CN116310126B - 基于合作目标的飞机进气道三维重建方法及系统 - Google Patents
基于合作目标的飞机进气道三维重建方法及系统 Download PDFInfo
- Publication number
- CN116310126B CN116310126B CN202310297216.8A CN202310297216A CN116310126B CN 116310126 B CN116310126 B CN 116310126B CN 202310297216 A CN202310297216 A CN 202310297216A CN 116310126 B CN116310126 B CN 116310126B
- Authority
- CN
- China
- Prior art keywords
- target
- pose
- point cloud
- scanning
- cooperative
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000011218 segmentation Effects 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000009616 inductively coupled plasma Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/40—Analysis of texture
-
- 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
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明涉及一种基于合作目标的飞机进气道三维重建方法及系统。其包括:提供一待三维重建的飞机进气道,并在所述飞机进气道内配置用于获取三维重建数据的点云数据扫描配准装置,利用扫描设备扫描获取飞机进气道内预设区域内壁的点云数据,其中,在每次利用扫描设备获取一区域内壁的点云数据时,同时利用配准位置解算装置解算当前扫描获取点云数据时的相对位姿,基于所解算的相对位姿确定配准位姿并利用所确定的配准位姿对当前扫描获取的点云数据配准,以在配准后生成当前区域内壁的点云配准数据;基于所有区域内壁的点云配准数据,对所提供的飞机进气道进行三维重建。本发明能有效实现对飞机进气道的三维重建,提高三维重建时的可靠性。
Description
技术邻域
本发明涉及一种三维重建方法及系统,尤其是一种基于合作目标的飞机进气道三维重建方法及系统。
背景技术
进气道是飞机进气口与发动机进口之间的管道,作为飞机动力系统的前端,主要用于为发动机提供特定流量的空气。在飞机飞行时,进气道通过对高速气流的减速增压,实现气流动能到压力能的转变,其减速增压对提高飞机飞行性能,有重要作用。
作为飞机的重要部件之一,飞机进气道结构上的差异会对发动机的工作效率、推力大小、飞机飞行性能等产生影响,如亚音速进气道的进口前缘呈钝圆状态、内部通道多为扩散形,拥有构造简单、重量轻、以及巡航状态下效率高的优点,但当工作在超音速时,则会增大能量损失。超音速进气道可实现在马赫数变化范围较宽情况下的高效减速增压,利用多个较弱的斜激波实现超音速气流的减速,致使其结构更加复杂,一般可分为外压式、内压式、混合式三种。
此外,飞机进气道内壁上细小的结构误差,如凸起、凹陷、尺寸差错等,也会对飞机的飞行性能产生影响,严重时甚至会对飞机的飞行安全产生威胁。因此,为保证飞机的飞行性能和飞行安全,在进气道安装前,需对其进行检测,消除安全隐患。
利用基于视觉的三维重建方法,对飞机进气道的管道内壁进行检测,是当前的主流方法,可分为主动视觉法和被动视觉法,前者由发射器和接收器组成,通过接收到的反射信号计算目标三维点云信息;后者仅由相机组成,通过图像的明暗度、纹理、轮廓、特征点等,恢复目标的三维点云结构。但由于传感器视野的局限性,上述方法均需结合点云拼接技术,以实现完整的三维重建工作。
现有点云配准方法主要有三种:基于位姿传感器的点云配准、基于图像特征匹配的点云配准、基于ICP等算法的点云配准;其中,基于位姿传感器的点云配准,主要通过高精度的机械移动台、IMU、倾斜传感器等计算点云配准位姿,实现完整三维重建;基于图像特征匹配的点云配准,主要通过对目标全景视频中的连续帧进行特征匹配,然后通过运动恢复结构算法,计算配准位姿,实现三维重建。基于ICP等配准算法的点云配准,主要通过点云数据之间的三维特征,计算不同点云之间的配准位姿,实现三维重建。
三维重建技术已广泛应用于逆向工程、自动驾驶、虚拟现实等多个邻域,但现有方法仍存在以下不足:基于位姿传感器的方法受硬件限制较大,重建精度和范围有限;基于图像特征匹配的方法,依赖于管道表面的纹理特征,使用场景有限;基于ICP等点云配准算法的方法,对目标表面的三维特征以及位姿初值存在依赖,且易陷入局部最优。
飞机进气道的内壁表面光滑、颜色单一,缺少足够的纹理以及三维特征,是一种特殊的重建目标,这些特点使得现有三维重建方法无法有效实现其三维重建。因此,对飞机进气道,实现不依赖任何特征和位姿传感器的三维重建方法,是十分有必要的。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种基于合作目标的飞机进气道三维重建方法及系统,其能有效实现对飞机进气道的三维重建,提高三维重建时的可靠性。
按照本发明提供的技术方案,一种基于合作目标的飞机进气道三维重建方法,所述飞机进气道三维重建方法包括:
提供一待三维重建的飞机进气道,并在所述飞机进气道内配置用于获取三维重建数据的点云数据扫描配准装置,其中,
点云数据扫描配准装置包括用于扫描获取点云数据的扫描设备以及用于解算配准位姿的配准位姿解算装置,配准位置解算装置包括配置于扫描设备上的合作目标以及用于获取所述合作目标图像信息的单目视觉,基于单目视觉所获取的合作目标图像信息解算得到单目视觉与合作目标之间的相对位姿;
利用扫描设备扫描获取飞机进气道内预设区域内壁的点云数据,其中,在每次利用扫描设备获取一区域内壁的点云数据时,同时利用配准位置解算装置解算当前扫描获取点云数据时的相对位姿,基于所解算的相对位姿确定配准位姿并利用所确定的配准位姿对当前扫描获取的点云数据配准,以在配准后生成当前区域内壁的点云配准数据;
