(19)国家知识产权局
(12)发明 专利
(10)授权公告 号
(45)授权公告日
(21)申请 号 202211276103.1
(22)申请日 2022.10.19
(65)同一申请的已公布的文献号
申请公布号 CN 115345923 A
(43)申请公布日 2022.11.15
(73)专利权人 佛山科学技术学院
地址 528200 广东省佛山市南海区狮山 镇
广云路33号
(72)发明人 黄峰 罗子芮 骆志强 尹博
张盘德 黄文柱 燕铁斌 王志军
刘瑞 徐硕瑀 陈钢 谢韶东
陈仰新 方永宁 华夏 尹杰
(74)专利代理 机构 广州专理知识产权代理事务
所(普通合伙) 44493
专利代理师 邓易偲(51)Int.Cl.
G06T 7/55(2017.01)
G16H 20/30(2018.01)
G06T 7/80(2017.01)
G06T 17/00(2006.01)
(56)对比文件
CN 10873 5279 A,2018.1 1.02
CN 112150609 A,2020.12.2 9
CN 111598993 A,2020.08.28
CN 109448041 A,2019.0 3.08
金天弘等.医学图像三维重建的研究. 《医疗
卫生装备》 .20 08,第29卷(第02期),第34- 36页.
审查员 谭岳峰
(54)发明名称
一种用于脑功能康复训练的虚拟场景三维
重建方法
(57)摘要
本发明提供了一种用于脑功能康复训练的
虚拟场景三维重建方法, 获取目标物体, 通过摄
像机以多个角度拍摄目标物体得到多张目标图
像, 对摄像机进行摄像机标定, 得到单应性矩阵,
通过单应性矩 阵对多张目标图像进行修正得到
多张修正图像, 通过多张修正图像进行三维重
建, 得到三维模型。 所述方法能够完成真实物体
的三维重建, 将其用于脑功能康复训练中能够帮
助脑卒中患者完成记忆恢复, 通过对拍摄到的目
标图像进行修正, 加速三维重建过程, 还能够适
度降低三维重建的模型精度从而减少脑卒中患
者产生的不适感, 使 得患者在康复训练中更舒适
地观看三维模型, 提高训练效果。
权利要求书3页 说明书8页 附图1页
CN 115345923 B
2022.12.27
CN 115345923 B
1.一种用于脑功能康复训练的虚拟场景三维重建方法, 其特征在于, 所述方法包括以
下步骤:
S100, 获取目标物体, 通过摄 像机以多个角度拍摄目标物体得到多张目标图像;
S200, 对摄像机进行摄 像机标定, 得到单应性矩阵;
S300, 通过单应性矩阵对多张目标图像进行修 正得到多张修 正图像;
S400, 通过多张修 正图像进行三维重建, 得到三维模型;
其中, 步骤S300, 通过单应性矩阵对多张目标图像进行修正得到多张修正图像的方法
具体为:
S301, 将多张目标图像依次输入到opencv中的warpPerspective(src, h, size)函数
得到多张修正图像, 其中, src为目标图像, h为单应性矩阵, size=(width,height), widt h和
height分别为多张目标图像中任意 一张图像的宽度和高度, 转至S3 02;
S302, 记多张修正 图像的数量为N, 将N张修正 图像按拍摄时间从前到后进行排列构成
格图序列Cs, 记Cs(i)为格图序列中的第i张图像, i∈[1,N], 计算格图序列中每张图像的重
建修复度, 记重建修复度最小的图像为重建图像, 初始化一个滑动窗口winSize, 滑动窗口
的宽度=重建图像的宽度/(t*N), 滑动窗口的高度=重建图像的高度/(t*N), t设定为[3,5]
中的整数, 转至S3 03; 其中, 重建图像的宽度和高度的单位 为像素;
S303, 初始化整数变量j1=1, j1∈[1,N], 设置整数变量j2, j2∈[1,N], 令j2的初始值为
j1+1, 转至S3 04;
S304, 记Cs(j1)的宽度和高度分别为W1和H1, 通过winSize对Cs(j1)进行滑动切分得到
多个子图像块并以序列Sib储存, 记Sib(k)为序列Sib中的第k个子图像块, k∈[1,M], M为所
有子图像块的数量, 初始化整数变量j3, j3∈[1,M], 令j3的初始值 为1, 转至S3 05;
S305, 记Cs( j2)的宽度和高度分别为W2和H2, 记变量VA1=(W2/W1), 记变量VA2=(H2/
H1), 转到S3 06;
S306, 记Sib(j3)的左上角的点的像素坐标为Tlp=(x1,y1), 记Sib(j3)的左下角的点的
像素坐标为Dlp=(x2,y2), 记Sib(j3)的右上角的点的像素坐标为Trp=(x3,y3), 记Sib(j3)
的右下角的点的像素坐标为Drp=(x4,y4); 令Cs(j1)的重建修复度为CG1, Cs(j2)的重建修
复度为CG2;
当W1<W2并且CG1≤CG2时, 更新Tlp=(x1+VA1,y1), 更新D lp=(x2+VA1,y2), 更新Trp=(x3
+VA1,y3) 更新Drp=(x4+VA1,y4); 当W1>W2并且CG1≤CG2 时, 更新Tlp=(x1 ‑VA1,y1), 更新
Dlp=(x2‑VA1,y2), 更新Trp=(x3 ‑VA1,y3) 更新Drp=(x4 ‑VA1,y4);
当H1<H2并且CG1>CG2时, 更新Tlp=(x1,y1+VA2), 更新Dlp=(x2,y2+VA2), 更新Trp=
(x3,y3+VA2), 更新Drp=(x4,y4+VA2); 当H1>H2并且CG1>CG2时, 更新Tlp=(x1,y1 ‑VA2), 更
新Dlp=(x2,y2 ‑VA2), 更新Trp=(x3,y3 ‑VA2) , 更新Drp=(x4,y4 ‑VA2);
在Cs(j2)中依次连接像素坐标为Tlp、 Dlp、 Trp、 Drp的四个像素, 构成图像子块TemSib,
转至S307;
S307, 若图像子块TemSib的重建修 复度小于Sib(j3)的重建修 复度, 将Sib(j3)放大S倍
得到放缩图像子块RiSib, 在Cs(j2)中将子图像块TemSib替换为放缩图像子块RiSib得到替
换后的Cs(j2); 若j3的值小于M, 令j3的值增加1, 转至S306, 若j3的值大于等于M, 转至S308;
其中, S=(Sib(j3)的面积)/(TemSib的面积), 所述 面积即图像的宽度乘以高度;权 利 要 求 书 1/3 页
2
CN 115345923 B
2S308, 若j2的值小于N, 令j2的值增加1, 重置j3的值为1, 转至S305; 若j2的值大于等于
N, 令j1的值增 加1, 清空序列Sib中的所有元 素, 重置j2的值 为j1+1, 转至S3 09;
S309, 若j1的值小于等于N, 转至S3 04, 若j1的值大于N, 转至S310;
S310, 输出格图序列Cs;
其中, 图像或图像子块的重建修复度的计算方法为:
,
式中, Rsd代表图像或图像子块的重建修复度,
代表图像或图像子块中所有像素点
的像素值的平均值, W为图像或图像子块的宽度, L为图像或图像子块的高度, a、 b为变量, g
(a,b)为图像或图像子块中像素坐标为(a,b)的像素点的像素值。
2.根据权利要求1所述的一种用于脑功能康复训练的虚拟场景三维重建方法, 其特征
在于, 步骤S100中, 所述目标物体为参与脑功能康复训练的患者所熟悉的物品或模型, 所述
模型为患者所 熟悉的建筑或车辆的一比一高精度还原模型。
3.根据权利要求1所述的一种用于脑功能康复训练的虚拟场景三维重建方法, 其特征
在于, 步骤S400中, 通过多张修正图像进行三维重建, 得到三维模型的方法具体为: 读取格
图序列中的所有修正图像, 将所有修正图像输入到三 维建模软件中, 完成三 维重建, 所述三
维建模软件为Autodesk 123d catch、 Tinkercad、 VisualSFM、 Meshlab、 Autodesk ReCap
360 photo中的任意 一个。
4.根据权利要求1所述的一种用于脑功能康复训练的虚拟场景三维重建方法, 其特征
在于, 将所述 三维模型用于脑 功能康复训练时使用的显示器端的画面输出。
5.一种用于脑功能康复训练的虚拟场景三维重建系统, 其特征在于, 所述一种用于脑
功能康复训练的虚拟场景三维重建系统包括: 处理器、 存储器及存储在所述存储器中并在
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如权利要求1所
述的一种用于脑功能康复训练的虚拟场景三 维重建方法中的步骤, 所述一种用于脑功能康
复训练的虚拟场景三维重建系统运行于桌上型计算机、 笔记本电脑、 掌上电脑或云端数据
中心的计算设备中;
其中, 步骤S300, 通过单应性矩阵对多张目标图像进行修正得到多张修正图像的方法
具体为:
S301, 将多张目标图像依次输入到opencv中的warpPerspective(src, h, size)函数
得到多张修正图像, 其中, src为目标图像, h为单应性矩阵, size=(width,height), widt h和
height分别为多张目标图像中任意 一张图像的宽度和高度, 转至S3 02;
S302, 记多张修正 图像的数量为N, 将N张修正 图像按拍摄
专利 一种用于脑功能康复训练的虚拟场景三维重建方法
文档预览
中文文档
13 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 11:33:38上传分享