三维扫描方法、装置、计算机设备以及存储介质

技术领域

本申请涉及三维扫描技术领域，特别是涉及一种三维扫描方法、装置、计算机设备以及存储介质。

背景技术

三维扫描仪主要用于侦测以及分析现实世界中物体或环境的形状数据（几何构造）与外观数据（如颜色、表面反照率等性质）。三维扫描仪通过对物体进行扫描，得到对应物体表面的点云数据，再通过对点云数据进行三维重建计算，在虚拟世界中创建实际物体的数字模型。在扫描时，采集的点云数据越密集，其重建生成的三维数据模型就越精确。相应的三维数据模型被各个领域广泛的应用。

目前的相关技术中，当三维扫描仪使用激光扫描时，首先需要在待扫描物体上贴标记点。贴完标记点之后，通过三维扫描仪对待扫描物体进行激光扫描，在得到每一帧的点云数据之后，需要根据其中的标记点信息进行拼接，之后再进行重建，得到三维模型。但在待扫描物体上贴标记点，需要人工去张贴，其需要耗费大量的人力成本以及物力成本。

发明内容

基于此，有必要针对上述技术问题，提供一种三维扫描方法、装置、计算机设备以及存储介质。

第一方面，本申请提供了一种三维扫描方法，所述方法包括：获取待扫描物体的至少两张灰度图像，其中，所述灰度图像同时包括第一特征图案和第二特征图案；基于至少两张所述灰度图像中的第一特征图案和第二特征图案进行三维数据处理，分别得到第一点云数据和第二点云数据；基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系，并确定所述第二点云数据与世界坐标系之间的第二转换关系；根据所述第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。

在其中一个实施例中，所述获取待扫描物体的至少两张灰度图像之前，还包括：获取扫描仪与所述待扫描物体之间的距离信息；根据所述距离信息向所述待扫描物体投射不同波段的第二特征图案。

在其中一个实施例中，所述第一特征图案为红外散斑特征图案或环境特征图案，所述第二特征图案为条纹特征图案。

在其中一个实施例中，当所述第一特征图案为红外散斑特征图案或环境特征图案，所述第二特征图案为红外条纹特征图案时：所述第一转换关系与所述第二转换关系相同。

在其中一个实施例中，当所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案时：所述基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系，并确定所述第二点云数据与世界坐标系之间的第二转换关系，包括：获取所述第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系；基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系；根据所述第一转换关系和所述第三转换关系，确定所述第二转换关系。

在其中一个实施例中，所述获取所述第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系，包括：获取标定扫描物体的至少两张标定图像，所述标定扫描物体上贴有标记点；所述标定图像同时包括第一特征图案和第二特征图案；其中，所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案；基于图像采集设备在所述第一特征图案对应波段下的第一参数对所述至少两张标定图像进行标记点识别重建，得到第一标记点三维数据；基于图像采集设备在所述第二特征图案对应波段下的第二参数对所述至少两张标定图像进行标记点识别重建，得到第二标记点三维数据；对所述第一标记点三维数据以及第二标记点三维数据进行计算，得到所述第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系。

在其中一个实施例中，当所述第一特征图案为环境特征图案，所述第二特征图案为红外条纹特征图案时：基于至少两张所述灰度图像中的第一特征图案进行三维数据处理得到第一点云数据，包括：基于所述至少两张灰度图像中的第一特征图案进行双目立体匹配重建，得到所述第一点云数据。

在其中一个实施例中，所述根据所述第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型，包括：获取对待扫描物体进行扫描过程中的所有第一点云数据，构建第一点云数据集合；获取所有第一点云数据对应的第一转换关系，构建第一关系集合；获取对待扫描物体进行扫描过程中的所有第二点云数据，构建第二点云集合；获取所有第二点云数据对应的第二转换关系，构建第二关系集合；根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型。

在其中一个实施例中，所述根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型，之前还包括：基于所述第一点云集合进行点云全局配准，更新所述第一关系集合以及第二关系集合。

在其中一个实施例中，所述基于所述第一点云集合进行点云全局配准，更新所述第一关系集合以及第二关系集合包括：当所述第一特征图案为红外散斑特征图案或环境特征图案，所述第二特征图案为红外条纹特征图案时；根据所述第一点云集合进行全局配准，更新所述第一关系集合以及第二关系集合；当所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案时；根据所述第一点云集合进行全局配准，更新所述第一关系集合；根据更新后的所述第一关系集合以及第三转换关系，更新所述第二关系集合。

在其中一个实施例中，所述根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型包括：获取第一点云权重以及第二点云权重；所述第一点云权重为第一点云集合在全局点云融合时的权重；所述第二点云权重为第二点云集合在全局点云融合时的权重；根据所述第一点云集合、第一点云权重、第二点云集合、第二点云权重、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型。

在其中一个实施例中，若所述第二特征图案为红外条纹特征图案；则在获取至少两张所述灰度图像的同时，获取彩色图像；将所述第一点云数据与所述彩色图像进行标定，得到所述第一点云数据与所述彩色图像之间的第四转换关系；根据所述第一转换关系以及第四转换关系，得到所述彩色图像与世界坐标系之间的第五转换关系；根据所述彩色图像以及第五转换关系，对所述三维模型进行纹理贴图。

在其中一个实施例中，所述根据所述彩色图像以及第五转换关系，对所述三维模型进行纹理贴图之前，还包括：根据所述第一点云集合进行全局配准，更新所述第一关系集合；根据更新后的所述第一关系集合以及第四转换关系，更新所述第五转换关系。

在其中一个实施例中，所述根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型之前，还包括：获取所述第一点云集合中的第一目标点云数据以及第二目标点云数据；所述第一目标点云数据和第二目标点云数据为第一点云集合中任意两个第一点云数据；根据所述第一目标点云数据，确定第一点云特征以及至少一个第一局外特征；根据所述第二目标点云数据，确定第二点云特征以及至少一个第二局外特征；至少一个所述第二局外特征与所述第一局外特征相匹配；根据所述第一点云特征、第一局外特征、第二点云特征以及第二局外特征，对所述第一目标点云数据和第二目标点云数据进行点云配准。

第二方面，本申请还提供了一种三维扫描装置，所述装置包括：获取模块，用于获取待扫描物体的至少两张灰度图像，其中，所述灰度图像同时包括第一特征图案和第二特征图案；重建模块，用于基于至少两张所述灰度图像中的第一特征图案和第二特征图案进行三维数据处理，分别得到第一点云数据和第二点云数据；转换关系确定模块，用于基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系，并确定所述第二点云数据与世界坐标系之间的第二转换关系；融合模块，用于根据所述第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一所述的三维扫描方法。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的三维扫描方法。

上述三维扫描方法，通过获取待扫描物体的至少两张灰度图像，并且改灰度图像种包括第一特征图案以及第二特征图案。再基于至少两张灰度图像种的第一特征图案以及第二特征图案进行三维数据处理，分别得到第一点云数据以及第二点云数据。再基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系，并确定第二点云数据与世界坐标系之间的第二转换关系；最终根据第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。在全局点云融合时，以第一特征图案替代标记点特征，通过将第一点云数据以及第二点云数据进行融合，避免了激光扫描时张贴标记点。节省了人力物力成本，进一步的提高了三维扫描的效率以及精度。

附图说明

图1为一个实施例中三维扫描方法的流程示意图；

图2为一个实施例中转换关系计算方法的流程示意图；

图3为一个实施例中第三转换关系标定方法的流程示意图；

图4为一个实施例中全局点云融合方法的流程示意图；

图5为一个实施例中纹理贴图方法的流程示意图；

图6为一个实施例中三维扫描装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供了一种三维扫描仪，该三维扫描仪可以为手持三维扫描仪，也可以为无人机三维扫描仪，本申请实施例不做具体限定，仅需能够对待扫描物体进行三维扫描即可。以手持三维扫描仪为例进行说明，三维扫描仪至少包括：双目相机以及彩色相机，当然，彩色相机可以是集成在三维扫描仪中，或者也可以是独立的彩色相机，本申请不做具体限定。其中，在三维扫描仪对待扫描物体进行扫描时，双目相机获取待扫描物体的灰度图像，基于灰度图像进行重建得到三维模型，在双目相机采图的同时，彩色相机同步获取待扫描物体的彩色图像，根据彩色图像与灰度图像的配准关系，对重建得到的三维模型进行纹理贴图，得到最终的三维模型。在三维扫描仪对待扫描物体进行扫描时，可以通过散斑投射器以及线状条纹特征投射器向待扫描物体表面投射光线，可以投射同波段的光线，也可以投射不同波段的光线，本申请不做具体限定。散斑投射器可以为垂直腔面发射激光器（VCSEL），通过垂直腔面发射激光器向待扫描物体表面投影不规则的散斑图案。线状条纹投射器向待扫描物体表面投影线状条纹特征，比如由激光器投射的激光线，投影仪或投影灯投射出的线状条纹图案，或者其他设备投射出的线状条纹特征，本申请对此不做具体限定。此时，采集到的灰度图像中，就会包含散斑或线状条纹特征，在进行三维重建时，可以根据散斑或线状条纹特征进行三维重建，得到三维模型。

目前的相关技术中，当三维扫描仪进行扫描的过程中，如果是激光投射器向待扫描物体表面投影激光线，则需要在待扫描物体表面张贴标记点，基于激光线的三维重建，得到的三维模型细节精度高。当三维扫描仪进行扫描的过程中，如果是散斑投射器向待扫描物体表面投影散斑，此时就不需要在待扫描物体表面张贴标记点，但重建三维模型的细节较差。

在一个实施例中，如图1所示，提供了一种三维扫描方法，包括以下步骤：

步骤102，获取待扫描物体的至少两张灰度图像，其中，灰度图像同时包括第一特征图案和第二特征图案。

待扫描物体可以为任意需要建立三维模型的结构。使用三维扫描仪对待扫描物体进行扫描时，通过三维扫描仪上设置的相机采集待扫描物体的灰度图像，其中，三维扫描仪上可以设置多个相机，通过多个相机，在同一时刻采集多张灰度图像。示例的，可以为双目相机，同步采集两张灰度图像。在对待扫描物体进行扫描之前，可以通过线状条纹特征投射器向待扫描物体表面投影线状条纹特征，也就是第二特征图案。通过散斑投射器向待扫描物体表面投影不规则的散斑图案，也就是第一特征图案。也可以不设置散斑投射器，或者设置散斑投射器但不启用散斑投射器，通过自然光在待扫描物体表面形成环境特征，也就是第一特征图案，此时，采集到的至少两张灰度图像中均包含第一特征图案以及第二特征图案。

步骤104，基于至少两张灰度图像中的第一特征图案和第二特征图案进行三维数据处理，分别得到第一点云数据和第二点云数据。

在获取到至少两张灰度图像之后，根据至少两张灰度图像中的第一特征图案进行点云重建，得到第一点云数据，该第一点云数据也就是根据散斑或环境特征进行重建得到的点云数据。根据至少两张灰度图像中的第二特征图案进行点云重建，得到第二点云数据，该第二点云数据也就是根据线状条纹特征进行重建得到的点云数据。

步骤106，基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系，并确定第二点云数据与世界坐标系之间的第二转换关系。

在计算转换关系时，首先基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系。若形成第一特征图案对应的波段与形成第二特征图案对应的波段相同，则第二转换关系与第一转换关系相同。若形成第一特图案对应的波段与形成第二特征图案对应的波段不相同，则需要先获取第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系，再根据第一点云数据与世界坐标系之间的第一转换关系和第三转换关系，确定第二点云数据与世界坐标系之间的第二转换关系。

步骤108，根据第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。

在确定转换关系之后，根据第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。示例的，以第一点云数据对应的散斑特征或环境特征作为拼接特征，将第二点云数据进行拼接，之后，再根据第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。在进行全局点云融合时，可以只对第二点云数据进行全局点云融合，得到三维模型；也可以只对第一点云数据进行全局点云融合，得到三维模型；还可以通过给第一点云数据和第二点云数据分别设置不同的权重，再根据第一点云数据、第二点云数据以及相应点云数据的权重，进行全局点云融合，得到三维模型。本申请实施例对最终全局点云融合形式不做具体限定。

