一种现场三维信息勘验方法及系统的制作方法
【技术领域】
[0001]本发明涉及一种现场三维信息勘验方法及系统。
【背景技术】
[0002]传统的三维扫描技术有激光扫描与结构光扫描，这些扫描技术有一个通用的缺点是操作复杂，需要专业培训，同时为了获得高精度拼接效果，还需要在待测物体上贴大量标记点。这些都给这些三维扫描技术的推广应用带来大量不便。
[0003]在公安现场勘验领域，常用的现场勘验技术有视频、照片与绘图等方式，这些都是基于二维平面信息的勘验，如果想获取现场物证尺寸与相对空间位置信息，就需要使用三维数字建模技术。同时，在现场勘验的过程中，不能对物证进行各种处理与破坏，因此不能使用传统的在物体表面贴标记点的方式进行三维扫描，必须采用无损的三维扫描技术。
[0004]RGB-D传感器可以在采集传统RGB图像信号的同时采集物体的深度信息，该类传感器由一个传统的视频传感器和一个近红外深度传感器组成，获得深度信息的是依靠激光散斑成像。2011年微软发布kinect传感器即为第一代RGB-D传感器，它是基于Primesense公司的激光散斑成像方式来获得深度信息，采用类似技术的RGB-D传感器还有华硕公司的Xt1n Pro Live,Primesense公司的Carminel.08等。基于RGB-D传感器的三维扫描技术可用于人像扫描[1]，室内地图等领域[2]。不同于传统的激光三维扫描，基于RGB-D的三维扫描技术具有使用方便，性价比高等优点，例如Matterport公司的3D扫描仪，可在2小时扫描完成140平米的室内扫描。
【发明内容】
_5] 发明要解决的问题
[0006]本发明目的在于提供一种实时重构、操作简单易用且无需贴标记点的三维扫描勘察方法。
_7] 用于解决问题的方案
[0008]一种现场三维信息勘验方法，包括以下步骤:
[0009]步骤S1、获取目标物体的深度信息流与RGB信息流；
[0010]步骤S2、基于获取的深度信息、RGB信息，提取运动参数后进行拼接，具体包括:
[0011]步骤S21、基于设定的扫描范围，对当前的扫描仪位置进行预估:
[0012]根据光线投射方法，得到预估图像，将所述预估图像与扫描图像进行匹配，得到匹配误差；基于匹配误差，再次根据光线投射方法，更新预估图像，再次将所述预估图像与扫描图像进行匹配，得到匹配误差，直至所述匹配误差小于阈值；
[0013]步骤S22、对所述深度信息采用ICP匹配算法，提取主运动参数；
[0014]步骤S23、对所述RGB信息提取SURF特征，计算辅助运动参数；
[0015]步骤S24、将所述主运动参数与所述辅助运动参数进行融合，按照融合后的参数，将所述深度信息、RGB信息、扫描仪位置数据集成到TSDF数据卷，实时获得目标物体的三维数据。
[0016]本发明还提供一种现场三维信息勘验系统，包括:
[0017]RGB-D传感器，用于获取目标物体的深度信息流与RGB信息流，
[0018]处理模块与所述RGB-D传感器连接，用于基于获取的深度信息、RGB信息，提取运动参数后进行拼接，包括:基于设定的扫描范围，对当前的扫描仪位置进行预估；根据光线投射方法，得到预估图像，将所述预估图像与扫描图像进行匹配，得到匹配误差；基于匹配误差，再次根据光线投射方法，更新预估图像，再次将所述预估图像与扫描图像进行匹配，得到匹配误差，直至所述匹配误差小于阈值；对所述深度信息采用ICP匹配算法，提取主运动参数；对所述RGB信息提取SURF特征，计算辅助运动参数；将所述主运动参数与所述辅助运动参数进行融合，按照融合后的参数，将所述深度信息、RGB信息、扫描仪位置数据集成到TSDF数据卷，实时获得目标物体的三维数据。
[0019]优选地，现场三维信息勘验系统，所述RGB-D传感器为集成式RGB-D传感器。
[0020]发明的效果
[0021]本发明针对小范围的现场关键场景，开发一种基于RGB-D传感器的手持式、三维模型实时重构、操作简单易用且无需贴标记点的三维扫描方法和系统。实现了手持式，实时重构与无需贴标记点等目标。
【附图说明】
[0022]图1为本发明一实施例的流程示意图；
[0023]图2为本发明一实施例的结构示意图；
【具体实施方式】
[0024]以下将结合实施例详细说明本发明的各种示例性实施例、特征和方面。为了更好的说明本发明，在下文的【具体实施方式】中给出了众多的具体细节。本领域技术人员应当理解，没有这些具体细节，本发明同样可以实施。在另外一些实例中，对于大家熟知的方法、手段、材料未作详细描述，以便于凸显本发明的主旨。
[0025]如图1所示，一种现场三维信息勘验方法，包括以下步骤:
[0026]步骤S1、获取目标物体的深度信息流与RGB信息流。
[0027]深度信息流，由RGB-D传感器输出的包含深度信息的深度图像组成。
[0028]RGB信息流，由RGB-D传感器输出的彩色图像组成。
[0029]步骤S2、基于获取的深度信息、RGB信息，提取运动参数后进行拼接。步骤S2具体可以包括:
[0030]步骤S21、基于设定的扫描范围，对当前的扫描仪位置进行预估:根据光线投射方法，得到预估图像，将所述预估图像与扫描图像进行匹配，得到匹配误差；基于匹配误差，再次根据光线投射方法，更新预估图像，再次将所述预估图像与扫描图像进行匹配，得到匹配误差，直至所述匹配误差小于阈值。
[0031]设定的扫描范围，可以根据现场的实际情况，设定一个具体的扫描范围，例如，可以将扫描范围的起始点设定为扫描仪，最小的扫描范围可以设定为扫描仪0.3米X0.3米X0.3米，最大的扫描范围可以设定3米X3米X3米。所示扫描范围，可以为扫描仪的正前方，也可以为以扫描仪为中心点30°至180°的扇面范围，具体可以依据现场实际情况确定。
[0032]光线投射方法，可以为通过RayCast算法，得到预估图像。
[0033]匹配误差，是指预估图像与扫描图像的对应点差值之和。
[0034]阈值，是指允许的匹配误差最大值，该数值可以根据情况而设定。
[0035]步骤S22、对所述深度信息采用ICP匹配算法，提取主运动参数。
[0036]ICP匹配算法，是指Iterative Closest Point算法，用于计算深度图像与三维模型之间的相对位置。
[0037]步骤S23、对所述RGB信息提取SURF特征，计算辅助运动参数。
[0038]SURF特征提取分析，是对SIFT算法的改进，其基本结构、步骤与SIFT相近，但具体实现的过程有所不同。SURF算法的优点是速度远快于SIFT且稳定性好。SURF大量合理使用积分图像降低运输量，而且在运用的过程中并未降低精度(小波变换，Hessian矩阵行列式检测都是成熟有效的手段)。在时间上，SURF运行速度大约为SIFT的3倍；在质量上，SURF的鲁棒性很好，特征点识别率较SIFT高，在视角、光照、尺度变化等情形下，大体上都优于SIFT。
[0039]主运动参数、辅助运动参数，可以为扫描仪的6自由度运动参数。
[0040]步骤S24、将所述主运动参数与所述辅助运动参数进行融合，按照融合后的参数，将所述深度信息、RGB信息、扫描仪位置数据集成到TSDF数据卷，实时获得目标物体的三维数据。
[0041]将所述主运动参数与所述辅助运动参数进行融合，是指如果主运动参数与辅助运动参数的位移矢量的欧氏距离小于设定的阈值，则采用主运动参数作为融合后的参数，否