CN109978955A - 一种联合激光点云与图像的高效标注方法 - Google Patents
一种联合激光点云与图像的高效标注方法 Download PDFInfo
- Publication number
- CN109978955A CN109978955A CN201910182583.7A CN201910182583A CN109978955A CN 109978955 A CN109978955 A CN 109978955A CN 201910182583 A CN201910182583 A CN 201910182583A CN 109978955 A CN109978955 A CN 109978955A
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- laser point
- coordinate system
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Abstract
本发明提出了一种联合激光点云与图像的高效标注方法,通过平面棋盘格目标图像数据与激光点云数据进行初始外参自动化标定,通过自动分割算法实现预标注,结合少量人工干预检校对图像标注信息进一步精化,通过反投影的方式确定图像标注对象对应的三维激光点云,再通过重分割聚类和生长的方式获取待标注目标准确的三维点云,最后通过精确匹配的三维点云与图像标定对象进行外参的进一步优化;本发明的联合激光点云与图像的高效标注方法无需大量人工干预,降低了激光点云标注的难度,提高了标注效率,同时具有较高的标注精准度。不仅能够得到激光点云逐点的类别信息,还能获得图像与激光点云对象级联合标注信息等新型标注数据。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种联合激光点云与图像的高效标注方法。
背景技术
在无人驾驶技术领域,传感器融合,尤其是低级融合成为了无人驾驶技术中行之有效的技术方案之一,通过识别与估计周围环境中车辆、车道线、行人、交通标识等关键要素的语义和几何信息,来辅助无人驾驶车辆对环境进行感知并规划行驶路线,目前主流的方法是使用激光雷达和摄像头对环境进行感知,激光雷达可以得到被观测环境准确的几何信息,摄像头则可以获得具有丰富纹理和颜色信息的图像,通过两者的融合能够获得较准确的环境信息。
该技术在实际应用中需要依赖于深度学习网络,然而训练基于低级融合数据的深度学习网络模型需要海量的进行了时间和空间对齐并且联合标注的激光点云与图像数据集,这样的数据集目前还未形成,因此研究新的有效的工具进行激光点云与图像数据集的联合标注具有重大的意义。
发明内容
有鉴于此,本发明提出了一种人工干预量小,标注精度高的联合激光点云与图像的高效标注方法。
本发明的技术方案是这样实现的:本发明提供了一种联合激光点云与图像的高效标注方法,包括如下步骤:
S1、采集时间同步的三维激光点云数据和二维图像数据,利用平面棋盘格目标的自动化图像与激光点云数据进行初始外参自动化标定,并建立激光点云坐标系与图像坐标系的变换关系;
S2、对待标定图像进行自动目标识别实现预分割标注,通过人工检校的方式,修正误分割的标注,并对欠分割的物体进行补充标注,生成精确的图像标注框;
S3、将精确的图像标注框通过变换关系反投影到三维空间中,获得图像标注框对应的三维激光点云;
S4、对图像标注框对应的三维激光点云进行重分割聚类,对每个分割得到的子对象进行随机均匀采样生成种子点,利用基于图距离的搜索策略,对种子点进行生长,形成完整的点云对象,补偿变换关系不准确的误差;
S5、建立精确的图像标注框与激光点云对象的对应关系,取对象各自的中心点形成一系列的同名点对集,以初始化外参为初始值,最小化正投影误差,对变换关系进行精化;
所述图像标注框包括矩形标注框和多边形标注框。
在以上技术方案的基础上,优选的,步骤S1中初始外参自动化标定的方法包括:从三维激光点云中提取出标定板的平面模型及其对应的内点 {qi=(xi,yi,zi),i=1..m},根据最小变元函数求解图像坐标系相对激光坐标系的旋转矩阵R(α,β,γ),以及图像坐标系相对于激光坐标系的平移矩阵T(x,y,z),其中pi对应着棋盘格角点的图像坐标系坐标集,qi,j对应着激光坐标系中平面标定板平面模型中的内点坐标集,ni′对应着标定板图像坐标系下的法向量。
在以上技术方案的基础上,优选的,所述初始外参自动化标定的方法还包括:根据方程R*=(M·N′)·(N·N′)-1的SVD分解获取旋转矩阵的初始值,式中R*是图像坐标系相对激光坐标系的旋转矩阵,N矩阵是棋盘格在图像坐标系中的法向量在不同观测角度上的法向量排列形成的矩阵,M矩阵是棋盘格在激光点云坐标系下的法向量在不同观测角度上的法向量排列形成的矩阵,以初始旋转矩阵带代入优化最小变元函数,优化旋转矩阵及平移矩阵,直至最小变元函数收敛。
在以上技术方案的基础上,优选的,所述激光点云坐标系与图像坐标系的变换关系的方程包括:
正投影方程:
反投影方程:
式中(u,v)为所提取的棋盘格的角点在像平面坐标系的坐标,(x,y,z)为位于棋盘格上的激光点云在激光点云坐标系中的三维空间坐标,为激光点云坐标系向图像坐标的变换矩阵,Rc2l和Tc2l是图像坐标系向激光点云坐标系的变换矩阵,cx和cy分别是相机内参校正模型中的主点在像平面上水平x轴与垂直y轴的位置,单位是像素,fx和fy分别是相机在x方向和y方向上的焦距, (X,Y,Z)是激光点云坐标系中的坐标。
更进一步优选的,所述步骤S2中,生成精确的图像标注框的方法包括:
S21、利用图像预分割分类方法对二维图像进行预分割分类,获取图像中给定类别的BBOX或基于像素的分类信息;
S22、通过人工检校的方式,对标注错误的或者标注不准确的预分割结果以及欠分割的图像进行人工标注;
S23、得到有图像标注框的二维图像。
在以上技术方案的基础上,优选的,所述步骤S3中图像标注框对应的三维激光点云的方法包括:
S31、获取二维图像中的图像标注框以及图像标注框的顶点坐标,通过变换关系将二维图像中的顶点坐标变换到三维坐标系中形成射线,多个顶点对应的射线形成棱锥;
S32、判断三维空间中的点是否在多棱锥体内,将空间中的点分为棱锥内的点和棱锥外的点,棱锥内的点组成的点集空间与标定框的图像对象构成三维映射关系。
在以上技术方案的基础上,优选的,所述步骤S4中三维激光点云进行重分割聚类的具体方法包括:
S41、根据三维映射计算三维空间中的点集空间对应二维平面中的反投影点集,通过对反投影点集进行给定聚类类别数的基于图距离度量的包括但不限于K 均值聚类;
S42、在每个聚类块上进行随机的种子点生成,对每个种子点进行基于图距离的生长;
