System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机视觉和计算机图形学的,具体而言,涉及一种基于2.5d点云的法向量估计方法。
技术介绍
1、点云法向量估计是计算机视觉和计算机图形学中的一个重要步骤,点云法向量估计可以用于物体识别、三维重建、表面重建、点云分割等领域。现有的求取法向量的传统算法,大部分都是通过构建三维数据近邻点查找数据结构的方式求取每个点的邻域点云,获取每个点的邻域,并使用最小二乘法(ls)、移动最小二乘法(mls)或主成分分析法(pca)计算每个点的法向量,如此繁重的计算量,导致耗时长,计算效率低。又如现有技术中的基于协方差矩阵的法向量估计方法,通过基于kd-tree(k-dimensional tree,是一种高维二叉树数据结构)的数据结构计算邻域点,将点云分成多个局部区域,然后对每个局部区域进行法向量估计,最后通过拼接这些局部区域的法向量得到整个点云的法向量。此算法适用于大规模场景点云法线的求取,而在小规模场景中使用通常会增加计算量和计算的复杂程度。
2、使用深度学习计算法向量的方法近几年也有了可观的效果,如现有技术中提出一种使用深度学习进行点云上采样和法向量估计的方法,以实现更加鲁棒的表面重建。使用基于深度学习的神经网络,可以自动学习点云的特征,并且能够处理不规则采样和噪声等问题。但此方法仅适用于点云数量少的小型点云模型,对于大规模点云,算法耗时较长。现有技术中通过调用预先训练的语义分割模型,对点云数据进行语义分割,根据语义分割结果对点云数据进行聚类,根据聚类结果选取点云数据中各点对应的邻域点,及根据各点对应的邻域点计算法向量。
技术实现思路
1、本申请的目的在于:本专利技术在保证计算结果可用的前提下,采用深度图转换的方式将三维数据结构压缩为二维数据结构,通过二维数据结构快速查找出邻域点并计算法向量,解决现有技术中查找出邻域点计算量大且耗时长的问题。
2、本申请的技术方案是:提供了一种基于2.5d点云的法向量估计方法,该方法包括:
3、步骤1,利用3d相机从目标对象的一侧进行数据采集,获得目标对象的2.5d点云;
4、步骤2,利用虚拟远心相机,对2.5d点云进行虚拟拍摄,将采集到的2.5d点云转换为深度图,将2.5d点云中每个点的三维坐标映射到深度图中,使得深度图的每个像素格包含一组坐标信息;
5、步骤3,基于深度图查找目标点的邻域点,以目标点所对应的像素格为中心,提取周围像素格中的坐标信息,将周围像素格中的坐标信息作为邻域点的坐标;
6、步骤4,根据邻域点和目标点的坐标计算目标点的法向量。
7、进一步地,步骤2具体包括如下步骤:
8、步骤21,计算2.5d点云的包围盒,根据包围盒计算2.5d点云的长、宽和高;
9、步骤22,根据2.5d点云的长、宽和高,创建虚拟远心镜头相机模型;
10、步骤23,基于虚拟远心镜头相机模型将2.5d点云转换成深度图。
11、进一步地,步骤22中,构建2.5d点云的包围盒后,以2.5d点云的长度方向为x轴,以2.5d点云的宽度方向为y轴,以2.5d点云的高度方向为z轴,建立相机坐标系,将虚拟远心镜头相机模型设置在相机坐标系的坐标原点上,令相机的光轴与z轴平行,将2.5d点云平移至相机坐标系,使得2.5d点云中所有点均位于虚拟远心镜头相机模型下方的拍摄区域,其中,2.5d点云包围盒中心位于虚拟远心镜头相机模型的正下方,将2.5d点云中所有点的坐标转换为与相机坐标系对应的坐标。
12、进一步地,步骤23中,基于虚拟远心镜头相机模型将2.5d点云转换成深度图的具体过程如下:
13、使用虚拟远心镜头相机模型的对2.5d点云进行虚拟拍摄,使得2.5d点云中所有点投影在相机坐标系的xy平面上形成投影点,将2.5d点云中点的三维坐标信息与其投影点位置进行匹配保存,生成深度图,其中,投影点位置与深度图中像素格的位置对应,深度图的宽度与2.5d点云的长度相对应,深度图的高度与2.5d点云的宽度相对应,深度图的宽度方向对应图像的横向,深度图的高度方向对应图像的纵向,深度图的分辨率为:
14、sx=l*s/w
15、sy=w*s/h
16、其中,sx为深度图横向的分辨率,sy为深度图纵向的分辨率,l为2.5d点云的长度,w为2.5d点云的宽度,s为比例因子,w为深度图的宽度,h为深度图高度;
17、调节比例因子s,使得深度图中每个像素格仅对应一个投影点,生成深度图时,将2.5d点云中点的三维坐标信息与其对应的像素格位置进行匹配保存,深度图中像素格的位置为(u,v),每个像素格包含一组坐标信息,即x值、y值和z值,像素格的深度值用z值表示,其中,像素格包含的坐标信息与2.5d点云中点的坐标对应,当像素格无对应的投影点时,其坐标信息设置为(nan,nan,nan)。
18、进一步地,步骤3具体包括如下步骤:
19、步骤31,以目标点在深度图中所对应像素格的位置(u,v)为中心,确定周围像素格的位置;
20、步骤32,提取周围像素格中的坐标信息,其中坐标信息对应邻域点的坐标。
21、进一步地,步骤31中,确定需要计算法向量的目标点,在深度图中目标点所对应像素格的位置为(u,v),以像素格的位置(u,v)为中心,对该像素格的上、下、左、右四个边界分别扩展m个像素进行查找,得到周围像素格的位置,其中m=1,2,当m=1时查找周围8个像素格,当m=2时查找周围24个像素格。
