CN107702663B - 一种基于具有标志点的旋转平台的点云配准方法 - Google Patents
一种基于具有标志点的旋转平台的点云配准方法 Download PDFInfo
- Publication number
- CN107702663B CN107702663B CN201710910365.1A CN201710910365A CN107702663B CN 107702663 B CN107702663 B CN 107702663B CN 201710910365 A CN201710910365 A CN 201710910365A CN 107702663 B CN107702663 B CN 107702663B
- Authority
- CN
- China
- Prior art keywords
- mark
- point cloud
- points
- image
- mark points
- 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
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
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于具有标志点的旋转平台的点云配准方法，以旋转平台为载体，将物体放置于旋转平台上，以旋转平台上的标志点作为运算基础，通过各种算法精确计算出旋转平台的旋转角度，并且重复上述步骤多次，从而得到多个旋转角度的数据值，进一步利用这些角度将各个重构点云的坐标统一到同一个坐标系下，从而实现待测物体点云的配准。本发明以标志点作为运算基础，使得方法操作简单实用，便于本领域的技术人员实施，同时运算范围更加精确，由运算范围带来的误差更小，从而能够提高配准精度，满足本领域技术人员的三维形貌测量需求。
Description
技术领域
本发明属于三维形貌测量领域，尤其是一种基于具有标志点的旋转平台的点云配准方法。
背景技术
近年来，随着现代科学研究的深入和工业生产水平的不断提高，三维形貌测量越来越受到人们的关注。其中，基于数字条纹投影的三维形貌测量技术由于其具有操作简单、实时和精度高等优点，在文物测量、汽车制作和模具等行业中得到了广泛的应用。但由于光学测量受到其自身的限制，要得到一个物体完整的三维信息只能通过多角度和全方位的处理，因此对物体三维立体的重构只能分步骤进行。当获得同一物体不同角度的三维点云数据后，而这些不同角度重构数据所在的坐标系都各不相同，因此为获得物体三维立体的完整点云，需要对物体点云进行配准，即将重构的点云都统一到同一个坐标系下。
因此可以使用一个辅助的旋转平台，将物体放置于该旋转平台上，通过精确控制旋转平台的角度，再利用此角度将各个重构点云的坐标都统一到同一个坐标系下，从而实现物体点云的配准，常规的基于旋转平台的点云配准通常是直接将旋转平台或待测物体的视图作为发起点，即从视图数据或视图延展数据出发来进行一系列的运算，以达到点云配准的目的，这种方法存在的缺点是选取的视图较为复杂，不便于本领域的技术人员实施，而且可能出现直接选取的视图范围过大，点云配准有较大误差的问题。
发明内容
为了解决上述问题，本发明的目的是提供一种基于具有标志点的旋转平台的点云配准方法，以标志点作为基础对象，选取的对象较为简单，便于本领域的技术人员实施，选取对象的范围小，通过对标志点的一系列处理，得到精确配准后的待测物体全貌点云，取得提高配准精度的效果。
为了取得上述效果，本发明采用的技术方案是：
一种基于具有标志点的旋转平台的点云配准方法，其特征在于，包括以下步骤：
A、在旋转平台上贴上标志点，再将待测物体放置于旋转平台上；
B、旋转该旋转平台一个角度；
C、识别旋转平台上的标志点位置并计算出标志点的中心值坐标；
D、根据中心值坐标计算出重叠的标志点点云；
E、计算出重叠的标志点之间的旋转平移关系，根据所述旋转平移关系对重叠的标志点点云作坐标变换；
F、对经坐标变换后的重叠的标志点点云进行配准，即可得到配准后的此旋转角度下的待测物体点云；
