CN114170281A - 一种三维点云数据获取处理方法 - Google Patents
一种三维点云数据获取处理方法 Download PDFInfo
- Publication number
- CN114170281A CN114170281A CN202111498675.XA CN202111498675A CN114170281A CN 114170281 A CN114170281 A CN 114170281A CN 202111498675 A CN202111498675 A CN 202111498675A CN 114170281 A CN114170281 A CN 114170281A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- cloud data
- points
- steps
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 3
- 241000272525 Anas platyrhynchos Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 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
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种三维点云数据获取处理方法,解决了传统技术中计算量较大、容易受到干扰的问题,其包括:步骤A:通过相机获取点云数据;步骤B:将得到的点云数据进行滤波;步骤C:将滤波处理后的点云数据基于ISS关键点的4PCS的配准;步骤D:将配准后的点云数据进行拟合,得到物体点云图像,实现了对真实物体更好的处理标准的技术效果。
Description
技术领域
本发明属于三维图像处理技术领域,具体涉及一种三维点云数据获取处理方法。
背景技术
基于二维图像处理的机器视觉已应用于诸多如人脸识别、缺陷检测、目标识别等领域,但由于其未考虑到三维深度距离信息,因此,相较于3D视觉在识别和检测等方面仍存在着一些不足之处。3D视觉是受人的视觉***启发,主要利用摄像头感知三维空间环境,并生成三维点云数据的技术,是人工智能、测绘和测量等领域最前沿的课题。例如在无人驾驶汽车,自主避障无人机,以及工业制造中用于产品逆向工程等方面均具有重大研究意义。
3D视觉的主流应用之一是三维重建,基于不同原理发展出了多种三维重建技术,如双目立体视觉、结构光、激光雷达、kinect传感器等。根据重建场景差异所采用的重建技术也不一样,但共同目的都是为了获取深度信息。由于本项目主要针对的是小型物体的三维重建,同时结合精度与成本因素最终选择了基于Kinect的三维重建技术。通过查阅相关文献并分析三维重建原理发现,在没有标记物定位的情况下,相机坐标系与世界坐标系之间的外参矩阵求解比较困难,有直接求解的,如三坐标测量机,三维靶标直接标定法和二维平面靶标标定法等。三坐标测量机价格昂贵,且操作复杂。三维靶标直接法和二维平面靶标标定法需要求解超定方程,需要迭代优化,计算量较大。也有对某一维坐标加以限制,通过约束条件来求解,但需要对光平面或相机位置等有限制条件,且容易受干扰。
发明内容
针对现有技术中计算量较大、容易受到干扰的问题,本发明提供一种三维点云数据获取处理方法,其目的在于:提高点云配准效率与精度,实现对真实物体更好的处理标准。
本发明采用的技术方案如下:
一种三维点云数据获取处理方法,包括以下步骤:
步骤A:通过相机获取点云数据;
步骤B:将得到的点云数据进行滤波;
步骤C:将滤波处理后的点云数据基于ISS关键点的4PCS的配准;
步骤D:将配准后的点云数据进行拟合,得到物体点云图像。
采用上述方案,能够通过ISS-4PCS算法提高配准的成功率,,其一,相比于其他关键点检测器,ISS提取的关键点更能代表局部信息,能匹配正确的点对数量更高;其二,当重叠率大于20%时,ISS关键点能极大提高4PCS算法的不稳定性。
所述步骤A的具体步骤为:
步骤A1:通过Kinect获取物体全角度的深度图像与深度坐标信息Z;
采用上述方案,能够通过Kinect相机,实现TOF原理下的图像数据采集,满足高精度摄影需求,且Kinect上的彩色摄像头能够同时采集到彩色图像,最高帧率能够达到30fps,其发色的红外光纤,也不易收到其他光纤的干扰,能够实现准确获取深度数据。
所述步骤B的具体步骤为:
步骤B1:通过条件滤波去除背景噪声;
步骤B2:通过半径滤波和统计滤波去除异常值和孤立点。
采用上述方案,能够将除目标物体外的背景、噪点取出,只保留目标物体的影响,防止在获取点云数据时受到除目标物体外的影响的干扰。
所述步骤C的具体步骤为:
步骤C1:将点云数据进行特征点提取,并得到特征点集;
步骤C2:在特征点集上通过4PCS算法得到最优全等四点匹配;
步骤C3:得到最佳刚体变换矩阵。
采用上述方案,克服了Kinect相近进行三维重建时将单帧点云进行配准并融合的困难,本方法中的4PCS算法能够达到较好的鲁棒性,并提高配准的成功率。
所述步骤C1的具体步骤为:
步骤C11:设点云数据P中有n个点(xi,yi,zi),i=1,2,...,n-1,设pi=(xi,yi,zi);
步骤C12:对每个点Pi建立局部坐标系,并对所有点设定搜索半径rframe;
步骤C17:重复步骤C11-C16,直到完成所有点。
所述步骤C2的具体步骤为:
步骤C21:随机给定点云数据K和Q;
步骤C22:在点云数据K中随机选择4个共面点B={a,b,c,d}作为共面四点基;
步骤C24:对Q中的任意点对{q1,q2},计算q1,q2∈Q的四种可能存在的焦点位置,其计算公式为:式中,ei≈ej表示寻找到的与B={a,b,c,d}对应一致的全等四点,i,j分别表示第i个和第j个Q中长基线点对;
步骤C25:寻找点云数据K中所有的共面四点集合并记为E={B1,B2,...,Bm},m为K中四点集总数,重复步骤C21-C25得到全等四点集合D={C1,C2,...,Cn},n为全等四点集合总数。
所述步骤C3的具体步骤为:在集合D={C1,C2,...,Cn}中,通过LCP策略寻找最优全等四点匹配点对,从而计算全等四点旋转和平移变换参数,将四点转化应用到全局点云转化,记录全局配准中包含最大的一致区域记为最优匹配,与最优匹配对应的变换矩阵即为最佳刚体变换矩阵。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.能够通过4PCS算法,提高配准的成功率,其一,当重叠率小于20%时,传统技术中的算法的鲁棒性会低于标准4PCS算法,且检测器会在重叠区域提取的关键点少,即正确的电会减少,其二,4PCS是一种随机选择算法,每次随机选择点的方式使算法具有一定的随机性。因此,如果重叠率很低,那么配准就有一定的概率是正确的,当重叠率较高时,配准成功的可能性即可大幅提升。
2.能够通过Kinect相机,实现TOF原理下的图像数据采集,满足高精度摄影需求,且Kinect上的彩色摄像头能够同时采集到彩色图像,最高帧率能够达到30fps,其发色的红外光纤,也不易收到其他光纤的干扰,能够实现准确获取深度数据。
3.克服了Kinect相近进行三维重建时将单帧点云进行配准并融合的困难,本方法中的4PCS算法能够达到较好的鲁棒性,并提高配准的成功率。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明的流程示意图;
图2是本发明的滤波处理后的点云;
图3是本发明的帧目标点云;
图4是本发明的两帧点云配准示意图;
图5是本发明的目标物体整体点云俯视图;
图6是本发明的目标物体整体点云主视图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
下面结合图1对本发明作详细说明。
实施例一:
一种三维点云数据获取处理方法,包括以下步骤:
步骤A:通过相机获取点云数据;
步骤B:将得到的点云数据进行滤波;
步骤C:将滤波处理后的点云数据基于ISS关键点的4PCS的配准;
步骤D:将配准后的点云数据进行拟合,得到物体点云图像。
所述步骤A的具体步骤为:
步骤A1:通过Kinect获取物体全角度的深度图像与深度坐标信息Z;
所述步骤B的具体步骤为:
步骤B1:通过条件滤波去除背景噪声;
步骤B2:通过半径滤波和统计滤波去除异常值和孤立点。
所述步骤C的具体步骤为:
步骤C1:将点云数据进行特征点提取,并得到特征点集;
步骤C2:在特征点集上通过4PCS算法得到最优全等四点匹配;
步骤C3:得到最佳刚体变换矩阵。
所述步骤C1的具体步骤为:
步骤C11:设点云数据P中有n个点(xi,yi,zi),i=1,2,...,n-1,设pi=(xi,yi,zi);
步骤C12:对每个点Pi建立局部坐标系,并对所有点设定搜索半径rframe;
步骤C17:重复步骤C11-C16,直到完成所有点。
所述步骤C2的具体步骤为:
步骤C21:随机给定点云数据K和Q;
步骤C22:在点云数据K中随机选择4个共面点B={a,b,c,d}作为共面四点基;
步骤C24:对Q中的任意点对{q1,q2},计算q1,q2∈Q的四种可能存在的焦点位置,其计算公式为:式中,ei≈ej表示寻找到的与B={a,b,c,d}对应一致的全等四点,i,j分别表示第i个和第j个Q中长基线点对;
步骤C25:寻找点云数据K中所有的共面四点集合并记为E={B1,B2,...,Bm},m为K中四点集总数,重复步骤C21-C25得到全等四点集合D={C1,C2,...,Cn},n为全等四点集合总数。
所述步骤C3的具体步骤为:在集合D={C1,C2,...,Cn}中,通过LCP策略寻找最优全等四点匹配点对,从而计算全等四点旋转和平移变换参数,将四点转化应用到全局点云转化,记录全局配准中包含最大的一致区域记为最优匹配,与最优匹配对应的变换矩阵即为最佳刚体变换矩阵。
在上述实施例中,通过电机1与电机2控制相机移动,电机3与电机4控制物体旋转,其中电机3与电机4相应设置圆盘,将物体放置在圆盘的顶部,来进行物体全角度的拍摄,其中电机1与电机2可分别连接竖直滑轨与水平滑轨,来满足全角度的拍摄,本实施例中,相机采用Kinect2相机,其成像范围在0.5-4m,且越接近0.5m,精度损失越小,故在实际使用中,可将相机与目标物体之间的距离保持在0.6m,以达到最佳成像效果。
在拍摄时,Kinect2相机能够分别得到目标物体的彩色侧视图与深度侧视图,并通过深度侧视图和标定的相机内参解算出目标点云截图,为处理方便,本实施例中所使用的点云格式仅包含点云的空间信息。
在上述步骤得到的点云,除了包含背景点云外,还含有大量噪声,因此需要对其进行预处理,即步骤B中的滤波,本实施例中主要采用条件滤波、半径移除外点滤波一级统计滤波算法对原始点云去除背景、噪声、离群点,去除后的点云如图2所示,在本实施例中,目标物体为鸭子模型。
为了重建出目标点云的整个三维完整点云,本实施例中通过机械旋转平台,以每隔45度对目标进行采样,将0-360度平均分为8个角度对目标进行拍摄,获得了8帧点云数据,如图3所示。预处理后,需要进行配准,通过步骤C对角度0和45度的鸭子模型点云进行配准,结果如图4所示。
对其余相邻角度配准,并记录计算出的变换矩阵,再根据各角度与0度之间的变换关系变换到同一世界坐标系下,融合后的最终鸭子模型点云如图5、图6所示,通过该种方法,从三维角度考虑,弥补了传统的二维视觉无法获取物体尺度和距离信息等缺点,为工业上更高要求的测量、检测、识别提供了方向,本方法获取了目标的点云数据,同时针对部分重叠点云配准时间长,对应点匹配易出错,容易陷入局部最优等问题,通过ISS特征点结合4PCS的点云粗配准算法,实现了对真是物体较好的处理标准。
以上所述实施例仅表达了本申请的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请技术方案构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。
Claims (7)
1.一种三维点云数据获取处理方法,其特征在于,包括以下步骤:
步骤A:通过相机获取点云数据;
步骤B:将得到的点云数据进行滤波;
步骤C:将滤波处理后的点云数据基于ISS关键点的4PCS的配准;
步骤D:将配准后的点云数据进行拟合,得到物体点云图像。
3.根据权利要求1所述的一种三维点云数据获取处理方法,其特征在于,所述步骤B的具体步骤为:
步骤B1:通过条件滤波去除背景噪声;
步骤B2:通过半径滤波和统计滤波去除异常值和孤立点。
4.根据权利要求1所述的一种三维点云数据获取处理方法,其特征在于,所述步骤C的具体步骤为:
步骤C1:将点云数据进行特征点提取,并得到特征点集;
步骤C2:在特征点集上通过4PCS算法得到最优全等四点匹配;
步骤C3:得到最佳刚体变换矩阵。
5.根据权利要求4所述的一种三维点云数据获取处理方法,其特征在于,所述步骤C1的具体步骤为:
步骤C11:设点云数据P中有n个点(xi,yi,zi),i=1,2,...,n-1,设pi=(xi,yi,zi);
步骤C12:对每个点Pi建立局部坐标系,并对所有点设定搜索半径rframe;
步骤C17:重复步骤C11-C16,直到完成所有点。
6.根据权利要求5所述的一种三维点云数据获取处理方法,其特征在于,所述步骤C2的具体步骤为:
步骤C21:随机给定点云数据K和Q;
步骤C22:在点云数据K中随机选择4个共面点B={a,b,c,d}作为共面四点基;
步骤C24:对Q中的任意点对{q1,q2},计算q1,q2∈Q的四种可能存在的焦点位置,其计算公式为:式中,ei≈ej表示寻找到的与B={a,b,c,d}对应一致的全等四点,i,j分别表示第i个和第j个Q中长基线点对;
步骤C25:寻找点云数据K中所有的共面四点集合并记为E={B1,B2,...,Bm},m为K中四点集总数,重复步骤C21-C25得到全等四点集合D={C1,C2,...,Cn},n为全等四点集合总数。
7.根据权利要求6所述的一种三维点云数据获取处理方法,其特征在于,所述步骤C3的具体步骤为:在集合D={C1,C2,...,Cn}中,通过LCP策略寻找最优全等四点匹配点对,从而计算全等四点旋转和平移变换参数,将四点转化应用到全局点云转化,记录全局配准中包含最大的一致区域记为最优匹配,与最优匹配对应的变换矩阵即为最佳刚体变换矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111498675.XA CN114170281A (zh) | 2021-12-09 | 2021-12-09 | 一种三维点云数据获取处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111498675.XA CN114170281A (zh) | 2021-12-09 | 2021-12-09 | 一种三维点云数据获取处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114170281A true CN114170281A (zh) | 2022-03-11 |
Family
ID=80485121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111498675.XA Pending CN114170281A (zh) | 2021-12-09 | 2021-12-09 | 一种三维点云数据获取处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170281A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050071A (zh) * | 2022-06-20 | 2022-09-13 | 中国工商银行股份有限公司 | 情绪识别的方法、装置、存储介质以及电子设备 |
-
2021
- 2021-12-09 CN CN202111498675.XA patent/CN114170281A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050071A (zh) * | 2022-06-20 | 2022-09-13 | 中国工商银行股份有限公司 | 情绪识别的方法、装置、存储介质以及电子设备 |
CN115050071B (zh) * | 2022-06-20 | 2024-07-05 | 中国工商银行股份有限公司 | 情绪识别的方法、装置、存储介质以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7769205B2 (en) | Fast three dimensional recovery method and apparatus | |
Wu et al. | Passive measurement method of tree diameter at breast height using a smartphone | |
CN109341668B (zh) | 基于折射投影模型和光束追踪法的多相机测量方法 | |
CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
Moussa | Integration of digital photogrammetry and terrestrial laser scanning for cultural heritage data recording | |
Moussa et al. | An automatic procedure for combining digital images and laser scanner data | |
Liang et al. | Automatic registration of terrestrial laser scanning data using precisely located artificial planar targets | |
CN115375842A (zh) | 一种植株三维重建方法、终端及存储介质 | |
Jin et al. | An Indoor Location‐Based Positioning System Using Stereo Vision with the Drone Camera | |
Özdemir et al. | A multi-purpose benchmark for photogrammetric urban 3D reconstruction in a controlled environment | |
CN115909025A (zh) | 一种小天体表面采样点地形视觉自主检测识别方法 | |
CN117197333A (zh) | 基于多目视觉的空间目标重构与位姿估计方法及*** | |
Xinmei et al. | Passive measurement method of tree height and crown diameter using a smartphone | |
Lalonde et al. | Automatic three-dimensional point cloud processing for forest inventory | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN116518864A (zh) | 一种基于三维点云对比分析的工程结构全场变形检测方法 | |
Barazzetti et al. | Automated and accurate orientation of complex image sequences | |
CN114170281A (zh) | 一种三维点云数据获取处理方法 | |
Li et al. | Using laser measuring and SFM algorithm for fast 3D reconstruction of objects | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
Jurjević et al. | 3D data acquisition based on OpenCV for close-range photogrammetry applications | |
Fritsch et al. | Photogrammetric point cloud collection with multi-camera systems | |
CN112862678A (zh) | 一种无人机图像拼接方法、装置及存储介质 | |
Grifoni et al. | 3D multi-modal point clouds data fusion for metrological analysis and restoration assessment of a panel painting | |
CN115063524A (zh) | 一种3d人脸识别的重建方法及装置 |
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 |