基于增强现实的特征点云立体对象框选方法及装置制造方法及图纸

本发明专利技术实施例公开了基于增强现实的特征点云立体对象框选方法及装置，实施例中对目标物体进行视频数据的采集，基于该视频数据生成特征点云数据，从而建立相应的坐标系，找寻目标特征点云并获得目标特征点云的坐标值，基于目标特征点云的坐标值距离目标物体过远的特征点云，由于经过了对特征点云数据的筛选，可以聚焦在被测量的目标物体的特征点云集群，同时剔除掉过远的特征点云后也可以帮助用户确定当前是否选择到了用户实际想要测量的对象，从而帮助对目标物体进行精准的框选，进而可以实现目标物体精确的体积计算。实现目标物体精确的体积计算。实现目标物体精确的体积计算。

【技术实现步骤摘要】
基于增强现实的特征点云立体对象框选方法及装置


[0001]本专利技术涉及虚拟现实
，具体涉及一种基于增强现实的特征点云立体对象框选方法及装置。

技术介绍

[0002]目前，随着互联网发展带来的便利以及移动端设备的普及，用户能够容易获取到真实世界的视频流信息。SLAM(simultaneous localization andmapping),也称为CML(Concurrent Mapping and Localization),即时定位与地图构建，或并发建图与定位，主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题。使用SLAM算法处理视频流信息以对真实环境建模，是AR增强现实技术中的一种基本方式。然而，SLAM算法的精度仅仅能够对真实世界进行大致的建模，对于一些需要精细处理的操作，例如定位物体精确位置、计算物体体积等都难以实现。

技术实现思路

[0003]针对所述缺陷，本专利技术实施例公开了一种基于增强现实的特征点云立体对象框选方法、装置、电子设备及存储介质，其可以解决现有技术不能对物体进行精确定位、计算体积的缺陷，实现对物体进行高精度框选。
[0004]本专利技术实施例第一方面公开了基于增强现实的特征点云立体对象框选方法，包括：
[0005]采集目标物体的视频数据，生成所述视频数据的特征点云数据；
[0006]基于所述特征点云数据建立目标物体的坐标系，并获得所述目标物体的特征点云在坐标系中坐标值；
[0007]定义所述目标物体的每一条边界对应的特征点云为目标特征点云，基于目标特征点云在坐标系中的坐标值，从全部特征点云数据中剔除目标物体以外且距离所述目标特征点云大于第一阈值的特征点云。
[0008]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述采集目标物体的视频数据，包括：
[0009]通过手持摄像头分别从不同角度采集目标物体的视频数据。
[0010]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述通过手持摄像头分别从不同角度采集目标物体的视频数据，包括：
[0011]配置视频采集校准数据，并当接收到用户输入的视频采集指令时，显示所述校准数据；
[0012]检测当前手持摄像头所采集的视频画面是否与所述校准数据一致；
[0013]当视频画面与所述校准数据一致时，通过手持摄像头采集目标物体的视频数据。
[0014]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述基于所述特征点云数据建立目标物体的坐标系，并获得所述目标物体的特征点云在坐标系中坐标值，包括：
[0015]选取视频画面的中心点作为坐标系原点，并基于所述特征点云数据建立目标物体的坐标系；
[0016]获得所述目标物体的特征点云在坐标系中坐标值。
[0017]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述定义所述目标物体的每一条边界对应的特征点云为目标特征点云，包括：
[0018]以所述视频画面的中心点为原点，生成以原点为端点的虚拟射线；所述虚拟射线与视频画面中的目标物体的每一条边界相交，以获得若干个虚拟射线与所述视频图像的交点，形成交点集。
[0019]作为一种可选的实施方式，在本专利技术实施例第一方面中，还包括：
[0020]遍历剔除目标物体以外且距离所述目标特征点云大于第一阈值的特征点云，并定义该特征点云为目标数据集；
[0021]从目标数据集中筛选出距离目标特征点云在第二阈值内的特征点云构建新的点云数据集。
[0022]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述从目标数据集中筛选出距离目标特征点云在第二阈值内的特征点云构建新的点云数据集，包括：
[0023]选取任意一个目标特征点，从目标数据集中筛选出距离该目标特征点在第二阈值内的特征点云为新特征点云；
[0024]构建新的点云数据集，判断所述新特征点云的数量是否大于预设值，并当新特征点云的疏漏大于预设值时，将该新特征点云加入新的点云数据集中；
[0025]重复上述步骤，直至全部目标特征点被选取完。
[0026]本专利技术实施例第二方面公开一种基于增强现实的特征点云立体对象框选装置，包括：
[0027]数据采集模块：用于采集目标物体的视频数据，生成所述视频数据的特征点云数据；
[0028]坐标系建立模块：用于基于所述特征点云数据建立目标物体的坐标系，并获得所述目标物体的特征点云在坐标系中坐标值；
[0029]点云框选模块：用于定义所述目标物体的每一条边界对应的特征点云为目标特征点云，基于目标特征点云在坐标系中的坐标值，从全部特征点云数据中剔除目标物体以外且距离所述目标特征点云大于第一阈值的特征点云。
[0030]作为一种可选的实施方式，在本专利技术实施例第二方面中，数据采集模块中，所述采集目标物体的视频数据，包括：
[0031]通过手持摄像头分别从不同角度采集目标物体的视频数据。
[0032]作为一种可选的实施方式，在本专利技术实施例第二方面中，所述通过手持摄像头分别从不同角度采集目标物体的视频数据，包括：
[0033]配置视频采集校准数据，并当接收到用户输入的视频采集指令时，显示所述校准数据；
[0034]检测当前手持摄像头所采集的视频画面是否与所述校准数据一致；
[0035]当视频画面与所述校准数据一致时，通过手持摄像头采集目标物体的视频数据。
[0036]作为一种可选的实施方式，在本专利技术实施例第二方面中，坐标系建立模块中，所述
基于所述特征点云数据建立目标物体的坐标系，并获得所述目标物体的特征点云在坐标系中坐标值，包括：
[0037]选取视频画面的中心点作为坐标系原点，并基于所述特征点云数据建立目标物体的坐标系；
[0038]获得所述目标物体的特征点云在坐标系中坐标值。
[0039]作为一种可选的实施方式，在本专利技术实施例第二方面中，点云框选模块中，所述定义所述目标物体的每一条边界对应的特征点云为目标特征点云，包括：
[0040]以所述视频画面的中心点为原点，生成以原点为端点的虚拟射线；所述虚拟射线与视频画面中的目标物体的每一条边界相交，以获得若干个虚拟射线与所述视频图像的交点，形成交点集。
[0041]作为一种可选的实施方式，在本专利技术实施例第二方面中，还包括点云剔除模块：用于遍历剔除目标物体以外且距离所述目标特征点云大于第一阈值的特征点云，并定义该特征点云为目标数据集；从目标数据集中筛选出距离目标特征点云在第二阈值内的特征点云构建新的点云数据集。
[0042]作为一种可选的实施方式，在本专利技术实施例第二方面中，所述从目标数据集中筛选出距离目标特征点云在第二阈值内的特征点云构建新的点云数据集，包括：
[0043]选取任意一个目标特征点，从目标数据集中筛选出距离该目标特征点在第二阈值内的特征点云为新特征点云；
[0044]构建新的点云数据集，判断所述新特征点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增强现实的特征点云立体对象框选方法，其特征在于，包括：采集目标物体的视频数据，生成所述视频数据的特征点云数据；基于所述特征点云数据建立目标物体的坐标系，并获得所述目标物体的特征点云在坐标系中坐标值；定义所述目标物体的每一条边界对应的特征点云为目标特征点云，基于目标特征点云在坐标系中的坐标值，从全部特征点云数据中剔除目标物体以外且距离所述目标特征点云大于第一阈值的特征点云。2.根据权利要求1所述的基于增强现实的特征点云立体对象框选方法，其特征在于，所述采集目标物体的视频数据，包括：通过手持摄像头分别从不同角度采集目标物体的的视频数据。3.根据权利要求2所述的基于增强现实的特征点云立体对象框选方法，其特征在于，所述通过手持摄像头分别从不同角度采集目标物体的视频数据，包括：配置视频采集校准数据，并当接收到用户输入的视频采集指令时，显示所述校准数据；检测当前手持摄像头所采集的视频画面是否与所述校准数据一致；当视频画面与所述校准数据一致时，通过手持摄像头采集目标物体的视频数据。4.根据权利要求3所述的基于增强现实的特征点云立体对象框选方法，其特征在于，所述基于所述特征点云数据建立目标物体的坐标系，并获得所述目标物体的特征点云在坐标系中坐标值，包括：选取视频画面的中心点作为坐标系原点，并基于所述特征点云数据建立目标物体的坐标系；获得所述目标物体的特征点云在坐标系中坐标值。5.根据权利要求4所述的基于增强现实的特征点云立体对象框选方法，其特征在于，所述定义所述目标物体的每一条边界对应的特征点云为目标特征点云，包括：以所述视频画面的中心点为原点，生成以原点为端点的虚拟射线；所述虚拟射线与视频画面中的目标物体的每一条边界相交，以获得若干个虚拟射线与所述视频图像的交点，形成交点集。6.根据权利要求5所述的基于增...

【专利技术属性】
技术研发人员：张宇光，马维兵，陈星，范修伟，汪迪岑，
申请(专利权)人：广州民航信息技术有限公司，
类型：发明
国别省市：