一种全自动室内扫描方法、系统及计算机可读存储介质与流程

    专利2022-07-08  96


    本发明涉及室内扫描技术领域,尤其涉及一种全自动室内扫描方法、系统及计算机可读存储介质。



    背景技术:

    室内空间扫描是获取室内空间的三维数据进行拼接三角化后生成三维模型的过程,它广泛应用在智慧装修,房屋质量检验等行业。现有的室内空间扫描技术主要有以下几个方面:

    (1)使用单个深度相机进行空间重建,由于单深度相机的视场角有限,无法扫描室内场景中的顶部和底部区域,因此需要设计上下旋转轴等辅助功能,这使得硬件系统的整体复杂度增加,也增加了算法的拼接难度。

    (2)使用双目相机,双目相机利用两个摄像装置的三角交汇得到扫描物体的三维坐标信息,然而双目相机的精度与扫描距离的平方成反比,当扫描距离增加时,精度急剧下降,在室内空间中扫描距离普遍大于2米,此时双目相机的精度受到较大的影响。

    (3)人工远程遥控,现有的室内三维扫描系统底部装有传动装置,遥控手柄和显示设备,人工通过查看显示设备上的室内信息,通过手柄控制扫描设备到扫描点,然后进行扫描,该方案需要人工操作,同时对人工操作要求很高,扫描位置的好坏直接影响了最终的建模精度。

    现有方案的主要缺点是,单个相机模组的视场角小,多次拼接容易造成较大误差,远距离扫描精度差,扫描设备需人工干预,自动化程度低。

    以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。



    技术实现要素:

    本发明为了解决现有的问题,提供一种全自动室内扫描方法、系统及计算机可读存储介质。

    为了解决上述问题,本发明采用的技术方案如下所述:

    一种全自动室内扫描方法,包括如下步骤:s1:将传动设备放置在室内的空间地面上的任一位置,所述传动设备根据预先设置的构图算法对所述室内的空间地面进行构图,得到所述室内的空间信息;s2:根据所述室内的空间信息规划成多个正方形块;s3:所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行扫描,所述扫描设备包括三个散斑结构光相机,所述散斑结构光相机分别用于单次同步分别获取所述室内的上、中、下三个区域的深度图像;s4:对所述深度图像进行重建,获得所述室内的三维模型。

    优选地,所述传动设备采用同步构图与定位算法。

    优选地,三个所述散斑结构光相机呈上、中、下排列,且位于中间的所述散斑结构光相机水平放置,其余两个所述散斑结构光相机与位于中间的所述散斑结构光相机之间具有第一夹角;以位于中间的所述散斑结构光相机的坐标系为世界坐标系,其余两个所述散斑结构光相机分别通过预先标定的旋转矩阵和平移矩阵转换到世界坐标系,得到三张所述深度图像匹配后的第一点云数据。

    优选地,对所述第一点云数据使用最近点迭代算法进行匹配,获得匹配后的第二点云数据。

    优选地,所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行全方位扫描得到多个所述第二点云数据;每次扫描完成后,所述传动设备带动扫描设备转动第一角度,所述第一角度小于所述散斑结构光相机的水平视角。

    优选地,对所述深度图像进行重建,获得所述室内的三维模型包括如下步骤:s41:将多个所述第二点云数据中相邻的两个之间进行粗匹配,获得多个初始的点云配准矩阵;s42:通过迭代最近点算法对所述初始的点云配准矩阵进行校准得到多个校准后的点云配准矩阵;s43:根据多个所述校准后的点云配准矩阵以及多个所述校准后的点云配准矩阵之间的变化关系进行全局优化,获得所述室内的三维模型。

    优选地,将多个所述第二点云数据中相邻的两个之间进行粗匹配,获得多个初始的点云配准矩阵包括如下步骤:s411:将相邻的两个所述第二点云数据之中先采集的作为源点云,后采集的作为目标点云,对相邻的两个所述第二点云数据提取快速点特征直方图;s412:对所述源点云和所述目标点云中点数较多的点云建立33维特征的k维树;s413:使用随机一致性采样算法在所述源点云和所述目标点云中点数较少的点云中随机选取4个点,分别使用该4个点在另一幅点云的k维树中查找距离它的快速点特征直方图特征最近的点,得到最近对应点后计算刚性变换矩阵[rt]以及最近点迭代算法的残差;如果所述残差大于预先设定阈值则继续重复随机一致性采样算法的步骤,直到计算出所述残差小于所述预先设定阈值或迭代次数达到预设的最大值。

    优选地,通过迭代最近点算法对所述初始的点云配准矩阵进行校准得到多个校准后的点云配准矩阵包括如下步骤:s421:在所述目标点云p中取点集pi∈p;其中,pi为目标点云p中的一点;s422:找出所述源点云q中的对应点集qi∈q,使得||qi-pi||=min;其中,qi为源点云q中与pi对应的最近点;s423:计算旋转矩阵r和平移矩阵t,使得误差函数最小;s424:将点pi根据旋转矩阵r和平移矩阵t进行旋转和平移变换,得到变换后的对应点集pi’={pi’=r*pi t,pi∈p};s425:计算对应点集pi’与对应点集qi的平均距离d;如果平均距离d小于给定的阈值或者大于预设的最大迭代次数,则停止迭代计算;否则返回s422。

    本发明还提供一种全自动室内扫描系统,包括:第一单元:将传动设备放置在室内的空间地面上的任一位置,所述传动设备根据预先设置的构图算法对所述室内的空间地面进行构图,得到所述室内的空间信息;第二单元:根据所述室内的空间信息规划成多个正方形块;第三单元:所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行扫描,所述扫描设备包括三个散斑结构光相机,所述散斑结构光相机分别用于单次同步分别获取所述室内的上、中、下三个区域的深度图像;第四单元:对所述深度图像进行重建,获得所述室内的三维模型。

    本发明再提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述方法的步骤。

    本发明的有益效果为:提供一种全自动室内扫描方法、系统及计算机可读存储介质,通过采用包括三个散斑结构光相机的扫描设备对室内进行扫描,提高了扫描精度。

    进一步地,采用传动设备的自动建图与定位算法实现对室内空间的自动扫描提高了扫描过程的自动化程度,并能在一些人工难以进入的区域进行工作。

    附图说明

    图1是本发明实施例中一种全自动室内扫描方法的示意图。

    图2是本发明实施例中一种全自动室内扫描系统的示意图。

    图3是本发明实施例中获得所述室内的三维模型的方法的示意图。

    图4是本发明实施例中获得多个初始的点云配准矩阵的方法的示意图。

    图5是本发明实施例中得到多个校准后的点云配准矩阵的方法的示意图。

    图6是本发明实施例中又一种全自动室内扫描系统的示意图。

    具体实施方式

    为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。

    需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外,连接既可以是用于固定作用也可以是用于电路连通作用。

    需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。

    此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。

    如图1所示,本发明提供一种全自动室内扫描方法,包括如下步骤:

    s1:将传动设备放置在室内的空间地面上的任一位置,所述传动设备根据预先设置的构图算法对所述室内的空间地面进行构图,得到所述室内的空间信息;

    s2:根据所述室内的空间信息规划成多个正方形块;

    s3:所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行扫描,所述扫描设备包括三个散斑结构光相机,所述散斑结构光相机分别用于单次同步分别获取所述室内的上、中、下三个区域的深度图像;

    s4:对所述深度图像进行重建,获得所述室内的三维模型。

    本发明通过采用包括三个散斑结构光相机的扫描设备对室内进行扫描,提高了扫描精度。

    进一步地,采用传动设备的自动建图与定位算法实现对室内空间的自动扫描提高了扫描过程的自动化程度,并能在一些人工难以进入的区域进行工作。

    如图2所示,是本发明的一种全自动室内扫描系统的示意图。具体包括:传动设备底座1,转台3,三个散斑结构光相机71、72、73及模组固定支架6,其中传动设备中包含激光雷达4用于自动建图和定位;电源2和主机5,用于连接并控制相机模组和转台。

    在本发明的一种实施例中,传动设备使用自身配置的激光雷达装置4在主机上运行slam(simultaneouslocalizationandmapping),也称为cml(concurrentmappingandlocalization)算法,即时定位与地图构建或并发建图与定位算法,自动建立待扫描区域的格栅地图,通过将扫描区域划分为1米*1米的块,指定机器人车移动到每个块的中心点上进行深度图像的采集。由于在室内空间中地面相对平坦,因此传动设备采用效率更高的同步构图与定位算法。

    将传动设备放置在室内空间地面上的任一位置,一般为入口处,保证空间中没有死角和遮挡等情况,传动设备使用自身的雷达装置和主机上运行的构图算法对空间进行构图,从左侧方向开始在空间中移动直到回到初始位置,此时获取了房屋中的空间地图。

    在本发明的一种实施例中,主机5中包括软件包含:(1)通信软件:用于和外部主机比如计算机进行通讯,实时汇报设备状态信息,如当前电量,是否正常工作等;(2)控制软件:包括传动设备运行控制软件,用于控制传动设备前进,转向或停止;(3)转台模组控制软件:用于控制转台按规则进行旋转,并控制三个相机模组交替采图;(4)模型处理软件:用于倒入采集的深度数据进行模型生成,预览,模型优化等操作;(5)算法模块,包括机器人自动建图与定位算法,点云内部拼接算法,点云粗拼接算法,点云全局优化和模型生成算法;其中,点云内部拼接使用事先标定好的外参数进行处理,标定过程使用棋盘格标定板对模组的外参进行标定。

    继续如图2所示,三个所述散斑结构光相机呈上、中、下排列,且位于中间的所述散斑结构光相机水平放置,其余两个所述散斑结构光相机与位于中间的所述散斑结构光相机之间具有第一夹角;以位于中间的所述散斑结构光相机的坐标系为世界坐标系,其余两个所述散斑结构光相机分别通过预先标定的旋转矩阵和平移矩阵转换到世界坐标系,得到三张所述深度图像匹配后的第一点云数据。

    在本发明的一种实施例中,为了保证三个散斑结构光相机互不干扰,在采集模组数据时使用了交替开关散斑结构光相机激光的方式,以达到采集的深度图像完整的目的。

    具体地,当传动设备移动到每个块的中心位置上后,传动设备上的主机5运行控制软件进行图像采集工作,采集时每个散斑结构光相机先分别采集一张深度图,三张深度图通过预先标定的外参进行拼接,以散斑结构光相机72的坐标系为世界坐标系,将散斑结构光相机71和散斑结构光相机73分别通过旋转矩阵r1,r3和平移矩阵t1,t3(事先进行标定)转换到世界坐标系,得到三张图像粗匹配后的第一点云数据,之后使用最近点迭代算法进行精细匹配,获得匹配后的第二点云数据。

    每次扫描完成后,传动设备带动扫描设备转动第一角度,第一角度小于散斑结构光相机的水平视角。进而传动设备带动扫描设备移动到每个正方形块的中心点上对室内进行全方位扫描得到多个所述第二点云数据。

    具体地,传动设备完成采集后转台旋转30度,继续上述的采图拼接过程,采图拼接完成后继续旋转转台30度,直到转台完成360度旋转。接下来控制传动设备到另一位置,继续按照上述步骤完成采图拼接,直到所有的块完成采集。在一种具体的实施例中,散斑结构光相机的水平视角是63度,每次采集转动第一角度要小于水平视角,但是采集次数过多会降低效率。

    采集到数据后,需要对获取的深度数据进行重建,生成室内空间中的三维模型。

    如图3所示,对所述深度图像进行重建,获得所述室内的三维模型包括如下步骤:

    s41:将多个所述第二点云数据中相邻的两个之间进行粗匹配,获得多个初始的点云配准矩阵;

    s42:通过迭代最近点算法对所述初始的点云配准矩阵进行校准得到多个校准后的点云配准矩阵;

    s43:根据多个所述校准后的点云配准矩阵以及多个所述校准后的点云配准矩阵之间的变化关系进行全局优化,获得所述室内的三维模型。

    采用如上所述的重建方法,重建后模型的测量精度可低于1%,可满足对精度要求高的行业应用。

    粗匹配主要目的是在初始条件未知的情况下,快速估算一个大致的点云配准矩阵,整个计算过程要求较高的计算速度,对于计算结果的精确度则不做过高的要求。

    如图4所示,将多个所述第二点云数据中相邻的两个之间进行粗匹配,获得多个初始的点云配准矩阵包括如下步骤:

    s411:将相邻的两个所述第二点云数据之中先采集的作为源点云,后采集的作为目标点云,对相邻的两个所述第二点云数据提取快速点特征直方图;即fpfh(fastpointfeaturehistogram)点特征直方图;

    s412:对所述源点云和所述目标点云中点数较多的点云建立33维特征的k维树;

    s413:使用随机一致性采样算法在所述源点云和所述目标点云中点数较少的点云中随机选取4个点,分别使用该4个点在另一幅点云的k维树中查找距离它的快速点特征直方图特征最近的点,得到最近对应点后计算刚性变换矩阵[rt]以及最近点迭代算法的残差;

    如果所述残差大于预先设定阈值则继续重复随机一致性采样算法的步骤,直到计算出所述残差小于所述预先设定阈值或迭代次数达到预设的最大值。

    点云精配准是利用已知的初始变换矩阵,通过迭代最近点算法,即icp(iterativeclosestpoint)算法等计算得到较为精确解。icp算法原理:分别在待匹配的目标点云p和源点云q中,按照一定的约束条件,找到最邻近点(pi,qi),然后计算出最优匹配参数r和t,使得误差函数最小。误差函数为e(r,t)为:

    其中,n为最邻近点对的个数,pi为目标点云p中的一点,qi为源点云q中与pi对应的最近点,r为旋转矩阵,t为平移向量。

    如图5所示,通过迭代最近点算法对所述初始的点云配准矩阵进行校准得到多个校准后的点云配准矩阵包括如下步骤:

    s421:在所述目标点云p中取点集pi∈p;其中,pi为目标点云p中的一点;

    s422:找出所述源点云q中的对应点集qi∈q,使得||qi-pi||=min;其中,qi为源点云q中与pi对应的最近点;

    s423:计算旋转矩阵r和平移矩阵t,使得误差函数最小;

    s424:将点pi根据旋转矩阵r和平移矩阵t进行旋转和平移变换,得到变换后的对应点集pi’={pi’=r*pi t,pi∈p};

    s425:计算对应点集pi’与对应点集qi的平均距离d;如果平均距离d小于给定的阈值或者大于预设的最大迭代次数,则停止迭代计算;否则返回s422。

    上述icp计算变化矩阵采用如下方法:四元数法、奇异值分解法,其中运算库open3d是基于矩阵运算库eigen的奇异值分解。

    上述得到的点云变换关系是局部最优的,会存在误差累计现象,需要最后进行全局icp优化各个旋转平移。全局优化的目的是消除两两点云之间匹配误差的不均衡,将误差平均分配在每组点云上,并使得匹配的最终点云具有更少的噪声

    在本发明的一种实施例中,运算库open3d中的全局优化基于图优化进行,其中节点为待优化变量,边为误差项,其中具体构造边为每片点云与基础坐标(通常为第一点云坐标)变化关系,具体为4*4的变化矩阵。边为一个6*6的信息矩阵,代表的意思是匹配点对欧拉距离误差的均方根。

    最后对全局优化后的点云进行三角化获得最终的室内空间模型。

    如图6所示,一种全自动室内扫描系统,其特征在于,包括:

    第一单元:将传动设备放置在室内的空间地面上的任一位置,所述传动设备根据预先设置的构图算法对所述室内的空间地面进行构图,得到所述室内的空间信息;

    第二单元:根据所述室内的空间信息规划成多个正方形块;

    第三单元:所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行扫描,所述扫描设备包括三个散斑结构光相机,所述散斑结构光相机分别用于单次同步分别获取所述室内的上、中、下三个区域的深度图像;

    第四单元:对所述深度图像进行重建,获得所述室内的三维模型。

    本申请实施例还提供一种控制装置,包括处理器和用于存储计算机程序的存储介质;其中,处理器用于执行所述计算机程序时至少执行如上所述的方法。

    本申请实施例还提供一种存储介质,用于存储计算机程序,该计算机程序被执行时至少执行如上所述的方法。

    本申请实施例还提供一种处理器,所述处理器执行计算机程序,至少执行如上所述的方法。

    所述存储介质可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中,非易失性存储器可以是只读存储器(rom,readonlymemory)、可编程只读存储器(prom,programmableread-onlymemory)、可擦除可编程只读存储器(eprom,erasableprogrammableread-onlymemory)、电可擦除可编程只读存储器(eeprom,electricallyerasableprogrammableread-onlymemory)、磁性随机存取存储器(fram,ferromagneticrandomaccessmemory)、快闪存储器(flashmemory)、磁表面存储器、光盘、或只读光盘(cd-rom,compactdiscread-onlymemory);磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram,randomaccessmemory),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的ram可用,例如静态随机存取存储器(sram,staticrandomaccessmemory)、同步静态随机存取存储器(ssram,synchronousstaticrandomaccessmemory)、动态随机存取存储器(dram,dynamicrandomaccessmemory)、同步动态随机存取存储器(sdram,synchronousdynamicrandomaccessmemory)、双倍数据速率同步动态随机存取存储器(ddrsdram,doubledataratesynchronousdynamicrandomaccessmemory)、增强型同步动态随机存取存储器(esdram,enhancedsynchronousdynamicrandomaccessmemory)、同步连接动态随机存取存储器(sldram,synclinkdynamicrandomaccessmemory)、直接内存总线随机存取存储器(drram,directrambusrandomaccessmemory)。本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。

    在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。

    上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

    另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。

    本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(rom,read-onlymemory)、随机存取存储器(ram,randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

    或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

    本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。

    本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。

    本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。

    以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。


    技术特征:

    1.一种全自动室内扫描方法,其特征在于,包括如下步骤:

    s1:将传动设备放置在室内的空间地面上的任一位置,所述传动设备根据预先设置的构图算法对所述室内的空间地面进行构图,得到所述室内的空间信息;

    s2:根据所述室内的空间信息规划成多个正方形块;

    s3:所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行扫描,所述扫描设备包括三个散斑结构光相机,所述散斑结构光相机分别用于单次同步分别获取所述室内的上、中、下三个区域的深度图像;

    s4:对所述深度图像进行重建,获得所述室内的三维模型。

    2.如权利要求1所述的全自动室内扫描方法,其特征在于,所述传动设备采用同步构图与定位算法。

    3.如权利要求2所述的全自动室内扫描方法,其特征在于,三个所述散斑结构光相机呈上、中、下排列,且位于中间的所述散斑结构光相机水平放置,其余两个所述散斑结构光相机与位于中间的所述散斑结构光相机之间具有第一夹角;

    以位于中间的所述散斑结构光相机的坐标系为世界坐标系,其余两个所述散斑结构光相机分别通过预先标定的旋转矩阵和平移矩阵转换到世界坐标系,得到三张所述深度图像匹配后的第一点云数据。

    4.如权利要求3所述的全自动室内扫描方法,其特征在于,对所述第一点云数据使用最近点迭代算法进行匹配,获得匹配后的第二点云数据。

    5.如权利要求4所述的全自动室内扫描方法,其特征在于,所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行全方位扫描得到多个所述第二点云数据;

