一種現(xiàn)場(chǎng)三維信息勘驗(yàn)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種現(xiàn)場(chǎng)三維信息勘驗(yàn)方法及系統(tǒng)。
【背景技術(shù)】
[0002]傳統(tǒng)的三維掃描技術(shù)有激光掃描與結(jié)構(gòu)光掃描，這些掃描技術(shù)有一個(gè)通用的缺點(diǎn)是操作復(fù)雜，需要專業(yè)培訓(xùn)，同時(shí)為了獲得高精度拼接效果，還需要在待測(cè)物體上貼大量標(biāo)記點(diǎn)。這些都給這些三維掃描技術(shù)的推廣應(yīng)用帶來(lái)大量不便。
[0003]在公安現(xiàn)場(chǎng)勘驗(yàn)領(lǐng)域，常用的現(xiàn)場(chǎng)勘驗(yàn)技術(shù)有視頻、照片與繪圖等方式，這些都是基于二維平面信息的勘驗(yàn)，如果想獲取現(xiàn)場(chǎng)物證尺寸與相對(duì)空間位置信息，就需要使用三維數(shù)字建模技術(shù)。同時(shí)，在現(xiàn)場(chǎng)勘驗(yàn)的過(guò)程中，不能對(duì)物證進(jìn)行各種處理與破壞，因此不能使用傳統(tǒng)的在物體表面貼標(biāo)記點(diǎn)的方式進(jìn)行三維掃描，必須采用無(wú)損的三維掃描技術(shù)。
[0004]RGB-D傳感器可以在采集傳統(tǒng)RGB圖像信號(hào)的同時(shí)采集物體的深度信息，該類傳感器由一個(gè)傳統(tǒng)的視頻傳感器和一個(gè)近紅外深度傳感器組成，獲得深度信息的是依靠激光散斑成像。2011年微軟發(fā)布kinect傳感器即為第一代RGB-D傳感器，它是基于Primesense公司的激光散斑成像方式來(lái)獲得深度信息，采用類似技術(shù)的RGB-D傳感器還有華碩公司的Xt1n Pro Live,Primesense公司的Carminel.08等?；赗GB-D傳感器的三維掃描技術(shù)可用于人像掃描[1]，室內(nèi)地圖等領(lǐng)域[2]。不同于傳統(tǒng)的激光三維掃描，基于RGB-D的三維掃描技術(shù)具有使用方便，性價(jià)比高等優(yōu)點(diǎn)，例如Matterport公司的3D掃描儀，可在2小時(shí)掃描完成140平米的室內(nèi)掃描。

【發(fā)明內(nèi)容】

_5] 發(fā)明要解決的問(wèn)題
[0006]本發(fā)明目的在于提供一種實(shí)時(shí)重構(gòu)、操作簡(jiǎn)單易用且無(wú)需貼標(biāo)記點(diǎn)的三維掃描勘察方法。
_7] 用于解決問(wèn)題的方案
[0008]一種現(xiàn)場(chǎng)三維信息勘驗(yàn)方法，包括以下步驟:
[0009]步驟S1、獲取目標(biāo)物體的深度信息流與RGB信息流；
[0010]步驟S2、基于獲取的深度信息、RGB信息，提取運(yùn)動(dòng)參數(shù)后進(jìn)行拼接，具體包括:
[0011]步驟S21、基于設(shè)定的掃描范圍，對(duì)當(dāng)前的掃描儀位置進(jìn)行預(yù)估:
[0012]根據(jù)光線投射方法，得到預(yù)估圖像，將所述預(yù)估圖像與掃描圖像進(jìn)行匹配，得到匹配誤差；基于匹配誤差，再次根據(jù)光線投射方法，更新預(yù)估圖像，再次將所述預(yù)估圖像與掃描圖像進(jìn)行匹配，得到匹配誤差，直至所述匹配誤差小于閾值；
[0013]步驟S22、對(duì)所述深度信息采用ICP匹配算法，提取主運(yùn)動(dòng)參數(shù)；
[0014]步驟S23、對(duì)所述RGB信息提取SURF特征，計(jì)算輔助運(yùn)動(dòng)參數(shù)；
[0015]步驟S24、將所述主運(yùn)動(dòng)參數(shù)與所述輔助運(yùn)動(dòng)參數(shù)進(jìn)行融合，按照融合后的參數(shù)，將所述深度信息、RGB信息、掃描儀位置數(shù)據(jù)集成到TSDF數(shù)據(jù)卷，實(shí)時(shí)獲得目標(biāo)物體的三維數(shù)據(jù)。
[0016]本發(fā)明還提供一種現(xiàn)場(chǎng)三維信息勘驗(yàn)系統(tǒng)，包括:
[0017]RGB-D傳感器，用于獲取目標(biāo)物體的深度信息流與RGB信息流，
[0018]處理模塊與所述RGB-D傳感器連接，用于基于獲取的深度信息、RGB信息，提取運(yùn)動(dòng)參數(shù)后進(jìn)行拼接，包括:基于設(shè)定的掃描范圍，對(duì)當(dāng)前的掃描儀位置進(jìn)行預(yù)估；根據(jù)光線投射方法，得到預(yù)估圖像，將所述預(yù)估圖像與掃描圖像進(jìn)行匹配，得到匹配誤差；基于匹配誤差，再次根據(jù)光線投射方法，更新預(yù)估圖像，再次將所述預(yù)估圖像與掃描圖像進(jìn)行匹配，得到匹配誤差，直至所述匹配誤差小于閾值；對(duì)所述深度信息采用ICP匹配算法，提取主運(yùn)動(dòng)參數(shù)；對(duì)所述RGB信息提取SURF特征，計(jì)算輔助運(yùn)動(dòng)參數(shù)；將所述主運(yùn)動(dòng)參數(shù)與所述輔助運(yùn)動(dòng)參數(shù)進(jìn)行融合，按照融合后的參數(shù)，將所述深度信息、RGB信息、掃描儀位置數(shù)據(jù)集成到TSDF數(shù)據(jù)卷，實(shí)時(shí)獲得目標(biāo)物體的三維數(shù)據(jù)。
[0019]優(yōu)選地，現(xiàn)場(chǎng)三維信息勘驗(yàn)系統(tǒng)，所述RGB-D傳感器為集成式RGB-D傳感器。
[0020]發(fā)明的效果
[0021]本發(fā)明針對(duì)小范圍的現(xiàn)場(chǎng)關(guān)鍵場(chǎng)景，開(kāi)發(fā)一種基于RGB-D傳感器的手持式、三維模型實(shí)時(shí)重構(gòu)、操作簡(jiǎn)單易用且無(wú)需貼標(biāo)記點(diǎn)的三維掃描方法和系統(tǒng)。實(shí)現(xiàn)了手持式，實(shí)時(shí)重構(gòu)與無(wú)需貼標(biāo)記點(diǎn)等目標(biāo)。
【附圖說(shuō)明】
[0022]圖1為本發(fā)明一實(shí)施例的流程示意圖；
[0023]圖2為本發(fā)明一實(shí)施例的結(jié)構(gòu)示意圖；
【具體實(shí)施方式】
[0024]以下將結(jié)合實(shí)施例詳細(xì)說(shuō)明本發(fā)明的各種示例性實(shí)施例、特征和方面。為了更好的說(shuō)明本發(fā)明，在下文的【具體實(shí)施方式】中給出了眾多的具體細(xì)節(jié)。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，沒(méi)有這些具體細(xì)節(jié)，本發(fā)明同樣可以實(shí)施。在另外一些實(shí)例中，對(duì)于大家熟知的方法、手段、材料未作詳細(xì)描述，以便于凸顯本發(fā)明的主旨。
[0025]如圖1所示，一種現(xiàn)場(chǎng)三維信息勘驗(yàn)方法，包括以下步驟:
[0026]步驟S1、獲取目標(biāo)物體的深度信息流與RGB信息流。
[0027]深度信息流，由RGB-D傳感器輸出的包含深度信息的深度圖像組成。
[0028]RGB信息流，由RGB-D傳感器輸出的彩色圖像組成。
[0029]步驟S2、基于獲取的深度信息、RGB信息，提取運(yùn)動(dòng)參數(shù)后進(jìn)行拼接。步驟S2具體可以包括:
[0030]步驟S21、基于設(shè)定的掃描范圍，對(duì)當(dāng)前的掃描儀位置進(jìn)行預(yù)估:根據(jù)光線投射方法，得到預(yù)估圖像，將所述預(yù)估圖像與掃描圖像進(jìn)行匹配，得到匹配誤差；基于匹配誤差，再次根據(jù)光線投射方法，更新預(yù)估圖像，再次將所述預(yù)估圖像與掃描圖像進(jìn)行匹配，得到匹配誤差，直至所述匹配誤差小于閾值。
[0031]設(shè)定的掃描范圍，可以根據(jù)現(xiàn)場(chǎng)的實(shí)際情況，設(shè)定一個(gè)具體的掃描范圍，例如，可以將掃描范圍的起始點(diǎn)設(shè)定為掃描儀，最小的掃描范圍可以設(shè)定為掃描儀0.3米X0.3米X0.3米，最大的掃描范圍可以設(shè)定3米X3米X3米。所示掃描范圍，可以為掃描儀的正前方，也可以為以掃描儀為中心點(diǎn)30°至180°的扇面范圍，具體可以依據(jù)現(xiàn)場(chǎng)實(shí)際情況確定。
[0032]光線投射方法，可以為通過(guò)RayCast算法，得到預(yù)估圖像。
[0033]匹配誤差，是指預(yù)估圖像與掃描圖像的對(duì)應(yīng)點(diǎn)差值之和。
[0034]閾值，是指允許的匹配誤差最大值，該數(shù)值可以根據(jù)情況而設(shè)定。
[0035]步驟S22、對(duì)所述深度信息采用ICP匹配算法，提取主運(yùn)動(dòng)參數(shù)。
[0036]ICP匹配算法，是指Iterative Closest Point算法，用于計(jì)算深度圖像與三維模型之間的相對(duì)位置。
[0037]步驟S23、對(duì)所述RGB信息提取SURF特征，計(jì)算輔助運(yùn)動(dòng)參數(shù)。
[0038]SURF特征提取分析，是對(duì)SIFT算法的改進(jìn)，其基本結(jié)構(gòu)、步驟與SIFT相近，但具體實(shí)現(xiàn)的過(guò)程有所不同。SURF算法的優(yōu)點(diǎn)是速度遠(yuǎn)快于SIFT且穩(wěn)定性好。SURF大量合理使用積分圖像降低運(yùn)輸量，而且在運(yùn)用的過(guò)程中并未降低精度(小波變換，Hessian矩陣行列式檢測(cè)都是成熟有效的手段)。在時(shí)間上，SURF運(yùn)行速度大約為SIFT的3倍；在質(zhì)量上，SURF的魯棒性很好，特征點(diǎn)識(shí)別率較SIFT高，在視角、光照、尺度變化等情形下，大體上都優(yōu)于SIFT。
[0039]主運(yùn)動(dòng)參數(shù)、輔助運(yùn)動(dòng)參數(shù)，可以為掃描儀的6自由度運(yùn)動(dòng)參數(shù)。
[0040]步驟S24、將所述主運(yùn)動(dòng)參數(shù)與所述輔助運(yùn)動(dòng)參數(shù)進(jìn)行融合，按照融合后的參數(shù)，將所述深度信息、RGB信息、掃描儀位置數(shù)據(jù)集成到TSDF數(shù)據(jù)卷，實(shí)時(shí)獲得目標(biāo)物體的三維數(shù)據(jù)。
[0041]將所述主運(yùn)動(dòng)參數(shù)與所述輔助運(yùn)動(dòng)參數(shù)進(jìn)行融合，是指如果主運(yùn)動(dòng)參數(shù)與輔助運(yùn)動(dòng)參數(shù)的位移矢量的歐氏距離小于設(shè)定的閾值，則采用主運(yùn)動(dòng)參數(shù)作為融合后的參數(shù)，否