本发明涉及计算机领域,尤其涉及一种数据处理方法、装置、系统和存储介质。
背景技术:
1、无论是在虚拟现实(virtual reality,vr)领域还是增强现实(augmentedreality,ar)领域,通过采集的三维(three dimensional,3d)单视角点云进行配准后形成完整三维模型都是3d展示的关键一步,物体外表面的点数据的集合称之为点云。由于3d单视角点云只能反馈这个视角下的三维物体信息,如果想要获得完整即全视角物体的三维信息,需要将多个3d单视角点云进行配准,称为点云配准。
2、通过物体表面特征进行配准往往受限于特征匹配的准确性,并且受噪声影响严重,稳定性差。
技术实现思路
1、本发明实施例提供一种数据处理方法、装置、系统和存储介质,可以提高物体表面特征配准的准确性和稳定性。
2、根据本发明实施例的一方面,提供一种数据处理方法,包括:
3、确定第一点云数据中的特征点以及第二点云数据中的特征点,第一点云数据和第二点云数据用于表征同一物体对象的不同部分;
4、对第一点云数据和第二点云数据进行特征匹配,以确定第一点云数据和第二点云数据之间的符合特征匹配条件的特征点,构成多个特征点对;
5、对于多个特征点对中的一个或多个特征点对,确定特征点对中的特征点之间的空间距离符合邻近条件的变换矩阵;
6、通过变换矩阵,对多个特征点对中的一个或多个特征点对进行坐标变换,以将第一点云数据与第二点云数据配准。
7、根据本发明实施例的另一方面,提供一种数据处理装置,包括:
8、特征点获取模块,用于确定第一点云数据中的特征点以及第二点云数据中的特征点,第一点云数据和第二点云数据用于表征同一物体对象的不同部分;
9、特征匹配模块,用于对第一点云数据和第二点云数据进行特征匹配,以确定第一点云数据和第二点云数据之间的符合特征匹配条件的特征点,构成多个特征点对;
10、特征点对筛选模块,用于对于多个特征点对中的一个或多个特征点对,确定特征点对中的特征点之间的空间距离符合邻近条件的变换矩阵;
11、数据配准模块,用于通过变换矩阵,对多个特征点对中的一个或多个特征点对进行坐标变换,以将第一点云数据与第二点云数据配准。
12、根据本发明实施例的再一方面,提供一种数据处理系统,包括:存储器和处理器;该存储器用于存储程序;该处理器用于读取存储器中存储的可执行程序代码以执行上述的数据处理方法。
13、根据本发明实施例的又一方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当指令在计算机上运行时,使得计算机执行上述各方面的数据处理方法。
14、根据本发明实施例中的数据处理方法、装置、系统和存储介质,可以提高物体表面特征配准的准确性和稳定性。
15、根据本发明实施例的另一方面,提供一种数据处理方法,包括:
16、按照多个拍摄视角,对真实场景中物体对象进行三维扫描,得到所述物体对象的多个点数据;
17、基于所述多个点数据,构建所述物体对象在多个拍摄视角下的多个点云数据,所述多个点云数据包括至少两个坐标系的点云数据;
18、对所述至少两个坐标系的点云数据进行统一坐标系处理,得到所述物体对象的三维点云数据模型。
19、在一种或多种可能的实施例中,所述对所述至少两个坐标系的点云数据进行统一坐标系处理,得到所述物体对象的三维点云数据模型,包括:
20、按照统一坐标系,对所述至少两个坐标系的点云数据进行坐标转换,得到所述物体对象的三维点云数据模型。
21、在另一种或多种可能的实施例中,所述统一坐标系与变换矩阵对应,所述变换矩阵包括旋转分量和平移分量;所述按照统一坐标系,对所述至少两个坐标系的点云数据进行坐标转换,得到所述物体对象的三维点云数据模型,包括:
22、根据所述旋转分量和平移分量,对所述至少两个坐标系的点云数据进行坐标转换,得到所述物体对象的三维点云数据模型;
23、其中,所述旋转分量用于表征所述至少两个坐标系的点云数据中每两个坐标系的点云数据之间的旋转关系;所述平移分量用于表征所述至少两个坐标系的点云数据中每两个坐标系的点云数据之间的平移关系。
24、在又一种或多种可能的实施例中,所述至少两个坐标系的点云数据中的每个坐标系的点云数据对应一个多边形面片模型,所述多边形面片模型包括多个多边形面片,所述多边形面片包括点数据,所述统一坐标系与变换矩阵对应;
25、所述对所述至少两个坐标系的点云数据进行统一坐标系处理,得到所述物体对象的三维点云数据模型,包括:
26、分别将所述每个坐标系的点云数据对应的多边形面片模型作为待处理面片;
27、通过所述变换矩阵,对每个多边形面片模型的多个待处理面片中的每个待处理面片的点数据进行坐标转换,得到所述物体对象的三维点云数据模型。
28、在再一种或多种可能的实施例中,其中,所述至少两个坐标系的点云数据中的每个坐标系的点云数据对应一个多边形面片模型;
29、所述对所述至少两个坐标系的点云数据进行统一坐标系处理,得到所述物体对象的三维点云数据模型,包括:
30、分别将所述每个坐标系的点云数据对应的多边形面片模型作为待处理面片,得到所述物体对象的多个待处理面片,所述多个待处理面片包括第一待处理面片和第二待处理面片;
31、确定所述第一待处理面片中的特征点,以及确定所述第二待处理面片中的特征点;
32、分别对所述第一待处理面片中的特征点的表面特征,以及所述第二待处理面片中的特征点的表面特征,进行特征匹配,得到所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对;
33、从所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,去除所述第一待处理面片和所述第二待处理面片间的错误特征点对,得到所述第一待处理面片和所述第二待处理面片的特征点匹配结果;
34、根据所述第一待处理面片和所述第二待处理面片的特征点匹配结果,生成所述物体对象的三维点云数据模型。
35、在再一种或多种可能的实施例中,所述确定所述第一待处理面片中的特征点,以及确定所述第二待处理面片中的特征点,包括:
36、对所述第一待处理面片进行物体对象的表面特征提取,以及对所述第二待处理面片进行该物体对象的表面特征提取;
37、通过提取到的所述第一待处理面片的表面特征,确定所述第一待处理面片中的特征点,以及通过提取到的所述第二待处理面片的表面特征,确定所述第二待处理面片中的特征点。
38、在再一种或多种可能的实施例中,所述表面特征包括几何结构特征,所述几何结构特征至少包括所述物体对象表面采样点的法向矢量或曲率;
39、所述通过提取到的所述第一待处理面片的表面特征,确定所述第一待处理面片中的特征点,包括:
40、利用所述第一待处理面片中采样点的法向矢量,提取所述第一待处理面片中的特征点;或者,
41、利用所述第一待处理面片中采样点的曲率,提取所述第一待处理面片中的特征点。
42、在再一种或多种可能的实施例中,所述利用所述第一待处理面片中采样点的法向矢量,提取所述第一待处理面片中的特征点,包括:
43、获取所述第一待处理面片中的采样点;
44、计算所述第一待处理面片中的采样点的法向量;
45、计算所述第一待处理面片中采样点的法向量的梯度,所述法向量的梯度用于表示采样点的法向量变化方向,所述法向量的梯度值用于衡量采样点的法向量的变化的快慢;
46、当所述采样点的法向量的梯度取得极值时,确定所述第一待处理面片在所述采样点法向矢量发生突变;
47、当所述第一待处理面片在所述采样点法向矢量发生突变时,将所述采样点作为所述第一待处理面片中的特征点。
48、在再一种或多种可能的实施例中,所述利用所述第一待处理面片中采样点的曲率,提取所述第一待处理面片中的特征点,包括:
49、获取所述第一待处理面片中的采样点;
50、计算所述第一待处理面片中的采样点的曲率值;
51、计算所述第一待处理面片中采样点的曲率的梯度,所述曲率的梯度用于表示所述采样点的曲率的变化方向,所述曲率的梯度值用于衡量所述采样点的曲率变化的快慢;
52、当所述采样点的曲率的梯度取得极值时,确定所述第一待处理面片在所述采样点的曲率发生突变;
53、当所述确定所述第一待处理面片在所述采样点的曲率发生突变时,将所述采样点作为所述第一待处理面片中的特征点。
54、在再一种或多种可能的实施例中,所述表面特征包括纹理特征,所述纹理特征至少包括所述物体对象表面采样点的亮度或灰度;
55、所述通过提取到的所述第一待处理面片的表面特征,确定所述第一待处理面片中的特征点,包括:
56、通过所述第一待处理面片中采样点的亮度变化程度,提取所述第一待处理面片中的特征点;或者,
57、通过提取所述第一待处理面片的纹理特征,确定所述第一待处理面片中的特征点。
58、在再一种或多种可能的实施例中,所述通过所述第一待处理面片中采样点的亮度变化程度,提取所述第一待处理面片中的特征点,包括:
59、获取所述第一待处理面片中的采样点;
60、计算所述第一待处理面片中的采样点的亮度值;
61、计算所述第一待处理面片中采样点的亮度值的梯度,所述亮度值的梯度用于表示所述采样点的亮度变化最快的方向;
62、当所述采样点的亮度的梯度取得极值时,确定所述第一待处理面片在所述采样点的亮度发生突变;
63、当确定所述第一待处理面片在所述采样点的亮度发生突变时,将所述采样点作为所述第一待处理面片中的特征点。
64、在再一种或多种可能的实施例中,所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对对用于表示所述第一待处理面片和所述第二待处理面片间特征点的对象关系;所述特征匹配条件包括特征点的特征值的差值最小或者所述差值在预设的特征阈值范围内;
65、所述分别对所述第一待处理面片中的特征点的表面特征,以及所述第二待处理面片中的特征点的表面特征,进行特征匹配,得到所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对,包括:
66、基于相同的指定特征,分别对所述第一待处理面片中的特征点的表面特征,以及所述第二待处理面片中的特征点的表面特征,进行特征匹配,其中,所述指定特征包括以下至少一种:结构特征、纹理特征;
67、将所述第一待处理面片中的特征点的特征值与所述第二待处理面片中特征点的特征值的差值最小,或所述差值在预设的特征阈值范围内,确定为所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对。
68、在再一种或多种可能的实施例中,所述方法还包括:
69、获取所述第二待处理面片中的第一特征点;
70、利用所述第一特征点的特征值,在所述第一待处理面片中查找第二特征点,所述第二特征点的特征值与所述第一特征点的特征值符合所述特征匹配条件;
71、当所述第一待处理面片中的第三特征点和所述第二特征点重合时,确定所述第三特征点和所述第二特征点为相同的特征点;
72、将所述第一待处理面片中的第三特征点与所述第二待处理面片中的第一特征点,确定为所述第一待处理面片和所述第二待处理面片间的符合特征匹配条件的特征点对。
73、在再一种或多种可能的实施例中,所述特征点对包括错误特征点对和有效特征点对;
74、所述从所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,去除所述第一待处理面片和所述第二待处理面片间的错误特征点对,得到所述第一待处理面片和所述第二待处理面片的特征点匹配结果,包括:
75、基于空间距离和精度控制参数,构建评估模型;
76、通过所述评估模型,计算所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,所述第一待处理面片与所述第二待处理面片间的匹配特征点对的空间距离;
77、将所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,与所述空间距离对应的特征点对确定为有效特征点对;
78、从所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,去除所述有效特征点对之外的错误特征点对,得到所述第一待处理面片和所述第二待处理面片的特征点匹配结果。
79、在再一种或多种可能的实施例中,所述评估模型包括目标函数和约束条件,所述目标函数用于减少错误特征点对的数量,所述约束条件为精度控制参数,所述精度控制参数用于控制对所述空间距离进行计算的精度;
80、所述通过所述评估模型,计算所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,所述第一待处理面片与所述第二待处理面片间的匹配特征点对的空间距离,包括:
81、根据所述目标函数、所述精度控制参数、所述第一待处理面片中的特征点的集合、所述第二待处理面片中的特征点的集合,所述第一待处理面片与所述第二待处理面片间特征点的变换矩阵,计算所述第一待处理面片与所述第二待处理面片间的匹配特征点对的空间距离。
82、在再一种或多种可能的实施例中,所述将所述第一待处理面片和所述第二待处理面片的符合特征匹配条件的特征点对中,与所述空间距离对应的特征点对确定为有效特征点对,包括:
83、设置所述精度控制参数的初始值;
84、利用所述评估模型对所述第一待处理面片与所述第二待处理面片间的匹配特征点对的空间距离进行计算;
85、逐步缩小所述精度控制参数的取值,并利用所述评估模型对所述第一待处理面片与所述第二待处理面片间的匹配特征点对的空间距离进行迭代计算;
86、当计算得到所述第一待处理面片与所述第二待处理面片间的匹配特征点对的空间距离的最小值时,将与所述空间距离对应的特征点对确定为所述有效特征点对。
87、在再一种或多种可能的实施例中,所述方法还包括:
88、通过三维重建技术,对所述每个坐标系的点云数据进行重建,得到所述每个坐标系的点云数据对应的一个多边形面片模型。
89、在再一种或多种可能的实施例中,所述待处理面片包括点云数据;
90、所述对所述第一待处理面片进行物体对象的表面特征提取,以及对所述第二待处理面片进行该物体对象的表面特征提取,包括:
91、将所述第一待处理面片中的点云数据和所述第二待处理面片中的点云数据确定为所述物体对象的表面特征的点集合;
92、分析所述物体对象的表面特征的点集合,得到所述第一待处理面片的表面特征和所述第二待处理面片的表面特征。
93、在再一种或多种可能的实施例中,所述按照多个拍摄视角,对真实场景中物体对象进行三维扫描,得到所述物体对象的多个点数据,包括:按照多个拍摄视角,向所述物体对象投射结构光;
94、获取所述多个拍摄视角的反馈影像,得到所述物体对象的多个点数据。
95、在再一种或多种可能的实施例中,所述多个点数据包括所述多个拍摄视角中的每个拍摄视角的点数据;
96、所述基于所述多个点数据,构建所述物体对象在多个拍摄视角下的多个点云数据,包括:
97、将所述多个拍摄视角中的每个拍摄视角的点数据的数据集合确定为所述每个拍摄视角的点云数据;
98、将所述每个拍摄视角的点云数据确定为一个坐标系的点云数据。