一种基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法与流程

本发明涉及三维扫描技术领域，具体地，涉及一种基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法。

背景技术：

结构光三维扫描技术是一种高速且高精度的三维扫描测量方法，其采用的是目前国际上最先进的结构光非接触照相测量原理，即采用一种结合结构光技术、相位测量技术、计算机视觉技术的复合三维非接触式测量技术。采用这种测量原理，可使得对物体进行照相测量(所谓照相测量，就是类似于照相机对视野内的物体进行照相，不同的是照相机摄取的是物体的二维图象，而研制的测量仪获得的是物体的三维信息)成为可能。此外与传统的三维扫描技术不同的是，结构光三维扫描技术能同时测量一个面。

对于现有的基于结构光或激光的三维扫描技术，为了达到高精度，它们都是采用静态扫描技术，即被扫描物体和扫描设备本身都需要在完全静止的情况下工作。虽然这种方式扫描精度高，但是使用场景严重不足，例如在需要对于诸如一间卧室或一栋楼的内部结构等大场景进行扫描时，静态扫描方法就完全不能应对。

技术实现要素：

针对前述目前静态三维扫描技术所存在的使用局限性问题，本发明提供了一种基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法。

本发明采用的技术方案,一方面提供了一种基于无人机载具和结构光扫描技术的空间扫描系统，包括无人机电源、结构光传感器、cmos图像传感器、图像信号处理器、加速度传感器、陀螺仪传感器、数字信号处理器、图形处理器、中央处理器、内存储器和外存储器，其中，所述结构光传感器和所述cmos图像传感器分别通信连接所述图像信号处理器，所述加速度传感器和所述陀螺仪传感器分别通信连接所述数字信号处理器，所述图像信号处理器和所述数字信号处理器还分别通信连接所述图形处理器，所述图形处理器通信连接所述中央处理器，所述中央处理器还分别通信连接所述内存储器和所述外存储器；

所述图像信号处理器用于按照第一预制算法对来自所述结构光传感器和所述cmos图像传感器的第一原始采集数据进行预处理，得到具有场景合成所需数据结构的点云数据流；

所述数字信号处理器用于按照第二预制算法对来自所述加速度传感器和所述陀螺仪传感器的第二原始采集数据进行预处理，得到具有场景合成所需数据结构的运动姿态数据流；

所述图形处理器用于根据来自所述数字信号处理器的运动姿态数据流，对来自所述图像信号处理器的点云数据流进行数据合并，得到反映空间扫描结果的场景数据；

所述中央处理器用于获取生成的场景数据，并写入所述内存储器和所述外存储器备用。

优化的，还包括无人机飞行控制模块，其中，所述无人机飞行控制模块包括无人机控制电路单元和无人机电机；所述无人机控制电路单元分别通信连接所述无人机电机的受控端和所述中央处理器，所述中央处理器还分别通信连接所述图像信号处理器和所述数字信号处理器。进一步优化的，还包括通信连接所述数字信号处理器的霍尔传感器。

优化的，还包括位于无人机载具腹部的防抖云台，其中，在所述防抖云台上布置所述结构光传感器和所述cmos图像传感器。

本发明采用的技术方案,另一方面还提供了一种对前述的基于无人机载具和结构光扫描技术的空间扫描系统的工作方法，包括步骤如下：

s101.由图像信号处理器按照第一预制算法对来自结构光传感器和cmos图像传感器的第一原始采集数据进行预处理，得到具有场景合成所需数据结构的点云数据流，并将所述点云数据流传送至图形处理器；

s102.由数字信号处理器按照第二预制算法对来自加速度传感器和陀螺仪传感器的第二原始采集数据进行预处理，得到具有场景合成所需数据结构的运动姿态数据流，并将所述运动姿态数据流传送至图形处理器；

s103.图形处理器在收到同步传送的所述点云数据流和所述运动姿态数据流后，实时地依次执行如下步骤s301～s304：

s301.根据所述点云数据流中的前一帧点云数据的三维坐标属性和所述运动姿态数据流中的新帧运动姿态数据，计算并更新所述点云数据流中的新帧点云数据的三维坐标属性；

s302.使用特征匹配方法确定在所述前一帧点云数据与所述新帧点云数据中具有不同几何特征的点云；

s303.针对在所述前一帧点云数据与所述新帧点云数据中具有不同几何特征的点云，采用递增迭代的优化方式进行择一取舍，得到用于场景合成的点云集合；

s304.将所述点云集合叠加到已有的场景数据中，得到新合成的场景数据，然后将所述新合成的场景数据传送至中央处理器；

s104.中央处理器在收到所述新合成的场景数据后，存储到内存储器和外存储器备用；

上述步骤中，步骤s101和步骤s102为并行执行步骤。

优化的，当所述基于无人机载具和结构光扫描技术的空间扫描系统还包括无人机飞行控制模块时，在所述步骤s104之后还包括如下步骤：

s105.中央处理器根据所述新合成的场景数据，采用三维空间最短路径算法确定无人机载具的新飞行路径，然后将所述新飞行路径传送至所述无人机飞行控制模块予以执行。

优化的，当所述基于无人机载具和结构光扫描技术的空间扫描系统还包括无人机飞行控制模块时，在所述步骤s101和步骤s102之后，还包括如下步骤：

s106.中央处理器还同步读取所述点云数据流和所述运动姿态数据流；

s107.由中央处理器实时对比所述点云数据流中的前一帧点云数据与新帧点云数据的且具有不同几何特征的点云，然后根据对比结果反向推算飞行器载具在帧间隔时间内的姿态运动变化数据，最后将该姿态运动变化数据与所述运动姿态数据流中的新帧运动姿态数据一起进行加权平均，并根据加权平均结果校准待发送至所述无人机飞行控制模块的即时控制信号。

优化的，在所述步骤s104中，还包括如下步骤：由中央处理器将所述新合成的场景数据转化为3ds、obj、fbx或stl格式的数据结构。

综上，采用本发明所提供的基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法，具有如下有益效果：(1)本发明提供了一种集结构光传感器、cmos图像传感器、加速度传感器和陀螺仪传感器等的、且以无人机为载具的空间扫描系统平台，并通过结合实时的运动姿态数据，可对多帧的点云数据流进行空间叠合，得到整个扫描区域的三维场景数据，从而可凭借小型无人机的灵活性，以及成熟的结构光三维扫描技术，实现动态的空间扫描目的；(2)可根据实时的三维场景数据，利用三维空间最短路径算法进行无人机载具的路径规划与障碍判断，使得扫描路径自动最佳化；(3)可根据实时的运动姿态数据，提取诸如俯仰角和位移等参量，并推算待发送运动指令在执行后的预期结果，从而可以将这些参量用于矫正函数，得到用于修复外因干扰(诸如风和气流等外因所带来的干扰)的新运动指令，并将新运动指令复合进执行单元(比如无人机电机)进行执行，实现自动纠正飞行姿态和飞行位置的目的；(4)可根据实时的三维场景数据，来对空间障碍物进行一个虚拟化的场景建模，并获取无人机在虚拟化场景模型中的相对位置，然后根据相对位置生成能够进行虚拟化避障和现实避障的新运动指令，最后通过该新运动指令的执行实现快速避障和自主飞行的目的；(5)考虑三维场景数据的数据精度要远大于无人机载具自身传感器的精度，因此可进一步根据相对位置来计算无人机载具的运动姿态数据、加速度数据或陀螺仪数据的误差，并对误差进行自动校正，提升三维扫描结果的准确性；(6)所述空间扫描系统还具有点云数据扫描稳定性高、输出文件格式多样化和结构简单等优点，便于实际推广和使用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统的结构示意图。

图2是本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统的扫描应用示意图。

图3是本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统的工作方法流程图。

上述附图中：1、无人机载具101、红外线发射器102、结构光传感器2、激光发射器。

具体实施方式

以下将参照附图，通过实施例方式详细地描述本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，单独存在b，同时存在a和b三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，a/和b，可以表示：单独存在a，单独存在a和b两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。

实施例一

图1示出了本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统的结构示意图，图2示出了本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统的扫描应用示意图，图3示出了本发明提供的基于无人机载具和结构光扫描技术的空间扫描系统的工作方法流程图。

本实施例提供的所述基于无人机载具和结构光扫描技术的空间扫描系统，包括无人机电源、结构光传感器、cmos图像传感器、图像信号处理器、加速度传感器、陀螺仪传感器、数字信号处理器、图形处理器、中央处理器、内存储器和外存储器，其中，所述结构光传感器和所述cmos图像传感器分别通信连接所述图像信号处理器，所述加速度传感器和所述陀螺仪传感器分别通信连接所述数字信号处理器，所述图像信号处理器和所述数字信号处理器还分别通信连接所述图形处理器，所述图形处理器通信连接所述中央处理器，所述中央处理器还分别通信连接所述内存储器和所述外存储器；

所述图像信号处理器用于按照第一预制算法对来自所述结构光传感器和所述cmos图像传感器的第一原始采集数据进行预处理，得到具有场景合成所需数据结构的点云数据流；

所述数字信号处理器用于按照第二预制算法对来自所述加速度传感器和所述陀螺仪传感器的第二原始采集数据进行预处理，得到具有场景合成所需数据结构的运动姿态数据流；

所述图形处理器用于根据来自所述数字信号处理器的运动姿态数据流，对来自所述图像信号处理器的点云数据流进行数据合并，得到反映空间扫描结果的场景数据；

所述中央处理器用于获取生成的场景数据，并写入所述内存储器和所述外存储器备用。

如图1和2所示，在所述空间扫描系统的结构中，所述无人机电源用于为无人机载具1和其它电子硬件提供电能支持，其优选为锂电池；所述结构光传感器用于采集原始的结构光数据；所述cmos图像传感器用于采集原始的rgb数据；所述加速度传感器用于采集原始的无人机加速度数据；所述陀螺仪传感器用于采集原始的陀螺仪数据。此外，图2中的红外线发射器101用于发射结构光，以便结构光传感器102能够收到扫描数据；图2中的激光发射器2用于进行高精度线性距离的测量，使得到的数据能够依靠三角形法则进行精确相对定位。如图3所示，前述基于无人机载具和结构光扫描技术的空间扫描系统的工作方法，可以但不限于包括如下步骤。

s101.由图像信号处理器按照第一预制算法对来自结构光传感器和cmos图像传感器的第一原始采集数据进行预处理，得到具有场景合成所需数据结构的点云数据流，并将所述点云数据流传送至图形处理器。

在所述步骤s101中，所述第一预制算法为预先编制的且能够将所述第一原始采集数据预处理为具有场景合成所需数据结构的点云数据流的算法，其中，所述第一原始采集数据可以但不限于包括结构光数据和rgb数据。

s102.由数字信号处理器按照第二预制算法对来自加速度传感器和陀螺仪传感器的第二原始采集数据进行预处理，得到具有场景合成所需数据结构的运动姿态数据流，并将所述运动姿态数据流传送至图形处理器。

所述步骤s102为与所述步骤s101并行执行的步骤，所述第二预制算法为预先编制的且能够将所述第二原始采集数据预处理为具有场景合成所需数据结构的运动姿态数据流的算法，其中，所述第二原始采集数据可以但不限于包括加速度数据和陀螺仪数据。

s103.图形处理器在收到同步传送的所述点云数据流和所述运动姿态数据流后，实时地依次执行如下步骤s301～s304：

s301.根据所述点云数据流中的前一帧点云数据的三维坐标属性和所述运动姿态数据流中的新帧运动姿态数据，计算并更新所述点云数据流中的新帧点云数据的三维坐标属性；

s302.使用特征匹配方法确定在所述前一帧点云数据与所述新帧点云数据中具有不同几何特征的点云；

s303.针对在所述前一帧点云数据与所述新帧点云数据中具有不同几何特征的点云，采用递增迭代的优化方式进行择一取舍，得到用于场景合成的点云集合；

s304.将所述点云集合叠加到已有的场景数据中，得到新合成的场景数据，然后将所述新合成的场景数据传送至中央处理器。

在所述步骤s103中，所述点云为在现有结构光扫描技术中的基本概念，指采用三维坐标属性(x，y，z)来表示的一个点。由于在大多数情况下，前后两帧(例如新帧和前一帧)的点云数据会有大量重复，所以在对具有相同三维坐标属性的点云进行特征匹配分析之后，可将包含了大量相似几何结构的相似点云部分作为共同特征，以避免对这部分的点云进行叠合操作，减少合成处理的计算量。所述递增迭代的优化方式是指如果前一帧点云数据有一部分点云是与其他帧点云数据(包括新帧点云数据)的这一部分点云是不同的，即采用新帧点云数据的这一点云部分对前一帧点云数据的这一点云部分进行替换，否则不替换，进而可确定在新帧点云数据中需要重新叠合的点云集合，实现准确且快速的合成处理。由此通过重复实时地依次执行前述步骤s301～s304，即可逐帧地且连续地对所述点云数据流和所述运动姿态数据流进行并行合成，最终得到整个扫描区域的三维场景数据。

s104.中央处理器在收到所述新合成的场景数据后，存储到内存储器和外存储器备用。

在所述步骤s104中，为了实现多种数据格式的输出，优化的，还包括如下步骤：由中央处理器将所述新合成的场景数据转化为3ds、obj、fbx或stl格式等格式的数据结构。

由此通过前述系统结构及其工作方法的详细描述，可知本实施例提供了一种集结构光传感器、cmos图像传感器、加速度传感器和陀螺仪传感器等的、且以无人机为载具的空间扫描系统平台，并通过结合实时的运动姿态数据，可对多帧的点云数据流进行空间叠合，得到整个扫描区域的三维场景数据，从而可凭借小型无人机的灵活性，以及成熟的结构光三维扫描技术，实现动态的空间扫描目的。

优化的，还包括无人机飞行控制模块，其中，所述无人机飞行控制模块可以但不限于包括无人机控制电路单元和无人机电机；所述无人机控制电路单元分别通信连接所述无人机电机的受控端和所述中央处理器，所述中央处理器还分别通信连接所述图像信号处理器和所述数字信号处理器。如图1所示，所述无人机控制电路单元用于控制无人机载具1的飞行状态，所述无人机电机用于在所述无人机控制电路单元的控制下驱动无人机载具1飞行。由此在所述步骤s104之后还包括如下步骤：s105.中央处理器根据所述新合成的场景数据，采用三维空间最短路径算法确定无人机载具的新飞行路径，然后将所述新飞行路径传送至所述无人机飞行控制模块予以执行；或者，在所述步骤s101和步骤s102之后，还包括如下步骤：s106.中央处理器还同步读取所述点云数据流和所述运动姿态数据流；s107.由中央处理器实时对比所述点云数据流中的前一帧点云数据与新帧点云数据的且具有不同几何特征的点云，然后根据对比结果反向推算飞行器载具在帧间隔时间内的姿态运动变化数据，最后将该姿态运动变化数据与所述运动姿态数据流中的新帧运动姿态数据一起进行加权平均，并根据加权平均结果校准待发送至所述无人机飞行控制模块的即时控制信号。

进一步优化的，为了丰富所述第二原始采集数据，所述基于无人机载具和结构光扫描技术的空间扫描系统还包括通信连接所述数字信号处理器的霍尔传感器。如图1所示，所述霍尔传感器用于实时采集无人机载具所处磁场的数据，可以进一步提高新帧运动姿态数据的准确性。

优化的，为了提高所述第一原始采集数据的稳定性，还包括位于无人机载具1腹部的防抖云台，其中，在所述防抖云台上布置所述结构光传感器和所述cmos图像传感器。如图1和2所示。

本实施例提供的所述基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法，具有如下有益效果：(1)本发明提供了一种集结构光传感器、cmos图像传感器、加速度传感器和陀螺仪传感器等的、且以无人机为载具的空间扫描系统平台，并通过结合实时的运动姿态数据，可对多帧的点云数据流进行空间叠合，得到整个扫描区域的三维场景数据，从而可凭借小型无人机的灵活性，以及成熟的结构光三维扫描技术，实现动态的空间扫描目的；(2)可根据实时的三维场景数据，利用三维空间最短路径算法进行无人机载具的路径规划与障碍判断，使得扫描路径自动最佳化；(3)可根据实时的运动姿态数据，提取诸如俯仰角和位移等参量，并推算待发送运动指令在执行后的预期结果，从而可以将这些参量用于矫正函数，得到用于修复外因干扰(诸如风和气流等外因所带来的干扰)的新运动指令，并将新运动指令复合进执行单元(比如无人机电机)进行执行，实现自动纠正飞行姿态和飞行位置的目的；(4)可根据实时的三维场景数据，来对空间障碍物进行一个虚拟化的场景建模，并获取无人机在虚拟化场景模型中的相对位置，然后根据相对位置生成能够进行虚拟化避障和现实避障的新运动指令，最后通过该新运动指令的执行实现快速避障和自主飞行的目的；(5)考虑三维场景数据的数据精度要远大于无人机载具自身传感器的精度，因此可进一步根据相对位置来计算无人机载具的运动姿态数据、加速度数据或陀螺仪数据的误差，并对误差进行自动校正，提升三维扫描结果的准确性；(6)所述空间扫描系统还具有点云数据扫描稳定性高、输出文件格式多样化和结构简单等优点，便于实际推广和使用。

如上所述，可较好地实现本发明。对于本领域的技术人员而言，根据本发明的教导，设计出不同形式的基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法并不需要创造性的劳动。在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和变型仍落入本发明的保护范围内。