G、重复步骤B-F两次及以上，即可得到配准后的待测物体全貌点云。
进一步，步骤C中的识别旋转平台上的标志点位置并计算出标志点的中心值坐标，具体步骤包括：
C1、利用投影仪和摄像机获得待测物体的原图像；
C2、利用边缘检测算法处理待测物体的原图像，经处理后的原图像转化为具有线条轮廓的数字化的第一图像，所述第一图像内包含孔洞以及断裂的标志点，所述线条轮廓内形成连通域；
C3、填充第一图像中的孔洞以及补全断裂的标志点；
C4、滤除第一图像中由线条轮廓构成的连通域中不符合阈值要求的噪声点，以及滤除所占像素点比值不符合像素比阈值要求的具有标志点的区域，得到包含标志点区域的数字化的第二图像；
C5、将第一图像的像素矩阵与第二图像的像素矩阵相乘，得到只含有标志点边缘信息的第三图像，即识别出旋转平台上的标志点位置；
C6、利用基于最小二乘法的椭圆拟合算法对第三图像进行椭圆拟合，计算出标志点的中心值坐标。
进一步，步骤D中的根据中心值坐标计算出重叠的标志点点云，具体步骤包括：
D1、根据标志点的中心值坐标计算出旋转平台的旋转角度；
D2、根据旋转角度计算出相邻标志点点云重叠区域的角度范围，在此角度范围之内的标志点即为重叠的标志点点云。
进一步，步骤D1中根据标志点的中心值坐标计算出旋转平台的旋转角度，具体步骤包括：
D11、根据标志点的中心值坐标对投影仪和摄像机进行标定，得到投影仪和摄像机的内参数矩阵以及外参数矩阵；
D12、通过投影仪对第三图像的投影得到条纹图，再通过摄像机采集到变换角度后的条纹图，即变形条纹图；
D13、利用相位测量轮廓术处理变形条纹图并对其进行相位展开以及滤除背景噪声，得到第四图像；
D14、根据内参数矩阵、外参数矩阵和第四图像构出包含标志点的三维立体点云；
D15、对三维立体点云内的标志点按从左到右的顺序进行排序，再以穿过旋转平台中心向外的轴线为基准将三维立体点云内的标志点分别分在左右两部分区域内；
D16、计算左右两部分区域内的标志点与穿过旋转平台中心向外的轴线之间的角度值，即为旋转平台的旋转角度。
进一步，步骤E中计算出重叠的标志点之间的旋转平移关系，根据所述旋转平移关系对重叠的标志点点云作坐标变换，具体步骤包括：E1、剔除相隔距离误差值不符合阈值要求的相邻标志点点云重叠区域内的标志点，得到第一重叠域；
E2、利用SVD分解法计算出第一重叠域内标志点之间的旋转平移关系，即为重叠的标志点之间的旋转平移关系；
E3、根据旋转平移关系对重叠的标志点点云作坐标变换。
进一步，步骤F中，利用改进型ICP算法对变换后的重叠的标志点点云进行配准。
本发明的有益效果是：一种基于具有标志点的旋转平台的点云配准方法，以旋转平台为载体，将物体放置于旋转平台上，以旋转平台上的标志点作为运算基础，通过各种算法精确计算出旋转平台的旋转角度，并且重复上述步骤多次，从而得到多个旋转角度的数据值，进一步利用这些角度将各个重构点云的坐标统一到同一个坐标系下，从而实现待测物体点云的配准。因此，本发明选取标志点作为运算基础能够使得点云配准方法操作更加简单实用，利于本领域的技术人员实施，同时运算范围更加精确，也就能够减少由运算范围带来的误差，从而提高配准精度，满足本领域技术人员的三维形貌测量需求。
附图说明
图1是本发明的点云配准方法的步骤流程图；
图2是本发明中生成三维立体点云的流程示例图；
具体实施内容
下面结合附图给出本发明较佳实施例，以详细说明本发明的实施方案，参照图1，一种基于具有标志点的旋转平台的点云配准方法，其特征在于，包括以下步骤：
A、在旋转平台上贴上标志点，再将待测物体放置于旋转平台上；
B、旋转该旋转平台一个角度；
C、识别旋转平台上的标志点位置并计算出标志点的中心值坐标；
D、根据中心值坐标计算出重叠的标志点点云；
E、计算出重叠的标志点之间的旋转平移关系，根据所述旋转平移关系对重叠的标志点点云作坐标变换；
F、对经坐标变换后的重叠的标志点点云进行配准，即可得到配准后的此旋转角度下的待测物体点云；
G、重复步骤B-F两次及以上，即可得到配准后的待测物体全貌点云。
具体地，以旋转平台为载体，将物体放置于旋转平台上，以旋转平台上的标志点作为运算基础，通过各种算法精确计算出旋转平台的旋转角度，并且重复上述步骤多次，从而得到多个旋转角度的数据值，进一步利用这些角度将各个重构点云的坐标统一到同一个坐标系下，从而实现待测物体点云的配准。因此，本发明选取标志点作为运算基础能够使得点云配准方法操作更加简单实用，利于本领域的技术人员实施，同时运算范围更加精确，也就能够减少由运算范围带来的误差，从而提高配准精度，满足本领域技术人员的三维形貌测量需求。
其中，步骤C中的识别旋转平台上的标志点位置并计算出标志点的中心值坐标，具体步骤包括：
C1、利用投影仪和摄像机获得待测物体的原图像；
C2、利用边缘检测算法处理待测物体的原图像，经处理后的原图像转化为具有线条轮廓的数字化的第一图像，所述第一图像内包含孔洞以及断裂的标志点，所述线条轮廓内形成连通域；
C3、填充第一图像中的孔洞以及补全断裂的标志点；
C4、滤除第一图像中由线条轮廓构成的连通域中不符合阈值要求的噪声点，以及滤除所占像素点比值不符合像素比阈值要求的具有标志点的区域，得到包含标志点区域的数字化的第二图像；
C5、将第一图像的像素矩阵与第二图像的像素矩阵相乘，得到只含有标志点边缘信息的第三图像，即识别出旋转平台上的标志点位置；
C6、利用基于最小二乘法的椭圆拟合算法对第三图像进行椭圆拟合，计算出标志点的中心值坐标。
具体地，步骤C2中的边缘检测算法是一种现有技术，在本实施例中，其主要用于尽可能多地标识出待测物体的原图像的实际边缘，进而得到原图像的线条轮廓，由于存在必然误差，所以得到的线条轮廓不全为待测物体的真实轮廓，还有一部分是不真实轮廓，其中不真实轮廓内有许多瑕疵，因此需要在步骤C3中对其补全断裂的标志点以及修补孔洞；步骤C4中的阈值是指在***中能产生一个校正动作的最小输入值，具体到变量而言，小于最小输入值的输入都无法使***正常工作，所以在步骤C4中需要滤除噪音点或者不符合像素比阈值的区域，为了更加精确，本领域技术人员也可滤除像素点周长过长或相隔距离过远的区域，另外，本实施例中常采用大小相等的白色标志点，便于控制变量，本领域技术人员也可自行选择标志点的参数，数字化后的第一图像与数字化后的第二图像均具有特定的像素矩阵，因此在步骤C5中可将这两者的像素矩阵相乘，从而得到另一图像的像素矩阵，此另一图像即为第三图像，步骤C6中的基于最小二乘法的椭圆拟合算法是一种现有技术，在本实施例中，其主要用于处理第三图像以达到很高的拟合精度，同时也可对第三图像的形状和位置参数进行约束。
其中，步骤D中的根据中心值坐标计算出重叠的标志点点云，具体步骤包括：
D1、根据标志点的中心值坐标计算出旋转平台的旋转角度；
D2、根据旋转角度计算出相邻标志点点云重叠区域的角度范围，在此角度范围之内的标志点即为重叠的标志点点云。
具体地，相邻标志点点云重叠区域内的标志点分布相对密集，适合作为研究对象，且相对误差较小，所以从相邻标志点点云重叠区域中选出重叠的标志点点云。
其中，参照图2，步骤D1中根据标志点的中心值坐标计算出旋转平台的旋转角度，具体步骤包括：
D11、根据标志点的中心值坐标对投影仪和摄像机进行标定，得到投影仪和摄像机的内参数矩阵以及外参数矩阵；
D12、通过投影仪对第三图像的投影得到条纹图，再通过摄像机采集到变换角度后的条纹图，即变形条纹图；
D13、利用相位测量轮廓术处理变形条纹图并对其进行相位展开以及滤除背景噪声，得到第四图像；
D14、根据内参数矩阵、外参数矩阵和第四图像构出包含标志点的三维立体点云；
D15、对三维立体点云内的标志点按从左到右的顺序进行排序，再以穿过旋转平台中心向外的轴线为基准将三维立体点云内的标志点分别分在左右两部分区域内；
D16、计算左右两部分区域内的标志点与穿过旋转平台中心向外的轴线之间的角度值，即为旋转平台的旋转角度。
