一种对象的三维重建方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及计算机视觉技术领域，本发明专利技术公开了一种对象的三维重建方法、装置、设备及存储介质。该三维重建方法是通过先获取目标对象的世界坐标下的三维坐标集合，进而确定出目标对象的在相机坐标系下的三维坐标集合，并利用聚类算法确定出清晰区域的目标点集，找到该点集对应的世界坐标下的三维坐标，实现对目标区域的三维重建。本申请提供的三维重建方法具有清晰度高的特点。

【技术实现步骤摘要】
一种对象的三维重建方法、装置、设备及存储介质
本专利技术涉及计算机视觉
，特别涉及一种对象的三维重建方法、装置、设备及存储介质。
技术介绍
随着微制造技术的发展，精密工程微零件的生产对计量学提出了越来越高的要求。精密系统，如微机电系统(MEMS)和微光器件，包含了尺寸在微米到毫米量级的微型零件组件。许多非接触光学方法已被用于确定物体的形状，如共焦显微镜、白光干涉术和基于三角测量的显微条纹投影。尽管共焦显微镜和白光干涉法在纳米范围内提供了分辨率，但显微条纹投影法为测量大约1平方毫米到几平方厘米的场大小提供了一种快速而可靠的方法。移相投影条纹轮廓术(PSPFP)具有非接触性、全场测量能力、高剖面采样密度和低环境脆弱性等优点。采用相移检测方案，即使在图像噪声过大的情况下，也能达到万视场中的一部分的检测精度。传统的显微条纹投影法使用变焦立体显微镜作为基础光学系统，其中一个摄像头端口适用于LCD、LCOS或DMD进行条纹投影。然而，显微镜的景深仅限于亚毫米量级，这通常不足以一次性测量三维物体的完整深度。它可以通过增加物体的垂直平移台来获得大景深，但系统复杂，效率低。此外，使用精密平移台进行相位-深度转换的校准非常复杂，并且需要一个基准面，这直接导致测量误差。与传统透镜相比，远心透镜具有正交投影的特点，具有失真小、放大倍数恒定、景深增加等优点。因此，远心透镜已成为开发高精度测量应用的关键部件。虽然远心镜头的使用在一定程度上增加了显微镜的景深，但是目前景深仍然有限，这在一定程度上限制了该方法在观测较厚物体场景中使用，进而使得最终形成的物体的3D重建的准确度不高。
技术实现思路
本专利技术要解决的是现有技术中重建结果的准确度不高的技术问题。为解决上述技术问题，本申请在一方面公开了一种对象的三维重建方法，该方法包括：通过相机采集包含目标对象的图像；该目标对象包含有投影仪投射的条纹图案；根据该图像确定出该目标对象的世界坐标下的三维坐标集合；利用该相机的外参数将该世界坐标下的三维坐标集合转换为相机坐标系下的三维坐标集合；利用聚类算法确定出该相机坐标系下的三维坐标集合的聚类中心点；根据该聚类中心点和预设参数确定出目标点集；从该世界坐标下的三维坐标集合中确定出目标区域在世界坐标下的三维坐标集合，该目标区域在世界坐标下的三维坐标集合为该目标点集对应的世界坐标下的三维坐标的集合；根据该目标区域在世界坐标系下的三维坐标集合对该目标区域进行三维重建。可选的，该利用聚类算法确定出该相机坐标系下的三维坐标集合的聚类中心点，包括：从该相机坐标系下的三维坐标集合中确定出该相机坐标系下的Z向数据集合，该Z向为垂直于该相机的成像平面的方向；对该相机坐标系下的Z向数据集合进行Meanshift聚类，得到最大聚类簇集合；从该最大聚类簇集合确定出该聚类中心点。可选的，该利用聚类算法确定出该相机坐标系下的三维坐标集合的聚类中心点之后，还包括：利用模糊检测方法对该图像进行数据提取，得到第一区域在相机坐标系下的三维坐标集合。可选的，该根据该聚类中心点和预设参数确定出目标点集，包括：获取该预设参数，该预设参数为该相机的景深和修正系数；根据该聚类中心点和该预设参数确定出第二区域的Z向数据集合；根据该第一区域在相机坐标系下的三维坐标集合确定出该第一区域的Z向数据集合；从第二区域的Z向数据集合中确定出目标区域的Z向数据集合，该目标区域的Z向数据集合属于该第一区域的Z向数据集合；利用该目标区域的Z向数据集合确定出每个Z向数据对应的目标点；基于该每个Z向数据对应的目标点确定出目标点集。可选的，该模糊检测方法包括基于卷积神经网络架构的离焦区域估计网络法和图像梯度法。可选的，该根据该图像确定出世界坐标下的三维坐标集合，包括：根据该图像确定出投影仪成像平面的像素坐标集合和相机像素坐标集合；根据该相机的内参数和该相机的外参数确定出第一计算公式；根据该投影仪的内参数和该投影仪的外参数确定出第二计算公式；利用该第一计算公式、该第二计算公式、该投影仪成像平面的像素坐标集合和该相机像素坐标集合确定出该世界坐标系下的三维坐标集合。可选的，该根据该目标区域在世界坐标系下的三维坐标集合对该目标区域进行三维重建之后，还包括：重复上述对该目标区域进行三维重建的步骤对预设区域进行三维重建，直至完成对该目标对象的所有区域的三维重建；根据该目标对象的所有区域的三维重建结果拼接出该目标对象的三维重建结果。本申请在另一方面还公开了一种三维重建装置，其包括：采集模块，用于通过相机采集投影仪向目标对象投射条纹的图像；第一确定模块，用于根据该图像确定出世界坐标下的三维坐标集合；转换模块，用于利用该相机的外参数将该世界坐标下的三维坐标集合转换为相机坐标系下的三维坐标集合；第二确定模块，用于利用聚类算法确定出该相机坐标系下的三维坐标集合的聚类中心点；第三确定模块，用于根据该聚类中心点和预设参数确定出目标点集；第四确定模块，用于从该世界坐标下的三维坐标集合中确定出目标区域在世界坐标下的三维坐标集合，该目标区域在世界坐标下的三维坐标集合为该目标点集对应的世界坐标下的三维坐标的集合；重建模块，用于根据该目标区域在世界坐标系下的三维坐标集合对该目标区域进行三维重建。本申请在另一方面还公开了一种电子设备，该设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述的三维重建方法。本申请在另一方面还公开了一种计算机存储介质，该计算机存储介质中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行以实现上述的三维重建方法。采用上述技术方案，本申请提供的一种对象的三维重建方法具有如下有益效果：本申请提供的三维重建方法是通过先获取目标对象的世界坐标下的三维坐标集合，进而确定出目标对象的在相机坐标系下的三维坐标集合，并利用聚类算法确定出清晰区域的目标点集，找到该目标点集对应的世界坐标下的三维坐标，实现对目标区域的三维重建，如此使得本申请的重建结果具有清晰度高的优点。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的前提下，还可以根据这些附图获得其他的附图。图1为本申请提供的一种应用三维重建方法的系统框架图；图2为本申请一种可选地实施方式中三维重建方法的流程图；图3为本申请可选的包括条纹图案的图像的示意图；图4为本申请另一种可选地实施方式中三维重建方法的流程图；图5为本申请另一种可本文档来自技高网...

【技术保护点】
1.一种对象的三维重建方法，其特征在于，所述方法包括：/n通过相机采集包含目标对象的图像；所述目标对象包含有投影仪投射的条纹图案；/n根据所述图像确定出所述目标对象的世界坐标下的三维坐标集合；/n利用所述相机的外参数将所述世界坐标下的三维坐标集合转换为相机坐标系下的三维坐标集合；/n利用聚类算法确定出所述相机坐标系下的三维坐标集合的聚类中心点；/n根据所述聚类中心点和预设参数确定出目标点集；/n从所述世界坐标下的三维坐标集合中确定出目标区域在世界坐标下的三维坐标集合，所述目标区域在世界坐标下的三维坐标集合为所述目标点集对应的世界坐标下的三维坐标的集合；/n根据所述目标区域在世界坐标系下的三维坐标集合对所述目标区域进行三维重建。/n

【技术特征摘要】
1.一种对象的三维重建方法，其特征在于，所述方法包括：
通过相机采集包含目标对象的图像；所述目标对象包含有投影仪投射的条纹图案；
根据所述图像确定出所述目标对象的世界坐标下的三维坐标集合；
利用所述相机的外参数将所述世界坐标下的三维坐标集合转换为相机坐标系下的三维坐标集合；
利用聚类算法确定出所述相机坐标系下的三维坐标集合的聚类中心点；
根据所述聚类中心点和预设参数确定出目标点集；
从所述世界坐标下的三维坐标集合中确定出目标区域在世界坐标下的三维坐标集合，所述目标区域在世界坐标下的三维坐标集合为所述目标点集对应的世界坐标下的三维坐标的集合；
根据所述目标区域在世界坐标系下的三维坐标集合对所述目标区域进行三维重建。


2.根据权利要求1所述的三维重建方法，其特征在于，所述利用聚类算法确定出所述相机坐标系下的三维坐标集合的聚类中心点，包括：
从所述相机坐标系下的三维坐标集合中确定出所述相机坐标系下的Z向数据集合，所述Z向为垂直于所述相机的成像平面的方向；
对所述相机坐标系下的Z向数据集合进行Meanshift聚类，得到最大聚类簇集合；
从所述最大聚类簇集合确定出所述聚类中心点。


3.根据权利要求2所述的三维重建方法，其特征在于，所述利用聚类算法确定出所述相机坐标系下的三维坐标集合的聚类中心点之后，还包括：
利用模糊检测方法对所述图像进行数据提取，得到第一区域在相机坐标系下的三维坐标集合。


4.根据权利要求3所述的三维重建方法，其特征在于，所述根据所述聚类中心点和预设参数确定出目标点集，包括：
获取所述预设参数，所述预设参数为所述相机的景深和修正系数；
根据所述聚类中心点和所述预设参数确定出第二区域的Z向数据集合；
根据所述第一区域在相机坐标系下的三维坐标集合确定出所述第一区域的Z向数据集合；
从第二区域的Z向数据集合中确定出目标区域的Z向数据集合，所述目标区域的Z向数据集合属于所述第一区域的Z向数据集合；
利用所述目标区域的Z向数据集合确定出每个Z向数据对应的目标点；
基于所述每个Z向数据对应的目标点确定出目标点集。


5.根据权利要求3所述的三维重建方法，其特征在于，所述模糊检测方法包括基于卷积神经网络架构的离焦区域估计网络法和图像梯度...

【专利技术属性】
技术研发人员：李嘉茂，王贤舜，朱冬晨，张晓林，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：上海;31