CN118076318A - 数据处理装置和数据处理方法 - Google Patents
数据处理装置和数据处理方法 Download PDFInfo
- Publication number
- CN118076318A CN118076318A CN202280063602.4A CN202280063602A CN118076318A CN 118076318 A CN118076318 A CN 118076318A CN 202280063602 A CN202280063602 A CN 202280063602A CN 118076318 A CN118076318 A CN 118076318A
- Authority
- CN
- China
- Prior art keywords
- scan
- data processing
- mode
- filter mode
- data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 title claims description 172
- 230000004044 response Effects 0.000 claims abstract description 18
- 230000003213 activating effect Effects 0.000 claims abstract description 11
- 230000004913 activation Effects 0.000 claims description 99
- 238000001914 filtration Methods 0.000 claims description 47
- 230000008859 change Effects 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 40
- 230000009849 deactivation Effects 0.000 claims description 14
- 210000000515 tooth Anatomy 0.000 description 89
- 238000003062 neural network model Methods 0.000 description 64
- 210000000214 mouth Anatomy 0.000 description 58
- 239000011505 plaster Substances 0.000 description 31
- 238000004891 communication Methods 0.000 description 30
- 210000001519 tissue Anatomy 0.000 description 22
- 210000004872 soft tissue Anatomy 0.000 description 19
- 238000012549 training Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 230000009471 action Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 230000011218 segmentation Effects 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 210000003296 saliva Anatomy 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000010339 dilation Effects 0.000 description 3
- 229910052602 gypsum Inorganic materials 0.000 description 3
- 239000010440 gypsum Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 210000004877 mucosa Anatomy 0.000 description 3
- 210000004400 mucous membrane Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 210000001847 jaw Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 206010030113 Oedema Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000004053 dental implant Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 238000004049 embossing Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000004195 gingiva Anatomy 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- -1 orthodontic devices Substances 0.000 description 1
- 210000003254 palate Anatomy 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
Landscapes
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
公开一种数据处理方法,包括以下步骤:识别对象体的种类;基于对象体的种类来确定是激活还是不激活扫描过滤模式;以及响应于确定结果来激活或不激活扫描过滤模式,从而获取关于对象体的三维扫描数据。
Description
技术领域
公开的实施例涉及一种数据处理装置和数据处理方法,更具体地,涉及一种用于处理或加工口腔图像的装置及其方法。
背景技术
为了获取患者的口腔信息,目前使用三维扫描仪。三维扫描仪可以为手持式(handheld),可进入患者的口腔内部或从口腔内部取出,或者可以是台式扫描仪形式,利用桌面的旋转来扫描位于桌面上的石膏模型等。
连接至三维扫描仪的PC等的数据处理装置,可利用三维扫描仪所获取的原始数据来生成三维口腔图像。
根据情况,三维扫描仪所获取的原始数据可包括关于牙医等的用户不需要的组织的数据。当原始数据中包括不必要组织时,由于难以在原始数据之间进行精确的对准,因此可能存在无法获得准确的三维口腔图像的问题。
当原始数据中包括不必要的数据时,用户可以使用数据处理装置通过额外的修剪动作去除不必要的数据。或者,用户可以重新扫描对象体,以不包括不必要的组织。或者,为了避免这种繁琐,数据处理装置可以通过使用过滤功能来执行从三维扫描仪所获取的对象体的原始数据中实时去除不必要组织的数据的动作。但是,根据对象体的种类,比起不应用过滤的情况,应用过滤的情况会得到更不好的结果。例如,如果对象体是石膏模型,数据处理装置在原始数据中将部分区域误认为是不必要的组织而进行去除时,则有可能出现对石膏模型的三维口腔图像与用户的意图不同而错误生成的情况。
因此,用户可以操作数据处理装置,根据扫描的对象体的种类来决定是否执行过滤动作。可能存在用户扫描患者的口腔后再扫描石膏模型等的情况,或者,扫描石膏模型后再扫描患者的口腔的情况。此时,用户在使用三维扫描仪扫描患者的口腔或石膏模型等时,如果对象体变更,则需要操作数据处理装置并重新选择是否执行适合对象体的过滤动作,因此存在繁琐。另外,当三维扫描仪是进入口腔的手持式口腔扫描仪时,由于用户交替接触患者的口腔和数据处理装置,因此存在卫生不佳的问题。
发明内容
用于解决问题的手段
在根据实施例的数据处理装置中执行的数据处理方法,可以包括以下步骤:识别对象体的种类;基于所述对象体的种类来确定是激活还是不激活扫描过滤模式;以及响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
在实施例中,基于所述对象体的种类来确定是激活还是不激活扫描过滤模式的步骤可包括以下步骤:在所述对象体的种类为模型时,确定不激活所述扫描过滤模式。
附图说明
图1是用于说明根据实施例的口腔图像处理系统的图。
图2是根据实施例的数据处理装置的内部框图。
图3是用于说明根据实施例在利用人工智能技术输入的图像中识别对象体的过程的图。
图4是用于说明根据实施例利用人工智能技术从输入图像中识别对象体的图。
图5示出根据实施例从数据处理装置中输出的画面的图。
图6是示出根据实施例数据处理装置基于多种扫描过滤模式获取的三维扫描数据的图。
图7是示出根据实施例数据处理装置为了变更当前的扫描过滤模式的激活或未激活状态而输出的用户界面画面的图。
图8是示出根据实施例的数据处理方法的流程图。
图9是示出根据实施例的数据处理方法的流程图。
图10是示出根据实施例的数据处理方法的流程图。
具体实施方式
在实施例中,基于所述对象体的种类来确定是激活还是不激活扫描过滤模式的步骤,可以包括以下步骤:在所述对象体的种类不是所述模型时,确定激活所述扫描过滤模式。
在实施例中,获取关于所述对象体的三维扫描数据的步骤,可以包括以下步骤:在当前的扫描过滤模式的激活或不激活状态与所述确定结果不对应时,变更当前的所述扫描过滤模式的激活或不激活状态,以及基于变更的所述扫描过滤模式的激活或不激活状态,获取关于所述对象体的三维扫描数据。
在实施例中,所述数据处理方法还可包括以下步骤:在当前的所述扫描过滤模式的激活或不激活状态与所述确定结果不对应时,输出用于变更当前的所述扫描过滤模式的激活或不激活状态的用户界面画面;所述用户界面画面可以包括所述对象体的种类、指示基于所述对象体的种类来变更扫描过滤模式的激活或不激活状态的消息以及指示变更扫描步骤的消息中的至少一者。
