大势智慧欢迎咨询(多图)-三维集群建模

深度图像的获取

景物的深度图像由Kinect在Windows平台下拍摄获取，同时可以获取其对应的彩色的图像。为了获取足够多的图像，需要变换不同的角度来拍摄同一景物，以保证包含景物的全部信息。具体方案既可以是固定Kinect传感器来拍摄旋转平台上的物体；也可以是旋转Kinect传感器来拍摄固定的物体。

在计算机视觉中， 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全，因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目***)相对比较容易， 其方法是先对摄像机进行标定， 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中的信息重建出三维信息。

3D建模的原理

3D建模的过程实际上是一个三维重建过程，这个过程包括点云数据预处理、分割、三角网格化、网格渲染。

由于激光扫描获取的数据中常常伴有杂点或噪声，三维集群建模，影响了后续的处理，因此为了获取完整的模型，需要对点云数据进行一定的预处理，常用的方法有滤波去噪、数据精简、数据插补等。

分割是指将整个点云聚类为多个点云，每个点云对应***的物体对象。分割算法大体上是先选定一个点，利用kd树计算以该点为中心的球，球内的点都属于该物体，球的半径设为一个阈值，之后遍历该物体的其他点都这么处理，会将点云分割成一个一个的物体。

为了便于后续的网格渲染，需要提前将点云进行三角网格化，采用的算法通常是凸包或凹包算法。

以上几步基本上已经得出了点云的空间拓扑结构，要得到逼真的物体，还需要网格渲染。网格渲染主要为纹理映射，就是将数码相机中的图像望网格上贴。

经过以上几步就完成了整个3D建模。

PCL框架包括很多***的算法和典型的数据结构，如滤波、分割、配准、识别、追zong、可视化、模型拟合、表面重建等诸多功能。在算法方面，PCL是一套包括数据滤波、点云配准、表面生成、图像分割和***搜索等一系列处理点云数据的算法。例如PCL中实现管道运算的接口流程：

①创建处理对象，例如滤波、特征估计、图像分割等；

②通过setInputCloud输入初始点云数据，进入处理模块；

③设置算法相关参数；

④调用不同功能的函数实现运算，并输出结果。