上述三维扫描方法，通过获取待扫描物体的至少两张灰度图像，并且该灰度图像种包括第一特征图案以及第二特征图案。再基于至少两张灰度图像中的第一特征图案以及第二特征图案进行三维数据处理，分别得到第一点云数据以及第二点云数据。再基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系，并确定第二点云数据与世界坐标系之间的第二转换关系；最终根据第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。其中，第二特征图案为线状条纹特征，第一特征图案为散斑特征。第一点云数据为根据散斑特征生成的点云数据，第二点云数据为根据激光形成的特征生成的点云数据。在全局点云融合时，以第一特征图案替代标记点特征，通过将第一点云数据以及第二点云数据进行融合，避免了激光扫描时张贴标记点。节省了人力物力成本，进一步的提高了三维扫描的效率以及精度。

在其中一个实施例中，第一特征图案可以为通过散斑投射器在待扫描物体表面形成的红外散斑特征图案；也可以是环境特征图案，其中，环境特征图案是指投射器没有向被测物体投射任何图案时，相机捕捉到的被测物体表面的环境特征图案，可以是通过补光形成，也可以通过环境光在待扫描物体表面形成的环境特征图案。第二特征图案可以通过线状条纹投射器在待扫描物体表面形成的条纹特征图案，其中，线状条纹投射器可以利用不同波段的激光在待扫描物体表面投射第二特征图案。示例的，不同的波段可以包括红外激光波段、红色激光波段以及蓝色激光波段等。可以理解的，在三维扫描仪上设置一个线状条纹投射器，该线状条纹投射器产生的线状条纹特征，可以在多个波段之间进行切换；也可以在三维扫描仪上设置多个线状条纹投射器，每一个线状条纹投射器分别对应投射一种波段。本申请实施例仅需能够在待扫描物体表面形成第一特征图案以及第二特征图案即可，对投射第一特征图案以及第二特征图案的方式不做具体限定。

在其中一个实施例中，在获取待扫描物体的至少两张灰度图像之前，还包括：获取扫描仪与待扫描物体之间的距离信息；根据距离信息向待扫描物体投射不同波段的第二特征图案。

可以在三维扫描仪上设置距离传感器，在使用三维扫描仪对待扫描物体进行扫描之前，首先通过距离传感器实时检测三维扫描仪与待扫描物体之间的距离信息。也可以在使用三维扫描仪对待扫描物体进行扫描之前，通过设置在三维扫描仪上的双目相机采集两张图像，根据采集到的图像确定三维扫描仪与待扫描物体之间的距离信息。再根据该距离信息，确定投射第二特征图案的波段。示例的，可以为不同的波段设置不同的预设距离范围，将上述距离信息与所有波段对应的预设距离范围进行比对，从而确定向待扫描物体表面投射第二特征图案的波段。例如：向待扫描物体表面投射第二特征图案的波段包括：红外激光波段、红色激光波段以及蓝色激光波段；其中，使用红外激光波段对应的距离范围为第一预设距离范围；使用红色激光波段对应的距离范围为第二预设距离范围；使用蓝色激光波段对应的距离范围为第三预设距离范围。再获取到距离信息之后，若该距离信息在第二预设距离范围内，则使用红色激光波段向待扫描物体表面投射第二特征图案。

在其中一个实施例中，不同波段投影第一特征图案以及第二特征图案包括多种模式：当第一特征图案为散斑投射器在待扫描物体表面形成的红外散斑特征图案，也就是红外波段时；第二特征图案可以使用红外激光波段形成的红外条纹特征图案、红色激光波段形成的红色条纹特征图案以及蓝色激光波段形成的蓝色条纹特征图案中的任意一种。当第一特征图案为自然光在待扫描物体表面形成的环境特征图案时，第二特征图案仅可以使用红外激光波段形成的红外条纹特征图案。

在其中一个实施例中，当第一特征图案为红外散斑特征图案或环境特征图案，第二特征图案为红外条纹特征图案时。由于红外散斑特征图案或环境特征图案均为红外波段，并且红外条纹特征图案也为红外波段。此时，第一特征图案对应的波段与第二特征图案对应的波段相同。在确定第一转换关系和第二转换关系时，首先基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系；由于第一特征图案对应的波段与第二特征图案对应的波段相同并且在同一坐标系下。因此，第一转换关系与第二转换关系相同，可以直接将第一转换关系作为第二转换关系。

上述实施例中，由于第一特征图案对应的波段与第二特征图案对应的波段相同并且在同一坐标系下。可以直接将第一转换关系作为第二转换关系，减少计算量，从而提高三维重建效率。

在其中一个实施例中，当第一特征图案为红外散斑特征图案，第二特征图案为蓝色条纹特征图案或红色条纹特征图案时。由于红外散斑特征图案为红外波段，蓝色条纹特征图案为蓝光波段，红色条纹特征图案为红光波段。此时，第一特征图案对应的波段与第二特征图案对应的波段完全不同。因此，需要先确定第一特征图案对应的波段与第二特征图案对应的波段之间的第三转换关系，再根据第三转换关系，确定第二点云数据与世界坐标系之间的第二转换关系。如图2所示，提供了一种转换关系计算方法，包括以下步骤：

步骤202，获取第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系。

步骤204，基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系。

步骤206，根据第一转换关系和第三转换关系，确定第二转换关系。

首先根据图像采集设备在不同波段下对应的内参和外参，确定第三转换关系。第三转换关系包括红外波段与蓝光波段之间的第三转换关系或红外波段与红光波段之间的第三转换关系。再基于点云配准算法计算第一点云数据与世界坐标系之间的第一转换关系。根据实际扫描时，第一特征图案对应波段与第二特征图案对应波段选择相应的第三转换关系。通过将第一转换关系与第三转换关系相乘，即可得到第二转换关系。

在其中一个实施例中，如图3所示，提供了一种第三转换关系标定方法，包括以下步骤：

步骤S302，获取标定扫描物体的至少两张标定图像，标定扫描物体上贴有标记点。

第三转换关系的标定，可以是红外波段和红光波段对应的第三转换关系，也可以是红外波段和蓝光波段对应的第三转换关系。也就是说，第三转换关系为两个不同波段之间的转换关系。本申请实施例以标定红外波段和蓝光波段的第三转换关系为例，进行举例说明。

