CN117372608A - 一种三维点云纹理映射方法、***、设备及介质 - Google Patents
一种三维点云纹理映射方法、***、设备及介质 Download PDFInfo
- Publication number
- CN117372608A CN117372608A CN202311183719.9A CN202311183719A CN117372608A CN 117372608 A CN117372608 A CN 117372608A CN 202311183719 A CN202311183719 A CN 202311183719A CN 117372608 A CN117372608 A CN 117372608A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- point cloud
- texture image
- coordinate system
- structured light
- 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.)
- Granted
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000009466 transformation Effects 0.000 claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000010363 phase shift Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 description 9
- 239000003973 paint Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明涉及三维数字化测量技术领域，具体地说，涉及一种三维点云纹理映射方法、***、设备及介质；该方法首先在结构光坐标系下获取目标物体的二维纹理图像；其次进行配准得到待贴图数模坐标系与结构光坐标系的转换关系；然后建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；最后将任意拍摄的二维纹理图像映射至三维数模，将结构光设备作为辅助坐标***，将待贴图数模与任意角度拍摄的图像统一到相同的视角下，实现高精度高效率且适应狭窄环境下的纹理贴图，具有纹理贴图精度高、鲁棒性高等特点。
Description
技术领域
本发明涉及三维数字化测量技术领域，具体地说，涉及一种三维点云纹理映射方法、***、设备及介质。
背景技术
在飞机制造过程中，需要对飞机的气动性能进行测试，检测其涉及是否符合要求。目前，飞机的气动性能主要通过风洞实验结合摄影测量技术、压敏涂漆技术等进行测量。其中，压敏涂漆技术通过在飞机模型表面涂一层压敏漆，并通过涂漆的颜色变化来反映压力变化，即飞机的气动性能。由于风洞特殊的环境限制，使得只能通过单个相机拍摄飞机模型表面的压敏涂漆颜色变化。同时，需要将拍摄的压敏涂漆颜色变化映射至飞机实际的数模中，用于分析飞机不同位置的气动性能。然而，任意角度拍摄的图像高精度映射至对应的数模一直是行业难点。
为了解决上述问题，许多方法被提出来实现三维点云数据的贴图。专利申请号为“201510399135.4”，专利名称为“一种动态三维场景的激光雷达成像与着色方法”的中国发明专利，该方法对场景进行三维建模，并对目标场景中的地形进行纹理贴图。专利申请号为“202010500177.3”，专利名称为“一种模型贴图编辑方法及装置”的中国发明专利，该方法在三维空间中获取待贴图的目标模型，并获取待编辑贴图区域的像素点进行相应的编辑实现高效率模型贴图。然而，上述贴图方法主要三维信息与纹理自身特征实现贴图，难以实现高精度贴图方法。
发明内容
本发明针对上述贴图方法主要三维信息与纹理自身特征实现贴图，难以实现高精度贴图的问题，提出一种三维点云纹理映射方法、***、设备及介质，该方法首先在结构光坐标系下获取目标物体的二维纹理图像；其次进行配准得到待贴图数模坐标系与结构光坐标系的转换关系；然后建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；最后将任意拍摄的二维纹理图像映射至三维数模，将结构光设备作为辅助坐标***，将待贴图数模与任意角度拍摄的图像统一到相同的视角下，实现高精度高效率且适应狭窄环境下的纹理贴图。
本发明具体实现内容如下：
