本发明专利技术公开了一种室内场景三维重建方法、系统、装置及存储介质，所述重建方法包括：利用激光雷达进行扫描,以获取目标对象的点云数据；对所述目标对象的点云数据进行降采样；利用尺度不变特征变换对多幅所述点云图像中的特征进行提取；利用采样一致性算法对多幅所述点云图像进行粗配准；利用迭代最近点算法计算所述点云图像的旋转平移矩阵，基于计算得到的旋转平移矩阵对所述目标对象进行三维重建。本发明专利技术通过所述的三维重建方法，减少了三维重建技术中算法的功耗和内存消耗，提升了重建速度，并完成对室内场景的重建。并完成对室内场景的重建。并完成对室内场景的重建。
【技术实现步骤摘要】
一种室内场景三维重建方法、系统、装置及存储介质
[0001]本专利技术涉及立体成像
，尤其涉及一种室内场景三维重建方法、系统、装置及存储介质。
技术介绍
[0002]激光雷达是一种可以精确、快速获取目标三维空间信息的主动探测技术。激光雷达的原理是通过发射激光束来探测目标的位置、速度等特征量，得益于激光方向性好、能量集中等优点，激光雷达探测具有较高的精度与分辨率，在宇宙空间探测、海洋深地探测、森林、大气探测、地质测绘、行动机器人等军事或民用领域发挥着十分重要的作用。
[0003]三维成像激光雷达作为一种主动成像系统，与被动成像系统相比，具有可获得高精度距离信息以及不受光照条件限制的优势。与微波成像系统相比，具有角分辨力高、测量精度高、抗干扰能力强以及系统易小型化的优点。在目标识别、分类和高精度三维成像及测量方面有着独特的技术优势，因而被广泛应用于军事、航空航天以及民用三维传感等领域。
[0004]在实际应用中，由于使用激光雷达扫描得到的点云图像的数据量过大，直接对数据进行处理运行速度太慢，同时对多幅点云的配准拼接的技术也较为复杂。
技术实现思路
[0005]本专利技术提供一种室内场景三维重建方法、系统、装置及存储介质，以解决现有三维重建方法功耗、内存消耗大、运行重建速度慢以及重建精度低的技术问题。
[0006]为解决上述问题，本专利技术的第一目的在于提供一种室内场景三维重建方法，所述三维重建方法包括：
[0007]步骤S
100
：利用激光雷达对室内场景进行扫描,以获取目标对象的点云数据；
[0008]步骤S
200
：对所述目标对象的点云数据进行降采样；
[0009]步骤S
300
：利用尺度不变特征变换对多幅点云图像中的特征进行提取；
[0010]步骤S
400
：利用采样一致性算法对多幅所述点云图像进行粗配准；
[0011]步骤S
500
：利用迭代最近点算法计算所述点云图像的旋转平移矩阵，基于计算得到的旋转平移矩阵对所述目标对象进行三维重建。
[0012]进一步的，在步骤S
100
中，所述利用激光雷达对室内场景进行扫描,以获取目标对象的点云数据具体包括：
[0013]步骤S
110
：当打开激光雷达后，所述激光雷达发射激光并接收反射信号；
[0014]步骤S
120
：计算目标距离，并遍历整个视场；
[0015]步骤S
130
：将所述激光雷达拍摄的点云图像传输至电脑端，形成点云数据；
[0016]步骤S
140
：完成三维点云数据的存储。
[0017]进一步的，在步骤S
200
中，所述对所述目标对象的点云数据进行降采样具体包括：
[0018]步骤S
210
：构建一个用于包围所述目标对象的点云数据的网格长方体；
[0019]步骤S
220
：确定所述网格长方体内的三维体素网格的边长；
[0020]步骤S
230
：根据计算的所述三维体素网格大小，遍历点云数据，依次求得每个所述三维体素网格的重心，依据空间距离最近原则，得到距离最小的点，保存得到的转换输入点云。
[0021]进一步的，在步骤S
300
中，所述利用尺度不变特征变换对多幅点云图像中的特征进行提取具体包括：
[0022]步骤S
310
：以所述三维体素网格的重心近似替代所述三维体素网格中所包含的三维点云，建立所述点云图像的尺度空间表示；
[0023]步骤S
320
：以所获取的三维点云尺度空间中的每个点计算高斯过滤响应值W和点云相邻尺度的高斯差分值V，并对点云3σ邻域范围内的点进行曲率值高斯加权，以构建所述三维点云的高斯差分尺度；
[0024]步骤S
220
：在尺度空间搜索所述点云图像的极值点，建立特征描述向量，判断匹配，输出结果。
[0025]进一步的，在步骤S
400
中，所述利用采样一致性算法对多幅所述点云图像进行粗配准具体包括：
[0026]步骤S
410
：设定一个待配准点云，并对其进行采样，设定采样点之间的距离大于预先给定的最小距离值，使采集到的点的FPFH特征不同；
[0027]步骤S
420
