【技术实现步骤摘要】
本专利技术涉及一种三维成像系统点云空洞补全系统及方法，属于点云空洞补全，特别涉及一种三维成像系统点云空洞补全方法、装置及其存储介质。
技术介绍
1、随着三维成像技术的快速发展，三维成像系统在工业检测、文化遗产保护、虚拟现实、自动驾驶等多个领域得到了广泛应用。三维成像系统通常通过激光扫描、结构光、tof(time of flight)等技术获取物体的三维信息，形成点云数据。点云数据能够精确描述物体的形状和空间位置，是三维重建和分析的基础。
2、然而，在实际应用中，由于各种原因，如扫描角度的局限、物体反射特性、遮挡等，点云数据往往存在空洞，即部分区域缺乏点云，导致三维模型不完整、空间信息丢失，严重影响了数据的质量和后续应用的效果。尤其是在对高精度和视觉效果有严格要求的应用场景中，如文化艺术品的三维复原、精细的工业设计等，点云数据的完整性和准确性尤为重要。
3、目前，点云空洞补全主要依赖于插值算法、深度学习等技术。虽然这些方法在一定程度上改善了点云数据的完整性，但仍面临着边缘识别不准确、空洞补全效果不自然、计算资源消耗大等问题。因此，开发一种能够精确识别空洞区域、高效补全并优化空洞信息的方法，对于提升三维成像系统的数据处理能力和应用范围具有重要意义。
技术实现思路
1、本专利技术的技术解决问题是：克服现有技术的缺陷，提供一种三维成像系统点云空洞补全系统及方法，首先获取不同积分时间下同视场的点云数据、彩色图像以及强度数据，使用边缘检测算法和基于邻域密度的分析方法，精
2、本专利技术的技术解决方案是：
3、一种三维成像系统点云空洞补全方法，包括以下步骤：
4、s1，通过三维成像系统获取积分时间t1下点云数据p1、彩色图像m1、强度数据d1；
5、通过三维成像系统获取积分时间t2下点云数据p2、彩色图像m2、强度数据d2；
6、…
7、通过三维成像系统获取积分时间tn下点云数据pn、彩色图像mn、强度数据dn；
8、s2，选取步骤s1中获取的空洞区域最少的点云数据pi并使用边缘检测算法对选取的点云数据pi中空间不连续区域进行分割识别；
9、s3，根据点云数据pi的点云密度确定步骤2识别的空间不连续区域边界密度，结合邻域密度算法进一步识别和标记出点云数据pi中的空洞区域边界；
10、s4，将步骤s1中获取的彩色图像mi中的特征点和步骤s3中标记的点云数据pi中的空洞区域边界进行融合，得到融合后的点云数据pi中的空洞区域边界的彩色信息和点云信息xi；
11、s5，根据步骤s4中得到的xi提取不同积分时间下强度数据d1、d2、d3…dn中对应区域，并采用宽动态范围融合方式补全提取的对应区域；
12、s6，结合径向基函数插值算法对步骤s5中补全的区域进行插值，提升空洞区域点云数据量，确保该空洞区域的点云密度与三维成像系统的原始点云数据的点云密度相同，即完成三维成像系统点云空洞补全；
13、所述步骤s2中，进行分割识别的方法为：建立深度学习模型，并对建立的深度学习模型进行训练，训练过程中输入带有粗标记的空洞区域和真实物体的点云数据，输出梯度计算值g，根据输出的梯度计算值g筛选空洞区域边界；
14、设输出的梯度计算值g的高阈值为gh，低阈值为gl；
15、若g≥gh，则将与梯度计算值g对应的点云数据直接判定为空洞区域边界；
16、若gl≤g≤gh，采用邻域密度算法计算空洞区域中每个点及其邻域内点的密度分布，识别出相对稀疏的区域则判定为空洞区域边界；
17、若g≤gl，则无法判断真实物体和空洞区域，继续训练模型，并对高低阈值进行调节；
18、所述步骤s4中，进行融合时使用棋盘格标定板或圆形标定板对三维成像系统标定，确定三维成像系统的内参和外参，并对彩色图像进行裁剪，确保彩色图像与点云数据的成像视场保持一致；
19、所述步骤s5中，补全提取的对应区域的方法为：计算每个积分时间下点云数据的权重，合成一个宽动态范围的点云数据集，计算三维成像系统动态范围中各像素点(m，n)的线性区域；
20、
21、其中，j＝1，2，3…n；
22、统计二阶导数中的极大值和极小值点，分别将两点的积分时间记为tmin和tmax，即线性区域的左端点和右端点；
23、对线性区域[tmin，tmax]内响应函数进行高动态融合，融合结果为：
24、dx＝atx+b
25、式中，tx为积分时间；dx为强度数据；a为线性区域内的权重；b为偏置量；x＝1，2，3…n；
26、对[tmin，tmax]区间外采用非线性响应函数进行高动态融合，融合结果为：
27、
28、式中，μ为均值；σ为标准差；
29、所述步骤s6中，进行插值的方法为：根据点云密度的要求以及空洞区域的分布特征选取径向基函数的类型，空洞区域的外边界选取高斯函数，内部选取多项式函数，并对空洞区域进行插值补全。
30、一种三维成像系统点云空洞补全系统，该补全系统包括图像获取模块、预处理模块、数据融合模块和空洞补全模块；
31、所述图像获取模块用于获取不同积分时间下的点云数据、彩色图像以及强度数据；
32、所述预处理模块用于通过边缘检测算法和邻域密度算法对获取的点云数据集进行统计分析，识别点云数据中的空洞区域及边界特征；
33、所述数据融合模块用于对不同积分时间下点云数据、彩色图像以及强度数据进行分析，获取不同积分区间内的响应函数，采用宽动态范围对空洞区域进行数据融合；
34、所述空洞补全模块用于根据空洞区域及边界的分布特征，选取合适的插值函数对点云数据中空洞区域及边界进行补全。
35、与现有技术相比，本专利技术的有益效果如下：
36、1.提升空洞补全精度：本方法通过边缘检测和邻域密度算法精确识别点云空洞及边界，相较传统方法大幅提高空洞识别准确性，为三维模型重建提供高精度基础，实现更真实的三维视觉效果。
37、2.优化视觉质量和空间连贯性：结合宽动态范围融合和径向基函数插值算法，本方法不仅增加空洞区域点云数据量，还确保补全后密度与原始数据一致，显著提升视觉质量和数据连贯性。
38、3.增强数据处理的灵活性和鲁棒性：利用不同积分时间下的点云数据与彩色图像特征对齐，加上深度学习边缘检测，本方法在处理复杂环境下点云空洞时展现出高度灵活性和稳定性。
39、4.一种三维成像系统点云空洞补全方法，所述该方法包本文档来自技高网...
【技术保护点】
1.一种三维成像系统点云空洞补全方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
3.根据权利要求1或2所述的一种三维成像系统点云空洞补全方法，其特征在于：
4.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
5.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
6.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
7.根据权利要求1或6所述的一种三维成像系统点云空洞补全方法，其特征在于：
8.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
9.根据权利要求1或8所述的一种三维成像系统点云空洞补全方法，其特征在于：
10.一种三维成像系统点云空洞补全系统，其特征在于：该补全系统包括图像获取模块、预处理模块、数据融合模块和空洞补全模块；
【技术特征摘要】
1.一种三维成像系统点云空洞补全方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
3.根据权利要求1或2所述的一种三维成像系统点云空洞补全方法，其特征在于：
4.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
5.根据权利要求1所述的一种三维成像系统点云空洞补全方法，其特征在于：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：王炫权，张韶辉，郝群，
申请(专利权)人：北京理工大学长三角研究院嘉兴，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。