CN116681745A - 基于激光深度的三维重建方法、装置、服务器及存储介质 - Google Patents
基于激光深度的三维重建方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN116681745A CN116681745A CN202210159222.2A CN202210159222A CN116681745A CN 116681745 A CN116681745 A CN 116681745A CN 202210159222 A CN202210159222 A CN 202210159222A CN 116681745 A CN116681745 A CN 116681745A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target
- fusion
- depth image
- depth
- 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 48
- 230000004927 fusion Effects 0.000 claims abstract description 51
- 238000009499 grossing Methods 0.000 claims abstract description 32
- 238000007499 fusion processing Methods 0.000 claims abstract description 12
- 238000011084 recovery Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 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
- 238000001514 detection method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 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
- 238000005457 optimization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请适用于图像处理技术领域,尤其涉及一种基于激光深度的三维重建方法、装置、服务器及存储介质,该方法包括:获取目标深度图像;获取与目标深度图像对应的色彩图像;根据目标深度图像和所述色彩图像生成初始点云;对初始点云进行融合处理,得到融合点云;对融合点云进行平滑处理,得到目标点云;对目标点云进行几何结构恢复,得到目标三维模型。可见,本申请实施例,可以对室内室外各种场景进行数字化重建,并能处理噪音和错误,可以得到较高的精度。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种基于激光深度的三维重建方法、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,在数字化三维重建的过程存在大量噪音,导致得到的三维模型精度较差。
发明内容
本申请实施例提供了一种基于激光深度的三维重建方法、装置、服务器及存储介质,可以解决现有技术中在数字化三维重建的过程存在大量噪音,导致得到的三维模型精度较差的技术问题。
第一方面,本申请实施例提供了一种基于激光深度的三维重建方法,包括:
获取目标深度图像;
获取与目标所述深度图像对应的色彩图像;
根据所述目标深度图像和所述色彩图像生成初始点云;
对所述初始点云进行融合处理,得到融合点云;
对所述融合点云进行平滑处理,得到目标点云;
对所述目标点云进行几何结构恢复,得到目标三维模型。
在第一方面的一种可能的实现方式中,获取目标深度图像,包括:
获取待处理深度图像;
对所述待处理深度图像进行修复,得到目标深度图像。
在第一方面的一种可能的实现方式中,所述目标深度图像和所述色彩图像为激光相机拍摄得到;
对所述初始点云进行融合处理,得到融合点云,包括:
获取所述激光相机的位姿信息;
根据所述位姿信息,对所述初始点云进行重投影概率融合,得到融合点云。
在第一方面的一种可能的实现方式中,对所述融合点云进行平滑处理,得到目标点云,包括:
利用非参数回归算法提取所述融合点云的特征向量;
对所述特征向量进行平滑处理,将平滑处理后的融合点云作为目标点云。
在第一方面的一种可能的实现方式中,对所述目标点云进行几何结构恢复,得到目标三维模型,包括:
根据预设重建算法提取所述目标点云的表面三角形,生成目标三维模型。
在第一方面的一种可能的实现方式中,对所述目标点云进行几何结构恢复,得到目标三维模型之后,还包括:
优化所述目标三维模型。
第二方面,本申请实施例提供了一种基于激光深度的三维重建装置,包括:
第一获取模块,用于获取目标深度图像;
第二获取模块,用于获取与目标所述深度图像对应的色彩图像;
生成模块,用于根据所述目标深度图像和所述色彩图像生成初始点云;
融合模块,用于对所述初始点云进行融合处理,得到融合点云;
平滑模块,用于对所述融合点云进行平滑处理,得到目标点云;
几何结构恢复模块26,用于对所述目标点云进行几何结构恢复,得到目标三维模型
在一种可能的手机方式中,所述第一获取模块,包括:
第一获取单元,用于获取待处理深度图像;
修复单元,用于对所述待处理深度图像进行修复,得到目标深度图像。
在一种可能的实施方式中,生成模块,包括:
配准单元,用于对所述目标深度图像和所述色彩图像进行配准,得到全景图像;
生成单元,用于根据所述全景图像得到所述初始点云的三维坐标。
在一种可能的实施方式中,所述目标深度图像和所述色彩图像为激光相机拍摄得到;所述融合模块,包括:
第二获取单元,用于获取所述激光相机的位姿信息;
重投影单元,用于根据所述位姿信息,对所述初始点云进行重投影概率融合,得到融合点云。
在一种可能的实施方式中,所述平滑模块包括:
提取单元,用于利用非参数回归算法提取所述融合点云的特征向量;
平滑单元,用于对所述特征向量进行平滑处理,将平滑处理后的融合点云作为目标点云。
在一种可能的实施方式中,所述几何结构恢复模块,包括:
重建单元,用于优化所述目标三维模型。
在一种可能的实施方式中,所述基于激光深度的三维重建装置还包括:
优化单元,用于优化所述目标三维模型。
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可读存储介质,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,通过获取目标深度图像;获取与目标深度图像对应的色彩图像;根据目标深度图像和所述色彩图像生成初始点云;对初始点云进行融合处理,得到融合点云;对融合点云进行平滑处理,得到目标点云;对目标点云进行几何结构恢复,得到目标三维模型。可见,本申请实施例,可以对室内室外各种场景进行数字化重建,并能处理噪音和错误,可以得到较高的精度。
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激光深度的三维重建方法的流程示意图;
图2是本申请实施例提供的基于激光深度的三维重建装置的结构框图;
图3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激光深度的三维重建方法,该方法应用于服务器,该服务器与激光相机连接,激光相机包括激光器和摄像头,激光机用于采集深度图像并发送至服务器,摄像头用于采集色彩图像并发送至服务器,该方法包括以下步骤:
步骤S101,获取目标深度图像。
具体应用中,获取目标深度图像,包括:
步骤S201,获取待处理深度图像。
可以理解的是,激光器采集待处理深度图像之后,将待处理深度图像发送至服务器。
步骤S202,对待处理深度图像进行修复,得到目标深度图像。
可以理解的是,在深度图像中,每个点处得像素值描述了从场景中的某个点到激光器的距离,这种距离信息直接反应了物体可见表面的几何特征,但是深度图像在获取过程中存在不同的质量误差,导致深度图像的像素值需要进行修复。
示例性地,对深度图像的像素值进行局部多项式回归,用于修复激光器采集的深度图的部分像素的缺失和错误。
步骤S102,获取与目标深度图像对应的色彩图像。
可以理解的是,摄像头采集色彩图像,并把色彩图像发送至服务器。
步骤S103,根据目标深度图像和色彩图像生成初始点云。
具体应用中,根据目标深度图像和色彩图像生成初始点云,包括:
步骤S301,对目标深度图像和色彩图像进行配准,得到全景图像。
示例性地,可以根据迭代最近点算法Iterative Closest Point, ICP)对目标深度图像和色彩图像进行配准,使得目标深度图像和色彩图像之间统一坐标系。
步骤S302,根据全景图像得到初始点云的三维坐标。
示例性地,根据下式得到初始点云的三维坐标:
,
其中,(u,v)为全景图像中每个目标特征点的像素坐标,d为全景图像中每个像素点的深度值,K为激光相机的内参,(X,Y,Z)为点云的三维坐标。激光相机的内参可以采用张正友标定法计算得到。
步骤S104,对初始点云进行融合处理,得到融合点云。
其中,目标深度图像和色彩图像为激光相机拍摄得到,激光相机包括激光器和摄像头,激光机用于采集深度图像并发送至服务器,摄像头用于采集色彩图像并发送至服务器。
具体应用中,对初始点云进行融合处理,得到融合点云,包括:
步骤S401,获取激光相机的位姿信息。
具体应用中,采用SFM(structure-from-motion)算法得到激光相机的位姿态信息,SFM(structure-from-motion)算法是一种基于各种收集到的无序图片进行三维重建的离线算法。顾名思义是从运动中(不同时间拍摄的图片集)恢复物体的三维结构,这需要估计出图片的,结合相机内参重建稀疏点云。
步骤S402,根据位姿信息,对初始点云进行重投影概率融合,得到融合点云。
可以理解的是,利用SFM算法获得激光相机的位姿后,对多个初始点云进行重投影概率融合,以确保激光相机在不同位置观测的点云没有分层和冲突。
步骤S105,对融合点云进行平滑处理,得到目标点云。
具体应用中,对融合点云进行平滑处理,得到目标点云,包括:
步骤S501,利用非参数回归算法提取融合点云的特征向量。
其中,特征向量包括法向量和缩放度。
可以理解的是,非参数的都是先假定好形式的,而非参数的相当于是一种平滑技术,事先不知道形式,而是用样本去生成,常见的方法有最近邻法,核函数法等。
步骤S502,对特征向量进行平滑处理,将平滑处理后的融合点云作为目标点云。
示例性地,平滑处理的方式包括Katz平滑方法等。
步骤S106,对目标点云进行几何结构恢复,得到目标三维模型。
具体应用中,根据预设重建算法提取目标点云的表面三角形,生成目标三维模型。
其中,预设重建算法可以是稠密点云重建MVS算法。
优选的,对目标点云进行几何结构恢复,得到目标三维模型之后,还包括:
步骤S601,优化目标三维模型。
示例性地,对目标三维模型进行聚类和减面的操作,可以极大的减少三角形的数量,生成形状相同但是数据量更小的简化模型。对目标三维模型进行参数化和可见性判断,生成最终带颜色贴图的3D模型。对贴图每个像素的颜色值进行加权融合和优化,提升模型整体的一致性,储存为3D模型对应的贴图文件。
本申请实施例中,通过获取目标深度图像;获取与目标深度图像对应的色彩图像;根据目标深度图像和所述色彩图像生成初始点云;对初始点云进行融合处理,得到融合点云;对融合点云进行平滑处理,得到目标点云;对目标点云进行几何结构恢复,得到目标三维模型。可见,本申请实施例,可以对室内室外各种场景进行数字化重建,并能处理噪音和错误,可以得到较高的精度。
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的基于激光深度的三维重建方法,图2示出了本申请实施例提供的基于激光深度的三维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2,该装置包括:
第一获取模块21,用于获取目标深度图像;
第二获取模块22,用于获取与目标所述深度图像对应的色彩图像;
生成模块23,用于根据所述目标深度图像和所述色彩图像生成初始点云;
融合模块24,用于对所述初始点云进行融合处理,得到融合点云;
平滑模块25,用于对所述融合点云进行平滑处理,得到目标点云;
几何结构恢复模块26,用于对所述目标点云进行几何结构恢复,得到目标三维模型
在一种可能的手机方式中,所述第一获取模块,包括:
第一获取单元,用于获取待处理深度图像;
修复单元,用于对所述待处理深度图像进行修复,得到目标深度图像。
在一种可能的实施方式中,生成模块,包括:
配准单元,用于对所述目标深度图像和所述色彩图像进行配准,得到全景图像;
生成单元,用于根据所述全景图像得到所述初始点云的三维坐标。
在一种可能的实施方式中,所述目标深度图像和所述色彩图像为激光相机拍摄得到;所述融合模块,包括:
第二获取单元,用于获取所述激光相机的位姿信息;
重投影单元,用于根据所述位姿信息,对所述初始点云进行重投影概率融合,得到融合点云。
在一种可能的实施方式中,所述平滑模块包括:
提取单元,用于利用非参数回归算法提取所述融合点云的特征向量;
平滑单元,用于对所述特征向量进行平滑处理,将平滑处理后的融合点云作为目标点云。
在一种可能的实施方式中,所述几何结构恢复模块,包括:
重建单元,用于优化所述目标三维模型。
在一种可能的实施方式中,所述基于激光深度的三维重建装置还包括:
优化单元,用于优化所述目标三维模型。
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3为本申请实施例提供的服务器的结构示意图。如图3所示,该实施例的服务器3包括:至少一个处理器30、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32,所述处理器30执行所述计算机程序32时实现上述任意各个方法实施例中的步骤。
所述服务器3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30、存储器31。本领域技术人员可以理解,图3仅仅是服务器3的举例,并不构成对服务器3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30可以是中央处理单元(Central Processing Unit,CPU),该处理器30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31在一些实施例中可以是所述服务器3的内部存储单元,例如服务器3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述服务器3的外部存储设备,例如所述服务器3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31还可以既包括所述服务器3的内部存储单元也包括外部存储设备。所述存储器31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31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可读存储介质,所述可读存储介质优选为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。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端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拍照装置/终端设备的任何实体或装置、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,RandomAccess 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)
1.一种基于激光深度的三维重建方法,其特征在于,包括:
获取目标深度图像;
获取与目标所述深度图像对应的色彩图像;
根据所述目标深度图像和所述色彩图像生成初始点云;
对所述初始点云进行融合处理,得到融合点云;
对所述融合点云进行平滑处理,得到目标点云;
对所述目标点云进行几何结构恢复,得到目标三维模型。
2.如权利要求1所述的基于激光深度的三维重建方法,其特征在于,获取目标深度图像,包括:
获取待处理深度图像;
对所述待处理深度图像进行修复,得到目标深度图像。
3.如权利要求1所述的基于激光深度的三维重建方法,其特征在于,根据所述目标深度图像和所述色彩图像生成初始点云,包括:
对所述目标深度图像和所述色彩图像进行配准,得到全景图像;
根据所述全景图像得到所述初始点云的三维坐标。
4.如权利要求1所述的基于激光深度的三维重建方法,其特征在于,所述目标深度图像和所述色彩图像为激光相机拍摄得到;
对所述初始点云进行融合处理,得到融合点云,包括:
获取所述激光相机的位姿信息;
根据所述位姿信息,对所述初始点云进行重投影概率融合,得到融合点云。
5.如权利要求1所述的基于激光深度的三维重建方法,其特征在于,对所述融合点云进行平滑处理,得到目标点云,包括:
利用非参数回归算法提取所述融合点云的特征向量;
对所述特征向量进行平滑处理,将平滑处理后的融合点云作为目标点云。
6.如权利要求1所述的基于激光深度的三维重建方法,其特征在于,对所述目标点云进行几何结构恢复,得到目标三维模型,包括:
根据预设重建算法提取所述目标点云的表面三角形,生成目标三维模型。
7.如权利要求1-6任一项所述的基于激光深度的三维重建方法,其特征在于,对所述目标点云进行几何结构恢复,得到目标三维模型之后,还包括:
优化所述目标三维模型。
8.一种基于激光深度的三维重建装置,其特征在于,包括:
第一获取模块,用于获取目标深度图像;
第二获取模块,用于获取与目标所述深度图像对应的色彩图像;
生成模块,用于根据所述目标深度图像和所述色彩图像生成初始点云;
融合模块,用于对所述初始点云进行融合处理,得到融合点云;
平滑模块,用于对所述融合点云进行平滑处理,得到目标点云;
几何结构恢复模块,用于对所述目标点云进行几何结构恢复,得到目标三维模型。
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7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7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210159222.2A CN116681745A (zh) | 2022-02-22 | 2022-02-22 | 基于激光深度的三维重建方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210159222.2A CN116681745A (zh) | 2022-02-22 | 2022-02-22 | 基于激光深度的三维重建方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116681745A true CN116681745A (zh) | 2023-09-01 |
Family
ID=87785957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210159222.2A Pending CN116681745A (zh) | 2022-02-22 | 2022-02-22 | 基于激光深度的三维重建方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681745A (zh) |
-
2022
- 2022-02-22 CN CN202210159222.2A patent/CN116681745A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
WO2018119889A1 (zh) | 三维场景定位方法和装置 | |
CN110766716B (zh) | 一种空间未知运动目标的信息获取方法及*** | |
CN109840881B (zh) | 一种3d特效图像生成方法、装置及设备 | |
CN108711144B (zh) | 增强现实方法及装置 | |
CN112348921A (zh) | 一种基于视觉语义点云的建图方法及*** | |
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 | |
CN113807451B (zh) | 全景图像特征点匹配模型的训练方法、装置以及服务器 | |
CN111882655B (zh) | 三维重建的方法、装置、***、计算机设备和存储介质 | |
CN111583381B (zh) | 游戏资源图的渲染方法、装置及电子设备 | |
CN113140036A (zh) | 一种三维建模方法、装置、设备及存储介质 | |
CN115035235A (zh) | 三维重建方法及装置 | |
CN111161348B (zh) | 一种基于单目相机的物***姿估计方法、装置及设备 | |
CN117274605B (zh) | 一种从无人机拍摄的照片中提取水域轮廓的方法及装置 | |
WO2022199395A1 (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
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 | |
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 | |
CN116863072A (zh) | 基于视觉-激光融合的单体三维重建方法及*** | |
CN111833441A (zh) | 一种基于多相机***的人脸三维重建方法和装置 | |
CN116342831A (zh) | 三维场景重建方法、装置、计算机设备及存储介质 | |
CN114913105A (zh) | 激光点云融合方法、装置、服务器及计算机可读存储介质 | |
CN116681745A (zh) | 基于激光深度的三维重建方法、装置、服务器及存储介质 | |
CN113240720B (zh) | 一种三维表面重建方法、装置、服务器以及可读存储介质 | |
CN113034345B (zh) | 一种基于sfm重建的人脸识别方法及*** | |
CN117689799A (zh) | 工厂盘点方法、装置、服务器以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 |