1.一种红外三维重构方法,其特征在于,包括以下步骤:获取目标物的点云数据;
对所述点云数据依次进行粗配准和精配准处理,实现所述点云数据的拼接,以得到对应的点云模型;
对所述点云模型依次进行三角网格划分和曲面重建,以形成所述目标物的三维模型;
采集所述目标物的红外二维图像,并将所述红外二维图像投影至所述三维模型的坐标中,以得到所述目标物的红外三维模型。
2.根据权利要求1所述的红外三维重构方法,其特征在于,所述对所述点云数据依次进行粗配准和精配准处理的步骤具体包括:基于SAC‑IC算法对所述点云数据进行粗配准,以对所述点云数据中的初始坐标位置进行调整;
通过迭代最近点方法对粗配准后的点云数据进行精配准,实现对所述点云数据的拼接,得到点云模型。
3.根据权利要求2所述的红外三维重构方法,其特征在于,所述基于SAC‑IC算法对所述点云数据进行粗配准的步骤具体包括:基于待配准点云和目标点云之间的变换关系,并根据所述变换关系求得到对应点变换的距离误差和函数,函数表达式如下:;
式中,H(li)代表距离误差和、ml代表预设精度参考值、li表示点云位置变换后的距离差。
4.根据权利要求1所述的红外三维重构方法,其特征在于,所述对所述点云模型依次进行三角网格划分和曲面重建的步骤具体包括:利用Delaunay细分算法形成三角网格,并利用高斯和平均曲率生成曲率线,形成NURBS曲面以完成三维模型的重构。
5.根据权利要求1所述的红外三维重构方法,其特征在于,所述对所述点云模型依次进行三角网格划分和曲面重建的步骤之前,所述方法还包括:根据以下公式对所述点云模型的数据点进行滤波降噪处理:p'=p+αn;
;
x=p‑pi;
式中,p为上边界数据点、pi为下边界数据点、n为数据点p的法向量、p'为滤波完成后的数据点、α为双边滤波因子、x为数据点间距、m代表数据点p的M最近邻域Nm(Pi)中的数据点个数、θp和θc分别代表数据点p的M最近邻域Nm(Pi)法向高度长和内切平面的高斯滤波。
6.根据权利要求1所述的红外三维重构方法,其特征在于,在得到三维模型的步骤之后,所述方法包括:根据以下公式对重建的三角网格面质量进行评估:;
式中,Q代表质量精度、dn和dmax分别代表三角形第n条边的长度和最长边的长度。
7.根据权利要求1所述的红外三维重构方法,其特征在于,所述获取目标物的点云数据的步骤具体包括:根据以下公式计算不同交叠率下的点云数据的旋转误差及平移误差,以基于所述旋转误差及所述平移误差,选择得到预设采样交叠率:;
;
通过激光雷达,并采用所述预设采样交叠率以二维交叠式的方式对目标物进行点云扫描,以获取目标物的点云数据;
式中,ER为旋转误差、Et为平移误差、Ri为预设旋转矩阵、ti为预设平移矩阵、Rj为所求目标物的旋转矩阵、tj为所求目标物的平移矩阵。
8.一种红外三维重构系统,其特征在于,包括:获取模块,用于获取目标物的点云数据;
处理模块,用于对所述点云数据依次进行粗配准和精配准处理,实现所述点云数据的拼接,以得到对应的点云模型;
重构模块,用于对所述点云模型依次进行三角网格划分和曲面重建,以形成所述目标物的三维模型;
红外模块,用于采集所述目标物的红外二维图像,并将所述红外二维图像投影至所述三维模型的坐标中,以得到所述目标物的红外三维模型。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1‑7任一所述的方法。
10.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1‑7任一所述的方法。