[发明专利]一种基于深度相机的大规模场景3D建模方法及其装置

说明书

本发明提供一种基于深度相机的大规模场景3D建模方法，步骤包括获得当前帧深度图信息、位姿信息，解算深度图得到当前帧3D点云图，求解当前帧相对于关键帧运动量，运动量阈值判定，关键帧3D点云坐标变换，最终构建场景3D模型；本发明还涉及一种基于深度相机的大规模场景3D建模装置。本发明利用关键帧进行3D模型构建，建模时间和存储空间消耗非常小；采用3D点云同八叉树栅格图结合的方式，建模过程对存储空间的要求非常的低，另外非常的灵活，实现多分辨率任意快速切换；本发明采用一台深度相机结合其它传感器的方式，经济实用；同时使用灵活、便携，能放置到各种载体上，如车载，机载，手持设备，使大规模场景3D建模设备应用领域更广。

技术领域

本发明涉及3D建模技术，具体涉及一种基于深度相机的大规模场景3D建模方法及其装置。

背景技术

随着计算机视觉技术的发展以及深度相机的出现，3D建模技术尤其是大规模场景下3D建模技术对于导航，城市规划，环境观测等方面带来重大的作用。

现有技术中，有利用激光雷达对场景进行扫描，对得到的点云进行模型场景重构，这种方法可以直接获取高精度的稠密3D点云数据，但是设备的成本过于昂贵，且设备比较比较的笨重不适合便携式测量，另外测量时间较长，且重建的复杂度比较高；另一类则使用多相机在不同的视点采集图像然后拼接生成环境的三维结构，这种方法简单直接，但处理的数据量非常的大；而且只能进行定点的测量，不能实现动态的测量，另外由于受到相机视角范围的限制，该方法实现大规模场景的3D建模需要大量的相机阵列导致成本非常高且实施的难度比较大。

对于上述两种方案均存在以下两个非常大的缺点，一方面由于需对每一采集帧的数据需要处理，需要处理的数据量非常的庞大，计算成本非常高且模型重构耗时非常长，这对硬件成本和重建实时性提出了相当大的挑战；另一方面由于传统的方法重建的结果以3D点云的形式描述，并没有对点云进行网格化等重构，因此重建得到的模型非常的庞大，且灵活性非常差，无法支持在多个分辨率间进行切换。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于深度相机的大规模场景3D建模方法及其装置。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于深度相机的大规模场景3D建模方法，包括以下步骤：

获得当前帧深度图信息、位姿信息，采用深度相机获取当前位置的当前帧深度图信息，采用GPS传感器与位姿传感器或单独采用位姿传感器获取当前位置的当前帧位姿信息；

解算深度图得到当前帧3D点云图，运用坐标变换，将深度图信息统一转换至相机坐标系下，得到当前帧3D点云图；

求解当前帧相对于关键帧运动量，运用L2范数算子计算规范化的当前帧相对于关键帧序列里的最新关键帧的运动量；

运动量阈值判定，用于判定是否丢弃当前帧信息或当前帧进栈关键帧序列；

关键帧3D点云坐标变换，结合当前帧位姿信息，运用坐标变换，将相机坐标系下的关键帧3D点云统一至世界坐标系下，得到世界坐标系下的关键帧3D点云；

构建场景，用于将世界坐标系下的关键帧3D点云插入世界坐标系下的全局地图中，构建3D场景。

进一步的，一种基于深度相机的大规模场景3D建模方法还包括步骤可视化显示，用于展示场景3D建模效果。

进一步的，所述的当前帧相对于关键帧运动量e的计算公式为：e＝|min(norm(R)，2π-norm(R))|+|norm(T)|，式中R是当前帧相对于关键帧序列里的最新关键帧的运动角度矢量，T是当前帧相对于关键帧序列里的最新关键帧的运动位移矢量，norm()算子是对向量计算L2范数。

进一步的，所述的步骤运动量阈值判定包括以下流程：