在进行标定时，首先需要通过红外补光灯以及蓝色补光灯对标定扫描物体进行补光。其中，标定扫描物体可以为标定板，标定板上设置有标记点。通过图像采集设备获取标定扫描物体的至少两张标定图像。所述标定图像同时包括第一特征图案和第二特征图案；其中，所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案。

步骤S304，基于图像采集设备在第一特征图案对应波段下的第一参数对至少两张标定图像进行标记点识别重建，得到第一标记点三维数据。

图像采集设备可以为双目相机。图像采集设备在第一特征图案对应波段下的第一参数包括：第一内参、第一畸变参数以及第一外参。其中第一外参为使用基础的双相机快速标定方法得到红外波段下的双相机之间的外参。第一内参以及第一畸变参数为图像采集设备对应红外波段下的已知参数。根据第一参数对至少两张标定图像进行标记点识别重建，得到第一标记点三维数据。

步骤S306，基于图像采集设备在第二特征图案对应波段下的第二参数对至少两张标定图像进行标记点识别重建，得到第二标记点三维数据。

图像采集设备在第二特征图案对应波段下的第二参数包括：第二内参、第二畸变参数以及第二外参。其中第二外参为使用基础的双相机快速标定方法得到蓝光波段或红光波段下的双相机之间的外参。第二内参以及第二畸变参数为图像采集设备对应蓝光波段或红光波段下的已知参数。根据第二参数对至少两张标定图像进行标记点识别重建，得到第二标记点三维数据。

步骤S308，对第一标记点三维数据以及第二标记点三维数据进行计算，得到第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系。

第一特征图案对应波段为红外波段，第二特征图案对应波段对应为蓝光波段，则得到的第三转换关系为红外波段与蓝光波段之间的第三转换关系；第一特征图案对应波段为红外波段，第二特征图案对应波段对应为红光波段，则得到的第三转换关系为红外波段与红光波段之间的第三转换关系。

在其中一个实施例中，第一参数与第二参数可以使用同一套图像采集设备对应的参数，例如，都是用在红外波段下的参数，从而减少图像采集设备的标定次数。

第三转换关系可以使用单帧的第一标记点三维数据以及第二标记点三维数据计算得到，也可以获取多帧第一标记点三维数据以及第二标记点三维数据，对多帧的第一标记点三维数据以及第二标记点三维数据进行数据优化，最终拼接得到第三转换关系。

上述第三转换关系标定方法，通过对不同波段对应的第三转换关系进行标定，进一步的提高了三维重建的精度。

在其中一个实施例中，当第一特征图案为环境特征图案，第二特征图案为红外条纹特征图案时：基于至少两张灰度图像中的第一特征图案进行双目立体匹配重建，得到第一点云数据。

在其中一个实施例中，如图4所示，提供了一种全局点云融合方法，包括以下步骤：

步骤402，获取对待扫描物体进行扫描过程中的所有第一点云数据，构建第一点云数据集合。

获取三维扫描仪在对待扫描物体进行扫描的过程中每一时刻采集的至少两张灰度图像，对每一时刻的两张灰度图像中的第一特征图案分别进行三维数据处理，得到每一帧对应的第一点云数据，根据每一帧对应的第一点云数据构建第一点云数据集合。

步骤404，获取所有第一点云数据对应的第一转换关系，构建第一关系集合。

根据每一帧对应的第一点云数据，基于点云配准算法计算每一帧第一点云数据与世界坐标系之间的第一转换关系。再根据每一帧第一点云数据对应的第一转换关系构建第一关系集合。

步骤406，获取对待扫描物体进行扫描过程中的所有第二点云数据，构建第二点云集合。

获取三维扫描仪在对待扫描物体进行扫描的过程中每一时刻采集的至少两张灰度图像，对每一时刻的两张灰度图像中的第二特征图案分别进行三维数据处理，得到每一帧对应的第二点云数据，根据每一帧对应的第二点云数据构建第二点云数据集合。

步骤408，获取所有第二点云数据对应的第二转换关系，构建第二关系集合。

若形成第一特征图案对应的波段与形成第二特征图案对应的波段相同，则根据每一帧第一点云数据对应的第一转换关系，确定每一帧第二点云数据对应的第二转换关系，根据每一帧第二点云数据对应的第二转换关系构建第二关系集合。若形成第一特征图案对应的波段与形成第二特征图案对应的波段不相同，则先获取第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系，根据每一帧第一点云数据对应的第一转换关系以及第三转换关系，确定每一帧第二点云数据对应的第二转换关系，根据每一帧第二点云数据对应的第二转换关系构建第二关系集合。

步骤410，根据第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型。

再进行全局点云融合时，获取第一点云集合中所有第一点云数据，第一点云数据中包含红外散斑特征或环境特征，以第一点云数据作为拼接特征，将第一点云集合中所有第一点云数据以及第二点云集合中的所有第二点云数据进行拼接，再根据第一关系集合中的所有第一转换关系以及第二关系集合中的所有第二转换关系进行全局点云融合，得到三维模型。

在进行全局点云融合时，可以只对第二点云集合中的所有第二点云数据进行全局点云融合，得到三维模型；也可以只对第一点云集合中的所有第一点云数据进行全局点云融合，得到三维模型；还可以通过给第一点云集合和第二点云集合分别设置不同的权重，再根据第一点云集合中的所有第一点云数据、第二点云集合中的所有第二点云数据以及相应点云集合对应的权重，进行全局点云融合，得到三维模型。本申请实施例对最终全局点云融合形式不做具体限定。

上述实施例，通过将第一点云数据中的红外散斑特征或环境特征作为拼接特征，无需在待扫描物体上张贴标记点，也能够对第一点云集合以及第二点云集合进行全局点云融合，节省了人力物力成本，进一步的提高了三维扫描的效率以及精度。

在其中一个实施例中，根据第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型，之前还包括：基于第一点云集合进行点云全局配准，更新第一关系集合以及第二关系集合。

在进行点云融合之前，还可以利用第一点云数据进行全局配准，进一步的调整第一转换关系以及第二转换关系。

由于更新前的第一关系集合以及第二关系集合均是基于某一时刻采集的局部点云数据基于点云配准算法得到的。因此，对于待扫描物体整体来说，局部的点云数据的点云配准，精度较低。因此，在三维扫描完成之后，需要根据获取到的每一帧的第一点云数据进行全局配准，更新局部配准得到的第一关系集合以及第二关系集合，从而提高转换关系的精度。

当第一特征图案为红外散斑特征图案或环境特征图案，第二特征图案为红外条纹特征图案时；根据第一点云集合进行全局配准，更新第一关系集合以及第二关系集合。第一特征图案为红外散斑特征图案或环境特征图案，也即第一特征图案对应的波段为红外波段；第二特征图案为红外条纹特征图案，也即第二特征图案对应的波段为红外波段。在该情况下，第一特征图案与第二特征图案对应的波段相同。此时，第一转换关系与第二转换关系相同。根据第一点云集合进行全局配准，更新第一关系集合中的所有第一转换关系。由于第一转换关系与第二转换关系相同，因此，可以根据更新后的第一关系集合中的所有第一转换关系，更新第二关系集合中的所有第二转换关系。

当第一特征图案为红外散斑特征图案，第二特征图案为蓝色条纹特征图案或红色条纹特征图案时；根据第一点云集合进行全局配准，更新第一关系集合；根据更新后的第一关系集合以及第三转换关系，更新第二关系集合。第一特征图案为红外散斑特征图案，也即第一特征图案对应的波段为红外波段；第二特征图案为蓝色条纹特征图案或红色条纹特征图案；也即第二特征图案对应的波段为红光波段或蓝光波段。在该情况下，第一特征图案与第二特征图案对应的波段不相同。此时，需要先获取第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系。再根据第一点云集合进行全局配准，更新第一关系集合中的所有第一转换关系。根据更新后的第一关系集合中的所有第一转换关系以及第三转换关系，更新第二关系集合中的所有第二转换关系。

在其中一个实施例中，根据第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型包括：获取第一点云权重以及第二点云权重；第一点云权重为第一点云集合在全局点云融合时的权重；第二点云权重为第二点云集合在全局点云融合时的权重；根据第一点云集合、第一点云权重、第二点云集合、第二点云权重、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型。第一点云数据为根据第一特征图案生成的点云数据，也即根据散斑特征或环境特征生成的点云数据。第二点云数据为根据第二特征图案生成的点云数据，也即根据激光条纹特征生成的点云数据。因此，在进行全局点云融合时，可以分别为第一点云集合以及第二点云集合设置两个点云集合各自的权重，从而调整重建得到的三维模型的精度。示例的，当需要三维模型的精度高，则可以将第二点云集合对应的第二点云权重调节的更高。当需要快速生成三维模型时，则可以将第一点云集合对应的第一点云权重调节的更高。可以理解的，第一点云权重以及第二点云权重的具体权重值，可以根据实际需求自行设置，本申请实施例不做具体限定。

上述实施例，通过分别为第一点云集合以及第二点云集合设置各自对应的权重，从而适应用户不同的需求，进一步的调整三维模型的精度。

在得到三维模型之后，还可以通过彩色相机与灰度图像同步采集的彩色图像，为三维模型进行纹理贴图。

在进行纹理贴图时，首先需要满足第二特征图案对应的波段为不可见光波段，由于可见光波段，会对彩色相机采集到的彩色图像产生影响，从而影响纹理贴图的效果。也就是只有第二特征图案为红外条纹特征图案时，才能进行纹理贴图。

在其中一个实施例中，如图5所示，提供了一种纹理贴图方法，包括以下步骤：

步骤502，在获取至少两张灰度图像的同时，获取彩色图像。

若第二特征图案为红外条纹特征图案时，也即第二特征图案为不可见光时，在双目相机采集至少两张灰度图像的同时，通过彩色相机同步采集同一区域的彩色图像。

步骤504，将第一点云数据与彩色图像进行标定，得到第一点云数据与彩色图像之间的第四转换关系。

通过快标标定算法对第一点云数据相机所在坐标系与彩色图像对应的彩色相机所在的坐标系进行标定，得到第一点云数据与彩色图像之间的第四转换关系。

步骤506，根据第一转换关系以及第四转换关系，得到彩色图像与世界坐标系之间的第五转换关系。

第一转换关系为第一点云数据与世界坐标系之间的转换关系。第四转换关系为第一点云数据与彩色图像之间的转换关系。因此，根据第一转换关系以及第四转换关系，就能确定彩色图像与世界坐标系之间的第五转换关系。

步骤508，根据彩色图像以及第五转换关系，对三维模型进行纹理贴图。

获取三维扫描仪在对待扫描物体进行扫描的过程中每一时刻采集的彩色图像，对每一帧的彩色图像，分别计算每一帧的彩色图像与对应帧的第一点云数据之间的第四转换关系。再根据每一帧的第四转换关系以及对应帧的第一转换关系，得到每一帧的第五转换关系。根据每一帧的彩色图像构建图像集合，根据每一帧的第五转换关系，构建第三关系集合。根据图像集合以及第三关系集合对三维模型进行纹理贴图。

在其中一个实施例中，根据彩色图像以及第五转换关系，对三维模型进行纹理贴图之前，还包括：根据第一点云集合进行全局配准，更新第一关系集合；根据更新后的第一关系集合以及第四转换关系，更新第五转换关系。为了提高第五转换关系的精度，进而提高纹理贴图的精度。可以对第一点云集合进行全局配准，更新第一关系集合。根据更新后的第一关系集合中每一帧第一转换关系，以及对应每一帧的第四转换关系，更新第三关系集合中每一帧的第五转换关系。通过提高第五转换关系的精度，从而提高纹理贴图的精度。

在其中一个实施例中，根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型之前，还包括：获取所述第一点云集合中的第一目标点云数据以及第二目标点云数据；所述第一目标点云数据和第二目标点云数据为第一点云集合中任意两个第一点云数据；根据所述第一目标点云数据，确定第一点云特征以及至少一个第一局外特征；根据所述第二目标点云数据，确定第二点云特征以及至少一个第二局外特征；至少一个所述第二局外特征与所述第一局外特征相匹配；根据所述第一点云特征、第一局外特征、第二点云特征以及第二局外特征，对所述第一目标点云数据和第二目标点云数据进行点云配准。可以理解的，在进行全局点云融合之前，还可以先对第一点云集合中的所有第一点云数据进行配准，从而使后续全局点云融合得到的三维模型更加的精准。在对第一点云集合中的所有第一点云数据进行配准时，首先选取第一点云集合中的任意两帧第一点云数据，分别将其作为第一目标点云数据以及第二目标点云数据。在根据这两张灰度图像中的第一特征图案进行三维数据处理，得到第一目标点云数据的同时，还能够得到第一目标点云数据对应的点云特征，也就是第一点云特征。同样在得到第二目标点云数据的同时，还能够得到第二目标点云数据对应的点云特征，也就是第二点云特征。第一局外特征和第二局外特征为第三方特征，例如：点云特征、环境特征、散斑特征、条纹特征或者其他的第三方特征等，本实施例对其类型不作具体限定。仅需满足第一局外特征和第一点云特征不为同一类型的特征，且至少存在一个第一局外特征与第二局外特征属于待扫描物体表面特有的同一局外特征即可。第一目标点云数据和第二目标点云数据可以是相邻帧的点云数据，也可以是相邻若干帧的点云数据，本申请实施例不做具体限定。在进行点云配准时，首先根据至少一组相配对的第一局外特征和第二局外特征进行粗配准，确定第一局外特征与所述第二局外特征的第一位姿关系；再根据第一位姿关系移动所述第二目标点云数据和所述第二局外特征，得到粗配准后的第二目标点云数据和粗配准后的第二局外特征；利用预设的点云配准算法对第一点云特征和第二点云特征进行处理，同时约束第一局外特征和与第一局外特征相匹配的粗配准后的第二局外特征，完成精配准过程，得到第二位姿关系；最后基于第一位姿关系和第二位姿关系，确定第一目标点云数据和第二目标点云数据之间的转换关系，完成两帧点云数据之间的配准。基于上述两帧点云数据的点云配准方法，对第一点云集合中的所有第一点云数据进行两两点云配准。

本申请实施例的三维扫描方法，根据第一特征图案和第二特征图案对应的不同波段，可以分为多种扫描模式。多种扫描模式中，每一种扫描模式可以对应应用在不同的三维扫描仪上，也可以同时应用在同一三维扫描仪上。当应用在同一三维扫描仪上时，三维扫描仪需要包括散斑投射器以及至少一个线状条纹投射器。当仅包括一个线状条纹投射器时，该线状条纹投射器需要能够产生多种波段的线状条纹特征，示例的，可以包括红外波段、红光波段以及蓝光波段。当包括多个线状条纹投射器时，每个线状条纹投射器投射的波段不同，示例的，可以同时配置红外线状条纹投射器、红色线状条纹投射器以及蓝色线状条纹投射器。通过将第一特征图案和第二特征图案对应的不同波段进行组合，得到多种扫描模式。

示例的，多种扫描模式包括四种扫描模式：

第一扫描模式：无需使用散斑投射器，通过自然光在待扫描物体表面形成环境特征图案；通过线状条纹投射器在待扫描物体表面形成红外条纹特征图案。

第二扫描模式：通过散斑投射器在待扫描物体表面形成红外散斑特征图案；通过线状条纹投射器在待扫描物体表面形成红外条纹特征图案。

第三扫描模式：通过散斑投射器在待扫描物体表面形成红外散斑特征图案；通过线状条纹投射器在待扫描物体表面形成红色条纹特征图案。

第四扫描模式：通过散斑投射器在待扫描物体表面形成红外散斑特征图案；通过线状条纹投射器在待扫描物体表面形成蓝色条纹特征图案。

在生成三维模型之后，对三维模型进行纹理贴图时，由于红色条纹特征图案以及蓝色条纹特征图案为可见光条纹特征图案，会影响纹理贴图的效果，因此，仅有第一扫描模式以及第二扫描模式，需要通过彩色相机进行纹理贴图。

当扫描模式为第二扫描模式时：此时三维扫描仪需要设置至少两个黑白相机以及一个彩色相机。

步骤1：散斑投射器、线状条纹投射器、黑白相机以及彩色相机同时触发。得到两张灰度图像G0和G1，以及一张彩色图像M。其中，灰度图像G0和G1中同时包括红外散斑特征图案以及红外条纹特征图案。

步骤2：对灰度图像G0和G1基于红外散斑特征图案进行散斑重建得到点云C，通过快标标定可以得到点云C与图像M之间的坐标转换关系为RT0。

步骤3：对灰度图像G0和G1基于红外条纹特征图案进行激光线识别和匹配重建得到点云C1，因为点云C1与C是通过同两张灰度图像重建得到，所以其在一个坐标系下。

步骤4：通过点云配准算法，可以计算得到点云C与世界坐标系之间的转换关系RT_C。同时可以得到图像M与世界坐标系的转换关系RT_M=RT_C×RT0。因为点云C与C1在同个坐标系下，所以点云C1与世界坐标系之间的转换关系也是RT_C。

步骤5：在对待扫描物体进行扫描的过程中，重复步骤1至步骤4的操作，可以得到散斑点云C的集合C_ARRAY；以及散斑点云C与世界坐标系的转换关系集合RT_C_ARRAY，激光点云C1的集合C1_ARRAY；激光点云C1与世界坐标系的转换关系集合也为RT_C_ARRAY，图像M的集合M_ARRAY；以及图像M与世界坐标系的转换关系集合RT_M_ARRAY。

步骤6：使用散斑点云C的集合C_ARRAY进行点云的全局配准，消除扫描过程中可能出现的错层，得到更精确的RT矩阵集合RT_C_ARRAY_1。用最新的RT_C_ARRAY_1更新RT_M_ARRAY得到RT_M_ARRAY_1。

步骤7：使用激光点云集合C1_ARRAY、散斑点云集合C_ARRAY和RT矩阵数据集RT_C_ARRAY_1对激光数据进行全局点云融合，得到点云模型数据G。封装后得到M_G网格模型。其中融合过程中C1_ARRAY与C_ARRAY的点云权重设置不一样，当只需要激光点云效果时，C1_ARRAY的权重设置为1，C_ARRAY的权重设置为0。

步骤8：使用M_G和M_ARRAY以及RT_M_ARRAY_1对网格进行纹理贴图。

此模式下，使用散斑数据进行实时配准，使用散斑数据进行全局配准优化激光RT，同时在激光模式下能够纹理贴图。

当扫描模式为第三扫描模式或者第四扫描模式时：此时三维扫描仪需要设置至少两个黑白相机。因为红外散斑特征图案与红色条纹特征图案或蓝色条纹特征图案不是同一个波段的光源，所以该模式下需要对不同波段之间的坐标系进行快速标定。下面以第四扫描模式为例进行举例说明：

在对红外波段与蓝光波段进行坐标系标定时：

步骤1：使用基础的双相机快速标定方法可以得到红外波段下的双相机之间的位姿关系RT0和蓝光波段下的双相机的位姿关系RT1。

步骤2：同时触发红外补光灯、蓝光补光灯以及双相机。通过双相机拍摄标定板得到两张灰度图像G0和G1。

步骤3：通过红外的相机在红外波段下的内参M0畸变D0和位姿关系RT0，对灰度图像G0和G1进行标记点识别和匹配重建得到标记点三维数据MARK0。

步骤4：通过蓝光的相机在蓝光波段下的内参M1畸变D1和位姿关系RT1，对灰度图像G0和G1进行标记点识别和匹配重建得到标记点三维数据MARK1。

步骤5：通过标记点拼接算法计算标记点三维数据MARK0与MARK1之间的RT转换关系RT_0。其中RT_0就是需要标定出来的两个波段之间的转换关系。

在后续对待扫描物体进行扫描时：

步骤1：散斑投射器、线状条纹投射器以及黑白相机同时触发，得到两张灰度图像G0和G1。其中灰度图像G0和G1中同时存在红外散斑特征图案和蓝色条纹特征图案。

步骤2：对灰度图像G0和G1基于红外散斑特征图案进行散斑重建得到点云C。

步骤3：对灰度图像G0和G1基于蓝色条纹特征图案进行激光线识别和匹配重建得到点云C1。

步骤4：通过点云配准算法，可以计算得到点云C与世界坐标系之间的转换关系RT_C。因为C与C1两个坐标系之间的转换关系为RT_0，所以点云C1与世界坐标系之间的转换关系RT_C1 = RT_C×RT_0。

步骤5：在对待扫描物体进行扫描的过程中，重复步骤1至步骤4的操作，可以得到散斑点云C的集合C_ARRAY；以及散斑点云C与世界坐标系的转换关系集合RT_C_ARRAY；激光点云C1的集合C1_ARRAY；以及激光点云C1与世界坐标系的转换关系集合为RT_C1_ARRAY。

步骤6：使用散斑点云C的集合C_ARRAY进行点云的全局配准，消除扫描过程中可能出现的错层，得到更精确的RT矩阵集合RT_C_ARRAY_1。使用RT_C_ARRAY_1和RT_0更新点云C1与世界坐标系之间的转换关系集合为RT_C1_ARRAY_1。

步骤7：使用激光点云集合C1_ARRAY、散斑点云集合C_ARRAY和RT矩阵集合RT_C1_ARRAY_1和RT_C_ARRAY_1对激光数据和散斑数据进行全局点云融合，得到点云模型数据G。封装后得到M_G网格模型。其中融合过程中C1_ARRAY与C_ARRAY的点云权重设置不一样，当只需要激光数据效果时，C1_ARRAY数据集的权重设置为1，C_ARRAY的权重设置为0。

当扫描模式为第一扫描模式时：此时三维扫描仪可以不用设置散斑投射器，或者设置散斑投射器，但不使用散斑投射器。该模式下三维扫描仪需要设置补光灯，使用在不打散斑情况下的双目立体匹配，所以其使用场景可能受到环境场景和拍摄到的物体的亮度等限制。因此，该模式下补光灯的亮度需要提高尽可能的拍摄到更多的环境纹理信息，辅助双目立体匹配。并且，三维扫描仪还需要设置至少两个黑白相机以及一个彩色相机。

步骤1：线状条纹投射器、黑白相机和彩色相机同时触发，其中黑白相机可以为工业相机；彩色相机可以为单反相机。通过黑白相机得到两张灰度图像G0和G1和一张彩色图像M。其中灰度图像G0和G1中同时存在环境特征图案和红外条纹特征图案。

步骤2：对灰度图像G0和G1基于环境特征图案进行双目立体匹配重建得到点云C，通过快标标定可以得到点云C与图像M之间的坐标转换关系为RT0。双目立体匹配与散斑重建的原理是同一个，散斑能够提高双目立体匹配的识别率和精度，所以在没有打散斑的情况下对待扫描物体有一定的限制，且需要尽可能的多获取环境特征纹理。

步骤3：对灰度图像G0和G1基于红外条纹特征图案进行激光线识别和匹配重建得到点云C1，因为点云C1与C是通过同两张灰度图像重建得到，所以其在一个坐标系下。

步骤4：通过点云配准算法，可以计算得到点云C与世界坐标系之间的转换关系RT_C。同时可以得到图像M与世界坐标系的转换关系RT_M=RT_C×RT0。因为点云C与C1在同个坐标系下，所以点云C1与世界坐标系之间的转换关系也是RT_C。

步骤5：在对待扫描物体进行扫描的过程中，重复步骤1至步骤4的操作，可以得到散斑点云C的集合C_ARRAY；以及散斑点云C与世界坐标系的转换关系集合RT_C_ARRAY，激光点云C1的集合C1_ARRAY；激光点云C1与世界坐标系的转换关系集合也为RT_C_ARRAY，图像M的集合M_ARRAY；以及图像M与世界坐标系的转换关系集合RT_M_ARRAY。

步骤6：使用散斑点云C的集合C_ARRAY进行点云的全局配准，消除扫描过程中可能出现的错层，得到更精确的RT矩阵集合RT_C_ARRAY_1。用最新的RT_C_ARRAY_1更新RT_M_ARRAY得到RT_M_ARRAY_1。

步骤7：使用激光点云集合C1_ARRAY、散斑点云集合C_ARRAY和RT矩阵数据集RT_C_ARRAY_1对激光数据进行全局点云融合，得到点云模型数据G。封装后得到M_G网格模型。其中融合过程中C1_ARRAY与C_ARRAY的点云权重设置不一样，当只需要激光点云效果时，C1_ARRAY的权重设置为1，C_ARRAY的权重设置为0。

步骤8：使用M_G和M_ARRAY以及RT_M_ARRAY_1对网格进行纹理贴图。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的三维扫描方法的三维扫描装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个三维扫描装置实施例中的具体限定可以参见上文中对于三维扫描方法的限定，在此不再赘述。

在一个实施例中，如图6所示，提供了一种三维扫描装置，包括：

获取模块100，用于获取待扫描物体的至少两张灰度图像，其中，所述灰度图像同时包括第一特征图案和第二特征图案；

重建模块200，用于基于至少两张所述灰度图像中的第一特征图案和第二特征图案进行三维数据处理，分别得到第一点云数据和第二点云数据；

转换关系确定模块300，用于基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系，并确定所述第二点云数据与世界坐标系之间的第二转换关系；

融合模块400，用于根据所述第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型。

获取模块100，还用于获取扫描仪与所述待扫描物体之间的距离信息；根据所述距离信息向所述待扫描物体投射不同波段的第二特征图案。

转换关系确定模块300，还用于当所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案时：所述基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系，并确定所述第二点云数据与世界坐标系之间的第二转换关系，包括：获取所述第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系；基于点云配准算法计算所述第一点云数据与世界坐标系之间的第一转换关系；根据所述第一转换关系和所述第三转换关系，确定所述第二转换关系。

转换关系确定模块300，还用于获取标定扫描物体的至少两张标定图像，所述标定扫描物体上贴有标记点；所述标定图像同时包括第一特征图案和第二特征图案；其中，所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案；基于图像采集设备在所述第一特征图案对应波段下的第一参数对所述至少两张标定图像进行标记点识别重建，得到第一标记点三维数据；基于图像采集设备在所述第二特征图案对应波段下的第二参数对所述至少两张标定图像进行标记点识别重建，得到第二标记点三维数据；对所述第一标记点三维数据以及第二标记点三维数据进行计算，得到所述第一特征图案对应波段与第二特征图案对应波段之间的第三转换关系。

重建模块200，还用于当所述第一特征图案为环境特征图案，所述第二特征图案为红外条纹特征图案时：基于至少两张所述灰度图像中的第一特征图案进行三维数据处理得到第一点云数据，包括：基于所述至少两张灰度图像中的第一特征图案进行双目立体匹配重建，得到所述第一点云数据。

融合模块400，还用于所述根据所述第一点云数据、第二点云数据、第一转换关系以及第二转换关系进行全局点云融合，得到三维模型，包括：获取对待扫描物体进行扫描过程中的所有第一点云数据，构建第一点云数据集合；获取所有第一点云数据对应的第一转换关系，构建第一关系集合；获取对待扫描物体进行扫描过程中的所有第二点云数据，构建第二点云集合；获取所有第二点云数据对应的第二转换关系，构建第二关系集合；根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型。

融合模块400，还用于所述根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型，之前还包括：基于所述第一点云集合进行点云全局配准，更新所述第一关系集合以及第二关系集合。

融合模块400，还用于所述基于所述第一点云集合进行点云全局配准，更新所述第一关系集合以及第二关系集合包括：当所述第一特征图案为红外散斑特征图案或环境特征图案，所述第二特征图案为红外条纹特征图案时；根据所述第一点云集合进行全局配准，更新所述第一关系集合以及第二关系集合；当所述第一特征图案为红外散斑特征图案，所述第二特征图案为蓝色条纹特征图案或红色条纹特征图案时；根据所述第一点云集合进行全局配准，更新所述第一关系集合；根据更新后的所述第一关系集合以及第三转换关系，更新所述第二关系集合。

融合模块400，还用于所述根据所述第一点云集合、第二点云集合、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型包括：获取第一点云权重以及第二点云权重；所述第一点云权重为第一点云集合在全局点云融合时的权重；所述第二点云权重为第二点云集合在全局点云融合时的权重；根据所述第一点云集合、第一点云权重、第二点云集合、第二点云权重、第一关系集合以及第二关系集合进行全局点云融合，得到三维模型。

三维扫描装置还包括：纹理贴图模块；

纹理贴图模块，用于若所述第二特征图案为红外条纹特征图案；则在获取至少两张所述灰度图像的同时，获取彩色图像；将所述第一点云数据与所述彩色图像进行标定，得到所述第一点云数据与所述彩色图像之间的第四转换关系；根据所述第一转换关系以及第四转换关系，得到所述彩色图像与世界坐标系之间的第五转换关系；根据所述彩色图像以及第五转换关系，对所述三维模型进行纹理贴图。

纹理贴图模块，还用于所述根据所述彩色图像以及第五转换关系，对所述三维模型进行纹理贴图之前，还包括：根据所述第一点云集合进行全局配准，更新所述第一关系集合；根据更新后的所述第一关系集合以及第四转换关系，更新所述第五转换关系。

融合模块400，还用于获取所述第一点云集合中的第一目标点云数据以及第二目标点云数据；所述第一目标点云数据和第二目标点云数据为第一点云集合中任意两个第一点云数据；根据所述第一目标点云数据，确定第一点云特征以及至少一个第一局外特征；根据所述第二目标点云数据，确定第二点云特征以及至少一个第二局外特征；至少一个所述第二局外特征与所述第一局外特征相匹配；根据所述第一点云特征、第一局外特征、第二点云特征以及第二局外特征，对所述第一目标点云数据和第二目标点云数据进行点云配准。

上述三维扫描装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种三维扫描方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例中任一种三维扫描方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中任一种三维扫描方法。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例中任一种三维扫描方法。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric RandomAccess Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccessMemory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。