22、进一步地,步骤4具体包括如下步骤:
23、步骤41,采用坐标相减的方法计算目标点与邻域点之间的方向向量,具体方法如下:
24、目标点的坐标为(x0,y0,z0),邻域点的坐标为(xj,yj,zj),方向向量为ki=(xj-x0,yj-y0,zj-z0),其中,i=1,2,3,...,n,当m=1时,j=8,n≤8,当m=2时,j=24,n≤24,当在周围像素格中提取的坐标信息为(nan,nan,nan)时,该坐标不参与方向向量的运算;
25、步骤42,对相邻的方向向量进行两两叉乘,得到多个法向量,计算公式如下:
26、
27、其中,ci为法向量,i=1,2,3,...,n;
28、步骤43,计算所有法向量的平均值,将平均值作为目标点的法向量,计算公式如下:
29、
30、其中,c为目标点的法向量,根据上述方法计算所有点的法向量。
31、进一步地,步骤21中,所采集的2.5d点云包括有序点云和无序点云;
32、当采集的2.5d点云为有序点云时,计算其aabb包围盒,并根据aabb包围盒计算出中心坐标以及点云的长、宽、高,具体如本文档来自技高网...
【技术保护点】
1.一种基于2.5D点云的法向量估计方法,其特征在于,所述基于2.5D点云的法向量估计方法包括:
2.如权利要求1所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤2具体包括如下步骤:
3.如权利要求2所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤22中,构建2.5D点云的包围盒后,以2.5D点云的长度方向为x轴,以2.5D点云的宽度方向为y轴,以2.5D点云的高度方向为z轴,建立相机坐标系,将虚拟远心镜头相机模型设置在相机坐标系的坐标原点上,令相机的光轴与z轴平行,将2.5D点云平移至相机坐标系,使得2.5D点云中所有点均位于虚拟远心镜头相机模型下方的拍摄区域,其中,2.5D点云包围盒中心位于虚拟远心镜头相机模型的正下方,将2.5D点云中所有点的坐标转换为与相机坐标系对应的坐标。
4.如权利要求3所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤23中,基于所述虚拟远心镜头相机模型将2.5D点云转换成深度图的具体过程如下:
5.如权利要求4所述的基于2.5D点云的法向量估计方法,其特征在于,所述步
6.如权利要求5所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤31中,确定需要计算法向量的目标点,在深度图中目标点所对应像素格的位置为(u,v),以像素格的位置(u,v)为中心,对该像素格的上、下、左、右四个边界分别扩展m个像素进行查找,得到周围像素格的位置,其中m=1,2,当m=1时查找周围8个像素格,当m=2时查找周围24个像素格。
7.如权利要求6所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤4具体包括如下步骤:
8.如权利要求2所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤21中,所采集的2.5D点云包括有序点云和无序点云;
9.如权利要求1所述的基于2.5D点云的法向量估计方法,其特征在于,所述步骤1中,使用3D相机采集目标对象的2.5D点云,调节3D相机位置使得其能够捕捉到目标对象一侧的形状,使用3D相机对目标对象进行数据采集,根据采集的三维数据生成目标对象的2.5D点云,2.5D点云中点的三维坐标与目标对象表面上点的三维坐标对应。
...【技术特征摘要】
1.一种基于2.5d点云的法向量估计方法,其特征在于,所述基于2.5d点云的法向量估计方法包括:
2.如权利要求1所述的基于2.5d点云的法向量估计方法,其特征在于,所述步骤2具体包括如下步骤:
3.如权利要求2所述的基于2.5d点云的法向量估计方法,其特征在于,所述步骤22中,构建2.5d点云的包围盒后,以2.5d点云的长度方向为x轴,以2.5d点云的宽度方向为y轴,以2.5d点云的高度方向为z轴,建立相机坐标系,将虚拟远心镜头相机模型设置在相机坐标系的坐标原点上,令相机的光轴与z轴平行,将2.5d点云平移至相机坐标系,使得2.5d点云中所有点均位于虚拟远心镜头相机模型下方的拍摄区域,其中,2.5d点云包围盒中心位于虚拟远心镜头相机模型的正下方,将2.5d点云中所有点的坐标转换为与相机坐标系对应的坐标。
4.如权利要求3所述的基于2.5d点云的法向量估计方法,其特征在于,所述步骤23中,基于所述虚拟远心镜头相机模型将2.5d点云转换成深度图的具体过程如下:
5.如权利要求4所述的基于2.5d点云的法向量估计方法,其特征...
【专利技术属性】
技术研发人员:于龙龙,张宸博,姜晓燕,吴忠山,邓红丽,
申请(专利权)人:北京大恒图像视觉有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。