在实施例中,变更当前的所述扫描过滤模式的激活或不激活状态的步骤,可以包括以下步骤:接收与所述用户界面画面的输出对应地输入的扫描过滤模式的激活或不激活状态的变更信号,以及基于所述扫描过滤模式的激活或不激活状态的变更信号来变更当前的所述扫描过滤模式的激活或不激活状态。
在实施例中,识别所述对象体的种类的步骤,可以包括以下步骤:在从扫描仪接收的帧中所包括的所有像素中识别为预定种类的像素的百分比为参考值以上时,将所述对象体识别为所述预定种类。
在实施例中,识别所述对象体的种类的步骤,还可以包括以下步骤:在扫描动作开始后获取的基准个数的帧中被识别为所述预定种类的帧的百分比为参考值以上时,将所述对象体识别为所述预定种类。
在实施例中,扫描过滤模式根据待过滤对象包括多种激活模式;激活所述扫描过滤模式并获取关于所述对象体的三维扫描数据的步骤,包括以下步骤:以所述多种激活模式中的一种激活模式来获取关于所述对象体的过滤后的三维扫描数据;所述一种激活模式可以为由用户选择的激活模式、默认选择的激活模式以及前一扫描步骤中使用的激活模式中的至少一者。
在实施例中,以所述一种激活模式获取关于所述对象体的过滤后的三维扫描数据的步骤,可以包括以下步骤:在从扫描仪接收的帧中所包括的像素中,根据选择的所述一种激活模式来识别待过滤的种类,以及去除识别的所述种类的像素,从而获取关于所述对象体的过滤后的三维扫描数据。
根据实施例的数据处理装置可包括用于执行一个以上的指令的一个以上的处理器;所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:识别对象体的种类,基于所述对象体的种类来确定是激活还是不激活扫描过滤模式,以及响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
根据实施例的记录介质可以为记录有用于实现数据处理方法的程序的计算机可读记录介质,其中,所述数据处理方法包括以下步骤:识别对象体的种类,基于所述对象体的种类来确定是激活还是不激活扫描过滤模式,以及响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
本说明书描述了本发明的原理,并公开了实施例,以明确了发明的权利范围,以及使本领域技术人员能够实施本发明。所公开的实施例可以以各种形式实现。
在整个说明书中,相同的附图标记指相同的构成要素。所公开的实施例并不说明实施例的所有要素,并且省略了属于本发明的技术领域的一般内容或实施例之间的重复内容。说明书中使用的“部(part、portion)”一词,可以通过软件或硬件实现,根据实施例,多个“部”可以作为一个要素(unit、element)实现,或者一个“部”可以包含多个要素。下面参考附图说明本发明的作用原理和实施例。
在本说明书中,图像可包括示出至少一个牙齿、包括至少一个牙齿的口腔或针对口腔的石膏模型的图像(以下称为“口腔图像”)。
此外,在本说明书中,图像可包括关于对象体的二维图像或立体示出对象体的三维口腔图像。三维口腔图像可根据原始数据将口腔的结构进行三维建模(modeling)来生成,因此可以被称为三维口腔模型。此外,三维口腔图像还可被称为三维扫描模型或三维扫描数据。
以下,在本说明书中,口腔图像用于统称以二维或三维显示口腔的模型或图像的含义。
在本说明书中,为了二维或三维地显示对象体,可利用至少一个相机来获取原始数据(raw data)等。具体地,原始数据是为了生成口腔图像而获取的数据,是利用三维扫描仪扫描对象体时在三维扫描仪所包括的至少一个图像传感器中获取的数据。原始数据可以为二维图像数据或三维图像数据。
以下,将参照附图详细说明实施例。
图1是用于说明根据实施例的口腔图像处理系统的图。
参照图1,口腔图像处理系统可包括:三维扫描仪110;以及数据处理装置120,通过通信网130与三维扫描仪110结合。
三维扫描仪110可以是获取对象体的图像的装置。
在本公开中,对象体(object)可指扫描对象。对象体可以是身体的一部分,或对身体的一部分进行取模的模型。对象体可包括口腔、对口腔取模的石膏模型或印模模型、可插入口腔的人造结构物或对人造结构物取模的石膏模型或印模模型、牙齿模型(dentiform)等。例如,对象体可以包括牙齿和牙龈中的至少一者,或牙齿和牙龈中的至少一者的石膏模型或印模模型,和/或可插入口腔内的人造结构物,或这种人造结构物的石膏模型或印模模型。其中,可插入口腔内的人造结构物,例如,可包括正畸装置、植牙、牙冠、嵌体、高嵌体、人造牙、插入口腔内的正畸辅助工具中的至少一者。此外,正畸装置可包括支架、附加设备(attachment)、正畸用螺钉、舌侧正畸装置以及可拆卸的正畸维持装置中的至少一者。
三维扫描仪110可获取关于口腔或人造结构物或对口腔或人造结构物取模的石膏模型或印模模型、牙齿模型等的模型中的至少一者的图像。图像还可被称为帧。
三维扫描仪110可以是用户手握并移动的同时扫描口腔的手持式口腔扫描仪。三维扫描仪110插入口腔内,以非接触式扫描牙齿,由此获取包括至少一个牙齿的口腔的图像。
虽然在图1中以三维扫描仪110为手持式口腔扫描仪的形式示出,但不限于此,三维扫描仪110还可以是台式扫描仪。
为了对口腔内部的牙齿或牙龈以及可插入口腔内的人造结构物(例如,包括托架和钢丝的正畸装置、植牙、人造牙、插入口腔内的正畸辅助工具等)、石膏模型或印模模型、牙齿模型等的模型中的至少一者的表面进行成像,三维扫描仪110可以获取关于对象体的表面信息作为原始数据。
三维扫描仪110可将所获取的原始数据通过通信网130传送至数据处理装置120。
数据处理装置120可以通过有线或无线的通信网130与三维扫描仪110连接。数据处理装置120可以是从三维扫描仪110接收原始数据,并且根据接收到的原始数据生成、处理、显示和/或传输口腔图像的所有电子装置。例如,数据处理装置120可以是智能手机(smart phone)、膝上计算机、台式计算机、掌上电脑(PDA)、平板电脑等的计算装置,但不限于此。此外,数据处理装置120还可以以用于处理口腔图像的服务器(或服务器装置)等的形式存在。
数据处理装置120可根据从三维扫描仪110接收的原始数据生成三维口腔图像,即三维扫描数据。数据处理装置120可通过显示器显示三维口腔图像,或将其输出或传送至外部装置。
作为又一例,三维扫描仪110通过口腔扫描获取原始数据,并加工所获取的原始数据来生成三维信息,并将其传送至数据处理装置120。
在实施例中,三维扫描仪110可利用多种方法来获取关于对象体的三维信息。例如,三维扫描仪110可利用共焦(confocal)方式来获取关于对象体的三维信息。或者,在实施例中,三维扫描仪110还可利用三角测量法(triangulation technique)获取关于对象体的三维信息。然而,这为实施例,三维扫描仪110可利用除了共焦方式或三角测量法之外的多种方式,从原始数据中获取三维信息,并将其传送至数据处理装置120。
数据处理装置120可分析、处理、加工、显示所接收的三维信息和/或向外部装置传输所接收的三维信息。
在实施例中,数据处理装置120可利用从三维扫描仪110接收的对象体的图像即帧来生成关于对象体的三维扫描数据。
在实施例中,数据处理装置120可在生成三维扫描数据时,激活扫描过滤模式,以获取去除了不必要的数据的三维扫描数据。
在实施例中,扫描过滤模式可以为执行在从三维扫描仪110接收的帧中去除不必要的数据的动作的模式。在实施例中,不必要的数据可指,关于用户不期望包括在三维扫描数据中的组织的数据。
在实施例中,当扫描过滤模式为激活状态时,数据处理装置120可在从三维扫描仪110接收的帧中过滤并去除对应于不必要的数据的区域。
在实施例中,数据处理装置120可确定是否激活扫描过滤模式。
根据情况,比起数据处理装置120不扫描过滤关于对象体的图像的情况,扫描过滤关于对象体的图像的情况可能会得到更不好的结果。例如,当对象体为牙齿模型或石膏模型、印模模型等的模型时,数据处理装置120在关于对象体的图像中将部分区域误认为是不必要的组织而进行去除时,则有可能出现关于模型的三维扫描数据与用户的意图不同而错误生成的情况。
在实施例中,数据处理装置120可根据对象体的种类确定是否激活扫描过滤模式。为此,数据处理装置120可识别对象体,并识别对象体的种类。
在实施例中,数据处理装置120可根据对象体的种类来确定是否激活扫描过滤模式,并响应于确定结果来激活或不激活扫描过滤模式,从而获取关于对象体的三维扫描数据。
在实施例中,数据处理装置120可响应于确定结果来自动激活或不激活扫描过滤模式,从而获取关于对象体的三维扫描数据。或者,在实施例中,在响应于所述确定结果而需要变更扫描过滤模式的激活或不激活状态时,数据处理装置120可输出用于引导变更扫描过滤模式的激活或不激活状态的用户界面画面,并基于响应于用户界面画面的输出而输入的用户输入信号,来变更扫描过滤模式的激活或不激活状态,从而获取关于对象体的三维扫描数据。
图2是根据实施例的数据处理装置120a的内部框图。
在实施例中,数据处理装置120a还可称为口腔图像处理装置。
图2的数据处理装置120a可以是图1的数据处理装置120的一实施例。因此,将省略与在图1中说明的关于数据处理装置120的内容重复的部分的说明。
参照图2,数据处理装置120a可包括处理器121、通信界面123、用户输入部125、显示器127和存储器129。
数据处理装置120a可利用从三维扫描仪110接收的关于对象体的图像和/或三维信息来生成、处理、加工、显示三维口腔模型和/或将其传送至外部。或者,数据处理装置120a还可通过有线或无线通信网从外部服务器或外部装置等接收三维口腔模型。
根据实施例的存储器129可存储至少一个指令。存储器129可存储处理器121执行的至少一个指令或程序。
在实施例中,存储器129可存储从三维扫描仪110接收的数据,例如,通过扫描口腔或口腔模型而获取的图像或三维信息等。存储器129可存储从三维扫描仪110接收的三维口腔数据的点的位置信息,各点间的连接关系信息。
