CN101331380A - 三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置 - Google Patents
三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置 Download PDFInfo
- Publication number
- CN101331380A CN101331380A CNA2006800474232A CN200680047423A CN101331380A CN 101331380 A CN101331380 A CN 101331380A CN A2006800474232 A CNA2006800474232 A CN A2006800474232A CN 200680047423 A CN200680047423 A CN 200680047423A CN 101331380 A CN101331380 A CN 101331380A
- Authority
- CN
- China
- Prior art keywords
- voxel
- error profile
- representative point
- instrumentation
- shape
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims description 66
- 230000004048 modification Effects 0.000 claims description 54
- 238000012986 modification Methods 0.000 claims description 54
- 238000003860 storage Methods 0.000 claims description 37
- 230000008878 coupling Effects 0.000 claims description 24
- 238000010168 coupling process Methods 0.000 claims description 24
- 238000005859 coupling reaction Methods 0.000 claims description 24
- 238000012856 packing Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000033228 biological regulation Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 238000005520 cutting process Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 14
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005055 memory storage Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 244000287680 Garcinia dulcis Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明具有:数据输入步骤(S1),将三维形状上的坐标值输入到计算机中;模型构筑步骤(S3),构筑环境模型,该环境模型将空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;匹配步骤(S4),在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;模型更新步骤(S5),更新环境模型;以及输出步骤(S6),将体素位置、代表点以及误差分布的至少任一个输出到输出装置中。
Description
技术领域
本发明涉及一种用于从多个计测位置来计测静止的三维形状并综合其距离数据以进行复原的三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置。
背景技术
三维形状的计测技术已普及,三维形状数据用于各种各样的应用领域,例如机械零件/工件等的形状计测、移动机器人中的自身位置的辨认、地形/结构物的计测等。
作为三维形状数据的存储/显示方法和装置,迄今使用点群、距离图像、表面(surface)、体素(voxel)结构等。
点群以作为传感器的计测数据的计测点的坐标值来表现形状。此外距离图像通过对二维图像的各像素保持进深方向的距离值来表现形状。表面是通过三角形等的叠合来表现物体的表面形状。体素结构是将空间以小长方体分割并在各体素内保持形状信息的结构。
在综合来自多个位置的距离数据而复原静止的三维形状的情况下,有以下问题。
在使用点群的情况下,数据量与计测数据成比例地增加。因此,在计测对象物大的情况下的综合数据量会变得庞大。为此,作为用于形状表现的数据结构并不现实。
在使用距离图像的情况下,由于是来自一个方向的计测,所以越向远方,像素的间隔越扩展,使精度下降。此外,由于仅能表示来自一个方向的数据,所以不适合来自多个视点的计测结果的综合。
在使用表面的情况下,由于综合需要复杂的处理,所以高速处理困难。
与此相比,体素结构具有数据量一定、能够综合来自多个视点的数据、数据综合不需要复杂的计算的特征,对于综合来自多个位置的距离数据并复原是最适合的。
进而,作为改良体素结构的文献,公开了专利文献1、2和非专利文献1。
在专利文献1的“三维信息抽取方法”中,通过使用称作VoxelVoting(体素投票)的方法对各体素投票计测结果,从而综合来自多个视点的三维形状。进而,在该方法中公开了对于不能得到需要的分辨率的体素,进而八分割体素并分级地管理数据的方法
在专利文献2的“环境模型输入装置”中,提出了一种对各体素累积概率值的单元。在该单元中,不依赖于赋予概率的频度地进行环境模型的综合,能够作成正确的环境模型。
在非专利文献1的单元中,提出了一种虽然假定了平面,但对保持概率值的体素,将通过计测数据中包含的误差而发生的体素的错误概率值恢复到正确的值的处理。
此外,作为与本发明相关的技术,公开了非专利文献2。
专利文献1:日本专利第3170345号公报,“三维信息抽取方法”
专利文献2:日本专利申请公开平9-81788号公报,“环境模型输入装置”
非专利文献1:Sebastian Thrun,“Learning Occupancy Grid Maps WithForward Sensor Models.”
非专利文献2:关本清英等,“三维激光雷达的开发”,石川岛播磨技报Vol.43No.4(2003-7)
发明内容
发明要解决的问题
专利文献1的体素结构为了得到正确的形状,反复体素的分割,但当分割的次数增加时会发生数据量增加的问题。因此,一般是固定分割的深度,由此分辨率存在极限。也就是说,不能表现分割后的体素的大小以上的分辨率。此外,由于包含误差的数据而错误发生的体素就保持原样地存在下去。因此,不能应对包含误差的数据。
专利文献2的体素结构,虽然使用概率值来表现形状,但与专利文献1同样地在数据包含误差的情况下错误发生的体素就保持原样地存在下去。因此,不能应对包含误差的数据。
非专利文献1的体素结构由于包含降低概率的处理,所以具有擦除保持错误概率值的体素的功能。但是,由于一般在体素内计测物体存在的区域和不存在的区域两方都存在,所以有即使综合多次的计测也不能收敛到正确形状的问题。
发明的概要
本发明是为了解决上述问题而提出的。即,本发明的目的是提供一种三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置,其中能够综合来自多个位置的距离数据来复原静止的三维形状,而且不大幅增加数据量就能提高分辨率,能够应对包含误差的数据。
根据本发明,提供一种三维形状数据的存储/显示方法,用于根据三维形状上的被计测点的坐标值来复原三维形状,其特征在于,具有:数据输入步骤,将三维形状上的坐标值输入到计算机中;模型构筑步骤,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;匹配(matching)步骤,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及输出步骤,将所述体素位置、代表点以及误差分布输出到输出装置中。
此外,根据本发明,提供一种三维形状的计测方法,根据三维形状上的被计测点的坐标值来复原三维形状,并输出三维形状数据,其特征在于,具有:数据输入步骤,将三维形状上的坐标值输入到计算机中;模型构筑步骤,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;匹配步骤,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及输出步骤,将所述代表点、体素位置以及误差分布的至少任一个输出到输出装置中。
所述三维形状数据的存储/显示方法或三维形状的计测方法包含以下的内容也可。
根据本发明的优选实施方式,在所述模型构筑步骤中,在将最大的体素设定为相当于必要最小限度的分辨能力的大小,而且单一的体素内存在多个被计测点的情况下,以在单一的体素内仅存在单一的被计测点的方式,将该体素进一步分割并分级地分割为多个体素。
此外,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,作为在原点和被计测点之间不存在物体的,再设定或擦除位于其间的体素内的代表点和误差分布。
此外,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,在该体素内没有代表点的情况下,将所述坐标值和误差分布设定为代表点的坐标值和误差分布。
此外,优选在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,在所述体素内有已经设定了的代表点的情况下,比较新取得的误差分布和已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布、或两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,来再设定新的误差分布和新的代表点,在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地(hierarchical)分割为多个体素。体素的分割例如使用八叉树或K-D树。
此外,优选在体素内部除了代表点及其误差分布之外,还一并具有概率值。
此外,在所述数据输入步骤中,使用距离传感器,将三维形状上的坐标值作为以任意的计测位置为原点的距离数据一边移动原点一边依次取得。
此外,优选在能得到距离传感器的位置和误差分布的情况下,合成距离传感器的位置的误差分布和计测数据的误差分布。
此外,在所述模型更新步骤中,比较所述新取得的误差分布和所述已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布再设定新的误差分布和新的代表点,其结果是新的代表点移动到其他体素内,此时,在该其他体素内没有代表点的情况下,在该其他体素的内部设定该新的误差分布和该新的代表点,在该其他体素内有已经设定了的代表点的情况下,比较该新的误差分布和已经设定了的该其他体素内的误差分布,(A)在误差分布相互重叠的情况下,根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和该新的代表点,再设定新的误差分布和新的代表点,(B)在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素。
根据本发明的优选实施方式,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,根据新输入的被计测点的坐标值及其误差分布、和已经设定了的体素内的代表点及其误差分布,通过卡尔曼滤波器取得新的代表点和误差分布并进行再设定。
在所述输出步骤中,将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中,并且将表示该计测值的可靠性或精度的指标,基于该体素内部的误差分布的大小,输出到输出装置中。
在所述输出步骤中,在将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中时,在该体素的内部误差分布的大小比规定的基准值大的情况下,该计测值的可靠性或精度定为比规定的基准低,不将该体素的所述计测值输出到输出装置中。
在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,在所述体素内的代表点以及误差分布的至少任一个被新设定、或被再设定、或将该体素进一步分割并分级地分割为多个体素的情况下,在所述输出步骤中,将该体素的代表点的位置作为三维形状的计测值输出到输出装置中。
在所述输出步骤中,将从距离传感器的位置出发距离传感器能进行位置计测的范围的环境模型内的体素的代表点位置,作为三维形状的计测值输出到输出装置中。
此外,根据本发明,提供一种三维形状数据的存储/显示装置,用于根据三维形状上的被计测点的坐标值来复原三维形状,其特征在于,具备:数据输入装置,将三维形状上的坐标值输入到计算机中;模型构筑装置,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;匹配装置,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及数据传输装置,将所述体素位置、代表点以及误差分布输出到输出装置中。
此外根据本发明,提供一种三维形状的计测装置,根据三维形状上的被计测点的坐标值来复原三维形状,并输出三维形状数据,其特征在于,具备:数据输入装置,将三维形状上的坐标值输入到计算机中;模型构筑装置,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;匹配装置,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及数据传输装置,将所述代表点、体素位置以及误差分布的至少任一个输出到输出装置中。
所述三维形状数据的存储/显示装置或三维形状的计测装置包含以下的内容也可。
根据本发明的优选实施方式,所述模型构筑装置在将最大的体素设定为相当于必要最小限度的分辨能力的大小,而且单一的体素内存在多个被计测点的情况下,以在单一的体素内仅存在单一的被计测点的方式,将该体素进一步分割并分级地分割为多个体素。
根据本发明的优选实施方式,所述三维形状数据的存储/显示装置或三维形状的计测装置具有:模型更新装置,在所述匹配装置在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来之后,更新所述环境模型,该模型更新装置探测对应于新输入的被计测点的坐标值的体素,作为在原点和被计测点之间不存在物体的,再设定或擦除位于其间的体素内的代表点和误差分布。
根据本发明的优选实施方式,所述三维形状数据的存储/显示装置或三维形状的计测装置具有:模型更新装置,在所述匹配装置在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来之后,更新所述环境模型,该模型更新装置探测对应于新输入的被计测点的坐标值的体素,在该体素内没有代表点的情况下,将所述坐标值和误差分布设定为代表点的坐标值和误差分布。
根据本发明的优选实施方式,所述三维形状数据的存储/显示装置或三维形状的计测装置具有:模型更新装置,在所述匹配装置在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来之后,更新所述环境模型,该模型更新装置探测对应于新输入的被计测点的坐标值的体素,在所述体素内有已经设定了的代表点的情况下,比较新取得的误差分布和已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布、或两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的代表点,在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素。
根据本发明的优选实施方式,所述匹配装置在体素内部除了代表点及其误差分布之外,还一并设定并存储体素的概率值。
根据本发明的优选实施方式,所述三维形状数据的存储/显示装置或三维形状的计测装置具备:距离传感器,将所述三维形状上的坐标值作为以任意的计测位置为原点的距离数据一边移动原点一边依次取得。
根据本发明的优选实施方式,所述匹配装置在能得到所述距离传感器的位置和误差分布的情况下,合成距离传感器的位置的误差分布和计测数据的误差分布。
根据本发明的优选实施方式,所述模型更新装置比较所述新取得的误差分布和所述已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的代表点,其结果是新的代表点移动到其他体素内,此时,在该其他体素内没有代表点的情况下,在该其他体素的内部设定该新的误差分布和该新的代表点,在该其他体素内有已经设定了的代表点的情况下,比较该新的误差分布和已经设定了的该其他体素内的误差分布,(A)在误差分布相互重叠的情况下,根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和该新的代表点,再设定新的误差分布和新的代表点,(B)在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素。
根据本发明的优选实施方式,所述三维形状数据的存储/显示装置或三维形状的计测装置具有在所述匹配步骤之后更新所述环境模型的模型更新装置,该模型更新装置根据新输入的被计测点的坐标值及其误差分布、和已经设定了的体素内的代表点及其误差分布,通过卡尔曼滤波器取得新的代表点和误差分布并进行再设定。
所述数据传输装置将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中,并且将表示该计测值的可靠性或精度的指标基于该体素内部的误差分布的大小输出到输出装置中。
所述数据传输装置在将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中时,在该体素的内部误差分布的大小比规定的基准值大的情况下,该计测值的可靠性或精度比规定的基准低,不将该体素的所述计测值输出到输出装置中。
在所述匹配装置之后,具有更新所述环境模型的模型更新装置,在该模型更新装置中,探测对应于新输入的被计测点的坐标值的体素,在所述体素内的代表点以及误差分布的至少任一个被新设定、或被再设定、或将该体素进一步分割并分级地分割为多个体素的情况下,所述输出装置将该体素的代表点的位置作为三维形状的计测值输出到输出装置中。
所述输出装置将从距离传感器的位置出发距离传感器能进行位置计测的范围的环境模型内的体素的代表点位置,作为三维形状的计测值输出到输出装置中。
发明的效果
根据上述本发明的方法和装置,由于将三维形状所存在的空间区域分割为多个体素并存储各体素位置,所以即使是计测对象物很大的情况下,也能够将数据量抑制在与体素数成比例的小的数据尺寸。
此外,因为在对应于坐标值的体素的内部设定代表点及其误差分布并存储起来,所以能够表现体素的分辨能力以上的信息。
此外,由于在模型构筑步骤中,在将最大的体素设定为相当于必要最小限度的分辨能力的大小,而且单一的体素内存在多个被计测点的情况下,以在单一的体素内仅存在单一的被计测点的方式,将该体素进一步分割并分级地分割为多个体素,所以在将数据量抑制得较小的同时,能够使用分割后的体素和代表点来进一步提高分辨率。
特别是,将三维形状上的多个坐标值取得为以多个计测位置为原点的距离数据,通过将该距离数据的坐标值作为所述代表点的坐标值,将距离数据的坐标值的计测误差作为代表点的误差分布,从而能够使用正确的坐标值和误差分布并在统计上综合多次的计测,能够进一步提高精度。
此外,作为在原点和被计测点之间不存在物体的,通过擦除位于其间的体素内的代表点和误差分布,能够去除错误的计测数据的影响。
此外,探测对应于新输入的被计测点的坐标值的体素,在该体素内没有代表点的情况下,通过将所述坐标值和误差分布设定为代表点的坐标值和误差分布,从而能够容易地设定代表点的坐标值和误差分布。
进而,在所述体素内有已经设定了的代表点的情况下,比较新取得的误差分布和已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布、或两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的代表点,在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素,由此,能够回避误差的累积同时收敛到高精度的形状。
特别是,在误差分布相互重叠的情况下,再设定新误差分布和新代表点,其结果是,在代表点移动到其他体素的情况下,通过进一步与已经设定了的体素内的误差分布进行比较,从而能够以在单一的体素内仅存在单一的代表点的方式保持一贯性。
如上述那样,根据本发明的方法和装置,通过具有将包含误差的距离数据校正为正确的信息的功能,并且反复该功能,从而对于长时间的计测会收敛到高精度的形状。而且,本发明的方法由于是以新的计测点来更新对应于各体素的代表点及其误差分布的处理,所以计算量小。此外,由于运算不对周围的体素施加影响地封闭在体素内,所以能够高速处理。此外,计测数据能够逐次综合为最大体素具有必要最小限度的分辨能力的体素结构,存储量不会较多地超过固定量。
此外,通过使各体素有概率值,从而即使在误差分布比代表点所属的体素扩展的情况下,不用查找代表点所属的体素并从其误差分布再计算各体素中的物体的存在有无,而是仅以该体素的概率值就能进行判断。
此外,即使在传感器的位置/姿势有误差的情况下,也能通过将该误差分布合成为计测数据的误差分布,计算出计测数据的绝对误差,从而能够提高对象物体的位置精度。
进而,在所述模型更新步骤中,因为根据新输入的被计测点的坐标值及其误差分布、和已经设定了的体素内的代表点及其误差分布,通过卡尔曼滤波器取得新的代表点和误差分布并进行再设定,所以能够得到更接近真值的形状。
特别是,通过反复进行使用卡尔曼滤波器的模型更新步骤,从而即使是包含误差的数据也能通过卡尔曼滤波器的效果得到收敛到真值的高精度的形状。
此外,由于在所述输出步骤中,在将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中时,将表示该计测值的可靠性或精度的指标输出到该体素内部的误差分布的大小输出装置中,所以在使用计测装置时,对应于应用的内容使用者能够取舍选择可靠性低的计测值。
此外,在所述输出步骤中,在将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中时,在该体素内部的误差分布大小比规定的基准值大的情况下,该计测值的可靠性或精度定为比规定的基准低,不将该体素的所述计测值输出到输出装置中,由此,在使用计测装置时,由于能够最初就仅处理可靠性高的计测值,所以能够削减处理的数据量,带来可靠性的提高。
此外,在所述数据输入步骤中,使用距离传感器,将三维形状上的坐标值作为以任意的计测位置为原点的距离数据,一边移动原点一边依次取得,特别是通过从不同方向得到距离数据,从而能够综合分布形状不同的误差分布的距离数据,能够提高精度。
此外,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,仅在所述体素内的代表点以及误差分布的至少任一个被新设定或被再设定、或将该体素进一步分割并分级地分割为多个体素的情况下,在所述输出步骤中,通过使该体素的代表点的位置、误差分布以及体素的位置的至少任一个作为三维形状的计测值输出到输出装置中,从而输出通过从距离传感器新得到的被计测点受到影响的体素内的代表点等的值。因此,假定使用者与以往同样的运用,同时以距离传感器得到的原本的计测值就像置换为更高精度的计测值那样,变得能够利用。这样,能够进行精度更高的三维形状计测。
此外,通过在所述输出步骤中,将从距离传感器的位置出发距离传感器能进行位置计测的范围的环境模型内的体素的代表点位置,作为三维形状的计测值输出到输出装置中,从而即使在现有的距离传感器的计测值的分辨能力粗糙的情况下,也能像精度优良且分辨能力高的距离传感器那样地进行利用,这样,精度更高的三维形状计测成为可能。
本发明的其他目的以及有利的特征可从参照附图的以下说明而明确。
附图说明
图1是非专利文献2公开的三维激光雷达的结构图。
图2A是表示在距离传感器计测的极坐标数据和误差的关系的图。
图2B是表示将误差分布作为包含在长方体中的椭圆体而近似的情况的图。
图3是用于执行本发明的方法的装置结构图。
图4是表示本发明的方法的流程图。
图5是模型构筑步骤的示意图。
图6是构筑的环境模型的示意图。
图7A是表示本发明中的体素数据的数据结构的图,表示各体素数据的存储器布局例。
图7B是表示本发明中的体素数据的数据结构的图,表示等级(level)2(1,1,0)的体素具有代表点的情况的例子。
图8是模型更新步骤中的数据处理流程图。
图9是在相应的体素内有已经设定了的代表点的情况的示意图。
