一种数据处理方法、装置和计算机设备与流程

1.本技术涉及三维扫描领域，特别是涉及一种数据处理方法、装置和计算机设备。


背景技术：

2.现有技术中，物体的三维彩色模型主要采用三维彩色扫描装置得到。三维彩色扫描装置由配套的扫描仪和彩色相机构成。在使用过程中，通过扫描仪对待测物体进行扫描得到物体的三维模型，并通过彩色相机对待测物体进行拍摄得到物体的纹理图像。扫描和拍摄完成后，根据纹理图像对三维模型进行贴图处理，最终得到待测物体的三维彩色模型。但是，三维彩色扫描装置中一般是采用低分辨率的工业相机，工业相机拍摄得到的纹理图像清晰度不高，从而导致最终生成的三维模型的纹理清晰度比较低。而且，采用三维彩色扫描装置中的彩色相机进行拍摄时需要补光，造成获取到的纹理图像有多个光源，使得最终得到的三维彩色模型质量较低。
3.对于传统贴图方法，只适用于配套使用的扫描仪和彩色相机。但是，由于三维彩色扫描装置自身硬件设备的限制，导致最终得到的三维彩色模型的质量较低。因此，需要一种能够突破传统贴图方法使用局限性，适用于独立使用的扫描仪和彩色相机的独立贴图方法。
4.针对现有的贴图方法只适用于配套使用的扫描仪和彩色相机的问题，目前还没有提出有效的解决方案。


技术实现要素：

5.在本发明中提供了一种数据处理方法、装置和计算机设备，以解决现有的贴图方法只适用于配套使用的扫描仪和彩色相机的问题。
6.第一个方面，在本发明中提供了一种数据处理方法，所述方法包括：获取待测物体的三维模型和纹理图像；根据所述待测物体的纹理图像确定稀疏点云；将所述稀疏点云与所述三维模型对齐，根据对齐结果得到所述纹理图像与所述三维模型之间的转换姿态关系；根据所述纹理图像和所述转换姿态关系，采用所述纹理图像对所述三维模型进行贴图处理。
7.在其中的一些实施例中，所述根据所述待测物体的纹理图像确定稀疏点云，包括：通过预设三维重建算法对多张所述纹理图像进行三维重建，得到所述稀疏点云和每张所述纹理图像之间的第一姿态关系以及具有方向的纹理图像。
8.在其中的一些实施例中，所述将所述稀疏点云与所述三维模型对齐，根据对齐结果得到所述纹理图像与所述三维模型之间的转换姿态关系，包括：获取用户选择的位于所述三维模型中的第一三维点及与所述第一三维点相匹配的位于所述稀疏点云中的第二三维点；
根据所述第一三维点和所述第二三维点得到所述三维模型与所述稀疏点云之间的第二姿态关系；根据所述第一姿态关系和所述第二姿态关系得到所述转换姿态关系。
9.在其中的一些实施例中，所述将所述稀疏点云与所述三维模型对齐，根据对齐结果得到所述纹理图像与所述三维模型之间的转换姿态关系，包括：获取用户选择的所述具有方向的纹理图像；在接收到用户对所述具有方向的纹理图像完成操作的指令后，得到所述三维模型与所述稀疏点云之间的第二姿态关系；根据所述第一姿态关系和所述第二姿态关系得到所述转换姿态关系。
10.在其中的一些实施例中，所述操作包括以下至少之一：旋转、平移、放大和缩小。
11.在其中的一些实施例中，所述根据所述纹理图像和所述转换姿态关系，采用所述纹理图像对所述三维模型进行贴图处理，包括：根据所述转换姿态关系和所述纹理图像的相机参数，确定所述三维模型的网格面片与所述纹理图像的匹配关系；根据所述纹理图像和所述匹配关系，生成所述网格面片的纹理映射图。
12.在其中的一些实施例中，所述采用所述纹理图像对所述三维模型进行贴图处理，之后还包括：获取用户选择的基准纹理映射图，以及获取用户选择的待校准纹理映射图；将所述待校准纹理映射图替换为所述基准纹理映射图。
13.在其中的一些实施例中，所述采用所述纹理图像对所述三维模型进行贴图处理，之后还包括：对贴图处理后的所述三维模型进行全局颜色校准处理和/或边缘泊松编辑处理。
14.在其中的一些实施例中，所述获取待测物体的三维模型和纹理图像包括：从第一数据源中获取待测物体的三维模型，以及从第二数据源中获取所述待测物体的纹理图像；其中，所述第一数据源和所述第二数据源相互独立。
