CN111833451B - 一种区块化的可见光数据重组立体扫描重构的方法 - Google Patents
一种区块化的可见光数据重组立体扫描重构的方法 Download PDFInfo
- Publication number
- CN111833451B CN111833451B CN202010671402.XA CN202010671402A CN111833451B CN 111833451 B CN111833451 B CN 111833451B CN 202010671402 A CN202010671402 A CN 202010671402A CN 111833451 B CN111833451 B CN 111833451B
- Authority
- CN
- China
- Prior art keywords
- data
- block
- visible light
- recording
- light data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005215 recombination Methods 0.000 title claims description 6
- 230000006798 recombination Effects 0.000 title claims description 6
- 238000005286 illumination Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 5
- 230000008521 reorganization Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 2
- 238000005375 photometry Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019994 cava Nutrition 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开的属于图像处理技术领域，具体为一种区块化的可见光数据重组立体扫描重构的方法，该区块化的可见光数据重组立体扫描重构的方法的具体步骤如下：S1：采用一个小型照明设备对目标物进行局部照明，对局部照明下的目标物进行可见光的数据采集，并记作区块A；S2：对区块A采集完成后，改变照明区域，并对另一块局部照明下的山洞部分进行可见光的数据采集，并记作区块B；能广泛应用在基于photogrammetry核心技术的行业之中，显著提高昏暗环境下的单体式、组合式对象，甚至是大型场景的数字化重建数据质量，有效精简数字化立体重建过程中所需要的设备，降低工作所需设备的复杂度和规模，从而降低整体成本。
Description
技术领域
本发明涉及图像处理技术领域，具体为一种区块化的可见光数据重组立体扫描重构的方法。
背景技术
通过物体外部测量的数据，经数字处理获得三维物体的形状信息的技术。图像重建技术开始是在放射医疗设备中应用，显示人体各部分的图像，即计算机断层摄影技术，简称CT技术，后逐渐在许多领域获得应用。主要有投影重建、明暗恢复形状、立体视觉重建和激光测距重建。
现有基于可见光图象数据的数字化立体重建技术对光照环境的依赖程度相当高，因此传统的可见光3D扫描技术难以解决自然光无法照射的海底，水底，山洞等常年昏暗的环境的数字化重建问题。
发明内容
本发明的目的在于提供一种区块化的可见光数据重组立体扫描重构的方法，以解决上述背景技术中提出的传统的可见光3D扫描技术难以解决自然光无法照射的海底，水底，山洞等常年昏暗的环境的数字化重建的问题。
为实现上述目的，本发明提供如下技术方案：一种区块化的可见光数据重组立体扫描重构的方法，该区块化的可见光数据重组立体扫描重构的方法的具体步骤如下：
S1：采用一个小型照明设备对目标物进行局部照明，对局部照明下的目标物进行可见光的数据采集，并记作区块A；
S2：对区块A采集完成后，改变照明区域，并对另一块局部照明下的山洞部分进行可见光的数据采集，并记作区块B；
确保当前采集的区块B和前一次采集的区块A的采集数据之间有超过33％的重叠范围；
S3：重复以上步骤，改变照明区域，并对下一块局部照明下的山洞部分进行可见光的数据采集，并记作区块C，确保当前采集的区块C和前一次采集的区块B的采集数据之间有超过33％的重叠范围；
重复以上步骤，直到采集的区块数据完全覆盖山洞；
S4：使用重叠率分析算法对上述采集的所有区块数据进行数据筛选，对重叠率不超过33％的数据执行S5，对重叠率超过33％的数据所对应的区块执行S6；
S5：对重叠率不超过33％的数据所在区域马上执行重新采集，并把该部分数据记作数据P，然后将数据P输入步骤S4中使用重叠率分析算法进行数据筛选，直到不再产生数据P；
S6：对重叠率超过33％的数据，进行进一步筛选：
基于亮度筛选的图象算法提取亮度相对偏差值小于等于8％的数据并记作数据甲，亮度相对偏差值超过8％的数据记作数据乙；
对数据乙执行统一亮度的图象算法，执行后得到亮度相对偏差值小于等于8％的数据并记作数据丙，亮度相对偏差值依然超过8％的数据记作数据丁；
对数据丁所在的区域重新执行局部照明以及可见光的数据采集操作，可多次执行，直到新采集的区块数据覆盖范围完全遮盖原区块，并对该部分数据也记作数据P，本步骤S6得到的数据P后续与步骤S5中数据P处理方式相同，对新采集的数据P使用重叠率分析算法进行数据筛选，确保重叠率超过33％，然后对新得到的区块数据依次执行，基于亮度筛选的图象算法、执行统一亮度的图象算法，直至不再产生数据丁；
S7：把得到的所有数据甲，数据丙统一执行photogrammetry图象合成算法，得到完整的山洞立体点云数据；
S8：对所得的点云数据进行网格重构，得到立体的山洞网格模型数据；
S9：把点云数据的RGB数值映射到山洞网格中，得到真实的彩色立体模型数据。
优选的，所述小型照明设备为干电池供电式手电筒或充电式灯光设备或相机用闪光灯或连接到便携电箱的照明灯。
优选的，所述步骤S5、S6中重新采集时使用同一规格，同一数量的照明设备。
优选的，该区块化的可见光数据重组立体扫描重构的方法用于昏暗山洞、海底、水底灯昏暗环境。
与现有技术相比，本发明的有益效果是：
1)能广泛应用在基于photogrammetry核心技术的行业之中，显著提高昏暗环境下的单体式、组合式对象，甚至是大型场景的数字化重建数据质量，有效精简数字化立体重建过程中所需要的设备，降低工作所需设备的复杂度和规模，从而降低整体成本；
2)能够适用于不同的昏暗场景，适用性较强，从而能够方便不同情况使用。
附图说明
图1为本发明山洞局部的照明示意图；
图2为本发明区块A的照明及采集示意图；
图3为本发明区块B的照明及采集示意图；
图4为本发明区块A与区块B的重叠示意图；
图5为本发明区块C的照明及采集示意图；
图6为本发明区块B与区块C的重叠示意图；
图7为本发明采集的区块数据完全覆盖山洞的示意图；
图8为本发明某区块与它相邻的过半数区块的相对亮度偏差值都超过8％的示意图；
图9为本发明某区块与它相邻的过半数区块的相对亮度偏差值都没有超过8％示意图；
图10为本发明数据丁所在的区域示意图；
图11为本发明对数据丁所在的区域重新执行局部照明以及可见光的数据一次采集操作作示意图；
图12为本发明对数据丁所在的区域重新执行局部照明以及可见光的数据二次采集操作示意图；
图13为本发明对数据丁所在的区域重新执行局部照明以及可见光的数据三次采集操作示意图；
图14为本发明对数据丁所在的区域重新执行局部照明以及可见光的数据四次采集操作示意图；
图15为本发明对新得到的区块数据依次执行基于亮度筛选的图象算法，执行统一亮度的图象算法的示意图；
图16为本发明直到新得到的区块数据不再产生问题数据示意图；
图17为本发明完整的山洞立体点云数据示意图；
图18为本发明对所得的点云数据进行网格重构得到立体的山洞网格模型数据示意图；
图19为本发明点云的RGB数值映射到山洞网格中，得到真实的彩色立体模型数据示意图；
图20为本发明对古亭进行局部照明，并进行可见光的数据采集，记作区块A示意图；
图21为本发明对区块A采集完成后，改变照明区域，并对另一块局部照明下的古亭部分进行可见光的数据采集，并记作区块B示意图；
图22为本发明古亭区块A和区块B之间有足够33％的重叠区域示意图；
图23为本发明正面采集的区块数据完全覆盖古亭示意图；
图24为本发明侧面采集的区块数据完全覆盖古亭示意图；
图25为本发明顶面采集的区块数据完全覆盖古亭示意图；
图26为本发明执行算法，得到古亭的点云数据示意图；
图27为本发明执行算法，得到古亭的网格数据示意图；
图28为本发明执行映射，得到真实色彩的古亭立体模型数字化数据示意图；
图29为本发明实施例一和实施例二的采集方向示意图；
图30为本发明流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“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。
本方案可以用于物体内部的区块化的可见光数据重组立体扫描重构(如图30所示为方法流程图)：
实施例一：请参阅图1-19，以昏暗的山洞作为实施对象(如图29所示的左侧图，从内向外分散式采集)，由于山洞本身异常复杂的结构，对山洞进行统一的，全局的，无死角的人造光源照明是几乎不可能实现的。首先无法确保庞大规模的人造光源的供电，再者，照明设备的数量过多会阻碍严重采集工作，而大量照明设备工作时本身的发热也会对山洞原本的温度，湿度，生态等环境产生破坏：
本发明提供一种技术方案：一种区块化的可见光数据重组立体扫描重构的方法，对每个区域逐一进行小规模的照明和采集，最后把区块化采集的可见光数据重新组合成完整的整体。从而完成对昏暗环境下的对象所匹配的数字化立体重建扫描，该区块化的可见光数据重组立体扫描重构的方法的具体步骤如下：
如图1、2所示：S1：采用一个小型照明设备对目标物进行局部照明，对局部照明下的目标物进行可见光的数据采集，并记作区块A；
如图3所示：S2：对区块A采集完成后，改变照明区域，并对另一块局部照明下的山洞部分进行可见光的数据采集，并记作区块B；
如图4所示：确保当前采集的区块B和前一次采集的区块A的采集数据之间有超过33％的重叠范围；
如图5、6所示：S3：重复以上步骤，改变照明区域，并对下一块局部照明下的山洞部分进行可见光的数据采集，并记作区块C，确保当前采集的区块C和前一次采集的区块B的采集数据之间有超过33％的重叠范围；
如图7所示：重复以上步骤，直到采集的区块数据完全覆盖山洞；
S4：使用重叠率分析算法对上述采集的所有区块数据进行数据筛选，对重叠率不超过33％的数据执行S5，对重叠率超过33％的数据所对应的区块执行S6；
S5：对重叠率不超过33％的数据所在区域马上执行重新采集，并把该部分数据记作数据P，然后将数据P输入步骤S4中使用重叠率分析算法进行数据筛选，直到不再产生数据P；
如图11、12、13、14、15和16所示：S6：对重叠率超过33％的数据，进行进一步筛选：
基于亮度筛选的图象算法提取亮度相对偏差值小于等于8％的数据并记作数据甲，亮度相对偏差值超过8％的数据记作乙；
对数据乙执行统一亮度的图象算法，执行后得到亮度相对偏差值小于等于8％的数据并记作数据丙，亮度相对偏差值依然超过8％的数据记作数据丁；
对数据丁所在的区域重新执行局部照明以及可见光的数据采集操作，可多次执行，直到新采集的区块数据覆盖范围完全遮盖原区块，并对该部分数据也记作数据P，本步骤S6得到的数据P后续与步骤S5中的数据P处理方式相同，对新采集的数据P使用重叠率分析算法进行数据筛选，确保重叠率超过33％，然后对新得到的区块数据依次执行，基于亮度筛选的图象算法、执行统一亮度的图象算法，直至不再产生数据丁；
关于相对亮度偏差值的定义：
以标准每通道8位的RGB色彩模式为准(RGB三原色数值各分布在0～255的范围)，先单独计算每个区块最亮色块的亮度相对值(R数值+B数值+G数值)/3。再通过配对彼此相邻的区块中最亮的色块的亮度相对值之间的差值，该差值/对应区块的亮度相对值。得到的百分比数值则为相邻区块间的相对亮度偏差值。
如图8所示：为某区块的相对亮度偏差值示意图，该区块与它相邻的过半数区块的相对亮度偏差值都超过8％(图中为10％)，固记作数据丁；
如图9所示：为某区块的相对亮度偏差值示意图，该区块与它相邻的过半数区块的相对亮度偏差值都没有超过8％(图中为5％)，固不记为数据丁；
如图10所示：为数据丁所在的区域；
如图17所示：S7：把得到的所有数据甲，数据丙统一执行photogrammetry图象合成算法，得到完整的山洞立体点云数据(由于点云数据基于可见光的采集数据，每个点云数据都继承了可见光RGB数值)；
如图18所示：S8：对所得的点云数据进行网格重构，得到立体的山洞网格模型数据；
如图19所示：S9：把点云数据的RGB数值映射到山洞网格中，得到真实的彩色立体模型数据。
进一步地，所述小型照明设备为干电池供电式手电筒或充电式灯光设备或相机用闪光灯或连接到便携电箱的照明灯。
进一步地，所述步骤S5、S6中重新采集时使用同一规格，同一数量的照明设备。
进一步地，该区块化的可见光数据重组立体扫描重构的方法用于昏暗山洞、海底、水底灯昏暗环境。
实施例一描述了本发明专利在密封的山洞，也就是中心朝外的场景的处理办法，而本发明所具备的的通用性，不仅是由中心向外部，也适用于外部朝向中心的目标采集。进一步地，该区块化的可见光数据重组立体扫描重构的方法同样适用于外围朝向中心的目标对象的处理(参考实施例二)。
实施例二：
本方案可以用于物体外部的区块化的可见光数据重组立体扫描重构(如图29所示的右侧图，从外围朝向中心聚拢式采集)：
如图20-28为对位于水底的古亭的区块化的可见光数据重组立体扫描重构，具体步骤为：
如图20所示：对古亭进行局部照明，并进行可见光的数据采集，记作区块A；
如图21所示：对区块A采集完成后，改变照明区域，并对另一块局部照明下的古亭部分进行可见光的数据采集，并记作区块B；
如图22所示：确保区块A和区块B之间有足够33％的重叠区域；
如图23、24、25所示：重复以上操作直到所有区块的数据完全覆盖古亭的表面结构。并且不再产生反映问题区块的数据丁；
如图26所示：执行算法，得到点云数据；
如图27所示：执行算法，得到网格数据；
如图28所示：执行映射，得到真实色彩的古亭立体模型数字化数据。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种区块化的可见光数据重组立体扫描重构的方法，其特征在于：该区块化的可见光数据重组立体扫描重构的方法的具体步骤如下：
S1：采用一个小型照明设备对目标物进行局部照明，对局部照明下的目标物进行可见光的数据采集，并记作区块A；
S2：对区块A采集完成后，改变照明区域，并对另一块局部照明下的山洞部分进行可见光的数据采集，并记作区块B；
确保当前采集的区块B和前一次采集的区块A的采集数据之间有超过33％的重叠范围；
S3：重复以上步骤，改变照明区域，并对下一块局部照明下的山洞部分进行可见光的数据采集，并记作区块C，确保当前采集的区块C和前一次采集的区块B的采集数据之间有超过33％的重叠范围；
重复以上步骤，直到采集的区块数据完全覆盖山洞；
S4：使用重叠率分析算法对上述采集的所有区块数据进行数据筛选，对重叠率不超过33％的数据执行S5，对重叠率超过33％的数据所对应的区块执行S6；
S5：对重叠率不超过33％的数据所在区域马上执行重新采集，并把该部分数据记作数据P1，然后将数据P1输入步骤S4中使用重叠率分析算法进行数据筛选，直到不再产生数据P1；
S6：对重叠率超过33％的数据，进行进一步筛选：
基于亮度筛选的图像算法提取亮度相对偏差值小于等于8％的数据并记作数据甲，亮度相对偏差值超过8％的数据记作数据乙；
对数据乙执行统一亮度的图像算法，执行后得到亮度相对偏差值小于等于8％的数据并记作数据丙，亮度相对偏差值依然超过8％的数据记作数据丁；
对数据丁所在的区域重新执行局部照明以及可见光的数据采集操作，可多次执行，直到新采集的区块数据覆盖范围完全遮盖原区块，并对该部分数据记作数据P2，该数据P2后续与步骤S5中数据P1处理方式相同，对新采集的数据P2使用重叠率分析算法进行数据筛选，确保重叠率超过33％，然后对新得到的区块数据依次执行，基于亮度筛选的图像算法、执行统一亮度的图像算法，直至不再产生数据丁；
S7：把得到的所有数据甲，数据丙统一执行photogrammetry图像合成算法，得到完整的山洞立体点云数据；
S8：对所得的点云数据进行网格重构，得到立体的山洞网格模型数据；
S9：把点云数据的RGB数值映射到山洞网格中，得到真实的彩色立体模型数据。
2.根据权利要求1所述的一种区块化的可见光数据重组立体扫描重构的方法，其特征在于：所述小型照明设备为干电池供电式手电筒或充电式灯光设备或相机用闪光灯或连接到便携电箱的照明灯。
3.根据权利要求1所述的一种区块化的可见光数据重组立体扫描重构的方法，其特征在于：所述步骤S5、S6中重新采集时使用同一规格，同一数量的照明设备。
4.根据权利要求1所述的一种区块化的可见光数据重组立体扫描重构的方法，其特征在于：该区块化的可见光数据重组立体扫描重构的方法用于昏暗山洞、海底、水底灯昏暗环境。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010671402.XA CN111833451B (zh) | 2020-07-13 | 2020-07-13 | 一种区块化的可见光数据重组立体扫描重构的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010671402.XA CN111833451B (zh) | 2020-07-13 | 2020-07-13 | 一种区块化的可见光数据重组立体扫描重构的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111833451A CN111833451A (zh) | 2020-10-27 |
| CN111833451B true CN111833451B (zh) | 2023-01-17 |
Family
ID=72922799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010671402.XA Active CN111833451B (zh) | 2020-07-13 | 2020-07-13 | 一种区块化的可见光数据重组立体扫描重构的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111833451B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6750873B1 (en) * | 2000-06-27 | 2004-06-15 | International Business Machines Corporation | High quality texture reconstruction from multiple scans |
| EP1770356A2 (en) * | 2005-09-30 | 2007-04-04 | Topcon Corporation | Three-dimensional measurement system with projection device |
| KR20080043233A (ko) * | 2006-11-13 | 2008-05-16 | 주식회사 엘지화학 | 잉크젯 프린터 헤드의 제팅특성 평가 장치 및 방법 |
| CN107301648A (zh) * | 2017-06-09 | 2017-10-27 | 大连理工大学 | 基于重叠区域边界角度的冗余点云去除方法 |
| CN108537879A (zh) * | 2018-03-29 | 2018-09-14 | 东华智业（北京）科技发展有限公司 | 三维模型重建系统及方法 |
| CN109596104A (zh) * | 2018-12-06 | 2019-04-09 | 林嘉恒 | 基于半遮盖式分层融合扫描的图像重构方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658515B (zh) * | 2017-10-11 | 2022-11-04 | 阿里巴巴集团控股有限公司 | 点云网格化方法、装置、设备及计算机存储介质 |
| CN108010092B (zh) * | 2017-12-26 | 2018-11-13 | 哈尔滨工业大学 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
-
2020
- 2020-07-13 CN CN202010671402.XA patent/CN111833451B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6750873B1 (en) * | 2000-06-27 | 2004-06-15 | International Business Machines Corporation | High quality texture reconstruction from multiple scans |
| EP1770356A2 (en) * | 2005-09-30 | 2007-04-04 | Topcon Corporation | Three-dimensional measurement system with projection device |
| KR20080043233A (ko) * | 2006-11-13 | 2008-05-16 | 주식회사 엘지화학 | 잉크젯 프린터 헤드의 제팅특성 평가 장치 및 방법 |
| CN107301648A (zh) * | 2017-06-09 | 2017-10-27 | 大连理工大学 | 基于重叠区域边界角度的冗余点云去除方法 |
| CN108537879A (zh) * | 2018-03-29 | 2018-09-14 | 东华智业（北京）科技发展有限公司 | 三维模型重建系统及方法 |
| CN109596104A (zh) * | 2018-12-06 | 2019-04-09 | 林嘉恒 | 基于半遮盖式分层融合扫描的图像重构方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111833451A (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113099208B (zh) | 基于神经辐射场的动态人体自由视点视频生成方法和装置 | |
| CN111738970B (zh) | 图像融合方法、装置及计算机可读存储介质 | |
| CN109559310A (zh) | 基于显著性检测的输变电巡检图像质量评价方法及系统 | |
| CN107958481A (zh) | 一种三维重建方法及装置 | |
| CN102436666A (zh) | 基于ihs变换的对象与场景融合方法 | |
| Jung et al. | One-day outdoor photometric stereo via skylight estimation | |
| CN107657656A (zh) | 同名点匹配及三维重建方法、系统和光度立体摄像终端 | |
| CN105933616B (zh) | 一种图像处理的方法及设备 | |
| CN112669448A (zh) | 基于三维重建技术的虚拟数据集开发方法、系统及存储介质 | |
| CN109087383A (zh) | 组合式偏差分离特征提取扫描方法及系统 | |
| CN106327505A (zh) | 机器视觉处理系统 | |
| CN108896494A (zh) | 一种基于光谱和深度学习的物体识别仪 | |
| CN111833451B (zh) | 一种区块化的可见光数据重组立体扫描重构的方法 | |
| CN116402943A (zh) | 基于符号距离场的室内三维重建方法和装置 | |
| CN112560706B (zh) | 一种多源卫星图像水体目标识别方法及装置 | |
| CN108460824B (zh) | 立体多媒体信息的确定方法、装置及系统 | |
| CN117078877B (zh) | 基于地理信息的三维引擎红外视景生成方法及系统 | |
| CN107346552A (zh) | 基于图像灰度恢复形状技术的纹理力触觉再现方法 | |
| CN106339708A (zh) | 基于多通道的材料表面视觉信息数字化采集方法 | |
| CN107316040A (zh) | 一种光照不变的图像颜色空间变换方法 | |
| Bai et al. | Local-to-Global Panorama Inpainting for Locale-Aware Indoor Lighting Prediction | |
| CN114125319A (zh) | 图像传感器、摄像模组、图像处理方法、装置和电子设备 | |
| CN106206357A (zh) | 一种微型芯片脚位方向嵌入式视觉自动检测系统及其检测方法 | |
| Masuda et al. | Sunlight illumination simulation for archaeological investigation-case study of the fugoppe cave | |
| Yoo et al. | Real time light source estimation using a fish-eye lens with nd filters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |