CN115619780B - 一种激光扫描图像质量评估方法及*** - Google Patents
一种激光扫描图像质量评估方法及*** Download PDFInfo
- Publication number
- CN115619780B CN115619780B CN202211602150.0A CN202211602150A CN115619780B CN 115619780 B CN115619780 B CN 115619780B CN 202211602150 A CN202211602150 A CN 202211602150A CN 115619780 B CN115619780 B CN 115619780B
- Authority
- CN
- China
- Prior art keywords
- information
- point cloud
- determining
- scanning
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种激光扫描图像质量评估方法及***,涉及图像数据处理领域,其中,所述方法包括:从待扫描目标中确定参照物体信息;获得扫描点云数据,确定扫描点云坐标系;根据扫描点云坐标系将物体数据坐标进行调整;确定物体轮廓特征,结合物体尺寸信息,确定各参照物尺寸评估信息;根据物***置信息,确定位置评估信息;根据各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。解决了现有技术中针对激光扫描图像的质量评估准确性不足,进而造成激光扫描图像的质量评估效果不佳的技术问题。达到了提高激光扫描图像质量评估的准确性、全面性,提高激光扫描图像的质量评估效果等技术效果。
Description
技术领域
本发明涉及图像数据处理领域,具体地,涉及一种激光扫描图像质量评估方法及***。
背景技术
激光扫描已广泛应用于工业产品检测、文物修复、虚拟场景再现、城市空间测绘等诸多领域。在激光扫描图像的采集、传输过程中,由于受到成像***、处理方法、传输介质、噪声干扰的影响,不可避免地带来一定程度的图像失真,降低了激光扫描图像的质量。在激光扫描图像被广泛应用的情况下,如何对激光扫描图像进行有效地质量评估,受到人们的广泛关注。
现有技术中,存在针对激光扫描图像的质量评估准确性不足,进而造成激光扫描图像的质量评估效果不佳的技术问题。
发明内容
本申请提供了一种激光扫描图像质量评估方法及***。解决了现有技术中针对激光扫描图像的质量评估准确性不足,进而造成激光扫描图像的质量评估效果不佳的技术问题。达到了提高激光扫描图像质量评估的准确性、全面性,提高激光扫描图像的质量评估效果,实现智能化、精准化的激光扫描图像质量评估的技术效果。
鉴于上述问题,本申请提供了一种激光扫描图像质量评估方法及***。
第一方面,本申请提供了一种激光扫描图像质量评估方法,其中,所述方法应用于一种激光扫描图像质量评估***,所述方法包括:从待扫描目标中确定参照物体信息,参照物体不少于两个,且所述参照物体信息包括物体尺寸信息、物***置信息;获得扫描点云数据,确定扫描点云坐标系;利用所述物体尺寸信息,构建物体数据坐标,根据所述扫描点云坐标系将所述物体数据坐标进行调整,以统一所述物体数据坐标与所述扫描点云坐标系的方向;根据所述物体数据坐标,确定物体轮廓特征,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息;根据所述各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。
第二方面,本申请还提供了一种激光扫描图像质量评估***,其中,所述***包括:参照物体信息确定模块,所述参照物体信息确定模块用于从待扫描目标中确定参照物体信息,参照物体不少于两个,且所述参照物体信息包括物体尺寸信息、物***置信息;坐标系确定模块,所述坐标系确定模块用于获得扫描点云数据,确定扫描点云坐标系;坐标调整模块,所述坐标调整模块用于利用所述物体尺寸信息,构建物体数据坐标,根据所述扫描点云坐标系将所述物体数据坐标进行调整,以统一所述物体数据坐标与所述扫描点云坐标系的方向;尺寸评估模块,所述尺寸评估模块用于根据所述物体数据坐标,确定物体轮廓特征,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;位置评估模块,所述位置评估模块用于根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息;质量评估结果获得模块,所述质量评估结果获得模块用于根据所述各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种激光扫描图像质量评估方