基于所有区域内壁的点云配准数据,对所提供的飞机进气道进行三维重建。
在飞机进气道内,将单目视觉置于一位姿解算初始位置,其中,
当扫描设备在单目视觉位于位姿解算初始位置的相机景深范围内时,解算得到单目视觉与合作目标之间的初始位置目标相对位姿;
当扫描设备在单目视觉位于位姿解算初始位置的相机景深范围外时,配置单目视觉向扫描设备所在的位置靠近,以使得扫描设备位于单目视觉的相机景深范围内,且将单目视觉当前所在的位置配置为位姿解算基本位置;
单目视觉处于位姿解算基本位置后,解算得到单目视觉与合作目标之间的基本位置目标相对位姿,以及,单目视觉在位姿解算初始位置与位姿解算基本位置的基本位置相机相对位姿;
基于基本位置相机相对位姿以及基本位置相机相对位姿,生成合作目标相对于单目视觉在位置解算初始位置的视觉目标搭桥相对位姿,对视觉目标搭桥相对位姿,则有:其中,TC为基本位置相机相对位姿,TB1为视觉目标搭桥相对位姿,/>为基本位置目标相对位姿的转置;
扫描设备扫描获取一区域内壁的点云数据时,将初始位置目标相对位姿或视觉目标搭桥相对位姿作为配准位姿对当前扫描获取的点云数据配准,以生成当前区域内壁的点云配准数据。
对点云配准数据,则有:
P={Ti*TA*Pi,i∈[1,n]}
其中,P为点云配准数据,TA为合作目标与扫描设备之间的相对位姿,Pi为第i个预设区域内壁扫描获取的点云数据,Ti为第i个预设区域内壁扫描数据的配准位姿,n为预设区域的数量。
对合作目标,包括一四边形的框架以及在所述框架内呈阵列分布的标识格,其中,
在框架的一端角的标识格内设置合作目标非特征圆,其余的标识格内均设置一合作目标特征圆,合作目标非特征圆的圆心、合作目标特征圆的圆心均位于所在标识格的中心;
单目视觉获取合作目标的图像后,基于合作目标非特征圆对所述合作目标内的合作目标特征圆进行排序。
解算单目视觉与合作目标之间的相对位姿时,包括:
获取合作目标的目标图像;
对目标图像进行预处理,以提取确定所有合作目标特征圆的圆心在目标图像中的像素坐标,以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标;
基于提取确定所有合作目标特征圆的圆心的像素坐标,以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标,利用PnP算法解算得到单目视觉与合作目标之间的相对位姿。
对目标图像预处理时,包括图像阈值分割、轮廓提取过滤以及嵌套识别处理,其中,
对目标图像进行图像阈值分割时,将所述目标图像分割形成二值化图像;
对分割形成的二值化图像进行轮廓提取过滤,以提取得到二值化图像中的框架轮廓以及标识格轮廓;
对上述提取的框架轮廓以及标识格轮廓进行嵌套识别处理,以确定合作目标的框架轮廓、标识格在框架轮廓内的位置,以及,合作目标非特征圆、合作目标特征圆在标识格内的分布。
对目标图像进行图像阈值分割时,包括:
对目标图像进行降采样,并记录所述降采样尺寸;
对降采样后的目标图像进行局部阈值分割,其中,局部阈值分割的阈值为预设邻域内极大像素值与极小像素值的中值;
基于所记录的降采样尺寸,将局部阈值分割后的图像恢复到目标图像的尺寸,以形成二值化图像。
对扫描设备,包括一发射器以及一与所述发射器适配的接收器,其中,
发射器,用于发射散斑或线阵激光,以利用所发射的散斑或线阵激光增强飞机进气道内壁表面的纹理;
接收器,包括红外相机。
还包括用于驱动单目视觉运动的单目相机移动驱动器以及用于驱动扫描设备运动的扫描设备移动驱动器,其中,
在扫描设备在扫描设备移动驱动器上,所述扫描设备移动驱动器驱动扫描设备运动,所述扫描设备的运动包括旋转或平移;
当扫描设备位于单目视觉的相机景深范围内时,单目相机移动驱动器与单目视觉保持静止;
当扫描设备跟随扫描设备移动驱动器位于单目视觉的相机景深范围外时,单目相机移动驱动器向扫描设备靠近,以使得扫描设备位于单目视觉的相机景深范围内。
一种基于合作目标的飞机进气道三维重建系统,包括用于三维重建的三维重建处理装置,其中,
对任一飞机进气道,三维重建处理装置利用上述的重建方法进行三维重建。
本发明的优点:利用扫描设备对飞机进气道预设区域内壁进行点云数据的扫描获取,利用单目视觉与合作目标配合解算得到相对位姿,利用相对位姿可作为配准位姿对点云数据配准;
扫描设备扫描获取点云数据位于单目视觉的相机景深范围外时,采用搭桥式位姿配准对点云数据配准,可确保始终能对合作目标进行识别定位,满足配准位姿的解算,避免配准位姿的解算精度下降,实现对飞机进气道内壁全局的三维重建。
基于单目视觉与合作目标的点云数据配准,可以实现飞机进气道场景中的正确点云配准,不依赖于飞机进气道自身的任何特征,也不会陷入局部最优,不受单目视觉的相机景深范围限制。
合作目标采用四边形框架以及若干标识格的形式,合作目标拥有很强的识别鲁棒性,同时,针对合作目标进行位姿解算,可以提高位姿解算的精度。
附图说明
图1为本发明的一种实施例流程图。
图2为本发明扫描设备在飞机进气道内的一种实施例示意图。
图3为本发明扫描设备在单目视觉位于位姿解算初始位置的相机景深范围内的一种实施例示意图。
图4为本发明扫描设备在单目视觉位于位姿解算初始位置的相机景深范围外的一种实施例示意图。
图5为本发明搭桥式点云配准的一种实施例示意图。
图6为本发明利用单目相机移动驱动器、扫描设备移动驱动器进行扫描时的一种实施例示意图。
图7为本发明合作目标的一种实施例示意图。
附图标记说明:1-飞机进气道、2-发射器、3-接收器、4-单目视觉、5-扫描设备、6-合作目标、7-单目相机移动驱动器、8-扫描设备移动驱动器以及9-相机景深范围。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
为了能有效实现对飞机进气道的三维重建,提高三维重建时的可靠性,对基于合作目标的飞机进气道三维重建方法,本发明的一种实施例中,所述飞机进气道三维重建方法包括:
提供一待三维重建的飞机进气道1,并在所述飞机进气道1内配置用于获取三维重建数据的点云数据扫描配准装置,其中,
点云数据扫描配准装置包括用于扫描获取点云数据的扫描设备5以及用于解算配准位姿的配准位姿解算装置,配准位置解算装置包括配置于扫描设备上的合作目标6以及用于获取所述合作目标6图像信息的单目视觉4,基于单目视觉4所获取的合作目标图像信息解算得到单目视觉4与合作目标6之间的相对位姿;
利用扫描设备5扫描获取飞机进气道1内预设区域内壁的点云数据,其中,在每次利用扫描设备5获取一区域内壁的点云数据时,同时利用配准位置解算装置解算当前扫描获取点云数据时的相对位姿,基于所解算的相对位姿确定配准位姿并利用所确定的配准位姿对当前扫描获取的点云数据配准,以在配准后生成当前区域内壁的点云配准数据;
基于所有区域内壁的点云配准数据,对所提供的飞机进气道1进行三维重建。
对飞机进气道1进行三维重建时,图1中示出了三维重建的一种实施例流程图,具体地,首先提供待三维重建的飞机进气道1,飞机进气道1可为现有常用的形式;对提供的飞机进气道1,利用点云数据扫描配准装置获取三维重建所需的数据,其中,点云数据扫描配准装置包括扫描设备5以及配准位姿解算装置,扫描设备5用于扫描获取飞机进气道1内壁的点云数据,利用配准位姿解算装置解算相应的配准位姿。
由于飞机进气道1内壁的表面光滑平整、颜色单一,扫描设备5扫描获取飞机进气道1内壁的点云数据时,可采用现有常用的形式,如可采用主动视觉法方式扫描获取点云数据,图2中示出了基于主动视觉法的扫描设备5在飞机进气道1的实施例。具体地,对扫描设备5,包括一发射器2以及一与所述发射器2适配的接收器3,其中,
发射器2,用于发射散斑或线阵激光,以利用所发射的散斑或线阵激光增强飞机进气道1内壁表面的纹理;
接收器3,包括红外相机。
具体实施时,发射器2可采用现有常用的形式,以能满足发射散斑或线阵激光为准,发射器2所发射的散斑或线阵激光照射在飞机进气道1的内壁上,即可增强飞机进气道1内壁表面的纹理。接收器3一般可包括红外相机,当然,也可以为其他形式,具体以能与发射器2适配且能满足对点云数据的扫描获取为准。利用扫描设备5扫描获取飞机进气道1内壁点云数据的方式以及过程均可与现有相一致,具体以能获取所需的点云数据为准。
由于扫描设备5的视角有限,在三维重建时,无法仅通过一次扫描,得到飞机进气道1内壁完整的三维点云数据。因此,需对飞机进气道1内壁的表面进行多次三维点云扫描,此时,可根据飞机进气道1以及扫描设备5的特性,预先设置相应的扫描区域,也即需设定扫描设备5对飞机进气道1内壁扫描的预设区域,飞机进气道1内的预设区域可根据实际需要选择,以能满足对飞机进气道1三维重建时所需的三维点云数据为准。
利用扫描设备5扫描获取预设区域内壁的点云数据时,需要利用配准位姿解算装置解算得到相对位姿,并基于所述相对位姿配置配准位姿,以对点云数据进行配准。对点云数据配准,具体目的解算每个预设区域内壁点云数据的配准位姿,使其以准确的姿态配准为一个整体。为解决现有配准的限制,为实现飞机进气道1内壁点云数据的准确配准,本发明的一种实施例中,基于合作目标6与单目视觉4,计算每个预设区域内壁点云数据的配准位姿,从而实现飞机进气道1内壁点云数据的准确配准,如图3所示。
本发明的一种实施例中,对点云配准数据,则有:
P={Ti*TA*Pi,i∈[1,n]}
其中,P为点云配准数据,TA为合作目标6与扫描设备5之间的相对位姿,Pi为第i个预设区域内壁扫描获取的点云数据,Ti为第i个预设区域内壁扫描数据的配准位姿,n为预设区域的数量。
对第i个预设区域内壁扫描获取的点云数据Pi,一般可由:
其中,三维向量pk为第i个预设区域中的第k个空间点,xk、yk、zk为空间点pk在空间坐标系中的坐标值,而hi为第i个预设区域内壁点云数据的点云规模,即空间点的数量。具体实施时,利用扫描设备5扫描获取点云数据Pi的具体一般与扫描设备5的类型以及预设区域的情况确定。对空间点pk在空间坐标系中的坐标值,具体是指扫描设备5在扫描点云数据时,以扫描设备5自身的坐标系为基准,计算每个空间点pk的坐标值。
由上述点云配准数据可知,在进行点云数据配准时,还需要确定合作目标6与扫描设备5之间的相对位姿TA。利用扫描设备5对任一预设区域的内壁进行点云数据扫描获取时,均需要解算单目视觉4与合作目标6之间的相对位姿,并基于所述所解算的相对位姿确定当前预设区域的配准位姿,从而可以基于每个预设区域的配准位姿对所述预设区域的点云数据配准。
具体实施时,对合作目标6与扫描设备5之间的相对位姿TA,可采用现有常用的方法标定得到,如利用棋盘格标定板和单目相机,通过模拟机器人手眼标定模型方法,对合作目标6与扫描设备5之间的相对位姿进行标定,具体标定得到相对位姿TA的方式以及过程可根据实际需要选择,具体以能得到相对位姿TA为准。
对每个预设区域的内壁均进行上述点云数据的扫描获取,以及基于配准位姿的配置,即可生成所有预设区域的点云配准数据。利用所有的点云配准数据,基于现有常用的技术手段,即可实现对飞机进气道1的三维重建,基于点云配准数据进行三维重建的具体技术手段可根据需要选择,以能满足对飞机进气道1三维重建的需求为准。
具体实施时,单目视觉4一般可采用现有常用的单目相机,单目视觉4一般需在飞机进气道1的一位置,单目视觉4在飞机进气道1内固定的位置一般以能清晰地对扫描设备5上的合作目标6进行拍摄,有效获取合作目标6的图像信息为准。对单目视觉4与合作目标6之间的相对位姿,一般可通过现有PnP(Perspective-n-Point)位姿解算方法结算得到。
在扫描设备5上设置合作目标6后,为了满足对合作目标6识别的鲁棒性以及相对位姿解算的精度,本发明的一种实施例中,对合作目标6,包括一四边形的框架以及在所述框架内呈阵列分布的标识格,其中,
在框架的一端角的标识格内设置合作目标非特征圆,其余的标识格内均设置一合作目标特征圆,合作目标非特征圆的圆心、合作目标特征圆的圆心均位于所在标识格的中心;
单目视觉4获取合作目标6的图像后,基于合作目标非特征圆对所述合作目标内的合作目标特征圆进行排序。
图7中示出了合作目标6的一种实施例,图中,框架呈矩形状,在框架内设置四行五列的标识格,每个标识格均为正方形。图7中,在左上角的标识格内设置合作目标非特征圆,其余的标识格内设置合作目标特征圆,具体地,合作目标非特征圆为实心的圆形,合作目标特征圆为空心的圆形,也即呈同心的圆环状,合作目标特征圆的圆心即为同心圆的圆心,将同心圆的圆心作为特征点,当然,合作目标非特征圆、合作目标特征圆还可以采用其他的排布形式,具体以能满足合作目标6的需求为准。因此,图7中合作目标特征圆的数量为19个。当然,在具体实施时,框架还可以采用其他形式,合作目标特征圆的数量还可以为其他的数量,以能满足需求为准。
为保证合作目标6的识别鲁棒性,首先,合作目标6需在定位识别上拥有高准确度,合作目标6的定位是位姿解算的基础,直接决定了后续位姿解算等步骤是否有效。但在普通环境中,合作目标6所处的背景会有多种不同颜色、形状、甚至与合作目标6极其类似的物体,对合作目标6的定位造成干扰。因此,设计合作目标6时,应避免使用具有一般性的特征,对合作目标6进行标记,如单一颜色、单一形状等,而应使合作目标6拥有与背景环境明显区分的特征,尽可能减少定位错误导致的位姿解算误差。
本发明的一种实施例中,利用嵌套型轮廓对合作目标6进行设计,并同时以四边形为轮廓形状的约束,构建合作目标6识别定位的双重约束条件,以此实现合作目标6的准确识别定位。从人的感知出发不难发现,一般的实验环境背景中,虽常有存在嵌套关系的物体轮廓,也常有轮廓形状为四边形的物体,但是,少有物体可以同时满足其轮廓既有多层嵌套关系、且其形状又为标准四边形的苛刻条件。因此,利用这两种约束条件设计形成的合作目标6,可以使其区别于一般的实验环境背景。
此外,轮廓形状的约束有多种多样,如圆形轮廓、三角形轮廓、四边形轮廓等,虽然一般的环境物体也可能具有这些形状的轮廓,但通常不够标准,且难以满足上述提到的嵌套层级约束。同时,考虑到本发明合作目标6特征点选择的是同心圆圆心,特征点在后续提取过程中需进行准确提取与匹配,且其数量需足够多才可保证位姿解算结果的精度。
由上述说明,本发明的合作目标6使用双层嵌套的四边形轮廓,其中,内层的每一个标识格里均包含一个同心圆,使得整个合作目标6的轮廓层级实际上有四级。像这样拥有四层嵌套轮廓,且其外两层轮廓的形状为四边形的物体在一般自然环境中极其稀少,以此作为合作目标6的识别定位特征,可以保证合作目标6识别定位的鲁棒性。
其次,为保证合作目标6的位姿解算高精度,合作目标6上的特征点,需可提出高精度像素坐标;所述特征点的作用是提供位姿解算时的匹配点,即空间中合作目标坐标系下的3D点,以及其在相机成像平面上对应的2D投影点。其中,空间3D点可提前通过合作目标6制备和测量得到,而投影的2D点则需通过现有常用的视觉算法进行提取得到。因此,对设计合作目标6的特征点时,需考虑该特征点在图像上是否能提取出高精度的像素坐标,以保证位姿解算精度。
现有相机标定板多为棋盘格、圆形标定板、同心圆标定板三种。相机标定是一个利用标定板及相关标定算法对相机的内参、外参进行计算的过程,在这个过程中,标定板的作用与合作目标6非常类似。不同在于,标定板对特征点的精度要求更高。现有常用标定板有棋盘格标定板和圆形标定板。其中,棋盘格角点的精度较低。原因在于,棋盘格上提取的点是四个相邻的黑、白矩形的顶点,将这些角点的邻域放大后不难发现,由于灰度图像像素点上的值为0到255的离散值,在拍摄棋盘格时,黑、白像素之间会存在宽度为多个像素的过渡带。而提取得到的角点位置,是在过渡带上通过拟合得到的。因此,棋盘格角点的提取精度直接取决于过渡带的宽度。
相比之下,圆形标定板提取的圆心特征点,其精度较高。虽然圆的边缘在成像时也存在过渡带,但是圆心的位置并不通过边缘直接获得,而是通过斑点检测或轮廓拟合等算法间接得到。因此,过渡带对圆心提取的影响,相比棋盘格角点而言要小。
此外,由于单圆圆心的位置仅由一个圆对其进行约束,而同心圆或多圆同心圆的圆心位置由两个或两个以上的圆轮廓进行约束,因此,相比之下,同心圆的圆心提取精度要高于单圆,且同心圆层数越多,圆心提取的精度将越高。不仅如此,在求解时若利用迭代法求解,其精度也比直接拟合要高。
上述说明中,在Ankur Datta等学者的研究中得到了证实,他们通过实验证明,在这些标定板中,棋盘格角点的提取精度是最低的,同时,利用迭代法求解的同心圆圆心的精度最高。因此,本发明的一种实施例中,将合作目标6的特征点选择为同心圆的圆心,可保证提取的精度。
本发明的一种实施例中,解算单目视觉4与合作目标6之间的相对位姿时,包括:
获取合作目标6的目标图像;
对目标图像进行预处理,以提取确定所有合作目标特征圆的圆心在目标图像中的像素坐标,以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标;
基于提取确定所有合作目标特征圆的圆心的像素坐标,以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标,利用PnP算法解算得到单目视觉4与合作目标6之间的相对位姿。
由上述说明可知,利用单目视觉4获取合作目标6的目标图像后,可采用本技术领域常用的技术手段确定有合作目标特征圆的圆心的像素坐标以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标,进而可采用PnP算法解算得到单目视觉4与合作目标6之间的相对位姿。
本发明的一种实施例中,对目标图像预处理时,包括图像阈值分割、轮廓提取过滤以及嵌套识别处理,其中,
对目标图像进行图像阈值分割时,将所述目标图像分割形成二值化图像;
对分割形成的二值化图像进行轮廓提取过滤,以提取得到二值化图像中的框架轮廓以及标识格轮廓;
对上述提取的框架轮廓以及标识格轮廓进行嵌套识别处理,以确定合作目标的框架轮廓、标识格在框架轮廓内的位置,以及,合作目标非特征圆、合作目标特征圆在标识格内的分布。
具体地,对目标图像进行图像阈值分割时,包括:
对目标图像进行降采样,并记录所述降采样尺寸;
对降采样后的目标图像进行局部阈值分割,其中,局部阈值分割的阈值为预设邻域内极大像素值与极小像素值的中值;
基于所记录的降采样尺寸,将局部阈值分割后的图像恢复到目标图像的尺寸,以形成二值化图像。
具体实施时时,预设的邻域,一般可为3×3的邻域,邻域内的极大像素值、极小像素值的确定方式可与现有相一致,极大像素值、极小像素值确定后即可确定分割阈值。在确定分割阈值后,在邻域内,若像素值小于分割阈值,则二值化为0,否则,二值化为255。此外,降采样的方式、降采样的尺寸以及恢复目标图像尺寸的方式均可采用现有常用的技术手段,具体以能满足对目标图像进行阈值分割为准。
对分割形成的二值化图像进行轮廓提取过滤时,具体地:利用合作目标6的四边形轮廓约束,对二值化图像中的每个连通域轮廓进行四边形拟合,滤除拟合结果中的非四边形轮廓区域,降低无关区域的干扰。
拟合时,将四边形轮廓的像素点按顺时针进行排序,并以邻近点围成的窗口不断拟合线段,同时确定拟合结果中的误差峰值(即为均方误差中的最大峰值),即可检测出轮廓的角点,从而实现轮廓形状的判断。在检测出的结果中,将形状并非四边形的轮廓滤除,即可得到图中的所有四边形轮廓。
对图7中的合作目标6,框架为一个四边形的黑色连通域,内部包含二十个四边形的白色连通域。通过轮廓提取时,可得到合作目标6的四边形轮廓,在得到四边形轮廓后,本发明的一种实施例中,通过一阶矩确定轮廓间嵌套关系,从而判断合作目标6位置。
通过一阶矩确定轮廓间的嵌套关系时,则有:设平面中有两个四边形连通域ABCD和A'B'C'D',为确定二者之间是否存在嵌套关系,在面积较小的连通域A'B'C'D'内随机选择一点W,并利用下式进行判断:
其中,|AB×AW|表示AB与AW“×”运算后的向量,其他均相同。当变量a、b、c、d同号时,则点W在四边形ABCD内部,反之则不在。若连通域A'B'C'D'内的点W,同时位于连通域ABCD的内部,则可确定连通域A'B'C'D'嵌套于连通域ABCD内部。具体地,上述向量运算所依赖的坐标系可根据需要建立,只要满足所建立的坐标系位于合作目标6的图像内即可。
根据这个规律,即可确定图7中四边形连通域的嵌套关系,并得到包含二十个白色四边形连通域的黑色四边形连通域的位置,即合作目标6的位置。由于本发明合作目标6的特殊性,在飞机进气道1内的环境中不会存在与其类似的物体。因此,经过上述步骤,可以确定单目视觉4所拍摄图像中合作目标6位置,实现对合作目标6的识别定位。
本发明的一种实施例中,在飞机进气道1内,将单目视觉4置于一位姿解算初始位置,其中,
当扫描设备5在单目视觉4位于位姿解算初始位置的相机景深范围内时,解算得到单目视觉4与合作目标6之间的初始位置目标相对位姿;
当扫描设备5在单目视觉4位于位姿解算初始位置的相机景深范围外时,配置单目视觉4向扫描设备5所在的位置靠近,以使得扫描设备5位于单目视觉4的相机景深范围内,且将单目视觉4当前所在的位置配置为位姿解算基本位置;
单目视觉4处于位姿解算基本位置后,解算得到单目视觉4与合作目标6之间的基本位置目标相对位姿,以及,单目视觉4在位姿解算初始位置与位姿解算基本位置的基本位置相机相对位姿;
基于基本位置相机相对位姿以及基本位置相机相对位姿,生成合作目标6相对于单目视觉4在位置解算初始位置的视觉目标搭桥相对位姿,对视觉目标搭桥相对位姿,则有:其中,TC为基本位置相机相对位姿,TB1为视觉目标搭桥相对位姿,/>为基本位置目标相对位姿的转置;
扫描设备5扫描获取一区域内壁的点云数据时,将初始位置目标相对位姿或视觉目标搭桥相对位姿作为配准位姿对当前扫描获取的点云数据配准,以生成当前区域内壁的点云配准数据。
图3中,为单目视觉4以及扫码设备5同时位于一飞机进气道1的实施例,扫描设备5位于单目视觉4所采用单目相机的相机景深范围内,基于PnP方法可结算得到单目视觉4与合作目标6之间的相对位姿,如图3中的TB即为解算得到单目视觉4与合作目标6之间的相对位姿。
由上述说明可知,在飞机进气道1内一般有n个预设区域,但对于单目视觉4,所采用的单目相机会有相机景深的限制,当扫描设备5与单目视觉4之间的距离在相机景深范围9之外时,如图4所示,会导致单目视觉4所拍摄到合作目标6的图像模糊,致使对合作目标6的识别定位失败,从而无法解算点云数据的配准位姿,或使解算得到配准位姿的精度大幅降低。最终,导致对飞机进气道1中的配准范围受到限制,使基于合作目标6与单目视觉4的点云数据配准方式,仅可实现飞机进气道1内壁的局部三维重建和点云配准。
若移动单目视觉4所采用单目相机的位置,来使扫描设备5始终位于相机景深范围9内,又会导致单目相机移动前、后得到的两个配准结果,分别属于两个不同的坐标系,如图5中的B1与B2两个不同的相机坐标系。
本发明的一种实施例中,在飞机进气道1内,将单目视觉4首次固定的位置定义为位姿解算初始位置,单目视觉4在位姿解算初始位置时,扫描设备5进行预设区域的点云数据扫描获取时,扫描设备5位于单目视觉4的相机景深范围9内,此时,解算得到单目视觉4与合作目标6之间的初始位置目标相对位姿,具体解算得到初始位置目标相对位姿的方式可参考上述说明。
由上述说明可知,当扫描设备5在单目视觉4位于位姿解算初始位置的相机景深范围9外时,为了满足获取单目视觉4与合作目标6之间相对位姿的解算,本发明的一种实施例中,配置单目视觉4向扫描设备5所在的位置靠近,以使得扫描设备5位于单目视觉4的相机景深范围9内,也即单目视觉4向扫描设备5靠近后的位置可根据需要选择,具体以能满足扫描设备5位于单目视觉4的相机景深范围9内为准。对一确定的单目视觉4,所采用相机的相机景深范围9可采用本技术领域常用的技术手段确定得到,因此,根据扫描设备5的位置,可确定单目视觉4靠近扫描设备5后的具体位置。
将单目视觉4靠近扫描设备5,一般仍需将单目视觉4固定在飞机进气道1内,此时,单目视觉4所在的位置可定义为位姿解算基本位置。单目视觉4位于位姿解算基本位置后,可利用上述提到的技术手段解算单目视觉4与合作目标6之间的相对位姿,此时,所解算的相对位姿定义为:基本位置目标相对位姿。此外,根据单目视觉4在位姿解算初始位置与位姿解算基本位置,可采用上述提到的位姿解算方式,解算得到单目视觉4位置变化前后的相对位姿,即可得到基本位置相机相对位姿。
此时,合作目标6与位于位姿解算初始位置单目视觉4间的相对位姿可由基本位置相机相对位姿、基本位置目标相对位姿计算得到,也即可由计算得到视觉目标搭桥相对位姿TB1,此时,即形成搭桥式点云配准。此外,当单目视觉4沿相同方向进行多次移动时,可采用上述搭桥式点云配准方式进行配置,也即可计算得到相应的视觉目标搭桥相对位姿TB1。
由上述说明可知,对点云数据配准时,可根据单目视觉4与扫描设备5之间的位置关系确定,如单目视觉4保持在位姿解算初始位置,则配准位姿即为上述提到的初始位置目标相对位姿TB。当单目视觉4跟随扫描设备5发生了移动,则配准位姿即为视觉目标搭桥相对位姿TB1。在确定配准位姿后,即可确定上述配置位姿Ti的取值,此时,可确保始终能对合作目标6进行识别定位,满足配准位姿的解算,避免配准位姿的解算精度下降,实现对飞机进气道1内壁全局的三维重建。
本发明的一种实施例中,还包括用于驱动单目视觉4运动的单目相机移动驱动器7以及用于驱动扫描设备5运动的扫描设备移动驱动器8,其中,
在扫描设备5在扫描设备移动驱动器8上,所述扫描设备移动驱动器8驱动扫描设备5运动,所述扫描设备5的运动包括旋转或平移;
当扫描设备5位于单目视觉4的相机景深范围内时,单目相机移动驱动器7与单目视觉4保持静止;
当扫描设备5跟随扫描设备移动驱动器8位于单目视觉4的相机景深范围外时,单目相机移动驱动器7向扫描设备5靠近,以使得扫描设备5位于单目视觉4的相机景深范围内。