S43、通过人工干预的方式对生长过程的参数进行调节,使种子点生长至完整的反投影点集。
在以上技术方案的基础上,优选地,所述步骤S5中变换关系进行精化的方法还包括:
S51、通过提取多个激光点云对象的几何中心点以及对应图像标注框的中心点,获得一系列精准的同名点对;
S52、通过同名点对对外参矩阵进行优化,以初始外参矩阵为初始值对外参矩阵进行微调,实现外参精化。
在以上技术方案的基础上,优选的,所述图像标注框的中心点集为 {Pc}={(ui,vi,di),i∈O},所述激光点云对象的几何中心点集为{Pl}={(xi,yi,zi),i∈O},所述外参矩阵方程为
在以上技术方案的基础上,优选的,以初始外参矩阵R(α,β,γ)与T(x,y,z)为初始值,通过非线性最优求解方法对外参矩阵方程进行求解,得到修正后的外参。
本发明的一种联合激光点云与图像的高效标注方法相对于现有技术具有以下有益效果:
(1)本发明联合图像与激光点云进行标注,实现图像与激光点云的同步高精度标注,大大降低了人工对激光点云理解的难度;
(2)本发明能够自适应搜索平面标定板,实现无人工干预的图像与激光点云的自动标定,降低人工标定的工作量;
(3)本发明实现激光点云与图像同名点的正反向投影,利用图像向激光点云反投影,实现图像辅助点云标注,通过反投影点云自己的重聚类以及再生长,补偿粗标定精度不够造成的点云标注误差,实现高精度的点云标注效果;
(4)本发明通过激光点云与图像对应目标的精确再确定,对初始外参进行精细微调,实现标定自学习,通过利用已有数据与模型,对图像进行预标注,同时结合标定关系,可以实现点云预标注,解决了远距离标定难的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种联合激光点云与图像的高效标注方法的流程图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,本发明的一种联合激光点云与图像的高效标注方法,其包括如下步骤:
S1、采集时间同步的三维激光点云数据和二维图像数据,利用平面棋盘格图像目标的自动化提取与激光点云数据进行初始外参自动化标定,并建立激光点云坐标系与图像坐标系的变换关系;
S2、对待标注图像进行自动目标识别实现预分割标注,通过人工检校的方式,修正误分割的标注,并对欠分割的物体进行补充标注,生成精确的图像标注框;
S3、将精确的图像标注框通过变换关系反投影到三维空间中,获得图像标注框对应的三维激光点云;
S4、对图像标注框对应的三维激光点云进行重分割聚类,对每个分割得到的子对象进行随机均匀采样生成种子点,利用基于图距离的搜索策略,对种子点进行生长,形成完整的点云对象,补偿变换关系不准确的误差;
S5、建立精确的图像标注框与激光点云对象的对应关系,取对象各自的中心点形成一系列的同名点对集,以初始化外参为初始值,最小化正投影误差,对变换关系进行精化;
所述图像标注框包括矩形标注框和多边形标注框。
在具体实施方式中,激光点云与图像坐标系的外参对应着激光点云坐标系与图像坐标系之间坐标的转换关系,通过寻找激光坐标系与图像坐标系中的同名点或者同名对象之间的对应关系,通过最小化正投影残差,可以求解外参的初始值,求解方程包括正投影方程和反投影方程。
所述正投影方程可以实现激光点云坐标系中三维坐标向二维图像坐标的转换,其表达式为:
所述反投影方程可以实现二维图像坐标系向三维激光点云坐标系的转换,其表达式为:
以上实施方式中,(u,v)为所提取的棋盘格的角点在像平面坐标系的坐标, (x,y,z)为位于棋盘格上的激光点云在激光点云坐标系中的三维空间坐标,为激光点云坐标系向图像坐标的变换矩阵,Rc2l和Tc2l是图像坐标系向激光点云坐标系的变换矩阵,cx和cy分别是相机内参校正模型中的主点在像平面上水平x轴与垂直y轴的位置,单位是像素,fx和fy分别是相机在x方向和y方向上的焦距,(X,Y,Z)是激光点云坐标系中的坐标。
在具体实施方式中,可以利用基于棋盘格标定板的图像坐标系与激光坐标系进行参数标定,包括但不限于使用张正友方法对摄有棋盘格目标的影像进行相机参数的标定,获取相机的诸如焦距、主点以及畸变参数等关键参数,在参数标定过程中提取棋盘格标定板的角点的坐标{(ui,vi),i=1..n},根据反投影方程中内参矩阵计算角点坐标在图像坐标系中的三维坐标{pi=(xi,yi,zi),i=1..n}。
在激光点云中利用包含但不限于RANSAC方法提取平面多模型,根据提取出的有界平面的大小和法向的信息,结合已有的先验信息,对诸如地面或远方建筑等较大的平面或者平面法矢接近垂直的平面进行筛除,最终获得平面标定板的平面模型以及对应的内点{qi=(xi,yi,zi),i=1..m};
为最小变元函数,其中R(α,β,γ)是图像坐标系相对于激光坐标系的旋转矩阵,T(α,β,γ)是图像坐标系相对于激光坐标系的平移矩阵,pi对应着棋盘格角点的图像坐标系坐标集,qi,j对应着激光坐标系中平面标定板平面模型中的内点坐标集,ni′对应着标定板图像坐标系下的法向量;
R*=(M·N′)·(N·N′)-1为图像坐标系相对激光坐标系的旋转矩阵,先通过旋转矩阵的SVD分解的方法获取旋转矩阵的初始值;N矩阵是棋盘格在图像坐标系中的法向量在不同观测角度上的法向量排列形成的矩阵,M矩阵是棋盘格在激光点云坐标系下的法向量在不同观测下的法向量排列形成的矩阵,通过SVD分解的方法可以得到旋转矩阵的初始解。
在获得初始解的情况下,利用包括但不限于诸如NLOPT等非线性优化方法可以以获得的旋转矩阵为初始矩阵,同步优化旋转矩阵以及平移矩阵,直至收敛。
在具体实施方式中,利用已有的神经网络模型,对待标注影像进行预分割,控制输出需要的类别,对预分类的结果进行人工检校,对标注错误的或者标注不准确的预分割结果以及欠分割的图像进行人工标注。
在已知初始外参的前提下,通过反投影方程实现二维边界框向三维点云空间的投射,图像上的二维平面坐标反投影到点云空间中会成为一条射线,因此多个点对应的射线形成棱锥,棱锥的顶点与原点的平移反映了相机与激光点云的视差;标定框外接的圆和棱锥的顶点组成一圆锥体,判定给定点是否在圆锥内。
在上述实施方式中,给定点与棱锥的顶点连接形成直线1、外接圆的圆心与棱锥顶点组成直线2,通过比较直线1和直线2之间的夹角与圆锥锥角的一半的大小关系,判断给定点是否在圆锥内。
在具体实施方式中,基于图距离的重聚类和再生长的过程包括,对反投影激光点云集在无向图上进行聚类算法,包括但不限于K均值聚类,对不同的子类进行随机选取种子点,以种子点为基础进行生长,通过人工干预的方式对生长过程的参数进行调节,使种子点生长至完整的反投影点集,生长原则如下式:
hij=αp||pi-pj||+αi||ii-ij||
||pa-pj||<Ωmax/αP
式中,hij指点云中相邻点之间的边距,边距的值考虑了点之间的位置相邻关系以及激光点反射率。通过控制控制点重要性因子αp以及最大生长距离Ωmax,控制同类别点云集的生长。
人工选择真正对应的图像框的激光点云目标的类别如果有不止一个点云集对应着同一个目标,则被标注为统一类别对象的点云集自动合并,不属于该正确对象的点云集被丢弃。
在具体实施方式中,获得了精细化的点云与图像的对应目标后,通过统计点云图像对的中心点的坐标,生成一组具有相同对象的对应点关系,其中图像坐标系下得到一系列点集{Pc}={(ui,vi,di),i∈O},与之对应的激光点云目标的中心点构成了一系列点集{Pl}={(xi,yi,zi),i∈O},通过最小化正投影残差,进一步优化外参数矩阵;
以初始外参矩阵R(α,β,γ)和T(x,y,z)为初始值,通过诸如NLOPT方法优化外参矩阵方程可以得到修正之后的外参。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种联合激光点云与图像的高效标注方法,其特征在于,包括如下步骤:
S1、采集时间同步的三维激光点云数据和二维图像数据,利用平面棋盘格目标图像数据与激光点云数据进行初始外参自动化标定,并建立激光点云坐标系与图像坐标系的变换关系;
S2、对待标注图像进行自动目标识别实现预分割标注,通过人工检校的方式,修正误分割的标注,并对欠分割的物体进行补充标注,生成精确的图像标注框;
S3、将精确的图像标注框通过变换关系反投影到三维空间中,获得图像标注框对应的三维激光点云;
S4、对图像标注框对应的三维激光点云进行重分割聚类,对每个分割得到的子对象进行随机均匀采样生成种子点,利用基于图距离的搜索策略,对种子点进行生长,形成完整的点云对象,补偿变换关系不准确的误差;
S5、建立精确的图像标注框与激光点云对象的对应关系,取对象各自的中心点形成一系列的同名点对集,以初始化外参为初始值,最小化正投影误差,对变换关系进行精化;
所述图像标注框包括标注矩形框和多边形对象框。
2.如权利要求1所述的一种联合激光点云与图像的高效标注方法,其特征在于,步骤S1中初始外参自动化标定的方法包括:从三维激光点云中提取出标定板的平面模型及其对应的内点{qi=(xi,yi,zi),i=1..m},根据最小变元函数求解图像坐标系相对激光坐标系的旋转矩阵R(α,β,γ),以及图像坐标系相对于激光坐标系的平移矩阵T(x,y,z),其中pi对应着棋盘格角点的图像坐标系坐标集,qi,j对应着激光坐标系中平面标定板平面模型中的内点坐标集,ni′对应着标定板图像坐标系下的法向量。
3.如权利要求2所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述初始外参自动化标定的方法还包括:根据方程R*=(M·N′)·(N·N′)-1的SVD分解获取旋转矩阵的初始值,式中R*是图像坐标系相对激光坐标系的旋转矩阵,N矩阵是棋盘格在图像坐标系中的法向量在不同观测角度上的法向量排列形成的矩阵,M矩阵是棋盘格在激光点云坐标系下的法向量在不同观测角度上的法向量排列形成的矩阵,以初始旋转矩阵带代入优化最小变元函数,优化旋转矩阵及平移矩阵,直至最小变元函数收敛。
4.如权利要求2所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述激光点云坐标系与图像坐标系的变换关系的方程包括:
正投影方程:
反投影方程:
方程中,为激光点云坐标系向图像坐标的变换矩阵,Rc2l和Tc2l是图像坐标系向激光点云坐标系的变换矩阵,cx和cy分别是相机内参校正模型中的主点在像平面上水平x轴与垂直y轴的位置,单位是像素,fx和fy分别是相机在x方向和y方向上的焦距,(X,Y,Z)是激光点云坐标系中的坐标,(x,y,z) 为相机坐标系中坐标,(u,v)为像平面坐标系中坐标。
5.如权利要求2所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述步骤S2中,生成精确的图像标注框的方法包括:
S21、利用图像预分割分类方法对二维图像进行预分割分类,获取图像中给定类别的BBOX或基于像素的分类信息;
S22、通过人工检校的方式,对标定错误的或者标定不准确的预分割结果以及欠分割的图像进行人工标注;
S23、得到有图像标注框的二维图像。
6.如权利要求2所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述步骤S3中图像标注框对应的三维激光点云的方法包括:
S31、获取二维图像中的图像标注框以及图像标注框的顶点坐标,通过变换关系将二维图像中的顶点坐标变换到三维坐标系中形成射线,多个顶点对应的射线形成棱锥;
S32、判断三维空间中的点是否在多棱锥体内,将空间中的点分为棱锥内的点和棱锥外的点,棱锥内的点组成的点集空间与标注框的图像对象构成三维映射关系。
7.如权利要求2所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述步骤S4中三维激光点云进行重分割聚类的具体方法包括:
S41、根据三维映射计算三维空间中的点集空间对应二维平面中的反投影点集,通过对反投影点集进行给定聚类类别数的基于图距离度量的包括但不限于K均值聚类;
S42、在每个聚类块上进行按密度分布的随机种子点生成,对每个种子点进行基于图距离的生长;
S43、通过人工干预的方式对生长过程的参数进行调节,使种子点生长至完整的反投影点集。
8.如权利要求2所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述步骤S5中变换关系进行精化的方法还包括:
S51、通过提取多个激光点云对象的几何中心点以及对应图像标注框图像的中心点,获得一系列精准的同名点对;
S52、通过同名点对对外参矩阵进行优化,以初始外参矩阵为初始值对外参矩阵进行微调,实现外参精化。
9.如权利要求8所述的一种联合激光点云与图像的高效标注方法,其特征在于,所述图像标注框图像的中心点集为{Pc}={(ui,vi,di),i∈O},所述激光点云对象的几何中心点集为{Pl}={(xi,yi,zi),i∈O},所述外参矩阵方程为
