一种3D牙齿成像建模方法与流程

本发明涉及建模技术领域，具体为一种3D牙齿成像建模方法。

背景技术：

在医学影像领域，由于传统口腔牙齿取模方法费时较长，单次成本较高，实时牙齿三维建模逐渐成为研究的热点。主要分为图像的获取，双目摄像机立体标定，特征点的提取，立体匹配等阶段。然而要进行口腔内影像实时重建，需要微型化的传感器以及较好的算法相结合才能获取较为理想的三维模型。

现有三维重建的方法主要有：

(1)采用激光雷达，超声波直接获取表面深度信息，实现三维重建，，这种方式优点是算法设计相对容易，精度高，但体积较大，不能很好的应用在口腔建模领域。

(2)利用三维建模软件建立物体三维模型，如Solidworks、CAD等，这种方法优点非常明显，操作者不需要有过多专业知识，只需要熟悉软件使用及操作即可，降低了使用门槛，提高了易用性，但对于智能机器人领域，对环境重建不可能由人工来完成，因而这种方法存在一定的局限性。

(3)基于立体视觉的三维重建技术，即使用左右摄像机拍摄的两幅图像，经过矫正、立体匹配等步骤进而获取视差图，得到环境物体三维信息，这种方法有效克服了上述两种方法缺点，并且有效降低了三维重建的成本。比如Leap公司在2013年发布的Leap Motion体感控制器，这是一款面向PC以及MAC平台的体感控制器，运用了双目视觉技术，凭借着优秀的算法，精度达到1/100毫米，是Kinect的100倍。

(4)基于短波蓝光方式，典型产品为西诺德公司CEREC Bluecam产品，采用蓝光照相方式对牙齿进行高精度建模，精度可达+19μm。

上述技术的缺点是：

(1)激光雷达体积大、成本难以控制，且在口腔建模领域应用时只能采用传统方法，并不适用于本专利提出的方法。

(2)利用三维建模软件对牙齿进行三维建模，由于前期要获取精确的尺寸信息，实际操作基本不可行。

(3)蓝光照相方式虽可获得较高精度牙齿模型，但在使用前需要对牙齿进行喷粉操作，操作较为复杂。

技术实现要素：

为解决上述问题，本发明提供了一种3D牙齿成像建模方法，包括如下步骤：

步骤一：双目摄像机获取口腔的牙齿图像。

步骤二：对牙齿图像进行降噪滤波。

步骤三：对双目摄像机进行标定，得到重投影矩阵。

步骤四：利用重投影矩阵、降噪后的牙齿图像计算三维坐标，获取点云数据。

步骤五：利用空间泊松方程对点云数据进行曲面重建。

进一步的，步骤四的计算公式为：

其中，T_X是基线距离，x,y为被计算点在双目摄像机左图像中的X轴坐标值、Y轴坐标值。display(x,y)为降噪滤波后的图像进行立体匹配的计算结果，Q为重投影矩阵。

进一步的，重投影矩阵

其中，T_X是基线距离，C_X,C_Y为在双目摄像机左图像的X轴坐标值、Y轴坐标值，c′_x为在双目摄像机右图像中的X坐标值,f为双目摄像机的焦距。

进一步的，步骤四中，利用BM算法降噪滤波后的图像进行立体匹配。

进一步的，步骤三具体为：

设f_ij为点(i，j)的灰度，A_ij为当前工作窗口，f_min、f_max和f_med分别为A_ij中的灰度最小值、灰度最大值和灰度中值，A_max为预设的允许最大窗口，执行如下步骤进行滤波：

步骤2.1：判断f_med的大小，若f_min<f_med<f_max，则转至步骤2.2。否则增大窗口A_ij的尺寸。若A_ij的尺寸小于A_max的尺寸，则重复步骤2.1，否则输出f_ij。

步骤2.2：判断f_ij大小，若f_min<f_ij<f_max，则输出f_ij。否则输出f_med。

本发明的有益效果为：

相对于传统方法，本发明可快速获取牙齿模型，且成本低，不需要使用传统取摸材料，减少浪费，且能提高患者治疗体验。

具体实施方式

本发明的设计构思为：用双目相机采集口腔的牙齿图像，对采集的图像进行滤波、降噪处理，对处理后左图像、右图像进行立体匹配得到视差图，获取物体三维点云数据，对点云数据进行曲面重建得到三维模型。

本发明包括如下步骤：

步骤一：双目摄像机获取口腔的牙齿图像。

步骤二：对牙齿图像进行降噪滤波。

对于获取到的图像进行滤波降噪，基本思路如下：

设f_ij为点(i，j)的灰度，A_ij为当前工作窗口，f_min、f_max和f_med分别为A_ij中的灰度最小值、灰度最大值和灰度中值，A_max为预设的允许最大窗口。自适应中值滤波的步骤如下：

步骤2.1：判断f_med的大小，若f_min<f_med<f_max，则转至第2步；否则增大窗口A_ij的尺寸。若A_ij的尺寸小于A_max的尺寸，则重复步骤2.1，否则输出f_ij。

步骤2.2：判断f_ij大小；若f_min<f_ij<f_max，则输出f_ij；否则输出f_med。

可以看出，算法中噪声的检测和认定时以f_min和f_max为基准的，如果f_min<f_med<f_max，表明f_med不是噪声，接着根据f_min<f_ij<f_max判断f_ij是否为噪声，当f_ij与f_med都不是脉冲噪声时，优先输出f_ij。

步骤三：对双目摄像机进行标定，得到重投影矩阵。

步骤四：利用重投影矩阵。降噪后的牙齿图像计算三维坐标，获取点云数据。

可采用BM算法进行立体匹配。

点云数据获取中需要使用到标定过程中得到的重投影矩阵Q，如式(1)所示：

其中，T_X是基线距离，C_X,C_Y为被计算点在双目摄像机左图像的X轴坐标值、Y轴坐标值，c′_x为被计算点在双目摄像机右图像的X坐标值,f为双目摄像机的焦距。转换关系表示如式(2)所示

其中，display(x,y)为立体匹配计算结果。x,y为被计算点在在双目摄像机所得左图像中的X坐标值、Y坐标值；X、Y、Z为被计算点在坐标值在三维图像中的X坐标值、Y纵坐值、Z坐标值。W取值为1。三维坐标就可用式(3)表示如下：

_3dImage＝(X/W,Y/W,Z/W)(3)

步骤五：利用空间泊松方程对点云数据进行曲面重建。

泊松方法需要输入点云数据具有法向量信息，通过估计模型的指示函数和提取模型等值面，对表面重建做一个无缝的三角逼近。具体实现步骤可分四步：

步骤一:定义梯度场，梯度场是一个分段常函数，计算使用平滑滤波器和指示函数进行卷积，再考虑结果的梯度场计算。

步骤二：使用输入点集S把分割为不同的小面片可以近似得到上的积分：

其中，M为定义的三维实体，它的边界为χM表示M的指示函数，表示三维实体边界上点的向内法线，为一个平滑滤波器。

步骤三：使用最小二乘法求解方程，即求得

步骤四：使用等值面逼近样本点位置获取模型，使用平均值来提取等值面如下：

这里改变不会影响等值面，即通过就能够对表面进行重建。