数据采集方法、系统、全站仪及计算机可读取存储介质与流程

本技术涉及视觉测量，具体而言，涉及一种数据采集方法、系统、全站仪及计算机可读取存储介质。

背景技术：

1、视觉slam(simultaneous localization and mapping，即时定位与地图构建)就是用摄像头来完成环境的感知工作，其能够完成对物体的三维建模，目前的视觉slam技术有单目，双目(多目)，rgbd等方式。

2、视觉slam可以应用在全站仪等测量仪器中，传统的全站仪可以实现较高精度的空间点测量，但是，目前的机器人全站仪进行测量时，测距速度较慢，而物体纹理越复杂需要扫描的点就越密集，因此所花费的时间就会越长，通常只能够对简单的规则物体(如粮仓，油库)进行自动扫描测量，大部分的复杂地物只能是人工测量采集特征点，人工采图，通过复杂的后处理软件实现对地物的建模。在面对复杂的物体或场景时，无法对其进行高精度测量，建模，或者需要花费很多时间进行测量和建模，无法实现自动化的三维测量、建模，导致目前全站仪数据采集的效率和准确性较低，从而导致测量时的建模效率太低，无法满足测量需求。

技术实现思路

1、有鉴于此，本技术实施例的目的在于提供一种数据采集方法、系统、全站仪及计算机可读取存储介质，以改善现有技术中存在的全站仪数据采集的效率和准确性较低的问题。

2、为了解决上述问题，第一方面，本技术实施例提供了一种数据采集方法，应用于数据采集系统，所述数据采集系统包括：控制组件、伺服组件、图像采集组件以及测量组件；所述方法包括：

3、通过所述控制组件，根据测量区域的分区信息，控制所述伺服组件运动至多个采集位置；

4、通过所述图像采集组件，采集每个所述采集位置的分区图像；

5、通过所述测量组件，基于所述分区图像进行深度检测，以获得深度信息；

6、其中，所述分区图像和深度信息用于建模，以生成目标模型。

7、在上述实现过程中，在数据采集的过程中，可以通过分区处理的方式，控制伺服组件运动至多个分区对应的多个采集位置，以对每个区域进行单独地图像采集和深度检测，从而针对每个不同的位置确定准确的深度信息，以结合图像数据与深度信息进行相应地建模处理。能够有效地提高进行数据采集时的效率，以及采集得到的分区图像与深度信息的准确性，从而提高建模的效率，无需人工进行采集和修改，能够实现自动化的三维测量和建模处理，减少了时间成本和人工成本，满足多种场景以及地形下的测量需求。

8、可选地，所述数据采集系统还包括数据处理组件；所述通过所述测量组件，基于所述分区图像进行深度检测，以获得深度信息，包括：

9、通过所述数据处理组件，对每个所述分区图像进行识别，以提取多个特征点；

10、通过所述控制组件，控制所述伺服组件照准多个所述特征点；

11、通过所述测量组件，在每个所述特征点被照准时，对每个所述特征点进行深度检测，以得到所述深度信息。

12、在上述实现过程中，在进行深度检测时，可以通过数据处理组件对分区图像进行处理，以识别提取得到图像中能够的多个特征点，并继续控制伺服组件进行运动，以照准每个特征点，以供测量组件在照准时对每个特征点进行相应地深度检测。能够对每个区域中的特征点进行针对性地深度检测，从而针对区域内的不同地形、不同物体的深度分别进行单独地检测，提高了深度信息的准确性和有效性，适用于对多种复杂地形的区域进行测量。

13、可选地，所述通过所述数据处理组件，对每个所述分区图像进行识别，以提取多个特征点，包括：

14、通过所述数据处理组件，对所述分区图像进行识别，以得到目标对象；

15、通过所述数据处理组件，对每个所述目标对象进行边缘提取，以得到边缘信息；

16、通过所述数据处理组件，根据每个所述边缘信息，确定相应的所述目标对象的目标类型；

17、通过所述数据处理组件，根据所述边缘信息和对应的所述目标类型，确定多个所述特征点。

18、在上述实现过程中，提取特征点时，可以根据数据处理组件中的图像识别技术识别得到分区图像中的多个目标对象，从而对目标对象进行分割，以提取相应的边缘信息，从而根据边缘信息确定对应的目标对象的目标类型，以对测量区域中存在的建筑、桥梁、道路等多种物体进行识别和分割，以对多种物体进行分类。并结合边缘信息和目标类型对目标对象进行特征提取，从而得到相应的多个特征点。通过对测量区域中存在的多种不同类型的地物进行有效地识别，从而能够对多种物体进行种类分类，以根据种类进行相应地特征提取，提高了提取的特征点的有效性和准确性，能够实现自动识别、分类和特征提取，还提高了特征点的获取效率，适用于多种物体较多且物体种类较多的复杂地形。

19、可选地，其中，所述测量组件包括测角组件和测距组件；所述通过所述测量组件，在每个所述特征点被照准时，对每个所述特征点进行深度检测，以得到所述深度信息，包括：

20、通过所述测角组件，对每个所述特征点进行角度检测，得到角度信息；

21、通过所述测距组件，对每个所述特征点进行距离检测，得到距离信息；

22、通过所述控制组件，基于所述角度信息和所述距离信息进行深度转换，以得到所述深度信息。

23、在上述实现过程中，为了对每个特征点的深度信息进行检测，可以通过测角组件和测距组件分别对特征点对应的角度信息和距离信息进行测量，从而结合角度信息和距离信息进行精确深度与相对深度的转换处理，得到相应的深度信息。能够从角度与距离两个方面对每个特征点的深度信息进行相应地测量和计算，提高了深度信息的准确性和有效性。

24、可选地，其中，所述目标模型的生成方式，包括：

25、根据所述深度信息进行加权处理，得到转换矩阵；

26、根据所述转换矩阵和每个所述分区图像进行建模，得到初始模型；

27、对所述初始模型中的模型对象进行识别，得到多个模型属性；

28、基于所述模型属性对每个所述模型对象进行标注，得到所述目标模型。

29、在上述实现过程中，在进行模型构建时，可以对深度信息进行相应地处理，以确定实际的深度与测量的深度之间的转换关系的转换矩阵。根据转换矩阵构建三维的初始模型，并在初始模型中对模型对象进行识别和标注，以得到完整的目标模型。能够以准确的深度信息为基础，在分区图像的基础上构建相应的三维模型，有效地提高了三维的目标模型的建模效率和精度，且无需人工进行处理，实现自动化地三维模型构建。

30、可选地，所述通过所述控制组件，根据测量区域的分区信息，控制所述伺服组件运动至多个采集位置，包括：

31、通过所述控制组件，根据测量需求对所述测量区域进行分区，得到多个子区域对应的所述分区信息；

32、通过所述控制组件，根据所述分区信息，确定每个所述子区域对应的采集位置；

33、通过所述控制组件，控制所述伺服组件从当前位置移动至每个所述采集位置。

34、在上述实现过程中，由于测量区域的面积较大，为了对测量区域进行完整、准确地测量，可以由控制组件根据测量需求对测量区域进行划分，以得到多个子区域，从而确定对每个子区域进行采集时合适的采集位置。通过控制组件将采集位置的位置与位姿等数据发送到伺服组件，以控制伺服组件从当前位置运动至相应的采集位置。通过对测量区域的分区处理，能够对每个较小的子区域进行单独地处理，有效地提高了每个子区域进行图像采集和深度检测时的精度。

35、可选地，其中，所述伺服组件中包括竖直轴和水平轴；所述通过所述图像采集组件，采集每个所述采集位置的分区图像，包括：

36、通过所述竖直轴与所述水平轴，带动所述图像采集组件进行同轴运动；

37、通过所述图像采集组件，在所述图像采集组件运动到所述采集位置时，对所述采集位置对应的子区域进行图像采集，得到所述分区图像。

38、在上述实现过程中，伺服组件可以通过竖直轴和水平轴进行竖直方向上的旋转以及水平方向上的旋转，以使伺服组件能够准确地运动至对应的采集位置处。并且，伺服组件能够带动图像采集组件进行同轴运动，以使图像采集组件能够与伺服组件同步地进行运动，也能够运动至各个采集位置处，以在每个采集位置处对相应的子区域进行图像采集，得到相应的分区图像。通过同轴运动的方式带动图像采集组件进行运动，提高了运动时定位的准确性以及图像采集时的效率。

39、第二方面，本技术实施例还提供了一种数据采集系统，所述系统包括：控制组件、伺服组件、图像采集组件以及测量组件；

40、所述控制组件用于根据测量区域的分区信息，控制所述伺服组件运动至多个采集位置；

41、所述图像采集组件用于采集每个所述采集位置的分区图像；

42、所述测量组件用于基于所述分区图像进行深度检测，以获得深度信息；

43、其中，所述分区图像和深度信息用于建模，以生成目标模型。

44、在上述实现过程中，在数据采集系统中，通过控制组件以分区处理的方式，控制伺服组件运动至多个分区对应的多个采集位置，通过图像采集组件和测量组件对每个区域进行单独地图像采集和深度检测，以结合图像数据与深度信息进行相应地建模处理。

45、第三方面，本技术实施例还提供了一种全站仪，所述全站仪包括上述所述的数据采集系统。

46、第四方面，本技术实施例还提供了一种计算机可读取存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述数据采集方法中任一实现方式中的步骤。

47、综上所述，本技术实施例提供了一种数据采集方法、系统、全站仪及计算机可读取存储介质，过分区处理的方式以对每个区域进行单独地采集和处理，针对每个不同的位置确定准确的图像数据和深度信息，以结合图像数据与深度信息进行相应地建模处理。有效地提高了进行数据采集时的效率，以及采集得到的分区图像与深度信息的准确性，从而提高建模的效率，无需人工进行采集和修改，能够实现自动化的三维测量和建模处理，减少了时间成本和人工成本，满足多种场景以及地形下的测量需求。