10.如权利要求9所述的一种联合激光点云与图像的高效标注方法,其特征在于,还包括,以初始外参矩阵R(α,β,γ)与T(x,y,z)为初始值,通过非线性最优求解方法对外参矩阵方程进行求解,得到修正后的外参。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910182583.7A CN109978955B (zh) | 2019-03-11 | 2019-03-11 | 一种联合激光点云与图像的高效标注方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910182583.7A CN109978955B (zh) | 2019-03-11 | 2019-03-11 | 一种联合激光点云与图像的高效标注方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109978955A true CN109978955A (zh) | 2019-07-05 |
CN109978955B CN109978955B (zh) | 2021-03-19 |
Family
ID=67078402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910182583.7A Active CN109978955B (zh) | 2019-03-11 | 2019-03-11 | 一种联合激光点云与图像的高效标注方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978955B (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490940A (zh) * | 2019-08-15 | 2019-11-22 | 北京迈格威科技有限公司 | 基于棋盘格单幅图像的相机标定方法和装置 |
CN110598743A (zh) * | 2019-08-12 | 2019-12-20 | 北京三快在线科技有限公司 | 一种目标对象的标注方法和装置 |
CN110659370A (zh) * | 2019-08-12 | 2020-01-07 | 深圳市华付信息技术有限公司 | 一种高效数据标注方法 |
CN110929669A (zh) * | 2019-11-29 | 2020-03-27 | 北京百度网讯科技有限公司 | 数据标注方法及装置 |
CN111046743A (zh) * | 2019-11-21 | 2020-04-21 | 新奇点企业管理集团有限公司 | 一种障碍物信息标注方法、装置、电子设备和存储介质 |
CN111223107A (zh) * | 2019-12-31 | 2020-06-02 | 武汉中海庭数据技术有限公司 | 基于点云深度学习的点云数据集制作系统及方法 |
CN111310667A (zh) * | 2020-02-18 | 2020-06-19 | 北京小马慧行科技有限公司 | 确定标注是否准确的方法、装置、存储介质与处理器 |
CN111640158A (zh) * | 2020-06-11 | 2020-09-08 | 武汉斌果科技有限公司 | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 |
CN111666137A (zh) * | 2020-04-26 | 2020-09-15 | 广州文远知行科技有限公司 | 数据标注方法、装置、计算机设备和存储介质 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN111709988A (zh) * | 2020-04-28 | 2020-09-25 | 上海高仙自动化科技发展有限公司 | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 |
CN111931727A (zh) * | 2020-09-23 | 2020-11-13 | 深圳市商汤科技有限公司 | 点云数据标注方法、装置、电子设备和存储介质 |
CN112037120A (zh) * | 2020-07-31 | 2020-12-04 | 上海图森未来人工智能科技有限公司 | 3d点云数据中道路平面要素的标注方法和装置、存储介质 |
CN112200875A (zh) * | 2020-12-02 | 2021-01-08 | 武汉光谷信息技术股份有限公司 | 非量测相机交叉耦合误差补偿与影像匹配纠正方法及系统 |
CN112221132A (zh) * | 2020-10-14 | 2021-01-15 | 王军力 | 一种三维围棋应用于网络游戏的方法及系统 |
WO2021017725A1 (zh) * | 2019-08-01 | 2021-02-04 | 北京迈格威科技有限公司 | 产品缺陷的检测方法、装置及系统 |
CN112396630A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博(北京)科技有限公司 | 目标对象状态的确定方法、装置、存储介质及电子装置 |
CN112419233A (zh) * | 2020-10-20 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种数据标注方法、装置、设备以及计算机可读存储介质 |
CN112509057A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 相机外参标定方法、装置、电子设备以及计算机可读介质 |
CN112669373A (zh) * | 2020-12-24 | 2021-04-16 | 北京亮道智能汽车技术有限公司 | 一种自动化标注方法、装置、电子设备及存储介质 |
CN112767458A (zh) * | 2020-11-13 | 2021-05-07 | 武汉中海庭数据技术有限公司 | 激光点云与图像的配准的方法及系统 |
CN112907601A (zh) * | 2021-03-30 | 2021-06-04 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN112950785A (zh) * | 2019-12-11 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 点云标注方法、装置及系统 |
CN112991455A (zh) * | 2021-02-01 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN113034621A (zh) * | 2021-05-24 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 联合标定方法、装置、设备、车辆及存储介质 |
CN113124771A (zh) * | 2020-01-15 | 2021-07-16 | 西克Ivp股份公司 | 具有校准目标对象的成像系统 |
CN113160349A (zh) * | 2020-01-07 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 点云标注方法、装置、存储介质及电子设备 |
CN113160324A (zh) * | 2021-03-31 | 2021-07-23 | 北京京东乾石科技有限公司 | 包围框生成方法、装置、电子设备和计算机可读介质 |
CN113222070A (zh) * | 2021-06-03 | 2021-08-06 | 中国科学院软件研究所 | 一种仿真图像数据自动标注方法及系统 |
CN113378606A (zh) * | 2020-03-10 | 2021-09-10 | 杭州海康威视数字技术股份有限公司 | 一种标注信息确定方法、装置及系统 |
CN113449632A (zh) * | 2021-06-28 | 2021-09-28 | 重庆长安汽车股份有限公司 | 一种基于融合感知的视觉与雷达感知算法优化方法、系统及汽车 |
CN114495038A (zh) * | 2022-01-12 | 2022-05-13 | 九识(苏州)智能科技有限公司 | 一种自动驾驶检测标注数据的后处理方法 |
CN114581739A (zh) * | 2022-04-15 | 2022-06-03 | 长沙公信诚丰信息技术服务有限公司 | 一种基于特征识别的点云标注方法、装置及电子设备 |
CN114792343A (zh) * | 2022-06-21 | 2022-07-26 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像获取设备的标定方法、获取图像数据的方法、装置 |
CN114792417A (zh) * | 2022-02-24 | 2022-07-26 | 广州文远知行科技有限公司 | 模型训练方法、图像识别方法、装置、设备及存储介质 |
CN116385528A (zh) * | 2023-03-28 | 2023-07-04 | 小米汽车科技有限公司 | 标注信息的生成方法、装置、电子设备、车辆及存储介质 |
CN116626670A (zh) * | 2023-07-18 | 2023-08-22 | 小米汽车科技有限公司 | 自动驾驶模型的生成方法、装置、车辆及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826275A (zh) * | 2010-04-12 | 2010-09-08 | 立得空间信息技术有限公司 | 在连续地理信息三维影像上标注信息的方法 |
CN102867057A (zh) * | 2012-09-17 | 2013-01-09 | 北京航空航天大学 | 一种基于视觉定位的虚拟向导构建方法 |
EP2874097A2 (en) * | 2013-11-19 | 2015-05-20 | Nokia Corporation | Automatic scene parsing |
WO2017023210A1 (en) * | 2015-08-06 | 2017-02-09 | Heptagon Micro Optics Pte. Ltd. | Generating a merged, fused three-dimensional point cloud based on captured images of a scene |
EP3156944A1 (en) * | 2015-10-16 | 2017-04-19 | Thomson Licensing | Scene labeling of rgb-d data with interactive option |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN107871129A (zh) * | 2016-09-27 | 2018-04-03 | 北京百度网讯科技有限公司 | 用于处理点云数据的方法和装置 |
CN108154560A (zh) * | 2018-01-25 | 2018-06-12 | 北京小马慧行科技有限公司 | 激光点云标注方法、装置及可读存储介质 |
CN108198223A (zh) * | 2018-01-29 | 2018-06-22 | 清华大学 | 一种激光点云与视觉图像映射关系快速精确标定方法 |
CN108564630A (zh) * | 2018-05-02 | 2018-09-21 | 吉林大学 | 基于激光雷达和相机摄像头融合的标定装置及其标定方法 |
CN108694882A (zh) * | 2017-04-11 | 2018-10-23 | 百度在线网络技术(北京)有限公司 | 用于标注地图的方法、装置和设备 |
CN108694731A (zh) * | 2018-05-11 | 2018-10-23 | 武汉环宇智行科技有限公司 | 基于低线束激光雷达和双目相机的融合定位方法及设备 |
CN108734120A (zh) * | 2018-05-15 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 标注图像的方法、装置、设备和计算机可读存储介质 |
CN108921925A (zh) * | 2018-06-27 | 2018-11-30 | 广州视源电子科技股份有限公司 | 基于激光雷达和视觉融合的语义点云生成方法和装置 |
CN109100741A (zh) * | 2018-06-11 | 2018-12-28 | 长安大学 | 一种基于3d激光雷达及图像数据的目标检测方法 |
-
2019
- 2019-03-11 CN CN201910182583.7A patent/CN109978955B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826275A (zh) * | 2010-04-12 | 2010-09-08 | 立得空间信息技术有限公司 | 在连续地理信息三维影像上标注信息的方法 |
CN102867057A (zh) * | 2012-09-17 | 2013-01-09 | 北京航空航天大学 | 一种基于视觉定位的虚拟向导构建方法 |
EP2874097A2 (en) * | 2013-11-19 | 2015-05-20 | Nokia Corporation | Automatic scene parsing |
WO2017023210A1 (en) * | 2015-08-06 | 2017-02-09 | Heptagon Micro Optics Pte. Ltd. | Generating a merged, fused three-dimensional point cloud based on captured images of a scene |
EP3156944A1 (en) * | 2015-10-16 | 2017-04-19 | Thomson Licensing | Scene labeling of rgb-d data with interactive option |
CN107871129A (zh) * | 2016-09-27 | 2018-04-03 | 北京百度网讯科技有限公司 | 用于处理点云数据的方法和装置 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN108694882A (zh) * | 2017-04-11 | 2018-10-23 | 百度在线网络技术(北京)有限公司 | 用于标注地图的方法、装置和设备 |
CN108154560A (zh) * | 2018-01-25 | 2018-06-12 | 北京小马慧行科技有限公司 | 激光点云标注方法、装置及可读存储介质 |
CN108198223A (zh) * | 2018-01-29 | 2018-06-22 | 清华大学 | 一种激光点云与视觉图像映射关系快速精确标定方法 |
CN108564630A (zh) * | 2018-05-02 | 2018-09-21 | 吉林大学 | 基于激光雷达和相机摄像头融合的标定装置及其标定方法 |
CN108694731A (zh) * | 2018-05-11 | 2018-10-23 | 武汉环宇智行科技有限公司 | 基于低线束激光雷达和双目相机的融合定位方法及设备 |
CN108734120A (zh) * | 2018-05-15 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 标注图像的方法、装置、设备和计算机可读存储介质 |
CN109100741A (zh) * | 2018-06-11 | 2018-12-28 | 长安大学 | 一种基于3d激光雷达及图像数据的目标检测方法 |
CN108921925A (zh) * | 2018-06-27 | 2018-11-30 | 广州视源电子科技股份有限公司 | 基于激光雷达和视觉融合的语义点云生成方法和装置 |
Non-Patent Citations (4)
Title |
---|
HONGHUI ZHANG 等: "Joint Segmentation of Images and Scanned Point Cloud in Large-Scale Street Scenes with Low Annotation Cost", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
YAN WANG 等: "Label Propagation from ImageNet to 3D Point Clouds", 《2013 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
张达: "室内场景点云生成及语义标注方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
陈远 等: "基于激光和 CCD 外部标定的点云区域分割研究", 《微计算机信息》 * |
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021017725A1 (zh) * | 2019-08-01 | 2021-02-04 | 北京迈格威科技有限公司 | 产品缺陷的检测方法、装置及系统 |
CN110659370B (zh) * | 2019-08-12 | 2024-04-02 | 深圳市华付信息技术有限公司 | 一种高效数据标注方法 |
CN110598743A (zh) * | 2019-08-12 | 2019-12-20 | 北京三快在线科技有限公司 | 一种目标对象的标注方法和装置 |
CN110659370A (zh) * | 2019-08-12 | 2020-01-07 | 深圳市华付信息技术有限公司 | 一种高效数据标注方法 |
CN110490940A (zh) * | 2019-08-15 | 2019-11-22 | 北京迈格威科技有限公司 | 基于棋盘格单幅图像的相机标定方法和装置 |
CN112396630A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博(北京)科技有限公司 | 目标对象状态的确定方法、装置、存储介质及电子装置 |
CN111046743B (zh) * | 2019-11-21 | 2023-05-05 | 新奇点智能科技集团有限公司 | 一种障碍物信息标注方法、装置、电子设备和存储介质 |
CN111046743A (zh) * | 2019-11-21 | 2020-04-21 | 新奇点企业管理集团有限公司 | 一种障碍物信息标注方法、装置、电子设备和存储介质 |
CN110929669B (zh) * | 2019-11-29 | 2023-10-10 | 阿波罗智能技术(北京)有限公司 | 数据标注方法及装置 |
CN110929669A (zh) * | 2019-11-29 | 2020-03-27 | 北京百度网讯科技有限公司 | 数据标注方法及装置 |
WO2021114884A1 (zh) * | 2019-12-11 | 2021-06-17 | 杭州海康威视数字技术股份有限公司 | 点云标注方法、装置、系统、设备及存储介质 |
CN112950785A (zh) * | 2019-12-11 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 点云标注方法、装置及系统 |
CN111223107A (zh) * | 2019-12-31 | 2020-06-02 | 武汉中海庭数据技术有限公司 | 基于点云深度学习的点云数据集制作系统及方法 |
CN113160349A (zh) * | 2020-01-07 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 点云标注方法、装置、存储介质及电子设备 |
CN113124771A (zh) * | 2020-01-15 | 2021-07-16 | 西克Ivp股份公司 | 具有校准目标对象的成像系统 |
CN111310667A (zh) * | 2020-02-18 | 2020-06-19 | 北京小马慧行科技有限公司 | 确定标注是否准确的方法、装置、存储介质与处理器 |
CN111310667B (zh) * | 2020-02-18 | 2023-09-01 | 北京小马慧行科技有限公司 | 确定标注是否准确的方法、装置、存储介质与处理器 |
CN113378606A (zh) * | 2020-03-10 | 2021-09-10 | 杭州海康威视数字技术股份有限公司 | 一种标注信息确定方法、装置及系统 |
CN111666137B (zh) * | 2020-04-26 | 2022-04-05 | 广州文远知行科技有限公司 | 数据标注方法、装置、计算机设备和存储介质 |
CN111666137A (zh) * | 2020-04-26 | 2020-09-15 | 广州文远知行科技有限公司 | 数据标注方法、装置、计算机设备和存储介质 |
CN111709988A (zh) * | 2020-04-28 | 2020-09-25 | 上海高仙自动化科技发展有限公司 | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 |
CN111709988B (zh) * | 2020-04-28 | 2024-01-23 | 上海高仙自动化科技发展有限公司 | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 |
CN111640158B (zh) * | 2020-06-11 | 2023-11-10 | 武汉斌果科技有限公司 | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 |
CN111640158A (zh) * | 2020-06-11 | 2020-09-08 | 武汉斌果科技有限公司 | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN112037120A (zh) * | 2020-07-31 | 2020-12-04 | 上海图森未来人工智能科技有限公司 | 3d点云数据中道路平面要素的标注方法和装置、存储介质 |
JP2022552753A (ja) * | 2020-09-23 | 2022-12-20 | シェンチェン センスタイム テクノロジー カンパニー リミテッド | 点群データラベリング方法、装置、電子機器及びコンピュータ可読記憶媒体 |
CN111931727A (zh) * | 2020-09-23 | 2020-11-13 | 深圳市商汤科技有限公司 | 点云数据标注方法、装置、电子设备和存储介质 |
WO2022062397A1 (zh) * | 2020-09-23 | 2022-03-31 | 深圳市商汤科技有限公司 | 点云数据标注方法、装置、电子设备和计算机可读存储介质 |
CN112221132A (zh) * | 2020-10-14 | 2021-01-15 | 王军力 | 一种三维围棋应用于网络游戏的方法及系统 |
CN112419233B (zh) * | 2020-10-20 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 一种数据标注方法、装置、设备以及计算机可读存储介质 |
CN112419233A (zh) * | 2020-10-20 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种数据标注方法、装置、设备以及计算机可读存储介质 |
CN112767458B (zh) * | 2020-11-13 | 2022-07-29 | 武汉中海庭数据技术有限公司 | 激光点云与图像的配准的方法及系统 |
CN112767458A (zh) * | 2020-11-13 | 2021-05-07 | 武汉中海庭数据技术有限公司 | 激光点云与图像的配准的方法及系统 |
CN112509057B (zh) * | 2020-11-30 | 2024-04-12 | 北京百度网讯科技有限公司 | 相机外参标定方法、装置、电子设备以及计算机可读介质 |
CN112509057A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 相机外参标定方法、装置、电子设备以及计算机可读介质 |
US11875535B2 (en) | 2020-11-30 | 2024-01-16 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, electronic device and computer readable medium for calibrating external parameter of camera |
CN112200875A (zh) * | 2020-12-02 | 2021-01-08 | 武汉光谷信息技术股份有限公司 | 非量测相机交叉耦合误差补偿与影像匹配纠正方法及系统 |
CN112669373B (zh) * | 2020-12-24 | 2023-12-05 | 北京亮道智能汽车技术有限公司 | 一种自动化标注方法、装置、电子设备及存储介质 |
CN112669373A (zh) * | 2020-12-24 | 2021-04-16 | 北京亮道智能汽车技术有限公司 | 一种自动化标注方法、装置、电子设备及存储介质 |
CN112991455A (zh) * | 2021-02-01 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN112991455B (zh) * | 2021-02-01 | 2022-06-17 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN112907601A (zh) * | 2021-03-30 | 2021-06-04 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN112907601B (zh) * | 2021-03-30 | 2021-09-24 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN113160324A (zh) * | 2021-03-31 | 2021-07-23 | 北京京东乾石科技有限公司 | 包围框生成方法、装置、电子设备和计算机可读介质 |
CN113034621A (zh) * | 2021-05-24 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 联合标定方法、装置、设备、车辆及存储介质 |
CN113034621B (zh) * | 2021-05-24 | 2021-07-30 | 腾讯科技(深圳)有限公司 | 联合标定方法、装置、设备、车辆及存储介质 |
CN113222070A (zh) * | 2021-06-03 | 2021-08-06 | 中国科学院软件研究所 | 一种仿真图像数据自动标注方法及系统 |
CN113449632A (zh) * | 2021-06-28 | 2021-09-28 | 重庆长安汽车股份有限公司 | 一种基于融合感知的视觉与雷达感知算法优化方法、系统及汽车 |
CN114495038A (zh) * | 2022-01-12 | 2022-05-13 | 九识(苏州)智能科技有限公司 | 一种自动驾驶检测标注数据的后处理方法 |
CN114495038B (zh) * | 2022-01-12 | 2023-04-07 | 九识(苏州)智能科技有限公司 | 一种自动驾驶检测标注数据的后处理方法 |
CN114792417B (zh) * | 2022-02-24 | 2023-06-16 | 广州文远知行科技有限公司 | 模型训练方法、图像识别方法、装置、设备及存储介质 |
CN114792417A (zh) * | 2022-02-24 | 2022-07-26 | 广州文远知行科技有限公司 | 模型训练方法、图像识别方法、装置、设备及存储介质 |
CN114581739A (zh) * | 2022-04-15 | 2022-06-03 | 长沙公信诚丰信息技术服务有限公司 | 一种基于特征识别的点云标注方法、装置及电子设备 |
CN114792343A (zh) * | 2022-06-21 | 2022-07-26 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像获取设备的标定方法、获取图像数据的方法、装置 |
CN116385528A (zh) * | 2023-03-28 | 2023-07-04 | 小米汽车科技有限公司 | 标注信息的生成方法、装置、电子设备、车辆及存储介质 |
CN116385528B (zh) * | 2023-03-28 | 2024-04-30 | 小米汽车科技有限公司 | 标注信息的生成方法、装置、电子设备、车辆及存储介质 |
CN116626670A (zh) * | 2023-07-18 | 2023-08-22 | 小米汽车科技有限公司 | 自动驾驶模型的生成方法、装置、车辆及存储介质 |
CN116626670B (zh) * | 2023-07-18 | 2023-11-03 | 小米汽车科技有限公司 | 自动驾驶模型的生成方法、装置、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109978955B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978955A (zh) | 一种联合激光点云与图像的高效标注方法 | |
CN110136259A (zh) | 一种基于倾斜摄影辅助bim和gis的三维建模技术 | |
CN102214410B (zh) | 倾斜红色化立体图像制作装置 | |
CN105243637B (zh) | 一种基于三维激光点云进行全景影像拼接方法 | |
CN108401461A (zh) | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 | |
CN107356230A (zh) | 一种基于实景三维模型的数字测图方法和系统 | |
CN112132972A (zh) | 一种激光与图像数据融合的三维重建方法及系统 | |
CN106326858A (zh) | 一种基于深度学习的公路交通标志自动识别与管理系统 | |
CN113963044B (zh) | 一种基于rgbd相机的货物箱智能装载方法及系统 | |
CN112465976B (zh) | 堆场三维地图建立方法、库存管理方法、设备及介质 | |
CN101777189A (zh) | LiDAR三维立体环境下测图和质量检查方法 | |
TWI801463B (zh) | 依地物高著色之畫像的產生裝置及依地物高著色之畫像的產生程式 | |
CN106127853A (zh) | 一种无人机探测范围分析方法 | |
CN107463933A (zh) | 一种图像目标检测方法 | |
CN106338736A (zh) | 一种基于激光雷达的全3d占据体元地形建模方法 | |
CN104503518A (zh) | 一种小型智能化植物生长系统 | |
CN107833244A (zh) | 一种基于车载激光雷达数据的行道树属性自动识别方法 | |
CN109709977B (zh) | 移动轨迹规划的方法、装置及移动物体 | |
CN105068151B (zh) | 一种雨团识别及其特征参数的构建方法和装置 | |
CN110232655A (zh) | 一种用于煤场的红外-可见光双光图像拼接与融合方法 | |
CN109035400A (zh) | 一种利用倾斜摄影建立城市规划的方法 | |
CN108267748A (zh) | 一种全方位三维点云地图生成方法及系统 | |
CN109584293A (zh) | 一种基于rgb-d视觉技术的温室作物三维形态全景测量系统 | |
CN106846413A (zh) | 三维树型直角坐标系构建和图像空间标定的装置及方法 | |
CN106611441A (zh) | 三维地图的处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |