CN111174722A - 一种三维轮廓重建方法及装置 - Google Patents

一种三维轮廓重建方法及装置 Download PDF

Info

Publication number
CN111174722A
CN111174722A CN201811345014.1A CN201811345014A CN111174722A CN 111174722 A CN111174722 A CN 111174722A CN 201811345014 A CN201811345014 A CN 201811345014A CN 111174722 A CN111174722 A CN 111174722A
Authority
CN
China
Prior art keywords
image
processed
light spot
calibration
coordinate value
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
Application number
CN201811345014.1A
Other languages
English (en)
Inventor
刘文涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201811345014.1A priority Critical patent/CN111174722A/zh
Publication of CN111174722A publication Critical patent/CN111174722A/zh
Pending legal-status Critical Current

Links

Images

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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种三维轮廓重建方法及装置，通过获取图像采集装置采集到待处理图像，其中，所述待处理图像为所述图像采集装置所采集的点阵结构光发生装置投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像。对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。该方法及装置采用图像采集装置加点阵结构光结合曲线拟合标定算法提取待测图像的信息从而实现三维轮廓重建，该方案结构简单，计算复杂度低，易于实现和推广。

Description

一种三维轮廓重建方法及装置
技术领域
本发明涉及智能路径检测技术领域，具体而言，涉及一种三维轮廓重建方法及装置。
背景技术
无人驾驶在智能交通、汽车安全辅助驾驶、车辆的自动或遥控驾驶、工厂、仓库的巡逻等方面有着广泛的应用背景。同时，无人车又称为轮式机器人，在军事、航天方向也有很大的用途。智能车发展的最终目的是用自动驾驶技术取代人工驾驶。无人驾驶可以不间断的连续驾驶，降低了因疲劳驾驶引起的交通事故，解决了酒驾问题；无人车会按照预先设定的程序遵守交通规则行驶，有效降低了由于不遵守交通规则而引起的事故率。
近年来基于计算机视觉的智能车辆主动安全***逐渐成为各汽车制造厂商和科研机构中的研究热点。作为智能车辆视觉导航主动安全***不可缺少的一部分，障碍物三维检测的研究也受到了广泛的重视。
发明内容
有鉴于此，本发明的目的在于，提供一种三维轮廓重建方法及装置以改善上述问题。
本发明实施例提供一种三维轮廓重建方法，应用于三维轮廓重建***中的数据处理设备，所述三维轮廓重建***还包括点阵结构光发生装置及与所述数据处理设备通信连接的图像采集装置，所述方法包括：
获取所述图像采集装置采集到的待处理图像，其中，所述待处理图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像；
对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
进一步地，所述函数关系模型通过以下步骤获得：
获取所述图像采集装置采集的标定图像，其中，所述标定图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至标定板的点阵结构光在所述标定板所形成的光斑图像；
根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型。
进一步地，所述标定板上划设有坐标轴，所述根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型的步骤包括：
对照所述坐标轴获得投射在所述标定板的光斑在所述坐标轴上的第一标定坐标值；
获取所述图像采集装置距离所述标定板的距离值；
结合所述第一标定坐标值与所述距离值得到投射在所述标定板的光斑的三维空间坐标值；
对所述标定图像进行图像处理，获得所述标定图像中光斑的像素坐标值；
建立投射在所述标定板的光斑的三维空间坐标值与所述标定图像中光斑的像素坐标值之间的函数关系模型。
进一步地，所述对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息的步骤包括：
