CN113570725A - 基于聚类的三维表面重建方法、装置、服务器及存储介质 - Google Patents
基于聚类的三维表面重建方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN113570725A CN113570725A CN202110895306.8A CN202110895306A CN113570725A CN 113570725 A CN113570725 A CN 113570725A CN 202110895306 A CN202110895306 A CN 202110895306A CN 113570725 A CN113570725 A CN 113570725A
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- processed
- point cloud
- rough
- clustering
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于视觉图像处理技术领域,提供了一种基于聚类的三维表面重建方法、装置、服务器及存储介质,该方法包括:获取待处理点云;对待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。可见,本申请用聚类分割的方式对点云进行处理,使得生成的模型更符合人的视觉直觉,对于平面、折角、柱型等物体得到更好的表面重建效果,解决了现有技术中生成的三维模型表面不太规则的技术问题。
Description
技术领域
本申请属于视觉图像处理技术领域,尤其涉及一种基于聚类的三维表面重建方法、装置、服务器及存储介质。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。一般地,现有技术中,三维重建的过程是通过图像采集设备采集深度数据和色彩数据进行重构得到三维模型,但是生成的三维模型表面不太规则,使得生成的三维模型不符合用户的视觉直观感受。
发明内容
本申请实施例提供了一种基于聚类的三维表面重建方法、装置、服务器及可读存储介质,可以解决现有技术的三维重建过程中生成的三维模型表面不太规则的问题。
第一方面,本申请实施例提供了一种基于聚类的三维表面重建方法,包括:
获取待处理点云;
对所述待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;
提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
在第一方面的一种可能的实现方式中,获取待处理点云,包括:
获取待处理全景图像;
根据所述待处理全景图像生成待处理点云。
在第一方面的一种可能的实现方式中,对所述待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型,包括:
对所述待处理点云进行平滑处理,得到目标点云;
确定所述目标点云的特征向量;
聚类属于同一分类的点云,得到点云集合;
根据所述点云集合形成粗略三维模型。
在第一方面的一种可能的实现方式中,对所述待处理点云进行平滑处理,得到目标点云,包括:
确定出所述待处理点云中的非目标点云;
根据预设平滑算法移除所述待处理点云中的非目标点云,得到目标点云。
在第一方面的一种可能的实现方式中,提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型之前,还包括:
对所述粗略三维模型表面覆盖的表面区域之间进行估计聚类。
在第一方面的一种可能的实现方式中,提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型,包括:
根据所述粗略三维模型表面覆盖的表面区域至点云集合的聚类中心点的距离,计算所述点云集合顶点的指示函数;
根据所述指示函数对所述表面区域进行等值处理,得到表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
第二方面,本申请实施例提供了一种基于聚类的三维表面重建装置,包括:
获取模块,用于获取待处理点云;
聚类分割模块,用于对所述待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;
提取模块,用于提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
在一种可能实现的方式中,所述获取模块,包括:
获取子模块,用于获取待处理全景图像;
生成子模块,用于根据所述待处理全景图像生成待处理点云。
在一种可能实现的方式中,所述聚类分割模块,包括:
平滑处理子模块,用于对所述待处理点云进行平滑处理,得到目标点云;
确定子模块,用于确定所述目标点云的特征向量;
聚类子模块,用于聚类属于同一分类的点云,得到点云集合;
形成子模块,用于根据所述点云集合形成粗略三维模型。
在一种可能实现的方式中,所述平滑处理子模块,包括:
确定单元,用于确定出所述待处理点云中的非目标点云;
移除单元,用于根据预设平滑算法移除所述待处理点云中的非目标点云,得到目标点云。
在一种可能实现的方式中,所述装置,还包括:
估计距离模块,用于对所述粗略三维模型表面覆盖的表面区域之间进行估计聚类。
在一种可能实现的方式中,所述提取模块,包括:
聚类子模块,用于根据所述粗略三维模型表面覆盖的表面区域至点云集合的聚类中心点的距离,计算所述点云集合顶点的指示函数;
等值处理模块,用于根据所述指示函数对所述表面区域进行等值处理,得到表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
第三方面,本申请实施例提供了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
第四方面,本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例中,通过获取待处理点云;对待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。可见,本申请实施例使用聚类分割的方式对点云进行处理,使得生成的模型更符合人的视觉直觉,对于平面、折角、柱型等物体得到更好的表面重建效果,解决了现有技术中生成的三维模型表面不太规则的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的基于聚类的三维表面重建方法的流程示意图;
图2是本申请实施例提供的基于聚类的三维表面重建方法的图1中步骤S102的具体实现流程示意图;
图3是本申请实施例提供的基于聚类的三维表面重建方法的图1中步骤S104的具体实现流程示意图;
图4是本申请实施例提供的基于聚类的三维表面重建方法的图3中步骤S302的具体实现流程示意图;
图5是本申请实施例提供的基于聚类的三维表面重建方法的图1中步骤S106的具体流程实现示意图;
图6是本申请实施例提供的基于聚类的三维表面重建装置的结构示意图;
图7是本申请实施例提供的服务器的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
下面将通过具体实施例对本申请实施例提供的技术方案进行介绍。
参见图1,为本申请实施例提供的基于聚类的三维表面重建方法的流程示意图,作为示例而非限定,该方法可以应用于服务器,该服务器与深度相机连接,该服务器包括但是不限于云端服务器等计算设备,该方法可以包括以下步骤:
步骤S102、获取待处理点云。
具体应用中,如图2所示,为本申请实施例提供的基于聚类的三维表面重建方法的图1中步骤S102的具体实现流程示意图,获取待处理点云,包括:
步骤S202、获取待处理全景图像。
其中,待处理全局图像为深度相机在任意场景拍摄得到的全景图像。本申请实施例的深度相机可以是指八目相机,即八目相机由上下两组,每组四个鱼眼镜头组成,四个镜头分别采集四组镜头图像拼接成一个360°全景图。
步骤S204、根据待处理全景图像生成待处理点云。
具体应用中,根据Harris角点检测、FAST角点检测、SIFI提取算法或者SURF提取算法提取待处理全局图像的特征点,根据SFM算法对特征点进行处理,计算出深度信息以及深度相机的位置信息,根据下式得到点云的三维坐标:
其中,(u,v)为全景图像中每个目标特征点的像素坐标,d为全景图像中每个目标特征点的深度值,K为深度相机的内参,(X,Y,Z)为点云的三维坐标。示例性地,深度相机的内参可以采用张正友标定法计算得到。
步骤S104、对待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型。
具体应用中,如图3所示,为本申请实施例提供的基于聚类的三维表面重建方法的图1中步骤S104的具体实现流程示意图,对待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型,包括:
步骤S302、对待处理点云进行平滑处理,得到目标点云。
示例性地,如图4所示,为本申请实施例提供的基于聚类的三维表面重建方法的图3中步骤S302的具体实现流程示意图,对所述待处理点云进行平滑处理,得到目标点云,包括:
步骤S402、确定出待处理点云中的非目标点云。
其中,非目标点云是指待处理点云中离群点和不平滑区域的点云。
步骤S404、根据预设平滑算法移除待处理点云中的非目标点云,得到目标点云。
其中,预算平滑算法包括但是不限于平均法、指数滑动平均法或者5G滤波法。
可以理解的是,本申请实施例移除离群点和不平滑区域的点云. 以减少对后续处理的影响。
步骤S304、确定目标点云的特征向量。
可以理解的是,确定目标点云的特征向量的过程是将点云之间的关系特征用法向量和权重,数值化地表示出来。
步骤S306、聚类属于同一分类的点云,得到点云集合。
具体应用中,将目标点云的坐标和特征向量输入至预先训练的支持向量机(Support Vector Machine, SVM),点云会分成已经确定的分类,例如平面、圆柱、球面以及曲面,同一分类的点云会形成点云集合。
其中,预先训练的支持向量机可以根据开源数据库训练得到。
步骤S308、根据点云集合形成粗略三维模型。
步骤S106、提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
在一种可选的实施方式中,提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型之前,还包括:
对粗略三维模型表面覆盖的表面区域之间进行估计聚类。
具体应用中,两个相互垂直并相邻的平面会合并成一个L形聚类. 使得算法在噪音下更加鲁棒。
具体应用中,如图5所示,为本申请实施例提供的基于聚类的三维表面重建方法的图1中步骤S106的具体流程实现示意图,提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型,包括:
步骤S502、根据粗略三维模型表面覆盖的表面区域至点云集合的聚类中心点的距离,计算点云集合顶点的指示函数。
步骤S504、根据指示函数对所述表面区域进行等值处理,得到表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
具体应用中,采用MatchingCube算法根据粗略三维模型表面覆盖的表面区域至点云集合的聚类中心点的距离,计算点云集合顶点的指示函数,然后根据指示函数对所述表面区域进行等值处理,得到表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。其中,MatchingCube算法是一种三维离散数据场中提取等值面的经典算法。
优选的,提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型之后,还包括:对目标三维模型的表面三角形进行减面处理,对减面处理后的目标三维模型进行参数化冰提取贴图。可以理解的是,用更少的三角形表示模型可以减少数据量大小,方便在WEB端展示。
本申请实施例中,通过获取待处理点云;对待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;提取粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。可见,本申请实施例使用聚类分割的方式对点云进行处理. 使得生成的模型更符合人的视觉直觉,对于平面、折角、柱型等物体得到更好的表面重建效果,解决了现有技术中生成的三维模型表面不太规则的技术问题。
应理解,上述实施例中各步骤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,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述基于聚类的三维表面重建方法,图6示出了本申请实施例提供的基于聚类的三维表面重建装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该装置包括:
获取模块61,用于获取待处理点云;
聚类分割模块62,用于对所述待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;
提取模块63,用于提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
在一种可能实现的方式中,所述获取模块,包括:
获取子模块,用于获取待处理全景图像;
生成子模块,用于根据所述待处理全景图像生成待处理点云。
在一种可能实现的方式中,所述聚类分割模块,包括:
平滑处理子模块,用于对所述待处理点云进行平滑处理,得到目标点云;
确定子模块,用于确定所述目标点云的特征向量;
聚类子模块,用于聚类属于同一分类的点云,得到点云集合;
形成子模块,用于根据所述点云集合形成粗略三维模型。
在一种可能实现的方式中,所述平滑处理子模块,包括:
确定单元,用于确定出所述待处理点云中的非目标点云;
移除单元,用于根据预设平滑算法移除所述待处理点云中的非目标点云,得到目标点云。
在一种可能实现的方式中,所述装置,还包括:
估计距离模块,用于对所述粗略三维模型表面覆盖的表面区域之间进行估计聚类。
在一种可能实现的方式中,所述提取模块,包括:
聚类子模块,用于根据所述粗略三维模型表面覆盖的表面区域至点云集合的聚类中心点的距离,计算所述点云集合顶点的指示函数;
等值处理模块,用于根据所述指示函数对所述表面区域进行等值处理,得到表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图7为本申请一实施例提供的服务器的结构示意图。如图7所示,该实施例的服务器7包括:至少一个处理器70、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72,所述处理器70执行所述计算机程序72时实现上述任意各个方法实施例中的步骤。
所述服务器7可以是云端服务器等计算设备。该服务器可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是服务器7的举例,并不构成对服务器7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),该处理器70还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71在一些实施例中可以是所述服务器7的内部存储单元,例如服务器7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述服务器7的外部存储设备,例如所述服务器7上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述服务器7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种存储介质,该存储介质是计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到服务器的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于聚类的三维表面重建方法,其特征在于,包括:
获取待处理点云;
对所述待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型;
提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
2.如权利要求1所述的基于聚类的三维表面重建方法,其特征在于,获取待处理点云,包括:
获取待处理全景图像;
根据所述待处理全景图像生成待处理点云。
3.如权利要求1所述的基于聚类的三维表面重建方法,其特征在于,对所述待处理点云进行聚类分割,根据聚类分割后的待处理点云构成粗略三维模型,包括:
对所述待处理点云进行平滑处理,得到目标点云;
确定所述目标点云的特征向量;
聚类属于同一分类的点云,得到点云集合;
根据所述点云集合形成粗略三维模型。
4.如权利要求3所述的基于聚类的三维表面重建方法,其特征在于,对所述待处理点云进行平滑处理,得到目标点云,包括:
确定出所述待处理点云中的非目标点云;
根据预设平滑算法移除所述待处理点云中的非目标点云,得到目标点云。
5.如权利要求1所述的基于聚类的三维表面重建方法,其特征在于,提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型之前,还包括:
对所述粗略三维模型表面覆盖的表面区域之间进行估计聚类。
6.如权利要求1所述的基于聚类的三维表面重建方法,其特征在于,提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型,包括:
根据所述粗略三维模型表面覆盖的表面区域至点云集合的聚类中心点的距离,计算所述点云集合顶点的指示函数;
根据所述指示函数对所述表面区域进行等值处理,得到表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
7.一种基于聚类的三维表面重建装置,其特征在于,包括:
获取模块,用于获取待处理点云;
聚类分割模块,用于对所述待处理点云进行聚类分割,得到属于同一分类的点云集合,根据所述点云集合形成粗略三维模型;
提取模块,用于提取所述粗略三维模型表面覆盖的表面区域为表面三角形,将表面覆盖有表面三角形的粗略三维模型作为目标三维模型。
8.如权利要求7所述的基于聚类的三维表面重建装置,其特征在于,所述获取模块包括:
获取子模块,用于获取待处理全景图像;
生成子模块,用于根据待处理全景图像生成待处理点云。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中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6任一项所述的方法。
10.一种存储介质,所述存储介质存储有计算机程序,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6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110895306.8A CN113570725A (zh) | 2021-08-05 | 2021-08-05 | 基于聚类的三维表面重建方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110895306.8A CN113570725A (zh) | 2021-08-05 | 2021-08-05 | 基于聚类的三维表面重建方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113570725A true CN113570725A (zh) | 2021-10-29 |
Family
ID=78170440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110895306.8A Pending CN113570725A (zh) | 2021-08-05 | 2021-08-05 | 基于聚类的三维表面重建方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570725A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882192A (zh) * | 2022-07-08 | 2022-08-09 | 浙江国遥地理信息技术有限公司 | 一种建筑立面的分割方法、装置、电子设备以及存储介质 |
CN115661426A (zh) * | 2022-12-15 | 2023-01-31 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎的模型修改方法、装置、设备及介质 |
-
2021
- 2021-08-05 CN CN202110895306.8A patent/CN113570725A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882192A (zh) * | 2022-07-08 | 2022-08-09 | 浙江国遥地理信息技术有限公司 | 一种建筑立面的分割方法、装置、电子设备以及存储介质 |
CN115661426A (zh) * | 2022-12-15 | 2023-01-31 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎的模型修改方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276317B (zh) | 一种物体尺寸检测方法、物体尺寸检测装置及移动终端 | |
CN110363817B (zh) | 目标位姿估计方法、电子设备和介质 | |
US20110148868A1 (en) | Apparatus and method for reconstructing three-dimensional face avatar through stereo vision and face detection | |
CN111402170A (zh) | 图像增强方法、装置、终端及计算机可读存储介质 | |
CN111724481A (zh) | 对二维图像进行三维重构的方法、装置、设备及存储介质 | |
CN115439607A (zh) | 一种三维重建方法、装置、电子设备及存储介质 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN111639147B (zh) | 一种地图压缩方法、***及计算机可读存储介质 | |
CN112784874B (zh) | 双目视觉立体匹配方法、装置、电子设备及存储介质 | |
CN113570725A (zh) | 基于聚类的三维表面重建方法、装置、服务器及存储介质 | |
CN111191582A (zh) | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 | |
CN113436338A (zh) | 火灾现场的三维重建方法、装置、服务器及可读存储介质 | |
CN113807451A (zh) | 全景图像特征点匹配模型的训练方法、装置以及服务器 | |
CN113379815A (zh) | 基于rgb相机与激光传感器的三维重建方法、装置及服务器 | |
CN114627244A (zh) | 三维重建方法及装置、电子设备、计算机可读介质 | |
CN114973057B (zh) | 基于人工智能的视频图像检测方法及相关设备 | |
CN111161348B (zh) | 一种基于单目相机的物***姿估计方法、装置及设备 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN113870190B (zh) | 竖直线条检测方法、装置、设备及存储介质 | |
CN115587943A (zh) | 点云数据的去噪方法、装置、电子设备及存储介质 | |
CN116883770A (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
CN112884817B (zh) | 稠密光流计算方法、装置、电子设备以及存储介质 | |
CN114723973A (zh) | 大尺度变化鲁棒的图像特征匹配方法及装置 | |
CN110245553B (zh) | 路面测距方法及装置 |
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 |