    每次扫描完成后,所述传动设备带动扫描设备转动第一角度,所述第一角度小于所述散斑结构光相机的水平视角。

    6.如权利要求5所述的全自动室内扫描方法,其特征在于,对所述深度图像进行重建,获得所述室内的三维模型包括如下步骤:

    s41:将多个所述第二点云数据中相邻的两个之间进行粗匹配,获得多个初始的点云配准矩阵;

    s42:通过迭代最近点算法对所述初始的点云配准矩阵进行校准得到多个校准后的点云配准矩阵;

    s43:根据多个所述校准后的点云配准矩阵以及多个所述校准后的点云配准矩阵之间的变化关系进行全局优化,获得所述室内的三维模型。

    7.如权利要求6所述的全自动室内扫描方法,其特征在于,将多个所述第二点云数据中相邻的两个之间进行粗匹配,获得多个初始的点云配准矩阵包括如下步骤:

    s411:将相邻的两个所述第二点云数据之中先采集的作为源点云,后采集的作为目标点云,对相邻的两个所述第二点云数据提取快速点特征直方图;

    s412:对所述源点云和所述目标点云中点数较多的点云建立33维特征的k维树;

    s413:使用随机一致性采样算法在所述源点云和所述目标点云中点数较少的点云中随机选取4个点,分别使用该4个点在另一幅点云的k维树中查找距离它的快速点特征直方图特征最近的点,得到最近对应点后计算刚性变换矩阵[rt]以及最近点迭代算法的残差;

    如果所述残差大于预先设定阈值则继续重复随机一致性采样算法的步骤,直到计算出所述残差小于所述预先设定阈值或迭代次数达到预设的最大值。

    8.如权利要求7所述的全自动室内扫描方法,其特征在于,通过迭代最近点算法对所述初始的点云配准矩阵进行校准得到多个校准后的点云配准矩阵包括如下步骤:

    s421:在所述目标点云p中取点集pi∈p;其中,pi为目标点云p中的一点;

    s422:找出所述源点云q中的对应点集qi∈q,使得||qi-pi||=min;其中,qi为源点云q中与pi对应的最近点;

    s423:计算旋转矩阵r和平移矩阵t,使得误差函数最小;

    s424:将点pi根据旋转矩阵r和平移矩阵t进行旋转和平移变换,得到变换后的对应点集pi’={pi’=r*pi t,pi∈p};

    s425:计算对应点集pi’与对应点集qi的平均距离d;如果平均距离d小于给定的阈值或者大于预设的最大迭代次数,则停止迭代计算;否则返回s422。

    9.一种全自动室内扫描系统,其特征在于,包括:

    第一单元:将传动设备放置在室内的空间地面上的任一位置,所述传动设备根据预先设置的构图算法对所述室内的空间地面进行构图,得到所述室内的空间信息;

    第二单元:根据所述室内的空间信息规划成多个正方形块;

    第三单元:所述传动设备带动扫描设备移动到每个所述正方形块的中心点上对所述室内进行扫描,所述扫描设备包括三个散斑结构光相机,所述散斑结构光相机分别用于单次同步分别获取所述室内的上、中、下三个区域的深度图像;

    第四单元:对所述深度图像进行重建,获得所述室内的三维模型。

    10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一所述方法的步骤。

    技术总结
    本发明提供一种全自动室内扫描方法、系统及计算机可读存储介质,方法包括:将传动设备放置在室内的空间地面上的任一位置,传动设备根据预先设置的构图算法对室内的空间地面进行构图,得到室内的空间信息;根据室内的空间信息规划成多个正方形块;传动设备带动扫描设备移动到每个正方形块的中心点上对所述室内进行扫描,扫描设备包括三个散斑结构光相机,散斑结构光相机分别用于单次同步分别获取室内的上、中、下三个区域的深度图像;对深度图像进行重建,获得室内的三维模型。通过采用包括三个散斑结构光相机的扫描设备对室内进行扫描,提高了扫描精度。

    技术研发人员:唐正宗;谭方;冯超;张铭凯
    受保护的技术使用者:新拓三维技术(深圳)有限公司
    技术研发日:2020.11.18
    技术公布日:2021.03.12

    转载请注明原文地址:https://wp.8miu.com/read-15967.html

    最新回复(0)