CN117523106B - 一种单目结构光的三维重建方法、***、设备及介质 - Google Patents
一种单目结构光的三维重建方法、***、设备及介质 Download PDFInfo
- Publication number
- CN117523106B CN117523106B CN202311586421.2A CN202311586421A CN117523106B CN 117523106 B CN117523106 B CN 117523106B CN 202311586421 A CN202311586421 A CN 202311586421A CN 117523106 B CN117523106 B CN 117523106B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- matrix
- pixel
- homonymous
- coordinates
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 239000011159 matrix material Substances 0.000 claims abstract description 153
- 230000003287 optical effect Effects 0.000 claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims description 40
- 230000010363 phase shift Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000007704 transition Effects 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种单目结构光的三维重建方法、***、设备及介质,该方法通过获取二维图像;对相机和光机分别进行标定处理,得到第一旋转矩阵、第一平移矩阵、第二旋转矩阵和第二平移矩阵;根据所述竖直格雷码图案和所述二维图像,确定像素点的绝对相位;根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标;根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建。该方法可以有效提高三维重建的效率,有效减少噪声和所需的计算资源,提高三维重建精度。本发明可广泛应用于三维重建技术领域。
Description
技术领域
本发明涉及三维重建技术领域,尤其是一种单目结构光的三维重建方法、***、设备及介质。
背景技术
非接触式三维重建技术主要通过光、声音、电磁波等方式接触目标物来获取物体的三维信息或者通过多视图几何原理进行三维重建,其中,基于光学的非接触式重建技术是目前比较常用的,常见的光学物体三维重建技术主要包括激光重建法和多目视觉法等等。
目前,现有的激光重建方法进行三维重建的重建精度较高,但重建速度较慢,重建耗时较多,且对三维重建的硬件要求较高;另外,现有的多目视觉法受限于视觉和时长,无法实现全方位的三维重建,且在对高反光物体的三维重建时,含有的噪声较多,精度较低,以及重建效率较低。还有,现有的结构光三维重建方法在三维重建时,计算复杂且计算量大,所需的计算资源较多,三维重建的效率较低。
因此,现有技术存在的问题还亟需解决和优化。
发明内容
本发明的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
为此,本发明实施例的第一个目的在于提供单目结构光的三维重建方法,该三维重建方法可以有效提高三维重建的效率,有效减少噪声,提高三维重建精度,以及减少三维重建所需的计算资源。
本申请实施例的第二个目的在于提供单目结构光的三维重建方法。
本申请实施例的第三个目的在于提供一种单目结构光的三维重建***。
为了达到上述技术目的,本申请实施例所采取的技术方案包括:
第一方面,本申请实施例提供了一种单目结构光的三维重建方法,包括:
获取待重建物体的二维图像;
对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;
根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;
根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;
根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建。另外,根据本申请上述实施例的三维重建方法,还可以具有以下附加的技术特征:
进一步地,在本申请的一个实施例中,所述对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,包括:
获取投影相移后标定板的图像序列;
对所述图像序列进行合成处理,得到相机标定图像;
对所述相机标定图像进行角点处理,得到所述相机标定图像中的所有角点;
根据所有所述角点确定所述第一旋转矩阵和所述第一平移矩阵。
进一步地,在本申请的一个实施例中,所述对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,包括:
对所述竖直格雷码图案进行列解码处理,得到与所述竖直格雷码图案对应的第一列整型坐标;
根据所述相移条纹图案,对所述第一列整型坐标进行三步相移处理,得到与所述竖直格雷码图案对应的浮点的第一列坐标;
对所述浮点的第一列坐标进行极线约束处理,得到所述浮点的第一行坐标;
根据所述第一列坐标和所述第一行坐标,确定所述第二旋转矩阵和所述第二平移矩阵。
进一步地,在本申请的一个实施例中,所述根据所述竖直格雷码图案和所述二维图像,确定所述二维图像所有像素点的绝对相位,包括:
根据所述竖直格雷码图案,得到所述二维图像所有像素点的相对相位;
根据所述相移条纹图案,对所述竖直格雷码图案进行解码阈值处理,得到所述竖直格雷码图案的条纹阶数;
根据所述条纹阶数和所述相对相位,确定所述二维图像所有像素点的绝对相位。
进一步地,在本申请的一个实施例中,所述根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,包括:
根据所述第一旋转矩阵和所述第一平移矩阵确定第一转换矩阵,以及根据所述第二旋转矩阵和所述第二平移矩阵确定第二转换矩阵,其中,所述第一转换矩阵用于表征相机坐标系转换至标定板坐标系的转换关系,所述第二转换矩阵用于表征光机坐标系转换至标定板坐标系的转换关系;
根据所述第一转换矩阵和所述第二转换矩阵,对所述像素点的像素坐标进行坐标转换处理,得到所述同名点的同名坐标。
进一步地,在本申请的一个实施例中,所述根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建,包括:
根据所述像素点的像素坐标和所述同名点的同名坐标,确定中间点云数据;
根据所述像素点的绝对相位,对所述中间点云数据进行深度处理,得到三维点云数据;
根据所述三维点云数据对所述待重建物体进行三维重建。
进一步地,在本申请的一个实施例中,所述三维重建方法还包括:
根据高斯滤波核对初始的三维点云数据进行卷积去噪处理,得到去噪后的三维点云数据;
对所述去噪后的三维点云数据进行邻域距离处理,得到第一平均距离,所述第一平均距离用于表征所述去噪后的三维点云数据中的点数据与所有邻域点之间的平均距离;
对所有第一平均距离进行阈值处理,得到距离阈值;
根据所述距离阈值和所述第一平均距离,对所述去噪后的三维点云数据进行移除处理,得到所述三维点云数据。
第二方面,本申请实施例提供了一种单目结构光的三维重建***,包括:
获取模块,用于通过单目结构光获取待重建物体的二维图像;
标定模块,用于对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;
第一处理模块,用于根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;
第二处理模块,用于根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;
重建模块,用于根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建。
第三方面,本申请实施例还提供了一种计算机设备,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由所述处理器执行时用于实现上述的方法。
本申请的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到:
本申请实施例所公开的一种单目结构光的三维重建方法、***、设备及介质,所述三维重建方法通过获取待重建物体的二维图像;对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建。该三维重建方法可以有效提高三维重建的效率,有效减少噪声,提高三维重建精度,以及减少三维重建所需的计算资源。
附图说明
为了更清楚地说明本申请实施例或者现有技术中的技术方案,下面对本申请实施例或者现有技术中的相关技术方案附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表达本申请的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本申请实施例提供的一种单目结构光的三维重建方法的流程示意图;
图2为本申请实施例提供的一种单目结构光的三维重建***的结构示意图;
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
目前,现有的激光重建方法进行三维重建的重建精度较高,但重建速度较慢,重建耗时较多,且对三维重建的硬件要求较高;另外,现有的多目视觉法受限于视觉和时长,无法实现全方位的三维重建,且在对高反光物体的三维重建时,含有的噪声较多,精度较低,以及重建效率较低。还有,现有的结构光三维重建方法在三维重建时,计算复杂且计算量大,所需的计算资源较多,三维重建的效率较低。
有鉴于此,本发明实施例提供一种单目结构光的三维重建方法、***、设备及介质,其中,该三维重建方法可以有效提高三维重建的效率,有效减少噪声,提高三维重建精度,以及减少三维重建所需的计算资源。
参照图1,本申请实施例中,一种单目结构光的三维重建方法,包括:
步骤110、获取待重建物体的二维图像;
在本申请实施例中,待重建物体的二维图像可以是使用单目结构光对待重建物体进行扫描,然后通过相机获取到待重建物体的二维图像。
步骤120、对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;
