CN109583377A - 一种管路模型重建的控制方法、装置及上位机 - Google Patents
一种管路模型重建的控制方法、装置及上位机 Download PDFInfo
- Publication number
- CN109583377A CN109583377A CN201811451772.1A CN201811451772A CN109583377A CN 109583377 A CN109583377 A CN 109583377A CN 201811451772 A CN201811451772 A CN 201811451772A CN 109583377 A CN109583377 A CN 109583377A
- Authority
- CN
- China
- Prior art keywords
- image
- center line
- point cloud
- pipeline
- dimensional center
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明的实施例提供了一种管路模型重建的控制方法、装置及上位机,其中方法包括:从多目视觉图库中获取一第一图像以及一第二图像;对第一图像以及第二图像分别进行预处理;对预处理后的第一图像进行canny算子收缩处理,得到第一图像的二维中心线点云;对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘;根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云;根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云;根据三维中心线点云生成目标管路的管路模型。在本发明的方案中,上位机通过上述方法减少了现有管路重建时的前期准备的步骤,在保证精度的同时提高了管路重建的效率。
Description
技术领域
本发明涉及管路模型重建技术领域,特别涉及一种管路模型重建的控制方法、装置及上位机。
背景技术
管路是航天器推进***,热控***,环控生保***的重要组成部分,各***的贮箱、阀门、推理器等零部件主要由管路连接而成。为了保证管路的加工安装精度,在安装前需要对管路进行快速精确测量。管路一般由直线部分和圆弧部分组成。在管路测量过程中,需要精准、快速地获取管路直线段和圆弧段两部分的信息。
传统的管路测量方法例如靠模法和三坐标测量仪法都有较大的局限性。靠模法需要生产与管路相对应的模具。该方法无法测量形貌复杂的管路,也无法给出具体的测量结果,只能判断管路是否合格。三坐标测量仪法测量结果较为精确,但是需要在管路表面上获取大量点云信息,耗时较高,操作不便。
现阶段机器视觉技术已经广泛用于管路测量领域。然而,通过文献调研,发现现有的管路测量技术在测量之前都需要对管路进行一些提前处理,例如施加标记点或者在测量***中输入与管路设计模型相关的体素信息等。这些预处理增加了方法的操作难度。同时,现有的测量方法主要采用对管路的直线段进行重建,圆弧段则是根据设计模型数据或者用户直接输入弯曲半径等其他方法间接获取。
发明内容
本发明实施例要解决的技术问题是提供一种管路模型重建的控制方法、装置及上位机,用以解决当前进行管路建模时存在建模精度不高或建模过程复杂,耗时较长的问题。
为解决上述技术问题,本发明实施例提供了一种管路模型重建的控制方法,应用于上位机,包括:
从多目视觉图库中获取一第一图像以及一第二图像,其中,第一图像以及第二图像为不同的摄像机从不同角度拍摄目标管路得到的图像;
对第一图像以及第二图像分别进行预处理;
对预处理后的第一图像进行canny算子收缩处理,得到第一图像的二维中心线点云;
对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘;
根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云;
根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云;
根据三维中心线点云生成目标管路的管路模型。
具体地,如上所述的控制方法,预处理的步骤包括:
根据灰度值对图像进行阈值分割处理,得到预设灰度值区间内的预处理图像;
根据高斯滤波对预处理图像进行噪点消除处理。
优选地,如上所述的控制方法,对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘的步骤包括:
在预处理后的第二图像上定义一参数化的能量曲线;
根据能量曲线获取预设的用于控制能量曲线收敛的图像力函数以及内力函数;
根据预处理后的第二图像的灰度特征以及梯度特征,得到预处理后的第二图像的外力函数;
根据图像力函数、内力函数以及外力函数,通过变分法原理以及欧拉—拉格朗日方程,得到能量曲线的力平衡条件;
根据能量曲线的力平衡条件、预设的能量曲线关于时间的偏导数以及根据预处理后的第二图像的梯度特征得到的外力力场,得到能量曲线的力平衡方程;
根据力平衡方程得到能量曲线的能量泛函方程;
根据摄像机的内参,通过变分法对能量泛函方程进行处理,得到能量曲线的欧拉方程;
根据欧拉方程以及能量曲线得到第二图像的管路边缘。
具体地,如上所述的控制方法,根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云的步骤包括:
依次获取二维中心线点云上的一点作为第一目标点;
根据第一目标点的在第一图像中的像素坐标以及摄像机投影原理公式得到第一目标点在第二图像上的对应的极线的方程;
根据极线与第二图像上的管路边缘的交点,得到第一目标点在第二图像上对应的第一目标中点;
根据每一第一目标点所对应的第一目标中点,得到管路边缘的中心线点云。
进一步的,如上所述的控制方法,根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云的步骤包括:
获取二维中心线点云上的第二目标点的像素坐标、拍摄第一图像的第一摄像机的外参矩阵、中心线点云上与第二目标点相对应的第二目标中点的像素坐标以及拍摄第二图像的第二摄像机的外参矩阵;
根据第二目标点的像素坐标、第二摄像机的外参矩阵、第二目标中点的像素坐标、第二摄像机的外参矩阵以及预设三维重建公式,得到目标管路上与第二目标点相对应的重建点以及重建点的三维坐标;
根据每一第二目标点所对应的重建点得到三维中心线点云。
优选地,如上所述的控制方法,根据三维中心线点云生成目标管路的管路模型的步骤包括:
将每一组三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云;
将参与拟合的三维中心线点云的组数与预设值进行比对;
当参与拟合的三维中心线点云的组数大于预设值时,根据目标三维中心线点云生成管路模型。
优选地,如上所述的控制方法,将参与拟合的三维中心线点云的组数与预设值进行比对的步骤之后还包括:
当参与拟合的三维中心线点云的组数小于或等于预设值时,确定目标管路的重建精度小于预设标准;
保存每一组三维中心线点云,并返回至从多目视觉图库中获取一第一图像以及一第二图像的步骤,其中,再次获取到的第一图像以及第二图像与之前获取到的第一图像以及第二图像不完全相同。
本发明的另一优选实施例还提供了一种管路模型重建的控制装置,包括:
获取模块,用于从多目视觉图库中获取一第一图像以及一第二图像,其中,第一图像以及第二图像为不同的摄像机从不同角度拍摄目标管路得到的图像;
预处理模块,用于对第一图像以及第二图像分别进行预处理;
第一处理模块,用于对预处理后的第一图像进行canny算子收缩处理,得到第一图像的二维中心线点云;
第二处理模块,用于对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘;
第三处理模块,用于根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云;
第四处理模块,用于根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云;
第五处理模块,用于根据三维中心线点云生成目标管路的管路模型。
具体地,如上所述的控制装置,预处理模块包括:
第一预处理子模块,用于根据灰度值对图像进行阈值分割处理,得到预设灰度值区间内的预处理图像;
第二预处理子模块,用于根据高斯滤波对预处理图像进行噪点消除处理。
优选地,如上所述的控制装置,第一处理模块包括:
第一处理子模块,用于在预处理后的第二图像上定义一参数化的能量曲线;
第一获取子模块,用于根据能量曲线获取预设的用于控制能量曲线收敛的图像力函数以及内力函数;
第二处理子模块,用于根据预处理后的第二图像的灰度特征以及梯度特征,得到预处理后的第二图像的外力函数;
第三处理子模块,用于根据图像力函数、内力函数以及外力函数,通过变分法原理以及欧拉—拉格朗日方程,得到能量曲线的力平衡条件;
第四处理子模块,用于根据能量曲线的力平衡条件、预设的能量曲线关于时间的偏导数以及根据预处理后的第二图像的梯度特征得到的外力力场,得到能量曲线的力平衡方程;
第五处理子模块,用于根据力平衡方程得到能量曲线的能量泛函方程;
第六处理子模块,用于根据摄像机的内参,通过变分法对能量泛函方程进行处理,得到能量曲线的欧拉方程;
第七处理子模块,用于根据欧拉方程以及能量曲线得到第二图像的管路边缘。
优选地,如上所述的控制装置,第三处理模块包括:
第二获取子模块,用于依次获取二维中心线点云上的一点作为第一目标点;
第八处理子模块,用于根据第一目标点的在第一图像中的像素坐标以及摄像机投影原理公式得到第一目标点在第二图像上的对应的极线的方程;
第九处理子模块,用于根据极线与第二图像上的管路边缘的交点,得到第一目标点在第二图像上对应的第一目标中点;
第十处理子模块,用于根据每一第一目标点所对应的第一目标中点,得到管路边缘的中心线点云。
具体地,如上所述的控制装置,第四处理模块包括:
第三获取子模块,用于获取二维中心线点云上的第二目标点的像素坐标、拍摄第一图像的第一摄像机的外参矩阵、中心线点云上与第二目标点相对应的第二目标中点的像素坐标以及拍摄第二图像的第二摄像机的外参矩阵;
第十一处理子模块,用于根据第二目标点的像素坐标、第二摄像机的外参矩阵、第二目标中点的像素坐标、第二摄像机的外参矩阵以及预设三维重建公式,得到目标管路上与第二目标点相对应的重建点以及重建点的三维坐标;
第十二处理子模块,用于根据每一第二目标点所对应的重建点得到三维中心线点云。
进一步的,如上所述的控制装置,第五处理模块包括:
第十三处理子模块,用于将每一组三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云;
比对模块,用于将参与拟合的三维中心线点云的组数与预设值进行比对;
第十四处理子模块,用于当参与拟合的三维中心线点云的组数大于预设值时,根据目标三维中心线点云生成管路模型。
优选地,如上所述的控制装置,第五处理模块还包括:
第十五处理子模块,当参与拟合的三维中心线点云的组数小于或等于预设值时,确定目标管路的重建精度小于预设标准;
第十六处理子模块,保存每一组三维中心线点云,并返回至从多目视觉图库中获取一第一图像以及一第二图像的步骤,其中,再次获取到的第一图像以及第二图像与之前获取到的第一图像以及第二图像不完全相同。
本发明的又一优选实施例还提供了一种上位机,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如上所述的管路模型重建的控制方法的步骤。
本发明的又一优选实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序在被处理器执行时实现如上所述的管路模型重建的控制方法的步骤。
与现有技术相比,本发明实施例提供的一种管路模型重建的控制方法、装置及上位机,至少具有以下有益效果:
在本发明的实施例中,上位机对从多目视觉图库中获取得到的目标管路的第一图像以及第二图像进行预处理,减少因拍摄环境等因素对图像中管路信息的提取造成的影响,有利于对第一图像以及第二图像的进一步处理。在本发明的实施例中直接通过两个图像得到两条二维空间中目标管路的中心线,并通过两条二维空间中的中心线得到三维空间中目标管路的中心线,进而得到目标管路的重建模型,减少了现有管路重建或测量时需要前期进行标记或测量的数据准备的步骤,提高了管路重建的效率,同时,在得到第二图像中管路边缘的中心线点云时,需要利用蛇模型得到精度较高的管路边缘,并根据第一图像中的二维中心线点云进行确定,有利于提高第二图像中管路边缘的中心线点云的精度,以及最终得到管路模型的精度。且在此过程中能够同时得到直线以及曲线的模型,提高建模效率。
附图说明
图1为本发明的管路模型重建的控制方法的流程示意图之一;
图2为本发明的管路模型重建的控制方法的流程示意图之二;