具体地，图2的流程示例图应从左往右、从上往下看，上方右边最后一个步骤连接下方左边第一个步骤，应当说明的是，以下“(D12)”和“(D13)”等标识符号只表明该图与相应步骤的对应关系，不应理解为图2中的附图标记，实际上图2中并不具有附图标记。图2的步骤分别为投影得到条纹图(D12)、选择待测物体与旋转平台的第三图像(D12)、采集变形条纹图(D12)、利用相位测量轮廓术处理变形条纹图(D13)、展开相位(D13)、滤除背景噪声(D13)、构出三维立体点云(D14)和滤除噪声点云；步骤D11中的内参数矩阵和外参数矩阵是本领域内的公知技术，内参数矩阵一般用来描述具体的物点经过摄像机或投影机的镜头、针孔成像和电子转化而成为像素点的变换关系，而外参数矩阵一般用来描述现实世界点或世界坐标经过旋转和平移而落到另一个现实世界点或摄像机坐标上的变换关系，步骤D13中的相位测量轮廓术是一种光学投影三维轮廓术，在本领域较为常见，还可以采用莫尔轮廓术、时域相位测量轮廓术和傅里叶变换轮廓术等常见方法，本实施例中采用的是相位测量轮廓术的一种包裹算法，它基于一维的傅里叶变换(FFT)，具有简单有效，易于实现的特点，展开相位和滤除背景噪声的目的是尽量清除变形条纹图内的杂质部分，实际中，步骤D14中在生成三维立体点云后可再次滤除噪声点云，也就可以进一步去除三维立体点云内的杂点和噪声点，步骤D15和D16中的旋转角度计算方法简述如下：从左区域内的一标志点向穿过旋转平台中心向外的轴线引垂线，两条线相交必有一交点，再将此交点与右区域内的另一标志点连接即产生一条直线，此直线与垂线的夹角即为旋转角度。
其中，步骤E中计算出重叠的标志点之间的旋转平移关系，根据所述旋转平移关系对重叠的标志点点云作坐标变换，具体步骤包括：E1、剔除相隔距离误差值不符合阈值要求的相邻标志点点云重叠区域内的标志点，得到第一重叠域；
E2、利用SVD分解法计算出第一重叠域内标志点之间的旋转平移关系，即为重叠的标志点之间的旋转平移关系；
E3、根据旋转平移关系对重叠的标志点点云作坐标变换。
具体地，步骤E1中的阈值主要根据重叠区域内的标志点相隔距离进行判断，也可根据标志点是否处于边缘位置等因素来进行判断；放置在旋转平台上的待测物体以及旋转平台上的标志点，在经过转动后的相对位置是不变的。因此只要计算出标志点之间的旋转平移关系，那么待测物体点云之间的旋转平移关系也就确定了，在本实施例中，得到第一重叠域后，可利用SVD分解法计算出标志点之间的旋转平移关系，此旋转平移关系同样适用于第一重叠域，则对第一重叠域进行同等变换，得到粗配准的待测物体点云，其中步骤E2中的SVD分解法也叫奇异矩阵分解法，奇异矩阵分解是谱分析理论在任意矩阵上的推广，使用较为广泛，在统计中主要用来分析主成分，识别具体模式或进行数据压缩等，在本实施例中其主要用于识别标志点并进行相应的矩阵运算，以得到标志点之间的旋转平移矩阵。
其中，步骤F中，利用改进型I CP算法对变换后的重叠的标志点点云进行配准，具体地，步骤E中对重叠的标志点点云进行了变换，即进行了粗略配准，在本实施例中，精确配准主要靠改进型I CP算法来实现，改进型I CP算法是一种现有技术，在实际中，I CP算法是一种逼近迭代算法，需要的点云集应具有较大的重叠范围，以满足精确配准的收敛精度要求，传统I CP算法具有初始点云位置高、算法效率低等缺点，而常用的改进型I CP算法一般结合K-近邻搜索和法向量估计，并采用基于八叉树的结构算法，可以进行点云精确配准，进一步缩小了配准时间，在本实施例中，主要运用了改进型I CP算法结合K-近邻搜索的精确配准方法。
以上内容对本发明的较佳实施例和基本原理作了详细论述，但本发明并不局限于上述实施方式，熟悉本领域的技术人员应该了解在不违背本发明精神的前提下还会有各种等同变形和替换，这些等同变形和替换都落入要求保护的本发明范围内。
Claims (5)
1.一种基于具有标志点的旋转平台的点云配准方法，其特征在于，包括以下步骤：
A、在旋转平台上贴上标志点，再将待测物体放置于旋转平台上；
B、旋转该旋转平台一个角度；
C、识别旋转平台上的标志点位置并计算出标志点的中心值坐标；
D、根据中心值坐标计算出重叠的标志点点云；
E、计算出重叠的标志点之间的旋转平移关系，根据所述旋转平移关系对重叠的标志点点云作坐标变换；
F、对经坐标变换后的重叠的标志点点云进行配准，即可得到配准后的此旋转角度下的待测物体点云；
