一种基于无人机图像的风力发电叶片三维重构方法技术

本发明专利技术公开了一种基于无人机图像的风力发电叶片三维重构方法，包含以下步骤：A、图像特征点匹配；B、点云数据获取；C、点云数据网格化，构建三维模型；本发明专利技术采用基于图像尖锐度的角点匹配算法，将Canny边缘检测算子和8邻域轮廓追踪算法相结合提取单一像素级较清晰的边缘轮廓线，然后利用简单有效的图像尖锐度算法提取角点，最后进行角点的粗匹配和精匹配，建立不同视角的两幅图像中感兴趣角点的一一对应关系，获得较精准的角点匹配对，简化模型，增加准确性，提高可视化效果。

A Three-dimensional Reconstruction Method of Wind Turbine Blades Based on Unmanned Aerial Vehicle Image

【技术实现步骤摘要】
一种基于无人机图像的风力发电叶片三维重构方法
本专利技术涉及计算机
，具体是一种基于无人机图像的风力发电叶片三维重构方法。
技术介绍
近年来随着计算机技术的飞速发展，计算机视觉理论技术得到不断的突破。计算机视觉的最终研究目标是使计算机能够模拟人的视觉观察能力，通过所获得的二维信息从而获得认知理解三维信息的能力，也就是说，从扫描设备或者图像获取到三维几何信息，从而对现实生活中的场景和目标物进行描述、存储、识别和理解。而通过计算机对目标物或者场景进行三维重建所在的应用领域也越来越广泛。三维重构的目标是构建出真实世界对象的数字化表示，将其在屏幕上显示出来，并给人以真实的感觉。从最初的机器人导航应用以及到后来在制造业、建筑业、军事科技、地理信息系统等领域的广泛应用，现在逐步进入到与大众生活息息相关的产业，尤其是在广告业、影视娱乐、3D游戏、电子商务、虚拟现实、医学诊断等领域受到广泛的关注。因此如何简便、高效、逼真地构建三维模型以及具有广泛应用性的三维建模方法是国内外研究人员一直追求的目标。计算机三维重建是计算机辅助设计与计算机图形学中的一个重要的研究领域，构建三维模型的方法多种多样，基于图像建模，该方法通过相机采集的目标物的二维图像信息来恢复目标物的空间几何信息及相机参数等信息，即研究二维图像匹配点和三维空间中对应点的关系，计算并确定目标物的三维空间点的关系及其大小，从而实现目标物的三维重建。同时将三维几何信息和纹理信息通过贴图结合，从而获得具有相片级真实感的模型，建模过程自动化，人工劳动强度低，同时所需设备也很简单，只需要一台数码相机，大幅降低了建模成本。因此在需要真实感建模的场合中，基于图像的建模无疑具有很高的实用价值也成为当前的研究热点。图像的三维重构是综合计算机视觉、图像处理和计算机图形学等学科知识的新兴技术，它具有二维图形所不可比拟的特质，其模型可以从多个不同的角度进行直观地观测，并且具有逼真的效果、能够做到实时虚拟、实时互动等。相片级真实感的三维模型可广泛应用在遗产保护、文物研究和动画电影制作等数字娱乐领域，拥有很乐观的应用前景，因此如何通过图片信息更有效地构建出质量较好的三维模型也成为的当前的研究热点。伴随着人类社会对传统的不可再生资源比如煤炭、石油等资源的不断消耗，传统资源的纯储量也是在不断减少，这就要求人们要不断减少对传统资源的依赖程度，加大力度发展新型能源等某些可再生能源，例如风能源等，已经成为最关键的问题。这其中风力发电经过长时间的发展，在国内外已经取得了很大的进展。而叶片作为风力发电机的核心部件，其制造成本为整个风机的百分之二十左右，而且叶片本身是否有损坏直接影响着风机的发电效率，因此建立关于风力发电叶片的缺陷检测系统显得尤为重要。与此同时，通过无人机采集照片，利用计算机构造风电叶片的三维模型，用于后期对缺陷点的标注对整个检测系统来说是关键的一步。
技术实现思路
本专利技术的目的在于提供一种基于无人机图像的风力发电叶片三维重构方法，以解决所述
技术介绍