图3为本发明的管路模型重建的控制方法的流程示意图之三;
图4为本发明的管路模型重建的控制方法的流程示意图之四;
图5为本发明的管路模型重建的控制方法的流程示意图之五;
图6为本发明的管路模型重建的控制装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
参见图1,本发明的一优选实施例提供了一种管路模型重建的控制方法,应用于上位机,包括:
步骤S101,从多目视觉图库中获取一第一图像以及一第二图像,其中,第一图像以及第二图像为不同的摄像机从不同角度拍摄目标管路得到的图像;
步骤S102,对第一图像以及第二图像分别进行预处理;
步骤S103,对预处理后的第一图像进行canny算子收缩处理,得到第一图像的二维中心线点云;
步骤S104,对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘;
步骤S105,根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云;
步骤S106,根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云;
步骤S107,根据三维中心线点云生成目标管路的管路模型。
在本发明的实施例中,上位机对从多目视觉图库中获取得到的目标管路的第一图像以及第二图像进行预处理,减少因拍摄环境等因素对图像中管路信息的提取造成的影响,有利于对第一图像以及第二图像的进一步处理。通过canny算子(canny边缘检测算法)对预处理后的第一图像进行收缩处理,将第一图像中的目标管路收缩至中心线处,得到目标管路在第一图像上的中心线即二维中心线点云,并通过在第二图像上施加蛇模型(主动轮廓线模型或Snake模型)力场,得到目标管路的管路边缘,且根据第一图像中二维中心线上的点在第二图像上相对应的极线与管路边缘的交点,得到管路边缘的中心线点云,进而根据视觉重建原理将二维中心线点云以及管路边缘的中心线点云进行整合,得到目标管路在三维空间中的三维中心线点云,从而在三维空间中建立目标管路的管路模型。在本发明的实施例中直接通过两个图像得到两条二维空间中目标管路的中心线,并通过两条二维空间中的中心线得到三维空间中目标管路的中心线,进而得到目标管路的重建模型,减少了现有管路重建或测量时需要前期进行标记或测量的数据准备的步骤,提高了管路重建的效率,同时,在得到第二图像中管路边缘的中心线点云时,需要利用蛇模型得到精度较高的管路边缘,并根据第一图像中的二维中心线点云进行确定,有利于提高第二图像中管路边缘的中心线点云的精度,以及最终得到管路模型的精度。且在此过程中能够同时得到直线以及曲线的模型,提高建模效率。
具体地,如上所述的控制方法,预处理的步骤包括:
根据灰度值对图像进行阈值分割处理,得到预设灰度值区间内的预处理图像;
根据高斯滤波对预处理图像进行噪点消除处理。
在本发明的实施例中,在对第一图像或第二图像进行预处理时,首先需要对图像进行阈值分割处理将需要进行后续处理的目标区域即拍摄有目标管路的区域分离出来,得到预处理图像,有利于减少对非目标区域进行后续收缩处理造成的时间浪费,并避免非目标区域对目标区域的处理造成的影响。之后还会对预处理图像进行高斯滤波处理,通过利用高斯滤波的原理对预处理图像中因污点、管路表面反光、管路图层破损等原因造成的噪声进行消除,减少噪声对图像处理的影响,保证后续处理过程中对管路信息提取时的精度。
参见图2,优选地,如上所述的控制方法,对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘的步骤包括:
步骤S201,在预处理后的第二图像上定义一参数化的能量曲线;
步骤S202,根据能量曲线获取预设的用于控制能量曲线收敛的图像力函数以及内力函数;
步骤S203,根据预处理后的第二图像的灰度特征以及梯度特征,得到预处理后的第二图像的外力函数;
步骤S204,根据图像力函数、内力函数以及外力函数,通过变分法原理以及欧拉—拉格朗日方程,得到能量曲线的力平衡条件;
步骤S205,根据能量曲线的力平衡条件、预设的能量曲线关于时间的偏导数以及根据预处理后的第二图像的梯度特征得到的外力力场,得到能量曲线的力平衡方程;
步骤S206,根据力平衡方程得到能量曲线的能量泛函方程;
步骤S207,根据摄像机的内参,通过变分法对能量泛函方程进行处理,得到能量曲线的欧拉方程;
步骤S208,根据欧拉方程以及能量曲线得到第二图像的管路边缘。
在本发明的实施例中,在预处理后的第二图像上定义一参数化的能量曲线,通过对能量曲线进行收敛即可得到需要的管路边缘,其中能量曲线关于二维坐标的方程为:
P(s)=[x(s),y(s)],s∈[0,1]
其中,s为第二图像上的极坐标;
x(s)为二维坐标中利用极坐标表示的横坐标;
y(s)为二维坐标中利用极坐标表示的纵坐标。
根据能量曲线关于二维坐标的方程可获得影响能量曲线收敛的图像力方程为:
其中,Eint(P(s))为能量曲线受到的内力函数;
Eext(P(s))为能量曲线受到的外力函数。
在本发明的实施例中,为获得最终收敛结果,需要图像力的值最低,因此预设内力函数为:
其中,|P′(s)|2为能量曲线的一阶导数的绝对值的平方;
|P″(s)|2为能量曲线的二阶导数的绝对值的平方;
α和β分别为控制上述一阶导数和二阶导数对能量曲线收敛结果影响程度的权值;
其中,当|P′(s)|2的值影响能量曲线的整体变化率低,|P″(s)|2的值影响能量曲线的收敛长度,因此为保证两项指标的归一化,防止某一项权值过高导致另一项的指标的影响效果不明显,优选地,对α的取值为0.8,对β的取值为0.5。可选地,本领域的技术人员根据实际情况选取其他数值用于保证两项指标的归一化,均属于本发明的保护范围。
将第二图像中像素点的位置用像素坐标表示,并获取图像灰度与像素位置的关系公式,在此定义图像灰度与像素位置的关系公式为I(u,v),其中,u,v分别表示像素坐标系中的横坐标和纵坐标;因此根据预处理后的第二图像的灰度特征以及梯度特征,得到预处理后的第二图像的外力函数为:
其中,Gσ(x,y)为关于二维空间坐标系的二维高斯函数,σ为标准差,根据二维高斯函数的定义可知,随着标准差的扩大,图像边界会逐渐变得模糊,提取精度会因此下降,但同时初始蛇模型的捕获范围也会增大,因此为了保证提取到的管路图像边缘的完整性,在本发明的实施例中选取标准差的取值范围为(0-0.86),可选地,本领域的技术人员根据实际需求选用其它取值范围也属于本发明的保护范围;
为图像梯度参数。
根据上述图像力方程、内力函数以及外力函数并结合变分法和欧拉-拉格朗日方程得到蛇模型的力平衡条件公式:
其中,P″′(s)为能量曲线的三阶导数;
Eext为能量曲线的外力函数。
获取能量曲线关于时间的偏导数以及根据预处理后的第二图像的梯度特征得到的外力力场,其中,能量曲线关于时间的偏导数为Pt(s,t),时间t作为迭代过程中的步长;
针对管路边缘的明显特点将外力立场定义为:
其中,u(x,y)为用二维坐标表示的像素坐标的横坐标,v(x,y)为用二维坐标表示的像素坐标的纵坐标。
根据蛇模型的力平衡条件公式、能量曲线关于时间的偏导数以及上述的外力力场联立可得蛇模型的力平衡方程:
Pt(s,t)=αP″(s,t)-βP″′(s,t)+V(x,y)
根据蛇模型的力平衡方程得到的能量曲线的能量泛函的公式为:
其中,μ为一预设参数;
ux为用二维坐标系中的横坐标表示的像素坐标中的横坐标;
uy为用二维坐标系中的纵坐标表示的像素坐标中的横坐标;
vx为用二维坐标系中的横坐标表示的像素坐标中的纵坐标;
vy为用二维坐标系中的纵坐标表示的像素坐标中的纵坐标;
在本发明中μ为一处于(0,1)范围内的一常数,优选地将μ预设为0.8,本领域的技术人员根据实际需要可将其设置为其他数值。
根据上述能量曲线的能量泛函的公式以及摄像机的内参,通过变分法处理可得用于求解蛇模型力场的欧拉方程:
其中,u,v分别表示像素坐标系中的横坐标和纵坐标;
为拉普拉斯算子;
fx为图像灰度的梯度与二维坐标系中横坐标的关系函数;
fy为图像灰度的梯度与二维坐标系中纵坐标的关系函数。
根据上述欧拉方程以及能量曲线的公式,并利用贪心算法进行迭代得到管路边缘有利于保证测量的精度以及效率。
参加图3,具体地,如上所述的控制方法,根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云的步骤包括:
步骤S301,依次获取二维中心线点云上的一点作为第一目标点;
步骤S302,根据第一目标点的在第一图像中的像素坐标以及摄像机投影原理公式得到第一目标点在第二图像上的对应的极线的方程;
步骤S303,根据极线与第二图像上的管路边缘的交点,得到第一目标点在第二图像上对应的第一目标中点;
步骤S304,根据每一第一目标点所对应的第一目标中点,得到管路边缘的中心线点云。
在本发明的实施例中,根据第一目标点的在第一图像中的像素坐标以及摄像机投影原理公式得到第一目标点在第二图像上的对应的极线的方程为:
其中,U1为所述第一目标点在所述第一图像中的像素坐标;
为所述第一目标中点在所述第二图像中的像素坐标的转置矩阵;
为所述第一摄像机的投影矩阵的逆矩阵;
M21为所述第二摄像机的投影矩阵;
[m]x为摄像机的内参矩阵。
其中,通过根据上述极线的方程得到第二图像中与第一图像中的第一目标点相对应的极线,其中极线与管路边缘具有两个交点,两个交点之间的中点即为与第一目标点对应的第一目标中点。依次获取第一图像中点作为第一目标点得到第二图像中相对应的第一目标中点,得到管路边缘的中心线点云。通过上述步骤能获取到第二图像中管路边缘的中心线点云,有利于保证管路边缘的中心线点云的精度。
参见图4,进一步的,如上所述的控制方法,根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云的步骤包括:
步骤S401,获取二维中心线点云上的第二目标点的像素坐标、拍摄第一图像的第一摄像机的外参矩阵、中心线点云上与第二目标点相对应的第二目标中点的像素坐标以及拍摄第二图像的第二摄像机的外参矩阵;
步骤S402,根据第二目标点的像素坐标、第二摄像机的外参矩阵、第二目标中点的像素坐标、第二摄像机的外参矩阵以及预设三维重建公式,得到目标管路上与第二目标点相对应的重建点以及重建点的三维坐标;
步骤S403,根据每一第二目标点所对应的重建点得到三维中心线点云。
在本发明的实施例中,预设三维重建公式为:
其中,(u1、v1)为所述第一目标点在所述第一图像内的像素坐标;
(u2、v2)为所述第一目标中点在所述第二图像内的像素坐标;
(X、Y、Z)为所述重建点在三维空间中的三维坐标;
为所述第一摄像机的外参矩阵中的值;
为所述第二摄像机的外参矩阵中的值。
通过将第二目标点的像素坐标、第二摄像机的外参矩阵、第二目标中点的像素坐标以及第二摄像机的外参矩阵带入预设三维重建公式中,进行联立求解,能够得到第二目标点以及第二目标中点在三维空间中所对应的点的三维坐标。对二维中心线点云中的点依次进行上述处理就能得到三维空间中目标管路的三维中心线点云,且通过预设三维重建公式获得三维中心线的形式,有利于保证获得的三维中心线的精度,且避免直接进行测绘或通过分段、分类型进行计算等操作复杂造成的时间浪费。
参见图5,优选地,如上所述的控制方法,根据三维中心线点云生成目标管路的管路模型的步骤包括:
步骤S501,将每一组三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云;
步骤S502,将参与拟合的三维中心线点云的组数与预设值进行比对;
步骤S503,当参与拟合的三维中心线点云的组数大于预设值时,根据目标三维中心线点云生成管路模型。
在本发明的实施例中,通过将每一组三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云,有利于避免因存在偶然误差而导致获得的管路模型的精度降低的情况发生。同时参与拟合的三维中心线点云的组数需要满足一定的数量,优选的为大于6组,有利于避免因三维中心线点云的组数较少使得目标管路信息获取不充分而降低管路模型的精度,从而有利于保证管路模型的精度。其中预设值的参数不仅仅为6组,本领域的设计人员根据实际的精度要求或设备限制等条件采用其他预设值也属于本发明的保护范围。
优选地,如上所述的控制方法,将参与拟合的三维中心线点云的组数与预设值进行比对的步骤之后还包括:
当参与拟合的三维中心线点云的组数小于或等于预设值时,确定目标管路的重建精度小于预设标准;
保存每一组三维中心线点云,并返回至从多目视觉图库中获取一第一图像以及一第二图像的步骤,其中,再次获取到的第一图像以及第二图像与之前获取到的第一图像以及第二图像不完全相同。
在本发明的实施例中,当参与拟合的三维中心线点云的组数小于或等于预设值时,确定当前目标管路的信息提取不完全,此时返回一开始选取两幅图像作为第一图像以及第二图像并进行处理的步骤,重新得到一组三维中心线电云进行拟合,且此时获取的图像与之前任意一次获取的两幅图像均不完全一致,有利于保证全面提取目标管路的信息,进而保证得到的管路模型的精度。
参见图6,本发明的另一优选实施例还提供了一种管路模型重建的控制装置,包括:
获取模块601,用于从多目视觉图库中获取一第一图像以及一第二图像,其中,第一图像以及第二图像为不同的摄像机从不同角度拍摄目标管路得到的图像;
预处理模块602,用于对第一图像以及第二图像分别进行预处理;
第一处理模块603,用于对预处理后的第一图像进行canny算子收缩处理,得到第一图像的二维中心线点云;
第二处理模块604,用于对预处理后的第二图像施加蛇模型力场,得到第二图像的管路边缘;
第三处理模块605,用于根据二维中心线点云对管路边缘进行极线约束处理,得到管路边缘的中心线点云;
第四处理模块606,用于根据二维中心线点云以及管路边缘的中心线点云,得到目标管路的三维中心线点云;
第五处理模块607,用于根据三维中心线点云生成目标管路的管路模型。
具体地,如上所述的控制装置,预处理模块602包括:
第一预处理子模块6021,用于根据灰度值对图像进行阈值分割处理,得到预设灰度值区间内的预处理图像;
第二预处理子模块6022,用于根据高斯滤波对预处理图像进行噪点消除处理。
优选地,如上所述的控制装置,第一处理模块603包括:
第一处理子模块6031,用于在预处理后的第二图像上定义一参数化的能量曲线;
第一获取子模块6032,用于根据能量曲线获取预设的用于控制能量曲线收敛的图像力函数以及内力函数;
第二处理子模块6033,用于根据预处理后的第二图像的灰度特征以及梯度特征,得到预处理后的第二图像的外力函数;
第三处理子模块6034,用于根据图像力函数、内力函数以及外力函数,通过变分法原理以及欧拉-拉格朗日方程,得到能量曲线的力平衡条件;
第四处理子模块6035,用于根据能量曲线的力平衡条件、预设的能量曲线关于时间的偏导数以及根据预处理后的第二图像的梯度特征得到的外力力场,得到能量曲线的力平衡方程;
第五处理子模块6036,用于根据力平衡方程得到能量曲线的能量泛函方程;
第六处理子模块6037,用于根据摄像机的内参,通过变分法对能量泛函方程进行处理,得到能量曲线的欧拉方程;
第七处理子模块6038,用于根据欧拉方程以及能量曲线得到第二图像的管路边缘。
优选地,如上所述的控制装置,第三处理模块605包括:
第二获取子模块6051,用于依次获取二维中心线点云上的一点作为第一目标点;
第八处理子模块6052,用于根据第一目标点的在第一图像中的像素坐标以及摄像机投影原理公式得到第一目标点在第二图像上的对应的极线的方程;
第九处理子模块6053,用于根据极线与第二图像上的管路边缘的交点,得到第一目标点在第二图像上对应的第一目标中点;
第十处理子模块6054,用于根据每一第一目标点所对应的第一目标中点,得到管路边缘的中心线点云。
具体地,如上所述的控制装置,第四处理模块606包括:
第三获取子模块6061,用于获取二维中心线点云上的第二目标点的像素坐标、拍摄第一图像的第一摄像机的外参矩阵、中心线点云上与第二目标点相对应的第二目标中点的像素坐标以及拍摄第二图像的第二摄像机的外参矩阵;
第十一处理子模块6062,用于根据第二目标点的像素坐标、第二摄像机的外参矩阵、第二目标中点的像素坐标、第二摄像机的外参矩阵以及预设三维重建公式,得到目标管路上与第二目标点相对应的重建点以及重建点的三维坐标;
第十二处理子模块6063,用于根据每一第二目标点所对应的重建点得到三维中心线点云。
进一步的,如上所述的控制装置,第五处理模块607包括:
第十三处理子模块6071,用于将每一组三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云;
比对模块6072,用于将参与拟合的三维中心线点云的组数与预设值进行比对;
第十四处理子模块6073,用于当参与拟合的三维中心线点云的组数大于预设值时,根据目标三维中心线点云生成管路模型。
优选地,如上所述的控制装置,第五处理模块607还包括:
第十五处理子模块6074,当参与拟合的三维中心线点云的组数小于或等于预设值时,确定目标管路的重建精度小于预设标准;
第十六处理子模块6075,保存每一组三维中心线点云,并返回至从多目视觉图库中获取一第一图像以及一第二图像的步骤,其中,再次获取到的第一图像以及第二图像与之前获取到的第一图像以及第二图像不完全相同。
本发明的装置实施例是与上述方法的实施例对应的装置,上述方法实施例中的所有实现手段均适用于该装置的实施例中,也能达到相同的技术效果。
本发明的又一优选实施例还提供了一种上位机,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如上所述的管路模型重建的控制方法的步骤。
在本发明的实施例中通过上位机在运行计算机程序时,实现如上所述的管路模型重建的控制方法的步骤,得到管路模型,简化了现有技术中需要提前输入管路设计模型信息、在管路表面增加标记点等预操作,提高了管路测量以及重建的效率,同时有利于保证重建的精度。
本发明的又一优选实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序在被处理器执行时实现如上所述的管路模型重建的控制方法的步骤。
此外,本发明中参考字母仅仅为本发明实施例中对于某些特定参数或公式的一种表示方式,本领域的技术人员改用其他参考字母进行表示也属于本发明的保护范围。
本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (16)
1.一种管路模型重建的控制方法,应用于上位机,其特征在于,包括:
从多目视觉图库中获取一第一图像以及一第二图像,其中,所述第一图像以及所述第二图像为不同的摄像机从不同角度拍摄目标管路得到的图像;
对所述第一图像以及所述第二图像分别进行预处理;
对预处理后的所述第一图像进行canny算子收缩处理,得到所述第一图像的二维中心线点云;
对预处理后的所述第二图像施加蛇模型力场,得到所述第二图像的管路边缘;
根据所述二维中心线点云对所述管路边缘进行极线约束处理,得到所述管路边缘的中心线点云;
根据所述二维中心线点云以及所述管路边缘的所述中心线点云,得到所述目标管路的三维中心线点云;
根据所述三维中心线点云生成所述目标管路的管路模型。
2.根据权利要求1所述的控制方法,其特征在于,所述预处理的步骤包括:
根据灰度值对图像进行阈值分割处理,得到预设灰度值区间内的预处理图像;
根据高斯滤波对所述预处理图像进行噪点消除处理。
3.根据权利要求1所述的控制方法,其特征在于,所述对预处理后的所述第二图像施加蛇模型力场,得到所述第二图像的管路边缘的步骤包括:
在预处理后的所述第二图像上定义一参数化的能量曲线;
根据所述能量曲线获取预设的用于控制所述能量曲线收敛的图像力函数以及内力函数;
根据预处理后的所述第二图像的灰度特征以及梯度特征,得到预处理后的所述第二图像的外力函数;
根据所述图像力函数、所述内力函数以及所述外力函数,通过变分法原理以及欧拉—拉格朗日方程,得到所述能量曲线的力平衡条件;
根据所述能量曲线的力平衡条件、预设的所述能量曲线关于时间的偏导数以及根据预处理后的所述第二图像的梯度特征得到的外力力场,得到所述能量曲线的力平衡方程;
根据所述力平衡方程得到所述能量曲线的能量泛函方程;
根据所述摄像机的内参,通过变分法对所述能量泛函方程进行处理,得到所述能量曲线的欧拉方程;
根据所述欧拉方程以及所述能量曲线得到所述第二图像的所述管路边缘。
4.根据权利要求1所述的控制方法,其特征在于,所述根据所述二维中心线点云对所述管路边缘进行极线约束处理,得到所述管路边缘的中心线点云的步骤包括:
依次获取所述二维中心线点云上的一点作为第一目标点;
根据所述第一目标点的在所述第一图像中的像素坐标以及摄像机投影原理公式得到所述第一目标点在所述第二图像上的对应的极线的方程;
根据所述极线与所述第二图像上的所述管路边缘的交点,得到所述第一目标点在所述第二图像上对应的第一目标中点;
根据每一所述第一目标点所对应的所述第一目标中点,得到所述管路边缘的中心线点云。
5.根据权利要求1所述的控制方法,其特征在于,所述根据所述二维中心线点云以及所述管路边缘的所述中心线点云,得到所述目标管路的三维中心线点云的步骤包括:
获取所述二维中心线点云上的第二目标点的像素坐标、拍摄所述第一图像的第一摄像机的外参矩阵、所述中心线点云上与所述第二目标点相对应的第二目标中点的像素坐标以及拍摄所述第二图像的第二摄像机的外参矩阵;
根据所述第二目标点的像素坐标、所述第二摄像机的外参矩阵、所述第二目标中点的像素坐标、所述第二摄像机的外参矩阵以及预设三维重建公式,得到所述目标管路上与所述第二目标点相对应的重建点以及所述重建点的三维坐标;
根据每一所述第二目标点所对应的重建点得到所述三维中心线点云。
6.根据权利要求1所述的控制方法,其特征在于,所述根据所述三维中心线点云生成所述目标管路的管路模型的步骤包括:
将每一组所述三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云;
将参与拟合的所述三维中心线点云的组数与预设值进行比对;
当参与拟合的所述三维中心线点云的组数大于预设值时,根据所述目标三维中心线点云生成所述管路模型。
7.根据权利要求6所述的控制方法,其特征在于,所述将参与拟合的所述三维中心线点云的组数与预设值进行比对的步骤之后还包括:
当参与拟合的所述三维中心线点云的组数小于或等于预设值时,确定所述目标管路的重建精度小于预设标准;
保存每一组所述三维中心线点云,并返回至所述从多目视觉图库中获取一第一图像以及一第二图像的步骤,其中,再次获取到的所述第一图像以及所述第二图像与之前获取到的所述第一图像以及所述第二图像不完全相同。
8.一种管路模型重建的控制装置,其特征在于,包括:
获取模块,用于从多目视觉图库中获取一第一图像以及一第二图像,其中,所述第一图像以及所述第二图像为不同的摄像机从不同角度拍摄目标管路得到的图像;
预处理模块,用于对所述第一图像以及所述第二图像分别进行预处理;
第一处理模块,用于对预处理后的所述第一图像进行canny算子收缩处理,得到所述第一图像的二维中心线点云;
第二处理模块,用于对预处理后的所述第二图像施加蛇模型力场,得到所述第二图像的管路边缘;
第三处理模块,用于根据所述二维中心线点云对所述管路边缘进行极线约束处理,得到所述管路边缘的中心线点云;
第四处理模块,用于根据所述二维中心线点云以及所述管路边缘的所述中心线点云,得到所述目标管路的三维中心线点云;
第五处理模块,用于根据所述三维中心线点云生成所述目标管路的管路模型。
9.根据权利要求8所述的控制装置,其特征在于,所述预处理模块包括:
第一预处理子模块,用于根据灰度值对图像进行阈值分割处理,得到预设灰度值区间内的预处理图像;
第二预处理子模块,用于根据高斯滤波对所述预处理图像进行噪点消除处理。
10.根据权利要求8所述的控制装置,其特征在于,所述第一处理模块包括:
第一处理子模块,用于在预处理后的所述第二图像上定义一参数化的能量曲线;
第一获取子模块,用于根据所述能量曲线获取预设的用于控制所述能量曲线收敛的图像力函数以及内力函数;
第二处理子模块,用于根据预处理后的所述第二图像的灰度特征以及梯度特征,得到预处理后的所述第二图像的外力函数;
第三处理子模块,用于根据所述图像力函数、所述内力函数以及所述外力函数,通过变分法原理以及欧拉—拉格朗日方程,得到所述能量曲线的力平衡条件;
第四处理子模块,用于根据所述能量曲线的力平衡条件、预设的所述能量曲线关于时间的偏导数以及根据预处理后的所述第二图像的梯度特征得到的外力力场,得到所述能量曲线的力平衡方程;
第五处理子模块,用于根据所述力平衡方程得到所述能量曲线的能量泛函方程;
第六处理子模块,用于根据所述摄像机的内参,通过变分法对所述能量泛函方程进行处理,得到所述能量曲线的欧拉方程;
第七处理子模块,用于根据所述欧拉方程以及所述能量曲线得到所述第二图像的所述管路边缘。
11.根据权利要求8所述的控制装置,其特征在于,所述第三处理模块包括:
第二获取子模块,用于依次获取所述二维中心线点云上的一点作为第一目标点;
第八处理子模块,用于根据所述第一目标点的在所述第一图像中的像素坐标以及摄像机投影原理公式得到所述第一目标点在所述第二图像上的对应的极线的方程;
第九处理子模块,用于根据所述极线与所述第二图像上的所述管路边缘的交点,得到所述第一目标点在所述第二图像上对应的第一目标中点;
第十处理子模块,用于根据每一所述第一目标点所对应的所述第一目标中点,得到所述管路边缘的中心线点云。
12.根据权利要求8所述的控制装置,其特征在于,所述第四处理模块包括:
第三获取子模块,用于获取所述二维中心线点云上的第二目标点的像素坐标、拍摄所述第一图像的第一摄像机的外参矩阵、所述中心线点云上与所述第二目标点相对应的第二目标中点的像素坐标以及拍摄所述第二图像的第二摄像机的外参矩阵;
第十一处理子模块,用于根据所述第二目标点的像素坐标、所述第二摄像机的外参矩阵、所述第二目标中点的像素坐标、所述第二摄像机的外参矩阵以及预设三维重建公式,得到所述目标管路上与所述第二目标点相对应的重建点以及所述重建点的三维坐标;
第十二处理子模块,用于根据每一所述第二目标点所对应的重建点得到所述三维中心线点云。
13.根据权利要求8所述的控制装置,其特征在于,所述第五处理模块包括:
第十三处理子模块,用于将每一组所述三维中心线点云通过最小二乘法拟合在一起,得到目标三维中心线点云;
比对模块,用于将参与拟合的所述三维中心线点云的组数与预设值进行比对;
第十四处理子模块,用于当参与拟合的所述三维中心线点云的组数大于预设值时,根据所述目标三维中心线点云生成所述管路模型。
14.根据权利要求13所述的控制装置,其特征在于,所述第五处理模块还包括:
第十五处理子模块,当参与拟合的所述三维中心线点云的组数小于或等于预设值时,确定所述目标管路的重建精度小于预设标准;
第十六处理子模块,保存每一组所述三维中心线点云,并返回至所述从多目视觉图库中获取一第一图像以及一第二图像的步骤,其中,再次获取到的所述第一图像以及所述第二图像与之前获取到的所述第一图像以及所述第二图像不完全相同。
15.一种上位机,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的管路模型重建的控制方法的步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至7中任一项所述的管路模型重建的控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811451772.1A CN109583377B (zh) | 2018-11-30 | 2018-11-30 | 一种管路模型重建的控制方法、装置及上位机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811451772.1A CN109583377B (zh) | 2018-11-30 | 2018-11-30 | 一种管路模型重建的控制方法、装置及上位机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583377A true CN109583377A (zh) | 2019-04-05 |
CN109583377B CN109583377B (zh) | 2022-12-27 |
Family
ID=65924181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811451772.1A Active CN109583377B (zh) | 2018-11-30 | 2018-11-30 | 一种管路模型重建的控制方法、装置及上位机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583377B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766669A (zh) * | 2019-10-18 | 2020-02-07 | 南京大学 | 一种基于多目视觉的管线测量方法 |
CN111563905A (zh) * | 2020-05-06 | 2020-08-21 | 南京航空航天大学 | 一种发动机复杂管路轴线提取方法 |
CN111859582A (zh) * | 2020-07-31 | 2020-10-30 | 天津航天长征火箭制造有限公司 | 一种基于箭体实物的复杂结构管路精准建模方法 |
CN112950765A (zh) * | 2021-03-08 | 2021-06-11 | 北京理工大学 | 一种基于点云建模的腔体直线度检测方法 |
CN116363302A (zh) * | 2023-03-06 | 2023-06-30 | 郑州大学 | 一种基于多视角几何的管道三维重建和坑洞量化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831608A (zh) * | 2012-08-06 | 2012-12-19 | 哈尔滨工业大学 | 基于非稳态测量算法的改进规则距离水平集的图像分割方法 |
CN102937426A (zh) * | 2012-11-14 | 2013-02-20 | 湘潭大学 | 一种基于机器人视觉伺服的大型复杂零件测量方法 |
CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
US20170264887A1 (en) * | 2016-03-09 | 2017-09-14 | Sony Corporation | Method for 3d multiview reconstruction by feature tracking and model registration |
CN108335350A (zh) * | 2018-02-06 | 2018-07-27 | 聊城大学 | 双目立体视觉的三维重建方法 |
WO2018152929A1 (zh) * | 2017-02-24 | 2018-08-30 | 先临三维科技股份有限公司 | 一种三维扫描***及其扫描方法 |
-
2018
- 2018-11-30 CN CN201811451772.1A patent/CN109583377B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831608A (zh) * | 2012-08-06 | 2012-12-19 | 哈尔滨工业大学 | 基于非稳态测量算法的改进规则距离水平集的图像分割方法 |
CN102937426A (zh) * | 2012-11-14 | 2013-02-20 | 湘潭大学 | 一种基于机器人视觉伺服的大型复杂零件测量方法 |
CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
US20170264887A1 (en) * | 2016-03-09 | 2017-09-14 | Sony Corporation | Method for 3d multiview reconstruction by feature tracking and model registration |
WO2018152929A1 (zh) * | 2017-02-24 | 2018-08-30 | 先临三维科技股份有限公司 | 一种三维扫描***及其扫描方法 |
CN108335350A (zh) * | 2018-02-06 | 2018-07-27 | 聊城大学 | 双目立体视觉的三维重建方法 |
Non-Patent Citations (3)
Title |
---|
FENDY SANTOSO ETC.: "3D Mapping for Visualization of Rigid Structures: A Review and Comparative Study", 《IEEE SENSORS JOURNAL》 * |
张天等: "基于中心线匹配的导管三维重建技术", 《自动化学报》 * |
贾贝贝等: "双目立体视觉的三维人脸重建方法", 《智能***学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766669A (zh) * | 2019-10-18 | 2020-02-07 | 南京大学 | 一种基于多目视觉的管线测量方法 |
CN110766669B (zh) * | 2019-10-18 | 2022-06-21 | 南京大学 | 一种基于多目视觉的管线测量方法 |
CN111563905A (zh) * | 2020-05-06 | 2020-08-21 | 南京航空航天大学 | 一种发动机复杂管路轴线提取方法 |
CN111563905B (zh) * | 2020-05-06 | 2022-02-01 | 南京航空航天大学 | 一种发动机复杂管路轴线提取方法 |
CN111859582A (zh) * | 2020-07-31 | 2020-10-30 | 天津航天长征火箭制造有限公司 | 一种基于箭体实物的复杂结构管路精准建模方法 |
CN111859582B (zh) * | 2020-07-31 | 2022-09-09 | 天津航天长征火箭制造有限公司 | 一种基于箭体实物的复杂结构管路精准建模方法 |
CN112950765A (zh) * | 2021-03-08 | 2021-06-11 | 北京理工大学 | 一种基于点云建模的腔体直线度检测方法 |
CN116363302A (zh) * | 2023-03-06 | 2023-06-30 | 郑州大学 | 一种基于多视角几何的管道三维重建和坑洞量化方法 |
CN116363302B (zh) * | 2023-03-06 | 2024-05-28 | 郑州大学 | 一种基于多视角几何的管道三维重建和坑洞量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109583377B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583377A (zh) | 一种管路模型重建的控制方法、装置及上位机 | |
CN107093205B (zh) | 一种基于无人机图像的三维空间建筑物窗户检测重建方法 | |
CN100557640C (zh) | 一种交互式多视点三维模型重建方法 | |
CN108416840A (zh) | 一种基于单目相机的三维场景稠密重建方法 | |
CN111833237B (zh) | 基于卷积神经网络和局部单应性变换的图像配准方法 | |
CN107679537A (zh) | 一种基于轮廓点orb特征匹配的无纹理空间目标姿态估计算法 | |
CN105096317A (zh) | 一种复杂背景中的高性能相机全自动标定方法 | |
CN113192200B (zh) | 一种基于空三并行计算算法的城市实景三维模型的构建方法 | |
CN108961385A (zh) | 一种slam构图方法及装置 | |
CN103955687B (zh) | 一种基于质心法的光斑图像中心的快速定位方法 | |
CN111861873B (zh) | 仿真图像的生成方法和装置 | |
CN111047513B (zh) | 一种用于柱面全景拼接的鲁棒性图像对齐方法及装置 | |
CN103093241B (zh) | 基于同质化处理的光学遥感图像非匀质云层判别方法 | |
CN115880448B (zh) | 基于双目成像的三维测量方法及装置 | |
Zhang et al. | Reinforcing local structure perception for monocular depth estimation | |
CN112002019B (zh) | 一种基于mr混合现实的模拟人物阴影的方法 | |
CN111192363B (zh) | 一种基于云计算的用户配电房设计生成方法 | |
Li et al. | [Retracted] 3D Real Scene Data Collection of Cultural Relics and Historical Sites Based on Digital Image Processing | |
Song et al. | Spatial-aware dynamic lightweight self-supervised monocular depth estimation | |
CN111047703B (zh) | 一种用户高压配电设备识别与空间重建方法 | |
Han et al. | 3D reconstruction of dense model based on the sparse frames using RGBD camera | |
Del-Tejo-Catalá et al. | Probabilistic pose estimation from multiple hypotheses | |
CN110772258A (zh) | 一种用于人体尺寸测量的多视角测距方法 | |
CN110223319A (zh) | 基于改进几何粒子滤波的动态目标实时跟踪方法和*** | |
CN115420277B (zh) | 一种物***姿测量方法及电子设备 |
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 |