稠密深度恢复与定位建图方法技术

本发明专利技术公开了稠密深度恢复与定位建图方法，包括以下步骤，首先，采集场景图像：采集场景的三维激光点云数据，然后进行激光点云三次增长，将采集得到的三维激光点云映射到体素空间，然后在体素空间中，通过宽度优先算法，对三维激光点云进行三次增长，获得三维激光点云中的有效平面点，随后进行定位建图，通过相机采集原始场景图像；本发明专利技术专利通过采集场景的三维激光点云，通过将三维激光点云映射至体素空间，并利用宽度优先算法对三维激光点云进行三次增长，通过获得获得三维激光点云中的三组有效平面点，再配合个对三组有效平面点进行拼接，可以得到并生成深度恢复后的三维稠密点地图，从而有效的提高了平面点的识别准确率。从而有效的提高了平面点的识别准确率。

【技术实现步骤摘要】
稠密深度恢复与定位建图方法


[0001]本专利技术涉及平面检测
，具体为稠密深度恢复与定位建图方法。

技术介绍

[0002]现有的平面检测方法根据计算得到的曲率选择平面点作为初始种子点开始生长，生长的条件为相邻点的曲率变换比较平缓，直到周围没有满足的点则停止生长，采用现有的平面检测方法在三维稠密点图中，对于平面点识别的准确率较低。
[0003]为此提出稠密深度恢复与定位建图方法，来解决此问题。

技术实现思路

[0004]本专利技术的目的在于提供稠密深度恢复与定位建图方法，解决了采用现有的平面检测方法在三维稠密点图中，对于平面点识别的准确率较低的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：稠密深度恢复与定位建图方法，包括以下步骤：
[0006]步骤1：采集场景图像：采集场景的三维激光点云数据；
[0007]步骤2：激光点云三次增长：将采集得到的三维激光点云映射到体素空间，然后在体素空间中，通过宽度优先算法，对三维激光点云进行三次增长，获得三维激光点云中的有效平面点；
[0008]步骤3：定位建图：通过相机采集原始场景图像，并进行定位，并构建出构建图，对获得构建图进行图优化；
[0009]步骤4：稠密深度恢复：根据获得的三维激光点云中平面点信息，对平面点进行拼接，从而生成深度恢复后的平面点的三维稠密点地图。
[0010]优选的，在步骤1中，三维激光点云数据通过三维激光扫描仪进行采集。
[0011]优选的，在步骤1中，采集过车保证三维激光点云数据的完成性。
[0012]优选的，在步骤2中，宽度优先算法的步骤为：
[0013]把起始节点S线放到queue表中克祥；
[0014]如果queue是空表，则失败退出，否则继续；
[0015]在queue表中取最前面的节点node移到CL OSED表中；
[0016]扩展node节点。若没有后继即叶节点，则转向(2)循环；
[0017]把node的所有后继节点放在queue表的末端。各后继结点指针指向node节点；
[0018]若后继节点中某一个是目标节点，则找到一个解，成功退出。否则转向(2)循环。
[0019]优选的，在步骤2中，三维激光点云的三次增长过程中，空间中的所有的无曲率点和角点均忽略，只分辨空间中的有效的的平面点，并进行采集。
[0020]优选的，在步骤3中，相机采集原始场景图像还包括对应的深度图以及对应的场景位姿。
[0021]优选的，在步骤3中，构建图构建后不完整，则重新构建，直至构建图处于完整状
态。
[0022]优选的，在步骤4中，平面拼接过程根据例程，在对应的数据集里面能够放入彩色图、深度图以及对应的相机位姿。
[0023]优选的，在步骤4中，平面拼接过程要保证数据姿态正确，避免数据姿态因为问题，造成地图分层以及对应错位。
[0024]优选的，在步骤4中，平面点拼接过程注意有效点云的获取顺序，避免顺序混乱，同时也要避免平面点拼接出现遗漏。
[0025]与现有技术相比，本专利技术的有益效果是：
[0026]本专利技术专利通过采集场景的三维激光点云，通过将三维激光点云映射至体素空间，并利用宽度优先算法对三维激光点云进行三次增长，通过获得获得三维激光点云中的三组有效平面点，再配合个对三组有效平面点进行拼接，可以得到并生成深度恢复后的三维稠密点地图，从而有效的提高了平面点的识别准确率。
具体实施方式
[0027]下面将通过实施例的方式对本专利技术作更详细的描述，这些实施例仅是举例说明性的而没有任何对本专利技术范围的限制。
[0028]本专利技术提供一种技术方案：稠密深度恢复与定位建图方法，包括以下步骤：
[0029]步骤1：采集场景图像：采集场景的三维激光点云数据；
[0030]步骤2：激光点云三次增长：将采集得到的三维激光点云映射到体素空间，然后在体素空间中，通过宽度优先算法，对三维激光点云进行三次增长，获得三维激光点云中的有效平面点；
[0031]步骤3：定位建图：通过相机采集原始场景图像，并进行定位，并构建出构建图，对获得构建图进行图优化；
[0032]步骤4：稠密深度恢复：根据获得的三维激光点云中平面点信息，对平面点进行拼接，从而生成深度恢复后的平面点的三维稠密点地图。
[0033]实施例一：
[0034]首先，采集场景图像：采集场景的三维激光点云数据，然后进行激光点云三次增长，将采集得到的三维激光点云映射到体素空间，然后在体素空间中，通过宽度优先算法，对三维激光点云进行三次增长，获得三维激光点云中的有效平面点，随后进行定位建图，通过相机采集原始场景图像，并进行定位，并构建出构建图，对获得构建图进行图优化，最后进行稠密深度恢复，根据获得的三维激光点云中平面点信息，对平面点进行拼接，从而生成深度恢复后的平面点的三维稠密点地图。
[0035]实施例二：
[0036]在实施例一中，再加上下述工序：
[0037]在步骤1中，三维激光点云数据通过三维激光扫描仪进行采集，采集过车保证三维激光点云数据的完成性。
[0038]在步骤2中，宽度优先算法的步骤为：
[0039]把起始节点S线放到queue表中克祥；
[0040]如果queue是空表，则失败退出，否则继续；
[0041]在queue表中取最前面的节点node移到CL OSED表中；
[0042]扩展node节点。若没有后继即叶节点，则转向(2)循环；
[0043]把node的所有后继节点放在queue表的末端。各后继结点指针指向node节点；
[0044]若后继节点中某一个是目标节点，则找到一个解，成功退出。否则转向(2)循环；
[0045]三维激光点云的三次增长过程中，空间中的所有的无曲率点和角点均忽略，只分辨空间中的有效的的平面点，并进行采集。
[0046]首先，采集场景图像：采集场景的三维激光点云数据，三维激光点云数据通过三维激光扫描仪进行采集，采集过车保证三维激光点云数据的完成性，然后进行激光点云三次增长，将采集得到的三维激光点云映射到体素空间，然后在体素空间中，通过宽度优先算法，对三维激光点云进行三次增长，获得三维激光点云中的有效平面点，宽度优先算法的步骤为：
[0047]把起始节点S线放到queue表中克祥；
[0048]如果queue是空表，则失败退出，否则继续；
[0049]在queue表中取最前面的节点node移到CL OSED表中；
[0050]扩展node节点。若没有后继即叶节点，则转向(2)循环；
[0051]把node的所有后继节点放在queue表的末端。各后继结点指针指向node节点；
[0052]若后继节点中某一个是目标节点，则找到一个解，成功退出。否则转向(2)循环；
[0053]三维激光点云的三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.稠密深度恢复与定位建图方法，其特征在于：包括以下步骤：步骤1：采集场景图像：采集场景的三维激光点云数据；步骤2：激光点云三次增长：将采集得到的三维激光点云映射到体素空间，然后在体素空间中，通过宽度优先算法，对三维激光点云进行三次增长，获得三维激光点云中的有效平面点；步骤3：定位建图：通过相机采集原始场景图像，并进行定位，并构建出构建图，对获得构建图进行图优化；步骤4：稠密深度恢复：根据获得的三维激光点云中平面点信息，对平面点进行拼接，从而生成深度恢复后的平面点的三维稠密点地图。2.根据权利要求1所述的稠密深度恢复与定位建图方法，其特征在于：在步骤1中，三维激光点云数据通过三维激光扫描仪进行采集。3.根据权利要求1所述的稠密深度恢复与定位建图方法，其特征在于：在步骤1中，采集过车保证三维激光点云数据的完成性。4.根据权利要求1所述的稠密深度恢复与定位建图方法，其特征在于：在步骤2中，宽度优先算法的步骤为：把起始节点S线放到queue表中克祥；如果queue是空表，则失败退出，否则继续；在queue表中取最前面的节点node移到CL OSED表中；扩展node节点。若没有后继即叶节点，则转向(2)循环；把node的所有后继节点放在queue...

【专利技术属性】
技术研发人员：牛运丰，汤立凡，张昊，李君扬，
申请(专利权)人：江苏集萃未来城市应用技术研究所有限公司，
类型：发明
国别省市：