一种三维点云纹理映射方法，首先扫描单视角下目标物体的三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像；其次将所述三维点云数据与目标物体真实数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；然后任意拍摄目标物体二维纹理图像，并通过特征点提取算法建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；最后将任意拍摄的二维纹理图像映射至三维数模。
为了更好地实现本发明，进一步地，具体包括以下步骤：
步骤S1：扫描单视角下目标物体的三维点云数据，预处理所述三维点云数据，在结构坐标系相同视角下获取所述目标物体的二维纹理图像；
步骤S2：根据迭代最邻近点算法将所述目标物体的三维点云数据与所述目标物体的待贴图数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；
步骤S3：将任意拍摄的二维纹理图像与结构光设备拍摄的二维纹理图像进行配准，获取任意角度拍摄的二维纹理图像到结构光设备拍摄的二维纹理图像的映射关系；
步骤S4：将任意拍摄的二维纹理图像与待贴图数模统一至结构光坐标系，将任意拍摄的二维纹理图像映射至三维数模。
为了更好地实现本发明，进一步地，所述步骤S2具体包括以下步骤：
步骤S21：将所述三维点云数据与待贴图数模进行下采样操作，并降噪所述三维点云数据；
步骤S22：根据迭代最邻近点算法将降噪后的所述三维点云数据与下采样后的所述待贴图数模进行配准；
步骤S23：根据所述三维点云数据、所述待贴图数模、获取的点云特征匹配相关性集合和惩罚函数，构建变换矩阵，得到待贴图数模坐标系与结构光坐标系的转换关系。
为了更好地实现本发明，进一步地，所述步骤S3具体包括以下步骤：
步骤S31：根据所述变换矩阵、旋转参数、获取的点云特征匹配相关性集合，构建刚体变换矩阵；
步骤S32：将任意拍摄的的二维纹理图像映射至结构光坐标系，并通过尺度不变特征转换提取特征描述子；
步骤S33：根据所述特征描述子，将任意拍摄的的二维纹理图像与结构光设备拍摄的的二维纹理图像进行配准，根据所述刚体变换矩阵，得到任意拍摄的的二维纹理图像到结构光设备拍摄的的二维纹理图像的映射关系。
为了更好地实现本发明，进一步地，所述步骤S4具体包括以下步骤：
步骤S41：根据高斯核函数模糊任意拍摄的二维纹理图像和结构光坐标系下拍摄的二维纹理图像；
步骤S42：根据差分高斯检测模糊后的任意拍摄的二维纹理图像和结构光坐标系下拍摄的二维纹理图像中的特征点；
步骤S43：计算所述特征点的描述子，并根据所述描述子计算映射关系变换矩阵；
步骤S44：根据所述映射关系变换矩阵，将任意拍摄的二维纹理图像映射至三维数模。
为了更好地实现本发明，进一步地，所述描述子包括梯度方向和幅值。
为了更好地实现本发明，进一步地，所述步骤S1的具体操作为：扫描单视角下目标物体的三维点云数据，根据背景光强、条纹调制幅值、相位偏移值和光强，采用四步相移解相位所述三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像。
基于上述提出的三维点云纹理映射方法，为了更好地实现本发明，进一步地，提出一种三维点云纹理映射***，包括采集单元、转换单元、映射单元、处理单元；
所述采集单元，用于扫描单视角下目标物体的三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像；
所述转换单元，用于将所述三维点云数据与目标物体真实数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；
所述映射单元，用于任意拍摄目标物体二维纹理图像，并通过特征点提取算法建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；
所述处理单元，用于将任意拍摄的二维纹理图像映射至三维数模。
基于上述提出的三维点云纹理映射方法，为了更好地实现本发明，进一步地，提出一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；当所述计算机程序在所述处理器上运行时，实现上述的三维点云纹理映射方法。
基于上述提出的三维点云纹理映射方法，为了更好地实现本发明，进一步地，提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在上述的电子设备上执行时，实现上述的三维点云纹理映射方法。
本发明具有以下有益效果：
(1)本发明通过将结构光扫描设备作为辅助坐标***，将待贴图数模与任意角度拍摄的图像统一到相同的视角下，实现了高精度高效率且适应狭窄环境下的纹理贴图。
(2)本发明实现了将任意拍摄的二维图像能直接映射到其真实的三维数模，适用于实时、实验环境狭窄情况下的三维点云纹理映射，具有纹理贴图精度高、鲁棒性高等特点，能有效地应用于压敏涂漆的风洞实验。
附图说明
图1为本发明提供的三维点云纹理映射方法的流程示意图。
图2为本发明提供的结构光扫描设备获取的点云数据示意图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作人员在没有做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。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“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；也可以是直接相连，也可以是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，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
本实施例提出一种三维点云纹理映射方法，首先扫描单视角下目标物体的三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像；其次将所述三维点云数据与目标物体真实数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；然后任意拍摄目标物体二维纹理图像，并通过特征点提取算法建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；最后将任意拍摄的二维纹理图像映射至三维数模。
工作原理：本实施例首先在结构光坐标系下获取目标物体的二维纹理图像；其次进行配准得到待贴图数模坐标系与结构光坐标系的转换关系；然后建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；最后将任意拍摄的二维纹理图像映射至三维数模，将结构光设备作为辅助坐标***，将待贴图数模与任意角度拍摄的图像统一到相同的视角下，实现高精度高效率且适应狭窄环境下的纹理贴图。
实施例2：
本实施例在上述实施例1的基础上，所述三维点云纹理映射方法具体包括以下步骤。
步骤S1：扫描单视角下目标物体的三维点云数据，预处理所述三维点云数据，在结构坐标系相同视角下获取所述目标物体的二维纹理图像。
步骤S2：根据迭代最邻近点算法将所述目标物体的三维点云数据与所述目标物体的待贴图数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系。
进一步地，所述步骤S2具体包括以下步骤：
步骤S21：将所述三维点云数据与待贴图数模进行下采样操作，并降噪所述三维点云数据；
步骤S22：根据迭代最邻近点算法将降噪后的所述三维点云数据与下采样后的所述待贴图数模进行配准；
步骤S23：根据所述三维点云数据、所述待贴图数模、获取的点云特征匹配相关性集合和惩罚函数，构建变换矩阵，得到待贴图数模坐标系与结构光坐标系的转换关系。
步骤S3：将任意拍摄的二维纹理图像与结构光设备拍摄的二维纹理图像进行配准，获取任意角度拍摄的二维纹理图像到结构光设备拍摄的二维纹理图像的映射关系。
进一步地，所述步骤S3具体包括以下步骤：
步骤S31：根据所述变换矩阵、旋转参数、获取的点云特征匹配相关性集合，构建刚体变换矩阵；
步骤S32：将任意拍摄的的二维纹理图像映射至结构光坐标系，并通过尺度不变特征转换提取特征描述子；
步骤S33：根据所述特征描述子，将任意拍摄的的二维纹理图像与结构光设备拍摄的的二维纹理图像进行配准，根据所述刚体变换矩阵，得到任意拍摄的的二维纹理图像到结构光设备拍摄的的二维纹理图像的映射关系。
步骤S4：将任意拍摄的二维纹理图像与待贴图数模统一至结构光坐标系，将任意拍摄的二维纹理图像映射至三维数模。
所述步骤S4具体包括以下步骤：
步骤S41：根据高斯核函数模糊任意拍摄的二维纹理图像和结构光坐标系下拍摄的二维纹理图像；
步骤S42：根据差分高斯检测模糊后的任意拍摄的二维纹理图像和结构光坐标系下拍摄的二维纹理图像中的特征点；
步骤S43：计算所述特征点的描述子，并根据所述描述子计算映射关系变换矩阵；
步骤S44：根据所述映射关系变换矩阵，将任意拍摄的二维纹理图像映射至三维数模。
进一步地，所述描述子包括梯度方向和幅值。
本实施例的其他部分与上述实施例1相同，故不再赘述。
实施例3：
本实施例在上述实施例1-实施例2任一项的基础上，如图1所示，以一个具体的实施例进行详细说明。
本实施例利用结构光设备作为辅助坐标，将任意拍摄的二维图像映射至其对应的三维数模上，具体包括以下步骤：
步骤S1：利用结构光设备扫描物体的单视角下的三维点云数据，并同时拍摄结构坐标***下物体的二维图像。
利用结构光扫描设备获取物体表面的三维点云数据，并同时获取相同视角下的二维图像。拍摄的二维图像在未投射光栅条纹情况下获取物体的纹理图像。结构光设备获取物体表面三维点云数据通过四步相移进行解相位操作，如下所示：
I1＝a+bcosφ,
I3＝a+bcos(φ+π),
其中，a(x,y)背景光强；b(x,y)条纹调制幅值；φ(x,y)表示相位；相位偏移值；I1,I2,I3,I4对应的光强。
步骤S2：将结构光设备获取的三维点云数据与物体真实数模进行配准，建立数模与结构光之间坐标转换关系。将结构光扫描设备获取物体的三维点云数据与物体实际数模进行配准，实现真实数模坐标***到实测点云坐标***的转换。
对实测三维点云数据与实际数模进行下采样操作，降低三维点云数据量，减小配准过程中的计算量。同时，对实测三维点云数据进行降噪处理，提升配准精度。实测点云数据与实际数模/>通过改进的迭代最邻点算法实现两片点云配准，进而获取变换矩阵[R,t]。
利用改进的最近点迭代点云配准算法，将实测点云数据与实际数模点云数据配准进行配准，实现数模坐标系到结构光设备坐标系的转换。点云配准的实质就是估计实测点云数据与数模点云数据之间的刚体变换矩阵。因此，利用提取点云匹配特征相关性可以构建函数来求取变换矩阵。
其中，X,Y分别表示实测点云数据与实际数模点云数据；K＝({X,Y})点云特征匹配相关性集合；ρ表示惩罚函数，表示如下所示：
其中，μ值控制函数的性能，其值越小函数曲线越尖锐拟合越好。
步骤S3：利用额外相机任意拍摄物体图像，并通过特征点提取算法建立任意拍摄的图像与结构光坐标***下拍摄的图像之间的仿射变换关系。
通过改变E(T)函数，便于优化求取旋转矩阵。
E(T,Γ)＝(X,Y)KlX,Y||X-TY||+(X,Y)KΨ(lX,Y)
其中，Γ表示点云匹配特征的线性处理；lX,Y表示一个假定的参数；K＝({X,Y})点云特征匹配相关性集合；Ψ(lX,Y)函数的定义如下所示：
对函数E(T,Γ)关于lX,Y求取偏导数，并进行迭代优化即可计算刚体变换矩阵T。
利用图像配准的方法将任意拍摄的图像映射到结构光坐标系拍摄的图像，并主要通过尺度不变特征转换(Scale-invariant feature transform,SIFT)提取特征描述子实现两幅图像的配准。
步骤S4：将任意拍摄的二维图像映射至三维数模。
使用高斯核可以得到两幅图像不同模型程度的图像：
LS(x,y,σ)＝G(x,y,σ)*IS(x,y)
LR(x,y,σ)＝G(x,y,σ)*IR(x,y)
其中，IS(x,y)表示任意拍摄的图像；IR(x,y)表示结构光坐标系下拍摄的图像；σ表示尺度因子；LS(x,y,σ),LR(x,y,σ)表示高斯核模糊后的图像；G(x,y,σ)表示高斯核函数，其定义如下：
利用差分高斯来检测图像中的特征点：
DS(x,y,σ)＝LS(x,y,kσ)-LS(x,y,σ)
DR(x,y,σ)＝LR(x,y,kσ)-LR(x,y,σ)
其中，DS(x,y,σ),DR(x,y,σ)分别表示任意拍摄图像和结构光坐标系下图像的不同尺度因子的高斯差。计算每个关键点的描述子用于目标特征匹配的依据，其描述子主要是梯度方向和幅值，定义如下：
θS＝tan-1((LS(x,y+1)-LS(x,y-1))/(LS(x+1,y)-LS(x-1,y)))
θR＝tan-1((LR(x,y+1)-LR(x,y-1))/(LR(x+1,y)-LR(x-1,y)))
其中，mS,mR表示对应的梯度量；θS,θR表示对应的方向。完成特征点描述子后，便可通过匹配的特征计算两幅图像的映射关系变换矩阵，进而将任意拍摄的图像映射至结构光坐标系下。
本实施例的其他部分与上述实施例1-实施例2任一项相同，故不再赘述。
实施例4：
本实施例在上述实施例1-实施例3任一项的基础上，以风洞实验为例进行说明。
步骤1：利用结构光设备获取目标物体的三维点云数据，并通过点云数据预处理方法对点云数据进行滤波降噪处理，进而获取高质量点云数据，结构光设备与获取的点云数据，如图2所示；利用结构光设备获取三维点云数据的同时获取相同视角下物体的二维纹理图像，便于后期与任意角度下的图像进行配准矫正。
步骤2：将需要进行风洞实验的目标物体放置在风洞中，并在风洞的透明观察舱外放置一台相机，用于拍摄吹风过程中的目标物体因气流而引起的变化图像。将结构光采集设备获取的目标物体三维点云数据与该目标物体的实际数模进行配准，获取实际数模与实测点云的坐标转换关系。
步骤3：将风洞实验下拍摄的图像与结构光设备拍摄的图像进行配准，获取风洞实验下拍摄的图像到结构光设备拍摄的图像的映射关系。
步骤4：风洞实验下的目标图像与目标实际数模均被统一到结构光设备的坐标系下，便可直接将风洞实验下的目标图像直接映射到目标对应的实际数模上，进而实现高精度三维点云纹理映射。
工作原理：本实施例主要通过结构光扫描设备坐标中间辅助坐标***，将任意拍摄的二维图像能直接映射到其真实的三维数模。所述的方法实现二维纹理图像映射主要包含以下步骤：首先利用结构光设备扫描物体的单视角下的三维点云数据，并同时拍摄结构坐标***下物体的二维图像。其次，将结构光设备获取的三维点云数据与物体真实数模进行配准，建立数模与结构光之间坐标转换关系。然后，利用额外相机任意拍摄物体图像，并通过特征点提取算法建立任意拍摄的图像与结构光坐标***下拍摄的图像之间的仿射变换关系。最后，将任意拍摄的二维图像映射至三维数模。本发明适用于实时、实验环境狭窄情况下的三维点云纹理映射，具有纹理贴图精度高、鲁棒性高等特点，能有效地应用于压敏涂漆的风洞实验。
本实施例的其他部分与上述实施例1-实施例3任一项相同，故不再赘述。
实施例5：
本实施例在上述实施例1-实施例4任一项的基础上，提出一种三维点云纹理映射***，包括采集单元、转换单元、映射单元、处理单元；
所述采集单元，用于扫描单视角下目标物体的三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像；
所述转换单元，用于将所述三维点云数据与目标物体真实数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；
所述映射单元，用于任意拍摄目标物体二维纹理图像，并通过特征点提取算法建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；
所述处理单元，用于将任意拍摄的二维纹理图像映射至三维数模。
本实施例还提出一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；当所述计算机程序在所述处理器上运行时，实现上述的三维点云纹理映射方法。
本实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在上述的电子设备上执行时，实现上述的三维点云纹理映射方法。
本实施例的其他部分与上述实施例1-实施例4任一项相同，故不再赘述。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
Claims (10)
1.一种三维点云纹理映射方法，其特征在于，首先扫描单视角下目标物体的三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像；其次将所述三维点云数据与目标物体真实数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；然后任意拍摄目标物体二维纹理图像，并通过特征点提取算法建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；最后将任意拍摄的二维纹理图像映射至三维数模。
2.根据权利要求1所述的一种三维点云纹理映射方法，其特征在于，具体包括以下步骤：
步骤S1：扫描单视角下目标物体的三维点云数据，预处理所述三维点云数据，在结构坐标系相同视角下获取所述目标物体的二维纹理图像；
步骤S2：根据迭代最邻近点算法将所述目标物体的三维点云数据与所述目标物体的待贴图数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；
步骤S3：将任意拍摄的二维纹理图像与结构光设备拍摄的二维纹理图像进行配准，获取任意角度拍摄的二维纹理图像到结构光设备拍摄的二维纹理图像的映射关系；
步骤S4：将任意拍摄的二维纹理图像与待贴图数模统一至结构光坐标系，将任意拍摄的二维纹理图像映射至三维数模。
3.根据权利要求2所述的一种三维点云纹理映射方法，其特征在于，所述步骤S2具体包括以下步骤：
步骤S21：将所述三维点云数据与待贴图数模进行下采样操作，并降噪所述三维点云数据；
步骤S22：根据迭代最邻近点算法将降噪后的所述三维点云数据与下采样后的所述待贴图数模进行配准；
步骤S23：根据所述三维点云数据、所述待贴图数模、获取的点云特征匹配相关性集合和惩罚函数，构建变换矩阵，得到待贴图数模坐标系与结构光坐标系的转换关系。
4.根据权利要求3所述的一种三维点云纹理映射方法，其特征在于，所述步骤S3具体包括以下步骤：
步骤S31：根据所述变换矩阵、旋转参数、获取的点云特征匹配相关性集合，构建刚体变换矩阵；
步骤S32：将任意拍摄的的二维纹理图像映射至结构光坐标系，并通过尺度不变特征转换提取特征描述子；
步骤S33：根据所述特征描述子，将任意拍摄的的二维纹理图像与结构光设备拍摄的的二维纹理图像进行配准，根据所述刚体变换矩阵，得到任意拍摄的的二维纹理图像到结构光设备拍摄的的二维纹理图像的映射关系。
5.根据权利要求4所述的一种三维点云纹理映射方法，其特征在于，所述步骤S4具体包括以下步骤：
步骤S41：根据高斯核函数模糊任意拍摄的二维纹理图像和结构光坐标系下拍摄的二维纹理图像；
步骤S42：根据差分高斯检测模糊后的任意拍摄的二维纹理图像和结构光坐标系下拍摄的二维纹理图像中的特征点；
步骤S43：计算所述特征点的描述子，并根据所述描述子计算映射关系变换矩阵；
步骤S44：根据所述映射关系变换矩阵，将任意拍摄的二维纹理图像映射至三维数模。
6.根据权利要求5所述的一种三维点云纹理映射方法，其特征在于，所述描述子包括梯度方向和幅值。
7.根据权利要求2-6任一项所述的一种三维点云纹理映射方法，其特征在于，所述步骤S1的具体操作为：扫描单视角下目标物体的三维点云数据，根据背景光强、条纹调制幅值、相位偏移值和光强，采用四步相移解相位所述三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像。
8.一种三维点云纹理映射***，其特征在于，包括采集单元、转换单元、映射单元、处理单元；
所述采集单元，用于扫描单视角下目标物体的三维点云数据，在结构光坐标系下获取所述目标物体的二维纹理图像；
所述转换单元，用于将所述三维点云数据与目标物体真实数模进行配准，得到待贴图数模坐标系与结构光坐标系的转换关系；
所述映射单元，用于任意拍摄目标物体二维纹理图像，并通过特征点提取算法建立任意拍摄的二维纹理图像与结构光坐标系下拍摄的二维纹理图像之间的映射变换关系；
所述处理单元，用于将任意拍摄的二维纹理图像映射至三维数模。
9.一种电子设备，其特征在于，包括存储器和处理器；所述存储器用于存储计算机程序；当所述计算机程序在所述处理器上运行时，实现如权利要求1-7任一项所述的三维点云纹理映射方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在如权利要求9所述的电子设备上执行时，实现如权利要求1-7任一项所述的三维点云纹理映射方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311183719.9A CN117372608B (zh) | 2023-09-14 | 2023-09-14 | 一种三维点云纹理映射方法、***、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311183719.9A CN117372608B (zh) | 2023-09-14 | 2023-09-14 | 一种三维点云纹理映射方法、***、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117372608A true CN117372608A (zh) | 2024-01-09 |
| CN117372608B CN117372608B (zh) | 2024-07-12 |
Family
ID=89404908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311183719.9A Active CN117372608B (zh) | 2023-09-14 | 2023-09-14 | 一种三维点云纹理映射方法、***、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117372608B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021588A (zh) * | 2014-06-18 | 2014-09-03 | 公安部第三研究所 | 一种实时恢复车辆三维真实模型的***及方法 |
| CN107067462A (zh) * | 2017-03-10 | 2017-08-18 | 东华大学 | 基于视频流的织物三维悬垂形态重建方法 |
| CN111009030A (zh) * | 2019-11-27 | 2020-04-14 | 天津大学 | 一种多视高分辨率纹理图像与双目三维点云映射方法 |
| CN116645404A (zh) * | 2023-05-30 | 2023-08-25 | 江苏省基础地理信息中心 | 一种照片gps位置信息提取匹配方法以及提取匹配装置 |
-
2023
- 2023-09-14 CN CN202311183719.9A patent/CN117372608B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021588A (zh) * | 2014-06-18 | 2014-09-03 | 公安部第三研究所 | 一种实时恢复车辆三维真实模型的***及方法 |
| CN107067462A (zh) * | 2017-03-10 | 2017-08-18 | 东华大学 | 基于视频流的织物三维悬垂形态重建方法 |
| CN111009030A (zh) * | 2019-11-27 | 2020-04-14 | 天津大学 | 一种多视高分辨率纹理图像与双目三维点云映射方法 |