中提出的问题。为实现所述目的，本专利技术提供如下技术方案：一种基于无人机图像的风力发电叶片三维重构方法，包含以下步骤：A、图像特征点匹配；B、点云数据获取；C、点云数据网格化，构建三维模型。作为本专利技术的进一步技术方案：所述步骤A采用基于图像尖锐度的角点匹配算法实现。作为本专利技术的进一步技术方案：所述步骤A具体是：将Canny边缘检测算子和8邻域轮廓追踪算法相结合提取单一像素级较清晰的边缘轮廓线，然后利用简单有效的图像尖锐度算法提取角点，最后进行角点的粗匹配和精匹配，建立不同视角的两幅图像中感兴趣角点的一一对应关系，获得较精准的角点匹配对。作为本专利技术的进一步技术方案：所述步骤B采用从运动中恢复结构的方法实现。作为本专利技术的进一步技术方案：所述步骤B具体是：在图像特征匹配获得特征点匹配结果的基础上采用从运动中恢复结构的方法从图像中获取稀疏的三维点云，然后通过PMVS对稀疏的点云进行扩充从而获得稠密的点云数据。作为本专利技术的进一步技术方案：所述步骤C采用Crust算法网格化点云数据。作为本专利技术的进一步技术方案：所述步骤C具体是：在获得稠密的点云数据之后，通过网格化点云数据对空洞进行填充，简化模型，得到最终三维模型。与现有技术相比，本专利技术的有益效果是：(1)图像特征点匹配。本专利技术采用基于图像尖锐度的角点匹配算法，将Canny边缘检测算子和8邻域轮廓追踪算法相结合提取单一像素级较清晰的边缘轮廓线，然后利用简单有效的图像尖锐度算法提取角点，最后进行角点的粗匹配和精匹配，建立不同视角的两幅图像中感兴趣角点的一一对应关系，获得较精准的角点匹配对。(2)点云数据获取。本专利技术在图像特征匹配获得特征点匹配结果的基础上采用从运动中恢复结构的方法从图像中获取稀疏的三维点云，然后通过PMVS对稀疏的点云进行扩充从而获得稠密的点云数据。(3)点云数据网格化。在获得稠密的点云数据之后，如果直接只使用点的话表示模型并不直观，且点与点之间是离散的会产生空洞，因此，通过网格化点云数据对空洞进行填充，简化模型，增加准确性，提高可视化效果。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术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，都属于本专利技术保护的范围。实施例1：一种基于无人机图像的风力发电叶片三维重构方法，包含以下步骤：A、图像特征点匹配。先通过Canny边缘检测算子提取图像边缘，为尽可能减少噪声影响，在Canny边缘检测的基础上结合8邻域轮廓追踪方法得到轮廓边缘线。然后采用基于轮廓尖锐度的角点检测算法提取出感兴趣角点。最后，在角点匹配过程中，先采取零均值互相关法进行粗匹配建立一对多的匹配，再通过降低迭代次数的改进松弛迭代法得到精匹配的角点对。B、点云数据获取。根据已得到匹配点对的多视图之间的几何关系计算空间三维点坐标，采用光束平差算法对空间点进行优化，进而得到稀疏的三维点云。为了降低密集匹配时间和空间代价，通过CMVS算法对图像进行聚簇分类，最后利用PMVS算法对稀疏的三维点云进行种子面片扩展、过滤进而得到稠密的三维点云。C、点云数据网格化。稠密点云数据集呈离散分布不能够精细地展示目标物的三维模型，采用Crust算法网格化点云数据，其不需要对点云数据进行分析和预处理，点云越稠密的地方网格化的表面越接近真实目标物的表面，对于较稀疏的三角剖分地方采用改进后的Crust算法可根据设定的面积阈值对面积较大的三角形进行分裂，能够得到更多的三角面片从而得到相对更加细化的网格化表面。对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一本文档来自技高网...

【技术保护点】
1.一种基于无人机图像的风力发电叶片三维重构方法，其特征在于，包含以下步骤：图像特征点匹配；点云数据获取；点云数据网格化，构建三维模型。

【技术特征摘要】
1.一种基于无人机图像的风力发电叶片三维重构方法，其特征在于，包含以下步骤：图像特征点匹配；点云数据获取；点云数据网格化，构建三维模型。2.根据权利要求1所述的一种基于无人机图像的风力发电叶片三维重构方法，其特征在于，所述步骤A采用基于图像尖锐度的角点匹配算法实现。3.根据权利要求2所述的一种基于无人机图像的风力发电叶片三维重构方法，其特征在于，所述步骤A具体是：将Canny边缘检测算子和8邻域轮廓追踪算法相结合提取单一像素级较清晰的边缘轮廓线，然后利用简单有效的图像尖锐度算法提取角点，最后进行角点的粗匹配和精匹配，建立不同视角的两幅图像中感兴趣角点的一一对应关系，获得较精准的角点匹配对。4.根据权利要求1所述的一种基于无人机图像的风力...

【专利技术属性】
技术研发人员：闫哲，李福君，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23