[发明专利]三维重建方法、装置、计算机设备和存储介质

说明书

本申请涉及一种三维重建方法、装置、计算机设备和存储介质。所述方法包括：获取深度相机对重建场景采集的多个深度视频；基于各深度视频进行点云配准，得到重建场景的完整点云；将完整点云进行坐标校正，得到校正点云；沿竖直方向分割校正点云，得到多层厚度相同且高度不同的点云切片；分别对各层点云切片进行识别，得到各层点云切片的货架区域和墙面区域；将各层点云切片的货架区域进行筛选和组合，得到完整的货架区域；基于墙面区域和完整的货架区域进行三维重建，得到三维重建图像。采用本方法能够提高三维重建的精度。

技术领域

本申请涉及三维重建技术领域，特别是涉及一种三维重建方法、装置、计算机设备和存储介质。

背景技术

随着信息技术的不断发展，人们利用计算机等其他辅助设备来实现对多维信息的处理能力也日益提升。例如可以通过计算机不断增强的数字图像处理能力，利用计算机数字图像处理技术、计算机视觉、机器学习、图像处理及模式识别等技术实现三维信息处理。现有三维数据硬件通常使用激光雷达、深度相机或者单目/双目相机，并通过软件算法识别出其中的目标对象信息，从而进行地图绘制处理并生成实景地图。其中激光雷达精度高速度快，缺点是成本高，主要应用在自动驾驶领域。单目/双目相机因为识别精度和距离限制，主要应用在人脸和手势识别领域。而深度相机由于能更多兼顾成本和精度两方面因素，所以深度相机比较适合室内场景的三维重建。而相应的软件识别算法通常需要考虑到硬件的精度、拍摄角度、环境光等多种影响因素，并可能利用多种数据融合来辅助重建。因此，传统大多都是结合深度相机进行多视角的拍摄，通过融合多视角的图像完成三维重建。

然而，重建场景中大多都会包括大量用于摆放物品的置物架，尤其是有大量货架的大型仓库场景。而对仓库进行三维重建时，无论货架上货物的多少，每个货架都是需要被识别出来的。传统因为多视角拍摄的差异，容易造成点云数据差异较大，从而影响对货架的识别导致降低了重建的精度。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高精度的三维重建方法、装置、计算机设备和存储介质。

一种三维重建方法，所述方法包括：

获取深度相机对重建场景采集的多个深度视频；

基于各所述深度视频进行点云配准，得到所述重建场景的完整点云；

将所述完整点云进行坐标校正，得到校正点云；

沿竖直方向分割所述校正点云，得到多层厚度相同且高度不同的点云切片；

分别对各层所述点云切片进行识别，得到各层所述点云切片的货架区域和墙面区域；

将各层所述点云切片的货架区域进行筛选和组合，得到完整的货架区域；

基于所述墙面区域和所述完整的货架区域进行三维重建，得到三维重建图像。

在其中一个实施例中，得到校正点云之后，还包括：

从所述校正点云中过滤掉所述重建场景中地面的点云数据，得到过滤后的校正点云。

在其中一个实施例中，所述从所述校正点云中过滤掉所述重建场景中地面的点云数据，得到过滤后的校正点云，包括：

对所述校正点云进行三维平面检测，确定所述重建场景中的地面；

根据所述地面的法向量方向坐标过滤掉所述地面对应的点云数据，得到过滤后的校正点云。

在其中一个实施例中，所述基于各所述深度视频进行点云配准，得到所述重建场景的完整点云，包括：

分别对各所述深度视频分别进行抽帧，得到各所述深度视频对应的帧序列；

分别对各所述帧序列中的帧进行点云配准，得到各所述深度视频对应的局部点云；