| CN116645404A (zh) * | 2023-05-30 | 2023-08-25 | 江苏省基础地理信息中心 | 一种照片gps位置信息提取匹配方法以及提取匹配装置 |
Non-Patent Citations (3)
| Title |
|---|
| 刘博文;童立靖;: "基于多视角三维扫描数据的图像配准", 软件, no. 10, 15 October 2016 (2016-10-15) * |
| 李佳;任慧;: "基于Kinect 2的三维人脸个性化建模", 中国传媒大学学报(自然科学版), no. 02, 25 April 2018 (2018-04-25) * |
| 王世淼;曾忠;李春梅;张军;: "基于结构光扫描三维重建技术研究", 北京印刷学院学报, no. 02, 26 April 2016 (2016-04-26) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117372608B (zh) | 2024-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8078004B2 (en) | Geometric registration of images by similarity transformation using two reference points | |
| EP2583054B1 (en) | Acquisition of 3d topographic images of tool marks using non-linear photometric stereo method | |
| CN107451982B (zh) | 一种基于无人机影像的高郁闭度林分树冠面积获取方法 | |
| Tao et al. | Dense point cloud extraction from UAV captured images in forest area | |
| CN107316325A (zh) | 一种基于图像配准的机载激光点云与影像配准融合方法 | |
| US20140267254A1 (en) | Accurate Image Alignment to a 3D Model | |
| CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
| CN111981982B (zh) | 一种基于加权sfm算法的多向合作靶标光学测量方法 | |
| CN109724586B (zh) | 一种融合深度图和点云的航天器相对位姿测量方法 | |
| Zheng et al. | Minimal solvers for 3d geometry from satellite imagery | |
| CN109186550B (zh) | 一种可编码近景摄影测量标志的编码解码与测量方法 | |
| 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 | |
| CN115423863A (zh) | 相机位姿估计方法、装置及计算机可读存储介质 | |
| Huang et al. | SAR and optical images registration using shape context | |
| CN111462246A (zh) | 一种结构光测量***的设备标定方法 | |
| CN108876829B (zh) | 基于非线性尺度空间及径向基函数的sar高精度配准方法 | |
| CN117372608B (zh) | 一种三维点云纹理映射方法、***、设备及介质 | |
| CN115690380B (zh) | 一种配准方法及*** | |
| CN116994012A (zh) | 一种基于生态修复的图斑匹配***及匹配方法 | |
| CN112991408B (zh) | 大场景高分辨率遥感图像自适应区域多特征配准方法及*** | |
| CN112270693B (zh) | 一种飞行时间深度相机运动伪差检测方法和装置 | |
| CN114998624A (zh) | 图像查找方法和装置 | |
| CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
| Wang et al. | A computer vision method for measuring angular velocity | |
| He et al. | Volume measurement of sand carrier using uav-based mapping |
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 |