[发明专利]一种三维虚拟空间自动测距方法及系统

说明书

一种三维虚拟空间自动测距方法，包括如下步骤：S1、获取目标场景的深度信息；S2、利用三角测量法从深度信息中获取第一点云数据和第一三维模型，并且将第一点云数据和第一三维模型存入系统知识训练库；S3、利用初始深度学习模型从深度信息中获取第二点云数据和第二三维模型，并且将第二点云数据和第二三维模型存入系统知识训练库；S4、利用系统知识训练库对初始深度学习模型进行训练得到优化深度学习模型；S5、利用优化深度学习模型生成目标场景的优化点云数据和优化三维模型，并且从优化点云数据中提取出精确空间墙角点云、从优化三维模型中提出距离尺寸信息。本发明提供一种三维虚拟空间自动测距方法及系统，算法简单，计算成本小，精度高。

【技术领域】

本发明涉及自动测距技术领域，具体的说是一种三维虚拟空间自动测距方法及系统。

【背景技术】

伴随着智能家居、工业4.0、计算机辅助医疗以及VR/AR的蓬勃兴起，越来越多的场景需要高精度、低成本的三维空间测量技术。

三维空间测量技术最主要的应用场景有两类：第一类是解决对物体的尺寸、方位、姿态进行高精度测量，这个在文物、工艺品、工业、医疗以及对精度要求比较高的商业级应用领域会特别多，第二类是在需要方便、快捷、准确的人机交互领域提供高性价比的人机交互技术，这个在场景建模、工业机器人控制、以及VR/AR领域是非常重要的。

常见的三维空间测量与定位方案大致分为激光和视觉两大类，里面细分来看，包括：ToF、结构光、双目、单目测量等。代表性的三维空间测量与定位方案是加拿大NDI公司的OptoTrack系统。该系统需要在被测量物体上贴上发光标记点，并采用视觉方案来进行空间定位，其测量和定位精度可达到0.1mm。但由于需要在被测量物体上贴标记点，所以其适用于离线测量，不适用于在线测量。

基于计算机视觉的motiondetection方案，但这种方案由于仅仅检测图像的像素级亮度，不能识别高层图像语义，所以会引起很多误报，例如天空中阳光被云层遮挡等，都可能引起虚报。

在VR领域中，目前HTC、Oculus和索尼都提供了基于激光、单目视觉和双目视觉的outside-incontroller及其追踪方案，微软的Holographic项目也提供了inside-out的controller及其追踪方案。虽然目前的方案中，已经对定位精度做的比较好了，但是成本一直居高不下。

【发明内容】

为了解决现有技术中的不足，本发明提供一种三维虚拟空间自动测距方法及系统，算法简单，计算成本小，精度高。

为了实现上述目的，本发明采用的具体方案为：一种三维虚拟空间自动测距方法，包括如下步骤：

S1、获取目标场景的深度信息；

S2、利用三角测量法从所述深度信息中获取第一点云数据和第一三维模型，并且将所述第一点云数据和所述第一三维模型存入系统知识训练库；

S3、利用初始深度学习模型从所述深度信息中获取第二点云数据和第二三维模型，并且将所述第二点云数据和所述第二三维模型存入所述系统知识训练库；

S4、利用所述系统知识训练库对所述初始深度学习模型进行训练得到优化深度学习模型；

S5、利用所述优化深度学习模型生成目标场景的优化点云数据和优化三维模型，并且从所述优化点云数据中提取出精确空间墙角点云、从所述优化三维模型中提取出距离尺寸信息。

优选地，S1中，采用双球幕相机获取所述深度信息。

优选地，S2的具体方法为：

S2.1、基于所述深度信息生成所述目标场景的视差图；

S2.2、基于所述视差图以及三角测量原理恢复所述目标场景的深度信息，得到所述第一点云数据和所述第一三维模型；