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种激光扫描图像质量评估方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过待扫描目标确定参照物体信息,并利用激光扫描仪对待扫描目标进行激光扫描,获得扫描点云数据,确定扫描点云坐标系;利用物体尺寸信息,构建物体数据坐标,根据扫描点云坐标系将物体数据坐标进行调整,以统一物体数据坐标与扫描点云坐标系的方向;根据物体数据坐标,确定物体轮廓特征,通过物体轮廓特征、物体尺寸信息对扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;根据物***置信息,对扫描点云数据进行位置对应关系评估,确定位置评估信息;根据各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。达到了提高激光扫描图像质量评估的准确性、全面性,提高激光扫描图像的质量评估效果,实现智能化、精准化的激光扫描图像质量评估的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种激光扫描图像质量评估方法的流程示意图;
图2为本申请一种激光扫描图像质量评估方法中获得分割评估信息的流程示意图;
图3为本申请一种激光扫描图像质量评估***的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:参照物体信息确定模块11,坐标系确定模块12,
坐标调整模块13,尺寸评估模块14,位置评估模块15,质量评估结果获得模块16,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供一种激光扫描图像质量评估方法及***。解决了现有技术中针对激光扫描图像的质量评估准确性不足,进而造成激光扫描图像的质量评估效果不佳的技术问题。达到了提高激光扫描图像质量评估的准确性、全面性,提高激光扫描图像的质量评估效果,实现智能化、精准化的激光扫描图像质量评估的技术效果。
实施例一
请参阅附图1,本申请提供一种激光扫描图像质量评估方法,其中,所述方法应用于一种激光扫描图像质量评估***,所述方法具体包括如下步骤:
步骤S100:从待扫描目标中确定参照物体信息,参照物体不少于两个,且所述参照物体信息包括物体尺寸信息、物***置信息;
其中,所述参照物体信息的物***置信息至少包括第一位置信息、第二位置信息,所述第一位置信息为靠近扫描点的位置,所述第二位置信息为远离扫描点的位置,且,第一位置与第二位置之间的距离不小于待扫描目标总范围的一半。所述参照物体的物体尺寸信息包括所述待扫描目标中的最大尺寸及待扫描目标中的最小尺寸。
具体而言,基于待扫描目标,获得参照物体信息。其中,所述待扫描目标可以为机械零件、电子元件、工业产品等。所述参照物体信息包括物体尺寸信息、物***置信息。所述参照物体信息的物***置信息至少包括第一位置信息、第二位置信息。所述第一位置信息为靠近扫描点的位置,所述第二位置信息为远离扫描点的位置,且,第一位置与第二位置之间的距离不小于待扫描目标总范围的一半。所述参照物体的物体尺寸信息包括待扫描目标中的最大尺寸、待扫描目标中的最小尺寸。参照物体不少于两个,即参照物体至少包括待扫描目标中靠近扫描点的位置处的物体,以及待扫描目标中远离扫描点的位置处的物体。达到了从待扫描目标中确定参照物体信息,为后续构建物体数据坐标奠定基础的技术效果。
步骤S200:获得扫描点云数据,确定扫描点云坐标系;
步骤S300:利用所述物体尺寸信息,构建物体数据坐标,根据所述扫描点云坐标系将所述物体数据坐标进行调整,以统一所述物体数据坐标与所述扫描点云坐标系的方向;
具体而言,基于参照物体信息,利用激光扫描仪对待扫描目标进行激光扫描,获得扫描点云数据,并利用扫描点云数据,构建扫描点云坐标系。进一步,基于参照物体信息中的物体尺寸信息,构建物体数据坐标,并利用扫描点云坐标系对物体数据坐标进行旋转、平移等调整,从而使物体数据坐标与扫描点云坐标系方向统一。其中,所述扫描点云数据包括待扫描目标对应的三维点云数据。在扫描点云坐标系中,激光扫描仪为坐标原点,X轴在水平扫描面内,Y轴在水平扫描面内与X轴垂直,Z轴与水平扫描面垂直。所述物体数据坐标包括物体尺寸信息对应的坐标数据信息。达到了通过扫描点云坐标系对物体数据坐标进行调整,从而使物体数据坐标与扫描点云坐标系方向统一,从而提高对扫描点云数据进行图像质量评估的精准性的技术效果。
步骤S400:根据所述物体数据坐标,确定物体轮廓特征,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;
进一步的,本申请步骤S400还包括:
步骤S410:基于所述物体轮廓特征对所述扫描点云数据进行遍历比对,确定轮廓匹配度,并标定参照物点云分布信息;
步骤S420:根据所述物体尺寸信息,确定物体各平面的形状特征;
步骤S430:基于所述物体各平面的形状特征,对参照物点云分布信息进行各平面密度分析,确定点云密度信息;
步骤S440:将所述轮廓匹配度、所述点云密度信息输入物体结构扫描效果评估模型,获得所述参照物尺寸评估信息。
具体而言,基于物体数据坐标对参照物体进行轮廓识别,获得物体轮廓特征。将物体轮廓特征、扫描点云数据进行遍历比对,获得轮廓匹配度,并根据参照物体对扫描点云数据进行标记,获得参照物点云分布信息。进一步,基于物体尺寸信息对参照物体进行形状特征分析,获得物体各平面的形状特征,并根据物体各平面的形状特征对参照物点云分布信息进行各平面密度分析,获得点云密度信息。进而,将轮廓匹配度、点云密度信息作为输入信息,输入物体结构扫描效果评估模型,获得参照物尺寸评估信息。
其中,所述物体轮廓特征包括物体数据坐标对应的参照物体的轮廓形状参数、轮廓尺寸参数、轮廓边界参数。所述轮廓匹配度是用于表征物体轮廓特征与扫描点云数据之间的重合度的参数信息。扫描点云数据与物体轮廓特征之间的重合度越高,对应的轮廓匹配度越高。所述参照物点云分布信息包括扫描点云数据中,参照物体对应的三维点云数据。所述物体各平面的形状特征包括参照物体的各平面形状、各平面尺寸、各平面面积。所述点云密度信息包括参照物体各平面对应的点云密度参数。示例性地,在获得点云密度信息时,可按照物体各平面的形状特征对参照物点云分布信息进行分割,获得参照物体各平面对应的平面参照物点云分布信息,将平面参照物点云分布信息中数据的数量、该平面参照物点云分布信息对应的参照物体平面面积进行除法计算,即可获得该平面参照物点云分布信息对应的点云密度信息。所述物体结构扫描效果评估模型包括输入层、隐含层、输出层,物体结构扫描效果评估模型具备对输入的轮廓匹配度、点云密度信息进行智能化分析及评估的功能。基于轮廓匹配度、点云密度信息进行历史数据查询,获得多个历史轮廓匹配度、多个历史点云密度信息。将多个历史轮廓匹配度、多个历史点云密度信息进行不断的自我训练学习至收敛状态,即可获得物体结构扫描效果评估模型。所述参照物尺寸评估信息包括参照物体的轮廓尺寸精确度、点云密度均匀性。轮廓匹配度越高,对应的参照物体的轮廓尺寸精确度越高。点云密度信息之间的差值越小,对应的点云密度均匀性越高。且,参照物体不少于两个,各参照物尺寸评估信息即为各个参照物体的参照物尺寸评估信息。达到了通过物体结构扫描效果评估模型对轮廓匹配度、点云密度信息进行准确而高效地评估,获得可靠的参照物尺寸评估信息,提高激光扫描图像的质量评估准确性的技术效果。
步骤S500:根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息;
进一步的,本申请步骤S500还包括:
步骤S510:根据各参照物体的物***置信息,确定位置方位-距离关系;
步骤S520:利用所述位置方位-距离关系、物体尺寸信息,获得物体数据对应关系;
步骤S530:利用所述物体数据对应关系、各参照物尺寸信息,参照物点云分布信息,确定点云分布位置匹配度;
步骤S540:基于所述点云分布位置匹配度,确定所述位置评估信息。
步骤S600:根据所述各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。
具体而言,基于各参照物体的物***置信息对参照物体进行位置关系分析,获得位置方位-距离关系,结合物体尺寸信息,获得物体数据对应关系。进一步,基于物体数据对应关系、各参照物尺寸信息,对参照物点云分布信息进行位置匹配度比较,获得点云分布位置匹配度,并将点云分布位置匹配度输出为位置评估信息。继而,将各参照物尺寸评估信息、位置评估信息添加至扫描图像的质量评估结果,其中,所述位置方位-距离关系包括参照物体信息的物***置信息,以及参照物体之间的位置关系、方位关系、距离关系。所述物体数据对应关系包括位置方位-距离关系、物体尺寸信息,以及位置方位-距离关系、物体尺寸信息与参照物体之间的对应关系。所述点云分布位置匹配度是用于表征参照物点云分布信息与物体数据对应关系、各参照物尺寸信息之间的吻合程度的信息。参照物点云分布信息与物体数据对应关系、各参照物尺寸信息之间的吻合程度越高,对应的点云分布位置匹配度越高。所述位置评估信息包括点云分布位置匹配度。所述扫描图像的质量评估结果包括各参照物尺寸评估信息、位置评估信息。达到了通过物体数据对应关系、各参照物尺寸信息,对参照物点云分布信息进行位置匹配度比较,获得点云分布位置匹配度,继而获得扫描图像的质量评估结果,提高激光扫描图像的质量评估效果的技术效果。
进一步的,如附图2所示,本申请步骤S600之后,还包括:
步骤S710:获得扫描镜头分割信息;
步骤S720:基于所述扫描镜头分割信息,确定各镜头扫描节点;
步骤S730:根据所述各镜头扫描节点,获得各节点扫描点云数据;
步骤S740:对各节点扫描点云数据按照预设分割范围,进行点云数据重合度分析,确定点云重合度信息;
步骤S750:基于所述各镜头扫描节点、预设分割范围,对参照物体进行点云分割数据提取,根据提取分割点云数据、物体尺寸信息,确定物体图形重合度;
步骤S760:根据所述点云重合度信息、所述物体图形重合度的匹配关系,进行镜头分割重合性评估,获得分割评估信息,将所述分割评估信息加入所述质量评估结果中。
具体而言,在利用激光扫描仪对待扫描目标进行激光扫描时,对激光扫描仪的扫描镜头分割参数进行采集,获得扫描镜头分割信息,并将扫描镜头分割信息与待扫描目标进行匹配,获得各镜头扫描节点。进而,基于各镜头扫描节点对已获得的扫描点云数据进行匹配,获得各节点扫描点云数据。按照预设分割范围对各节点扫描点云数据进行点云数据重合度分析,获得点云重合度信息。进一步,基于各镜头扫描节点、预设分割范围对参照物点云分布信息进行数据提取,获得提取分割点云数据,并根据提取分割点云数据、物体尺寸信息进行参照物体重合度分析,获得物体图形重合度。继而,基于点云重合度信息、物体图形重合度的匹配关系进行镜头分割重合性评估,获得分割评估信息,并将分割评估信息添加至扫描图像的质量评估结果。其中,所述扫描镜头分割信息包括激光扫描仪对待扫描目标进行激光扫描时,每个扫描镜头的扫描行程、扫描速度、扫描尺寸等扫描镜头分割参数。所述各镜头扫描节点包括待扫描目标中,扫描镜头分割信息对应的待扫描目标部分。所述各节点扫描点云数据包括扫描点云数据中,各镜头扫描节点对应的三维点云数据。所述预设分割范围包括预先设置确定的点云数据分割尺寸参数、点云数据分割位置参数。所述点云重合度信息包括按照预设分割范围对各节点扫描点云数据进行分割后,各节点扫描点云数据的点云数据重合度参数。所述提取分割点云数据包括参照物点云分布信息中,各镜头扫描节点、预设分割范围对应的三维点云数据。所述物体图形重合度是用于表征提取分割点云数据与物体尺寸信息之间的匹配度的参数信息。提取分割点云数据与物体尺寸信息之间的匹配度越高,对应的物体图形重合度越高。所述分割评估信息包括点云重合度信息、物体图形重合度,以及点云重合度信息、物体图形重合度的匹配关系,以及点云重合度信息、物体图形重合度的匹配关系与扫描镜头分割信息的重合性。所述扫描图像的质量评估结果还包括分割评估信息。达到了通过点云重合度信息、物体图形重合度的匹配关系进行镜头分割重合性评估,获得分割评估信息,从而提高对激光扫描图像进行质量评估的全面性、精确度的技术效果。
进一步的,本申请步骤S730还包括:
步骤S731:根据所述各节点扫描点云数据,获得拼接位置点云数据;
步骤S732:对拼接位置点云数据进行尺寸特征、形状特征、密度特征匹配,确定点云数据匹配关系;
步骤S733:根据所述点云数据匹配关系,获得拼接密合评估信息,将所述拼接密合评估信息加入所述质量评估结果中。
具体而言,当待扫描目标较大时,一次激光扫描不能得到待扫描目标的完整扫描点云数据,需要对待扫描目标进行多次激光扫描,并将多次激光扫描获得的三维点云数据进行拼接,从而获得待扫描目标的完整扫描点云数据。基于各节点扫描点云数据进行拼接位置点云参数匹配,获得拼接位置点云数据。进一步,对拼接位置点云数据进行尺寸特征、形状特征、密度特征匹配,获得点云数据匹配关系。继而,基于点云数据匹配关系进行拼接密合度评估,获得拼接密合评估信息,并将拼接密合评估信息添加至扫描图像的质量评估结果。其中,所述拼接位置点云数据包括各节点扫描点云数据中拼接处,对应的三维点云数据。所述点云数据匹配关系包括拼接位置点云数据的尺寸特征匹配度、形状特征匹配度、密度特征匹配度。所述拼接密合评估信息包括点云数据匹配关系,以及点云数据匹配关系对应的拼接密合度参数。可将点云数据匹配关系中尺寸特征匹配度、形状特征匹配度、密度特征匹配度的平均值作为拼接密合度参数。所述扫描图像的质量评估结果还包括拼接密合评估信息。达到了通过点云数据匹配关系进行拼接密合度评估,获得拼接密合评估信息,从而提高激光扫描图像的质量评估全面性的技术效果。
综上所述,本申请所提供的一种激光扫描图像质量评估方法具有如下技术效果:
1.通过待扫描目标确定参照物体信息,并利用激光扫描仪对待扫描目标进行激光扫描,获得扫描点云数据,确定扫描点云坐标系;利用物体尺寸信息,构建物体数据坐标,根据扫描点云坐标系将物体数据坐标进行调整,以统一物体数据坐标与扫描点云坐标系的方向;根据物体数据坐标,确定物体轮廓特征,通过物体轮廓特征、物体尺寸信息对扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;根据物***置信息,对扫描点云数据进行位置对应关系评估,确定位置评估信息;根据各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。达到了提高激光扫描图像质量评估的准确性、全面性,提高激光扫描图像的质量评估效果,实现智能化、精准化的激光扫描图像质量评估的技术效果。
2.通过扫描点云坐标系对物体数据坐标进行调整,从而使物体数据坐标与扫描点云坐标系方向统一,从而提高对扫描点云数据进行图像质量评估的精准性。
3.通过物体数据对应关系、各参照物尺寸信息,对参照物点云分布信息进行位置匹配度比较,获得点云分布位置匹配度,继而获得扫描图像的质量评估结果,提高激光扫描图像的质量评估效果。
4.通过点云重合度信息、物体图形重合度的匹配关系进行镜头分割重合性评估,获得分割评估信息,从而提高对激光扫描图像进行质量评估的全面性、精确度。
实施例二
基于与前述实施例中一种激光扫描图像质量评估方法,同样发明构思,本发明还提供了一种激光扫描图像质量评估***,请参阅附图3,所述***包括:
参照物体信息确定模块11,所述参照物体信息确定模块11用于从待扫描目标中确定参照物体信息,参照物体不少于两个,且所述参照物体信息包括物体尺寸信息、物***置信息;
其中,所述参照物体信息的物***置信息至少包括第一位置信息、第二位置信息,所述第一位置信息为靠近扫描点的位置,所述第二位置信息为远离扫描点的位置,且,第一位置与第二位置之间的距离不小于待扫描目标总范围的一半。所述参照物体的物体尺寸信息包括所述待扫描目标中的最大尺寸及待扫描目标中的最小尺寸。
坐标系确定模块12,所述坐标系确定模块12用于获得扫描点云数据,确定扫描点云坐标系;
坐标调整模块13,所述坐标调整模块13用于利用所述物体尺寸信息,构建物体数据坐标,根据所述扫描点云坐标系将所述物体数据坐标进行调整,以统一所述物体数据坐标与所述扫描点云坐标系的方向;
尺寸评估模块14,所述尺寸评估模块14用于根据所述物体数据坐标,确定物体轮廓特征,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;
位置评估模块15,所述位置评估模块15用于根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息;
质量评估结果获得模块16,所述质量评估结果获得模块16用于根据所述各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。
进一步的,所述***还包括:
轮廓匹配度确定模块,所述轮廓匹配度确定模块用于基于所述物体轮廓特征对所述扫描点云数据进行遍历比对,确定轮廓匹配度,并标定参照物点云分布信息;
形状特征确定模块,所述形状特征确定模块用于根据所述物体尺寸信息,确定物体各平面的形状特征;
平面密度分析模块,所述平面密度分析模块用于基于所述物体各平面的形状特征,对参照物点云分布信息进行各平面密度分析,确定点云密度信息;
尺寸评估信息确定模块,所述尺寸评估信息确定模块用于将所述轮廓匹配度、所述点云密度信息输入物体结构扫描效果评估模型,获得所述参照物尺寸评估信息。
进一步的,所述***还包括:
第一执行模块,所述第一执行模块用于根据各参照物体的物***置信息,确定位置方位-距离关系;
第二执行模块,所述第二执行模块用于利用所述位置方位-距离关系、物体尺寸信息,获得物体数据对应关系;
点云分布位置匹配度确定模块,所述点云分布位置匹配度确定模块用于利用所述物体数据对应关系、各参照物尺寸信息,参照物点云分布信息,确定点云分布位置匹配度;
位置评估信息确定模块,所述位置评估信息确定模块用于基于所述点云分布位置匹配度,确定所述位置评估信息。
进一步的,所述***还包括:
扫描镜头分割信息获得模块,所述扫描镜头分割信息获得模块用于获得扫描镜头分割信息;
扫描节点确定模块,所述扫描节点确定模块用于基于所述扫描镜头分割信息,确定各镜头扫描节点;
第三执行模块,所述第三执行模块用于根据所述各镜头扫描节点,获得各节点扫描点云数据;
点云数据重合度分析模块,所述点云数据重合度分析模块用于对各节点扫描点云数据按照预设分割范围,进行点云数据重合度分析,确定点云重合度信息;
物体图形重合度确定模块,所述物体图形重合度确定模块用于基于所述各镜头扫描节点、预设分割范围,对参照物体进行点云分割数据提取,根据提取分割点云数据、物体尺寸信息,确定物体图形重合度;
第四执行模块,所述第四执行模块用于根据所述点云重合度信息、所述物体图形重合度的匹配关系,进行镜头分割重合性评估,获得分割评估信息,将所述分割评估信息加入所述质量评估结果中。
进一步的,所述***还包括:
第五执行模块,所述第五执行模块用于根据所述各节点扫描点云数据,获得拼接位置点云数据;
点云数据匹配关系确定模块,所述点云数据匹配关系确定模块用于对拼接位置点云数据进行尺寸特征、形状特征、密度特征匹配,确定点云数据匹配关系;
第六执行模块,所述第六执行模块用于根据所述点云数据匹配关系,获得拼接密合评估信息,将所述拼接密合评估信息加入所述质量评估结果中。
本发明实施例所提供的一种激光扫描图像质量评估***可执行本发明任意实施例所提供的一种激光扫描图像质量评估方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图4为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图4中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种激光扫描图像质量评估方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种激光扫描图像质量评估方法。
本申请提供了一种激光扫描图像质量评估方法,其中,所述方法应用于一种激光扫描图像质量评估***,所述方法包括:通过待扫描目标确定参照物体信息,并利用激光扫描仪对待扫描目标进行激光扫描,获得扫描点云数据,确定扫描点云坐标系;利用物体尺寸信息,构建物体数据坐标,根据扫描点云坐标系将物体数据坐标进行调整,以统一物体数据坐标与扫描点云坐标系的方向;根据物体数据坐标,确定物体轮廓特征,通过物体轮廓特征、物体尺寸信息对扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;根据物***置信息,对扫描点云数据进行位置对应关系评估,确定位置评估信息;根据各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果。解决了现有技术中针对激光扫描图像的质量评估准确性不足,进而造成激光扫描图像的质量评估效果不佳的技术问题。达到了提高激光扫描图像质量评估的准确性、全面性,提高激光扫描图像的质量评估效果,实现智能化、精准化的激光扫描图像质量评估的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种激光扫描图像质量评估方法,其特征在于,所述方法包括:
从待扫描目标中确定参照物体信息,参照物体不少于两个,且所述参照物体信息包括物体尺寸信息、物***置信息;
获得扫描点云数据,确定扫描点云坐标系;
利用所述物体尺寸信息,构建物体数据坐标,根据所述扫描点云坐标系将所述物体数据坐标进行调整,以统一所述物体数据坐标与所述扫描点云坐标系的方向;
根据所述物体数据坐标,确定物体轮廓特征,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;
根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息;
根据所述各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果;
其中,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息,包括:
基于所述物体轮廓特征对所述扫描点云数据进行遍历比对,确定轮廓匹配度,并标定参照物点云分布信息;
根据所述物体尺寸信息,确定物体各平面的形状特征;
基于所述物体各平面的形状特征,对参照物点云分布信息进行各平面密度分析,确定点云密度信息;
将所述轮廓匹配度、所述点云密度信息输入物体结构扫描效果评估模型,获得所述参照物尺寸评估信息;
其中,根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息,包括:
根据各参照物体的物***置信息,确定位置方位-距离关系;
利用所述位置方位-距离关系、物体尺寸信息,获得物体数据对应关系;
利用所述物体数据对应关系、各参照物尺寸信息,参照物点云分布信息,确定点云分布位置匹配度;
基于所述点云分布位置匹配度,确定所述位置评估信息。
2.如权利要求1所述的方法,其特征在于,所述参照物体信息的物***置信息至少包括第一位置信息、第二位置信息,所述第一位置信息为靠近扫描点的位置,所述第二位置信息为远离扫描点的位置,且,第一位置与第二位置之间的距离不小于待扫描目标总范围的一半。
3.如权利要求1所述的方法,其特征在于,所述参照物体的物体尺寸信息包括所述待扫描目标中的最大尺寸及待扫描目标中的最小尺寸。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得扫描镜头分割信息;
基于所述扫描镜头分割信息,确定各镜头扫描节点;
根据所述各镜头扫描节点,获得各节点扫描点云数据;
对各节点扫描点云数据按照预设分割范围,进行点云数据重合度分析,确定点云重合度信息;
基于所述各镜头扫描节点、预设分割范围,对参照物体进行点云分割数据提取,根据提取分割点云数据、物体尺寸信息,确定物体图形重合度;
根据所述点云重合度信息、所述物体图形重合度的匹配关系,进行镜头分割重合性评估,获得分割评估信息,将所述分割评估信息加入所述质量评估结果中。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述各节点扫描点云数据,获得拼接位置点云数据;
对拼接位置点云数据进行尺寸特征、形状特征、密度特征匹配,确定点云数据匹配关系;
根据所述点云数据匹配关系,获得拼接密合评估信息,将所述拼接密合评估信息加入所述质量评估结果中。
6.一种激光扫描图像质量评估***,其特征在于,所述***包括:
参照物体信息确定模块,所述参照物体信息确定模块用于从待扫描目标中确定参照物体信息,参照物体不少于两个,且所述参照物体信息包括物体尺寸信息、物***置信息;
坐标系确定模块,所述坐标系确定模块用于获得扫描点云数据,确定扫描点云坐标系;
坐标调整模块,所述坐标调整模块用于利用所述物体尺寸信息,构建物体数据坐标,根据所述扫描点云坐标系将所述物体数据坐标进行调整,以统一所述物体数据坐标与所述扫描点云坐标系的方向;
尺寸评估模块,所述尺寸评估模块用于根据所述物体数据坐标,确定物体轮廓特征,基于所述物体轮廓特征、物体尺寸信息对所述扫描点云数据进行单个参照物点云数据分析,确定各参照物尺寸评估信息;
位置评估模块,所述位置评估模块用于根据所述物***置信息,对所述扫描点云数据进行位置对应关系评估,确定位置评估信息;
质量评估结果获得模块,所述质量评估结果获得模块用于根据所述各参照物尺寸评估信息、位置评估信息,获得扫描图像的质量评估结果;
轮廓匹配度确定模块,所述轮廓匹配度确定模块用于基于所述物体轮廓特征对所述扫描点云数据进行遍历比对,确定轮廓匹配度,并标定参照物点云分布信息;
形状特征确定模块,所述形状特征确定模块用于根据所述物体尺寸信息,确定物体各平面的形状特征;
平面密度分析模块,所述平面密度分析模块用于基于所述物体各平面的形状特征,对参照物点云分布信息进行各平面密度分析,确定点云密度信息;
尺寸评估信息确定模块,所述尺寸评估信息确定模块用于将所述轮廓匹配度、所述点云密度信息输入物体结构扫描效果评估模型,获得所述参照物尺寸评估信息;
第一执行模块,所述第一执行模块用于根据各参照物体的物***置信息,确定位置方位-距离关系;
第二执行模块,所述第二执行模块用于利用所述位置方位-距离关系、物体尺寸信息,获得物体数据对应关系;
点云分布位置匹配度确定模块,所述点云分布位置匹配度确定模块用于利用所述物体数据对应关系、各参照物尺寸信息,参照物点云分布信息,确定点云分布位置匹配度;
位置评估信息确定模块,所述位置评估信息确定模块用于基于所述点云分布位置匹配度,确定所述位置评估信息。
7.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至5任一项所述的一种激光扫描图像质量评估方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5中任一所述的一种激光扫描图像质量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602150.0A CN115619780B (zh) | 2022-12-14 | 2022-12-14 | 一种激光扫描图像质量评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602150.0A CN115619780B (zh) | 2022-12-14 | 2022-12-14 | 一种激光扫描图像质量评估方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115619780A CN115619780A (zh) | 2023-01-17 |
CN115619780B true CN115619780B (zh) | 2023-03-21 |
Family
ID=84880765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211602150.0A Active CN115619780B (zh) | 2022-12-14 | 2022-12-14 | 一种激光扫描图像质量评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619780B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117029699B (zh) * | 2023-09-28 | 2024-04-26 | 东莞市兆丰精密仪器有限公司 | 一种线激光测量方法、装置、***及计算机可读存储介质 |
CN117912665B (zh) * | 2024-03-18 | 2024-06-07 | 大连经典牙科科技有限公司 | 一种基于口腔扫描数据的远程管理*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111578862B (zh) * | 2020-05-27 | 2021-05-04 | 山东大学 | 一种地面三维激光扫描仪的点云精度检校装置及方法 |
JP2022042146A (ja) * | 2020-09-02 | 2022-03-14 | 株式会社トプコン | データ処理装置、データ処理方法およびデータ処理用プログラム |
CN112634260A (zh) * | 2020-12-31 | 2021-04-09 | 上海商汤智能科技有限公司 | 一种地图评估的方法、装置、电子设备及存储介质 |
CN115372944A (zh) * | 2021-05-20 | 2022-11-22 | 北京图森智途科技有限公司 | 点云数据的处理方法、电子设备及存储介质 |
-
2022
- 2022-12-14 CN CN202211602150.0A patent/CN115619780B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115619780A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115619780B (zh) | 一种激光扫描图像质量评估方法及*** | |
Tazir et al. | CICP: Cluster Iterative Closest Point for sparse–dense point cloud registration | |
Hu et al. | An automatic 3D registration method for rock mass point clouds based on plane detection and polygon matching | |
CN110599489A (zh) | 一种目标空间定位方法 | |
Hu et al. | Efficient and automatic plane detection approach for 3-D rock mass point clouds | |
Xian et al. | A fast registration algorithm of rock point cloud based on spherical projection and feature extraction | |
CN112336342A (zh) | 手部关键点检测方法、装置及终端设备 | |
CN111524168A (zh) | 点云数据的配准方法、***、装置及计算机存储介质 | |
Huang et al. | A coarse-to-fine algorithm for registration in 3D street-view cross-source point clouds | |
CN114863060A (zh) | 基于点云的三维模型重建方法、装置、设备及存储介质 | |
CN113902782A (zh) | 一种挖掘机周边障碍物三维点云的快速配准方法及*** | |
CN113011317A (zh) | 三维目标检测方法及检测装置 | |
CN112489099A (zh) | 点云配准方法、装置、存储介质及电子设备 | |
CN110751677A (zh) | 一种基于改进cmt算法的视觉振动测量方法和设备 | |
CN110780276A (zh) | 一种基于激光雷达的托盘识别方法、***和电子设备 | |
CN115685160A (zh) | 基于标靶的激光雷达与相机标定方法、***、电子设备 | |
Zabulis et al. | Correspondence-free pose estimation for 3D objects from noisy depth data | |
CN114881955A (zh) | 基于切片的环状点云缺陷提取方法、装置、设备存储介质 | |
Liu et al. | Coarse registration of point clouds with low overlap rate on feature regions | |
CN117132630A (zh) | 一种基于二阶空间兼容性度量的点云配准方法 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
CN117765039A (zh) | 点云粗配准方法、装置及设备 | |
CN113313765A (zh) | 定位方法、装置、电子设备和存储介质 | |
CN115953604B (zh) | 一种不动产地理信息测绘数据采集方法 |
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 |