一种基于结构光扫描数据的三维物体建模方法及系统技术方案

本发明专利技术公开了一种基于结构光扫描数据的三维物体建模方法及系统，该发明专利技术涉及三维重建技术

【技术实现步骤摘要】
一种基于结构光扫描数据的三维物体建模方法及系统


[0001]本专利技术涉及三维重建技术邻域，具体来说，涉及一种基于结构光扫描数据的三维物体建模方法及系统
。

技术介绍

[0002]结构光相机三维重建技术是一种利用结构光原理进行三维重建的方法
。
结构光原理是指通过对物体表面进行光栅化处理，即在物体表面投射一组特定的光栅图案，再通过相机捕捉到反射回来的图案，通过计算反射图案的畸变
、
扭曲和位移等信息，可以确定物体表面每个点的三维坐标
。
[0003]结构光相机三维重建技术的原理与激光测距
、
立体视觉等技术类似，但相比于激光测距技术，结构光相机不需要使用激光器，成本更低
、
安全性更高；相比于立体视觉技术，结构光相机不需要对图像进行匹配处理，可以在较短的时间内获得较高精度的三维重建结果
。
[0004]结构光相机三维重建技术在制造
、
医疗
、
文化遗产保护
、
机器人等领域具有广泛的应用前景
。
比如，在制造业中，结构光相机可以用于产品质量检测
、
产品外观设计等；在医疗领域，结构光相机可以用于手术导航
、
矫形手术等；在文化遗产保护领域，结构光相机可以用于文物数字化
、
文物保护等；在机器人领域，结构光相机可以用于机器人导航
、
环境感知等
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于结构光扫描技术的三维物体建模方法以及系统，能够为点云配准提供良好的初始位姿，提升点云配准的效率，同时获得较高的建模质量
。
[0006]本专利技术的目的是通过以下技术方案来实现的：第一方面，本申请实施例提供了一种基于结构光扫描数据的三维物体建模方法，其包括：
[0007]建立结构光传感器性能模型，建立点云质量评价函数，对传感器采集到的点云数据做一个质量评估，评价点云中每一个点的准确度
。
[0008]获取多个不同视角下的结构光传感器采集点云数据，并对点云进行预处理；
[0009]分析每一个视角下点云数据，结合传感器性能模型，评价点云中各个点的精度，剔除点云中失真严重的点，保留具有较高精度的点云数据
。
[0010]对预处理之后的点云进行特征点提取，得到各个视角下点云的特征点；
[0011]计算提取特征点的特征描述符，并将其转化为二进制特征描述符；
[0012]利用汉明距离对改进的特征描述符进行特征点的匹配，获得两个不同视图下点云的特征匹配点对
。
[0013]利用随机采样一致性
(RANSAC)
算法去除错误的匹配点对
。
[0014]计算剔除错误匹配点对后的点云初始变换矩阵，完成粗配准；
[0015]通过基于
K
维树近邻搜素法改进的
ICP
算法，源点云使用特征点，目标点采用全部
点云做精配准，得到精配准数据
。
[0016]基于精配准后的点云数据建立上述待测物体的三维模型
。
[0017]基于第一方面，在本专利技术中的一些实施例中，上述获取待测物体的多个视角的点云数据，并对点云数据进行预处理的步骤包括：
[0018]利用统计学滤波算法
(Statistical Outlier Removal)
去除采集到的原始点云的离群点；
[0019]计算点云中每个点的法向量，并将相邻点的法向量进行平滑处理，以去除噪声点
。
[0020]利用
RANSAC
算法剔除工作台平面，即剔除不需要用来配准计算的冗余点云；
[0021]基于第一方面，在本专利技术的一些实施例中，上述对于预处理后的点云数据进行特征提取，得到各个视角下的特征点的步骤包括：
[0022]首先利用体素化网格对预处理完成后的点云数据进行降采样，降低点云数量
。
[0023]利用
ISS
特征提取算法提取降采样后点云的关键特征点；
[0024]对
ISS
特征点计算
SHOT
局部特征描述符，获取
352
维的特征描述向量；
[0025]将
352
维的
SHOT
直方图向量特征转化为
352
位的二进制改进
B
‑
SHOT
直方图描述符；
[0026]通过二进制的简单异或运算计算用于匹配的两个视角下的点云的汉明距离，当汉明距离最小时，认为对应的两个特征点位同一匹配点对；
[0027]利用随机
RANSAC
算法剔除错误的匹配点对；
[0028]结合传感器性能模型，引入点云匹配权重函数，计算匹配点对中各个点的权重系数，加入相邻两片点云的相似匹配度计算
。
[0029]结合点云匹配权重，将相邻两片点云中每一个点赋值权重系数，计算两帧点云的匹配度，利用匹配点对求解不同视角下两帧点云的初始变换矩阵，完成粗配准；
[0030]基于第一方面，在本专利技术中的一些实施例中，基于
K
维树近邻搜索法改进的
ICP
算法对粗配准结果进行优化，得到的精配准结果步骤包括：
[0031]将提取完特征描述子的特征点作为源点云，目标点云则采用完成预处理后的全部点云；
[0032]建立
K
‑
D
树，将源点云与目标点云存储在两个
K
‑
D
树中，利用
K
‑
D
树寻找目标点云中的最近邻点；
[0033]利用
SVD
方法根据最近邻点之间的最小二乘误差计算变换矩阵，同时将源点云利用变换矩阵进行变换；
[0034]如果最小误差小于阈值或者达到最大收敛次数则算法收敛并退出，否则重复前两步骤；
[0035]利用
ICP
求出的变换矩阵，将两个不同视角下的点云变换到同一坐标系下，得到精配准结果；
[0036]第二方面，本申请实施例提供一种基于结构光扫描数据的建模系统，其包括：
[0037]预处理模块，用于获取待测物体的多个视角下的点云数据，并对点云进行预处理；
[0038]特征点提取模块，用于对预处理后的点云进行特征点提取以及特征描述子的计算，得到不同视角下点云的特征点；
[0039]粗配准模块，用于对相邻两个视角下的特征点进行匹配，形成特征匹配点对，并基于上述匹配的特征点计算初始变换，完成粗配准；
[0040]精配准模块，用于通过基于
K
‑
D
树近邻域搜索法的改进
ICP
算法对粗配准结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于结构光扫描数据的三维物体建模方法，其特征在于，该方法包括：
(1)
获取待测物体的多个不同视角下的结构光传感器采集点云数据，并对点云进行预处理；
(2)
对预处理之后的点云进行特征点提取，得到各个视角下点云的特征点；
(3)
计算提取特征点的特征描述符，并将其转化为二进制特征描述符；
(4)
利用汉明距离对二进制特征描述符进行特征点的匹配，获得两个不同视角下点云的特征匹配点对，计算点云初始变换矩阵，完成粗配准；
(5)
通过基于
K
维树近邻搜素法改进的
ICP
算法，将待配准的两个点云分别构建成
K
维树，然后对于参考点云中的每一个点，通过
K
维树搜索找到最近邻点，作为待配准点云中的对应点；使用
ICP
算法进行迭代优化，使得待配准点云中的点在参考点云中的对应点尽可能地接近，源点云使用特征点，目标点采用全部点云做精配准，得到精配准数据；
(6)
基于精配准后的点云数据建立待测物体的三维模型
。2.
根据权利要求1所述的一种基于结构光扫描数据的三维物体建模方法，其特征在于，获取待测物体的多个视角的点云数据，并对点云数据进行预处理的步骤包括：
(1.1)
利用统计学滤波算法
(Statistical Outlier Removal)
去除采集到的原始点云的离群点；
(1.2)
计算点云中每个点的法向量，并将相邻点的法向量进行平滑处理，以去除噪声点；
(1.3)
由于平面点云特征少，噪声大，因此剔除该区域点云以提高配准精度，平面点云利用
RANSAC
算法剔除工作台平面，即剔除不需要用来配准计算的冗余点云
。3.
根据权利要求2所述的一种基于结构光扫描数据的三维物体建模方法，其特征在于，建立结构光传感器性能模型，建立点云质量评价函数，对传感器采集到的点云数据做一个质量评估，评价点云中每一个点的准确度，基于准确度阈值，剔除点云中低于准确度阈值的失真点，保留具有需求精度的点云数据
。4.
根据权利要求3所述的一种基于结构光扫描数据的三维物体建模方法，其特征在于，对于预处理后的点云数据进行特征提取，得到各个视角下的特征点的步骤包括：
(2.1)
首先利用体素化网格对预处理完成后的点云数据进行降采样，降低点云数量；
(2.2)
利用
ISS
特征提取算法提取降采样后点云的关键特征点；
(2.3)
对
ISS
特征点计算
SHOT
局部特征描述符，获取
N
维的特征描述向量；
(2.4)
将
N
维的
SHOT
直方图向量特征转化为
N
位的二进制
B
‑
SHOT
直方图描述符；
(2.5)
通过二进制的异或运算计算用于匹配的两个视角下的点云的汉明距离，当汉明距离最小时，认为对应的两个特征点位同一匹配点对；
(2.6)
利用随机
RANSAC
算法剔除错误的匹配点对；
(2.7)
结合传感器性能模型，引入点云质量权重函数，计算匹配点对中各个点的质量权重系数，加入相邻两片点云的相似匹配度计算；
(2.8)
结合点云匹配权重，将相邻两片点云中每一个点赋值权重系数，利用匹配点对结合权重系数进行加权处理，求解不同视角下两帧点云的初始变换矩阵，完成粗配准
。5.
根据权利要求4所述的一种基于结构光扫描数据的三维物体建模方法，其特征在于，由
352
维高维度向量
SHOT
描述符
{S0,S1,
…
,S
351
}
，改进的
352
维二进制
BSHOT
描述符
{B1，
B2…
B
351
}
，将
{S0,S1,
…
,S
551
}
四个为一组分为
88
组，每组的和为
S
sum
，转化规则如下：
①
若某组中的任意
S
i
＝
0,
则对应的
B

【专利技术属性】
技术研发人员：梁冬泰，李彦，方怡哲，
申请(专利权)人：宁波大学，
类型：发明
国别省市：