[发明专利]一种三维图像处理方法及电子设备

说明书

技术领域

本发明涉及三维渲染技术领域，特别涉及一种三维图像处理方法及电子设备。

背景技术

目前，大型三维场景构建主要利用三维相机等电子设备获得。基本流程是通过三维相机捕获场景中一系列的深度图像和彩色图像，之后对其进行渲染。然而，三维相机的空间误差分布较为复杂，噪点比较多，分布也比较杂乱，如何对具有深度的三维图像去噪以获得对场景描述更精确的三维图像是场景渲染中的关键问题。

现有的深度图像去噪方法，主要以时域滤波和空间滤波等方法为主，即通过每个空间点邻域内的点的分布来对空间点集进行滤波。但在三维图像中，可能还存在一些结构信息，例如平面。若按照现有的滤波方式，几乎不考虑三维图像中的结构信息，去噪能力较差，最后渲染出的三维图像中，原本应是平面的地方很可能会变成曲面，导致最终得到的三维图像出现失真。

可见，现有的渲染方法去噪能力较差，会导致得到的三维图像出现失真。

发明内容

本发明实施例提供一种三维图像处理方法，用于解决现有技术中的渲染方法去噪能力较差的技术问题。

一种三维图像处理方法，包括以下步骤：

针对采集的三维点云进行聚类，获得N个类别，N为正整数；其中每个类别对应一个平面，所述三维点云为根据三维对象得到的三维点云；

取i为从1至N的整数，分别进行以下步骤：根据第i个平面中的每个点的法向量确定所述第i个平面的法向量，共得到N个平面的法向量；

取i为从1至N的整数，分别进行以下步骤：将所述第i个平面中包括的点按照所述第i个平面的法向量投影到一个平面中，该平面为所述第i个平面对应的检测平面；共得到N个检测平面；

对所述N个检测平面进行渲染，得到所述三维对象对应的三维图像。

可选的，在针对采集的三维点云进行聚类，获得N个类别之后，还包括：根据针对所述三维对象的空间测量精度，确定所述三维点云中每个点的坐标，及，根据其中每个类别中的点的空间位置，确定每个点在各自对应的类别中的权重。

可选的，针对采集的三维点云进行聚类，获得N个类别，包括：

确定所述三维点云中包括的每个点的法向量；

根据所述三维点云中每个点的法向量及坐标，对所述三维点云中包括的点进行聚类，获得所述N个类别。

可选的，根据所述三维点云中每个点的法向量及坐标，对所述三维点云中包括的点进行聚类，获得所述N个类别，包括：将法向量和坐标均满足同一预设条件的点聚合为一个类别，获得所述N个类别；其中，所述预设条件为：法向量与预设方向之间的夹角位于第一预设夹角阈值范围内，且坐标位于第一预设区域内。

可选的，根据第i个平面中的每个点的法向量确定所述第i个平面的法向量，包括：将所述第i个平面中的各个点的法向量根据各个点相应的权重进行加权平均，得到所述第i个平面的法向量。

可选的，在根据第i个平面中的每个点的法向量确定所述第i个平面的法向量，共得到N个平面的法向量之后，还包括：

取i为从1至N的整数，分别进行以下步骤：判断所述三维点云中是否有不属于其中任一类别的点；若有，判断不属于其中任一类别的点的法向量与所述第i个平面的法向量之间的夹角是否小于第二预设夹角阈值；

若不属于其中任一类别的点的法向量与其中M个平面的法向量之间的夹角小于所述第二预设阈值，分别确定不属于其中任一类别的点与该M个平面之间的距离，并确定不属于其中任一类别的点属于该M个平面中的第j个平面；其中，所述第j个平面为：与该不属于其中任一类别的点的距离最短的平面；M为不大于N的正整数。

可选的，确定不属于其中任一类别的点属于该M个平面中的第j个平面，包括：

判断不属于其中任一类别的点与所述第j个平面的距离是否小于预设距离；

若小于所述预设距离，确定不属于其中任一类别的点属于所述第j个平面。

可选的，在判断不属于其中任一类别的点与所述第j个平面的距离是否小于预设距离之后，还包括：若不小于所述预设距离，取k为从1至K的整数，分别进行以下步骤：

判断不属于其中任一类别的点的法向量与第k个平面的法向量之间的夹角是否小于第三预设夹角阈值；所述第三预设夹角阈值大于所述第二预设夹角阈值；

若小于，确定不属于其中任一类别的点属于所述第k个平面；其中，K为不大于N的正整数。

可选的，在确定不属于其中任一类别的点属于所述第k个平面之后，还包括：根据所述N个平面中的每个点的法向量重新分别确定所述N个平面的法向量及面积。