自制三维激光扫描建模

看图片就是我做的东西，很炫酷是不是。

好吧，开玩笑，这是电影普罗米修斯的截图。

当初看这个电影的时候就感觉这东西好眩酷，我能不能做出来。最近借着帮做毕业设计的机会我也做了一个。

就是这个丑丑的东西啦~

首先感谢来自CSK的低成本3D scanner。http://www.csksoft.net/blog/post/lowcost_3d_laser_ranger_1.html

本制作中大部分参考了他的原理，创意。

原理：

利用激光三角测距法的原理，计算出摄像头到激光点的距离，这样很多个激光点的距离得到，再结合角度信息，我们便可以得到他在三维坐标系下的坐标，从而渲染出来。

三角测距法：

Laser是激光器，Imager是针孔摄像机的模型，Object是物体，激光器发射的激光，经过的物体的反射进入摄像头，其中β角已知，S已知，光斑在摄像头成像的坐标我们可以得到，从而我们可以得到反射光线与S的夹角，从而三角形已知，解这个三角形，我们便可以得到d，也就是距离。

不过，这样只能得到一个点的信息，转一周我们也只能得到二维坐标系下的坐标。要想得到三维的坐标，要不装置可以增加一个维度的运动，要不我们可以采用一字线激光器。

在这个制作中我们采用了一字线激光器。

效果如图。

如何根据一字线激光点坐标得到距离（图像处理过程之后再提）

这样实际就成为了一个椎体，画面中心点的距离可以很方便求出，而其他地方点的坐标我们必须知道它的仰角，我们可以通过根据距离画面中心点的距离得到。实际上就是解立体几何啦~

具体的公式，可以参见我的代码。

对于摄像头的选择

理论上来说，640*480的分辨率的画面就可以很好的精度。我选择的是OV9710摄像头，通过USB获取数据。起初我还打算用STM32F4来进行图像处理，后来实在是太吃力了，RAM根本不够用的，所以就直接在电脑上使用OpenCV来进行图像处理了。

图像处理

整个制作最关键的部分就是图像处理了，起初我是对图像直接灰度然后二值化，这种效果很不理想，一遇到亮的地方就完蛋了。

后来我参考网上别人的做法，使用不可见光808NM的100MW的激光器，摄像头加装了一个窄带滤光片，效果的确不错，可是距离我的期望感觉还差得远。

这就是加装了滤光片后使用不可见光激光拍摄的画面。

后来我苦思冥想，想出来一个大招。把激光当作一个信息处理，那么原来我直接获取激光，是根本没有经过任何处理的获取信息，但如果我把激光调制呢，例如这一帧画面有激光，下一帧画面便没有激光，两幅图像异或！便可以得到很清晰的只有激光的画面。事实证明，我的这个想法很好。非常可行。

可以看到效果很好，得到的画面很干净。

控制

根据前面说的，我们整个装置要进行旋转，我选择了舵机，舵机要用PWM控制。

激光器要能够根据我的指令关闭和开启，所以我搭建了一个简单的MOS开关电路用来对激光器进行控制，控制信号采用的是高电平低电平信号。

要能够获取我们现在转动的角度，因此我添加了MPU6050模块，模块基于I2C协议进行通讯。

要与电脑进行通信，接收电脑的指令，我选择了串口作为通讯方式。

所以，基于以上，我使用了STM32F103作为下位机，接收上位机指令，控制激光器开关，获取MPU6050数据，驱动舵机运动。

程序实现

因为大三啦~要准备考研啦~（我还选择跨考计算机就更没怎么有时间了）所以我就用了Python+OpenCV来缩短编程的时间了。

程序主要就是图像处理部分和计算部分了。

这是图像处理以及控制部分程序（Python2.7+OpenCV）

    ser.write('+\r\n'.encode()) #舵机转
    str=ser.readline()
    ser.write('ON\r\n'.encode()) #激光器打开
    str=ser.readline()
    ret,img1 = cap.read()
    ret,img1 = cap.read()
    ret,img1 = cap.read()
    ret,img1 = cap.read()  #多获取几次，感觉这样获得的画面会稳定点吧
    ser.write('OFF\r\n'.encode()) #激光器关闭
    str=ser.readline()
    ret,img2 = cap.read()
    ret,img2 = cap.read()
    ret,img2 = cap.read()
    ret,img2 = cap.read()  #多获取几次，感觉这样获得的画面会稳定点吧
    ser.write('Angle?\r\n'.encode()) #请求角度
    Angle=ser.readline()#获取角度
    img1=cv2.resize(img1,(800,600),interpolation=cv2.INTER_CUBIC)#图像缩放
    img2=cv2.resize(img2,(800,600),interpolation=cv2.INTER_CUBIC)#图像缩放
    gray1 = cv2.cvtColor(img1, 6)
    gray2 = cv2.cvtColor(img2, 6)#图像灰度化
    ret,TRE1 = cv2.threshold(gray1,215,255,cv2.THRESH_BINARY)
    ret,TRE2 = cv2.threshold(gray2,215,255,cv2.THRESH_BINARY)#图像二值化
    img=cv2.absdiff(TRE1,TRE2)#两幅图像找不同
    x=[]
    y=[]   #用来存放坐标
    x,y=findXY(img) #获取坐标
    px=[]
    py=[]
    pz=[]   #用来存放实际三维坐标
    for i in range(len(x)):
        dis,ang,pit=calcDistanceByPos(x[i],y[i],800)
        p_x,p_y,p_z=getPLOTXYZ(dis,ang,pit,Angle)    #计算坐标
        px.append(p_x)
        py.append(p_y)
        pz.append(p_z)

计算（这部分程序参考网上帖子的计算方法~）

主要是先获取极坐标系下坐标再得到直角三维坐标

def calcDistanceByPos(x,y,img_height):
    
    a=698.1       #f*baseline
    b=4.354
    c=0.006912    #PixelSize
    d=-40.88

    baseline=100.0

    laser_angle=1.486407302
    rotation_r=49.2
    focal=a/baseline

    center_distance=a/(b-c*x)

    pitch_angle=math.atan(((y-img_height/2)*c)/(focal))
    pitch_distance=center_distance/math.cos(pitch_angle)
    laser_to_dist_pt = center_distance*math.tan(PI/2 - laser_angle)
    laser_to_current_pt = math.sqrt(pitch_distance*pitch_distance + laser_to_dist_pt*laser_to_dist_pt)
    laser_to_center_pt  = math.sqrt(center_distance*center_distance + laser_to_dist_pt*laser_to_dist_pt)


    real_center_distance = math.sqrt( (laser_to_dist_pt-rotation_r)*(laser_to_dist_pt-rotation_r)
                                 +  center_distance*center_distance)
    
    yaw_angle = PI/2 - math.acos((rotation_r*rotation_r + real_center_distance*real_center_distance
                             - laser_to_center_pt*laser_to_center_pt)/2.0/rotation_r/real_center_distance)
 

    real_distance = math.sqrt( (laser_to_dist_pt-rotation_r)*(laser_to_dist_pt-rotation_r) +  pitch_distance*pitch_distance)
    
    return real_distance,yaw_angle,(pitch_angle-18.0*PI/180.0)

def getPLOTXYZ(distance,yaw,pitch,Angle):
    
    px = distance * math.cos(pitch) * math.sin( yaw  + Angle*PI/10.0/180.0)
    py = distance * math.cos(pitch) * math.cos( yaw  + Angle*PI/10.0/180.0)
    pz = distance * math.sin(-pitch)
    
    return px,py,pz

效果如图，还是挺好的哇~~~~~只是我还没怎么会用那些点云渲染的引擎，就直接扫了一段数据后用散点图画出来了，哈哈哈哈哈~

（这是我之前拍摄的工作视频截取得画面）

最后就祝大家万事胜意吧，嘻嘻。