15.在其中的一些实施例中，所述第一数据源包括扫描仪，所述第二数据源包括彩色相机，所述扫描仪和所述彩色相机相互独立使用。
16.在其中的一些实施例中，所述三维模型包括激光三维扫描获取的三维模型和白光三维扫描获取的三维模型。
17.第二个方面，在本发明中提供了一种数据处理装置，所述装置包括：数据获取模块，用于获取待测物体的三维模型和纹理图像；点云生成模块，用于根据所述待测物体的纹理图像确定稀疏点云；关系确定模块，用于将所述稀疏点云与所述三维模型对齐，根据对齐结果得到所述纹理图像与所述三维模型之间的转换姿态关系；模型贴图模块，用于根据所述纹理图像和所述转换姿态关系，采用所述纹理图像对所述三维模型进行贴图处理。
18.第三个方面，在本发明中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的数据处理方法。
19.第四个方面，在本发明中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的数据处理方法。
20.第五个方面，在本发明中提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的数据处理方法。
21.与相关技术相比，在本发明中提供的数据处理方法、装置和计算机设备，通过对齐稀疏点云和三维模型，可以确定任意场景下的三维模型和纹理图像之间的转换姿态关系，与现有技术相比，本技术中提出的数据处理方法，突破了传统贴图方法的使用局限性，可适用于独立使用的扫描仪和彩色相机。因此，解决现有的贴图方法只适用于配套使用的扫描仪和彩色相机的问题。
22.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
23.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1是执行本发明的数据处理方法的终端的硬件结构框图；图2是本发明的实施例中的数据处理方法的流程图；图3是本发明的一种实施例中的对齐方法的流程图；图4是本发明的另一种实施例中的对齐方法的流程图；图5是本发明的优选实施例的数据处理方法的流程图；图6是本发明的实施例中的数据处理装置的结构框图。
具体实施方式
24.为更清楚地理解本技术的目的、技术方案和优点，下面结合附图和实施例，对本技术进行了描述和说明。
25.除另作定义外，本技术所涉及的技术术语或者科学术语应具有本技术所属技术领域具备一般技能的人所理解的一般含义。在本技术中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本技术中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块（单元）的过程、方法和系统、产品或设备并未限定于列出的步骤或模块（单元），而可包括未列出的步骤或模块（单元），或者可包括这些过程、方法、产品或设备固有的其他步骤或模块（单元）。在本技术中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本技术中所涉及的“多个”是指两个或两个以上。“和/或”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，同时存在a和b，单独存在b这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本技术中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
26.在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是执行本发明的数据处理方法的终端的硬件结构框图。如图1所
示，终端可以包括一个或多个（图1中仅示出一个）处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