在实施例中,存储器129可包括一个以上的指令,所述指令用于基于关于对象体的图像来生成关于对象体的三维口腔模型。
在实施例中,存储器129可存储并执行联动至三维扫描仪110的专用软件。其中,专用软件可称为专用程序或专用应用。当数据处理装置120a与三维扫描仪110彼此联动动作时,存储在存储器129中的专用软件可与三维扫描仪110连接,从而实时接收通过扫描对象体而获取的图像等的数据。专用软件可通过显示器127提供菜单栏,其包括供用户使用从三维扫描仪110获取的数据的多种菜单或工具等。通过专用软件提供的菜单栏可与关于对象体的三维扫描数据一起输出。
在实施例中,专用软件可包括为了在从关于对象体的图像中生成三维口腔模型时过滤预定区域的指令、专用程序、专用工具或专用应用等。专用软件可基于扫描过滤激活模式,在从三维扫描仪110获取的图像中过滤预定区域,从而生成去除不必要的数据的三维扫描数据。
在实施例中,存储器129中可存储有种类信息。在实施例中,种类信息可以为用于识别图像所包括的对象体的种类的信息。对象体可包括口腔、可插入口腔的人造结构物、对口腔或人造结构物取模的石膏模型或印模模型、牙齿模型等的模型。在实施例中,对象体的种类信息是根据对象体的种类显示舌头(tongue)、牙龈(gingiva)、软组织(soft tissue)、血液(blood)、唾液(saliva)、牙齿(teeth)、上牙膛(palate)、唇(lip)、基牙(abutment)、金属(metal)、正畸装置(correction device)、石膏(gypsum)、印模(impression)、手套(glove)、人手(hand)、脸颊(cheek)中的至少一者的信息。然而,这仅为一实施例,对象体和对象体的种类信息不限于上述例子。
在实施例中,存储在存储器129中的种类信息可以包括对应于各种类的编号。例如,当对象体为牙齿时,对应于牙齿的种类信息可以包括表示牙齿的固有编号0。类似地,当对象体为牙龈时,对应于牙龈的种类信息可以包括表示牙龈的固有编号1。
在实施例中,存储器129中可以以对应于对象体的种类的方式存储有是否需要激活扫描过滤模式的信息。例如,当对象体的种类为模型时,在存储器129中可存储有不激活扫描过滤模式的信息。此外,当对象体的种类不是模型时,存储器129中可存储有激活扫描过滤模式的信息。
在实施例中,扫描过滤模式可包括多种激活模式。在实施例中,多种激活模式可根据过滤对象来区分。例如,假设多种激活模式为第一激活模式、第二激活模式、第三激活模式,则在实施例中,存储器129中可存储有根据各激活模式而被过滤的区域的种类信息。例如,当扫描过滤模式为第三激活模式时,存储器129中可存储有对应于除牙齿外的其余组织的种类均应被过滤的信息。
在实施例中,数据处理装置120a可包括执行一个以上的指令的处理器121。处理器121可以为一个,也可以为多个。具体地,处理器121可通过执行至少一个指令,来控制数据处理装置120a内部所包括的至少一个构成以执行所期望的动作。因此,即使以处理器121执行预定动作的情况为例进行说明,也意味着处理器121控制数据处理装置120a内部所包括的至少一个构成以使执行所期望的动作。
其中,至少一个指令可包括在与处理器121另设的数据处理装置120a所包括的存储器129或处理器121所包括的内部存储器(未图示)中。
在实施例中,至少一个指令可包括基于对象体的种类确定是否激活扫描过滤模式的指令。
在实施例中,至少一个指令可以为基于对象体的种类来确定是否激活扫描过滤模式并且响应于确定结果来激活或不激活扫描过滤模式以获取关于对象体的三维扫描数据的指令。
在实施例中,处理器121可识别对象体。在实施例中,处理器121可识别对象体的种类。在实施例中,处理器121可通过分析从三维扫描仪110接收的帧来识别对象体的种类。例如,处理器121可以识别帧中包括的像素的种类,并且基于帧中包括的所有像素中识别为预定种类的像素的百分比为参考值以上,可以识别帧或帧中包括的对象体的种类。
在实施例中,处理器121可以基于基准个数的帧来识别对象体的种类。在实施例中,处理器121可以使用从三维扫描仪110接收的帧中的基准个数的帧来识别对象体的种类。例如,基准个数的帧可以是扫描动作开始后从三维扫描仪110接收的前60个帧,但不限于此。在实施例中,处理器121可以基于基准个数的帧中识别为预定种类的帧的数量为参考值以上来识别对象体的种类。
在实施例中,处理器121可以基于对象体的种类来确定是激活还是不激活扫描过滤模式。在实施例中,扫描过滤可指在从三维扫描仪110接收的图像中去除用户不想要的不必要数据的动作。在实施例中,扫描过滤模式可以是指执行用于从关于对象体的图像中去除不必要的数据的扫描过滤动作的模式。
在实施例中,处理器121可基于对象体的种类确定激活或不激活扫描过滤模式。
在实施例中,处理器121在确定激活扫描过滤模式时,可根据扫描过滤模式从图像中去除不必要的数据,从而获得过滤后的三维扫描数据。
在实施例中,处理器121在确定不激活扫描过滤模式时,可以不激活扫描过滤模式,从而在不对图像进行过滤的情况下获得三维扫描数据。
在实施例中,当对象体为患者的口腔内部时,例如,当对象体为口腔所包括的牙齿或插入口腔内部的人造结构物时,处理器121可确定激活扫描过滤模式。
患者的口腔可包括软组织和硬组织。硬组织可指牙槽骨或牙齿等坚硬的组织。软组织可指除骨骼或软骨以外的牙龈、粘膜、嘴唇、舌头等柔软的组织。牙龈是粘膜的一部分,是指覆盖牙齿及其根部的地方,也可以称为齿龈。此外,患者的口腔可能含有血液或唾液等。
牙科诊断及治疗的对象是患者的牙齿时,用户只想利用牙齿的三维扫描数据。然而,除了牙齿之外,口腔中的其他组织可能会影响牙齿的三维扫描数据。例如,在扫描患者口腔的过程中,如果患者的舌头或嘴唇等移动,牙齿的三维扫描数据有可能包括舌头或嘴唇的数据。此外,牙龈或软组织可能会变性,从而影响牙齿扫描数据的获取。例如,根据患者的口腔状态或药物投入等,牙龈或其他软组织浮肿时,软组织会遮住牙齿或在与牙齿的关系中软组织的位置移动,有可能无法获得对牙齿的准确扫描数据。此外,口腔内部的血液或唾液等堆积在牙齿周围时,有可能无法获取关于牙齿的准确扫描数据。
因此,为了获取对牙齿的准确扫描数据,有必要将可能影响牙齿的不必要区域的数据最小化。
在实施例中,当对象体为患者的口腔时,处理器121可激活扫描过滤模式,避免不必要的数据影响牙齿的三维扫描数据的生成。
在实施例中,扫描过滤模式可根据过滤的对象或区域,包括多种激活模式。例如,多种激活模式根据过滤的区域可以分为三种模式。
在实施例中,第一激活模式可指留下牙齿、牙龈和上牙膛且过滤剩下的软组织的模式。第一激活模式可以是过滤除牙齿、牙龈和上牙膛以外的组织的模式。
在实施例中,第二激活模式可指仅针对牙齿和牙龈获取扫描数据的模式。第二激活模式可以是只留下牙齿和牙龈且过滤剩下的软组织的模式。
在实施例中,第三激活模式可以是只留下牙齿且去除所有剩余组织的模式。
在实施例中,为了激活扫描过滤模式以获取关于对象体的三维扫描数据,处理器121可以使用多种激活模式中的一种激活模式来获取关于对象体的过滤后的三维扫描数据。
在实施例中,处理器121可以接收用户从多种激活模式中选择的一种激活模式。另外,在实施例中,处理器121可以在多种激活模式中选择一种激活模式作为默认。或者,在实施例中,处理器121可以记住多种激活模式中的在前一扫描步骤中使用过的激活模式,并自动选择前一扫描步骤中使用的激活模式。
在实施例中,处理器121可以根据所选择的一种激活模式,在从扫描仪接收的帧中包括的像素中识别要过滤的种类的像素。
在实施例中,处理器121可去除所识别的像素,从而获取关于对象体的过滤后的三维扫描数据。
在实施例中,当对象体的种类为模型时,处理器121可不激活扫描过滤模式。对象体的种类为模型的情况可指,例如,对象体的种类为石膏模型或印模模型、牙齿模型等的情况。
不激活扫描过滤模式是指,利用关于对象体的图像生成扫描数据时,不执行过滤数据的动作。
与患者的口腔不同,对口腔或人造结构物取模的石膏模型或印模模型、牙齿模型等不包括影响关于对象体的扫描数据生成的不必要的组织。即,石膏模型和印模模型等与患者的口腔不同,不包括舌头、上牙膛、嘴唇等,也没有牙齿肿胀、血液或唾液等堆积在牙齿上的现象,因此不包括影响关于对象体的扫描数据生成的数据。当扫描石膏模型或印模模型时,若扫描过滤模式激活,则石膏模型或印模模型中应获得的整个区域中的一部分可能被误认为是过滤对象而去除,结果有可能获得不准确的三维扫描数据。
由于关于对象体的图像越多,就能获得关于对象体的越准确的三维扫描数据,因此,在实施例中,在对象体的种类是石膏模型或印模模型、牙齿模型等模型时,处理器121可以不激活扫描过滤模式,无需过滤即可获得关于对象体的扫描数据。
在实施例中,处理器121可通过识别扫描步骤来识别对象体的种类。例如,当扫描步骤为印模扫描步骤时,处理器121可将对象体的种类识别为印模模型。在实施例中,印模扫描步骤可指,扫描印模模型来生成关于印模的三维扫描数据的动作。印模模型是对口腔内包括牙齿在内的硬组织及软组织样子进行取模的模型,与实际患者的口腔具有相反的形状,因此印模扫描步骤伴随着将扫描的印模模型的阴刻形态编辑为阳刻模型的动作。
在实施例中,当扫描步骤为印模扫描步骤时,处理器121将对象体的种类识别为印模模型,由此不激活扫描过滤模式,无需过滤即可获得关于印模模型的三维扫描数据。
在实施例中,处理器121可识别当前的扫描过滤模式的激活或不激活状态。在实施例中,在当前的扫描过滤模式的激活或不激活状态与基于对象体的种类确定的扫描过滤模式的激活或不激活状态不对应时,处理器121可自动变更当前的扫描过滤模式的激活或不激活状态,以对应于对象体的种类。
例如,在处理器121所识别的对象体的种类为石膏模型时,处理器121可确定不激活扫描过滤模式。在当前的扫描过滤模式为激活状态时,处理器121可自动地将扫描过滤模式的状态从激活状态变更为不激活状态。处理器112可在扫描过滤模式不激活的状态下获取关于石膏模型的三维扫描数据。
