CN112802071B - 一种三维重建效果评价方法及*** - Google Patents
一种三维重建效果评价方法及*** Download PDFInfo
- Publication number
- CN112802071B CN112802071B CN202110088691.5A CN202110088691A CN112802071B CN 112802071 B CN112802071 B CN 112802071B CN 202110088691 A CN202110088691 A CN 202110088691A CN 112802071 B CN112802071 B CN 112802071B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud model
- wing
- dimensional reconstruction
- effect evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 127
- 230000000694 effects Effects 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 27
- 241000238631 Hexapoda Species 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000011158 quantitative evaluation Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种三维重建效果评价方法及***,包括:获取待评价目标的真值点云模型;将真值点云模型与待评价目标的重建点云模型,进行点云配准;确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;根据豪斯多夫距离的大小,确定重建点云模型的三维重建效果评价结果。本发明提供的三维重建效果评价方法及***,通过计算待评价目标的重建点云模型中的每个点云与其真值点云模型中的点云之间的豪斯多夫距离,以根据每个点云的豪斯多夫距离的大小分布情况,确定出重建点云模型的三维重建效果评价结果,提供了一种冲三维重建点云模型的精度及完整度方面进行点云重建效果的客观定量评估方法,有效地提高了点云重建效果评价的客观性和准确性。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种三维重建效果评价方法及***。
背景技术
在机器视觉领域中,三维重建是根据浓度相机拍摄的图像进行三维点云重建,以恢复目标或场景的三维信息,在虚拟现实和增强现实领域有着广泛应用。
三维重建生成的模型结果主要为目标或场景表面点的空间坐标,在昆虫三维重建的过程中,缺乏对蛾类虫体三维模型的定量评价体系。目前对于三维重建效果的评价,一般是通过整体或局部细节的重建效果进行主观评价。
因此,如何提供一种客观的三维重建效果评价方法,对三维模型进行客观定量地评估,以确保三维重建技术在昆虫三维重建领域中的有效应用,是本领域技术人员函需解决的问题。
发明内容
针对现有技术中采用主观评价三维重建效果,导致评价可信度低的缺陷,本发明实施例提供一种三维重建效果评价方法及***。
本发明提供一种三维重建效果评价方法,包括:获取待评价目标的真值点云模型;将所述真值点云模型与所述待评价目标的重建点云模型,进行点云配准;确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果。
根据本发明提供的一种三维重建效果评价方法,所述确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离的计算公式为:
H(G,R)=max[h(G,R),h(R,G)];
其中,G为真值点云模型的点云集合,g为真值点云集合G中的任一点云,R为重建点云模型的点云集合,r为重建点云集合R中的任一点云,h(G,R)为真值点云集合G至重建点云集合R的豪斯多夫距离,h(R,G)为重建点云集合R至真值点云集合G的豪斯多夫距离,H(G,R)为真值点云集合G中的每个点云至重建点云集合R的豪斯多夫距离的集合。
根据本发明提供的一种三维重建效果评价方法,所述根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果,包括:统计所述豪斯多夫距离的大小在各个预设距离区间内的概率分布;根据所述概率分布,确定所述三维重建效果评价结果。
根据本发明提供的一种三维重建效果评价方法,在所述待评价目标为蛾类虫体的情况下,在所述确定所述重建点云模型的三维重建效果评价结果之后,还包括:从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据;从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据;获取所述第一表型属性数据与所述第二表型属性数据的比对结果;根据所述比对结果对所述三维重建效果评价结果进行二次评价。
根据本发明提供的一种三维重建效果评价方法,所述从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据,包括:获取所述第一表型属性数据中的第一翅膀长度、第一翅膀宽度、第一翅膀面积以及第一翅夹角;相应地,所述从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据,包括:获取所述第二表型属性数据中的第二翅膀长度、第二翅膀宽度、第二翅膀面积以及第二翅夹角。
根据本发明提供的一种三维重建效果评价方法,所述获取所述第一表型属性数据与所述第二表型属性数据的比对结果,包括:分别计算所述第一翅膀长度与所述第二翅膀长度、所述第一翅膀宽度与所述第二翅膀宽度、所述第一翅膀面积与所述第二翅膀面积、所述第一翅夹角与所述第二翅夹角之间的均方根误差、相对误差以及决定系数中的至少一项,作为所述比对结果。
根据本发明提供的一种三维重建效果评价方法,在所述预设距离区间包括[0~1.0mm]、[1.0~2.0mm]、[2.0~3.0mm][3.0~4.0mm]、[4.0~5.0mm]五个区间的情况下,所述根据所述概率分布,确定所述三维重建效果评价结果,包括:若所述豪斯多夫距离的大小在所述[0~1.0mm]区间内的分布概率大于预设概率阈值,则确定所述三维重建效果评价结果为合格。
本发明还提供一种三维重建效果评价***,包括:点云获取单元,用于获取待评价目标的真值点云模型;点云匹配单元,用于将所述真值点云模型与所述待评价目标的重建点云模型,进行点云配准;距离运算单元,用于确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;效果评价单元,用于根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述三维重建效果评价方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述三维重建效果评价方法的步骤。
本发明提供的三维重建效果评价方法及***,通过计算待评价目标的重建点云模型中的每个点云与其真值点云模型中的点云之间的豪斯多夫距离,以根据每个点云的豪斯多夫距离的大小分布情况,确定出重建点云模型的三维重建效果评价结果,提供了一种冲三维重建点云模型的精度及完整度方面进行点云重建效果的客观定量评估方法,有效地提高了点云重建效果评价的客观性和准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的三维重建效果评价方法的流程示意图;
图2是本发明提供的三维重建效果评价***的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
需要说明的是,在本发明实施例的描述中,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。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合图1-图3描述本发明实施例所提供的三维重建效果评价方法和***。
图1是本发明提供的三维重建效果评价方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤S1:获取待评价目标的真值点云模型;
步骤S2:将真值点云模型与所述待评价目标的重建点云模型,进行点云配准;
步骤S3:确定真值点云模型与所述重建点云模型之间的豪斯多夫距离;
步骤S4:根据豪斯多夫距离的大小,确定重建点云模型的三维重建效果评价结果。
其中,待评价目标可以是物品、动物、植物等任一具有稳定形状的物体,在本发明提供的三维重建效果评价方法的后续实施例中,均以对某一蛾类虫体的重建点云模型的重建效果进行评价为例进行说明,但其不视为对本发明保护范围的具体限定。
本发明可以通过使用结构光三维扫描仪对蛾类虫体进行拍摄,以根据拍摄图像,获取蛾类虫体的几何构造与外观数据,并构建其真值点云模型。
进一步地,获取该蛾类虫体的重建点云模型,该重建点云模型是本发明的评价对象,即本发明是通过重新扫描蛾类虫体的真值点云模型,并以真值点云模型作为参考,对重建点云模型的重建效果进行评价。
由于真值点云模型和重建点云模型所使用的坐标系是不一致的,其在尺寸大小、空间位置和姿态上必然存在差异,因此本发明提供的三维重建效果评价方法,在分别获取到蛾类虫体的真值点云模型和重建点云模型之后,首先需要对两者进行匹配对准,从而使得真值点云模型和重建点云模型在空间中完成相交区域的完全重叠。
可选地,本发明所提供的点云配准方法,可以采用人工手动配准或者采用基于算法自动配准的方式,或者采用人工手动与算法相结合的配准方式。
其中,所采用的算法可以是迭代最近点算法(Iterative Closest Point,IPC算法),或者采用正态分布变换算法(Normal Distribution Transform,NDT算法),对此本发明不作具体的限定。
豪斯多夫距离可以用于度量空间中真子集之间的距离,可以应用在边缘匹配算法的距离。设X和Y是度量空间M的两个真子集,那么豪斯多夫距离H(X,Y)是最小的数r使得X的闭邻域包含Y,Y的闭邻域也包含X。
由于点云模型是视为由不同点云构成的一个真值集合,故在本发明提供的三维重建效果评价方法,利用豪斯多夫距离来衡量真值点云模型虽对应的点云集合与重建点云模型所对应的点云集合之间的重合程度,即通过获取所有重建点云模型中的每个点云到真值点云模型的豪斯多夫距离(每个点云对应一个豪斯多夫距离的大小)。一般来说,重建点云模型中的某个点云的豪斯多夫距离的值越小,则表明该点云与真值点云模型的匹配度越高,因此本发明根据所有点云的豪斯多夫距离的大小的分布情况,对重建点云模型的三维重建效果进行评价。
最理想的情况是,若所有点云的豪斯多夫距离的大小均为0;若所有点云的豪斯多夫距离的大小分布绝大部分均处于0值左右,则可以确定三维重建效果评价结果为优秀;若所有点云的豪斯多夫距离的大小分布绝大部分均处于与0值偏差较大的区域内,则可以确定三维重建效果评价结果为不合格。
本发明提供的三维重建效果评价方法及***,通过计算待评价目标的重建点云模型中的每个点云与其真值点云模型中的点云之间的豪斯多夫距离,以根据每个点云的豪斯多夫距离的大小分布情况,确定出重建点云模型的三维重建效果评价结果,提供了一种冲三维重建点云模型的精度及完整度方面进行点云重建效果的客观定量评估方法,有效地提高了点云重建效果评价的客观性和准确性。
基于上述实施例的内容,作为一种可选实施例,所述确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离的计算公式为:
H(G,R)=max[h(G,R),h(R,G)];
其中,G为真值点云模型的点云集合,g为真值点云集合G中的任一点云,R为重建点云模型的点云集合,r为重建点云集合R中的任一点云,h(G,R)为真值点云集合G至重建点云集合R的豪斯多夫距离,h(R,G)为重建点云集合R至真值点云集合G的豪斯多夫距离,H(G,R)为真值点云集合G中的每个点云至重建点云集合R的豪斯多夫距离的集合。
通过上述计算公式,本发明提供的三维重建效果评价方法,不仅计算真值点云模型中的每个点云到重建点云模型之间的豪斯多夫距离;而且同时还计算重建点云模型中的点云到真值点云模型之间的豪斯多夫距离;然后将两者之间的最大值作为真值点云集合中的每个点云至重建点云模型之间的豪斯多夫距离;最后,将真值点云集合中的所有点云所对应的豪斯多夫距离组合构成一个豪斯多夫距离集合,并根据该集合内所有豪斯多夫距离的大小分布,对重建点云模型的三维重建效果进行评价。
基于上述实施例的内容,作为一种可选实施例,所述根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果,包括:统计所述豪斯多夫距离的大小在各个预设距离区间内的概率分布;根据所述概率分布,确定所述三维重建效果评价结果。
具体地,由于豪斯多夫距离越小,说明三维重建的效果越好,故本发明提供了一种根据所述豪斯多夫距离的大小分布情况,定量的确定三维重建效果评价结果的方法,包括:
首先,将正数区间内(由于豪斯多夫距离的大小是采用正数的方式表示)预先划分出多个连续的预设距离区间,例如[0-a1]、[a1-a2]、[a2-a3]…[an-1-an]等n个预设距离区间,区间的距离单位可以根据待评价目标的实际情况选定,如采用cm或mm等。
进一步地,统计步骤S3中所确定的真值点云模型与所述重建点云模型之间豪斯多夫距离在上述n个预设距离区间内的部分情况,并根据所统计的结果,根据预设的评价标准,获取到重建点云模型的三维重建效果评价结果。
其中,所述预设的评价标准可以是在豪斯多夫距离的大小位于[0-a1]区间内的概率大于预设分布概率时,评价结果为一等重建效果;在豪斯多夫距离的大小位于[0-a1]区间内的概率小于第一预设概率;但其位于[a1-a2]区间内的概率大于预设分布概率时,评价结果为二等重建效果…,按照上述方式直至确定豪斯多夫距离的大小位于[an-1-an]区间内的概率大于预设分布概率时,评价结果为n等重建效果。其中,一等重建效果优于二等重建效果、二等重建效果优于三等重建效果、…n-1等重建效果优于n等重建效果。
作为可选实施例,本发明提供了一种具体的重建效果评价方法,包括:在所述预设距离区间包括[0~1.0mm]、[1.0~2.0mm]、[2.0~3.0mm][3.0~4.0mm]、[4.0~5.0mm]五个区间的情况下,所述根据所述概率分布,确定所述三维重建效果评价结果,包括:若所述豪斯多夫距离的大小在所述[0~1.0mm]区间内的分布概率大于预设概率阈值,则确定所述三维重建效果评价结果为合格。
例如,通过统计真值点云模型与重建点云模型的豪斯多夫距离分别在0~1.0mm、1.0~2.0mm、2.0~3.0mm、3.0~4.0mm、4.0~5.0mm各个区间的概率分布,当0~1.0mm区间的分布概率在80%以上时,说明其重建效果较好。
本发明提供的三维重建效果评价方法,通过利用豪斯多夫距离来衡量两个模型之间的距离,可以定量的评价三维点云的重建精度,
基于上述实施例的内容,作为一种可选实施例,在所述待评价目标为蛾类虫体的情况下,在所述确定所述重建点云模型的三维重建效果评价结果之后,还包括:从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据;从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据;获取所述第一表型属性数据与所述第二表型属性数据的比对结果;根据所述比对结果对所述三维重建效果评价结果进行二次评价。
本发明具体提供的一种蛾类虫体三维重建效果评价方法,在利用上述实施例中所提供的通过真值点云模型与重建点云模型之间的豪斯多夫距离实现三维重建效果评价的基础上,结合点云模型中所包含的蛾类虫体的表型属性数据,对之前所获取评价结果进行更进一步的评价。
其中,表型属性数据主要包括翅膀长度、翅膀宽、翅膀面积、翅夹角等。二次评价的实施步骤主要包括,根据真值点云模型中蛾类虫体的三维点云分布,获取到蛾类虫体的第一表型属性数据;根据重建点云模型中蛾类虫体的三维点云分布,获取到蛾类虫体的第二表型属性数据。进而,通过将第一表型属性数据与第二表型属性数据进行比对,则能够根据获取到的比对结果,对之前所获取评价结果作二次评价。
作为一种可选实施例,第一表型属性数据可以包括但不限于第一翅膀长度、第一翅膀宽度、第一翅膀面积以及第一翅夹角中的至少一种;相应地,第二表型属性数据也包括第二翅膀长度、第二翅膀宽度、第二翅膀面积以及第二翅夹角中的至少一种。
下面以从真值点云模型中的所有三维点云确定第一翅膀长度为例,说明如何根据真值点云模型获取第一表型属性数据,以及如何根据重建点云模型获取第一表型属性数据:
首先,将真值点云模型中输入至点云分析模型中,通过人工标定的方式,在该点云分析模型中标定出蛾类虫体的翅膀点云;然后,根据翅膀点云的分布情况,计算出翅膀长度,作为所述第一翅膀长度。
相应地,在标定出蛾类虫体的翅膀点云的情况下,也可以获取到第一翅膀宽度、第一翅膀面积以及第一翅夹角等信息。
同理,采用相同的方法,在重建点云模型中也标注出蛾类虫体的翅膀点云,然后统计出第二翅膀长度、第二翅膀宽度、第二翅膀面积以及第二翅夹角。
作为可选地,在对真值点云模型和重建点云模型进行翅膀点云标定之前,还可以对两个模型中的点云进行去噪、简化、配准以及补洞等预处理。
基于上述实施例的内容,作为一种可选实施例,所述获取所述第一表型属性数据与所述第二表型属性数据的比对结果,包括:
分别计算所述第一翅膀长度与所述第二翅膀长度、所述第一翅膀宽度与所述第二翅膀宽度、所述第一翅膀面积与所述第二翅膀面积、所述第一翅夹角与所述第二翅夹角之间的均方根误差、相对误差以及决定系数中的至少一项,作为所述比对结果。
均方根误差又称标准误差,可以用来衡量两个比较值之间的偏差,以确定第一翅膀长度与所述第二翅膀长度的均方差计算为例,其计算公式为:
其中,RMSE为均方根误差,n为第一翅夹角与所述第二翅夹角的比较次数,为第t次比较时第一翅膀长度,/>为第t次比较时第二翅膀长度。
同理,采用上述公式,可以分别计算出第一翅膀宽度与第二翅膀宽度、第一翅膀面积与第二翅膀面积、第一翅夹角与第二翅夹角之间的均方根误差。
相对误差指的是由测量所造成的绝对误差与被测量真值之比乘以100%所得的数值,以百分数表示。以确定第一翅膀长度与所述第二翅膀长度的相对误差为例,其计算公式为:
其中,RE为相对误差,为第t次比较时第一翅膀长度,/>为第t次比较时第二翅膀长度。
同理,采用上述公式,可以分别计算出第一翅膀宽度与第二翅膀宽度、第一翅膀面积与第二翅膀面积、第一翅夹角与第二翅夹角之间的绝对误差。
进一步地,还可以根据上述相对误差,确定第一翅膀长度与所述第二翅膀长度、所述第一翅膀宽度与所述第二翅膀宽度、所述第一翅膀面积与所述第二翅膀面积、所述第一翅夹角与所述第二翅夹角之间的平均误差,并将所述平均误差作为所述比对结果的一个可选项。
决定系数又称可决系数,表示一个随机变量与多个随机变量关系的数字特征,用来反映回归模式说明因变量变化可靠程度的一个统计指标,可以定义为已被模式中全部自变量说明的自变量的变差对自变量总变差的比值。
以确定第一翅膀长度与所述第二翅膀长度的决定系数为例,其计算公式为:
式中:Pi和Oi分别为第i次比较时第一翅膀长度和第二翅膀长度;Pavg和Oavg分别为第一翅膀长度的平均值和第二翅膀长度的平均值;n为第一翅膀长度或第一翅膀长度的比较次数。
本发明提供的三维重建效果评价方法,通过提取蛾类虫体的真值点云模型G中的翅膀长度aG,再提取重建点云模型R的翅膀长度aR,再计aG与aR的均方根误差RMSEa、相对误差REa、决定系数Ra 2。再采用相同的计算方法,分别求取翅膀宽、翅膀面积、翅夹角的均方根误差、相对误差、决定系数,并将上述计算值作为比对结果对由豪斯多夫距离确定的三维重建效果评价结果进行二次评价。
其中,所述二次评价可以是确定三维重建效果评价结果的可信度。
例如,所述二次评价的方法,可以包括:在根据真值点云模型与所述重建点云模型之间的豪斯多夫距离,所确定的三维重建效果评价结果为合格的情况下,判断出所述均方根误差RMSEa小于第一预设阈值、相对误差REa小于第二预设阈值且决定系数Ra 2大于第三预设阈值的情况下,则确定二次评价结果为:所述三维重建效果评价结果为合格的评价是可信的。
再例如,在根据真值点云模型与所述重建点云模型之间的豪斯多夫距离,所确定的三维重建效果评价结果为合格的情况下,若判断出所述均方根误差RMSEa大于第一预设阈值,或相对误差REa小于第二预设阈值,或决定系数Ra 2大于第三预设阈值的情况下,则确定二次评价结果为:所述三维重建效果评价结果为合格的评价是不可信的。
本发明提供的三维重建效果评价方法,利用蛾类虫体的表型属性数据,对豪斯多夫距离识别的评价结果进行二次评价,能有效地提供评价的精度。
图2是本发明提供的一种三维重建效果评价***的结构示意图,如图2所示,包括但不限于点云获取单元21、点云匹配单元22、距离运算单元23和效果评价单元24,其中:
点云获取单元21主要用于获取待评价目标的真值点云模型;点云匹配单元22主要用于将所述真值点云模型与所述待评价目标的重建点云模型,进行点云配准;距离运算单元23主要用于确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;效果评价单元24主要用于根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果。
具体地,本发明提供的三维重建效果评价***,首先利用点云获取单元21控制结构光三维扫描仪对蛾类虫体进行拍摄,以获取蛾类虫体的几何构造与外观数据,并构建其真值点云模型。
进一步地,利用点云匹配单元22将拍摄的真值点云模型与待评价的重建点云模型进行匹配对准,从而使得真值点云模型和重建点云模型在空间中完成相交区域的完全重叠。
进一步地,利用距离运算单元23计算出所有重建点云模型中的每个点云到真值点云模型的豪斯多夫距离,并组建豪斯多夫距离集合。
最后,利用效果评价单元24,分析所述豪斯多夫距离集合中所有的豪斯多夫距离的大小分布情况,并根据分布的概率对重建点云模型的三维重建效果进行评价。
本发明提供的三维重建效果评价***,通过计算待评价目标的重建点云模型中的每个点云与其真值点云模型中的点云之间的豪斯多夫距离,以根据每个点云的豪斯多夫距离的大小分布情况,确定出重建点云模型的三维重建效果评价结果,提供了一种冲三维重建点云模型的精度及完整度方面进行点云重建效果的客观定量评估方法,有效地提高了点云重建效果评价的客观性和准确性。
需要说明的是,本发明实施例提供的三维重建效果评价***,在具体执行时,可以基于上述任一实施例所述的三维重建效果评价方法来实现,对此本实施例不作赘述。
图3是本发明提供的电子设备的结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(CommunicationsInterface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行三维重建效果评价方法,该方法包括:获取待评价目标的真值点云模型;将真值点云模型与待评价目标的重建点云模型,进行点云配准;确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;根据豪斯多夫距离的大小,确定重建点云模型的三维重建效果评价结果。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的三维重建效果评价方法,该方法包括:获取待评价目标的真值点云模型;将真值点云模型与待评价目标的重建点云模型,进行点云配准;确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;根据豪斯多夫距离的大小,确定重建点云模型的三维重建效果评价结果。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的三维重建效果评价方法,该方法包括:获取待评价目标的真值点云模型;将真值点云模型与待评价目标的重建点云模型,进行点云配准;确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;根据豪斯多夫距离的大小,确定重建点云模型的三维重建效果评价结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种三维重建效果评价方法,其特征在于,包括:
获取待评价目标的真值点云模型;
将所述真值点云模型与所述待评价目标的重建点云模型,进行点云配准;
确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;
根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果;
在所述待评价目标为蛾类虫体的情况下,还包括:
从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据;
从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据;
获取所述第一表型属性数据与所述第二表型属性数据的比对结果;
根据所述比对结果对所述三维重建效果评价结果进行二次评价;
其中,所述从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据,包括:
获取所述第一表型属性数据中的第一翅膀长度、第一翅膀宽度、第一翅膀面积以及第一翅夹角;
相应地,所述从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据,包括:
获取所述第二表型属性数据中的第二翅膀长度、第二翅膀宽度、第二翅膀面积以及第二翅夹角;
其中,所述获取所述第一表型属性数据与所述第二表型属性数据的比对结果,包括:
分别计算所述第一翅膀长度与所述第二翅膀长度、所述第一翅膀宽度与所述第二翅膀宽度、所述第一翅膀面积与所述第二翅膀面积、所述第一翅夹角与所述第二翅夹角之间的均方根误差、相对误差以及决定系数中的至少一项,作为所述比对结果。
2.根据权利要求1所述的三维重建效果评价方法,其特征在于,所述确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离的计算公式为:
H(G,R)=max[h(G,R),h(R,G)];
其中,G为真值点云模型的点云集合,g为真值点云集合G中的任一点云,R为重建点云模型的点云集合,r为重建点云集合R中的任一点云,h(G,R)为真值点云集合G至重建点云集合R的豪斯多夫距离,h(R,G)为重建点云集合R至真值点云集合G的豪斯多夫距离,H(G,R)为真值点云集合G中的每个点云至重建点云集合R的豪斯多夫距离的集合。
3.根据权利要求1所述的三维重建效果评价方法,其特征在于,所述根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果,包括:
统计所述豪斯多夫距离的大小在各个预设距离区间内的概率分布;
根据所述概率分布,确定所述三维重建效果评价结果。
4.根据权利要求3所述的三维重建效果评价方法,其特征在于,在所述预设距离区间包括[0~1.0mm]、[1.0~2.0mm]、[2.0~3.0mm]、[3.0~4.0mm]、[4.0~5.0mm]五个区间的情况下,所述根据所述概率分布,确定所述三维重建效果评价结果,包括:
若所述豪斯多夫距离的大小在所述[0~1.0mm]区间内的分布概率大于预设概率阈值,则确定所述三维重建效果评价结果为合格。
5.一种三维重建效果评价***,其特征在于,包括:
点云获取单元,用于获取待评价目标的真值点云模型;
点云匹配单元,用于将所述真值点云模型与所述待评价目标的重建点云模型,进行点云配准;
距离运算单元,用于确定所述真值点云模型与所述重建点云模型之间的豪斯多夫距离;
效果评价单元,用于根据所述豪斯多夫距离的大小,确定所述重建点云模型的三维重建效果评价结果;
在所述待评价目标为蛾类虫体的情况下,还包括:
从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据;
从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据;
获取所述第一表型属性数据与所述第二表型属性数据的比对结果;
根据所述比对结果对所述三维重建效果评价结果进行二次评价;
其中,所述从所述真值点云模型中获取所述蛾类虫体的第一表型属性数据,包括:
获取所述第一表型属性数据中的第一翅膀长度、第一翅膀宽度、第一翅膀面积以及第一翅夹角;
相应地,所述从所述重建点云模型中获取所述蛾类虫体的第二表型属性数据,包括:
获取所述第二表型属性数据中的第二翅膀长度、第二翅膀宽度、第二翅膀面积以及第二翅夹角;
其中,所述获取所述第一表型属性数据与所述第二表型属性数据的比对结果,包括:
分别计算所述第一翅膀长度与所述第二翅膀长度、所述第一翅膀宽度与所述第二翅膀宽度、所述第一翅膀面积与所述第二翅膀面积、所述第一翅夹角与所述第二翅夹角之间的均方根误差、相对误差以及决定系数中的至少一项,作为所述比对结果。
6.一种电子设备,包括存储器、处理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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述三维重建效果评价方法步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述三维重建效果评价方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088691.5A CN112802071B (zh) | 2021-01-22 | 2021-01-22 | 一种三维重建效果评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088691.5A CN112802071B (zh) | 2021-01-22 | 2021-01-22 | 一种三维重建效果评价方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112802071A CN112802071A (zh) | 2021-05-14 |
CN112802071B true CN112802071B (zh) | 2024-06-11 |
Family
ID=75811213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110088691.5A Active CN112802071B (zh) | 2021-01-22 | 2021-01-22 | 一种三维重建效果评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112802071B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376660B (zh) * | 2021-05-20 | 2022-10-18 | 北京航空航天大学 | 一种自适应的电离层模型完好性监测方法 |
CN113408916B (zh) * | 2021-06-28 | 2023-12-29 | 河南唐都科技有限公司 | 基于智能ai和移动app的消防设施检测及现场验收评定*** |
CN113470002B (zh) * | 2021-07-22 | 2023-11-10 | 中国科学院空天信息创新研究院 | 一种层析sar三维点云重建质量评价方法及装置 |
CN116188350A (zh) * | 2021-11-26 | 2023-05-30 | 中兴通讯股份有限公司 | 点云质量评价方法、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017027638A1 (en) * | 2015-08-10 | 2017-02-16 | The Board Of Trustees Of The Leland Stanford Junior University | 3d reconstruction and registration of endoscopic data |
CN108492329A (zh) * | 2018-03-19 | 2018-09-04 | 北京航空航天大学 | 一种三维重建点云精度和完整度评价方法 |
CN109801316A (zh) * | 2018-12-19 | 2019-05-24 | 中国农业大学 | 一种果树树冠三维点云自动化配准方法及重构方法 |
CN110363858A (zh) * | 2019-06-18 | 2019-10-22 | 新拓三维技术(深圳)有限公司 | 一种三维人脸重建方法及*** |
KR20200132065A (ko) * | 2019-05-15 | 2020-11-25 | 주식회사 씨에스아이비젼 | 3d 포인트 클라우드를 이용한 2d 영상에서의 피사체 위치 계측 시스템 |
-
2021
- 2021-01-22 CN CN202110088691.5A patent/CN112802071B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017027638A1 (en) * | 2015-08-10 | 2017-02-16 | The Board Of Trustees Of The Leland Stanford Junior University | 3d reconstruction and registration of endoscopic data |
CN108492329A (zh) * | 2018-03-19 | 2018-09-04 | 北京航空航天大学 | 一种三维重建点云精度和完整度评价方法 |
CN109801316A (zh) * | 2018-12-19 | 2019-05-24 | 中国农业大学 | 一种果树树冠三维点云自动化配准方法及重构方法 |
KR20200132065A (ko) * | 2019-05-15 | 2020-11-25 | 주식회사 씨에스아이비젼 | 3d 포인트 클라우드를 이용한 2d 영상에서의 피사체 위치 계측 시스템 |
CN110363858A (zh) * | 2019-06-18 | 2019-10-22 | 新拓三维技术(深圳)有限公司 | 一种三维人脸重建方法及*** |
Non-Patent Citations (4)
Title |
---|
一种改进匹配点对选取策略的ElasticFusion室内三维重建算法;王玮琦;游雄;杨剑;李钦;;武汉大学学报(信息科学版)(09);全文 * |
便携式RGB-D传感器深度测量与建模精度研究;叶勤;刘行;姚亚会;桂坡坡;;同济大学学报(自然科学版)(06);全文 * |
图像匹配点云与激光扫描点云的模型重建对比;王震;;矿山测量(04);全文 * |
基于几何结构特征的点云表面重建方法;杨振发;万刚;曹雪峰;李锋;谢理想;;***仿真学报(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112802071A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112802071B (zh) | 一种三维重建效果评价方法及*** | |
CN110599451B (zh) | 医学图像病灶检测定位方法、装置、设备及存储介质 | |
US9639769B2 (en) | Liveness detection | |
US9311556B2 (en) | Image analysis for making animal measurements including 3-D image analysis | |
CN106023298B (zh) | 基于局部泊松曲面重建的点云刚性配准方法 | |
CN109815770B (zh) | 二维码检测方法、装置及*** | |
CN111795704A (zh) | 一种视觉点云地图的构建方法、装置 | |
EP3353744B1 (en) | Image analysis for making animal measurements including 3-d image analysis | |
CN104616022B (zh) | 一种近红外光谱的分类方法 | |
CN112884820A (zh) | 一种影像初始配准及神经网络的训练方法、装置和设备 | |
CN113139948A (zh) | 器官轮廓线质量评估方法、装置及*** | |
CN109002758B (zh) | 人脸特征点定位方法、装置、设备及存储介质 | |
CN114549513A (zh) | 零件识别方法、装置、质检方法、电子设备及存储介质 | |
CN109145752A (zh) | 用于评估对象检测和跟踪算法的方法、装置、设备和介质 | |
CN109902641B (zh) | 基于语义对齐的人脸关键点检测方法、***、装置 | |
CN111915595A (zh) | 图像质量评价方法、图像质量评价模型的训练方法和装置 | |
CN114022795A (zh) | 基于实拍图像的红外***mtf自动计算方法 | |
CN116664585B (zh) | 基于深度学习的头皮健康状况检测方法及相关装置 | |
CN116206221B (zh) | 一种水体耀斑检测方法和*** | |
CN115690546A (zh) | 虾长测量方法、装置、电子设备及存储介质 | |
CN112733729A (zh) | 模型训练、回归分析的方法、装置、存储介质和设备 | |
CN112784887A (zh) | 一种植物生命状态评价方法及装置 | |
CN114093521A (zh) | 基于随机森林的均匀化样本重构血糖估计方法及*** | |
CN113902670A (zh) | 一种基于弱监督学习的超声视频分割方法及装置 | |
CN110934565A (zh) | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |