【技术实现步骤摘要】
本专利技术涉及数据分析，尤其涉及一种应用于结构光测距相机的数据分析方法及系统。
技术介绍
1、结构光测距相机是一种基于主动投射光源和三维重建技术的设备，广泛应用于工业测量、机器人导航以及虚拟现实等领域。其基本原理是通过投射特定结构的光线到目标表面，并利用相机捕获目标反射的光线图像，根据光线的形变或偏移推导出目标的三维几何信息。然而，由于结构光测距相机的工作环境和成像特性，其采集的数据通常受到多种因素的影响，包括光学畸变、反射特性差异以及环境光干扰等。
2、同时，利用结构光测距相机进行测量时，由于测量场景的环境不同，对于测量场景的环境适配是影响最终测量精度的一大重要因素。因此，如何提高测量结果精度的准确性和测量环境适配性是一个亟待解决的问题。
技术实现思路
1、本专利技术克服了现有技术的缺陷，提供了一种应用于结构光测距相机的数据分析方法及系统，其重要目的在于提高三维重建模型的精度和鲁棒性。
2、为实现上述目的本专利技术第一方面提供了一种应用于结构光测距相机的数据分析方法，包括：
3、对待测目标进行测量获取待测目标的初始深度数据和光强分布数据并进行数据预处理，得到第一分析信息；
4、对所述第一分析信息进行畸变校正和反射误差补偿得到第二分析信息，根据第二分析信息构建待测目标的初始三维模型；
5、构建奇异区域优化模型，基于所述初始三维模型提取待测目标各区域的点云数据分布特征，判断是否存在奇异区域并利用所述奇异区域优化模型进行优化，
6、获取待测目标的历史测量实例及对应的测量环境信息，对各历史测量实例进行类别划分，并构建场景优化画像和第一数据库；
7、基于下一测量目标的深度数据、光强分布数据和测量环境数据构成下一测量目标的测量数据画像，通过所述第一数据库制定奇异区域优化方案。
8、本方案中，所述对待测目标进行测量获取待测目标的初始深度数据和光强分布数据并进行数据预处理，得到第一分析信息，具体包括：
9、基于结构光测距相机对待测目标进行测量获取待测目标的初始深度数据和光强分布数据；
10、预设高斯核尺寸和sigma值，引入高斯空间滤波算法对获取的深度数据进行降噪处理，根据所述初始深度数据生成深度数据矩阵，基于预设的高斯核尺寸和sigma值对深度数据矩阵中的每个像素点进行遍历，并与周围邻域内的像素进行加权平均计算；
11、将加权平均值作为当前像素点的新值进行迭代计算直至遍历完所有深度数据，得到预处理后深度数据；
12、根据获取的光强分布数据生成光强分布矩阵，预设光强阈值并对所述光强分布矩阵进行阈值处理，将小于所述光强阈值的数据进行剔除，得到预处理后光强分布数据；
13、根据所述预处理后光强分布数据生成有效性矩阵，对所述与数理后深度数据进行筛选，得到筛选后深度数据；结合筛选后深度数据和预处理后光强分布数据构成第一分析信息。
14、本方案中，所述对所述第一分析信息进行畸变校正和反射误差补偿得到第二分析信息，根据第二分析信息构建待测目标的初始三维模型，具体包括：
15、获取目标结构光测距相机的内外参参数，所述内外参参数包括内参矩阵、畸变系数、旋转矩阵和平移向量，基于获取的内外参参数构成畸变模型，输入第一分析信息进行畸变校正；
16、引入双线性插值算法，将进行畸变校正后的像素点从输入图像空间重新映射至输出图像空间，计算映射像素的灰度值并生成校正后的深度矩阵；
17、基于校正后的深度矩阵获取光强分布数据，结合测量光源和目标结构光测距相机位置计算各深度点的入射角度，利用所述校正后的深度矩阵构成深度数据图；
18、基于构成的深度数据图进行表面曲率拟合，利用高斯曲率描述待测目标的表面光滑程度，结合待测目标的表面光滑程度和计算得到的入射角度建立反射误差补偿函数进行反射误差补偿，得到第二分析信息；
19、构建三维坐标系，利用所述第二分析信息和目标结构光测距相机的内外参参数将各像素点转化所述三维坐标系下的三维点并进行全局坐标系映射获取对应的三维坐标信息；
20、根据获取的三维坐标信息进行转化处理生成待测目标的点云数据，基于三角化法将点云数据模型转化为连续的曲面模型，将所述曲面模型进行渲染和可视化，生成待测目标的初始三维模型
21、本方案中，所述构建奇异区域优化模型，基于所述初始三维模型提取待测目标各区域的点云数据分布特征，判断是否存在奇异区域并利用所述奇异区域优化模型进行优化，得到优化后三维模型，具体包括：
22、获取待测目标的初始三维模型，基于所述初始三维模型提取待测目标各区域的点云数据分布特征，利用dbscan算法进行稀疏区域检测，得到稀疏区域检测信息；
23、构建奇异区域判断规则，根据所述稀疏区域检测信息提取各稀疏区域内的点云密度特征和点云数量特征，并利用所述奇异区域判断规则分析对应的稀疏区域是否为奇异区域，得到奇异区域分析信息；
24、基于elm构建奇异区域优化模型，随机生成elm网络的输入权重和偏置参数，引入pso算法进行模型优化，将elm的输入权重和偏置参数在搜索空间中的位置进行编码并生成初始种群；
25、预设适应度函数，根据适应度函数计算初始种群中各粒子的适应度值，并与预设阈值进行判断，确定个体极值和全局极值并进行位置更新和速度更新；
26、根据上述步骤进行迭代直至达到最大迭代次数或符合停止准则，得到最优解，对所述最优解进行解码获取elm网络的最优权重和偏置参数，对所述奇异区域优化模型进行优化；
27、基于所述奇异区域分析信息提取各奇异区域内点云数据及对应的深度数据和光强数据构成第一特征信息，输入至优化后的奇异区域优化模型中对奇异区域内进行优化，得到奇异区域优化信息；
28、根据所述奇异区域优化信息生成点云优化数据，对待测目标的初始三维模型中的点云稀疏区域进行优化，得到优化后三维模型，基于优化后三维模型生成待测目标的测量报告进行推送。
29、本方案中，所述获取待测目标的历史测量实例及对应的测量环境信息，对各历史测量实例进行类别划分，并构建场景优化画像和第一数据库，具体包括：
30、基于数据检索获取待测目标的历史测量实例及对应的测量环境信息，所述历史测量实例中包含对应的测量参数和测量优化方案，以测量环境为第一类别，计算各历史测量优化实例对应的测量环境之间的欧式距离；
31、将计算得到的欧氏距离与预设阈值进行判断，若大于预设阈值，则代表对应的历史测量实例为同一类别，进行迭代分析直至分析完所有历史测量实例，得到第一类别划分信息；
32、根据所述第一类别划分信息提取各测量环境类别下历史测量实例进行测量时的测量参数特征，以测试参数特征作为第二类别，利用k-means聚类算法进行聚类第二类别划分，得到第二类别划分信息；
33、根据所述第二类别划分本文档来自技高网...
【技术保护点】
1.一种应用于结构光测距相机的数据分析方法，其特征在于，包括：
2.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述对待测目标进行测量获取待测目标的初始深度数据和光强分布数据并进行数据预处理，得到第一分析信息，具体包括：
3.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述对所述第一分析信息进行畸变校正和反射误差补偿得到第二分析信息，根据第二分析信息构建待测目标的初始三维模型，具体包括：
4.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述构建奇异区域优化模型，基于所述初始三维模型提取待测目标各区域的点云数据分布特征，判断是否存在奇异区域并利用所述奇异区域优化模型进行优化，得到优化后三维模型，具体包括：
5.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述获取待测目标的历史测量实例及对应的测量环境信息，对各历史测量实例进行类别划分，并构建场景优化画像和第一数据库，具体包括：
6.根据权利要求1所述的一种应用于结
7.一种应用于结构光测距相机的数据分析系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包含应用于结构光测距相机的数据分析方法程序，所述应用于结构光测距相机的数据分析方法程序被所述处理器执行时实现如下步骤：
...【技术特征摘要】
1.一种应用于结构光测距相机的数据分析方法，其特征在于，包括：
2.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述对待测目标进行测量获取待测目标的初始深度数据和光强分布数据并进行数据预处理，得到第一分析信息，具体包括：
3.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述对所述第一分析信息进行畸变校正和反射误差补偿得到第二分析信息，根据第二分析信息构建待测目标的初始三维模型，具体包括：
4.根据权利要求1所述的一种应用于结构光测距相机的数据分析方法，其特征在于，所述构建奇异区域优化模型，基于所述初始三维模型提取待测目标各区域的点云数据分布特征，判断是否存在奇异区域并利用所述奇异区域优化模型进行优化，得...
【专利技术属性】
技术研发人员：申兴琭，赵春英，周婷，吴荣，吴子怡，
申请(专利权)人：苏州兴喜博信息技术科技有限公司，
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。