在实施例中,在当前的扫描过滤模式的激活或不激活状态与基于对象体的种类确定的扫描过滤模式的激活或不激活状态不对应时,处理器121可不自动变更当前的扫描过滤模式的激活或不激活状态,而是告知用户扫描过滤模式的激活或不激活状态与对象体的种类不对应。例如,处理器121可输出用于变更扫描过滤模式的激活或不激活状态的用户界面画面。处理器121通过输出用于变更扫描过滤模式的激活或不激活状态的用户界面画面,从而引导用户变更扫描过滤模式的激活或不激活状态。
在实施例中,处理器121可对应于用户界面画面的输出,从用户接收变更扫描过滤模式的激活或不激活状态的信号。在实施例中,处理器121可基于根据用户的输入的扫描过滤模式的激活或不激活状态的变更信号,将当前的扫描过滤模式的激活或不激活状态变更为对应于对象体的种类的扫描过滤模式的激活或不激活状态。
根据实施例的显示器127可以输出三维口腔模型和可以利用或编辑三维口腔模型的各种菜单栏。在实施例中,菜单栏可以包括用于选择是否激活扫描过滤模式的菜单。此外,菜单栏可以包括用于在第一激活模式、第二激活模式和第三激活模式中选择一种模式的菜单。
在实施例中,显示器127可输出用于变更当前的扫描过滤模式的激活或不激活状态的用户界面画面。用户界面画面可包括所识别的对象体的种类、指示以对应于对象体的方式将扫描过滤模式变更为激活状态或不激活状态的消息以及指示变更扫描步骤的消息中的至少一者。
根据实施例的通信界面123可通过有线或无线通信网络与至少一个外部电子装置进行通信。例如,通信界面123可通过处理器121的控制,与三维扫描仪110进行通信。在实施例中,通信界面123可从三维扫描仪110接收图像,或获取三维信息。在实施例中,通信界面123还可以与除了三维扫描仪110之外的其他外部电子装置、外部服务器等进行通信,从而获取扫描模型。
通信界面123可包括至少一个近距离通信模块,所述近距离通信模块按照蓝牙、Wi-Fi、蓝牙低功耗(Bluetooth Low Energy,BLE)、近场通信/射频识别(NFC/RFID)、Wi-Fi直连(Wifi Direct)、超宽带(UWB)、或紫蜂(ZIGBEE)等的通信标准进行通信。
此外,通信界面123还可以包括远程通信模块,所述远程通信模块按照远程通信标准与用于支持远距离通信的服务器进行通信。具体地,通信界面123可以包括通过用于互联网通信的网络进行通信的远程通信模块。例如,通信界面123可包括通过符合3G、4G、和/或5G等的通信标准的通信网络进行通信的远程通信模块。
此外,通信界面123可以以有线方式与三维扫描仪110或外部服务器、外部电子装置等进行通信。为此,通信界面123可包括至少一个端口,以通过有线电缆与三维扫描仪110或外部电子装置连接。通信界面123能够与通过至少一个端口有线连接的三维扫描仪110或外部电子装置进行通信。
根据实施例的用户输入部125可接收用于控制数据处理装置120a的用户输入。用户输入部125可包括:触摸面板,用于检测用户的触摸;按钮,用于接收用户的按压操作;用户输入设备,包括用于指定或选择用户界面画面上的一个点的鼠标或键盘等,但不限于此。此外,用户输入部125可包括用于语音识别的语音识别装置。例如,语音识别装置可以是麦克风,语音识别装置可接收用户的语音命令或语音请求。由此,处理器121可以控制数据处理装置120a,以执行对应于语音命令或语音请求的动作。
在实施例中,用户输入部125可从牙医等用户接收指示激活或不激活扫描过滤模式的命令。
在实施例中,用户输入部125可从用户接收指示变更当前的扫描过滤模式的激活或不激活状态的命令。
在实施例中,用户输入部125可从用户接收指示以多种扫描过滤模式中的一个激活模式动作的命令。
在实施例中,用户输入部125可从用户接收指示将扫描步骤变更为印模扫描步骤的命令。
如上所述,根据实施例,数据处理装置120a可基于对象体的种类来确定需要激活还是不激活扫描过滤模式,由此生成关于对象体的扫描数据,从而生成符合对象体的种类的更准确的三维扫描数据。
图3是用于说明根据实施例在利用人工智能技术输入的图像中识别对象体的过程的图。
在实施例中,数据处理装置120可以利用人工智能技术(ArtificialIntelligence,AI),在从三维扫描仪110接收的帧中识别对象体。AI技术可以由机械学习(深度学习)及利用机械学习的要素技术构成。AI技术可以利用算法来实现。其中,为了实现AI技术的算法或算法的集合被称为神经网络(Neural Network)或神经网络模型。神经网络可以接收输入数据,进行分析和分类的运算,并输出结果数据。
参照图3,利用人工智能技术在输入的帧中识别对象体的过程大致可以分为两个过程。两个过程可指训练学习模型的训练过程310和利用已学习的学习模型来适用的应用过程320。
首先,在训练过程310中,可以通过输入多个训练数据311来训练神经网络,即神经网络模型312。用于训练神经网络模型312的训练数据311可以从学习DB中获得。
学习DB可以包括在多种周边环境中生成的关于对象体的学习图像。从学习DB中获得而被用作训练数据311的关于对象体的学习图像,可以是用多种机型的三维口腔扫描仪拍摄并通过通信网从数据处理装置等接收的形式的图像。
在实施例中,多个学习图像可以是包括一个以上的对象体的图像。例如,多种对象体可包括口腔、可插入口腔的人造结构物、对口腔或人造结构物进行取模的石膏模型或印模模型、牙齿模型等的模型等。更具体地,对象体可包括舌头、牙龈、软组织、血液、唾液、牙齿、上牙膛、唇、基牙、金属、正畸装置、石膏、印模、手套、人手、脸颊中的至少一者。然而,这仅为一实施例,对象体并不限于上面列出的种类。对象体可以只包括上面列出的种类中的一部分,也可以除了上面列出的种类之外,进一步包括额外的种类。
为了获得更准确的学习模型,需要大量的学习数据。如果训练数据311的量不足,则用不足的学习数据训练的学习模型很有可能性能下降。
在实施例中,数据处理装置120和/或神经网络模型312的制造商可以根据学习图像生成附加图像,并将其用作训练数据311。制造商通过分析多种机型的三维扫描仪生成的图像,并以此为基础生成新的附加图像,从而增加用于设计神经网络模型312的学习数据量。
在实施例中,制造商可以通过插值学习图像来生成附加图像。例如,在学习图像包括三维扫描仪与对象体的一个点之间的距离分别为1cm和2cm时三维扫描仪拍摄对象体获得的图像时,制造商可以通过插值上述两个图像来生成三维扫描仪位于距离对象体的一个点1.5cm处时获得的图像作为插值图像。
在实施例中,制造商可以通过改变学习图像来生成附加图像。例如,制造商可以为了调节学习图像的颜色、亮度、对比度等,或调节图像的分辨率,或调节清晰度,利用模糊(blurring)图像或在图像中添加噪声等多种方法,改变学习图像,从而生成多种形式的附加图像。
在实施例中,训练数据311可以包括学习图像和关于学习图像的分割掩码(segmentation mask)。分割掩码可以是包括于学习图像中的像素单位,是对对象体的种类进行标签的掩码。分割掩码可以是如下所述的掩码:为了显示学习图像中对象体的位置、对象体的形状、多个对象体之间的关系、哪个像素属于哪个对象体等,将学习图像分割为像素单位,并向学习图像的各像素赋予标签。
在实施例中,训练数据311可以包括从学习DB获得的关于对象体的学习图像及关于学习图像的分割掩码以作为学习数据集。
训练数据311可以输入至神经网络模型312。
在实施例中,神经网络模型312可以利用训练数据311中包括的在多种环境下生成的关于对象体的学习图像及关于学习图像的分割掩码来进行训练。
在实施例中,神经网络模型312可以是以卷积神经网络(Convolution NeuralNetwork,CNN)、深度卷积神经网络(Deep Convolution Neural Network,DCNN)或胶囊网络(Capsnet)为基础的神经网。
在实施例中,神经网络模型312可以进行训练以自己发现或掌握接收多种数据并分析所输入的数据的方法、分类所输入的数据的方法、和/或从所输入的数据中提取生成结果数据所需的特征的方法等。
在实施例中,神经网络模型312进行训练以分析训练数据311并识别学习图像中包括的对象体的颜色、形状、种类、位置、大小等。
神经网络模型312在多数学习数据上应用学习算法,可以制作成具有所需特性的人工智能模型。这种学习可以在数据处理装置120本身中进行,也可以通过单独的服务器/系统进行。其中,学习算法是利用多数学习数据训练预定的对象机器(例如机器人),使预定的对象机器能够自行下决定或预测的方法。
学习算法的示例为,监督学习(supervised learning)、非监督学习(unsupervised learning)、半监督学习(semi-supervised learning)或强化学习(reinforcement learning),实施例中的学习算法除明示的情况外,不限于上述示例。
例如,神经网络模型312可以通过监督学习(以学习数据为输入值),作为数据推论模型进行学习。或者,神经网络模型312可以通过非监督学习(无需特别监督,通过自行学习判断图像中包括的对象体所需的数据的种类,发现判断图像中包括的对象的标准),作为数据推论模型进行学习。或者,神经网络模型312可以通过强化学习(利用根据学习来推断图像中包括的对象体的结果是否正确的反馈),作为数据推论模型进行学习。
在实施例中,神经网络模型312可以包括输入层、隐藏层和输出层。在实施例中,隐藏层可以包括多个隐藏层。神经网络模型312可以是包括两个以上隐藏层在内的深度神经网络(DNN)。深度神经网络是通过多个层进行运算的神经网络,根据执行运算的内部层的数量,网络的深度可以增加。深度神经网络运算可以包括卷积神经网络运算等。
在实施例中,神经网络模型312可以根据模型的实现方式或结果的准确性、结果的信赖度、处理器的运算处理速度及容量等进行非常多样的设计。
在实施例中,神经网络模型312可以是以扩张卷积(或空洞卷积)为基础的神经网。
为了正确判断图像所包括的对象体,情境信息(Contextual Information)非常重要。例如,情境信息可以是表示对象体周边的背景是什么样的环境、对象体周围的其他对象体是什么种类、对象体之间的位置或关系等的信息。为了识别对象体,需要确保充分的情境信息,为此有必要考虑相对宽敞的感受野(Receptive Field)。一般来说,为了在CNN中扩大感受野,有扩大内核大小或增加卷积层数的方法,但这种方法存在大幅增加运算量的问题。
在实施例中,神经网络模型312可利用以空洞卷积为基础的神经网。空洞卷积是指在卷积过滤器容纳的像素之间留出间隙并增加卷积视图(View)的卷积技术。使用以空洞卷积为基础的神经网时,虽然输入像素数相同,但可以容纳更大范围的输入,因此可以考虑到周围其他像素的特征。
以空洞卷积为基础的神经网在卷积层中引入定义内核之间间隔的参数,即扩张率(dilation rate)。例如,扩张率为2的3×3内核,可以使用9个参数获得与5×5内核相同的视图。
如本公开所示,为了实时分割从三维扫描仪110输入的输入图像,需要宽的视图,并且当不能使用包括多个层的卷积或大内核时,数据处理装置120可以通过使用空洞卷积以少量的计算来增加感受野。空洞卷积在过滤器内部添加零填充(zero padding),增加感受野,其中内核之间的间隔的重量(weight)将填为0。感受野是指过滤器查看一次的区域。为了通过过滤器查看一次的区域掌握图像的特征(Feature)并对此进行提取,使用宽的感受野比较有利。
在实施例中,神经网络模型312可以是以多个学习数据为输入值并对输入数据进行分析和分类从而提取特征的算法。神经网络模型312可以是进行学习以从输入的数据中识别对象体的模型。为此,神经网络模型312可以学习从学习图像中检测对象体的颜色、形状、种类、位置和大小等的方法。
在实施例中,神经网络模型312可以响应于多个训练数据311的输入,学习或训练从多个训练数据311中识别图像中包括的对象体的方法,并且可以基于学习和/或训练的结果生成。
在实施例中,神经网络模型312可以考虑对象体的语义(semantic)信息,识别图像中包括的对象体的种类。语义信息可以指对象体的颜色或形状、对象体的位置、对象体的大小、对象体之间的位置关系或大小关系等。
在实施例中,神经网络模型312可以学习对象体是什么以及对象体之间的空间关系等。
在实施例中,神经网络模型312可以进行训练以学习学习图像和分割掩码之间的相关性,并从学习图像中识别对象体。
在实施例中,神经网络模型312可以将关于学习图像的分割掩码作为正确答案集来进行训练。神经网络模型312可以进行反复训练以从输入的学习影像中推论/预测对象体的种类或位置、周边对象体的种类或位置、对象体的大小等,并使预测结果与正确答案集相同。
为了提高通过神经网络模型312输出的结果的准确性,作为各训练结果的输出数据313可再次反馈回神经网络模型312,用于更新神经网络模型312的权重。
在实施例中,神经网络模型312可以获取从输出层输出的输出数据313和真实数据(Ground truth)之间的差异作为损失函数。真实数据可以是将学习图像所包括的对象体按种类进行标签的分割掩码。神经网络模型312可以重新接收损失函数,并继续修改隐藏层中包括的边缘的权重值,以使损失函数最小。边缘的权重值可以通过反复学习来优化,并且可以反复修改直到结果的准确性满足预定的可靠性。神经网络模型312可以由最终设定的边缘的权重值形成。
具有最终设定的边缘的权重值的神经网络模型312可安装在数据处理装置120上,并用于从输入图像中识别对象体。
利用神经网络模型312学习从图像中获得对象体的种类的方法的动作,可以在数据处理装置120中执行。或者,这种学习动作可以在与数据处理装置120不同的外部计算装置中执行。例如,利用神经网络模型312学习从图像中获得对象体的种类的方法的动作,可能需要相对复杂的运算量。由此,外部计算装置执行学习的动作,并且数据处理装置120从外部计算装置接收学习结束的神经网络模型312,可以减少需要在数据处理装置120中执行的计算量。数据处理装置120可以从外部服务器接收神经网络模型312,并将其存储在存储器129中。
在应用过程320中,向训练的神经网络模型322中输入应用数据321,从输入的应用数据321中获取表示包括在输入的应用数据321中的对象体的种类的结果数据323。
在实施例中,应用数据321是从三维口腔扫描仪110实时输入的图像,结果数据323可以是表示图像中包括的对象体的种类或位置等的信息。例如,从神经网络模型322输出的结果数据323可以是表示应用数据321中包括的对象体的各像素标签的分割掩码。作为结果数据323输出的分割掩码可以表示对象体的位置、形状、多个对象体之间的关系、像素的种类等。
图4是用于说明根据实施例利用人工智能技术从输入图像410中识别对象体的图。
参照图4,图3的神经网络模型322可以接收输入图像410,从所述输入图像410获得表示输入图像410中包括的对象体的特征的输出图像420。
用户可以利用三维扫描仪110扫描对象体。三维扫描仪110可以通过通信网130将拍摄对象体而获得的图像实时传输到数据处理装置120。
在实施例中,数据处理装置120可将从三维扫描仪110接收的输入图像410输入到神经网络模型322。
在实施例中,数据处理装置120所包括的神经网络模型322可对输入图像410进行分析和分类,并从输入图像410中提取特征。例如,神经网络模型322可分析输入图像410,获取输入图像410所包括的一个或多个对象体的种类或大小、位置关系等的特征。
在实施例中,神经网络模型322可基于从输入图像410中提取的特征,识别输入图像410所包括的对象体。例如,神经网络模型322可分析从输入图像410中提取的特征,从而识别输入图像410所包括的对象体的种类和位置等。
在实施例中,输出图像420可以是分割掩码形式,其针对输入图像410中包括的像素,区分显示各像素所表示的对象体的种类。
在实施例中,分割掩码可以以输入图像410中包括的像素单位表示对象体的种类。神经网络模型322通过对输入图像410的每个像素赋予标签,可以显示输入图像410中包括的对象体的位置、对象体的形状、哪个像素属于哪个对象体等。
在实施例中,分割掩码可以包括各像素的标签,即种类信息。各像素的种类信息可以表现为各像素的颜色,也可以表现为各像素的固有编号。各像素的颜色和各像素的编号可以相对应地使用。例如,与特定种类相对应的特定颜色可以与特定编号相对应使用。
在图4中,当放大输出图像420中包括的预定区域421时,放大后的预定区域421可以如输出图像420右侧所示的表格423所示。表格423可以是以编号表示针对包括在预定区域421中的像素识别的种类的矩阵。例如,在图4中,预定区域421包括舌头和牙龈时,与预定区域421相对应的表格423可以包括分配给各像素的编号,所述编号示出舌头和牙龈的种类。在图4中,在表示对象体的种类的编号中,在1号为是舌头且6号为牙龈的情况下,可知表格423分别以数字1和6表示针对预定区域421所包括的九个像素识别的种类信息。
在实施例中,数据处理装置120可利用从神经网络模型322获取的输出图像420,来识别输入图像410所包括的对象体的种类和对象体之间的位置等。
在实施例中,数据处理装置120获得所有像素中被识别为预定种类的像素的百分比,并且当被识别为预定种类的像素的百分比高于参考值时,可以将输入图像410识别为预定种类。
例如,数据处理装置120使用分割掩码来获取所有像素中被识别为舌头的像素的百分比、被识别为牙齿的像素的百分比、被识别为牙龈的像素的百分比,分别为16%、61%和17%。数据处理装置120可以识别其中超过参考值60%的种类是牙齿,并将输入图像410整体的种类识别为牙齿。
根据情况,神经网络模型322仅通过一张帧很难准确判断对象体的种类。在实施例中,神经网络模型322可利用预定个数的帧来判断对象体的种类。
在实施例中,神经网络模型322在识别帧所包括的对象体的种类时,可以同时考虑帧所包括的对象体的颜色或形状、大小、对象体周围的对象体的形状或颜色等。例如,在软组织中,牙龈和粘膜很难仅通过颜色来区分。在实施例中,神经网络模型322可以利用对象体离牙齿的距离、和/或对象体的形状、以及如周边对象体的形状等的周边像素的颜色或形状、种类信息等来区分对象体是粘膜还是牙龈等。为此,如上所述,神经网络模型322可以使用基于空洞卷积的神经网络。例如,代替通过以普通CNN为基础的神经网络主要使用的3×3过滤器来提取对象体的特征,神经网络模型322可以以对象像素为中心,在内核之间设置具有0的重量的空间,同时考虑位于内核中间的像素的特征和远离内核中间像素的周边像素的特征,通过统计得出中间像素是牙齿还是黏膜的概率。
在实施例中,数据处理装置120可仅基于基准个数的帧来识别对象体的种类。例如,在扫描动作开始后从三维扫描仪110接收到的帧中,对于基准个数,例如,对于60个帧,如果被识别为牙龈的帧的百分比为基准值以上,例如,超过70%时,则数据处理装置120可以识别当前三维扫描仪110拍摄的对象是牙龈。
在实施例中,数据处理装置120可以周期性地或以随机的时间间隔,或者每当发生特定事件时,利用帧来识别对象体的种类。例如,数据处理装置120在扫描动作暂时停止后重新启动时,可以执行在重新启动后输入的图像中利用预定个数的帧来识别对象体的种类的动作。
在实施例中,数据处理装置120可基于扫描过滤模式来识别待过滤的对象体。
在实施例中,数据处理装置120可利用神经网络模型322来识别待过滤的对象体。
在实施例中,扫描过滤模式为激活状态时,神经网络模型322可以在从三维扫描仪110接收的帧所包括的像素中,根据所选择的一个激活模式来识别待过滤的种类。在实施例中,数据处理装置120可以通过去除神经网络模型322所识别的像素,获取关于对象体的过滤后的三维扫描数据。
例如,扫描过滤模式为第一激活模式时,神经网络模型322可从输入图像410所包括的对象体之间的位置关系或特征来识别对象体的种类,将除牙齿、牙龈和上牙膛之外的剩余区域识别为待过滤的对象。数据处理装置120可过滤由神经网络模型322识别的除牙齿、牙龈、上牙膛之外的剩余区域。
例如,当扫描过滤模式为第二激活模式时,神经网络模型322可以将输入图像410所包括的对象体中除牙齿和牙龈以外的区域识别为待过滤的对象。数据处理装置120可以将神经网络模型322所识别的除牙齿和牙龈以外的其他组织全部过滤。
例如,当扫描过滤模式为第三激活模式时,神经网络模型322可以将输入图像410所包括的对象体中除牙齿以外的区域识别为待过滤的对象。数据处理装置120可以将神经网络模型322所识别的除牙齿以外的区域全部过滤。
图5示出根据实施例从数据处理装置120中输出的画面510的图。
在图5中,从数据处理装置120中输出的画面510示出数据处理装置120在执行与三维扫描仪110联动的扫描相关专用软件时的画面。数据处理装置120可在从三维扫描仪110接收的图像中获取三维扫描数据520并将其通过画面510输出。
在实施例中,数据处理装置120可以将包括多种菜单的菜单栏530输出到画面510。菜单栏530可以包括用户通过数据处理装置120中具备的键盘或鼠标等用户输入部125输入的快捷键或数据操作相关键的信息。
菜单栏530可以包括操作数据处理装置120的命令或技术。菜单栏530可以以图标、文本、图像等多种形式实现。菜单栏530可以包括用于使用数据处理装置120编辑或更改扫描数据的各种工具集。例如,菜单栏530可以包括放大、缩小扫描数据、全屏观看、查看以前的图像、改变角度或位置等菜单。或者,菜单栏530可以显示扫描模式是上颌扫描模式,还是下颌扫描模式,还是咬合扫描模式,或者可以包括用于选择扫描模式的菜单。或者,菜单栏530可以包括用于完成扫描模式的菜单。
在实施例中,数据处理装置120所输出的菜单栏530可包括扫描过滤模式菜单531。在实施例中,扫描过滤模式菜单531可以是为了接收用户选择是否以扫描过滤模式动作的菜单。或者,扫描过滤模式菜单531可以起到向用户告知当前的扫描过滤模式设置为何种模式的作用。
在实施例中,扫描过滤模式菜单531可以包括用于选择是否激活扫描过滤模式的菜单。
在实施例中,扫描过滤模式可根据待过滤的对象或区域而包括多种激活模式。在实施例中,扫描过滤模式菜单531可以包括用于在扫描过滤模式所包括的多种激活模式中选择以哪种激活模式执行扫描过滤的菜单。
在实施例中,扫描过滤模式根据过滤的区域可分为三种模式。第一激活模式可指留下牙齿、牙龈和上牙膛并过滤剩下的软组织的模式。在实施例中,第二激活模式可指只留下牙齿和牙龈并过滤剩下的组织的模式。在实施例中,第三激活模式可指只留下牙齿区域的模式。
在实施例中,可通过多种方法在多种扫描过滤模式中选择一种模式。例如,数据处理装置120在与三维扫描仪110联动时,可以选择扫描过滤模式的不激活作为默认,或者选择多种激活模式中的一种激活模式作为默认。
或者,在实施例中,数据处理装置120可以自动加载在前一扫描步骤中使用的激活模式,并选择为当前的激活模式。例如,数据处理装置120在前一扫描步骤中利用扫描过滤模式的不激活时,在当前的扫描步骤也可以自动选择扫描过滤模式的不激活。或者,当在前一扫描步骤中使用了扫描过滤激活模式之一的模式,例如,第二激活模式时,数据处理装置120在当前的扫描步骤中也可以自动将扫描过滤模式选为第二激活模式。
或者,在实施例中,用户可以直接选择扫描过滤不激活模式,或者在多种扫描过滤模式中选择想要的一种激活模式。如果用户想要使用作为默认选择的激活模式或不是前一扫描步骤中使用过的激活模式的其他激活模式,则可以直接选择激活模式,从而改变激活模式。
参照图5,扫描过滤模式菜单531可包括用不激活扫描过滤模式的菜单532以及用于激活扫描过滤模式的菜单533至535。用于激活扫描过滤模式的菜单可包括:用于选择第一激活模式的菜单533;用于选择第二激活模式的菜单534;以及用于选择第三激活模式的菜单535。每个菜单可以以图标、文本、图像等的形式表示。
在实施例中,扫描过滤模式菜单531可还包括用于显示模式选择或所选择的模式的标识符537。标识符537输出到移动条536上与所选择的扫描过滤模式的菜单相对应的位置,从而可以向用户显示当前选择的扫描过滤模式是什么。
在实施例中,用户可以利用按键、键盘、鼠标、触摸板等用户输入部125操作扫描过滤模式菜单531中所包括的标识符537,从而选择想要的扫描过滤模式。例如,用户可以使用用户输入部125选择标识符537,并将标识符537的位置移动到移动条536上与期望模式的菜单相对应的位置,从而选择用户期望的扫描过滤模式。或者,如果用户选择期望模式的菜单或在移动条536中选择与期望模式的菜单相对应的位置,则标识符537可以移动到与用户选择的模式菜单相对应的移动条536的位置并选择处于对应位置的模式。
在实施例中,菜单栏530可包括印模扫描菜单538。用户为扫描印模可选择印模扫描菜单538。
在实施例中,数据处理装置120可扫描对象体,当完成对对象体的扫描时,可以反转数据,并将结果输出到画面510。
在实施例中,当用户选择印模扫描菜单538时,数据处理装置120可将对象体识别为印模。因此,当选择印模扫描菜单538时,数据处理装置120可不激活扫描过滤模式,从而生成关于对象体的三维扫描数据。
图6是示出根据实施例数据处理装置120基于多种扫描过滤模式获取的三维扫描数据的图。
图6的(a)部分示出扫描过滤模式不激活时的数据处理装置120所获取的三维扫描数据。
根据情况,用户可能需要在没有过滤的情况下获得三维扫描数据。例如,如果对象体是无齿颚,则对象体中不包括牙齿,只留下软组织的情况较多。数据处理装置120在只包括软组织的图像中,可能很难区分牙龈和粘膜等,因此有可能将对象体的种类误认为是其他组织。即,数据处理装置120有可能在对象体图像中包括的数据中将所需的组织错误地判断为不必要的组织并去除。因此,在这种情况下,用户可能需要在没有过滤的情况下获得无齿颚的三维扫描数据。
在实施例中,当用户选择不激活扫描过滤模式时,数据处理装置120在利用关于对象体的图像来生成扫描数据时,可以不执行过滤数据的动作来防止数据被过滤。
在实施例中,当数据处理装置120将对象体的种类识别为模型时,数据处理装置120可自动不激活扫描过滤动作,从而生成扫描数据。对象体的种类为模型的情况,可包括对象体为石膏模型、印模和牙齿模型中的至少一者的情况。
模型并不像实际口腔那样包括可能影响扫描数据生成的不必要的组织,而且,关于对象体的图像越多,就能获得关于对象体的更准确的三维扫描数据,因此,在实施例中,在对象种类为模型的情况下,数据处理装置120可以不激活扫描过滤动作,从而获得关于对象体的三维扫描数据。
图6的(b)部分至(d)部分分别示出扫描过滤模式激活时的数据处理装置120所获取的三维扫描数据。
图6的(b)部分示出扫描过滤模式为第一激活模式时数据处理装置120所获取的三维扫描数据。在实施例中,第一激活模式可指留下牙齿、牙龈和上牙膛并过滤剩下的软组织的模式。第一激活模式是大多数情况下最普遍使用的激活模式。在实施例中,当选择了第一激活模式时,数据处理装置20可以留下牙齿、牙齿和上牙膛并过滤剩余的组织。
图6的(b)部分包括两个图。图6的(b)部分的两个图均包括牙齿、牙龈、上牙膛区域。图6的(b)部分的左侧和右侧图示出用户利用三维扫描仪110以不同程度扫描上牙膛的情况。图6的(b)部分的左侧图示出,在用户利用三维扫描仪110扫描的对象体不包括很多的上牙膛的情况下,数据处理装置120根据第一激活模式获取的三维扫描数据。图6的(b)部分的右侧图示出,在用户利用三维扫描仪110扫描的对象体包括整个上牙膛的情况下,数据处理装置120根据第一激活模式获取的三维扫描数据。
图6的(c)部分示出扫描过滤模式为第二激活模式时数据处理装置120所获取的三维扫描数据。
在实施例中,与第一激活模式不同,第二激活模式可以是仅留下牙齿和牙龈并过滤掉所有其他区域的模式。根据第二激活模式生成的三维扫描数据中仅包括牙齿和牙龈,用户后续不需要利用数据处理装置120执行修整不必要的软组织的工作。
图6的(d)部分示出扫描过滤模式为第三激活模式时数据处理装置120所获取的三维扫描数据。在实施例中,第三激活模式可指去除牙齿周边的所有软组织仅留下作为硬组织的牙齿的模式。使用第三激活模式时,数据处理装置120将获得仅包括牙齿而其他区域全部去除的三维扫描数据。虽然以第一激活模式或第二激活模式获得了对象体的三维扫描数据,但是当三维扫描数据中包括牙齿的空白区域时,用户可以使用第三激活模式进一步扫描牙齿的空白区域。由第三激活模式生成的三维扫描数据可以与第一激活模式或第二激活模式生成的三维扫描数据对齐和合并使用。
图7是示出根据实施例数据处理装置120为了变更当前的扫描过滤模式的激活或未激活状态而输出的用户界面画面730的图。
参照图7,数据处理装置120可输出扫描过滤模式菜单710。扫描过滤模式菜单710中可包括用于使扫描过滤模式不激活的菜单711以及扫描过滤模式中的第一激活模式选择菜单712。此外,扫描过滤模式菜单531可包括用于选择模式和/或用于显示所选模式的标识符714以及供标识符714移动的移动条713。
在实施例中,数据处理装置120可识别当前的扫描过滤模式的激活或不激活状态。
参照图7,当前标识符714位于与第一激活模式选择菜单712对应的移动条713上,这可指当前扫描过滤模式被设置为第一激活模式。数据处理装置120可以识别当前扫描过滤模式处于激活状态。
在实施例中,数据处理装置120可以在从三维扫描仪110实时获取的图像中识别对象体的种类。在实施例中,当对象体的种类被识别为石膏模型或印模模型等模型时,数据处理装置120可以确定不激活扫描过滤模式。
在实施例中,在当前的扫描过滤模式的激活或不激活状态与对象体的种类不匹配时,数据处理装置120可自动变更当前的扫描过滤模式的激活或不激活状态。
或者,在实施例中,在当前的扫描过滤模式的激活或不激活状态与对象体的种类不匹配时,数据处理装置120可输出向用户告知该内容的界面画面,以引导用户变更模式,而不是自动变更当前的扫描过滤模式的激活或不激活状态。
在实施例中,图7示出当前的扫描过滤模式的激活或不激活状态与对象体的种类不匹配时数据处理装置120输出用于变更当前的扫描过滤模式的激活或不激活状态的用户界面画面730的图。
在实施例中,数据处理装置120可以将用户界面画面730以文本窗口的形式显示在画面的部分区域上。可以以各种方式改变用户界面画面730的大小、输出位置、透明度和/或形式。
在实施例中,用户界面画面730可包括下述信息中的至少一者:所识别的对象体的种类;指示基于所识别的对象体的种类来变更扫描过滤模式的激活或不激活状态的消息;以及指示变更扫描步骤的消息。然而,不限于此,输出至用户界面画面730的消息可以变形为多种形式。
用户界面画面730输出后,用户可以根据用户界面画面730提示的内容输入变更扫描过滤模式的激活或不激活状态的信号。例如,用户可以在扫描过滤模式菜单710中选择使扫描过滤模式不激活的菜单711。数据处理装置120可以接收与用户界面画面730的输出对应输入的扫描过滤模式的激活或不激活状态的变更信号,并且基于扫描过滤模式的激活或不激活状态的变更信号来变更当前的扫描过滤模式的激活或不激活状态。
或者,当对象体为印模时,用户可以选择印模扫描菜单720。在实施例中,当用户选择印模扫描菜单720时,数据处理装置120可将对象体识别为印模模型。在实施例中,数据处理装置120可响应于印模扫描菜单720的选择,自动不激活扫描过滤模式,并执行关于对象体的印模扫描。在实施例中,数据处理装置120在完成对对象体的扫描后,可以反转数据的阴刻、阳刻,并输出结果。
图8是示出根据实施例的数据处理方法的流程图。
参照图8,数据处理装置120可识别对象体的种类(步骤810)。例如,数据处理装置120可判断对象体的种类是否为模型。
在实施例中,数据处理装置120可基于对象体的种类来确定是激活还是不激活扫描过滤模式(步骤820)。例如,当对象体的种类为模型时,数据处理装置120可确定不激活扫描过滤模式。例如,当对象体的种类不是模型而是口腔时,数据处理装置120可确定激活扫描过滤模式。
在实施例中,数据处理装置120可响应于确定结果来激活或不激活扫描过滤模式,从而获取关于对象体的三维扫描数据(步骤830)。
图9是示出根据实施例的数据处理方法的流程图。
参照图9,数据处理装置120可识别对象体的种类(步骤910)。
在实施例中,数据处理装置120可判断当前的扫描过滤模式是否对应于对象体的种类(步骤920)。
例如,当数据处理装置120判断对象体的种类为如石膏模型或印模模型、牙齿模型等的模型时,可识别对应于对象体的种类的扫描过滤模式为扫描过滤不激活模式。例如,当对象体的种类不是模型时,数据处理装置120可识别对应于对象体的扫描过滤模式为激活模式。
在实施例中,在判断当前的扫描过滤模式对应于对象体的种类时,数据处理装置120可以以当前的扫描过滤模式获取关于对象体的三维扫描数据(步骤930)。
在实施例中,在判断当前的扫描过滤模式与对象体的种类不对应时,数据处理装置120可以变更扫描过滤模式,以对应于对象体的种类(步骤940)。
例如,在判断当前的扫描过滤模式与对象体的种类不对应时,数据处理装置120可以自动变更扫描过滤模式,以对应于对象体的种类。
或者,在判断当前的扫描过滤模式与对象体的种类不对应时,数据处理装置120可以输出告知该情况的用户界面画面,并且基于由用户输入的与用户界面画面的输出相对应的扫描过滤模式的激活或不激活状态的变更信号,来变更扫描过滤模式,以对应于对象体的种类。
在实施例中,数据处理装置120可基于变更的扫描过滤模式的激活或不激活状态来获取关于对象体的三维扫描数据(步骤950)。
图10是示出根据实施例的数据处理方法的流程图。
参照图10,数据处理装置120可判断当前的扫描过滤模式是否与对象体的种类对应。
例如,在将所识别的对象体的种类识别为石膏模型,并识别当前扫描过滤模式处于激活状态时,数据处理装置120可判断当前的扫描过滤模式与对象体的种类不对应。
在判断当前的扫描过滤模式与对象体的种类不对应时,数据处理装置120可输出指示变更扫描过滤模式的激活或不激活状态的用户界面画面(步骤1010)。
用户可以利用通过数据处理装置120的画面输出的用户界面画面,了解对当前要扫描的对象体的扫描过滤模式的激活或不激活被错误设置,并变更扫描过滤模式的激活或不激活状态。例如,如上所述,如果当前要扫描的对象体是石膏模型,则用户可以输入将扫描过滤模式改变为不激活状态的模式改变信号。
在实施例中,数据处理装置120可判断是否响应于用户界面画面的输出接收了来自用户的模式变更信号(步骤1020)。
在实施例中,数据处理装置120可基于接收了扫描过滤模式的激活或不激活状态的变更信号来变更扫描过滤模式的激活或不激活状态,从而获取三维扫描数据(步骤1030)。例如,在上述例子中,数据处理装置120可以通过将扫描过滤模式从激活状态变更为不激活状态来获取石膏模型的三维扫描数据。
在实施例中,当未接收到扫描过滤模式的激活或不激活状态的变更信号时,数据处理装置120可判断是否经过预定时间(步骤1040)。
在实施例中,在输出用户界面画面后经过预定时间后也未接收到来自用户的扫描过滤模式的激活或不激活状态的变更信号时,数据处理装置120可根据现有扫描过滤模式的激活或不激活状态来获取三维扫描数据(步骤1050)。例如,数据处理装置120可以以扫描过滤模式激活的状态获取关于石膏模型的三维扫描数据。
根据本公开一实施例的数据处理方法以能够通过各种计算机机构执行的程序命令形式实现,并记录在计算机可读介质中。此外,本公开的实施例可以是一种计算机可读存储介质,其中记录了包括用于执行数据处理方法的至少一个指令的一个以上程序。
此外,上述的本公开的根据实施例的数据处理方法,可实现为包括计算机可读记录介质的计算机程序产品,其中,所述计算机可读记录介质中记录有用于实现数据处理方法的程序,其中,所述数据处理方法,包括如下步骤:识别对象体的种类;基于所述对象体的种类来确定是激活还是不激活扫描过滤模式;以及响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
所述计算机可读存储介质可以单独或组合包括程序命令、数据文件、数据结构等。其中,计算机可读存储介质的例子包括硬盘、软盘及磁带等磁介质(magnetic media)、CD-ROM、DVD等光记录介质(optic media)、软式光盘(floptical disk)等磁光介质(magneto-optic media)、以及配置为存储和执行程序命令的硬件装置,如只读存储器(ROM)、随机存取存储器(RAM)和闪存等。
其中,可以用机器读取的存储介质可以以非暂时性(non-transitory)存储介质的形式提供。其中,“非暂时性存储介质”是指存储介质是实际的(tangible)设备。另外,“非暂时性存储介质”可以包括暂时存储数据的缓冲器。
根据一实施例,根据本说明书中公开的各种实施例的数据处理方法可通过被包括在计算机程序产品(computer program product)中来提供。计算机程序产品可以以设备可读存储介质(例如,光盘只读存储器(compact disc read only memory,CD-ROM))的形式发布。或者,通过应用商店(例如,Play Store等)或在两个用户装置(例如,智能手机)之间直接、线上发布(例如,下载或上传)。具体地,根据公开的实施例的计算机程序产品可包括记录有包括至少一个指令的程序的存储介质,以执行根据公开的实施例的数据处理方法。
以上对实施例进行了详细说明,但本发明的权利范围并不限于此,在权利要求书内定义的利用本发明的基本概念的本领域技术人员的各种变形及改良形态也属于本发明的权利范围。
Claims (20)
1.一种数据处理方法,在数据处理装置中执行,其中,
所述数据处理方法包括以下步骤:
识别对象体的种类,
基于所述对象体的种类来确定是激活还是不激活扫描过滤模式,以及
响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
2.根据权利要求1所述的数据处理方法,其中,
基于所述对象体的种类来确定是激活还是不激活扫描过滤模式的步骤,包括以下步骤:
在所述对象体的种类为模型时,确定不激活所述扫描过滤模式,以及
在所述对象体的种类不是所述模型时,确定激活所述扫描过滤模式。
3.根据权利要求1所述的数据处理方法,其中,
获取关于所述对象体的三维扫描数据的步骤,包括以下步骤:
在当前的扫描过滤模式的激活或不激活状态与所述确定结果不对应时,变更当前的所述扫描过滤模式的激活或不激活状态,以及
基于变更的所述扫描过滤模式的激活或不激活状态,获取关于所述对象体的三维扫描数据。
4.根据权利要求3所述的数据处理方法,其中,
还包括以下步骤:
在当前的所述扫描过滤模式的激活或不激活状态与所述确定结果不对应时,输出用于变更当前的所述扫描过滤模式的激活或不激活状态的用户界面画面;
所述用户界面画面包括所述对象体的种类、指示基于所述对象体的种类来变更扫描过滤模式的激活或不激活状态的消息以及指示变更扫描步骤的消息中的至少一者。
5.根据权利要求4所述的数据处理方法,其中,
变更当前的所述扫描过滤模式的激活或不激活状态的步骤,包括以下步骤:
接收与所述用户界面画面的输出对应地输入的扫描过滤模式的激活或不激活状态的变更信号,以及
基于所述扫描过滤模式的激活或不激活状态的变更信号来变更当前的所述扫描过滤模式的激活或不激活状态。
6.根据权利要求1所述的数据处理方法,其中,
识别所述对象体的种类的步骤,包括以下步骤:
在从扫描仪接收的帧中所包括的所有像素中识别为预定种类的像素的百分比为参考值以上时,将所述对象体识别为所述预定种类。
7.根据权利要求6所述的数据处理方法,其中,
识别所述对象体的种类的步骤,还包括以下步骤:
在扫描动作开始后获取的基准个数的帧中被识别为所述预定种类的帧的百分比为参考值以上时,将所述对象体识别为所述预定种类。
8.根据权利要求1所述的数据处理方法,其中,
扫描过滤模式根据待过滤对象包括多种激活模式;
激活所述扫描过滤模式并获取关于所述对象体的三维扫描数据的步骤,包括以下步骤:
以所述多种激活模式中的一种激活模式来获取关于所述对象体的过滤后的三维扫描数据;
所述一种激活模式为由用户选择的激活模式、默认选择的激活模式以及前一扫描步骤中使用的激活模式中的至少一者。
9.根据权利要求8所述的数据处理方法,其中,
以所述一种激活模式获取关于所述对象体的过滤后的三维扫描数据的步骤,包括以下步骤:
在从扫描仪接收的帧中所包括的像素中,根据选择的所述一种激活模式来识别待过滤的种类,以及
去除识别的所述种类的像素,从而获取关于所述对象体的过滤后的三维扫描数据。
10.一种计算机可读记录介质,其中,记录有用于实现数据处理方法的程序,
所述数据处理方法,包括以下步骤:
识别对象体的种类,
基于所述对象体的种类来确定是激活还是不激活扫描过滤模式,以及
响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
11.一种数据处理装置,其中,
包括用于执行一个以上的指令的一个以上的处理器;
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
识别对象体的种类,
基于所述对象体的种类来确定是激活还是不激活扫描过滤模式,以及
响应于确定结果来激活或不激活所述扫描过滤模式,从而获取关于所述对象体的三维扫描数据。
12.根据权利要求11所述的数据处理装置,其中,
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在所述对象体的种类为模型时,确定不激活所述扫描过滤模式。
13.根据权利要求11所述的数据处理装置,其中,
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在所述对象体的种类不是模型时,确定激活所述扫描过滤模式。
14.根据权利要求11所述的数据处理装置,其中,
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在当前的扫描过滤模式的激活或不激活状态与所述确定结果不对应时,变更当前的所述扫描过滤模式的激活或不激活状态,以及
基于变更的所述扫描过滤模式的激活或不激活状态,获取关于所述对象体的三维扫描数据。
15.根据权利要求14所述的数据处理装置,其中,
还包括显示器;
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在当前的所述扫描过滤模式的激活或不激活状态与所述确定结果不对应时,输出用于变更当前的所述扫描过滤模式的激活或不激活状态的用户界面画面;
所述用户界面画面包括所述对象体的种类、指示基于所述对象体的种类来变更扫描过滤模式的激活或不激活状态的消息以及指示变更扫描步骤的消息中的至少一者。
16.根据权利要求15所述的数据处理装置,其中,
还包括用户输入部;
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
接收通过所述用户输入部与所述用户界面画面的输出对应地输入的扫描过滤模式的激活或不激活状态的变更信号,以及
基于所述扫描过滤模式的激活或不激活状态的变更信号来变更当前的所述扫描过滤模式的激活或不激活状态。
17.根据权利要求11所述的数据处理装置,其中,
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在从扫描仪接收的帧中所包括的所有像素中识别为预定种类的像素的百分比为参考值以上时,将所述对象体识别为所述预定种类。
18.根据权利要求17所述的数据处理装置,其中,
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在扫描动作开始后获取的基准个数的帧中被识别为所述预定种类的帧的百分比为参考值以上时,将所述对象体识别为所述预定种类。
19.根据权利要求11所述的数据处理方法,其中,
扫描过滤模式根据待过滤对象包括多种激活模式;
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
以所述多种激活模式中的一种激活模式来获取关于所述对象体的过滤后的三维扫描数据;
所述一种激活模式为由用户选择的激活模式、默认选择的激活模式以及前一扫描步骤中使用的激活模式中的至少一者。
20.根据权利要求19所述的数据处理装置,其中,
所述一个以上的处理器通过执行所述一个以上的指令来执行如下操作:
在从扫描仪接收的帧中所包括的像素中,根据选择的所述一种激活模式来识别待过滤的种类,以及
去除识别的所述种类的像素,从而获取关于所述对象体的过滤后的三维扫描数据。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2021-0134684 | 2021-10-12 | ||
KR10-2022-0106345 | 2022-08-24 | ||
KR1020220106345A KR20230052217A (ko) | 2021-10-12 | 2022-08-24 | 데이터 처리 장치 및 데이터 처리 방법 |
PCT/KR2022/014108 WO2023063607A1 (ko) | 2021-10-12 | 2022-09-21 | 데이터 처리 장치 및 데이터 처리 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118076318A true CN118076318A (zh) | 2024-05-24 |
Family
ID=91111368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280063602.4A Pending CN118076318A (zh) | 2021-10-12 | 2022-09-21 | 数据处理装置和数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118076318A (zh) |
-
2022
- 2022-09-21 CN CN202280063602.4A patent/CN118076318A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11800216B2 (en) | Image based orthodontic treatment refinement | |
JP6936826B2 (ja) | 画像処理装置、表示システム、画像処理方法、および画像処理プログラム | |
US20230149135A1 (en) | Systems and methods for modeling dental structures | |
KR102351684B1 (ko) | 구강 이미지의 처리 방법, 그에 따른 동작을 수행하는 구강 진단 장치, 및 그 방법을 수행하는 프로그램이 저장된 컴퓨터 판독 가능 저장 매체 | |
WO2023230334A1 (en) | Systems and methods for automated teeth tracking | |
WO2023141533A1 (en) | Photo-based dental appliance and attachment assessment | |
CN118076318A (zh) | 数据处理装置和数据处理方法 | |
US20230042643A1 (en) | Intuitive Intraoral Scanning | |
US20220301346A1 (en) | Learning apparatus, learning system, and nonverbal information learning method | |
KR20230052217A (ko) | 데이터 처리 장치 및 데이터 처리 방법 | |
EP4350705A1 (en) | Electronic device and image processing method therefor | |
KR102612679B1 (ko) | 구강 스캐너의 스캔 이미지 처리 방법, 그 장치 및 그 명령을 기록한 기록 매체 | |
KR102583414B1 (ko) | 3차원 스캐너의 스캔 이미지 처리 방법 및 장치 | |
US20230386141A1 (en) | Method, apparatus and recording medium storing commands for processing scanned images of 3d scanner | |
JP7202729B1 (ja) | 歯列矯正アドバイスシステム、歯列矯正アドバイス方法およびそのプログラム | |
US20240122463A1 (en) | Image quality assessment and multi mode dynamic camera for dental images | |
KR102544203B1 (ko) | 구강 이미지 처리 장치 및 구강 이미지 처리 방법 | |
US20230401804A1 (en) | Data processing device and data processing method | |
CN117677337A (zh) | 用于调节三维扫描仪的扫描深度的方法和装置 | |
KR20230014621A (ko) | 3차원 스캐너의 스캔 심도 조절을 위한 방법 및 장치 | |
WO2023014995A1 (en) | Intuitive intraoral scanning | |
EP4381468A1 (en) | Intuitive intraoral scanning | |
KR20230053738A (ko) | 3차원 스캐너의 스캔 이미지 정렬 방법, 장치 및 명령을 기록한 기록매체 | |
CN116712202A (zh) | 一种基于计算机视觉的激光去龋仪自动化智能辅助系统 | |
CN116568239A (zh) | 用于牙科护理的系统、装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |