本文介绍根据EinScan-S软件，完结编码结构光办法的空间三维模型重建的具体操作。
上一篇文章# 侧影概括法三维建模：3DSOM中的完结具体介绍了根据3DSOM的侧影概括办法物体空间三维模型重建；接下来，本文咱们将在一款新的空间模型树立软件——EinScan-S中，完结一种新的空间三维模型重建办法——编码结构光办法。
需求留意的是，根据EinScan-S软件完结空间三维模型重建，能够分为前期的数据扫描作业与后期的上机建模作业；而本文直接根据扫描后所得数据，仅对上机建模作业加以具体介绍。
本文所用数据为某品牌清透防晒霜罐、西红柿以及曼妥思罐等三种实践物体的初始图画若干。因为所用的图画数据并不是我的，因而惋惜不能将这一数据一起供给给大家；可是根据本篇博客的思维与对操作步骤的具体解释，大家用自己手头的图片，能够将相关操作与剖析进程加以完好重现。
本文所用软件为EinScan-S series_v2.7.0.6软件、Microsoft照片2020软件。
1 相关原理
跟着高明晰度、高速图画传感器呈现，以及计算机运算才能提高，三维成像技能得到迅速发展[1]，已广泛运用于新型农业、三维外表修复、三维空间测量、人脸辨认、人机交互与航空航天等多范畴[2-5]。
在上一篇文章# 侧影概括法三维建模：3DSOM中的完结中说到，三维信息获取办法在具体触摸办法视点，可分为触摸式办法与非触摸式办法两种[2]。而由信息获取时所根据辐射原理，其亦可分为主动办法与被迫办法[3]；前者需求对方针物体进行能量辐射，后者则凭借物体图画，通过剖析物体对环境光的反射加以完结[1, 3]。在上述博客中的根据侧影概括办法物体空间三维模型重建即为一种被迫办法；这一建模办法具有快捷、原理易于了解与模型所模仿概括较为详尽等优势。而另一方面，侧影概括办法仅仅获取方针物体外表概括信息与纹路信息，对物体外表或许存在的内陷部分（如茶杯的内部、西红柿顶部与底部的凹槽等）建模效果则较为不抱负。
编码结构光办规律可处理这一问题。本文根据这一办法，根据若干方针物体投影图画，树立其三维模型。
1.1 编码结构光成像原理
完好的编码结构光体系由摄像机、投影仪与计算机体系组成[3]。在已知投影仪与摄像机方位的状况下，运用三角法原理即可获取物体方位信息。不考虑计算机体系，简化编码结构光体系如图1所示。
图1 简化编码结构光成像示意图
其间，L为摄像机方位，S为投影仪方位，H为投影仪至物体外表距离，ABCDEF为方针物体外表，BCDE方位为物体外表凸起，p为投影仪发出光线与物体交汇处，pL为投影仪通过物体后进入相机光线，pm与pn别离为两光线直线的延长线。
由数学联系可知：
其间，LS为体系已知参数，mn可根据光栅位移求解，H在投影成像时由设备主动求出；由此即可得出物体外表凸起厚度pm。针对物体外表的洼陷深度求解同理。
上述为简化后的编码光成像示意图，能够看到投影仪光线与物体外表为笔直状况。若将其进一步拓展至一般状况，根据相关文献[3]，得到结构光三维视觉模型如图2所示。
图2 结构光三维视觉模型
其间，左边摄像机与右侧投影仪别离具有一个对应坐标系，在某一空间物体外表点对应投影仪坐标与摄像机坐标均确认的状况下，即可求解得到这一点的空间坐标（世界坐标，World Coordinate）。上述进程在不同结构光三维体系中或许所运用具体公式不同，但其所根据原理均为三角化[1]。
此处值得一提的是，立体（双目）视觉与结构光三维成像体系光学模型与成像原理较为相似——前者对视差进行三角化，然后计算物体的深度；后者中投影仪光学模型与摄像机光学模型根本一致，仅在方向上具有差异[1]，即可视作将“双目”其间一只“目”更改为投影仪。
因而，为完结方针物体点位的空间坐标，需求将投影仪所产生光线图画与摄像机所得到投影图画相结合。这一进程即需求对投影仪投影图画加以编码——先将投影仪“编码”，再运用摄像机“解码”，然后将编码视作投影仪与摄像机之间信息沟通的“桥梁”。
1.2 编码结构光编码办法
根据不同视点，可将结构光投影图画所对应多种编码办法加以类别区别。根据文献[3]，由编码策略视点，将结构光的编码办法分为时刻编码、空间编码与直接编码。
图3 编码结构光编码办法
时刻编码办法根据时刻次序依次产生多种投影图画，并以像元为单位别离对其加以编号；其可进一步分为二值编码、n值编码、时刻编码与相移法结合，以及混合编码等四类。其间，二值编码还可持续分为一般二值码（以m个图画编码2m个条纹）与格雷码（削减一般二值码条纹边界数）；n值编码需树立一张码值表，码值与特定RGB色彩或灰度对应，是对二值编码的泛化；时刻编码与相移法结合可获得较高空间分辨率，且对像元编码精确；混合编码则可在投影图画数量较少时获得较高的精度。时刻编码办法全体完结进程简略，空间分辨率较高；但其履行进程中需投影多幅图画，故只适合于静态场景测量。
空间编码办法中各点码字由其周围挨近点像素值、形状等信息得到；其可进一步分为非正式编码、根据德布鲁因（de Bruijn）序列编码与根据M-阵列编码三类。其间，非正式编码根据各区域信息（如条纹距离信息）产生码字；根据德布鲁因序列编码凭借欧拉圈或哈密顿圈[6]，生成de Bruijn序列作为编码；根据M-阵列编码运用并圈剪接法、代数生成法等获得M-阵列，然后获取各点码值。空间编码办法只需一幅投影图画，适用于动态场景的三维信息获取；而其空间分辨率较之时刻编码办法较低，且在解码阶段，或许因为空间附近点信息丢掉而导致差错产生。
直接编码办规律对各像元别离加以编码；其可进一步分为灰度直接编码与五颜六色直接编码两类。其间，灰度直接编码根据图画中各像元像素值与其在均匀强度光照下像素值之比完结编码；五颜六色直接编码则运用彩虹图画编码模式对前者加以改进。直接编码办法需运用较多色彩或周期性以得到高分辨率投影图画；而其编码图画各像元间色差较小，对噪声敏感；且图画色彩易遭到测量外表色彩影响，其运用往往局限于中性色彩或灰、白色物体。
编码结构光不同编码办法从属联系如图3所示。
除上述内容外，结构光编码办法还有许多其他分类办法，如根据像元取值可分为二值编码、灰度编码与五颜六色编码；根据编码周期可分为周期编码与肯定编码等[3]。
1.3 编码结构光与侧影概括办法比较
通过学习、了解与查阅相关文献，能够感遭到编码结构光与侧影概括办法的异同。
在三维信息获取办法层面，编码结构光办法与侧影概括办法均归于非触摸式办法，即二者在履行时均无需直接与方针物体触摸，而是采纳运用必定仪器设备拍照物体图画的办法（或许其亦能够视作一种广义的遥感）获取信息；其间，前者因为需求本身投影仪作为光源，因而归于主动办法；后者因为直接运用方针物体的多视点图画，即直接运用成像时太阳光或其它外部光源等，因而归于被迫办法。
在模型树立办法原理层面，如前所述，编码结构光办法运用摄像机获取投影仪所发射出光线在方针物体外表的分布特征，并通过对不同的光线分布办法加以编码，由此树立物体方位、投影仪坐标与摄像机坐标之间的联系，进而运用三角化办法求解方针物体当时方位所处的空间坐标信息；如前所述，这一原理与双目视觉根本原理（即对视差进行三角化进而求解物体深度）较为近似[1]。而侧影概括办规律凭借可见外壳（Visual Hull）——即当以透视投影办法由多视角观察方针方针时，各视角对应画面均可得到一条该物体侧影概括线，此侧影概括线与对应透视投影中心共同确认三维空间中一个一般形状锥体，而所观察方针物体便位于这一立体锥体内部。不断由不同方向添加方针物体的观测视角数量，可使得各对应锥体外形不断逼近方针物体外表，然后对方针物体外形特征加以空间三维可视化。
在所获取物体信息层面，编码结构光办法根据所拍照图画，别离获取方针物体外形细节与纹路信息，其间外形细节包括物体外表的内陷部分等；外形细节通过光线在物体外表的曲折、形变等信息获取，纹路信息则直接由一般拍照办法所得图画中物体纹路获取。侧影概括办规律直接根据方针物体多视点图画，别离获取物体外表形状与纹路信息。因为侧影概括办法对物体外表形状的获取是根据不同多视点图画的方针区域边缘（即方针物体区域与背景等非方针区域交界处）加以完结，因而其难免会丢掉物体外表部分内陷区域信息。
在操作流程层面，编码结构光办法与侧影概括办法均需求“定标操作”；这是因为两种办法均需根据所拍照图画对方针物体方位加以确认。而侧影概括办法定标操作较为简略，仅需对拍照多视点图画所用相机加以定标，现在已有根据平面镜的相机内参标定办法、根据几许的成视点平面镜装置相机标定办法等。而关于编码结构光办法，除了需求对相机定标外，还需求对投影仪的亮度、几许等加以定标[1]。这是因为其编码往往与投影仪所辐射出光线的亮度、色彩或方位分布等具有联系。
1.4 编码结构光办法流程
进行编码结构光办法的履行，需求首要搭建一个完好的编码结构光体系，即由摄像机、投影仪与计算机体系三者所组成的全体。编码结构光体系的视觉模型示意图如图2所示。
搭建完结后，需求对体系进行标定，定标的成果直接决定三维体系的重建精度。其间，定标包括相机定标与投影仪定标，投影仪定标又可持续分为投影仪亮度定标与投影仪几许标定[1]。相机定标即树立传感器中点与空间中过光心的直线之间对应联系，如平板定标算法[7]；投影仪亮度定标将使得体系实践所得投影图画亮度与投影仪投影图画的亮度值满足线性联系，然后使得亮度值可被用来恢复该点在投影仪成像平面的坐标；投影仪几许标定用以确认方针物体外表某点空间方位与投影仪平面像素点的对应联系。
定标完结后，根据所挑选策略生成编码图画。如前所述，图画具有多种编码办法，如时刻编码、空间编码、直接编码等。图画编码后，将其导入投影仪中，并由投影仪将其投射至方针物体外表。一起，由摄像机拍照投影后的方针物体，通过解码办法获取原有编码图画在方针物体外表各方位的分布状况，然后获取能够反映方针物体外表特征的点云文件。以本文所用EinScan-S series_v2.7.0.6软件为例，能够看到其所得到的方针物体模型外表亦为由点云组成的实体，如图4所示。
图4 点云示意图
获取点云文件后，对其进行相关后处理操作，对所生成方针物体外表进行后续弥补、优化等，并终究显示建模成果。
编码结构光办法流程如图5所示。
图5 侧影概括办法流程
2 三维模型制造
2.1 防晒霜罐三维模型制造
本部分以某品牌清透防晒霜罐为例，展现运用EinScan-S软件，凭借编码结构光办法制造三维模型的具体流程。一起，对本文操作进程中呈现的问题、存在的缺乏以及值得留意的当地等讨论附于本文第三部分。
2.1.1 前期准备作业
如本文开头部分所述，咱们本次未触及EinScan-SE扫描头、转台、标定板等硬件设备与前期方针物体对应的拍照、扫描图片获取作业；可是要了解，在咱们开端本文的上机实践操作前，还需进行硬件安装、标定、白平衡测试（若挑选纹路扫描）、物体扫描（包括固定扫描与旋转扫描模式，本文需一起选中纹路扫描）、亮度调节与保存数据等线下实践操作。通过上述操作后，方可得到本文中咱们开端操作时所用的方针物体模型初始图画数据。
2.1.2 软件装备与数据导入
翻开EinScan-S软件，挑选“EinScan-SE”选项，单击“下一步”，随后能够看到软件左上角呈现“EinScan-SE”字样；若尝试挑选“EinScan-SP”选项，则界面将呈现灰色，如下图，且软件左上角呈现“EinScan-SP”字样。由此判别，这一软件全名应为“EinScan-S”，这以后“SE”与“SP”取决于用户挑选，而这一用户挑选则取决于所运用的扫描设备；本次咱们已知所运用的扫描设备为EinScan-SE，因而在此挑选“EinScan-SE”选项。
挑选“固定扫描”作业模式，单击“下一步”。在可获取设备的状况下，应挑选“新建工程”，然后开端扫描作业；而本文中，咱们直接运用扫描后的模型开端操作，因而挑选“翻开工程”，并挑选对应的方针物体文件。
2.1.3 手动拼接
通过上述操作，方针物体原始模型数据已导入EinScan-S软件中。
但由预览图能够看出，这一初始模型数据仍然具有必定问题——在防晒霜罐模型底部，其底层区域与附近的柱状区域在拼接时呈现了未彻底重合的过错，如下图所示。
因而，需求通过手动调整的办法对这一问题加以处理。在软件右侧菜单栏挑选“手动拼接”模块，在左边弹出的A、B视口中别离确认三个点，软件将根据三对点的方位主动将两部分拼接。
其间，需求留意的是，因为防晒霜罐体这一方针物体全体多呈现圆柱形，尤其是在需求拼接的两部分交界处为较为标准的圆形；因而需求凭借其外表的纹路特征对上方圆柱形罐体与下方原型底面盖子加以相对方位的确认，不然或许会呈现二者的方位偏离，即盖子与罐体产生相对旋转。这需求在确认三对拼接点时留意结合罐体文字、图画与底面盖子注塑口、脱模工艺槽等方位，然后确认出二者原始相对方位。
例如下图，即可运用罐体灰色长方形图画方位与罐体底部吹口（即红线区域内部，但可看到这一吹口或许因为部分方位未被图画拍照到导致呈现缺口）方位进行二者相对方位的确认。
确认三对拼接点后，若所得成果仍不满足，能够再次挑选右侧菜单栏“手动拼接”模块，从头选取拼接点。这里同样需求留意，若对某次拼接成果不满足而从头生成拼接点时，停留在软件视图中的物体为刚刚自己不满足的拼接成果所对应模型，若需求从头挑选拼接点，不能够再依照软件中现在存在的模型确认二者相对方位，往往需求将模型文件删去后从头解压对应压缩包以得到原始模型。这一问题亦在本文第三部分有所讨论。
屡次重复，直到得到满足成果。终究我所得到成果如下第一幅图所示；其间，能够看到底面盖子与罐体之间仍然具有必定空隙，如下第二幅图所示。但在空隙对侧，盖子并没有超越罐体范围，由下第三幅图亦可看出底部盖子与罐体衔接较好。因而，揣度这一空隙或许是因为图画拍照时部分视点未拍照到或拍照时光线较暗等导致的。
此外，在履行手动拼接这一进程时并不是一帆风顺，前后也屡次呈现很多问题。其间一些问题附于本文第三部分。
2.1.4 封装处理
由上述图片与剖析可知，此刻所得模型并不归于真正意义上的模型，而是由数以万计的点及其形成的细小面片所组成的实体，如下图所示即为模型所包括点数与面片数。
因而，需求对此刻所得模型外表加以封装处理，即将当时由点集合组成的模型外表转换为密闭的实体。
封装分为“关闭模型”与“非关闭模型”，其间前者会将模型外表均彻底密闭，后者则不会对原始模型外表未严密衔接的部分进行关闭。本文挑选“关闭模型”，并在随后弹出的窗口中挑选“高细节”以保留方针物体更多细节。挑选后软件即开端主动履行封装操作。
其间，第一次得到的封装成果中防晒霜罐底面盖子呈现方位过错，其与圆柱形罐壁的侧面相衔接，如下图所示；而封装前的手动拼接成果应该是没有问题的。因而猜想，这一问题或许是因为个人操作或软件运转问题导致封装时未运用正确拼接成果导致的。
再次履行封装操作，得到正确成果，别离如以下两图所示。
在封装完毕弹出的窗口中，能够挑选是否需求对所得模型外表加以简化。顾名思义，简化即为对当时所得方针物体模型细节加以舍取，丢弃部分细节信息，削减模型所具有的三角面片数量；简化后的文件巨细将随之降低。在这里，考虑到数据质量与巨细、电脑空间等，此处将简化份额挑选为100，即简化后模型信息为原有模型信息的100%，亦即不进行任何简化。因而，能够看到对应数据文件的巨细将不产生任何改变。简化与不简化的效果比照附于本文第三部分。
此处选中“纹路展开优化”与“锐化”选项。其间，“纹路展开优化”适用于后续操作有望持续对纹路加以修改的场合；“锐化”又称为“高通滤波”，其可增强图画高频重量，增强图画概括，使得图画更为明晰，一起亦会部分添加图画噪声；“滑润”则与之相反：其过滤高频重量，降低图画噪声，一起会使得图画较为含糊。
在这里，考虑到防晒霜罐外表原有纹路较为详尽，为使得终究模型包括有更多细节信息，因而挑选“锐化”；滑润与锐化处理的效果比照附于本文第三部分。
2.1.5 模型定性描绘
通过前述步骤，即可开端数据后处理操作。同前述操作一致，后处理操作进程中可对模型加以移动、旋转等改变操作，如下首图。
得到终究成果后，对模型成果加以检查，检查是否呈现残缺、纹路丢掉等状况。模型成果如下后三幅图所示。
外形方面，能够看到所树立防晒霜罐模型与实践照片中物体外形非常挨近。其下部分呈现出较为标准的圆柱状，而圆柱上方喷嘴处粗细改变显着可见；其上部具有较为显着的条纹特征，喷嘴口处洼陷区域显着（如下图）；底部凹槽显着，注塑口等特征突出；顶部曲折显着，且此处具有部分黑色区域，结合所用初始数据材料中防晒霜罐图画看，或许为拍照时视点较低导致；扩大观看，能够看到罐体侧壁所具有的粗糙洼陷。
外表纹路特征方面，能够看到防晒霜罐外表字体较大部分均可辨认，如罐体正面的红色品牌标志与中、英文产品阐明，以及罐体背面的生产日期等均可辨认；而罐体较小字体，如“清透防晒霜”下部英文单词、罐体背面下侧英文与数字注释等，需结合产品特质、相关英文知识等才可辨认；而“清透防晒霜”左边灰色纹路图画（如下图），以及罐体背面中部英文阐明等辨识程度相对更低。
另一方面，能够看到罐体与罐底交界处具有多处显着黑色部分，因而具有一种“焊接”效果。针对这一问题，检查本文所用原始数据中防晒霜罐初始拍照图片，发现图片中并不存在这一黑色区域；而在本文所用文件贴图（result.jpg文件）中同样发现了这一问题。因而，个人认为这一问题或许是软件对纹路进行贴图时导致。
2.1.6 模型定量描绘
与本文开头所提及的那篇博客凭借3D S.O.M.软件尺子东西对所生成模型尺度加以定量描绘不同，本文所用EinScan-S软件将定量描绘模块放置于“保存”阶段。
完结上述操作，在对模型亮度与比照度加以进一步适当调整后，挑选“保存数据”功用；装备好文件名与路径等信息后，即可看到模型所对应长、宽、高尺度数据。
如下所示，本次所制造防晒霜罐空间三维模型长度（由罐体正面至罐体背面）为41.91mm，宽度（由罐体左边至罐体右侧）为35.93mm，高度（由罐体顶部至罐体底部）为101.74mm（此处长、宽、高三者与软件所给三个尺度数值的匹配办法根据后期曼妥思罐这一长、宽、高数值清楚的物体模型尺度得到）。
完结尺度读取后，即可挑选缩放份额并保存缩放。本文不设置缩放，将缩放份额设置为100。
2.2 西红柿与曼妥思罐三维模型制造
完结上述晒霜罐这一方针物体的空间三维模型树立后，为进一步展现空间三维模型可观的树立成果，咱们再对西红柿、曼妥思罐等两个方针物体进行空间三维模型树立。一起，对本部分操作进程中呈现的问题、存在的缺乏等讨论附于本文第三部分。
2.2.1 西红柿三维模型制造
根据前述同样办法，树立西红柿的三维模型。
其间，程序运转进程中呈现如下图所示过错；随后发现，点击确认后软件将持续运转，并无影响。
得到成果如下所示。
其间，能够显着看到西红柿模型在上下两部分具有“断层”般过错。个人认为这一问题更多应是来自手动拼接进程。因而不断调整上下两部分的拼接办法，争夺获得较为适宜的成果。其间，亦尝试了“非关闭模型”这一封装办法，如下所示。
终究得到成果如下所示。
能够看到，此刻西红柿的建模成果在外形上较之前者有了显着提高，但其两部分对应色彩仍然具有较大距离。进一步结合本文所用西红柿初始图画与贴图图画（如下图）剖析，或许是因为拍照图画全体视点偏低，仅得到西红柿中心部分与顶部信息，而短少二者相触摸方位信息，导致西红柿三维模型中部与顶部衔接呈现问题，造成这一现象。
2.2.2 曼妥思罐三维模型制造
根据前述同样办法，树立曼妥思罐的三维模型。
得到成果如下。
3 操作问题与思考
前述操作部分已罗列部分实验进程中自己的思考与了解，本部分则对前述未提及的问题加以讨论。
3.1 圆形模型拼接时相对旋转问题
在对防晒霜罐进行手动拼接时留意到，因为其底部与罐体别离为圆形与圆柱形，二者相触摸方位为圆形；因而其或许会产生相对方位移动。如下所示，原始模型（即根据结构光与所拍照图画生成的模型）中底部盖子尽管与罐体具有不重合问题，但在修正这一问题时需求确保盖子与罐体不产生转向，即底部盖子在手动拼接时只平移，不旋转。若不留意这一点，即便盖子也会和罐体完美匹配，可是因为其产生相对旋转，与原始方针物体之间具有差别，因而严格来说这样的模型也是过错的。
为完结这一方针，不断对模型加以手动拼接；若拼接效果不抱负，则需求将其舍弃并从头定位三对拼接点；直至获取一个二者严密拼接且未产生显着相对旋转的模型。
3.2 是否简化问题
在封装完毕后能够挑选是否对模型加以简化。为探求简化或许带来的影响，别离对防晒霜罐模型加以无简化处理与50%简化处理，得到成果别离如下左边图与右侧图所示。
暂不讨论两个模型亮度差异（亮度不同是因为自己所设置亮度数值不同），而由模型外表粗糙程度来看，扩大后可显着看到右图所具有的粗糙纹路信息少于左图，即右侧模型外表相对更加润滑。由此能够看到，挑选对模型加以简化后，软件会主动舍弃一些细节纹路然后完结数据的精简。挑选更多细节特征仍是更精简的数据，需求根据实践建模方针加以考虑。
3.3 滑润与锐化问题
在封装完毕后能够挑选是否对模型加以滑润和锐化。为探求二者或许带来的影响，别离对防晒霜罐模型加以锐化与滑润处理。其间值得一提的是，两次所树立模型对应尺度具有必定纤细差异，如下所示。
其间，左边为锐化后模型，右侧为滑润后模型。上述二者所具有的尺度差异或许能够表明三维空间模型的树立具有必定不确认性，或是是由滑润进程中物体模型外表的细小形变导致的。
两种办法得到防晒霜罐空间三维模型比照如下图所示。其间，左边为滑润处理后模型，右侧为锐化处理后模型。由二者比照能够发现，滑润与锐化处理似乎对防晒霜罐这一模型的终究效果影响并不是很大，即二者之间的距离确实难以观察。
3.4 软件操作吊销问题
通过本文中EinScan-S软件的运用，结合上述博客中对3D S.O.M.软件的运用，能够感遭到二者具有必定不同。其间，后者或许更多已成为一款通用的侧影概括三维模型重建软件，相关功用较之前者较为完善；而前者或许更多是为适配EinScan-SE这款扫描硬件设备而开发的辅助软件，完结由拍照至建模一系列连续的进程，因而部分功用相对简略。
以吊销操作为例：在本文开端前对EinScan-S软件加以熟悉进程中，无意删去了模型部分区域，如下所示。
随后发现，在软件中并未找到能够吊销这一步操作的模块或功用；进一步尝试将软件退出并从头进入，导入这一工程后发现其仍然具有此处残缺——由此或许能够看出，此软件中针对模型的每一步操作在履行后往往将直接效果于数据文件，且无吊销办法（其间手动拼接操作可通过再次拼接然后覆盖原有拼接成果，但每次拼接成果将原始模型覆盖后亦无法吊销）。为此，需求提前准备原始数据的备份。
3.5 多个模型比照问题
在进行所得空间三维模型简化与否、锐化与滑润等不同操作效果比照进程中发现，EinScan-S软件在同一计算机中只能一起运转一个程序，即仅能翻开一个工程。通过尝试，发现能够运用软件安装后得到的“File Preview Tool”模块加以完结。
如上图所示，能够先将第一个制造好的空间三维模型导入“File Preview Tool”模块，并在EinScan-S软件制造第二个模型。随后，别离运用二者视窗，即可方便完结不同模型的比照。
PS：运用EinScan-S软件供给的三维数据同享网站，咱们能够了解到许多复杂的空间三维模型，然后再一次看到三维模型在咱们生活各范畴所发挥的效果与价值。
参考文献
[1] 李托拓, 胡锋, 耿征. 根据结构光的三维成像技能[J]. 网络新媒体技能, 2012,1(01):22-33.
[2] 张建, 李宗南, 张楠, 等. 根据实测数据的作物三维信息获取与重建办法研讨进展[J]. 华中农业大学学报, 2013,32(04):126-134.
[3] 陈彦军, 左旺孟, 王宽全, 等. 结构光编码办法综述[J]. 小型微型计算机体系, 2010,31(09):1856-1863.
[4] 任卿, 刁常宇, 鲁东明, 等. 根据结构光的文物三维重建[J]. 敦煌研讨, 2005(05):107-111.
[5] 贾小军, 陈宝明, 喻擎苍. 一种符号阵列编码结构光三维检测办法[J]. 光学技能, 2009,35(01):28-32.
[6] 梁东魁. 根据编码结构光的物体外表点云获取算法[J]. 计算机工程与设计, 2010,31(12):2905-2908.
[7] Zhang Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000,22; 22(11; 11):1330-1334.