所述步骤120、对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,包括:
步骤121、获取投影相移后标定板的图像序列;
步骤122、对所述图像序列进行合成处理,得到相机标定图像;
步骤123、对所述相机标定图像进行角点处理,得到所述相机标定图像中的所有角点;
步骤124、根据所有所述角点确定所述第一旋转矩阵和所述第一平移矩阵。
在本申请实施例中,可以将一个已知形状和尺寸的标定板固定在特定位置和姿态上,以此确保该标定板在相机视野和光机视野中都有覆盖,该标定板通常是一个黑白格子或者特殊编码的标定板;然后,通过相机拍摄包含投影相移后标定板的图像序列,该图像序列含有多张投影相移后标定板的图像,示例性地,本申请实施例中的图像序列包含三张投影相移后标定板的图像,图像序列的具体图像数量可以根据实际需求设置,本申请示例仅作说明,满足实际需求即可。接着,合成图像序列中的所有图像,得到一个亮度最大的相机标定图像,并通过图像角点检测算法检测出该相机标定图像内标定板上的所有角点,并根据检测出的所有角点确定相机的内部参数和外部参数,其中,内部参数包括焦距、畸变系数等,外部参数包括第一旋转矩阵和第一平移矩阵。
所述步骤120、对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,包括:
步骤125、对所述竖直格雷码图案进行列解码处理,得到与所述竖直格雷码图案对应的第一列整型坐标;
步骤126、根据所述相移条纹图案,对所述第一列整型坐标进行三步相移处理,得到与所述竖直格雷码图案对应的浮点的第一列坐标;
步骤127、对所述浮点的第一列坐标进行极线约束处理,得到所述浮点的第一行坐标;
步骤128、根据所述第一列坐标和所述第一行坐标,确定所述第二旋转矩阵和所述第二平移矩阵。
在本申请实施例中,高频条纹图案可以是大于第一频率阈值的条纹图案,第一频率阈值用于表征在当前图像宽度中,条纹变换的次数;示例性地,第一频率阈值可以是92,本申请示例仅作说明,并非对本申请作出限制。首先可以通过光机投影竖直格雷码图案,然后通过相机采集该竖直格雷码图案并进行格雷码解码,将每张包含格雷码图案的图像进行二值化处理,并对该组图案中的每个像素的像素值生成二进制值,具体地,对于竖直格雷码图案,其格雷码解码得到各个格雷码图形对应的第一列坐标,其中,所有格雷码图形组成竖直格雷码图案;接着,由光机投影三种不同频率的高频条纹图案,并由相机采集到三种不同频率的高频条纹图案后,根据三种不同频率的高频条纹图案之间的相移关系,获得各个与格雷码图形对应的浮点的第一列坐标;在接着,对于某一浮点而言,根据该浮点在相机坐标系和光机坐标系的极线约束关系,得到浮点的第一行坐标;最后根据浮点的第一行坐标、浮点的第一列坐标,以及标定板上已知的棋盘格坐标和对应各焦点光机坐标,得到光机的内部参数和外部参数,内部参数与相机类似,本申请在此就不再多余赘述,光机的外部参数包括第二旋转矩阵和第二平移矩阵。
步骤130、根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;
所述步骤130、根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位,包括:
步骤131、根据所述竖直格雷码图案,得到所述二维图像所有像素点的相对相位;
步骤132、根据所述相移条纹图案,对所述竖直格雷码图案进行解码阈值处理,得到所述竖直格雷码图案的条纹阶数;
步骤133、根据所述条纹阶数和所述相对相位,确定所述二维图像所有像素点的绝对相位。
在本申请实施例中,可以通过三步相移法确定二维图像所有像素点的相对相位,通过三步相移法求取相对相位的公式如下:
其中,为相对相位,I0为第一张投影对应相位条纹的格雷码图案的像素值,I1为第一张投影对应相位条纹的格雷码图案的像素值,I2为第一张投影对应相位条纹的格雷码图案的像素值。
在本申请实施例中,可以通过采用全部格雷码图案的图像集合中的最大像素值和最小像素值,来确定二值化阈值;然后,根据该二值化阈值,对格雷码图案进行格雷码解码以及二值化处理,以此完成解码阈值处理,然后确定出投影相位条纹的格雷码图案的的条纹阶数,接着,根据条纹阶数和相对相位,对每个像素进行相位展开处理,即可确定出二维图像所有像素点的绝对相位。
步骤140、根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;
所述步骤140、根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应,包括:
步骤141、根据所述第一旋转矩阵和所述第一平移矩阵确定第一转换矩阵,以及根据所述第二旋转矩阵和所述第二平移矩阵确定第二转换矩阵,其中,所述第一转换矩阵用于表征相机坐标系转换至标定板坐标系的转换关系,所述第二转换矩阵用于表征光机坐标系转换至标定板坐标系的转换关系;
步骤142、根据所述第一转换矩阵和所述第二转换矩阵,对所述像素点的像素坐标进行坐标转换处理,得到所述同名点的同名坐标。
在本申请实施例中,可以将相机坐标系上的像素点转为光机坐标系的坐标点,作为同名点。示例性地,第一旋转矩阵和第一平移矩阵可以合成为第一转换矩阵,第二旋转矩阵和第二平移矩阵可以合称为第二转换矩阵,然后,通过第一转换矩阵和第二转换矩阵,确定出相机坐标系转换至光机坐标系的转换关系,该转换关系可以通过第三转换矩阵表征,该第三转换矩阵的公式形式为:
其中,K为第三转换矩阵,K1为第二转换矩阵,KC为第一转换矩阵。
可以理解的是,在确定第三转换矩阵后,可以根据相机坐标系上的像素点的像素坐标,以及第三转换矩阵进行坐标转换处理,得到在光机坐标系上的同名点的同名坐标。
步骤150、根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建。
所述步骤150、根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建,包括:
步骤151、根据所述像素点的像素坐标和所述同名点的同名坐标,确定中间点云数据;
步骤152、根据所述像素点的绝对相位,对所述中间点云数据进行深度处理,得到三维点云数据;
步骤153、根据所述三维点云数据对所述待重建物体进行三维重建。
在本申请实施例中,首先,根据每个像素点的像素坐标,以及与每个像素点对应的同名点的同名坐标,通过三角几何原理确定出每个像素点在相机坐标系下的物体三维坐标点,该物体三维坐标点还不能确定出具体的深度值,并将该物体二维坐标点作为中间点云数据;接着,通过像每个素点的绝对相位,确定出每个像素点对应的深度值,从而得到待重建物体的全部有效表面点的三维坐标,并将待重建物体的全部有效表面点的三维坐标作为三维点云数据进行曲面构建,以此完成三维重建。
在一些实施例中,所述三维重建方法还包括:
步骤160、根据高斯滤波核对初始的三维点云数据进行卷积去噪处理,得到去噪后的三维点云数据;
步骤170、对所述去噪后的三维点云数据进行邻域距离处理,得到第一平均距离,所述第一平均距离用于表征所述去噪后的三维点云数据中的点数据与所有邻域点之间的平均距离;
步骤180、对所有第一平均距离进行阈值处理,得到距离阈值;
步骤190、根据所述距离阈值和所述第一平均距离,对所述去噪后的三维点云数据进行移除处理,得到所述三维点云数据。
在本申请实施例中,在获得三维点云数据后,三维点云数据仍存在一定的噪声,故可以通过二阶高斯函数生成高斯滤波核,以此实现对三维点云数据的卷积去噪,从而提高点云数据的质量和精度,具体地,高斯滤波核的等效公式为:
其中,δ为高斯滤波核处理半径,x为高斯滤波核的横坐标,y为高斯滤波核的纵坐标,exp表示以e为底的指数函数,f(x,y)用于表征高斯滤波核。
可以理解的是,可以通过计算点云数据中某一点数据与所有邻域点的距离,然后根据某一点数据与所有邻域点的距离确定出该点数据对应的第一平均距离,第一平均距离的公式为:
其中,为第一平均距离,n为该点数据的邻域点的数量,n为正整数,pi为该点数据与第i个邻域点的距离。
在本申请实施例中,阈值处理可以是求取所有第一平均距离的平均值和标准差,并根据该平均值和标准差生成距离阈值,具体第,距离阈值可以等效为:
其中,Dthr为距离阈值,为所有第一平均距离的平均值,S为所有第一平均距离的标准差,δ为预设的距离因子。
移除处理可以是将去噪后的三维点云数据中,第一平均距离超出距离阈值的点数据标记为离群点数据并移除,以此得到三维点云数据。
值得一提的是,现有的结构光三维重建方法由于计算复杂且计算量大,并不能基于GPU来实现对物体的三维重建,其往往采用CPU来实现基于结构光的三维重建,这种方式下的点云三维重建效率较低。而本申请实施例通过基于高频条纹图案的三维重建方法,有效降低了基于结构光的三维重建方法的计算复杂度以及所需的计算量,并使得本申请实施例提及的三维重建方法可以特化应用于GPU的大规模并行计算,以进一步提高三维重建的效率。另外,由于基于结构光三维重建得到的三维点云数据是有序点云,每个点附近的点坐标是已知的,现有结构光三维重建通常采用k维树(kd-tree)进行近邻点检索,该种方式耗时长,使得三维重建的效率较低,而本申请实施例通过高斯滤波核这一方式可以有效提高三维重建的效率,并可以特化应用于GPU。
参照图2,本申请实施例还提供了一种单目结构光的三维重建***,包括:
获取模块101,用于通过单目结构光获取待重建物体的二维图像;
标定模块102,用于对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;
第一处理模块103,用于根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;
第二处理模块104,用于根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;
重建模块105,用于根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建。可以理解的是,上述方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本申请实施例还提供了一种计算机设备,包括:
至少一个处理器201;
至少一个存储器202,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器201执行,使得所述至少一个处理器201实现上述的方法实施例。
同理,可以理解的是,上述方法实施例中的内容均适用于本设备实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本申请实施例还提供了一种计算机可读存储介质,其中存储有处理器201可执行的程序,处理器201可执行的程序在由所述处理器201执行时用于实现上述的方法实施例。
