序列图像三维建模方法
专利汇可以提供序列图像三维建模方法专利检索，专利查询，专利分析的服务。并且一种序列图像 三维建模 方法，包括：将套有具有纹理的袜子的被测量脚部置于测量垫上，所述测量垫上设有阵列排布的标记单元；将摄影设备环绕被测量脚部外围一周并获取被测量脚部的360度的图像；将图像传输至计算机进行三维建模，得到脚部三维模型。本 发明 只需通过普通的摄像设备，例如手机即可完成三维建模过程，而不需要专 门 的相机或三维相机等专业设备进行标定，因此操作方便，并且成本低；采用密集匹配的思路进行三维建模，缩短了整个建模过程的时间，效率高，节约了时间成本。，下面是序列图像三维建模方法专利的具体信息内容。
1.一种序列图像三维建模方法，其特征在于，包括：
将套有具有纹理的袜子的被测量脚部置于测量垫上，所述测量垫上设有阵列排布的标记单元；
将摄像设备环绕被测量脚部外围一周并获取被测量脚部的360度的图像；
将图像传输至计算机进行三维建模，得到脚部三维模型。
2.根据权利要求1所述的序列图像三维建模方法，其特征在于，所述三维建模包括以下步骤：
对每一幅图像进行处理，定位并检测图像中的标记单元，获取标记单元中心点的图像位置信息，获取到第i幅图像中标记单元的中心点的点集Pi；
对相邻两幅图像中获取到的点集Pi与点集Pi+1进行匹配，找到同名点对，并建立一一对应关系，利用同名点对间的对应关系，解算摄像设备的内参，和摄像设备在拍摄两相邻图像时的相对位置参数旋转矩阵R与平移矩阵T，所述内参包括像主点位置（cx，cy）以及摄像设备焦距（fx, fy），解算公式为
（X,Y,Z是点集Pi与Pi+1中找出的同名点对在三维空间中的坐标；u，v是相应同名点在各自图像上对应点的像素坐标， 为所需求解的旋转矩阵R的九个分量， 为平移矩阵T的三个分量，s表示图像中一个图像像素对应三维空间中的实际长度）；
利用所述内参与相邻图像获取时摄像设备的相对位置参数R,T矩阵，对两幅相邻图像进行校正，并将第i+1幅图像经过旋转，平移转换至同第i幅图像在同一个坐标系下；
采用局域匹配算法进行相邻图像间的密集匹配，对第i幅图像中的任意一点，以该点为中心设定一个n*n（n为奇数）像素大小的窗口，在第i+1幅图像中同一行通过移动窗口进行逐个像素扫描，获取点对，同时计算两窗口内像素间的相似程度，计算公式为{I（u,v）表示图像上坐标为（u, v）的像素的灰度值，d表示窗口移动的像素个数}，当差异值Diff满足预设定的阈值T时，认为第i幅图像中像素点（u，v）同第i+1幅图中像素点（u+d，v）完成匹配，此时记录该匹配点对间的像素坐标差d；
对每一个获取到的所述点对，通过像素坐标差可计算出该点在三维空间中的深度Z，计算公式为
（f为摄像设备焦距，T为第i+1幅图像经旋转至第i幅图像拍摄时以摄像设备镜头中心点为原点的坐标系下时，第i+1幅图像位置的摄像设备的中心到原点的距离，d=X i-X i+1）；
根据相似性原理，计算出每个点的X，Y坐标，得到图像上各点的三维空间坐标（X，Y，Z），完成相邻两幅图像的局部三维点云重建；
将所有相邻图像进行S1-S6操作，将各局部点云集合起来获得目标的完整点集，利用delaunay三角化方法将无序点集生成规则几何面片，完成三维模型建模。
3.根据权利要求1所述的序列图像三维建模方法，其特征在于，所述摄像设备获取脚部的图像至少30张。
4.根据权利要求1或3所述的序列图像三维建模方法，其特征在于，相邻时间获取的两张脚部的图像具有至少40%的重叠区域。
5.根据权利要求1所述的序列图像三维建模方法，其特征在于，所述标记单元上设有指定记号。
6.根据权利要求5所述的序列图像三维建模方法，其特征在于，所述指定记号是二维码或条形码。
7.根据权利要求1所述的序列图像三维建模方法，其特征在于，所述摄像设备是普通相机或立体相机或手机。
8.根据权利要求1所述的序列图像三维建模方法，其特征在于，所述测量垫是纸片或塑料片或木片。
序列图像三维建模方法
技术领域
背景技术
发明内容
S2、对相邻两幅图像中获取到的点集Pi与Pi+1进行匹配，找到同名点对，并建立一一对应关系，利用同名点对间的对应关系，解算摄像设备的内参，和摄像设备在拍摄两相邻图像时的相对位置参数旋转矩阵R与平移矩阵T，所述内参包括像主点位置（cx，cy）以及摄像设备焦距（fx, fy），解算公式为
（X,Y,Z是点集Pi与Pi+1中找出的同名点对在三维空间中的坐标；u，v是相应同名点在各自图像上对应点的像素坐标， 为所需求解的旋转矩阵R的九个分量， 为平移矩阵T的三个分量，s表示图像中一个图像像素对应三维空间中的实际长度）；
S3、利用所述内参与相邻图像获取时摄像设备的相对位置参数R,T矩阵，对两幅相邻图像进行校正，并将第i+1副图像经过旋转，平移转换至同第i幅图像在同一个坐标系下；
S4、采用局域匹配算法进行相邻图像间的密集匹配，对第i幅图像中的任意一点，以该点为中心设定一个n*n（n为奇数）像素大小的窗口，在第i+1幅图像中同一行通过移动窗口进行逐像素扫描，获取点对，同时计算两窗口内像素间的相似程度，计算公式为{I（u,v）表示图像上坐标为（u, v）的像素的灰度值，d表示窗口移动的像素个数}，当差异值Diff满足预设定的阈值T时，认为第i幅图像中像素点（u，v）同第i+1幅图中像素点（u+d，v）完成匹配，此时记录该匹配点对间的像素坐标差d；
S5、对每一个获取到的所述点对，通过像素坐标差可计算出该点在三维空间中的深度Z，计算公式为
（f为摄像设备焦距，T为第i+1幅图像经旋转至第i幅图像拍摄时以摄像设备镜头中心点为原点的坐标系下时，第i+1幅图像位置的摄像设备的中心到原点的距离，d=X i-X i+1）；
S6、根据相似性原理，计算出每个点的X，Y坐标，得到图像上各点的三维空间坐标（X，Y，Z），完成相邻两幅图像的局部三维点云重建；
S7、将所有相邻图像进行S1-S6操作，将各局部点云集合起来获得目标的完整点集，利用delaunay三角化方法将无序点集生成规则几何面片，完成三维模型建模。
具体实施方式
S2、对相邻两幅图像中获取到的点集Pi与Pi+1进行匹配，找到同名点对，并建立一一对应关系，利用同名点对间的对应关系，解算摄像设备的内参，和摄像设备在拍摄两相邻图像时的相对位置参数旋转矩阵R与平移矩阵T，所述内参包括像主点位置（cx，cy）以及摄像设备焦距（fx, fy），解算公式为
（X,Y,Z是点集Pi与Pi+1中找出的同名点对在三维空间中的坐标；u，v是相应同名点在各自图像上对应点的像素坐标， 为所需求解的旋转矩阵R的九个分量， 为平移矩阵T的三个分量，s表示图像中一个图像像素对应三维空间中的实际长度）；
S3、利用所述内参与相邻图像获取时摄像设备的相对位置参数R,T矩阵，对两幅相邻图像进行校正，并将第i+1副图像经过旋转，平移转换至同第i幅图像在同一个坐标系下；
S4、采用局域匹配算法进行相邻图像间的密集匹配，对第i幅图像中的任意一点，以该点为中心设定一个n*n（n为奇数）像素大小的窗口，在第i+1幅图像中同一行通过移动窗口进行逐像素扫描，获取点对，同时计算两窗口内像素间的相似程度，计算公式为{I（u,v）表示图像上坐标为（u, v）的像素的灰度值，d表示窗口移动的像素个数}，当差异值Diff满足预设定的阈值T时，认为第i幅图像中像素点（u，v）同第i+1幅图中像素点（u+d，v）完成匹配，此时记录该匹配点对间的像素坐标差d；
S5、请参见图4，对每一个获取到的所述点对，通过像素坐标差可计算出该点在三维空间中的深度Z，计算公式为
（f为摄像设备焦距，T为第i+1幅图像经旋转至第i幅图像拍摄时以摄像设备镜头中心点为原点的坐标系下时，第i+1幅图像位置的摄像设备的中心到原点的距离，d=X i-X i+1）；
S6、根据相似性原理，计算出每个点的X，Y坐标，得到图像上各点的三维空间坐标（X，Y，Z），完成相邻两幅图像的局部三维点云重建；
S7、将所有相邻图像进行S1-S6操作，将各局部点云集合起来获得目标的完整点集，利用delaunay三角化方法将无序点集生成规则几何面片，完成三维模型建模。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 三维对象建模 | 2020-05-11 | 895 |
| 眼球的三维建模方法 | 2020-05-12 | 173 |
| 三维建模的方法和装置 | 2020-05-13 | 589 |
| 三维建模装置以及三维建模方法 | 2020-05-11 | 704 |
| 三维建模方法及系统 | 2020-05-12 | 387 |
| 一种三维建模新型系统 | 2020-05-11 | 843 |
| 三维建模卡尺 | 2020-05-11 | 275 |
| 一种三维成像建模仪 | 2020-05-11 | 118 |
| 煤场三维温度建模装置 | 2020-05-11 | 456 |
| 一种三维建模扫描箱 | 2020-05-11 | 621 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