：再设定一个初始目标点云，在目标点云中寻找和所述待配准点云相同或者相似FPFH特征的点；
[0028]步骤S
430
：从相似点中找到所述待配准点云与初始目标点云一一对应的点。
[0029]进一步的，在步骤S
500
中，所述利用迭代最近点算法计算所述点云图像的旋转平移矩阵的具体步骤包括：
[0030]步骤S
510
：设置源点云P和目标点云Q，根据距离最近确定点对；
[0031]步骤S
520
：根据粗配准得到的初始矩阵R，确定目标函数，计算刚性变换矩阵，使误差函数最小；
[0032]步骤S
530
：根据设置的误差大小，判断迭代次数是否达到收敛范围，到达收敛范围停止迭代。
[0033]进一步的，在步骤S
520
中，所述误差函数的计算表达式为：
[0034][0035]式中，E代表计算得到的误差大小，R为旋转矩阵，T为平移向量，p
i
和q
i
分别代表源点云和目标点云中点的坐标。
[0036]本专利技术的第二目的在于提供一种基于激光雷达的室内场景三维重建系统，所述系统包括：
[0037]数据获取模块，配置用于利用激光雷达对室内场景进行扫描，以获取目标对象的点云数据；
[0038]数据预处理模块，配置用于对所述目标对象的点云数据进行降采样；
[0039]特征提取模块，配置用于利用尺度不变特征变换对多幅室内场景点云图像中的特征进行提取；
[0040]粗配准模块，配置用于利用采样一致性算法对多幅点云图像进行粗配准；
[0041]三维重建模块，配置用于利用迭代最近点算法计算所述点云图像的旋转平移矩阵，并基于计算得到的旋转平移矩阵对所述目标对象进行三维重建。
[0042]本专利技术的第三目的在于提供一种基于激光雷达的室内场景三维重建装置，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上述所述的室内场景三维重建方法。
[0043]本专利技术的第四目的在于提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的室内场景三维重建方法。
[0044]本专利技术与现有技术相比具有显著的优点和有益效果，具体体现在以下方面：
[0045]本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种室内场景三维重建方法，其特征在于，所述三维重建方法包括：步骤S
100
：利用激光雷达对室内场景进行扫描,以获取目标对象的点云数据；步骤S
200
：对所述目标对象的点云数据进行降采样；步骤S
300
：利用尺度不变特征变换对多幅点云图像中的特征进行提取；步骤S
400
：利用采样一致性算法对多幅所述点云图像进行粗配准；步骤S
500
：利用迭代最近点算法计算所述点云图像的旋转平移矩阵，基于计算得到的旋转平移矩阵对所述目标对象进行三维重建。2.根据权利要求1所述的室内场景三维重建方法，其特征在于，在步骤S
100
中，所述利用激光雷达进行扫描,以获取目标对象的点云数据具体包括：步骤S
110
：当打开激光雷达后，所述激光雷达发射激光并接收反射信号；步骤S
120
：计算目标距离，并遍历整个视场；步骤S
130
：将所述激光雷达拍摄的点云图像传输至电脑端，形成点云数据；步骤S
140
：完成三维点云数据的存储。3.根据权利要求1所述的室内场景三维重建方法，其特征在于，在步骤S
200
中，所述对所述目标对象的点云数据进行降采样具体包括：步骤S
210
：构建一个用于包围所述目标对象的点云数据的网格长方体；步骤S
220
：确定所述网格长方体内的三维体素网格的边长；步骤S
230
：根据计算的所述三维体素网格的大小，遍历点云数据，依次求得每个所述三维体素网格的重心，依据空间距离最近原则，得到距离最小的点，保存得到的转换输入点云。4.根据权利要求2所述的室内场景三维重建方法，其特征在于，在步骤S
300
中，所述利用尺度不变特征变换对多幅点云图像中的特征进行提取具体包括：步骤S
310
：以所述三维体素网格的重心近似替代所述三维体素网格中所包含的三维点云，建立所述点云图像的尺度空间表示；步骤S
320
：以所获取的三维点云尺度空间中的每个点计算高斯过滤响应值W和点云相邻尺度的高斯差分值V，并对点云3σ邻域范围内的点进行曲率值高斯加权，以构建所述三维点云的高斯差分尺度；步骤S
220
：在尺度空间搜索所述点云图像的极值点，建立特征描述向量，判断匹配，输出结果。5.根据...
【专利技术属性】
技术研发人员：王家旭，余志华，
申请(专利权)人：中国地质大学武汉，
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。