提取所述待处理图像中的光斑的第一坐标值；
根据所述待处理图像中的光斑的第一坐标值和预先建立的函数关系模型得到所述待处理图像在三维空间的第二坐标值；
根据所述待处理图像在三维空间的第二坐标值进行三维空间曲面拟合，获得所述待测路面的三维轮廓重建信息。
进一步地，所述提取所述待处理图像中的光斑的第一坐标值的步骤包括：
对所述待处理图像进行阈值分割，以滤除所述待处理图像中包含的背景图像；
对阈值分割后的待处理图像进行边缘检测，以获得所述待处理图像中的光斑的外缘；
获得所述光斑的外缘内所包含的所有像素点的坐标，利用所述所有像素点的坐标计算出所述待处理图像的光斑的第一坐标值。
本发明实施例还提供一种三维轮廓重建装置，应用于三维轮廓重建***中的数据处理设备，所述三维轮廓重建***还包括点阵结构光发生装置及与所述数据处理设备通信连接的图像采集装置，所述三维轮廓重建装置包括第一图像获取模块和图像处理模块：
所述第一图像获取模块，用于获取所述图像采集装置采集到的待处理图像，其中，所述待处理图像采集装置所采集的所述点阵结构光发生装置投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像；
所述图像处理模块，用于对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
进一步地，获得所述函数关系模型的步骤，所述三维轮廓重建装置还包括第二图像获取模块和数据处理模块，用于获得所述函数关系模型：
所述第二图像获取模块，用于获取所述图像采集装置采集的标定图像，其中，所述标定图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至标定板的点阵结构光在所述标定板所形成的光斑图像；
所述数据处理模块，用于根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型。
进一步地，所述数据处理模块包括第一获取单元、第二获取单元、第一数据处理单元、图像处理单元和第二数据处理单元；
所述第一获取单元，用于对照所述坐标轴获得投射在所述标定板的光斑在所述坐标轴上的第一标定坐标值；
所述第二获取单元，用于获取所述图像采集装置距离所述标定板的距离值；
所述第一数据处理单元，用于结合所述第一标定坐标值与所述距离值得到投射在所述标定板的光斑的三维空间坐标值；
所述图像处理单元，用于对所述标定图像进行图像处理，获得所述标定图像中光斑的像素坐标值；
所述第二数据处理单元，用于建立投射在所述标定板的光斑的三维空间坐标值与所述标定图像中光斑的像素坐标值之间的函数关系模型。
进一步地，所述图像处理模块包括提取单元、第三数据处理单元和拟合单元；
所述提取单元，用于提取所述待处理图像中的光斑的第一坐标值；
所述第三数据处理单元，用于根据所述待处理图像中的光斑的第一坐标值和预先建立的函数关系模型得到所述待处理图像在三维空间的第二坐标值；
所述拟合单元，用于根据所述待处理图像在三维空间的第二坐标值进行三维空间曲面拟合，获得所述待测路面的三维轮廓重建信息。
进一步地，所述提取单元包括第一图像处理子单元、第二图像处理子单元和数据处理子单元；
所述第一图像处理子单元，用于对所述待处理图像进行阈值分割，以滤除所述待处理图像中包含的背景图像；
所述第二图像处理子单元，用于对阈值分割后的待处理图像进行边缘检测，以获得所述待处理图像中的光斑的外缘；
所述数据处理子单元，用于获得所述光斑的外缘内所包含的所有像素点的坐标，利用所述所有像素点的坐标计算出所述待处理图像的光斑的第一坐标值。
本发明实施例提供一种三维轮廓重建方法及装置，通过获取图像采集装置采集到的待处理图像，其中，所述待处理图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像。对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。该方法及装置采用图像采集装置加点阵结构光结合曲线拟合标定算法提取待测图像的信息，从而实现三维轮廓重建，该方案结构简单，计算复杂度低，易于实现和推广。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的三维轮廓重建***的示意图。
图2为本发明实施例提供的数据处理设备的结构框图。
图3为本发明实施例提供的应用于图1所示的三维轮廓重建***的三维轮廓重建方法的流程图。
图4为本发明实施例提供的所述点阵结构光发生装置发出的点阵结构光的分布图。
图5为图3中步骤S21的子步骤的流程图。
图6为本发明实施例提供的建立函数关系模型的步骤的流程图。
图7为本发明实施例提供的三维轮廓重建装置的功能模块框图。
图8为本发明实施例提供的三维轮廓重建装置的另一功能模块框图。
图9为图8中数据处理模块的功能模块框图。
图10为图7中图像处理模块的功能模块框图。
图11为图10中提取单元的功能模块框图。
图标：1-三维轮廓重建***；10-图像采集装置；20-数据处理设备；21-存储器；22-处理器；23-三维轮廓重建装置；231-第一图像获取模块；232-图像处理模块；2321-提取单元；23211-第一图像处理子单元；23212-第二图像处理子单元；23213-数据处理子单元；2322-第三数据处理单元；2323-拟合单元；233-第二图像获取模块；234-数据处理模块；2341-第一获取单元；2342-第二获取单元；2343-第一数据处理单元；2344-图像处理单元；2345-第二数据处理单元；30-点阵结构光发生装置。
具体实施方式
发明人经研究发现，目前障碍物三维检测采用的方法主要有光飞行时间法、立体视觉法、激光线扫描法、结构光扫描法等。
光飞行时间法，即采用激光雷达检测障碍物的方法。该方法可以获取前方障碍物距离、相对速度和方位角等方面信息。但激光雷达的体积庞大，技术复杂，设备昂贵，限制了激光雷达的普及。
立体视觉法是智能车辆视觉导航中较为常用的一种障碍物检测方法，由于经典的图像识别与匹配算法复杂、运算量大，很难满足实时性要求。
激光线扫描方法是比较成熟的三维获取方式，激光源将一条很细的线激光投射到物体上，相机对物体拍照，提取在物体上变形的线状激光，得到物体的二维信息，并对所获取信息进行保存。对于智能车应用方面存在对扫描速度要求高、中长距离的准确性和成本高的问题，不易于推广使用。
结构光扫描方法是通过投影仪对物体表面投射编码图案，用相机拍摄物体表面变形的图案，利用编码信息对图像中的编码进行匹配，最终使用三角测量原理计算物体表面空间坐标信息。具有检测精度高等优点，但需要使用投影仪来产生可变的结构光，另外其结构光的强度难以适应自然环境下的检测要求。
基于上述研究发现，本发明实施例提供一种三维轮廓重建方法及装置，该方法和装置采用图像采集装置加点阵结构光结合曲线拟合标定算法提取待测图像的信息从而实现三维轮廓重建，该方案结构简单，计算复杂度低，易于实现和推广。
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
请结合参阅图1与图2，本发明实施例基于上述研究提供了一种三维轮廓重建***1，所述三维轮廓重建***1包括数据处理设备20、点阵结构光发生装置30及图像采集装置10。所述图像采集装置10与所述数据处理设备20通信连接。
所述通信连接可以通过串口通讯连接、并口通讯连接以及无线通讯，比如通用串行总线(Universal Serial Bus，USB)协议、小型计算机***接口(Small Computer SystemInterface，SCSI)协议以及紫蜂(ZigBee)协议等通讯方式实现通信连接。
所述数据处理设备20包括存储器21、处理器22和三维轮廓重建装置23。
所述存储器21和处理器22之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述三维轮廓重建装置23包括至少一个可以软件或固件(firmware)的形式存储于所述存储器21中的软件功能模块。所述处理器22用于执行所述存储器21中存储的可执行的计算机程序，例如，所述三维轮廓重建装置23所包括的软件功能模块及计算机程序等，以实现三维轮廓重建方法。
其中，所述存储器21可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器21用于存储程序，所述处理器22在接收到执行指令后，执行所述程序。
所述处理器22可能是一种集成电路芯片，具有信号的处理能力。上述的处理器22可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器22也可以是任何常规的处理器等。
可以理解，图2所示的结构仅为示意，所述数据处理设备20还可包括比图2中所示更多或者更少的组件，或者具有与图1所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
可选地，所述数据处理设备20的具体类型不受限制，例如，可以是，但不限于，智能手机、个人电脑(personal computer，PC)、平板电脑、个人数字助理(personal digitalassistant，PDA)、移动上网设备(mobile Internet device，MID)、web(网站)服务器、数据服务器等具有处理功能的设备。
图3为应用于图1所示的三维轮廓重建***1中的数据处理设备20的一种三维轮廓重建方法的流程图，以下将对所述方法包括的各步骤进行详细阐述。
步骤S10，获取图像采集装置10采集到的待处理图像。
其中，所述待处理图像为所述图像采集装置10所采集的所述点阵结构光发生装置30投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像。
具体地，本发明实施例中，所述图像采集装置10为单目摄像机。所述点阵结构光发生装置30到所述待测路面之间的距离可调，点阵结构光的光斑的空间排布次序，点阵结构光的光斑的密集程度可以调整。所述点阵结构光发生装置30包括光源和光栅，所述光栅设置在所述光源到待测路面的光路上。
请参阅图4，图4为所述点阵结构光的分布图，本发明实施例可在光照不佳的情况下实施测量，得到待测路面精确的三维轮廓重建信息，而且利用光栅投射出高亮度激光点阵，通过点阵结构光发生装置30距离待测路面的位置来增加和减少其点阵密度，从而满足不同空间分辨率测量的需要，使测量更具灵活性。
步骤S20，对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
在本发明实施例中，步骤S20还包括步骤S21、步骤S22、步骤S23。