同理,上述方法实施例中的内容均适用于本计算机可读存储介质实施例中,本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或方框有时能以相反顺序被执行。此外,在本申请的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本申请,但应当理解的是,除非另有相反说明,功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本申请是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本申请。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本申请的范围,本申请的范围由所附权利要求书及其等同方案的全部范围来决定。
功能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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施方式,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
以上是对本申请的较佳实施进行了具体说明,但本申请并不限于实施例,熟悉本领域的技术人员在不违背本申请精神的前提下可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种单目结构光的三维重建方法,其特征在于,包括:
获取待重建物体的二维图像;
对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;
根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;
根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;
根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建;
所述对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,包括:
对所述竖直格雷码图案进行列解码处理,得到与所述竖直格雷码图案对应的第一列整型坐标;
根据所述相移条纹图案,对所述第一列整型坐标进行三步相移处理,得到与所述竖直格雷码图案对应的浮点的第一列坐标;
对所述浮点的第一列坐标进行极线约束处理,得到所述浮点的第一行坐标;
根据所述第一列坐标和所述第一行坐标,确定所述第二旋转矩阵和所述第二平移矩阵。
2.根据权利要求1所述的三维重建方法,其特征在于,所述对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,包括:
获取投影相移后标定板的图像序列;
对所述图像序列进行合成处理,得到相机标定图像;
对所述相机标定图像进行角点处理,得到所述相机标定图像中的所有角点;
根据所有所述角点确定所述第一旋转矩阵和所述第一平移矩阵。
3.根据权利要求1所述的三维重建方法,其特征在于,所述根据所述竖直格雷码图案和所述二维图像,确定所述二维图像所有像素点的绝对相位,包括:
根据所述竖直格雷码图案,得到所述二维图像所有像素点的相对相位;
根据所述相移条纹图案,对所述竖直格雷码图案进行解码阈值处理,得到所述竖直格雷码图案的条纹阶数;
根据所述条纹阶数和所述相对相位,确定所述二维图像所有像素点的绝对相位。
4.根据权利要求3所述的三维重建方法,其特征在于,所述根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,包括:
根据所述第一旋转矩阵和所述第一平移矩阵确定第一转换矩阵,以及根据所述第二旋转矩阵和所述第二平移矩阵确定第二转换矩阵,其中,所述第一转换矩阵用于表征相机坐标系转换至标定板坐标系的转换关系,所述第二转换矩阵用于表征光机坐标系转换至标定板坐标系的转换关系;
根据所述第一转换矩阵和所述第二转换矩阵,对所述像素点的像素坐标进行坐标转换处理,得到所述同名点的同名坐标。
5.根据权利要求1所述的三维重建方法,其特征在于,所述根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建,包括:
根据所述像素点的像素坐标和所述同名点的同名坐标,确定中间点云数据;
根据所述像素点的绝对相位,对所述中间点云数据进行深度处理,得到三维点云数据;
根据所述三维点云数据对所述待重建物体进行三维重建。
6.根据权利要求1所述的三维重建方法,所述三维重建方法还包括:
根据高斯滤波核对初始的三维点云数据进行卷积去噪处理,得到去噪后的三维点云数据;
对所述去噪后的三维点云数据进行邻域距离处理,得到第一平均距离,所述第一平均距离用于表征所述去噪后的三维点云数据中的点数据与所有邻域点之间的平均距离;
对所有第一平均距离进行阈值处理,得到距离阈值;
根据所述距离阈值和所述第一平均距离,对所述去噪后的三维点云数据进行移除处理,得到所述三维点云数据。
7.一种单目结构光的三维重建***,其特征在于,包括:
获取模块,用于通过单目结构光获取待重建物体的二维图像;
标定模块,用于对相机进行第一标定处理,得到第一旋转矩阵和第一平移矩阵,以及对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,其中,所述光机用于投影竖直格雷码图案和相移条纹图案,所述相移条纹图案为三种不同频率的高频条纹图案;
第一处理模块,用于根据所述竖直格雷码图案和所述二维图像,确定所述二维图像中的所有像素点的绝对相位;
第二处理模块,用于根据所述第一旋转矩阵、所述第一平移矩阵、所述第二旋转矩阵和所述第二平移矩阵,对所述二维图像所有像素点的像素坐标进行转换处理,得到同名点的同名坐标,其中,每个所述同名点与所述二维图像中的一个像素点对应;
重建模块,用于根据所述像素点的绝对相位、所述像素点的像素坐标和所述同名点的同名坐标,对所述待重建物体进行三维重建;
其中,所述对光机进行第二标定处理,得到第二旋转矩阵和第二平移矩阵,包括:
对所述竖直格雷码图案进行列解码处理,得到与所述竖直格雷码图案对应的第一列整型坐标;
根据所述相移条纹图案,对所述第一列整型坐标进行三步相移处理,得到与所述竖直格雷码图案对应的浮点的第一列坐标;
对所述浮点的第一列坐标进行极线约束处理,得到所述浮点的第一行坐标;
根据所述第一列坐标和所述第一行坐标,确定所述第二旋转矩阵和所述第二平移矩阵。
8.一种计算机设备,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-6中任一项所述的三维重建方法。
9.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1-6中任一项所述的三维重建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311586421.2A CN117523106B (zh) | 2023-11-24 | 2023-11-24 | 一种单目结构光的三维重建方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311586421.2A CN117523106B (zh) | 2023-11-24 | 2023-11-24 | 一种单目结构光的三维重建方法、***、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117523106A CN117523106A (zh) | 2024-02-06 |
CN117523106B true CN117523106B (zh) | 2024-06-07 |
Family
ID=89751093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311586421.2A Active CN117523106B (zh) | 2023-11-24 | 2023-11-24 | 一种单目结构光的三维重建方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117523106B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408762A (zh) * | 2014-10-30 | 2015-03-11 | 福州大学 | 利用单目和二维平台获取物体图像信息及三维模型的方法 |
CN106204732A (zh) * | 2016-07-21 | 2016-12-07 | 深圳市易尚展示股份有限公司 | 动态曝光的三维重建方法及*** |
CN108242064A (zh) * | 2016-12-27 | 2018-07-03 | 合肥美亚光电技术股份有限公司 | 基于面阵结构光***的三维重建方法及*** |
CN111429532A (zh) * | 2020-04-30 | 2020-07-17 | 南京大学 | 一种利用多平面标定板提高相机标定精确度的方法 |
CN113506348A (zh) * | 2021-07-15 | 2021-10-15 | 吉林省凯迪科技有限公司 | 一种基于格雷码辅助的三维坐标计算方法 |
WO2022160761A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京罗克维尔斯科技有限公司 | 双立体相机的标定方法及装置 |
CN116993901A (zh) * | 2023-06-15 | 2023-11-03 | 江苏大学 | 基于双目结构光的三维图像重建方法 |
-
2023
- 2023-11-24 CN CN202311586421.2A patent/CN117523106B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408762A (zh) * | 2014-10-30 | 2015-03-11 | 福州大学 | 利用单目和二维平台获取物体图像信息及三维模型的方法 |
CN106204732A (zh) * | 2016-07-21 | 2016-12-07 | 深圳市易尚展示股份有限公司 | 动态曝光的三维重建方法及*** |
CN108242064A (zh) * | 2016-12-27 | 2018-07-03 | 合肥美亚光电技术股份有限公司 | 基于面阵结构光***的三维重建方法及*** |
CN111429532A (zh) * | 2020-04-30 | 2020-07-17 | 南京大学 | 一种利用多平面标定板提高相机标定精确度的方法 |
WO2022160761A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京罗克维尔斯科技有限公司 | 双立体相机的标定方法及装置 |
CN113506348A (zh) * | 2021-07-15 | 2021-10-15 | 吉林省凯迪科技有限公司 | 一种基于格雷码辅助的三维坐标计算方法 |
CN116993901A (zh) * | 2023-06-15 | 2023-11-03 | 江苏大学 | 基于双目结构光的三维图像重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117523106A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jeon et al. | Accurate depth map estimation from a lenslet light field camera | |
Shen | Accurate multiple view 3d reconstruction using patch-based stereo for large-scale scenes | |
US9117267B2 (en) | Systems and methods for marking images for three-dimensional image generation | |
CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
Jeon et al. | Reconstruction-based pairwise depth dataset for depth image enhancement using CNN | |
US20130321393A1 (en) | Smoothing and robust normal estimation for 3d point clouds | |
CN113077459B (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111260675B (zh) | 一种图像真实边界高精度提取方法及*** | |
Lun | Robust fringe projection profilometry via sparse representation | |
Zhang et al. | Point Cloud Denoising With Principal Component Analysis and a Novel Bilateral Filter. | |
Kawasaki et al. | An image processing approach to feature-preserving B-spline surface fairing | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN117274072A (zh) | 一种基于二维多模态范围图像的点云去噪方法及装置 | |
Lao et al. | Corresnerf: Image correspondence priors for neural radiance fields | |
CN117523106B (zh) | 一种单目结构光的三维重建方法、***、设备及介质 | |
CN116152119B (zh) | 用于条纹结构光的相位去噪方法、装置、设备及介质 | |
CN111899326A (zh) | 一种基于gpu并行加速的三维重建方法 | |
CN116596801A (zh) | 一种图像非局部均值去噪方法及装置 | |
CN114926352B (zh) | 一种图像去反射方法、***、装置及存储介质 | |
Jung et al. | Intensity-guided edge-preserving depth upsampling through weighted L0 gradient minimization | |
Zhao et al. | NormalNet: Learning-based normal filtering for mesh denoising | |
Yu et al. | Intensity guided depth upsampling using edge sparsity and super-weighted $ l_0 $ gradient minimization | |
Ye et al. | A sparsity-promoting image decomposition model for depth recovery | |
CN112907733A (zh) | 重建三维模型的方法及装置和三维模型采集及重建*** | |
Peng et al. | Research on qr 2-d code graphics correction algorithms based on morphological expansion closure and edge detection |
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 |