嵌入式三维扫描系统和三维扫描装置的制作方法

1.本技术涉及三维扫描技术领域，特别是涉及一种嵌入式三维扫描系统和三维扫描装置。


背景技术：

2.随着计算机技术和测量技术的发展，出现了三维测量技术，在机械制造、文物雕塑以及家居家装等行业被广泛运用。
3.传统的三维扫描系统，通常由三维扫描仪与一定配置的电脑连接组成。其中，三维扫描仪仅用于获取图像数据，然后将数据图像通过线缆传输到电脑端。电脑端接收到图像数据后，对上述图像数据进行预处理、图像匹配等一系列操作，最后处理得到三维图像。同时，该电脑端还用于向用户提供实时显示。这种传统的三维扫描系统，一台电脑一次只能支持一台扫描仪扫描，无法同时支持多台同时扫描，扫描效率低。另外，由于配置电脑需要通过线缆与电脑端连接，很大程度上限制了扫描的灵活度和适用场景。
4.目前针对传统技术中，三维扫描系统扫描效率低、且扫描灵活度和适用场景受限的问题，尚未提出有效解决方案。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种嵌入式三维扫描系统与三维扫描装置，以解决现有的三维扫描系统扫描效率低、且扫描灵活度和适用场景受限的问题。
6.第一方面，本技术实施例提供了一种嵌入式三维扫描系统，包括云计算端和扫描设备端；
7.所述扫描设备端，用于对目标物体进行扫描，以获取所述目标物体的扫描数据，并将所述扫描数据上传至所述云计算端；
8.所述云计算端，用于对所述扫描数据进行实时计算和处理，以生成所述目标物体的数据模型。
9.在其中一个实施例中，所述扫描数据包括原始图像数据、视差图、深度图或点云数据。
10.在其中一个实施例中，所述所描述数据中包括彩色信息。
11.在其中一个实施例中，所述数据模型包括点云数据或网格数据。
12.在其中一个实施例中，所述扫描设备端包括成像模块；所述成像模块，用于对所述目标物体进行成像捕捉，以获取所述目标物体的原始图像数据。
13.作为一种可实施方式，所述成像模块有多个；所述扫描设备端还包括同步模块；所述同步模块，连接多个所述成像模块，用于根据所述原始图像数据中的时间戳对所述原始图像数据进行分类，以对同一时间获取的所述原始图像数据进行相同处理。
14.在其中一个实施例中，所述扫描设备端还包括第一预处理计算模块；
15.所述第一预处理计算模块，连接所述成像模块，用于对所述原始图像数据进行立
体校正和立体匹配，生成视差图，并基于所述视差图，生成点云数据集；
16.所述云计算端包括实时计算模块和后处理模块；
17.所述实时计算模块，用于对上传至所述云计算端的所述点云数据集进行初始点云配准，以获得第一转换关系；
18.所述后处理模块，用于基于所述第一转换关系和所述点云数据集进行全局点云配准，以获得第二转换关系，并基于所述第二转换关系和所述点云数据集进行点云融合，获得隐式曲面，再基于所述隐式曲面，生成所述目标物体的数据模型。
19.在其中一个实施例中，所述云计算端包括第二预处理计算模块、实时计算模块、以及后处理模块；
20.所述第二预处理计算模块，用于对上传至所述云计算端的所述原始图像数据进行立体校正和立体匹配，生成视差图，并基于所述视差图，生成点云数据集；
21.所述实时计算模块，用于对所述点云数据集进行初始点云配准，以获得第一转换关系；
22.所述后处理模块，用于基于所述第一转换关系和所述点云数据集进行全局点云配准，以获得第二转换关系，并基于所述第二转换关系和所述点云数据集进行点云融合，获得隐式曲面，再基于所述隐式曲面，生成所述目标物体的数据模型。
23.在其中一个实施例中，所述扫描设备端还包括第三预处理计算模块；
24.所述第三预处理计算模块，连接所述成像模块，用于对所述原始图像数据进行立体校正；
25.所述云计算端包括第四预处理计算模块、实时计算模块、以及后处理模块；
26.所述第四预处理计算模块，用于对上传至所述云计算端的立体校正后的所述原始图像数据，进行立体匹配，生成视差图，并基于所述视差图，生成点云数据集；
27.所述实时计算模块，用于对所述点云数据集进行点云配准，以获得第一转换关系；
28.所述后处理模块，用于基于所述第一转换关系和所述点云数据集，进行全局点云配准，以获得第二转换关系，并基于所述第二转换关系和所述点云数据集进行点云融合，获得隐式曲面，再基于所述隐式曲面，生成所述目标物体的数据模型。
29.在其中一个实施例中，所述扫描设备端还包括第五预处理计算模块；
30.所述第五预处理计算模块，连接所述成像模块，用于对所述原始图像数据进行立体校正和立体匹配，生成视差图；
31.所述云计算端包括第六预处理计算模块、实时计算模块、以及后处理模块；
32.第六预处理计算模块，用于基于上传至所述云计算端的所述视差图，生成点云数据集；
33.所述实时计算模块，用于对所述点云数据集进行初始点云配准，以获得第一转换关系；
34.所述后处理模块，用于基于所述第一转换关系和所述点云数据集进行全局点云配准，以获得第二转换关系，并基于所述第二转换关系和所述点云数据集进行点云融合，获得隐式曲面，再基于所述隐式曲面，生成所述目标物体的数据模型。
35.第二方面，本技术实施例提供了一种三维扫描装置，包括显示终端和上述任一实施例所述的嵌入式三维扫描系统；
36.所述显示终端分别与所述嵌入式三维扫描系统中的所述云计算端和所述扫描设备端连接。
37.本技术提供的嵌入式三维扫描系统和三维扫描装置，通过扫描设备端获取目标物体的扫描数据，并将扫描数据上传至云计算端，由云计算端对扫描数据进行实时计算和处理，以生成目标物体的数据模型。本技术采用云计算端替换传统技术中的电脑端，解决了线缆连接电脑端导致的扫描效率低、且扫描灵活度和适用场景受限的问题。
附图说明
38.为了更清楚地说明本技术实施例或传统技术中的技术方案，下面将对实施例或传统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技术的一些实施例，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。
39.图1是本技术实施例一提供的一种嵌入式三维扫描系统的结构框图；
40.图2是本技术实施例二提供的一种嵌入式三维扫描系统的结构框图；
41.图3是本技术实施例三提供的一种嵌入式三维扫描系统的结构框图；
42.图4是本技术实施例四提供的一种嵌入式三维扫描系统的结构框图；
43.图5是本技术实施例五提供的一种嵌入式三维扫描系统的结构框图；
44.图6是本技术实施例六提供的一种嵌入式三维扫描系统的结构框图；
45.图7是本技术实施例七提供的一种三维扫描装置的结构框图。
具体实施方式
46.为了便于理解本技术，下面将参照相关附图对本技术进行更全面的描述。附图中给出了本技术的实施例。但是，本技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本技术的公开内容更加透彻全面。
47.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
48.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
49.需要说明的是，当一个元件被认为是“连接”另一个元件时，它可以是直接连接到另一个元件，或者通过居中元件连接另一个元件。此外，以下实施例中的“连接”，如果被连接的对象之间具有电信号或数据的传递，则应理解为“电连接”、“通信连接”等。
50.在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
51.现有技术中，扫描仪需要通过电缆与电脑端连接，扫描仪的扫描范围受连接线缆的长度限制。例如，当扫描大件物体时，或者需要变化位置扫描时，需要移动线缆以及线缆连接的电脑端，使用很不方便。而且，由于电脑端的资源有限，一台电脑一次只能支持一台
扫描仪扫描，无法同时支持多台同时扫描，扫描大件物体时就会耗时较长，扫描效率较低。此外，三维重建对电脑端的配置要求比较高，如果用户在使用时电脑的配置不统一，也会造成对三维重建效率的影响。
52.例如，用户在扫描10*10*10米的物体时，扫描仪与线缆和电脑必须时刻连接着，移动十分不方便，而且因为线缆的长度受限，一次只能在线缆的长度范围内扫描，然后需要移动到下一个位置。当完整扫描完物体后，由于电脑配置不统一，就会造成运算效率以及处理上受到限制。
53.基于此，本技术实施例一提供了一种嵌入式三维扫描系统。如图1所示，该嵌入式三维扫描系统包括扫描设备端110和云计算端120。其中，扫描设备端110，用于对目标物体进行扫描，以获取目标物体的扫描数据，并将扫描数据上传至云计算端120。云计算端120用于对扫描数据进行实时计算和处理，以生成目标物体的数据模型。
54.上述扫描设备端110可以是一台扫描仪设备，可以包括多台扫描仪设备。多台扫描仪设备可以独立进行工作，也可以相互配合工作。上述云计算端120可以为一个或多个云服务器，且配置统一。扫描设备端110设置有通讯模块，通过该通讯模块可以与云服务器建立网络连接，实现扫描设备端110和云计算端120之间的数据传输。
55.由于是嵌入式扫描系统，所以扫描设备端110可以分担一部分数据处理工作，云计算端120也可以承担一部分数据处理工作。即扫描设备端110可以只负责对目标物体进行扫描，获取目标物体的原始图像数据，将获得的原始图像数据直接传输至云计算端120进行处理和计算，也可以承担部分数据处理工作，对扫描获得的原始图像数据进行预处理后，传输至云计算端120进行后续处理和计算。相应地，云计算端120接收到扫描设备端110上传的各种类型的扫描数据后，对扫描数据进行后续的计算和处理，以生成目标物体的数据模型。
56.扫描设备端110获取到的扫描数据可以是目标物体的原始图像数据，也可以是对原始图像数据进行处理后得到的视差图、深度图或点云数据。该描述数据中可以不包括彩色信息，也可以包括彩色信息。云计算端120生成的数据模型可以包括点云数据或网格数据，即以点云形式呈现，或以网格形式呈现。
57.作为一种可实施方式，扫描设备端110将通过对目标物体进行扫描获得的原始图像数据直接传输至云计算端120，由云计算端120进行预处理计算得到点云数据集，再通过实时计算，得到三维模型，并将三维模型传输至用户终端进行显示。
58.作为另一种可实施方式，扫描设备端110将通过对目标物体进行扫描获得的原始图像数据进行预处理后，得到点云数据集，将点云数据集传输至云计算端120，由云计算端120对收到的点云数据集进行实时计算，得到三维模型，并将三维模型传输至用户终端进行显示。
59.上述实施例一提供的嵌入式三维扫描系统，通过扫描设备端110获取目标物体的扫描数据，并将扫描数据上传至云计算端120，由云计算端120对扫描数据进行实时计算和处理，以生成目标物体的数据模型。采用云计算端120替换传统技术中的电脑端，避免了线缆连接，可以灵活实现扫描；而且，可以根据扫描需求，控制多个扫描设备端110同时进行扫描，扩展了适用场景，同时提升扫描效率；此外，云计算端120的计算能力强大，不受电脑端配置的影响，较好地避免了用户在使用时由于电脑的配置不统一对三维重建效率造成的影响。
60.如图2所示，本技术实施例二提供了一种嵌入式三维扫描系统，该嵌入式三维扫描系统包括实施例一中的扫描设备端110和云计算端120。进一步地，扫描设备端110包括成像模块111，成像模块111用于对目标物体进行成像捕捉，以获取目标物体的原始图像数据。
61.成像模块111可以利用市场上现有的各种相机实现，也可以特别定制，只要满足三维扫描系统的成像需求即可。上述成像模块111可以设置一个，也可以设置多个。多个成像模块111可以实现多角度同时扫描。具体地，当多个相机被同时触发后，相机会同时捕捉图像，获得多份原始图像数据。由于图像传输或处理过程中可能出现延迟等问题，所以接收到原始图像数据的时间顺序，与相机捕捉该原始图像数据的时间可能会存在不一致的情况，所以需要根据原始图像数据中的时间戳对原始数据进行同步处理。
62.作为一种可实施方式，扫描设备端110包括多个成像模块111，还包括同步模块112。成像模块111用于对目标物体进行成像捕捉，以获取目标物体的原始图像数据。该同步模块112连接多个成像模块111，用于根据原始图像数据中的时间戳对原始图像数据进行分类，以对同一时间获取的原始图像数据进行相同处理。
63.同步模块112主要用于将同步触发的多个成像模块111得到的原始图像数据匹配起来。上述多个成像模块111的同步触发可以通过硬件程序控制，以实现多个成像模块111的同步动作。
64.此处，需要说明的是，同步模块112仅在扫描设备端110中包括多个成像模块111时，且需要至少两个成像模块111同步触发时使用。由于扫描设备端110不限于一台扫描仪设备，可以包括多台扫描仪设备，所以上述多个成像模块111可以设置在一台扫描仪设备上，也可以分别设置在多台扫描仪设备上。
65.本技术实施例二提供的嵌入式三维扫描系统，通过扫描设备端110中的多个成像模块111和同步模块112相互配合工作，可以实现多角度同步拍摄成像，在实施例一的基础上进一步提高扫描效率。
66.如图3所示，本技术实施例三提供了一种嵌入式三维扫描系统，该嵌入式三维扫描系统包括实施例一和实施例二的扫描设备端110和云计算端120。
67.其中，扫描设备端110包括成像模块111、同步模块112、以及第一预处理计算模块113。第一预处理计算模块113连接同步模块112，用于对同步处理后的原始图像数据进行立体校正和立体匹配，生成视差图，并基于视差图，生成点云数据集。
68.云计算端120包括实时计算模块121和后处理模块122。实时计算模块121用于对上传至云计算端120的点云数据集进行初始点云配准，以获得第一转换关系。后处理模块122用于基于第一转换关系和点云数据集进行全局点云配准，以获得第二转换关系，并基于第二转换关系和点云数据集进行点云融合，获得隐式曲面，再基于隐式曲面，生成目标物体的数据模型。
69.作为一种可实施方式，上述实施例三提供的嵌入式三维扫描系统，扫描设备端110的工作过程如下：
70.首先，通过硬件同时触发多个成像模块111得到多份原始图像数据。同步模块112根据原始图像数据中的时间戳(硬件触发记录的时间)将同一时间触发的多份原始图像数据进行相同处理，得到同步后的原始图像数据集a。
71.接下来，第一预处理计算模块113首先将原始图像数据集a中的图像进行立体校正
(也称为极线校正)，得到校正后的图像数据集b，使得不同图像中的对应点行对齐。然后，对图像数据集b中的图像相互之间进行立体匹配，得到视差图h。最后，对视差图h进行重建得到点云数据集c0，对c0进行滤波的点云数据集c1，对c1中的每个点进行法向计算、主曲率计算得到最终的点云数据集c2，将点云数据集c2发送至云计算端120。
72.其中，点云数据集中的每个点的格式为：原始的点云三维坐标xyz(取至c0)、平滑后的点云三维坐标xyz(取至c2)、点云的法向量(取至c2)、点云的曲率值(取至c2)。
73.具体地，上述立体匹配过程包括：代价计算、代价聚合、一致性检测、视差图滤波等操作。代价计算的目的为了得到不同图像中位于同一行中的每个像素的相似度(经过立体校正后行对齐，所以在同一行中搜索遍历列，默认相似度最高的那个像素就是匹配点)。代价聚合的目的是优化代价计算得到的相似度值，使得相似度更加的准确，这样相似度最大的像素是正确匹配点的准确率就会变高。一致性检测，例如有两个不同图像，分别为左图和右图，左图中的某个像素pl经过上面两步后都能得到一个最相似的右图匹配像素pr，那么理论上右图的那个匹配的像素pr在左图中搜索计算相似度也应该得到最相似的像素pl或者在一定误差范围内。所以，超过这个误差范围的点就可以作为无匹配点剔除，得到匹配点后就能计算得到视差图h。
74.作为一种优选地实施方式，第一预处理计算模块113在对原始图像数据集中的图像进行立体校正之前，先对原始图像数据集进行滤波，然后对滤波后的原始图像数据进行立体校正和立体匹配，生成视差图，并且对视差图进行滤波，基于滤波后的视差图，生成点云数据集。
75.上述对原始图像数据集进行滤波主要目的是去噪，可以用均值滤波、中值滤波、双边滤波、引导滤波、高斯滤波等基础的滤波算法实现，以得到质量较高的图像数据。
76.相应地，上述实施例三提供的嵌入式三维扫描系统，云计算端120的工作过程可以通过以下两种方式实现：
77.第一种实现方式：
78.首先，远端接收到压缩数据集y，解压得到点云数据集c2。这里将第n帧的点云数据集c2重新记为c2
(n)
。
79.接下来，实时计算模块121进行点云配准：将c2
(n)
与c2
(n
‑
1)
两帧点云数据集进行icp(iterative closest point，最近点迭代算法)配准，得到c2
(n)
与世界坐标系的旋转矩阵r
(n)
与平移向量t
(n)
。(注：当n＝0时，默认r
(n)
为单位矩阵，t
(n)
为(0,0,0)。c2
(n)
与世界坐标系的旋转矩阵r
(n)
与平移向量t
(n)
即为上述第一转换关系。
80.然后，后处理模块122进行点云融合：将点云数据集c2
(n)
通过旋转矩阵r
(n)
与平移向量t
(n)
转换到世界坐标系下，并将点云数据集c2
(n)
插入到八叉树q中(n＝0时则新建得到八叉树q)，通过tsdf(truncated signed distance function，利用结构化点云数据并以参数表达表面的表面重建算法)算法更新八叉树q中的相应方盒的权重w与sdf值。(注：八叉树q的数据结构也可以替换为体素哈希数据结构)。此处需要说明的是，八叉树是一种存储点云的数据结构，tsdf算法需要用到八叉树这种数据结构。w代表了八叉树的某个方盒中落入点的次数，sdf值代表了该方盒中心点距离真实表面的距离，sdf为0就是该方盒中心就在真实的表面上。更新后的八叉树q的这个数据结构即为上述第二转换关系。
81.进一步地，后处理模块122通过光线追踪算法插值，得到当前帧(第n帧)成像模块
111视锥体范围内的八叉树q中sdf等于0的隐式曲面点集d。注：d可以作为下一帧点云配准的c2
(n
‑
1)
。隐式曲面点集d即为上述隐式曲面。
82.上述w可以用来实时更新sdf值，sdf值为0的地方默认为真实的表面所在的地方。因为实际中sdf值不可能正好为0，所以需要通过周围点差值得到sdf为0的地方，同时计算得到sdf值为0的地方的三维点值。所以，上述光线追踪得到的是一组点云数据集，该点云数据集是许多帧不断融合的结果，所以比当帧进来的点云更加的准确，可以用于下一帧的配准。
83.最后，后处理模块122通过marching cube算法在八叉树q中提取出隐式曲面网格f。对网格f进行平滑去噪、锐化、补洞等操作得到网格f0，网格f0即为上述目标物体的数据模型。
84.第二种实现方式：
85.首先，远端接收到压缩数据集y，解压得到点云数据集c2。这里将第n帧的点云数据集c2重新记为c2
(n)
。
86.接下来，实时计算模块121进行点云配准：将c2
(n)
与c2
(n
‑
1)
两帧点云数据集进行icp算法得到c2
(n)
与世界坐标系的旋转矩阵r
(n)
与平移向量t
(n)
。(注：当n＝0时，默认r
(n)
为单位矩阵，t
(n)
为(0,0,0)。c2
(n)
与世界坐标系的旋转矩阵r
(n)
与平移向量t
(n)
即为上述第一转换关系。
87.然后，后处理模块122进行点云融合：将点云数据集c2
(n)
通过旋转矩阵r
(n)
与平移向量t
(n)
转换到世界坐标系下，并将点云数据集c2
(n)
插入到八叉树q中(n＝0时则新建得到八叉树q)，直接更新八叉树中节点方盒的三维点坐标。(注：八叉树q的数据结构也可以替换为体素哈希数据结构)。更新后的八叉树q的这个数据结构即为上述第二转换关系。
88.进一步地，后处理模块122通过光线追踪，将八叉树q中的方盒落在当前帧(第n帧)成像模块111视锥体范围内的点取出来得到点集d。注：d可以作为下一帧点云配准的c2
(n
‑
1)
。
89.最后，后处理模块122将八叉树q中方盒的点提取出来得到点集d1，通过一些列的点云滤波算法以及去噪算法得到质量较高的点云数据集d2，对d2进行网格化得到曲面网格f。对f进行平滑去噪、锐化、补洞等操作得到网格f0。网格f0即为上述目标物体的数据模型。
90.上述实施例三提供的嵌入式三维扫描系统，在扫描设备端110对成像模块111采集到的原始图像数据进行同步处理，并进行立体校正和立体匹配，生成视差图，并基于视差图，生成点云数据集，并将点云数据集上传至云计算端120。云计算端120对上传的点云数据集进行初始点云配准、全局点云配准、点云融合，最终生成目标物体的数据模型。由于将原始图像数据转化为点云数据集的过程相较于后期的模型计算，计算量不大，所以将原始图像数据转换为点云数据集的过程放在扫描设备端110完全可以实现，而云计算端120主要负责后期的计算量较大的模型计算。本实施例在实施例一和实施例二的基础上，更加充分地利用了计算资源，提升了扫描效率。
91.如图4所示，本技术实施例四提供了一种嵌入式三维扫描系统，该嵌入式三维扫描系统包括实施例一和实施例二的扫描设备端110和云计算端120。
92.其中，扫描设备端110包括成像模块111和同步模块112。
93.云计算端120包括第二预处理计算模块123、实时计算模块121、以及后处理模块122。第二预处理计算模块123用于对上传至云计算端120的经同步处理后的原始图像数据
进行立体校正和立体匹配，生成视差图，并基于视差图，生成点云数据集。实时计算模块121用于对点云数据集进行初始点云配准，以获得第一转换关系；后处理模块122用于基于第一转换关系和点云数据集进行全局点云配准，以获得第二转换关系，并基于第二转换关系和点云数据集进行点云融合，获得隐式曲面，再基于隐式曲面，生成目标物体的数据模型。
94.上述第二预处理计算模块123与前述实施例三中设置在扫描设备端110中的第一预处理计算模块113的功能相同，具体可参照实施例三的实现过程，重复之处不再冗述。
95.实施例四提供的嵌入式三维扫描系统，扫描设备端110只负责对目标物体进行成像捕捉，以获取目标物体的原始图像数据并对其进行同步处理，上传至云计算端120。云计算端120对接收到的原始图像数据进行立体校正和立体匹配，生成视差图，并基于视差图，生成点云数据集，并进行初始点云配准、全局点云配准、点云融合，最终生成目标物体的数据模型。由于云计算端120具有较强的计算能力，所以将所有的图像处理以及模型计算过程都放在云计算端120进行，可以大大减轻扫描设备端110的压力。本实施例在实施例一和实施例二的基础上，合理地利用了计算资源，可以大幅度提升扫描效率。
96.如图5所示，本技术实施例五提供了一种嵌入式三维扫描系统，该嵌入式三维扫描系统包括实施例一和实施例二的扫描设备端110和云计算端120。
97.其中，扫描设备端110包括成像模块111、同步模块112、以及第三预处理计算模块114。第三预处理计算模块114连接同步模块112，用于对同步处理后的原始图像数据进行立体校正。
98.云计算端120包括第四预处理计算模块124、实时计算模块121、以及后处理模块122。其中，第四预处理计算模块124用于对上传至云计算端120的立体校正后的原始图像数据，进行立体匹配，生成视差图，并基于视差图，生成点云数据集；实时计算模块121用于对点云数据集进行点云配准，以获得第一转换关系；后处理模块122用于基于第一转换关系和点云数据集，进行全局点云配准，以获得第二转换关系，并基于第二转换关系和点云数据集进行点云融合，获得隐式曲面，再基于隐式曲面，生成目标物体的数据模型。
99.上述第三预处理计算模块114设置在扫描设备端110，其功能与前述实施例三中的第一预处理计算模块113中的部分功能相同，主要是对原始图像数据进行立体校正(也称为极线校正)，使得不同图像中的对应点行对齐。
100.上述第四预处理计算模块124设置在云计算端120，主要用于对上传至云计算端120的立体校正后的原始图像数据，进行立体匹配，生成视差图，并基于视差图，生成点云数据集。其功能与前述实施例三中的第一预处理计算模块113中的部分功能相同。本实施例的具体实现过程可参照前述实施例三的实现过程，重复之处不再冗述。
101.实施例五提供的嵌入式三维扫描系统，扫描设备端110除了负责对目标物体进行成像捕捉，以获取目标物体的原始图像数据并进行同步处理之外，还负责对原始图像数据进行立体校正，将校正后的图像上传至云计算端120。云计算端120对接收到的校正后的图像进行立体匹配，生成视差图，并基于视差图，生成点云数据集，并进行初始点云配准、全局点云配准、点云融合，最终生成目标物体的数据模型。由于云计算端120具有较强的计算能力，所以将大部分的图像处理以及模型计算过程都放在云计算端120进行，可以大大减轻扫描设备端110的压力。本实施例在实施例一和实施例二的基础上，合理地利用了计算资源，可以大幅度提升扫描效率。
102.如图6所示，本技术实施例六提供了一种嵌入式三维扫描系统，该嵌入式三维扫描系统包括实施例一和实施例二的扫描设备端110和云计算端120。
103.其中，扫描设备端110包括成像模块111、同步模块112、以及第五预处理计算模块115。第五预处理计算模块115连接同步模块112，用于对同步处理后的原始图像数据进行立体校正和立体匹配，生成视差图，上传至云计算端120。
104.云计算端120包括第六预处理计算模块125、实时计算模块121、以及后处理模块122。其中，第六预处理计算模块125用于基于上传至云计算端120的视差图，生成点云数据集；实时计算模块121用于对点云数据集进行点云配准，以获得第一转换关系；后处理模块122用于基于第一转换关系和点云数据集，进行全局点云配准，以获得第二转换关系，并基于第二转换关系和点云数据集进行点云融合，获得隐式曲面，再基于隐式曲面，生成目标物体的数据模型。
105.上述第五预处理计算模块115设置在扫描设备端110，其功能与前述实施例三中的第一预处理计算模块113中的部分功能相同，主要是对原始图像数据进行立体校正(也称为极线校正)和立体匹配，生成视差图。
106.上述第六预处理计算模块125设置在云计算端120，主要用于基于上传至云计算端120的视差图生成点云数据集。其功能与前述实施例三中的第一预处理计算模块113中的部分功能相同。本实施例的具体实现过程可参照前述实施例三的实现过程，重复之处不再冗述。
107.实施例六提供的嵌入式三维扫描系统，扫描设备端110除了负责对目标物体进行成像捕捉，以获取目标物体的原始图像数据并进行同步处理之外，还负责对原始图像数据进行立体校正和立体匹配，生成视差图上传至云计算端120。云计算端120基于接收到的视差图，生成点云数据集，并进行初始点云配准、全局点云配准、点云融合，最终生成目标物体的数据模型。由于云计算端120具有较强的计算能力，所以将大部分的图像处理以及模型计算过程都放在云计算端120进行，可以大大减轻扫描设备端110的压力。本实施例在实施例一和实施例二的基础上，合理地利用了计算资源，可以大幅度提升扫描效率。
108.如图7所示，本技术实施例七提供了一种三维扫描装置，该装置包括显示终端130和上述任一实施例的嵌入式三维扫描系统。显示终端130分别与云计算端120和扫描设备端110连接。显示终端130可以接收用户的操作指令，以控制扫描设备端110进行工作，也可以接收云计算端120生成的目标物体的数据模型，并对其进行显示。显示终端130可以利用平板电脑、显示器以及任何带有显示功能或者人机交互功能的设备终端实现，也可以通过现有技术中的电脑端实现。
109.上述实施例七提供的三维扫描装置，通过采用云计算端120替换传统技术中的电脑端，将部分或者全部数据处理计算任务放在云计算端120完成，一方面避免了线缆连接，可以灵活实现扫描；而且，可以根据扫描需求，控制多个扫描设备端110同时进行扫描，扩展了适用场景，提升扫描效率；另一方面，云计算端120的计算能力强大，云计算端120可以由云服务器组成，且云服务器配置统一，较好地避免了用户在使用时由于电脑的配置不统一、性能不稳定，对三维重建效率造成的影响。
110.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛
盾，都应当认为是本说明书记载的范围。
111.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。