请参阅图5，在本发明实施例中的步骤S21，对所述待处理图像进行图像处理，提取所述待处理图像中的光斑的第一坐标值。所述提取所述待处理图像中的光斑的第一坐标值的步骤，可以包括步骤S211、步骤S212和步骤S213。
步骤S211，对所述待处理图像进行阈值分割，以滤除所述待处理图像中包含的背景图像。
步骤S212，对阈值分割后的待处理图像进行边缘检测，以获得所述待处理图像中的光斑的外缘。
针对相机获取到的整张图像做阈值分割，找到较佳的阈值，滤除背景中干扰，对阈值处理后的所述待处理图像采用梯度极值Canny算子做边缘检测，对待处理图像f(x,y)去噪,得到图像I(x,y)，
Figure BDA0001863539990000122
式中的
Figure BDA0001863539990000123
是卷积运算，f(x,y)为待处理图像，I(x,y)为待处理图像处理后得到的图像，G(x,y)为梯度极值Canny算子的卷积模板。
计算I(x,y)中所有点I(i,j)的x和y方向的梯度值M(i,j)和方向N(i,j)；
Figure BDA0001863539990000121
N(i,j)＝arctan(Gy(i,j)/Gx(i,j))，其中Gx和Gy分别为x、y方向的卷积模板。
步骤S213，获得所述光斑的外缘内所包含的所有像素点的坐标，利用所述所有像素点的坐标计算出所述待处理图像的光斑的第一坐标值。
具体地，应用检测梯度极值Canny算子找到光斑外缘，分别对所有像素点的纵横坐标求和，然后求取平均值获得中心点坐标值。
假设一个光斑内有四个像素点，四个像素点的像素坐标分别为(5，10)、(6，10)、(5，11)和(6，11)，那么所求的光斑质心的像素坐标为(5.5，10.5)。
本发明实施例中，为获得经过图像处理后的待处理图像的三维空间坐标信息，还需要预先建立函数关系模型。建立所述函数关系模型的步骤包括：
获取所述图像采集装置10采集的标定图像，其中，所述标定图像为所述图像采集装置10所采集的所述点阵结构光装置投射至标定板的点阵结构光在所述标定板所形成的光斑图像。
根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型。
请参阅图6，所述根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型的步骤还包括步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
步骤S100，对照所述坐标轴获得投射在所述标定板的光斑在所述坐标轴上的第一标定坐标值。
步骤S200，获取所述图像采集装置10距离所述标定板的距离值。
步骤S300，结合所述第一标定坐标值与所述距离值得到投射在所述标定板的光斑的三维空间坐标值。
步骤S400，对所述标定图像进行图像处理，获得所述标定图像中光斑的像素坐标值。
步骤S500，建立投射在所述标定板的光斑的三维空间坐标值与所述标定图像中光斑的像素坐标值之间的函数关系模型。
本发明实施例中，对照所述坐标轴获得所述投射在所述标定板的光斑在所述坐标轴的第一标定坐标值，所述第一标定坐标值即所述标定图像中所述光斑的空间二维信息，所述光斑为多个。
根据三角测距原理获取所述图像采集装置与所述标定板的距离值，将上述第一标定坐标值与所述距离值结合，即为投射在所述标定板的光斑的三维空间坐标值。
将各所述标定图像中的光斑的像素坐标值做二维曲线拟合，将各光斑的三维空间坐标值做三维曲线拟合，结合三维曲线拟合数据与二维曲线拟合数据做无限次细分，直到求取出二者对应数学关系式，即所述函数关系模型。
需要说明的是，所述二维曲线拟合与三维曲线拟合基于曲线拟合算法来进行拟合，所述算法设置于所述数据处理设备20，具体的获得曲线拟合的方法可以采用现有技术，在此不赘述。
步骤S22，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息。
根据所述待处理图像中的光斑的第一坐标值和预先建立的函数关系模型得到所述待处理图像在三维空间的第二坐标值。
步骤S23，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
根据所述待处理图像在三维空间的第二坐标值进行三维空间曲面拟合，获得所述待测路面的三维轮廓重建信息。
需要注意的是，在本发明实施例中，预先建立的函数关系模型是提前在实验室或其他情况下采用标定板，设有坐标的标定纸，点阵结构光发生装置以及单目摄像机等硬件设施结合上述建立所述函数关系模型的步骤来建立所述函数关系模型。建立好的函数关系模型存入所述数据处理设备20中，来完成三维轮廓重建。
请参阅图7，图7为本发明实施例提供的应用于上述三维轮廓重建***1的三维轮廓重建装置23的功能模块图。所述三维轮廓重建装置23包括第一图像获取模块231和图像处理模块232。
所述第一图像获取模块231，用于获取所述图像采集装置10采集到的待处理图像。其中，所述待处理图像采集装置10所采集的所述点阵结构光发生装置30投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像。
所述图像处理模块232，用于对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
请参阅图8，所述三维轮廓重建装置23还包括第二图像获取模块233和数据处理模块234，来共同完成建立函数关系模型。
所述第二图像获取模块233，用于获取所述图像采集装置10采集的标定图像。其中，所述标定图像为所述图像采集装置10所采集的所述点阵结构光装置投射至标定板的点阵结构光在所述标定板所形成的光斑图像。
所述数据处理模块234，用于根据所述标定图像中光斑的像素坐标信息及所述投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型。
请参照图9，所述数据处理模块234包括第一获取单元2341、第二获取单元2342、第一数据处理单元2343、图像处理单元2344和第二数据处理单元2345。
所述第一获取单元2341，用于对照所述坐标轴获得投射在所述标定板的光斑在所述坐标轴上的第一标定坐标值。
所述第二获取单元2342，用于获取所述图像采集装置10距离所述标定板的距离值。
所述第一数据处理单元2343，用于结合所述第一标定坐标值与所述距离值得到投射在所述标定板的光斑的三维空间坐标值。
所述图像处理单元2344，用于对所述标定图像进行图像处理，获得所述标定图像中光斑的像素坐标值。
所述第二数据处理单元2345，用于建立投射在所述标定板的光斑的三维空间坐标值与所述标定图像中光斑的像素坐标值之间的函数关系模型。
请参照图10，所述图像处理模块232包括提取单元2321、第三数据处理单元2322和拟合单元2323。
所述提取单元2321，用于提取所述待处理图像中的光斑的第一坐标值。
所述第三数据处理单元2322，用于根据所述待处理图像中的光斑的第一坐标值和预先建立的函数关系模型得到所述待处理图像在三维空间的第二坐标值。
所述拟合单元2323，用于根据所述待处理图像在三维空间的第二坐标值进行三维空间曲面拟合，获得所述待测路面的三维轮廓重建信息。
请参阅图11，具体地，所述提取单元2321包括第一图像处理子单元23211、第二图像处理子单元23212和数据处理子单元23213。
所述第一图像处理子单元23211，用于对所述待处理图像进行阈值分割，以滤除所述待处理图像中包含的背景图像。
所述第二图像处理子单元23212，用于对阈值分割后的待处理图像进行边缘检测，以获得所述待处理图像中的光斑的外缘。
所述数据处理子单元23213，用于获得所述光斑的外缘内所包含的所有像素点的坐标，利用所述所有像素点的坐标计算出所述待处理图像的光斑的第一坐标值。
在本发明实施例中，使用上述方法和装置获得的三维轮廓重建信息后，将所述三维轮廓重建信息传输给智能车决策***，为***智能路径选择提供参考信息，从而实现无人驾驶，与基于激光、雷达和GPS的导航***相比，基于此方法和装置的机器视觉的导航与控制***有如下优点：获取信息直观，能够同时满足自主和遥控的需要。
仅靠视觉***基本上就可以完成航向、位置和障碍测定任务，进一步满足导航和控制***的定位、路径规划、运动控制和局部避障的需要。与激光、雷达导航***相比，不存在辐射与信号相互干扰的问题。具体的智能车决策方法可以采用现有技术实现，在此不再赘述。
综上所述，本发明实施例提供一种三维轮廓重建方法及装置。通过获取图像采集装置10采集到的待处理图像，其中，所述待处理图像为所述图像采集装置10所采集的所述点阵结构光发生装置30投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像。对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。该方法及装置采用单目图像采集装置加点阵结构光结合曲线拟合标定算法提取待测图像的信息从而做到三维轮廓重建，为路径检测提供三维轮廓重建信息。该方案结构简单，计算复杂度低，易于实现和推广。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
需要说明的是，在本文中，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，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种三维轮廓重建方法，其特征在于，应用于三维轮廓重建***中的数据处理设备，所述三维轮廓重建***还包括点阵结构光发生装置及与所述数据处理设备通信连接的图像采集装置，所述方法包括：
获取所述图像采集装置采集到的待处理图像，其中，所述待处理图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像；
对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
2.根据权利要求1所述的三维轮廓重建方法，其特征在于，所述函数关系模型通过以下步骤获得：
获取所述图像采集装置采集的标定图像，其中，所述标定图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至标定板的点阵结构光在所述标定板所形成的光斑图像；
根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型。
3.根据权利要求2所述的三维轮廓重建方法，其特征在于，所述标定板上划设有坐标轴，所述根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型的步骤包括：
对照所述坐标轴获得投射在所述标定板的光斑在所述坐标轴上的第一标定坐标值；
获取所述图像采集装置距离所述标定板的距离值；
结合所述第一标定坐标值与所述距离值得到投射在所述标定板的光斑的三维空间坐标值；
对所述标定图像进行图像处理，获得所述标定图像中光斑的像素坐标值；
建立投射在所述标定板的光斑的三维空间坐标值与所述标定图像中光斑的像素坐标值之间的函数关系模型。
4.根据权利要求1所述的三维轮廓重建方法，其特征在于，所述对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息的步骤包括：
提取所述待处理图像中的光斑的第一坐标值；
根据所述待处理图像中的光斑的第一坐标值和预先建立的函数关系模型得到所述待处理图像在三维空间的第二坐标值；
根据所述待处理图像在三维空间的第二坐标值进行三维空间曲面拟合，获得所述待测路面的三维轮廓重建信息。
5.根据权利要求4所述的三维轮廓重建方法，其特征在于，所述提取所述待处理图像中的光斑的第一坐标值的步骤包括：
对所述待处理图像进行阈值分割，以滤除所述待处理图像中包含的背景图像；
对阈值分割后的待处理图像进行边缘检测，以获得所述待处理图像中的光斑的外缘；
获得所述光斑的外缘内所包含的所有像素点的坐标，利用所述所有像素点的坐标计算出所述待处理图像的光斑的第一坐标值。
6.一种三维轮廓重建装置，其特征在于，应用于三维轮廓重建***中的数据处理设备，所述三维轮廓重建***还包括点阵结构光发生装置及与所述数据处理设备通信连接的图像采集装置，所述三维轮廓重建装置包括第一图像获取模块和图像处理模块：
所述第一图像获取模块，用于获取所述图像采集装置采集到的待处理图像，其中，所述待处理图像采集装置所采集的所述点阵结构光发生装置投射至待测路面的点阵结构光在所述待测路面所形成的光斑图像；
所述图像处理模块，用于对所述待处理图像进行图像处理，利用预先建立的函数关系模型获得经过图像处理后的待处理图像的三维空间坐标信息，根据所述三维空间坐标信息获得所述待测路面的三维轮廓重建信息。
7.根据权利要求6所述的三维轮廓重建装置，其特征在于，所述三维轮廓重建装置还包括第二图像获取模块和数据处理模块，用于获得所述函数关系模型：
所述第二图像获取模块，用于获取所述图像采集装置采集的标定图像，其中，所述标定图像为所述图像采集装置所采集的所述点阵结构光发生装置投射至标定板的点阵结构光在所述标定板所形成的光斑图像；
所述数据处理模块，用于根据所述标定图像中光斑的像素坐标信息及投射在所述标定板的光斑的三维空间坐标信息建立函数关系模型。
8.根据权利要求7所述的三维轮廓重建装置，其特征在于，所述标定板上划设有坐标轴，所述数据处理模块包括第一获取单元、第二获取单元、第一数据处理单元、图像处理单元和第二数据处理单元；
所述第一获取单元，用于对照所述坐标轴获得投射在所述标定板的光斑在所述坐标轴上的第一标定坐标值；(此处已与发明人确认无误，因此不做修改)
所述第二获取单元，用于获取所述图像采集装置距离所述标定板的距离值；(此处已与发明人确认无误，因此不做修改)
所述第一数据处理单元，用于结合所述第一标定坐标值与所述距离值得到投射在所述标定板的光斑的三维空间坐标值；
所述图像处理单元，用于对所述标定图像进行图像处理，获得所述标定图像中光斑的像素坐标值；
所述第二数据处理单元，用于建立投射在所述标定板的光斑的三维空间坐标值与所述标定图像中光斑的像素坐标值之间的函数关系模型。
9.根据权利要求6所述的三维轮廓重建装置，其特征在于，所述图像处理模块包括提取单元、第三数据处理单元和拟合单元；
所述提取单元，用于提取所述待处理图像中的光斑的第一坐标值；
所述第三数据处理单元，用于根据所述待处理图像中的光斑的第一坐标值和预先建立的函数关系模型得到所述待处理图像在三维空间的第二坐标值；
所述拟合单元，用于根据所述待处理图像在三维空间的第二坐标值进行三维空间曲面拟合，获得所述待测路面的三维轮廓重建信息。
10.根据权利要求9所述的三维轮廓重建装置，其特征在于，所述提取单元包括第一图像处理子单元、第二图像处理子单元和数据处理子单元；
所述第一图像处理子单元，用于对所述待处理图像进行阈值分割，以滤除所述待处理图像中包含的背景图像；
所述第二图像处理子单元，用于对阈值分割后的待处理图像进行边缘检测，以获得所述待处理图像中的光斑的外缘；
所述数据处理子单元，用于获得所述光斑的外缘内所包含的所有像素点的坐标，利用所述所有像素点的坐标计算出所述待处理图像的光斑的第一坐标值。
CN201811345014.1A 2018-11-13 2018-11-13 一种三维轮廓重建方法及装置 Pending CN111174722A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811345014.1A CN111174722A (zh) 2018-11-13 2018-11-13 一种三维轮廓重建方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811345014.1A CN111174722A (zh) 2018-11-13 2018-11-13 一种三维轮廓重建方法及装置

Publications (1)

Publication Number Publication Date
CN111174722A true CN111174722A (zh) 2020-05-19

Family

ID=70646163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811345014.1A Pending CN111174722A (zh) 2018-11-13 2018-11-13 一种三维轮廓重建方法及装置

Country Status (1)

Country Link
CN (1) CN111174722A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739153A (zh) * 2020-06-23 2020-10-02 广东省航空航天装备技术研究所 基于三维成像的加工方法、装置、设备及存储介质
CN111739138A (zh) * 2020-06-23 2020-10-02 广东省航空航天装备技术研究所 三维成像方法、三维成像装置、电子设备及存储介质
CN111798524A (zh) * 2020-07-14 2020-10-20 华侨大学 一种基于倒置低分辨率相机的标定***及方法
CN111854642A (zh) * 2020-07-23 2020-10-30 浙江汉振智能技术有限公司 基于随机点阵的多线激光三维成像方法及***
CN112515660A (zh) * 2020-11-30 2021-03-19 居天科技(深圳)有限公司 激光雷达人体建模方法
CN114565661A (zh) * 2022-01-20 2022-05-31 华能汕头海门发电有限责任公司 基于图像采集的盘煤***

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1116703A (zh) * 1994-08-08 1996-02-14 陈明彻 非接触式三维轮廓实时测量方法和***
CN102538708A (zh) * 2011-12-23 2012-07-04 北京理工大学 任意表面三维形貌测量***
CN102589476A (zh) * 2012-02-13 2012-07-18 天津大学 高速扫描整体成像三维测量方法
CN103322937A (zh) * 2012-03-19 2013-09-25 联想(北京)有限公司 一种结构光法测量物体深度的方法及装置
CN103411553A (zh) * 2013-08-13 2013-11-27 天津大学 多线结构光视觉传感器的快速标定方法
CN104034263A (zh) * 2014-07-02 2014-09-10 北京理工大学 一种锻件尺寸的非接触测量方法
CN104487800A (zh) * 2012-07-15 2015-04-01 巴特里有限责任公司 数据显示在被测量的表面上的便携式三维计量
CN104897142A (zh) * 2015-06-11 2015-09-09 湖北工业大学 一种适用于双目或多目视觉尺寸测量的立体靶标
CN106600647A (zh) * 2016-06-30 2017-04-26 华南理工大学 一种双目视觉多线投影结构光标定方法
CN106705898A (zh) * 2017-01-24 2017-05-24 浙江四点灵机器人股份有限公司 一种点阵结构光测量平面度的方法
CN107039885A (zh) * 2017-05-04 2017-08-11 深圳奥比中光科技有限公司 应用于3d成像的激光阵列

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1116703A (zh) * 1994-08-08 1996-02-14 陈明彻 非接触式三维轮廓实时测量方法和***
CN102538708A (zh) * 2011-12-23 2012-07-04 北京理工大学 任意表面三维形貌测量***
CN102589476A (zh) * 2012-02-13 2012-07-18 天津大学 高速扫描整体成像三维测量方法
CN103322937A (zh) * 2012-03-19 2013-09-25 联想(北京)有限公司 一种结构光法测量物体深度的方法及装置
CN104487800A (zh) * 2012-07-15 2015-04-01 巴特里有限责任公司 数据显示在被测量的表面上的便携式三维计量
CN103411553A (zh) * 2013-08-13 2013-11-27 天津大学 多线结构光视觉传感器的快速标定方法
CN104034263A (zh) * 2014-07-02 2014-09-10 北京理工大学 一种锻件尺寸的非接触测量方法
CN104897142A (zh) * 2015-06-11 2015-09-09 湖北工业大学 一种适用于双目或多目视觉尺寸测量的立体靶标
CN106600647A (zh) * 2016-06-30 2017-04-26 华南理工大学 一种双目视觉多线投影结构光标定方法
CN106705898A (zh) * 2017-01-24 2017-05-24 浙江四点灵机器人股份有限公司 一种点阵结构光测量平面度的方法
CN107039885A (zh) * 2017-05-04 2017-08-11 深圳奥比中光科技有限公司 应用于3d成像的激光阵列

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张三喜: "《弹道特征参数摄像测量》", 31 March 2014, 国防工业出版社 *
张广军: "《光电测试技术》", 31 March 2008, 中国计量出版社 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739153A (zh) * 2020-06-23 2020-10-02 广东省航空航天装备技术研究所 基于三维成像的加工方法、装置、设备及存储介质
CN111739138A (zh) * 2020-06-23 2020-10-02 广东省航空航天装备技术研究所 三维成像方法、三维成像装置、电子设备及存储介质
CN111798524A (zh) * 2020-07-14 2020-10-20 华侨大学 一种基于倒置低分辨率相机的标定***及方法
CN111798524B (zh) * 2020-07-14 2023-07-21 华侨大学 一种基于倒置低分辨率相机的标定***及方法
CN111854642A (zh) * 2020-07-23 2020-10-30 浙江汉振智能技术有限公司 基于随机点阵的多线激光三维成像方法及***
CN111854642B (zh) * 2020-07-23 2021-08-10 浙江汉振智能技术有限公司 基于随机点阵的多线激光三维成像方法及***
CN112515660A (zh) * 2020-11-30 2021-03-19 居天科技(深圳)有限公司 激光雷达人体建模方法
CN114565661A (zh) * 2022-01-20 2022-05-31 华能汕头海门发电有限责任公司 基于图像采集的盘煤***

Similar Documents

Publication Publication Date Title
US11320833B2 (en) Data processing method, apparatus and terminal
CN111174722A (zh) 一种三维轮廓重建方法及装置
JP6931096B2 (ja) オンボードセンサの外部パラメータを較正する方法及び装置、並びに関連する車両
CN107133985B (zh) 一种基于车道线消逝点的车载摄像机自动标定方法
CN110988912A (zh) 自动驾驶车辆的道路目标与距离检测方法、***、装置
WO2018020954A1 (ja) 機械学習用データベース作成システム
Pinggera et al. High-performance long range obstacle detection using stereo vision
US11783507B2 (en) Camera calibration apparatus and operating method
CN112567264A (zh) 用于获取坐标变换信息的装置和方法
CN114091521B (zh) 车辆航向角的检测方法、装置、设备及存储介质
US11842440B2 (en) Landmark location reconstruction in autonomous machine applications
CN112634359A (zh) 车辆防碰撞预警方法、装置、终端设备及存储介质
CN111627001A (zh) 图像检测方法及装置
CN111767843B (zh) 三维位置预测方法、装置、设备以及存储介质
EP3029602A1 (en) Method and apparatus for detecting a free driving space
CN112907746A (zh) 电子地图的生成方法、装置、电子设备及存储介质
CN115705780A (zh) 关联被感知和映射的车道边缘以进行定位
CN114919584A (zh) 机动车定点目标测距方法、装置及计算机可读存储介质
CN112639822B (zh) 一种数据处理方法及装置
US11869253B2 (en) Vehicle environment modeling with a camera
CN115222815A (zh) 障碍物距离检测方法、装置、计算机设备和存储介质
CN114677660A (zh) 模型训练和道路检测方法及装置
CN114384486A (zh) 一种数据处理方法及装置
Klappstein Optical-flow based detection of moving objects in traffic scenes
CN115236696B (zh) 确定障碍物的方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200519

RJ01 Rejection of invention patent application after publication