System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种基于点云分层误差抑制的点云融合方法、装置、设备及介质。
技术介绍
1、机器人辅助按摩理疗作为一项新型的物理疗法,在现代医疗中受到越来越多的关注和引用,将机器人技术和按摩理疗等物理疗法相结合,通过机械设备来模拟人工按摩揉捏等手动按摩技术,以达到舒缓肌肉疼痛,缓解肌肉僵硬和改善血液循环的疗效。
2、在通过机器人进行辅助按摩理疗时,为了根据患者的情况定制化按摩方案,需要获取被按摩人身体构建的3d点云数据,然而现有技术一般使用多个3d相机对人体进行多视角观测采集,然后将观测采集到的点云数据进行拼接融合,已形成大范围超180度的完整曲面点云,但是在对采集到的点云数据进行拼接时,由于人体存在各种微小的移动(如有意的耸肩动作和无意的大幅呼吸运动等),导致拼接融合后的点云数据存在点云分层误差的问题,形成的完整曲面点云存在各种缺陷。
技术实现思路
1、本专利技术提供一种基于点云分层误差抑制的点云融合方法、装置、设备及介质,其主要目的在于提升点云数据的质量。
2、为实现上述目的,本专利技术提供的一种基于点云分层误差抑制的点云融合方法,包括:
3、基于预设的点云采集指令,通过结构光传感器采集目标物体的点云数据,得到原始多视角点云,并获取所述原始多视角点云的多个拍摄视角,根据所述拍摄视角将原始多视角点云进行拆分,得到多个原始单视角点云;
4、获取所述原始单视角点云的点云密度,通过所述点云密度得到采样步长,并根据所述采样步长
5、获取所述点云采集指令的采样场景,根据所述采样场景和所述稀疏采样点云构建roi区域,并从所述roi区域提取点云数据,得到标准单视角点云;
6、基于所述拍摄视角对多个标准单视角点云进行点云分层误差抑制,得到多视角融合点云;
7、通过高斯滤波法对所述多视角融合点云进行平滑处理,得到误差抑制的融合点云。
8、可选地,所述基于所述拍摄视角对多个标准单视角点云进行点云分层误差抑制,得到多视角融合点云,包括:
9、步骤1、将所述拍摄视角作为视角i,初始化所述视角i=0,并将多个所述标准单视角点云对应的视角数设置为nv;
10、步骤2、获取所述标准单视角点云中数据点的集合,得到单视角点云集合,并根据数据点的点云法线对所述单视角点云集合中的数据点进行筛选,得到筛选点云集合;
11、步骤3、通过所述视角i的相机外参矩阵将所述筛选点云集合变换至所述视角i的相机坐标系,得到相机视角点云;
12、步骤4、利用所述视角i的相机内参矩阵将所述相机视角点云投影到所述视角i的图像平面,得到二维坐标点云;
13、步骤5、对所述二维坐标点云进行等比缩放,得到缩放二维坐标点云;
14、步骤6、通过所述缩放二维坐标点云计算所述相机视角点云在视角i图像平面的平均深度,得到点云平均深度图;
15、步骤7、获取所述筛选点云集合中除所述视角i以外的其他视角的数据点,得到剩余视角点云集合,并计算所述剩余点云集合与所述点云平均深度图的深度差异,得到点云深度差异;
16、步骤8、基于所述点云深度差异,计算除所述视角i以外的其他视角在图像平面的平均深度差异,得到平均深度差异图;
17、步骤9、对于除所述视角i以外的其他视角的每个数据点,通过所述平均深度差异图判断每个数据点是否为分层误差点,并在为所述分层误差点时,将所述数据点删除,反之则保留:
18、步骤10、在所述视角i为nv-1时退出,得到多视角融合点云,否则令i=i+1并返回步骤2。
19、可选地,所述通过所述点云密度得到采样步长,并根据所述采样步长在所述原始单视角点云中进行采样,得到稀疏采样点云,包括:
20、通过所述点云密度确定采样间隔,得到目标采样间隔;
21、基于所述原始单视角点云中的点云空间将所述目标采样间隔转化为采样时的步长,得到采样步长;
22、从所述原始单视角点云中选择采样点,得到初始采样点;
23、根据所述初始采样点,利用所述采样步长在所述原始单视角点云中进行采样,直至遍历所述原始单视角点云,得到所述稀疏采样点云。
24、可选地,所述根据所述采样场景和所述稀疏采样点云构建roi区域,并从所述roi区域提取点云数据,得到标准单视角点云,包括:
25、获取所述采集场景的空间约束规则,并通过所述空间约束规则和所述稀疏采样点云构建划分区域,得到所述roi区域;
26、提取所述roi区域内的点云数据,得到筛选点云,并获取所述筛选点云中最大的连续曲面点云片,得到所述标准单视角点云。
27、可选地,所述根据数据点的点云法线对所述单视角点云集合中的数据点进行筛选,得到筛选点云集合之前,所述方法还包括:
28、获取所述单视角点云集合中的各个数据点,并计算所述各个数据点的邻域内的协方差矩阵,得到邻域协方差矩阵;
29、对所述邻域协方差矩阵进行特征值分解,得到特征向量和特征值;
30、根据所述特征值的大小,选择最小特征值所对应的特征向量作为点的法线方向,得到所述点云法线。
31、可选地,所述通过所述视角i的相机外参矩阵将所述筛选点云集合变换至所述视角i的相机坐标系,得到相机视角点云,包括:
32、利用下述计算公式计算所述相机视角点云:
33、
34、其中,hi为所述视角i的相机外参矩阵,为所述筛选点云集合。
35、可选地,所述通过所述缩放二维坐标点云计算所述相机视角点云在视角i图像平面的平均深度,得到点云平均深度图,包括:
36、利用下述计算公式计算所述点云平均深度图;
37、
38、其中,nz(x,y)表示的大小,为所述相机视角点云,和为所述视角i的两个缩放二维坐标点云的坐标。
39、为了解决上述问题,本专利技术还提供一种基于点云分层误差抑制的点云融合装置,所述装置包括:
40、点云获取模块,用于基于预设的点云采集指令,通过结构光传感器采集目标物体的点云数据,得到原始多视角点云,并获取所述原始多视角点云的多个拍摄视角,根据所述拍摄视角将原始多视角点云进行拆分,得到多个原始单视角点云;
41、点云稀疏化模块,用于获取所述原始单视角点云的点云密度,通过所述点云密度得到采样步长,并根据所述采样步长在所述原始单视角点云中进行采样,得到稀疏采样点云;
42、点云标准化模块,用于获取所述点云采集指令的采样场景,根据所述采样场景和所述稀疏采样点云构建roi区域,并从所述roi区域提取点云数据,得到标准单视角点云;
43、点云误差抑制模块,用于基于所述拍摄视角对多个标准单视角点云进行点云分层误差抑制,得到多视角融合点云;通过高斯滤波法对所述多视角融合点云本文档来自技高网...
【技术保护点】
1.一种基于点云分层误差抑制的点云融合方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述基于所述拍摄视角对多个标准单视角点云进行点云分层误差抑制,得到多视角融合点云,包括:
3.如权利要求1所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述通过所述点云密度得到采样步长,并根据所述采样步长在所述原始单视角点云中进行采样,得到稀疏采样点云,包括:
4.如权利要求1所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述根据所述采样场景和所述稀疏采样点云构建ROI区域,并从所述ROI区域提取点云数据,得到标准单视角点云,包括:
5.如权利要求2所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述根据数据点的点云法线对所述单视角点云集合中的数据点进行筛选,得到筛选点云集合之前,所述方法还包括:
6.如权利要求2所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述通过所述视角I的相机外参矩阵将所述筛选点云集合变换至所述视角I的相机坐标系,得到相机视角点
7.如权利要求1至6中任一项所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述通过所述缩放二维坐标点云计算所述相机视角点云在视角I图像平面的平均深度,得到点云平均深度图,包括:
8.一种基于点云分层误差抑制的点云融合装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于点云分层误差抑制的点云融合方法。
...【技术特征摘要】
1.一种基于点云分层误差抑制的点云融合方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述基于所述拍摄视角对多个标准单视角点云进行点云分层误差抑制,得到多视角融合点云,包括:
3.如权利要求1所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述通过所述点云密度得到采样步长,并根据所述采样步长在所述原始单视角点云中进行采样,得到稀疏采样点云,包括:
4.如权利要求1所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述根据所述采样场景和所述稀疏采样点云构建roi区域,并从所述roi区域提取点云数据,得到标准单视角点云,包括:
5.如权利要求2所述的基于点云分层误差抑制的点云融合方法,其特征在于,所述根据数据点的点云法线对所述单视角点云集合中的数据点进行筛选,得到筛选点云...
【专利技术属性】
技术研发人员:谈继勇,李元伟,郭子钊,秦辉,冯宝春,汤俊杰,刘林锋,
申请(专利权)人:千移智能科技深圳有限公司,
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。