用于从三维图像中提取轮廓的方法和装置制造方法及图纸

本文描述的技术涉及被配置成确定三维(3D)点云的一部分的二维(2D)轮廓的方法、装置和计算机可读介质。确定3D感兴趣区域，其包括沿着第一轴线的宽度、沿着第二轴线的高度和沿着第三轴线的深度。基于第一轴线和第二轴线的坐标值，将3D感兴趣区域内的3D点表示为一组2D点。将2D点分组成沿着第一轴线排列的多个2D面元。针对每个2D面元，基于相关联的一组2D点确定代表性2D位置。将代表性2D位置中的每一个都连接到相邻的代表性2D位置，以生成2D轮廓。以生成2D轮廓。以生成2D轮廓。

【技术实现步骤摘要】
【国外来华专利技术】用于从三维图像中提取轮廓的方法和装置
[0001]相关申请的交叉引用
[0002]本申请根据35U.S.C.
§
119(e)要求于2020年5月11日提交的名称为“用于从三维图像中提取轮廓的方法和装置[METHODS AND APPARATUS FOR EXTRACTING PROFILES FROM THREE
‑
DIMENSIONAL IMAGES]”的美国临时申请序列号63/023,179的的优先权，其全部内容通过引用并入本文。


[0003]本文描述的技术总体上涉及用于机器视觉的方法和装置，包括用于从三维图像中提取轮廓的技术，并且具体地涉及从任意姿态的三维点云中提取轮廓。

技术介绍

[0004]机器视觉系统可以包括稳健的成像能力，包括三维(3D)成像设备。例如，3D传感器可以对场景进行成像以生成一组3D点，每个3D点都包括3D坐标系内的(x，y，z)位置(例如，其中，坐标系的z轴表示距3D成像设备的距离)。这样的3D成像设备可以生成3D点云，该3D点云包括在3D成像过程中捕捉的一组3D点。然而，3D点云中3D点的绝对数量可能是巨大的(例如，与场景的2D数据相比)。此外，3D点云可能仅包括纯3D数据点，并且因此可能不包括指示3D点之间/之中的关系的数据，或者诸如表面法线信息的其他信息，处理没有指示其他点之间的关系的数据的3D点可能是复杂的。因此，尽管3D点云可以提供大量的3D数据，但是对3D点云数据执行机器视觉任务可能是复杂的、耗时的，需要大量的处理资源等等。<br/>
技术实现思路

[0005]根据所公开的主题，提供了装置、系统和方法，用于改进的机器视觉技术，以及特别是用于从3D点云中的点(例如，对象表面的点)生成轮廓的改进的机器视觉技术。技术可以生成任意姿态的轮廓。根据一些实施例，可以由用户指定的平面和/或感兴趣区域用于生成每个轮廓。感兴趣区域可以是3D感兴趣区域，使得感兴趣区域内的3D点可以折叠成2D点，被面元化，并且用于生成合成的轮廓。
[0006]一些方面涉及一种用于确定三维(3D)点云的一部分的二维(2D)轮廓的计算机化方法。该方法包括：接收指示包括多个3D点的3D点云的数据，以及确定3D点云中的3D感兴趣区域，其中，3D感兴趣区域包括沿着第一轴线的宽度、沿着第二轴线的高度和沿着第三轴线的深度。该方法包括：确定多个3D点中的一组3D点，每个3D点都包括3D感兴趣区域内的3D位置；基于该组3D点的第一轴线和第二轴线的坐标值将该组3D点表示为一组2D点；以及将该组2D点分组成沿着第一轴线排列的多个2D面元，其中，每个2D面元都包括面元宽度。该方法包括：针对多个2D面元中的每一个，基于相关联的一组2D点确定代表性2D位置，以及将代表性2D位置中的每一个都连接到相邻的代表性2D位置以生成2D轮廓。
[0007]根据一些示例，该方法还包括：创建包括第一轴线、第二轴线和第三轴线的3D区域坐标系，其中，3D区域坐标系的原点设置在3D区域的宽度和深度的中间处，并且3D区域的高
度从原点开始。该方法可以还包括将点从3D点云的坐标系映射到3D区域坐标系。
[0008]根据一些示例，将一组3D点表示为一组2D点包括：在2D平面中表示3D点，该2D平面包括等于宽度的第一维和等于高度的第二维，其中，第一维沿着第一轴线延伸，并且第二维沿着第二轴线延伸。将一组3D点表示为一组2D点可以包括：将该组3D点的第三轴线的每个值都设置为零。多个2D面元可以在2D平面的第一维内沿着第一轴线并排排列。
[0009]根据一些示例，确定多个2D面元中的每一个的代表性2D位置包括：确定多个2D面元中的一个或多个2D面元的一组2D点小于阈值，并且将一个或多个2D面元的一组2D点设置为空集。
[0010]根据一些示例，确定多个2D面元中的每一个的代表性2D位置包括：确定每个面元的一组2D点的平均值。
[0011]根据一些示例，确定多个2D面元中的每一个的代表性2D位置包括：选择具有第二轴线的最大值的相关联的一组2D点的2D点作为代表性2D位置。
[0012]根据一些示例，确定多个2D面元中的每一个的代表性2D位置包括：针对每个2D面元，将该组2D点分组成一个或多个2D点集群，每个集群的2D点的第二轴线的值之间的距离在分离阈值内，其中，不同集群的2D点的第二轴线的值之间的距离大于分离阈值；移除具有小于阈值最小数量的2D点的任何集群，以生成剩余一组一个或多个集群；确定一个或多个剩余集群中的最大集群，包括确定一个或多个剩余集群中的哪一个包括具有沿着第二轴线的最大坐标的2D点；以及对最大集群的2D点进行平均，以确定代表性2D位置。
[0013]根据一些示例，确定多个2D面元中的每一个的代表性2D位置包括：仅针对具有非空2D点集的多个2D面元中的2D面元确定代表性2D位置。
[0014]一些实施例涉及一种非暂时性计算机可读介质，包括指令，当由计算设备上的一个或多个处理器执行时，指令可操作以使得一个或多个处理器执行本文描述的技术中任何一个的方法。
[0015]一些实施例涉及一种系统，该系统包括存储指令的存储器和处理器，该处理器被配置成执行指令以执行本文描述的技术中任何一个的方法。
[0016]因此，已经相当广泛地概述了所公开的主题的特征，以便可以更好地理解其随后的详细描述，并且以便可以更好地理解本专利技术对现有技术的贡献。当然，所公开主题的附加特征将在下文中描述，并且将形成所附权利要求的主题。应该理解，本文使用的措辞和术语是为了描述的目的，不应该被认为是限制性的。
附图说明
[0017]在附图中，在各个图中图示的每个相同或几乎相同的部件由相同的附图标记表示。为了清楚起见，不是每个部件都在每个图中标出。附图不一定按比例绘制，而是将重点放在图示本文描述的技术和设备的各个方面。
[0018]图1是示出根据一些实施例的示例性机器视觉系统的图。
[0019]图2是根据一些实施例的用于确定3D点云的一部分的2D轮廓的示例性计算机化方法的流程图。
[0020]图3是示出根据一些实施例的3D点云的示例的图。
[0021]图4A是示出根据一些实施例的矩形3D感兴趣区域的示例的图。
[0022]图4B是示出根据一些实施例的被图4A中的3D感兴趣区域覆盖的来自图3的3D点云的图。
[0023]图5是示出根据一些实施例的投影到2D平面上的3D点的图。
[0024]图6是示出根据一些实施例的图5的2D平面的示意图，其中，平面内点被量化为面元。
[0025]图7是示出根据一些实施例的通过对来自图6的每个面元的2D点的值进行平均而确定的示例性的一组代表性2D位置的图。
[0026]图8是示出根据一些实施例的通过选择图6的每个面元的具有最大Z值的2D点而确定的示例性的一组代表性2D位置的图。
[0027]图9是示出根据一些实施例的通过对来自图6的2D点进行集群而确定的示例性的一组代表性本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定三维(3D)点云的一部分的二维(2D)轮廓的计算机化方法，所述方法包括：接收指示包括多个3D点的3D点云的数据；确定所述3D点云中的3D感兴趣区域，其中，所述3D感兴趣区域包括沿着第一轴线的宽度、沿着第二轴线的高度和沿着第三轴线的深度；确定所述多个3D点中的一组3D点，每个3D点包括所述3D感兴趣区域内的3D位置；基于所述一组3D点的所述第一轴线和所述第二轴线的坐标值，将所述一组3D点表示为一组2D点；将所述一组2D点分组成沿着所述第一轴线排列的多个2D面元，其中，每个2D面元包括面元宽度；针对所述多个2D面元中的每一个，基于相关联的一组2D点确定代表性2D位置；以及将所述代表性2D位置中的每一个都连接到相邻的代表性2D位置，以生成所述2D轮廓。2.根据权利要求1所述的方法，还包括：创建包括所述第一轴线、所述第二轴线和所述第三轴线的3D区域坐标系，其中，所述3D区域坐标系的原点设置在所述3D区域的宽度和深度的中间处，并且所述3D区域的高度从所述原点开始。3.根据权利要求2所述的方法，还包括将点从所述3D点云的坐标系映射到所述3D区域坐标系。4.根据权利要求1所述的方法，其中，将所述一组3D点表示为所述一组2D点包括：在2D平面中表示所述3D点，所述2D平面包括等于所述宽度的第一维和等于所述高度的第二维，其中，所述第一维沿着所述第一轴线延伸，并且所述第二维沿着所述第二轴线延伸。5.根据权利要求4所述的方法，其中，将所述一组3D点表示为所述一组2D点包括：将所述一组3D点的所述第三轴线的每个值都设置为零。6.根据权利要求4所述的方法，其中，所述多个2D面元在所述2D平面的所述第一维内沿着所述第一轴线并排排列。7.根据权利要求1所述的方法，其中，确定所述多个2D面元中的每一个的代表性2D位置包括：确定所述多个2D面元中的一个或多个2D面元的所述一组2D点小于阈值；以及将所述一个或多个2D面元的所述一组2D点设置为空集。8.根据权利要求1所述的方法，其中，确定所述多个2D面元中的每一个的所述代表性2D位置包括：确定每个面元的所述一组2D点的平均值。9.根据权利要求1所述的方法，其中，确定所述多个2D面元中的每一个的所述代表性2D位置包括：选择具有所述第二轴线的最大值的所述相关联的一组2D点的2D点作为所述代表性2D位置。10.根据权利要求1所述的方法，其中，确定所述多个2D面元中的每一个的所述代表性2D位置包括，针对每个2D面元：将所述一组2D点分组成一个或多个2D点集群，其中，每个集群的所述2D点的所述第二轴线的值之间的距离在分离阈值内，其中不同集群的所述2D点的所述第二轴线的所述值之间的距离大于所述分离阈值；
移除具有小于阈值最小数量的2D点的任何集群，以生成剩余一组一个或多个集群；确定所述一个或多个剩余集群中的最大集群，包括确定所述一个或多个剩余集群中的哪一个包括具有沿着所述第二轴线的最大坐标的2D点；以及对所述最大集群的所述2D点进行平均，以确定所述代表性2D位置。11.根据权利要求1所述的方法，其中，确定所述多个2D面元中的每一个的所述代表性2D位置包括：仅针对具有非空2D点集的所述多个2D面元中的2D面元确定所述代表性2D位置。12.一种非暂时性计算机可读介质，包括指令，当由计算设备上的一个或多个处理器执行时，所述指令可操作以使得所述一个或多个处理器确定三维(3D)点云的一部分的二维(2D)轮廓，包括：接收指示包括多个3D点的3D点云的数据；确定所述3D点云中的3D感兴趣区域，其中，所述3D感兴趣区域包括沿着第一轴线的宽度、沿着第二轴线的高度和沿着第三轴线的深度；确定所述多个3D点中的一组3D点，每个3D点都包括所述3D感兴趣区域内的3D位置；基于所述一组3D点的所述第一轴线和所述第二...

【专利技术属性】
技术研发人员：N，
申请(专利权)人：康耐视公司，
类型：发明
国别省市：