G、重复步骤B-F两次及以上，即可得到配准后的待测物体全貌点云；其中，所述步骤C中的识别旋转平台上的标志点位置并计算出标志点的中心值坐标，具体步骤包括：
C1、利用投影仪和摄像机获得待测物体的原图像；
C2、利用边缘检测算法处理待测物体的原图像，经处理后的原图像转化为具有线条轮廓的数字化的第一图像，所述第一图像内包含孔洞以及断裂的标志点，所述线条轮廓内形成连通域；
C3、填充第一图像中的孔洞以及补全断裂的标志点；
C4、滤除第一图像中由线条轮廓构成的连通域中不符合阈值要求的噪声点，以及滤除所占像素点比值不符合像素比阈值要求的具有标志点的区域，得到包含标志点区域的数字化的第二图像；
C5、将第一图像的像素矩阵与第二图像的像素矩阵相乘，得到只含有标志点边缘信息的第三图像，即识别出旋转平台上的标志点位置；
C6、利用基于最小二乘法的椭圆拟合算法对第三图像进行椭圆拟合，计算出标志点的中心值坐标。
2.根据权利要求1所述的一种基于具有标志点的旋转平台的点云配准方法，其特征在于，所述步骤D中的根据中心值坐标计算出重叠的标志点点云，具体步骤包括：
D1、根据标志点的中心值坐标计算出旋转平台的旋转角度；
D2、根据旋转角度计算出相邻标志点点云重叠区域的角度范围，在此角度范围之内的标志点即为重叠的标志点点云。
3.根据权利要求2所述的一种基于具有标志点的旋转平台的点云配准方法，其特征在于，所述步骤D1中根据标志点的中心值坐标计算出旋转平台的旋转角度，具体步骤包括：
D11、根据标志点的中心值坐标对投影仪和摄像机进行标定，得到投影仪和摄像机的内参数矩阵以及外参数矩阵；
D12、通过投影仪对第三图像的投影得到条纹图，再通过摄像机采集到变换角度后的条纹图，即变形条纹图；
D13、利用相位测量轮廓术处理变形条纹图并对其进行相位展开以及滤除背景噪声，得到第四图像；
D14、根据内参数矩阵、外参数矩阵和第四图像构出包含标志点的三维立体点云；
D15、对三维立体点云内的标志点按从左到右的顺序进行排序，再以穿过旋转平台中心向外的轴线为基准将三维立体点云内的标志点分别分在左右两部分区域内；
D16、计算左右两部分区域内的标志点与穿过旋转平台中心向外的轴线之间的角度值，即为旋转平台的旋转角度。
4.根据权利要求2或3所述的一种基于具有标志点的旋转平台的点云配准方法，其特征在于，所述步骤E中计算出重叠的标志点之间的旋转平移关系，根据所述旋转平移关系对重叠的标志点点云作坐标变换，具体步骤包括：
E1、剔除相隔距离误差值不符合阈值要求的相邻标志点点云重叠区域内的标志点，得到第一重叠域；
E2、利用SVD分解法计算出第一重叠域内标志点之间的旋转平移关系，即为重叠的标志点之间的旋转平移关系；
E3、根据旋转平移关系对重叠的标志点点云作坐标变换。
5.根据权利要求1所述的一种基于具有标志点的旋转平台的点云配准方法，其特征在于，所述步骤F中，利用改进型I CP算法对变换后的重叠的标志点点云进行配准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710910365.1A CN107702663B (zh) | 2017-09-29 | 2017-09-29 | 一种基于具有标志点的旋转平台的点云配准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710910365.1A CN107702663B (zh) | 2017-09-29 | 2017-09-29 | 一种基于具有标志点的旋转平台的点云配准方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107702663A CN107702663A (zh) | 2018-02-16 |
| CN107702663B true CN107702663B (zh) | 2019-12-13 |
Family
ID=61175710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710910365.1A Active CN107702663B (zh) | 2017-09-29 | 2017-09-29 | 一种基于具有标志点的旋转平台的点云配准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107702663B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108895964B (zh) * | 2018-07-09 | 2020-07-17 | 南京农业大学 | 一种基于Kinect自主标定的高通量温室植物表型测量*** |
| CN109285182A (zh) * | 2018-09-29 | 2019-01-29 | 北京三快在线科技有限公司 | 模型生成方法、装置、电子设备和计算机可读存储介质 |
| CN110415331B (zh) * | 2019-06-14 | 2022-08-19 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 |
| CN110310365B (zh) * | 2019-06-27 | 2021-01-05 | 四川大学 | 一种三维重建方法及装置 |
| CN110458772B (zh) * | 2019-07-30 | 2022-11-15 | 五邑大学 | 一种基于图像处理的点云滤波方法、装置和存储介质 |
| CN111161327A (zh) * | 2019-12-31 | 2020-05-15 | 电子科技大学 | 一种结合旋转平台和icp的点云配准方法 |
| CN111504223B (zh) * | 2020-04-22 | 2022-05-31 | 荆亮 | 一种基于线激光传感器的叶片轮廓测量方法及装置和*** |
| CN111780689B (zh) * | 2020-07-13 | 2021-06-29 | 四川大学 | 基于互相关的结构光360°测量的最优旋转角度判定方法 |
| CN112700480B (zh) * | 2020-12-29 | 2022-07-12 | 河北工业大学 | 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用 |
| CN114170284B (zh) * | 2022-02-09 | 2022-07-29 | 南京理工大学 | 基于主动标志点投射辅助的多视图点云配准方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103860268A (zh) * | 2012-12-13 | 2014-06-18 | 中国科学院深圳先进技术研究院 | 一种标记点配准方法、装置及外科手术导航*** |
| CN104392426A (zh) * | 2014-10-23 | 2015-03-04 | 华中科技大学 | 一种自适应的无标志点三维点云自动拼接方法 |
| CN105674926A (zh) * | 2014-11-21 | 2016-06-15 | 富泰华工业（深圳）有限公司 | 点云拼接方法及*** |
| CN106780459A (zh) * | 2016-12-12 | 2017-05-31 | 华中科技大学 | 一种三维点云数据自动配准方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427248A (zh) * | 2014-09-11 | 2016-03-23 | 富泰华工业（深圳）有限公司 | 点云拼接处理***及方法 |
-
2017
- 2017-09-29 CN CN201710910365.1A patent/CN107702663B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103860268A (zh) * | 2012-12-13 | 2014-06-18 | 中国科学院深圳先进技术研究院 | 一种标记点配准方法、装置及外科手术导航*** |
| CN104392426A (zh) * | 2014-10-23 | 2015-03-04 | 华中科技大学 | 一种自适应的无标志点三维点云自动拼接方法 |
| CN105674926A (zh) * | 2014-11-21 | 2016-06-15 | 富泰华工业（深圳）有限公司 | 点云拼接方法及*** |
| CN106780459A (zh) * | 2016-12-12 | 2017-05-31 | 华中科技大学 | 一种三维点云数据自动配准方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107702663A (zh) | 2018-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107702663B (zh) | 一种基于具有标志点的旋转平台的点云配准方法 | |
| CN110363858B (zh) | 一种三维人脸重建方法及*** | |
| CN109242828B (zh) | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 | |
| KR101475382B1 (ko) | 광학적 3차원 측량의 자기 적응 윈도우 푸리에 위상추출방법 | |
| CN110335234B (zh) | 一种基于古文物LiDAR点云的三维变化检测方法 | |
| CN109307483B (zh) | 一种基于结构光***几何约束的相位展开方法 | |
| CN109615654B (zh) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 | |
| CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
| CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
| CN111402330B (zh) | 一种基于平面靶标的激光线关键点提取方法 | |
| CN107564091A (zh) | 一种基于快速对应点搜索的三维重建方法及装置 | |
| CN107014313B (zh) | 基于s变换脊值的加权最小二乘相位展开的方法及*** | |
| WO2018107427A1 (zh) | 相位映射辅助三维成像***快速对应点匹配的方法及装置 | |
| CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
| CN109965979A (zh) | 一种无需标志点的稳健的神经导航自动注册方法 | |
| CN107367245B (zh) | 光学三维轮廓测量中的无效点探测与剔除方法 | |
| CN113344990A (zh) | 孔位表征投影***及自适应拟合的孔位对齐方法 | |
| CN114170284B (zh) | 基于主动标志点投射辅助的多视图点云配准方法 | |
| CN115205360A (zh) | 复合条纹投影钢管的三维外轮廓在线测量与缺陷检测方法及应用 | |
| JP2003216931A (ja) | 特定パターン認識方法、特定パターン認識プログラム、特定パターン認識プログラム記録媒体および特定パターン認識装置 | |
| CN110223356A (zh) | 一种基于能量生长的单目相机全自动标定方法 | |
| CN112014408B (zh) | 一种基于结构光原理对pcb板进行重建的检测方法 | |
| CN116935013A (zh) | 基于三维重建的电路板点云大范围拼接方法及*** | |
| CN111462331A (zh) | 扩展对极几何并实时计算三维点云的若干方法 | |
| CN116645418A (zh) | 基于2d和3d相机的屏幕按钮检测方法、装置及其相关介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |