | |
| Laurentini | How far 3D shapes can be understood from 2D silhouettes | |
| CN106408556B (zh) | 一种基于一般成像模型的微小物体测量系统标定方法 | |
| CN109272574B (zh) | 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法 | |
| 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 | |
| CN109443209A (zh) | 一种基于单应性矩阵的线结构光系统标定方法 | |
| CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
| CN106971408A (zh) | 一种基于时空转换思想的摄像机标定方法 | |
| CN113744351A (zh) | 基于多介质折射成像的水下结构光测量标定方法及系统 | |
| CN106500625A (zh) | 一种远心立体视觉测量装置及其应用于物体三维形貌微米级精度测量的方法 | |
| CN111080711A (zh) | 基于放大率的近似平行状态下显微成像系统的标定方法 | |
| CN115082446B (zh) | 一种基于图像边界提取的飞机蒙皮铆钉的测量方法 | |
| CN109506629B (zh) | 一种水下核燃料组件检测装置旋转中心标定的方法 | |
| CN108335332A (zh) | 一种基于双目视觉的轴类零件中轴线测量方法 | |
| Wei et al. | Optimization of 3-D pose measurement method based on binocular vision | |
| CN109360267B (zh) | 一种薄物体快速三维重建方法 | |
| CN111028280A (zh) | 井字结构光相机系统及进行目标有尺度三维重建的方法 | |
| Xiong et al. | Automatic three-dimensional reconstruction based on four-view stereo vision using checkerboard pattern | |
| CN116295097B (zh) | 一种具有材质普适性的三维数据集采集评估方法及装置 | |
| Huang et al. | Line laser based researches on a three-dimensional measuring system | |
| CN111612071B (zh) | 一种从曲面零件阴影图生成深度图的深度学习方法 |
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 |