基于跨模态数据配准的点云密度上采样方法、系统及介质技术方案

本发明专利技术公开了一种基于跨模态数据配准的点云密度上采样方法、系统及介质，本发明专利技术包括采集目标物体的三维点云数据及多个视角的图像；分别提取图像特征、配准并计算任意视角下图像和图像特征之间的空间关联并构建三维点云骨架模型；从三维点云数据提取原始三维骨架模型，与三维点云骨架模型重叠得到重叠骨架模型；针对重叠骨架模型中的点，反向获取对应视角的图像中的像素点，并将获取的像素点按照指定的倍数复制并扩张，最终得到完整的三维点云密度上采样结果。本发明专利技术旨在解决点云稠密化现有的两种方法中遇到的计算量大、以及输出模型准确度低的难题，具有实现方法简单、成本低的优点，能基于图像实现对低密度三维点云的快速稠密化。稠密化。稠密化。

【技术实现步骤摘要】
基于跨模态数据配准的点云密度上采样方法、系统及介质


[0001]本专利技术属于计算机视觉
，具体涉及一种基于跨模态数据配准的点云密度上采样方法、系统及介质。

技术介绍

[0002]点云是一个数据集，数据集中的每个点代表一组X、Y、Z几何坐标和一个强度值，这个强度值根据物体表面反射率记录返回信号的强度。当这些点组合在一起时，就会形成一个点云，即空间中代表3D形状或对象的数据点集合。点云也可以自动上色，以实现更真实的可视化。目前点云稠密化采用以下两种方式：(1)基于语义的点云稠密化方法：在点云上进行上采样，即输入一个点云，输出一个更密的点云，且它落在输入点云隐含的几何体(比如表面)上。PU
‑
Net的核心思想，是学习到每个点多个粒度(从局部到全局)下的特征，再在特征空间中扩大点集，最后将扩大的点集映射回三维。(2)基于几何的点云稠密化方法：无论是基于语义还是基于几何的点云稠密化方法，它们在对对象建模时具有很高的复杂性，且对模型本身的几何形状先验性需求较高，对点云进行稠密化进行建模时缺乏准确性和鲁棒性，而实际工况下，对于短时间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于跨模态数据配准的点云密度上采样方法，其特征在于，包括：S10l，采集目标物体的三维点云数据及多个视角的图像；S102，分别提取多个视角的图像的特征，对多个视角的图像特征进行配准，并计算任意视角下图像和图像特征之间的空间关联；S103，通过任意两个视角的图像特征之间的空间关联构建三维点云骨架模型；S104，从三维点云数据提取原始三维骨架模型，并将提取得到的原始三维骨架模型与构建的三维点云骨架模型和原始三维骨架模型进行重叠，得到重叠骨架模型；S105，针对重叠骨架模型中的点，反向获取对应视角的图像中的像素点，并将获取的像素点按照指定的倍数复制并扩张，最终得到完整的三维点云密度上采样结果。2.根据权利要求1所述的基于跨模态数据配准的点云密度上采样方法，其特征在于，步骤S101中采集的目标物体的三维点云数据为稀疏点云模型P
L
。3.根据权利要求1所述的基于跨模态数据配准的点云密度上采样方法，其特征在于，步骤S101中采集多个视角的图像时相邻视角夹角固定，且所有视角覆盖目标物体360度范围，且最终得到n个视角的图像I1～I
n
。4.根据权利要求1所述的基于跨模态数据配准的点云密度上采样方法，其特征在于，步骤S102中计算任意视角下图像和图像特征之间的空间关联是指计算任意视角i下图像I
i
和图像特征F
i
之间的距离d
i
＝d(I
i
，F
i
)作为空间关联。5.根据权利要求4所述的基于跨模态数据配准的点云密度上采样方法，其特征在于，所述任意视角i下图像I
i
和图像特征F
i
之间的距离d
i
＝d(I
i
，F
i
)是指欧氏距离。6.根据权利要求5所述的基于跨模态数据配准的点云密度上采样方法，其特征在于，步骤S103包括：S201，以任意视角i下图像I
i
和图像特征Fi之间的距离d
i
＝d(I
i
，F
i
)作为视角i下图像和特征之间的关联权重将视角i下图像I
i
和图像特征F
i
进行聚合，构造出各个视角图像和特征的二元组数据(I1，F1)，(I2，F2)，...，(I
n
，...

【专利技术属性】
技术研发人员：肖罡，徐阳，刘小兰，杨钦文，万可谦，魏志宇，赵斯杰，张蔚，
申请(专利权)人：江西科骏实业有限公司，
类型：发明
国别省市：