图6中示出了单目视觉4在单目相机移动驱动器7上且扫描设备5在扫描设备移动驱动器8上的一种实施例,单目相机移动驱动器7、扫描设备移动驱动器8一般可采用现有常用的机器人。扫描设备5在扫描设备移动驱动器8上的运动,具体以能满足对飞机进气道1预设区域内壁的点云数据的扫描获取为准,一般地,运动包括旋转或平移。
由上述说明可知,当扫描设备5位于单目视觉4的相机景深范围9外后,需要通过单目相机移动驱动器7带动单目视觉4靠近扫描设备5。靠近后,即可采用上述提到的方式计算得到视觉目标搭桥相对位姿TB1,然后将视觉目标搭桥相对位姿TB1作为配准位姿,具体可参考上说。
单目相机移动驱动器7、扫描设备移动驱动器8具体地移动驱动过程,具体以能满足上述工作过程,也即能满足对飞机进气道1内点云数据的扫描获取以及位姿配准为准,具体移动驱动形式等可根据需要选择,此处不再赘述。
综上,可得到基于合作目标的飞机进气道1三维重建系统,本发明的一种实施例中,包括用于三维重建的三维重建处理装置,其中,
对任一飞机进气道1,三维重建处理装置利用上述的重建方法进行三维重建。
具体地,三维重建处理装置一般需包括单目视觉4、扫描设备5、合作目标6以及实现三维重建的三维重建数据处理器,三维重建数据处理器一般可采用计算机等设备,三维重建数据处理器可根据实际需要选择,以能满足与单目视觉4以及扫描设备5配合对飞机进气道1进行三维重建为准,具体对飞机进气道1的三维重建方式以及过程可参考上述说明,此处不再赘述。
Claims (10)
1.一种基于合作目标的飞机进气道三维重建方法,其特征是,所述飞机进气道三维重建方法包括:
提供一待三维重建的飞机进气道,并在所述飞机进气道内配置用于获取三维重建数据的点云数据扫描配准装置,其中,
点云数据扫描配准装置包括用于扫描获取点云数据的扫描设备以及用于解算配准位姿的配准位姿解算装置,配准位置解算装置包括配置于扫描设备上的合作目标以及用于获取所述合作目标图像信息的单目视觉,基于单目视觉所获取的合作目标图像信息解算得到单目视觉与合作目标之间的相对位姿;
利用扫描设备扫描获取飞机进气道内预设区域内壁的点云数据,其中,在每次利用扫描设备获取一区域内壁的点云数据时,同时利用配准位置解算装置解算当前扫描获取点云数据时的相对位姿,基于所解算的相对位姿确定配准位姿并利用所确定的配准位姿对当前扫描获取的点云数据配准,以在配准后生成当前区域内壁的点云配准数据;
基于所有区域内壁的点云配准数据,对所提供的飞机进气道进行三维重建。
2.根据权利要求1所述基于合作目标的飞机进气道三维重建方法,其特征是,在飞机进气道内,将单目视觉置于一位姿解算初始位置,其中,
当扫描设备在单目视觉位于位姿解算初始位置的相机景深范围内时,解算得到单目视觉与合作目标之间的初始位置目标相对位姿;
当扫描设备在单目视觉位于位姿解算初始位置的相机景深范围外时,配置单目视觉向扫描设备所在的位置靠近,以使得扫描设备位于单目视觉的相机景深范围内,且将单目视觉当前所在的位置配置为位姿解算基本位置;
单目视觉处于位姿解算基本位置后,解算得到单目视觉与合作目标之间的基本位置目标相对位姿,以及,单目视觉在位姿解算初始位置与位姿解算基本位置的基本位置相机相对位姿;
基于基本位置相机相对位姿以及基本位置相机相对位姿,生成合作目标相对于单目视觉在位置解算初始位置的视觉目标搭桥相对位姿,对视觉目标搭桥相对位姿,则有:其中,TC为基本位置相机相对位姿,TB1为视觉目标搭桥相对位姿,/>为基本位置目标相对位姿的转置;
扫描设备扫描获取一区域内壁的点云数据时,将初始位置目标相对位姿或视觉目标搭桥相对位姿作为配准位姿对当前扫描获取的点云数据配准,以生成当前区域内壁的点云配准数据。
3.根据权利要求1或2所述基于合作目标的飞机进气道三维重建方法,其特征是,对点云配准数据,则有:
P={Ti*TA*Pi,i∈[1,n]}
其中,P为点云配准数据,TA为合作目标与扫描设备之间的相对位姿,Pi为第i个预设区域内壁扫描获取的点云数据,Ti为第i个预设区域内壁扫描数据的配准位姿,n为预设区域的数量。
4.根据权利要求1或2所述基于合作目标的飞机进气道三维重建方法,其特征是,对合作目标,包括一四边形的框架以及在所述框架内呈阵列分布的标识格,其中,
在框架的一端角的标识格内设置合作目标非特征圆,其余的标识格内均设置一合作目标特征圆,合作目标非特征圆的圆心、合作目标特征圆的圆心均位于所在标识格的中心;
单目视觉获取合作目标的图像后,基于合作目标非特征圆对所述合作目标内的合作目标特征圆进行排序。
5.根据权利要求4所述基于合作目标的飞机进气道三维重建方法,其特征是,解算单目视觉与合作目标之间的相对位姿时,包括:
获取合作目标的目标图像;
对目标图像进行预处理,以提取确定所有合作目标特征圆的圆心在目标图像中的像素坐标,以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标;
基于提取确定所有合作目标特征圆的圆心的像素坐标,以及所有合作目标特征圆圆心在合作目标坐标系下的三维坐标,利用PnP算法解算得到单目视觉与合作目标之间的相对位姿。
6.根据权利要求5所述基于合作目标的飞机进气道三维重建方法,其特征是,对目标图像预处理时,包括图像阈值分割、轮廓提取过滤以及嵌套识别处理,其中,
对目标图像进行图像阈值分割时,将所述目标图像分割形成二值化图像;
对分割形成的二值化图像进行轮廓提取过滤,以提取得到二值化图像中的框架轮廓以及标识格轮廓;
对上述提取的框架轮廓以及标识格轮廓进行嵌套识别处理,以确定合作目标的框架轮廓、标识格在框架轮廓内的位置,以及,合作目标非特征圆、合作目标特征圆在标识格内的分布。
7.根据权利要求6所述基于合作目标的飞机进气道三维重建方法,其特征是,对目标图像进行图像阈值分割时,包括:
对目标图像进行降采样,并记录所述降采样尺寸;
对降采样后的目标图像进行局部阈值分割,其中,局部阈值分割的阈值为预设邻域内极大像素值与极小像素值的中值;
基于所记录的降采样尺寸,将局部阈值分割后的图像恢复到目标图像的尺寸,以形成二值化图像。
8.根据权利要求6所述基于合作目标的飞机进气道三维重建方法,其特征是,对扫描设备,包括一发射器以及一与所述发射器适配的接收器,其中,
发射器,用于发射散斑或线阵激光,以利用所发射的散斑或线阵激光增强飞机进气道内壁表面的纹理;
接收器,包括红外相机。
9.根据权利要求2所述基于合作目标的飞机进气道三维重建方法,其特征是,还包括用于驱动单目视觉运动的单目相机移动驱动器以及用于驱动扫描设备运动的扫描设备移动驱动器,其中,
在扫描设备在扫描设备移动驱动器上,所述扫描设备移动驱动器驱动扫描设备运动,所述扫描设备的运动包括旋转或平移;
当扫描设备位于单目视觉的相机景深范围内时,单目相机移动驱动器与单目视觉保持静止;
当扫描设备跟随扫描设备移动驱动器位于单目视觉的相机景深范围外时,单目相机移动驱动器向扫描设备靠近,以使得扫描设备位于单目视觉的相机景深范围内。
10.一种基于合作目标的飞机进气道三维重建系统,其特征是,包括用于三维重建的三维重建处理装置,其中,
对任一飞机进气道,三维重建处理装置利用上述权利要求1~权利要求9中任一项的重建方法进行三维重建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310297216.8A CN116310126B (zh) | 2023-03-23 | 2023-03-23 | 基于合作目标的飞机进气道三维重建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310297216.8A CN116310126B (zh) | 2023-03-23 | 2023-03-23 | 基于合作目标的飞机进气道三维重建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116310126A CN116310126A (zh) | 2023-06-23 |
CN116310126B true CN116310126B (zh) | 2023-11-03 |
Family
ID=86814793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310297216.8A Active CN116310126B (zh) | 2023-03-23 | 2023-03-23 | 基于合作目标的飞机进气道三维重建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116310126B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991705A (zh) * | 2017-04-06 | 2017-07-28 | 南京航空航天大学 | 一种基于p3p算法的位置参数估计方法 |
CN107742295A (zh) * | 2016-12-14 | 2018-02-27 | 中国科学院沈阳自动化研究所 | 一种基于视觉的立方星对接重构方法 |
CN110379000A (zh) * | 2019-06-24 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 检测飞机进气道的方法、装置、存储介质以及电子设备 |
CN110796728A (zh) * | 2019-09-20 | 2020-02-14 | 南京航空航天大学 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
CN110849331A (zh) * | 2019-11-04 | 2020-02-28 | 上海航天控制技术研究所 | 基于三维点云数据库模型的单目视觉测量与地面试验方法 |
CN113295171A (zh) * | 2021-05-19 | 2021-08-24 | 北京航空航天大学 | 一种基于单目视觉的旋转刚体航天器姿态估计方法 |
CN114080625A (zh) * | 2020-06-19 | 2022-02-22 | 深圳市大疆创新科技有限公司 | 绝对位姿确定方法、电子设备及可移动平台 |
CN114419109A (zh) * | 2022-03-29 | 2022-04-29 | 中航金城无人系统有限公司 | 一种基于视觉和气压信息融合的飞行器定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210404814A1 (en) * | 2020-06-30 | 2021-12-30 | Lyft, Inc. | Map Generation Using Two Sources of Sensor Data |
-
2023
- 2023-03-23 CN CN202310297216.8A patent/CN116310126B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742295A (zh) * | 2016-12-14 | 2018-02-27 | 中国科学院沈阳自动化研究所 | 一种基于视觉的立方星对接重构方法 |
CN106991705A (zh) * | 2017-04-06 | 2017-07-28 | 南京航空航天大学 | 一种基于p3p算法的位置参数估计方法 |
CN110379000A (zh) * | 2019-06-24 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 检测飞机进气道的方法、装置、存储介质以及电子设备 |
CN110796728A (zh) * | 2019-09-20 | 2020-02-14 | 南京航空航天大学 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
CN110849331A (zh) * | 2019-11-04 | 2020-02-28 | 上海航天控制技术研究所 | 基于三维点云数据库模型的单目视觉测量与地面试验方法 |
CN114080625A (zh) * | 2020-06-19 | 2022-02-22 | 深圳市大疆创新科技有限公司 | 绝对位姿确定方法、电子设备及可移动平台 |
CN113295171A (zh) * | 2021-05-19 | 2021-08-24 | 北京航空航天大学 | 一种基于单目视觉的旋转刚体航天器姿态估计方法 |
CN114419109A (zh) * | 2022-03-29 | 2022-04-29 | 中航金城无人系统有限公司 | 一种基于视觉和气压信息融合的飞行器定位方法 |
Non-Patent Citations (5)
Title |
---|
A Comparison of Point Cloud Registration Techniques for On-site Disaster Data from the Surfside Structural Collapse;Ananya Bal 等;《2022 IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR)》;全文 * |
A Real-time Interactive 3D Ultrasound Imaging System;Yifei Lv 等;《Proceedings of the 4th WRC Symposium on Advanced Robotics and Automation 2022》;全文 * |
Thermal Balancing of Liquid-Cooled 3D-MPSoCs Using Channel Modulation;Mohamed M. Sabry 等;《2012 Design, Automation & Test in Europe Conference & Exhibition (DATE)》;全文 * |
扫描成像激光雷达稀疏点云数据姿态估计算法研究;冯田;《中国优秀硕士毕业论文集》;全文 * |
航空发动机叶盘装配的机器人三 维测量方法研究;吴昊天;《中国博士优秀毕业论文集》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116310126A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111090103A (zh) | 水下小目标动态精细检测三维成像装置及方法 | |
França et al. | A 3D scanning system based on laser triangulation and variable field of view | |
CN102938142A (zh) | 基于Kinect的室内LiDAR缺失数据填补方法 | |
Pandey et al. | Visually bootstrapped generalized ICP | |
CN111046776A (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
CN114419130A (zh) | 一种基于图像特征和三维点云技术的散料体积测量方法 | |
CN113011388B (zh) | 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 | |
Liang et al. | Automatic registration of terrestrial laser scanning data using precisely located artificial planar targets | |
CN110998241A (zh) | 用于校准可移动对象的光学系统的系统和方法 | |
CN114299160A (zh) | 基于视觉与激光雷达融合的受电弓运行状态动态检测方法 | |
CN111062992B (zh) | 一种双视角线激光扫描三维成像装置及方法 | |
Kim et al. | High-precision underwater 3d mapping using imaging sonar for navigation of autonomous underwater vehicle | |
US20220092345A1 (en) | Detecting displacements and/or defects in a point cloud using cluster-based cloud-to-cloud comparison | |
CN112308900B (zh) | 一种基于led圆环检测的四旋翼无人机相对位姿估计方法 | |
CN116310126B (zh) | 基于合作目标的飞机进气道三维重建方法及系统 | |
Higuchi et al. | 3D measurement of large structure by multiple cameras and a ring laser | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
Xiao et al. | A new three-dimensional laser scanner design and its performance analysis | |
Hongsheng et al. | Three-dimensional reconstruction of complex spatial surface based on line structured light | |
Dupont et al. | An improved calibration technique for coupled single-row telemeter and ccd camera | |
sheng Liu et al. | Design of intelligent recognition and positioning algorithm for stairs based on depth camera | |
CN112630469B (zh) | 一种基于结构光和多光场相机的三维检测方法 | |
CN110310371B (zh) | 一种基于车载单目聚焦序列图像构建对象三维轮廓的方法 | |
Cui et al. | Floor segmentation by computing plane normals from image motion fields for visual navigation | |
Deng et al. | Underwater circular object positioning system based on monocular vision |
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 |