27.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本发明中的数据处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
28.传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（network interface controller，简称为nic），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
29.在本发明中提供了一种数据处理方法，图2是本发明的实施例中的数据处理方法的流程图，如图2所示，该流程包括如下步骤：步骤s210，获取待测物体的三维模型和纹理图像。
30.本步骤中，计算机设备首先是获取待测物体的三维模型，以及对三维模型进行贴图需要使用的待测物体的至少一张纹理图像。其中，当需要对三维模型进行全局贴图时，则需要待测物体的全方位不同角度的纹理图像。因此该情况下是获取多张纹理图像，或是纹理图像集合。其中，三维模型可以通过三维扫描仪获得，可以是手持激光扫描仪或者手持白光扫描仪或者跟踪三维扫描仪等，纹理图像可以是使用扫描仪带有的高分辨率彩色相机得到，也可以通过独立彩色相机得到，还可以通过单反相机、手机、平板等仪器获得，本方案对此并不进行限定。
31.步骤s220，根据待测物体的纹理图像确定稀疏点云。
32.本步骤中，计算机设备获取到待测物体的纹理图像后，采用三维重建算法对纹理图像进行稀疏点云的重建，进而可以基于这些纹理图像得到稀疏点云。
33.步骤s230，将稀疏点云与三维模型对齐，根据对齐结果得到纹理图像与三维模型之间的转换姿态关系。
34.本步骤中，计算机设备在得到稀疏点云之后，采用预设对齐手段将稀疏点云与三维模型进行对齐，进而根据对齐结果得到纹理图像和三维模型之间的转换姿态关系。转换姿态关系便是采用纹理图像对三维模型的依据，其体现了纹理图像中的像素点与三维模型的三维点之间的对应关系，或者说是纹理图像坐标系和三维模型坐标系之间的转换关系。转换姿态关系包括了纹理图像转换至三维模型所在空间的旋转矩阵和平移矩阵，旋转矩阵则体现了两者之间的旋转关系，平移矩阵则体现了两者之间的平移关系。其中具体的，对齐操作是将稀疏点云和三维模型之间相对应的三维点进行对齐，使得稀疏点云和三维模型可
以重叠。或者说是将稀疏点云坐标系与三维模型坐标系进行对齐。通过该操作可以获得稀疏点云和三维模型之间的姿态关系，同时结合每张纹理图像和稀疏点云之间的姿态关系，则可以获得每张纹理图像与三维模型之间的转换姿态关系。
35.步骤s240，根据纹理图像和转换姿态关系，采用纹理图像对三维模型进行贴图处理。
36.本步骤中，计算机设备在获得姿态转换关系之后，根据该姿态转换关系采用纹理图像对三维模型进行贴图处理。其中具体的，三维模型中的每个网格面片，通过与每张纹理图像的姿态转换关系，得到其对应的最佳纹理图像映射，或者说得到每个网络面片的最佳纹理映射图，从而得到三维模型的纹理映射效果。
37.通过上述步骤，在获取待测物体的三维模型和纹理图像后，先通过三维重建算法对纹理图像进行处理得到稀疏点云，再通过对齐手段将稀疏点云和三维模型进行对齐，以得到稀疏点云和三维模型之间的姿态关系，结合稀疏点云和纹理图像之间的姿态关系，可以确定纹理图像和三维模型之间的转换姿态关系，最后，三维模型中的每个网格面片，通过与每张纹理图像的姿态转换关系，得到其对应的最佳纹理图像映射，从而得到三维模型的纹理映射效果。其中，通过对齐稀疏点云和三维模型，可以确定任意场景下的三维模型和纹理图像之间的转换姿态关系。而对于传统贴图方法，其依赖于三维模型和纹理图像之间的初始姿态关系，因此只能适用于配套使用的扫描仪和彩色相机。与现有技术相比，本技术中提出的数据处理方法，突破了传统贴图方法的使用局限性，可适用于独立使用的扫描仪和彩色相机。因此，解决现有的贴图方法只适用于配套使用的扫描仪和彩色相机的问题。
38.进一步的，独立彩色相机可以采用高分辨率的彩色相机。因此，用户可以根据实际使用需求，通过本发明中的数据处理方法，采用高分辨率的纹理图像对三维模型进行贴图，得到高质量的三维彩色模型。
39.在其中的一些实施例中，步骤s220，根据待测物体的纹理图像确定稀疏点云，包括：步骤s221，通过预设三维重建算法对多张纹理图像进行三维重建，得到稀疏点云和每张纹理图像之间的第一姿态关系以及具有方向的纹理图像。
40.本实施例中，计算机设备通过预设三维重建算法对纹理图像集合进行三维重建，从而可以得到纹理图像集合对应的稀疏点云，同时可以得到每张纹理图像和稀疏点云之间的第一姿态关系，以及带有方向的纹理图像。其中，第一姿态关系体现了纹理图像中的像素点与稀疏点云中对应的三维点之间的转换关系，或者说是纹理图像坐标系和稀疏点云坐标系之间的转换关系。具有方向的纹理图像是完成相对定向后的纹理图像，而相对定向是指确定不同纹理图像之间的姿态关系，因此具有方向的纹理图像是与其他纹理图像间的姿态关系被确定的纹理图像。
41.示例性地，预设三维重建算法可以是sfm（structure from motion）算法，其是一种基于各种收集到的无序图片进行三维重建的离线算法。其中，sfm算法主要用于构建稀疏点云，需要计算出每张纹理图像的旋转矩阵和平移矩阵，结合相机内参构建物体稀疏点云结构，因此该步骤中还会获取每张纹理图像对应的相机参数。sfm算法的主要流程为：首先是对纹理图像进行特征提取；其中，可以先对纹理图像进行主体提取，也就是将纹理图像中待测物体单独提取出来，再识别提取主体部分的二维特征点。
42.其次是基于提取出的二维特征点进行图像对两两匹配；其中，可以采用欧式距离进行匹配，对应有两种匹配方法。一是粗暴匹配，对所有二维特征点都穷举计算距离；二是邻近搜索，建立kd树（k-dimensional树），缩小搜索范围，能提高效率，但也有可能不是最优，所以邻域取值是关键，领域取值越大越准确，同时计算量越大。通过上述匹配，可以得到纹理图像的基础矩阵f，基础矩阵f可以把两张纹理图像之间的像素坐标联系起来，并包含相机的内参信息。每一个符合的匹配对像素坐标都需要满足：进一步的，通过上述基础矩阵f可能会计算出一些噪声数据，因此可以采用随机抽样一致性算法进行滤波，剔除不满足基础矩阵的匹配对。最终选取不会计算出噪声数据的基础矩阵f。基础矩阵f和本征矩阵e的关系是：转换矩阵和平移矩阵则可以由本征矩阵e经过svd分解求得。由上面计算得到的转换矩阵、平移矩阵和相机内参，可以构建出物体的稀疏点云结构。需要说明的是，上述重建过程中得到的每张纹理图像的转换矩阵和平移矩阵以及相机内参构成了纹理图像和稀疏点云之间的第一姿态关系。
43.进一步的，本实施例中是获得完成相对定向的纹理图像与稀疏点云之间的第一姿态关系，而对于未完成相对定向的纹理图像不做处理。
44.图3是本发明的一种实施例中的对齐方法的流程图。参照图3，在其中的一些实施例中，步骤s230，将稀疏点云与三维模型对齐，根据对齐结果得到纹理图像与三维模型之间的转换姿态关系，包括：步骤s231，获取用户选择的位于三维模型中的第一三维点及与第一三维点相匹配的位于稀疏点云中的第二三维点；步骤s232，根据第一三维点和第二三维点得到三维模型与稀疏点云之间的第二姿态关系；步骤s233，根据第一姿态关系和第二姿态关系得到转换姿态关系。
45.本实施例中，提供了一种具体的将稀疏点云和三维模型进行对齐的手段。首先是根据用户的选择操作，在三维模型中确定第一三维点，同时在稀疏点云中确定第二三维点，第一三维点和第二三维点构成了用户认为相互匹配的点对；然后计算机设备根据计算第一三维点和第二三维点之间的姿态关系，该姿态关系便是三维模型和稀疏点云之间的第二姿态关系，第二姿态关系包括了将稀疏点云转换至三维模型所在空间的旋转矩阵和平移矩阵，旋转矩阵则体现了两者之间的旋转关系，平移矩阵则体现了两者之间的平移关系。其中需要说明的是，由于三维物体至少需要三个点才能确定空间姿态，因此在较佳的实施例中，对齐过程中至少需要三组点对。在得到稀疏点云和三维模型之间的第二姿态关系之后，联合每张纹理图像和稀疏点云之间的第一姿态关系，则可以得到每张纹理图像和三维模型之间的转换姿态关系。也就是说，纹理图像依次经过第一姿态关系和第二姿态关系的转换，可以映射至三维模型所在空间。
46.需要进一步说明的是，由于第二姿态关系是根据用户选定的点对以及用户的操作得到的，人工操作具有一定的误差，因此第二姿态关系体现出的稀疏点云和三维模型之间
的转换关系还不够精确。也就是说，稀疏点云经过第二姿态关系转换后，可能无法与三维模型完成重合。从而，在一个更优的实施例中，还需要通过配准算法对三维模型和稀疏点云进行配准，以校准第二姿态关系。具体的配准过程为，先通过第二姿态关系对稀疏点云进行转换，转换后的稀疏点云可能无法和三维模型完全重叠对齐，此时再通过配准算法对转换后的稀疏点云和三维模型进行配准，使得稀疏点云和三维模型可以完全重叠对齐，并基于配准过程中的稀疏点云的变化量对第二姿态关系进行校准。相应的，也可以是将稀疏点云的姿态固定，通过配准算法对转换后的三维模型和稀疏点云进行配准。
47.图4是本发明的另一种实施例中的对齐方法的流程图。参照图4，在其中的另一些实施例中，步骤s230，将稀疏点云与三维模型对齐，根据对齐结果得到纹理图像与三维模型之间的转换姿态关系，包括：步骤s234，获取用户选择的具有方向的纹理图像；步骤s235，在接收到用户对具有方向的纹理图像完成操作的指令后，得到三维模型与稀疏点云之间的第二姿态关系；步骤s236，根据第一姿态关系和第二姿态关系得到转换姿态关系。
48.本实施例中，提供了另一种具体的将稀疏点云和三维模型进行对齐的手段。首先是根据用户的选择指令，将用户选择的具有方向的纹理图像确定为基准纹理图像，然后根据用户的对三维模型的操作指令，旋转、平移、放大和缩小三维模型，使得三维模型与基准纹理图像的图像主体轮廓对齐。进而可以通过移动量、缩放量以及旋转量确定基准纹理图像和三维模型之间的转换关系，同时结合纹理图像和稀疏点云之间的第一姿态关系，可以确定稀疏点云和三维模型之间第二姿态关系。
49.需要进一步说明的是，由于基准纹理图像和三维模型之间的转换关系是由用户操作得到的，人工操作具有一定的误差。因此，基于上述转换关系得到的第二姿态关系也可能存在误差。
50.也就是说，稀疏点云经过第二姿态关系转换后，可能无法与三维模型完成重合。从而，在一个更优的实施例中，还需要通过配准算法对三维模型和稀疏点云进行配准，以校准第二姿态关系。具体的配准过程为，先通过第二姿态关系对稀疏点云进行转换，转换后的稀疏点云可能无法和三维模型完全重叠对齐，此时再通过配准算法对转换后的稀疏点云和三维模型进行配准，使得稀疏点云和三维模型可以完全重叠对齐，并基于配准过程中的稀疏点云的变化量对第二姿态关系进行校准。相应的，也可以是将稀疏点云的姿态固定，通过配准算法对转换后的三维模型和稀疏点云进行配准。
51.在其中的一些实施例中，步骤s240，根据纹理图像和转换姿态关系，采用纹理图像对三维模型进行贴图处理，包括：步骤s241，根据转换姿态关系和纹理图像的相机参数，确定三维模型的网格面片与纹理图像的匹配关系；步骤s242，根据纹理图像和匹配关系，生成网格面片的纹理映射图。
52.本实施例中，提供了一种具体的采用纹理图像对三维模型进行贴图的手段。由于三维模型中的每个网格面片可能被多张纹理图像所看到，所以需要通过各种评价方式根据转换姿态关系和纹理图像的相机参数，为三维模型中每个网格面片选定最佳的纹理图像。因此，网格面片和纹理图像之间便具有一一对应的匹配关系。最终，对于每一个网格面片，
根据其匹配对应的纹理图像生成其纹理映射图。通过所有网格面片的纹理映射图的组合，则可以生成三维模型的纹理映射图。
53.在其中的一些实施例中，步骤s240，采用纹理图像对三维模型进行贴图处理，之后还包括：步骤s251，获取用户选择的基准纹理映射图，以及获取用户选择的待校准纹理映射图；步骤s252，将待校准纹理映射图替换为基准纹理映射图。
54.本实施例中，考虑到贴图完成后，三维模型中的有些纹理映射图存在局部问题，因此需要对纹理映射图进行校准。首先根据用户的选择指令，将其中一个纹理映射图确定为基准纹理映射图，以及将其他至少一个纹理映射图确定为待校准纹理映射图，然后将待校准纹理映射图替换为基准纹理映射图。示例性地，用户选中其中的一个区域的纹理映射图作为基准纹理映射图，再圈选一定范围内的网格面片，最后将该范围内的与基准纹理映射图相连的其他纹理映射图统一替换成基准纹理映射图。
55.在其中的一些实施例中，步骤s240，采用纹理图像对三维模型进行贴图处理，之后还包括：步骤s253，对贴图处理后的三维模型进行全局颜色校准处理和/或边缘泊松编辑处理。
56.本实施例中，为了进一步提高三维模型的贴图效果，还会在贴图完成后的三维模型进行全局颜色校准处理和边缘泊松编辑处理。具体的，每个网格面片的纹理映射图来自不同的纹理图像，由于不同的纹理图像的拍摄角度和环境存在不同，因此相连的两幅纹理映射图之间依然存在色差。全局颜色校准的目的就是去除纹理映射图之间的色差，使相连的纹理映射图之间的颜色过渡平滑。另外，可以对未完全匹配的纹理进行精细化调整，通过边缘泊松编辑处理，可以去除相连的纹理映射图之间的缝隙，对镶嵌线区域进行羽化输出。
57.在其中的一些实施例中，步骤s210，获取待测物体的三维模型和纹理图像包括：步骤s211，从第一数据源中获取待测物体的三维模型，以及从第二数据源中获取待测物体的纹理图像；其中，第一数据源和第二数据源相互独立。
58.本实施例中，计算机设备是从相互独立的第一数据源和第二数据源中分别获取同一待测物体的三维模型和纹理图像。其中，第一数据源和第二数据源可以是数据采集设备，也可以是数据存储库。进而，本实施例中的数据处理方法被执行时，计算机设备可以从相互独立的两个第三方平台中分别获取相应数据，突出了传统贴图方法只能从同一三维彩色扫描装置中获取三维模型的纹理图像的局限性。
59.在进一步的实施例中，第一数据源包括扫描仪，第二数据源包括彩色相机，扫描仪和彩色相机相互独立使用。
60.本实施例中，计算机设备直接从相互独立使用的扫描仪和彩色相机中分别获取三维模型和纹理图像。其中，由于彩色相机是独立使用的，因此可以采用高分辨率的彩色相机，从而得到高分辨率的纹理图像，进而提高贴图效果，得到高质量的三维彩色模型。
61.相应的，在一些其他的实施例中，第一数据源也可以是连接扫描仪的第一数据库，第二数据源也可以是连接彩色相机的第二数据库。其中，扫描仪和彩色相机相互独立使用。因此，本实施例中，计算机设备不是直接从扫描仪或是彩色相机中获取相应数据，而是从相
应的数据库中获取所需要的数据。
62.进一步的，三维模型包括激光三维扫描获取的三维模型和白光三维扫描获取的三维模型。
63.具体的，三维模型可以通过多种三维扫描方式得到。示例性，三维模型可以采用激光扫描仪进行激光三维扫描得到，也可以采用白光扫描仪进行白光三维扫描得到。可以预见的是，随着扫描技术的发展，通过任何扫描方式得到的三维模型均可以为本发明中数据处理方法的数据对象。本技术提供的技术方案可以采用合适的方法将高分辨率纹理图像直接对不具有纹理的模型进行贴图，得到贴图效果良好的彩色三维模型，突破了传统的贴图方式，也省去了在现有彩色扫描仪上设置彩色相机的成本，不仅提升了贴图效率，还提升了贴图的质量。
64.下面通过优选实施例对本发明中的技术方案进行具体说明。
65.图5是本发明的优选实施例的数据处理方法的流程图。如图5所示，该流程包括：步骤s510，分别在相互独立的两个数据源中获取三维模型和纹理图像。
66.具体的，使用现有扫描仪或其他手段获取被测物体的三维模型，三维模型可以是通过白光扫描获得，也可以是通过激光扫描获得。使用高分辨率的彩色相机，对被测物体从不同角度进行全方位的拍摄，获取高质量的纹理图像集合。
67.步骤s520，通过预设三维重建算法对多张纹理图像进行三维重建，得到稀疏点云和每张纹理图像与稀疏点云之间的第一姿态关系以及具有方向的纹理图像。
68.具体的，使用sfm算法，对纹理图像集合进行稀疏点云的重建，得到稀疏点云以及纹理图像集合中相对定向成功的图像相对稀疏点云所在坐标系之间的第一姿态矩阵集合，同时可得到相机参数。
69.其中，相对定向是指质量好的纹理图像之间的姿态关系。采用sfm算法对纹理图像集合进行稀疏点云的重建的主体流程包括：获取将要进行贴图操作的纹理图像集合，对该纹理图像集合中的每幅纹理图像进行主体提取，这样可以减少计算量，从而提高计算效率和鲁棒性。然后对该纹理图像集合中的每幅纹理图像进行图像的二维纹理特征，完成二维纹理特征匹配后，经过系列优化，得出每张图像的相机参数，相对于世界坐标系的姿态矩阵，完成高分辨率纹理图像的姿态估计，即完成相对定向。
70.步骤s530，将稀疏点云与三维模型对齐，根据对齐结果得到纹理图像与三维模型之间的转换姿态关系。
71.具体的，使用预设对齐方法将稀疏点云和三维模型的坐标系对齐以及尺度对齐（将稀疏点云和三维模型调整到相同的尺度），得到从稀疏点云转到三维模型的转换矩阵和比例尺度，该转换矩阵和比例尺度共同构成了第二姿态矩阵。将第二姿态矩阵和第一姿态矩阵集合进行联合可以求得纹理图像集合中相对定向成功的纹理图像与三维模型之间的转换姿态矩阵集合。
72.其中，预设对齐方法包括如下两种：1、用户手动选择三维模型和稀疏点云中相互匹配的三维点，先通过匹配点进行尺度调整，再计算第二姿态矩阵。在已知稀疏点云和第二姿态矩阵的情况下，进行精配准对第二姿态矩阵进行校准，得到更准确的第二姿态矩阵。
73.2、用户选中一张纹理图像作为调整基准图像，手动旋转平移，放大或缩小三维模
型，使三维模型与调整基准图像主体的轮廓对齐，通过上面操作可以得到第二姿态矩阵。在已知稀疏点云和第二姿态矩阵的情况下，进行精配准对第二姿态矩阵进行校准，得到更准确的第二姿态矩阵。
74.步骤s540，根据转换姿态关系和纹理图像的相机参数，确定三维模型的网格面片与纹理图像的匹配关系，并生成网格面片的纹理映射图。
75.具体的，已知三维模型、转换姿态矩阵集合以及相机参数可以对三维模型进行“最佳视图选择”。因为三维模型中的每个网格面片可能被多张纹理图像所看到，最佳视图选择指的是通过各种评价方式选取三维模型中每个网格面片对应的最理想的纹理图像。经过最佳视图选择后三维模型中的每个网格面片就选中了其对应的一幅纹理图像作为其纹理的来源。从而，可以根据每个网格面片对应的纹理图像生成该网格面片的纹理映射图。至此，已经可以输出三维模型和模型对应的纹理映射图（uv图）。
76.步骤s550，获取用户选择的基准纹理映射图，以及获取用户选择的待校准纹理映射图，将待校准纹理映射图替换为基准纹理映射图。
77.具体的，选中其中的一个区域的纹理映射图作为基准纹理映射图，再圈选一定范围内的网格面片，在该范围内的与基准纹理映射图相连的其他纹理映射图统一替换成基准纹理映射图作为其纹理映射图。
78.步骤s560，对贴图处理后的三维模型进行全局颜色校准处理和边缘泊松编辑处理。
79.具体的，因为纹理映射图来自不同的纹理图像，又因为拍摄角度环境等原因，相连的两幅纹理映射图之间依然存在色差，全局颜色校准的目的就是去除色差，使相连的纹理映射图之间的颜色过渡平滑。同时采用边缘泊松编辑，去掉相连的纹理映射图之间缝隙。
80.在本实施例中还提供了一种数据处理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
81.图6是本发明的实施例中的数据处理装置的结构框图，如图6所示，该装置包括：数据获取模块610，用于获取待测物体的三维模型和纹理图像；点云生成模块620，用于根据待测物体的纹理图像确定稀疏点云；关系确定模块630，用于将稀疏点云与三维模型对齐，根据对齐结果得到纹理图像与三维模型之间的转换姿态关系；模型贴图模块640，用于根据纹理图像和转换姿态关系，采用纹理图像对三维模型进行贴图处理。
82.通过上述模块，在获取待测物体的三维模型和纹理图像后，先通过三维重建算法对纹理图像进行处理得到稀疏点云，再通过各种对齐手段将稀疏点云和三维模型进行对齐，以得到稀疏点云和三维模型之间的姿态关系，结合稀疏点云和纹理图像之间的姿态关系，可以确定纹理图像和三维模型之间的转换姿态关系，最后通过该姿态转换关系，将图像中的纹理像素点转换至三维模型坐标系中，以实现对三维模型的贴图处理。其中，通过对齐稀疏点云和三维模型，可以确定任意场景下的三维模型和纹理图像之间的转换姿态关系。而对于传统贴图方法，其依赖于三维模型和纹理图像之间的初始姿态关系，因此只能适用
于配套使用的扫描仪和彩色相机。与现有技术相比，本技术中提出的数据处理方法，突破了传统贴图方法的使用局限性，可适用于独立使用的扫描仪和彩色相机。因此，解决现有的贴图方法只适用于配套使用的扫描仪和彩色相机的问题。
83.进一步的，独立彩色相机可以采用高分辨率的彩色相机。因此，用户可以根据实际使用需求，通过本发明中的数据处理方法，采用高分辨率的纹理图像对三维模型进行贴图，得到高质量的三维彩色模型。
84.需要说明的是，上述功能模块进一步的工作原理可参考本发明中提出的数据处理方法，在此不再赘述。
85.需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
86.在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
87.可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
88.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：s1，获取待测物体的三维模型和纹理图像。
89.s2，根据待测物体的纹理图像确定稀疏点云。
90.s3，将稀疏点云与三维模型对齐，根据对齐结果得到纹理图像与三维模型之间的转换姿态关系。
91.s4，根据纹理图像和转换姿态关系，采用纹理图像对三维模型进行贴图处理。
92.需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
93.此外，结合上述实施例中提供的数据处理方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种数据处理方法。
94.需要说明的是，本技术所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
95.应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本技术提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本技术保护范围。
96.显然，附图只是本技术的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本技术适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本技术披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本技术公开的内容不足。
[0097]“实施例”一词在本技术中指的是结合实施例描述的具体特征、结构或特性可以包
括在本技术的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本技术中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
[0098]
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专利保护范围的限制。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，本技术的保护范围应以所附权利要求为准。