图10是表示在误差分布相互重叠的情况下根据两误差分布再设定新的误差分布和新的误差分布的中心,其结果是新的代表点向其他体素移动的情况。
图11是误差分布相互重叠的情况的示意图。
图12是表示通过综合以多个计测位置为原点的距离数据,从而代表点的误差分布缩小,代表点的精度提高的样子的示意图。
图13是体素的概率值的计算方法的示意图。
图14是误差分布相互重叠情况下的体素的概率值的计算方法的示意图。
图15是合成距离传感器的位置的误差分布和计测数据的误差分布并计算计测数据的绝对误差的情况的示意图。
图16表示通过使用卡尔曼滤波器的模型更新步骤得到的结果。
图17是图16的局部放大图。
具体实施方式
以下参照附图对本发明的优选实施方式进行说明。再有,在各图中,对共通部分赋予同一附图标记,省略重复的说明。
图1是作为距离传感器的一个例子的三维激光雷达的结构图。例如在非专利文献2中公开了三维激光雷达。
如该图所示,三维激光雷达10包括雷达头(radar head)12和控制器20。从激光二极管13激发的脉冲激光1在投射透镜14被整形为平行光2,用反射镜18a、18b和旋转/摇动的多角镜15在二维方向上进行扫描,照射到测定对象物。从测定对象物反射的脉冲激光3,经由多角镜15在受光透镜16会聚,在光检测器17转换为电信号。
控制器20内的时间间隔计数器21,对与激光二极管13的脉冲振荡定时同步的起动脉冲4、和从光检测器17输出的停止脉冲5的时间间隔进行计测。信号处理板22将检测出反射光时刻的时间间隔t、多角镜的旋转角度θ、摇动角度作为极坐标数据(r,θ,)输出。
r是以计测位置(雷达头设置位置)为原点的距离,以r=c×t/2的式子求出。在这里c是光速。
判定处理单元23将来自信号处理板的极坐标数据,向以雷达头设置位置为原点的三维空间数据(x,y,z)转换,进行检测处理。再有在该图中24是驱动单元。
所述三维激光雷达10的计测范围例如是水平视场角60°、垂直视场角30°、最大测定距离50m。此外,位置检测精度例如是大约20cm。
此外,在将计测数据以对各像素具有进深方向的距离值的距离图像表示的情况下,当设一帧的计测点数为横向166点、扫描方向50点时,1帧表示166×50=8300点。这种情况下帧频例如大约是2帧/秒。
在该三维激光雷达10计测的三维形状上的被计测点是横向上Δθ×r、垂直方向上互相离散的点群。例如,在Δθ=60/166×π/180=6.3×10-3弧度、弧度、r=50m的情况下,即使是最接近的情况,被计测点的间隔也是在横向大约是315mm,在垂直方向大约是525mm。
在本发明中,作为距离传感器,例如使用上述的三维激光雷达10。但是,距离传感器并不限定于此,也可以使用利用视差的距离传感器等其他公知的距离传感器。
图2A、图2B是表示在距离传感器计测的极坐标数据和误差的关系的图。
该误差分布在误差分布的在rs、θs、的存在概率为P(rs,θs,)的情况下,误差分布是在计测的轴r、θ、方向上正态分布,例如能够以式(1)表示。这里,r、θ、是来自传感器的计测值,σr、σθ、是标准偏差,A是归一化常数。
如图2B所示,误差分布是通常内包于r方向上的长切头圆锥形(左图)的分布,但在远方a和b的差小。因此,能够将该误差分布作为包含在长方体中的椭圆体而近似安全侧。
[算式1]
图3是用于执行本发明的方法的装置结构图。如该图所示,该装置具备数据输入装置32、外部存储装置33、内部存储装置34、中央处理装置35以及输出装置36。
数据输入装置32具有上述的距离传感器,对存储装置输入三维形状上的坐标值。此外,例如并用测角仪、测距器(odometer)等,还输入距离传感器的位置/姿势或移动距离较好。再有,数据输入装置32还具有键盘等通常的输入单元较好。
外部存储装置33是硬盘、软(floppy(注册商标))盘、磁带、高密度磁盘等。外部存储装置33在环境模型的大小较大,输入到后述的内部存储装置34的三维形状上的坐标值、体素位置以及代表点及其误差分布的整体不能保持的情况下,存储相对于环境模型的一部分范围或整体外围的输入的三维形状上的坐标值、体素位置以及代表点及其误差分布的一部分或全部,而且存储用于执行本发明的方法的程序。
内部存储装置34例如是RAM、RAM等,保管相对于环境模型的一部分范围或整体范围的、输入的三维形状上的坐标值、体素位置以及代表点及其误差分布的一部分或全部,而且保管运算信息。
中央处理装置35(CPU)作为模型构筑装置、匹配装置、模型更新装置、数据传输装置发挥功能,集中地处理运算或输入输出等,与内部存储装置34一起执行程序。模型构筑装置是进行后述的模型构筑步骤的装置,匹配装置是进行后述的匹配步骤的装置,模型更新装置是进行后述的模型更新步骤的装置,数据传输装置是向输出装置36输出数据的装置。
输出装置36例如是显示装置、打印机、外部装置等,对内部存储装置34以及外部存储装置33的至少任一个输出存储的数据以及程序的执行结果。与外部装置的接口是LAN、USB、IEEE1394等,对应于要求而输出对输入的三维形状上的坐标值附加了相应的体素内的代表点、误差分布、体素位置等的结果,或环境模型整体或环境模型的一部分。
上述本发明的装置将所述距离传感器和通常的PC(计算机)组合在一起也可,或是将整体一体化的装置也可。此外,一体地装入能够自动推进的装置内也可。
图4是表示本发明的方法的流程图。
本发明的方法是用于根据三维形状上的被计测点的坐标值来复原三维形状的三维形状的计测方法和装置,具有:数据输入步骤S 1、数据校正步骤S2、模型构筑步骤S3、匹配步骤S4、模型更新步骤S5以及输出步骤S6。
再有,在该一系列的处理中,S1、S2、S4~S6每当得到计测数据时实施,S3能够仅在初次得到计测数据时实施。
在数据输入步骤S1,使用距离传感器,对计算机的存储装置输入三维形状上的坐标值。此外,例如并用测角仪、测距器等还输入距离传感器的位置/姿势或移动距离较好。
再有,在该数据输入步骤S1中,使用三维激光雷达10,将三维形状上的坐标值作为以任意的计测位置为原点的距离数据,一边移动原点一边依次取得较好。
在距离传感器使用三维激光雷达10的情况下,三维形状上的坐标值是以任意的计测位置为原点的距离数据,以极坐标值(r,θ,)表示。此外,各坐标值的误差分布根据极坐标值(r,θ,)以运算求得,或预先以别的输入单元(例如键盘)输入。
在数据校正步骤S2,进行距离数据的校正处理,提高距离数据的精度。此外,根据极坐标数据和测距器的数据,转换为以任意的固定位置为原点的三维空间数据(x,y,z)也可。
在距离数据的校正处理,进行孤立点的去除、统计上的处理等。孤立点是从周围的点孤立而存在的点,由于计测数据是以多个接近的点构成的,所以能够假定孤立点是错误计测而去除。统计上的处理是考虑计测数据包含的误差分布,通过统计处理(例如平均值等)多次的计测,进行距离的校正。
进而,成为对象的三维形状在能够直线近似或平面近似的情况下,进行这些近似也可。
图5是对体素的分割使用八叉树的情况下的模型构筑步骤的示意图。
在模型构筑步骤S3,如该图所示那样,构筑环境模型,该环境模型是将三维形状所存在的区域,分割为分界表面相互正交的长方体构成的多个体素6,存储各体素位置。
体素6的形状是各边的长度相等的立方体,或各边的长度不同的长方体均可。
此外,体素6的各边的长度,将最大的体素6设定为相当于必要最小限度的分辨能力的大小较好。以下,将最大的体素6称为等级1的体素。
此外,在单一的体素内存在多个被计测点的情况下,以单一的体素内仅存在单一的被计测点的方式,进一步八分割体素,分级地分割为多个体素。以下,将一次实施了最大的体素6的八分割的空间区域称为等级2的体素,将k次实施了的空间区域称为等级k+1的体素。
图6是构筑的环境模型的示意图。
在匹配步骤S4,如该图所示,在对应于三维形状上的坐标值的体素6内部设定并存储代表点7与其误差分布8。末端的体素能够仅具有一个计测值的代表点。各体素通过具有计测值的代表点及其误差分布,从而表示物体的形状。
在匹配步骤S4,通过式(2)给出代表点的绝对位置。这里,(x,y,z)是代表点在体素的相对坐标,Sx、Sy、Sz是在等级1的体素的一边的大小,nx(k)、ny(k)、nz(k)是在等级k的体素的地址号码,L是所要求的代表点存在的等级。
[算式2]
图7A、图7B是表示本发明的体素数据的数据结构的图。
在该图中,图7A是各体素数据的存储器布局的例子。在该图中,箭头表示对数据的链接,将对数据的指针作为值而保持。
图7B表示等级2(1,1,0)的体素具有代表点的情况的例子。再有在该图中,null表示空集合。
所述数据结构的环境模型,具有以下特征。
(1)内容:以小长方体分割空间将计测点的代表点和误差分布保持到各体素
(2)精度:相当于每个体素具有的计测点的代表值。
(3)存在:能够表现物体存在的有无。
(4)数据量:与体素的个数成比例地需要存储器,但大小是固定的。
(5)来自点群的转换:适应,计算量少。
(6)访问速度:由于是简单的结构,所以对要素的访问是高速的。
此外根据该特征,所述环境模型满足以下全部效果A~C。
效果A:考虑了误差的表现是可能的。
效果B:需要的存储量和计算量在一定量以下。
效果C:不仅能表示物体的存在,也能表示物体不存在。
进而在图4中,模型更新步骤S5在匹配步骤S4之后实施,更新在模型构造步骤S3构筑的环境模型。
图8是模型更新步骤S5的数据处理流程图。如该图所示,在步骤ST1探测对应于新输入的被计测点的坐标值的体素,在步骤ST2相应体素内没有代表点(体素是空的)的情况下,将在步骤ST3新输入的被计测点的坐标值和误差分布作为代表点的坐标值和误差分布而设定(新注册)。
此外,在该步骤ST3中,新计测位置(原点)和被计测点之间,原理上物体不应该存在。因此再设定或擦除位于新计测位置(原点)和被计测点之间的体素内的代表点和误差分布。
图9是在相应体素内有已经设定了的代表点的情况的示意图。
在图8的步骤ST2相应体素内有已经设定了的代表点的情况下,在步骤ST4比较新取得的误差分布和已经设定了的体素内的误差分布(即判断是不同点还是相同点)。
在该比较,在误差分布相互重叠的情况下(图9A),在步骤ST5根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的误差分布的中心(即合成误差分布)。
此外在该比较,在误差分布不相互重叠的情况下(图9B),在步骤ST6、ST7以在单一的体素内仅存在单一的代表点的方式,进一步八分割该体素并分级地分割为多个体素并新注册。
分割和合成的基准,例如根据误差分布的一致度来判断。误差分布的一致度例如能够利用马哈拉诺比斯距离那样的距离尺度、或似然那样的概率值的尺度。此外,基于两个误差分布,通过统计的检验来判定两者是不是表示同一点即可。
在步骤ST5根据两误差分布再设定新的误差分布和新的误差分布的中心,其结果是新的代表点向其他体素内移动时(即,在步骤ST8,“是”),返回步骤ST2,反复进行上述处理。
再有,图10表示:在步骤ST5根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的误差分布的中心,其结果是新的代表点向其他体素内移动的情况。
图11是误差分布相互重叠的情况(图9A)的其他的示意图。在图8的步骤ST5中,作为合成两个代表点和误差分布并设定新的代表点和误差分布的单元,能够使用卡尔曼滤波器。例如在二维的情况下,如该图所示那样,当两个代表点分别是x(1)、x’(2),两个误差分布分别是∑(1)、∑’(2),将其合成的代表点是x(2)、误差分布是∑(2)时,计算代表点x(2)和误差分布∑(2)的示意图如图11。
在图4中,在输出步骤S6,对输出装置36输出体素位置以及代表点及其误差分布。输出装置36是显示装置(例如CRT)的情况下,优选在三维图像上立体显示。
此外,在输出步骤S6,将体素位置以及代表点及其误差分布对其他的装置(例如控制装置、计算机)转送也可,在打印机输出也可。即,输出装置36是该其他的装置(例如控制装置、计算机)也可。
再有,输出装置36是能够存储/保持体素位置以及代表点及其误差分布的适合的存储装置也可。
此外,在输出步骤S6中,将体素的代表点的位置作为三维形状的计测值对输出装置36输出,并且将表示该计测值的可靠性或精度的指标(例如,数值),基于该体素内部的误差分布的大小,对输出装置36输出也可。进而,在输出步骤S6中,将体素的代表点的位置作为三维形状的计测值对输出装置36输出时,在该体素的内部的误差分布的大小(扩展)比规定的基准值大的情况下,该计测值的可靠性或精度比规定的基准低,该体素的所述计测值(即,该体素的代表点的位置)不对输出装置36输出也可。
此外,在模型更新步骤S5中,探测对应于新输入的被计测点的坐标值的体素,仅在所述体素内的代表点以及误差分布被新设定、或被再设定、或将该体素进一步分割并分级地分割为多个体素的情况下,在输出步骤S6,该体素的代表点的位置、误差分布以及体素的位置的至少任一个作为三维形状的计测值输出到输出装置中也可。
此外,在输出步骤S6中,得到距离传感器的位置/姿势的情况下,将从该位置能看到的范围的环境模型内的体素的代表点位置作为三维形状的计测值输出到输出装置中也可。从距离传感器的位置能看到的范围,指的是从距离传感器的位置出发距离传感器能进行位置计测的范围,可包含从距离传感器的位置出发距离传感器能进行位置计测的角度范围(视野)、和从距离传感器的位置出发距离传感器能进行位置计测的距离范围。
如图4所示的处理的次序,在新的计测位置处,每当得到新计测数据时,反复进行处理,在内部存储装置34以及外部存储装置33的至少任一个中存放结果。为了使处理高速化,优选在容量允许的限度内尽可能的将结果存放在内部存储装置34。
根据所述的本发明的方法和装置,将三维形状所存在的空间区域分割为多个体素6,由于将各体素位置存储在外部存储装置33,所以即使在计测对象物大的情况下,也能将数据量抑制为与体素数成比例的小的数据尺寸。
此外,由于在对应于坐标值的体素6的内部设定并存储代表点7及其误差分布8,所以能够表现体素的分辨能力以上的信息。
此外,在模型构筑步骤S3中,在将最大的体素9设定为相当于必要最小限度的分辨能力的大小,而且单一的体素9内存在多个被计测点的情况下,以在单一的体素内仅存在单一的被计测点的方式,进一步将该体素八分割,分级地分割成多个体素,所以能够将数据量抑制为小的数据尺寸的同时,能够使用分割后的体素和代表点进一步提高分辨率。
特别是,将三维形状上的多个坐标值作为以多个计测位置为原点的距离数据而取得,通过将该距离数据的坐标值作为所述代表点的坐标值,将距离数据的坐标值的计测误差作为代表点的误差分布,从而能够使用正确的坐标值和误差分布在统计上综合多次的计测,能够愈发提高精度。
图12表示通过综合以多个计测位置为原点的距离数据,从而代表点的误差分布缩小,代表点的精度提高的样子。因为这样地以不同的计测位置(即作为距离传感器的三维计测器的位置)为原点而得到的距离数据其误差分布的朝向不同,所以通过经由环境模型将这些距离数据逐次综合,从而代表点的误差分布缩小,代表点的位置精度提高。再有,在图12中,三维计测后的图是表示了杯子的二维截面的示意图,三维计测后的图的虚线表示杯子的实际表面。
此外,作为原点和被计测点之间物体不存在的体素,通过再设定或擦除位于其间的体素内的代表点和误差分布,从而能够校正或擦除错误的计测数据。
此外,探测对应于新输入的被计测点的坐标值的体素,在该体素内没有代表点的情况下,通过将所述坐标值和误差分布作为代表点的坐标值和误差分布而设定,从而能够容易地设定代表点的坐标值和误差分布。
进而,在所述体素内有已经设定了的代表点的情况下,比较新取得的误差分布和已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布、或两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的代表点,在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步八分割并分级地分割为多个体素。由此,能够回避误差的累积并收敛到高精度的形状。
各体素的概率值根据代表点和误差分布计算。体素的概率值的计算方法例如如图13所示那样,能够根据相对于误差分布整体的内包在体素内的分布的比而求出。
此外,如图14所示的示意图,在两个以上的误差分布交叉的情况下,例如通过使用了对每个误差分布的概率值的贝叶斯估计等进行概率值的合成。
在能得到距离传感器的位置/姿势的误差分布的情况下,将该误差分布合成为计测数据的误差分布,能够计算计测数据的绝对误差。
例如,在将距离传感器装载到带有测距器的小车上进行计测的情况下,一般由于在测距器信息中含有小车的滑动等导致的误差,所以在测距传感器的位置中也含有误差。图15是合成距离传感器的位置的误差分布和计测数据的误差分布,计算计测数据的绝对误差的情况的示意图。
因此,根据本发明的方法和装置,具有将包含误差的距离数据校正为正确的信息的功能,并且通过反复该功能,对于长时间的计测收敛到高精度的形状。而且,本发明的方法由于是以新的计测点来更新对应于各体素6的代表点7及其误差分布8的处理,所以计算量小。此外,由于运算不对周围的体素施加影响而封闭在体素内,所以能够高速处理。此外,计测数据能够逐次综合为最大体素具有必要最小限度的分辨能力的体素结构,存储量不会大幅超过固定量。
此外,通过使各体素有概率值,从而即使在误差分布比代表点所属的体素扩展的情况下,各体素中的物体的存在有无不用找到代表点所属的体素并从其误差分布再计算,而是仅以该体素的概率值就能判断。
此外,传感器的位置/姿势即使有误差,通过将该误差分布合成为计测数据的误差分布,计算出计测数据的绝对误差,从而就能够提高对象物体的位置精度。
对使用了卡尔曼滤波器的模型更新步骤进行详细说明。
在使用了卡尔曼滤波器的模型更新步骤的情况下,根据新输入的被计测点的坐标值及其误差分布、和已经设定了的体素内的代表点及其误差分布,通过卡尔曼滤波器取得新的代表点和误差分布并进行再设定。
以各模型点群的位置m(i)为状态量,基于距离传感器的计测点的位置,以下式(3)表现模型。再有,在本实施例,m(i)是体素内部的代表点(以下相同)。
[算式3]
L(j)=hm(Rr,tr,m(i))+vL(j)
=Rs -1(Rr -1(m(i)-tr)-ts)+vL(j)(j=1,…,N)…(3)
在式(3)中,L(j)是根据距离传感器的计测位置。例如L(j)是在距离传感器的传感器坐标系中三维LRF(激光测距仪)的计测点j(j=1,…,N)的位置L(j)=(xL(j),yL(j),zL(j))t。这里,t表示转置矩阵(以下相同)。
hm(Rr,tr,m(i))是对L(j)的观测系模型。
Rr是表示装载了距离传感器的移动体(例如移动机器人)的相对于世界坐标系的姿势的旋转矩阵Rr=R(θx,θy,θz)。再有,θx、θy、θz分别表示绕x轴、y轴、z轴的旋转角(以下相同)。
tr是表示装载了距离传感器的移动体(例如移动机器人)的相对于世界坐标系的位置的平移矢量tr=(x,y,z)。
vL(i)是加入到距离传感器的计测值L(j)的观测噪声。
Rs是传感器坐标系的对移动体坐标系的旋转矩阵Rs=R(θx,θy,θz)。
ts是表示传感器坐标系的对移动体坐标系的位置的平移矢量ts=(x,y,z)。
测定对象物是静止的,将测定对象物的位置tr、姿势Rr对环境模型固定。
使根据距离传感器的计测点群和环境模型点群上的点i(即代表点)相对应。对进行该对应的模型点群上的点i通过下式(4)进行更新。再有,可仅对与根据距离传感器的计测点群进行了对应的模型点群上的代表点m(i)通过下式(4)进行更新。
[算式4]
Kmk(i)=∑mk,k-1(i)Hmk(j)t(Hmk(j)∑mk,k-1(i)Hmk(j)t+∑Lk(j))-1
m’k(i)=mk,k-1(i)+Kmk(i)(Lk(j)-hmk(Rrk,trk,mk,k-1(i)))…(4)
∑’mk(i)=∑mk,k-1(i)-Kmk(i)Hmk(j)∑mk,k-1(i)
在式(4)中,
下标k表示是在离散时刻k的值。
关于mk(i),m’k(i)表示mk(i)的更新值(事后推定值),mk,k-1(i)表示基于m’k-1(i)的mk(i)的预测值(事前推定值)。再有因为环境(测定对象物)静止,所以mk,k-1(i)=m’k-1(i)。
∑mk(i)是体素内部的代表点mk(i)的误差协方差矩阵(即所述误差分布)。此外,关于∑mk(i),∑’mk(i)表示∑mk(i)的更新值(事后推定值),∑mk,k-1(i)表示基于∑’mk-1(i)的∑mk(i)的预测值(事前推定值)。将在传感器坐标系中三维LRF的计测点j(j=1,…,N)的位置以L(j)表示,将其误差协方差矩阵以∑L(j)表示。在这里N是在三维LRF得到的计测点的总数。作为三维LRF的误差模型假定与计测距离没有关系的一定的正态分布。将对传感器坐标系的x轴方向照射激光的情况下的误差协方差矩阵作为∑S。对应激光的照射方向误差分布也改变姿势。∑L(j)是将对基准方向的激光照射方向使用旋转矩阵RL(j)表示为∑L(j)=RL(j)∑SRL t(j)。计测点j的在世界坐标系的位置z(j)、及其误差协方差矩阵∑z(j)能够分别以z(j)=Rr(RsL(j)+ts)+tr、∑z(j)=RrRs∑L(j)Rs tRr t来表示。
Kmk(i)是对mk(i)的卡尔曼增益。
hmk(Rrk,trk,mk,k-1(i))是对Lk(j)、i=pk(j)的观测系模型。i=pk(j)是对应于计测点j的环境地图(即,环境模型)上的点。
Hmk是对Lk(j)、i=pk(j)的观测系模型的雅可比矩阵,以下式(5)表示。
[算式5]
根据卡尔曼滤波器的更新过程,在得到了环境地图的模型点群的各点(体素的代表点)的位置和误差协方差矩阵的更新值m’k(i)、∑’mk(i)的阶段,以下面的次序进行环境模型的更新。
(1)将这些更新值m’k(i)、∑’mk(i)作为新的代表点、误差分布再设定。
(2)所述(1)的结果是,代表点的位置移动到别的体素内的情况下,当移动目的地的体素没有保持代表点时,使移动目的地的体素保持移动后的代表点及其误差协方差矩阵,从移动起始地的体素去除代表点等。当移动目的地的体素已经保持有代表点时,在两个代表点中,判断其两误差分布是否重叠(与所述ST4中的判断相同)。之后的处理与图8的ST4以后的处理相同即可。
(3)关于没有进行与模型点群上的代表点m(i)对应的根据距离传感器的计测点,在包含该计测点的体素不具有代表点的情况下,将计测点及其误差分布作为该体素的代表点和误差分布追加并保持。如果体素内代表点已经存在的情况下,以包含位于体素内的没有进行对应的其他的多个计测点,既存的代表点和各计测点被包含在完全不同体素的方式,分割体素并在此基础上使代表点等继承到分割后的体素。
通过反复所述的使用了卡尔曼滤波器的模型更新步骤,从而渐渐地体素内的误差协方差矩阵(即误差分布)的范围变小,并且体素变得容易分割。通过分割体素,还能够表现初期体素的大小以下的变化。
图16表示通过使用了卡尔曼滤波器的模型更新步骤得到的结果。图17是图16的局部放大图。在这些图中,以初期的体素的一个边的长度为100cm,允许6分割以下的再分割数。在对象存在的区域,反复体素的再分割,其结果是精度良好地表现计测对象。可知在对象不存在的区域不进行体素的再分割,能够以所需的充分的数据量来表现环境。此外,各体素内的代表点的误差分布也小,能够以高精度表现环境地图。这样,即使是包含误差的数据,也能够通过卡尔曼滤波器的效果,得到收敛到真值的结果。进而,在该方法通过使计测数据数增加,从而标准偏差变小,能够期待精度的进一步提高。
此外,由于测定对象物的位置/姿势固定,所以能够与测定对象物的位置/姿势独立来进行更新。再有,通过仅对与根据距离传感器的计测点群进行了对应的模型点群上的代表点m(i),进行根据所述的卡尔曼滤波器的更新,从而能够大幅削减计算成本。
对计测点和环境地图(即,环境模型)的对应进行补充说明。对应能以如下方式进行。
求出与作为对象的计测点j的误差协方差矩阵∑L(j)的范围(例如标准偏差的三倍的范围)相交的最上位的体素、和邻接于该体素的最上位的体素,将还包含下层体素的这些体素内存在的代表点作为对应点的候补。由于体素成为分级结构,所以该候补点的探测几乎不花费计算成本。这时,在没有成为候补的代表点的情况下,视为没有对应点。将邻接的体素也加入候补的理由是因为根据体素内的代表点位置,误差协方差矩阵的范围有时会溢出至邻接的体素。
作为实施方式,对三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置进行了说明,但通过将二维形状作为三维形状的特殊情况来看,也能够作为二维形状数据的存储/显示方法和装置以及二维形状的计测方法和装置的方式来实施。
此外,在所述输出步骤中,不全部输出所述体素位置、代表点以及误差分布也可,例如在全部没有它们也能把握三维形状的情况、或需要它们中的一个或两个的情况等情况下,可将所述体素位置、代表点以及误差分布的至少任一个输出到输出装置中。
再有,本发明并不局限于上述实施方式,当然能够在不脱离本发明的主旨的范围内进行各种变更。
Claims (21)
1.一种三维形状数据的存储/显示方法,用于根据三维形状上的被计测点的坐标值来复原三维形状,其特征在于,具有:
数据输入步骤,将三维形状上的坐标值输入到计算机中;
模型构筑步骤,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;
匹配步骤,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及
输出步骤,将所述体素位置、代表点以及误差分布输出到输出装置中。
2.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在所述模型构筑步骤中,在将最大的体素设定为相当于必要最小限度的分辨能力的大小,而且单一的体素内存在多个被计测点的情况下,以在单一的体素内仅存在单一的被计测点的方式,将该体素进一步分割并分级地分割为多个体素。
3.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,
作为在原点和被计测点之间不存在物体的,再设定或擦除位于其间的体素内的代表点和误差分布。
4.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,
在该体素内没有代表点的情况下,将所述坐标值和误差分布设定为代表点的坐标值和误差分布。
5.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,
在所述体素内有已经设定了的代表点的情况下,比较新取得的误差分布和已经设定了的体素内的误差分布,
在误差分布相互重叠的情况下,根据两误差分布,再设定新的误差分布和新的代表点,
在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素。
6.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在体素内部除了代表点及其误差分布之外,还一并具有概率值。
7.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在所述数据输入步骤中,使用距离传感器,将三维形状上的坐标值作为以任意的计测位置为原点的距离数据,一边移动原点一边依次取得。
8.根据权利要求7所述的三维形状数据的存储/显示方法,其特征在于,在能得到所述距离传感器的位置和误差分布的情况下,合成距离传感器的位置的误差分布和计测数据的误差分布。
9.根据权利要求5所述的三维形状数据的存储/显示方法,其特征在于,在所述模型更新步骤中,比较所述新取得的误差分布和所述已经设定了的体素内的误差分布,在误差分布相互重叠的情况下,根据两误差分布再设定新的误差分布和新的代表点,其结果是新的代表点移动到其他体素内,此时,
在该其他体素内没有代表点的情况下,在该其他体素的内部设定该新的误差分布和该新的代表点,
在该其他体素内有已经设定了的代表点的情况下,比较该新的误差分布和已经设定了的该其他体素内的误差分布,(A)在误差分布相互重叠的情况下,根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的代表点,(B)在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素。
10.根据权利要求1所述的三维形状数据的存储/显示方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,
在该模型更新步骤中,根据新输入的被计测点的坐标值及其误差分布和已经设定了的体素内的代表点及其误差分布,通过卡尔曼滤波器取得新的代表点和误差分布并进行再设定。
11.一种三维形状数据的存储/显示装置,用于根据三维形状上的被计测点的坐标值来复原三维形状,其特征在于,具备:
数据输入装置,将三维形状上的坐标值输入到计算机中;
模型构筑装置,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;
匹配装置,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及
数据传输装置,将所述体素位置、代表点以及误差分布输出到输出装置中。
12.一种三维形状的计测方法,根据三维形状上的被计测点的坐标值来复原三维形状,并输出三维形状数据,其特征在于,具有:
数据输入步骤,将三维形状上的坐标值输入到计算机中;
模型构筑步骤,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;
匹配步骤,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及
输出步骤,将所述代表点、体素位置以及误差分布的至少任一个输出到输出装置中。
13.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述输出步骤中,将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中,并且将表示该计测值的可靠性或精度的指标基于该体素内部的误差分布的大小输出到输出装置中。
14.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述输出步骤中,在将所述体素的代表点的位置作为三维形状的计测值输出到输出装置中时,在该体素的内部误差分布的大小比规定的基准值大的情况下,该计测值的可靠性或精度定为比规定的基准低,不将该体素的所述计测值输出到输出装置中。
15.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述数据输入步骤中,使用距离传感器,将三维形状上的坐标值作为以任意的计测位置为原点的距离数据,一边移动原点一边依次取得。
16.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,
在该体素内没有代表点的情况下,将所述坐标值和误差分布设定为代表点的坐标值和误差分布。
17.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,
在所述体素内有已经设定了的代表点的情况下,比较新取得的误差分布和已经设定了的体素内的误差分布,
在误差分布相互重叠的情况下,根据两误差分布、或根据两误差分布和体素内已经设定了的代表点和新输入的被计测点的坐标值,再设定新的误差分布和新的代表点,
在误差分布不相互重叠的情况下,以在单一的体素内仅存在单一的代表点的方式,将该体素进一步分割并分级地分割为多个体素。
18.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述匹配步骤之后具有更新所述环境模型的模型更新步骤,在该模型更新步骤中,探测对应于新输入的被计测点的坐标值的体素,在所述体素内的代表点以及误差分布的至少任一个被新设定、或被再设定、或将该体素进一步分割并分级地分割为多个体素的情况下,在所述输出步骤中,将该体素的代表点的位置作为三维形状的计测值输出到输出装置中。
19.根据权利要求12所述的三维形状的计测方法,其特征在于,在所述输出步骤中,将从距离传感器的位置出发距离传感器能进行位置计测的范围的环境模型内的体素的代表点位置,作为三维形状的计测值输出到输出装置中。
20.一种三维形状的计测装置,根据三维形状上的被计测点的坐标值来复原三维形状,并输出三维形状数据,其特征在于,具备:
数据输入装置,将三维形状上的坐标值输入到计算机中;
模型构筑装置,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;
匹配装置,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及
数据传输装置,将所述代表点、体素位置以及误差分布的至少任一个输出到输出装置中。
21.一种三维形状数据的存储/显示方法,用于根据三维形状上的被计测点的坐标值来复原三维形状,其特征在于,具有:
数据输入步骤,将三维形状上的坐标值输入到计算机中;
模型构筑步骤,构筑环境模型,该环境模型将所述三维形状所存在的空间区域分割为由边界表面相互正交的长方体构成的多个体素,并存储各体素位置;
匹配步骤,在对应于所述坐标值的体素的内部设定代表点及其误差分布并存储起来;以及
输出步骤,将所述代表点、体素位置以及误差分布的至少任一个输出到输出装置中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP363295/2005 | 2005-12-16 | ||
JP2005363295 | 2005-12-16 | ||
PCT/JP2006/325042 WO2007069721A1 (ja) | 2005-12-16 | 2006-12-15 | 三次元形状データの記憶・表示方法と装置および三次元形状の計測方法と装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101331380A true CN101331380A (zh) | 2008-12-24 |
CN101331380B CN101331380B (zh) | 2011-08-03 |
Family
ID=38163023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006800474232A Active CN101331380B (zh) | 2005-12-16 | 2006-12-15 | 三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8300048B2 (zh) |
JP (1) | JP4650750B2 (zh) |
CN (1) | CN101331380B (zh) |
DE (1) | DE112006003361T5 (zh) |
WO (1) | WO2007069721A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270291A (zh) * | 2010-06-04 | 2011-12-07 | 上海三旗通信科技有限公司 | 一种新颖的中央处理器id软件保护方案及操作方法 |
CN104864821A (zh) * | 2014-02-20 | 2015-08-26 | 株式会社东芝 | 计算设备和方法 |
CN104930980A (zh) * | 2014-03-20 | 2015-09-23 | 株式会社东芝 | 提取设备和方法 |
CN104956180A (zh) * | 2012-09-04 | 2015-09-30 | 数字信号公司 | 增大从三维测量系统获得的图像的分辨率 |
CN109029251A (zh) * | 2018-06-14 | 2018-12-18 | 福建省汽车工业集团云度新能源汽车股份有限公司 | 一种通用式汽车管路检测设备 |
CN109313018A (zh) * | 2016-06-08 | 2019-02-05 | 索尼公司 | 成像控制装置和方法、以及车辆 |
CN110481559A (zh) * | 2018-05-15 | 2019-11-22 | 通用汽车环球科技运作有限责任公司 | 用于3d传感器的有效体积积分的方法 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112006003380T5 (de) * | 2005-12-16 | 2008-10-16 | Ihi Corporation | Verfahren und Vorrichtung für die Positionsabgleichung von dreidimensionalen Formdaten |
US8121399B2 (en) * | 2005-12-16 | 2012-02-21 | Ihi Corporation | Self-position identifying method and device, and three-dimensional shape measuring method and device |
JP5380792B2 (ja) * | 2007-06-15 | 2014-01-08 | 株式会社Ihi | 物体認識方法および装置 |
JP5246468B2 (ja) * | 2007-11-21 | 2013-07-24 | 株式会社Ihi | バリまたは欠損認識方法と装置およびバリ取り方法と装置 |
US8593457B2 (en) * | 2010-05-27 | 2013-11-26 | National Tsing Hua University | Method of three-dimensional image data processing |
FR2976352B1 (fr) * | 2011-06-09 | 2015-04-10 | Univ Savoie | Procede et dispositif de caracterisation de surfaces. |
JP5658372B2 (ja) * | 2011-08-29 | 2015-01-21 | 株式会社日立製作所 | 監視装置、監視システム及び監視方法 |
AU2012308664B2 (en) * | 2011-09-13 | 2016-03-03 | Osi Optoelectronics, Inc. | Improved laser rangefinder sensor |
US9364995B2 (en) | 2013-03-15 | 2016-06-14 | Matterrise, Inc. | Three-dimensional printing and scanning system and method |
JP6180065B2 (ja) * | 2013-10-30 | 2017-08-16 | 川崎重工業株式会社 | 物体位置検出装置および方法 |
JP6298341B2 (ja) * | 2014-03-28 | 2018-03-20 | 川崎重工業株式会社 | 目標探知支援システムおよびその方法 |
JP6559535B2 (ja) | 2015-10-22 | 2019-08-14 | 株式会社東芝 | 障害物マップ生成装置、その方法、及び、そのプログラム |
US20170309060A1 (en) * | 2016-04-21 | 2017-10-26 | Honeywell International Inc. | Cockpit display for degraded visual environment (dve) using millimeter wave radar (mmwr) |
JP2017198517A (ja) * | 2016-04-27 | 2017-11-02 | 株式会社国際電気通信基礎技術研究所 | 3次元地図生成システム |
JP6786264B2 (ja) | 2016-05-27 | 2020-11-18 | 株式会社東芝 | 情報処理装置、情報処理方法、および車両 |
US10839598B2 (en) * | 2016-07-26 | 2020-11-17 | Hewlett-Packard Development Company, L.P. | Indexing voxels for 3D printing |
JP6853150B2 (ja) * | 2017-09-15 | 2021-03-31 | Kddi株式会社 | 選別装置、方法及びプログラム |
CN110412530B (zh) * | 2018-04-27 | 2021-09-17 | 深圳市优必选科技有限公司 | 一种识别充电桩的方法、装置及机器人 |
CN109285220B (zh) * | 2018-08-30 | 2022-11-15 | 阿波罗智能技术(北京)有限公司 | 一种三维场景地图的生成方法、装置、设备及存储介质 |
WO2022003976A1 (ja) * | 2020-07-03 | 2022-01-06 | 日本電気株式会社 | 測距誤差算出装置、測距誤差算出方法及び記憶媒体 |
KR102460825B1 (ko) | 2020-08-31 | 2022-10-31 | 네이버랩스 주식회사 | 위치 추정 방법 및 시스템 |
WO2022180801A1 (ja) * | 2021-02-26 | 2022-09-01 | 株式会社安川電機 | シミュレーション装置、制御システム及びモデリング方法 |
KR102474886B1 (ko) * | 2021-03-09 | 2022-12-06 | 서울대학교 산학협력단 | 3d 솔리드 모델의 디자인 방법 |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63186308A (ja) | 1987-01-28 | 1988-08-01 | Hitachi Ltd | 移動体の誘導方法、および装置 |
FR2625345A1 (fr) * | 1987-12-24 | 1989-06-30 | Thomson Cgr | Procede de visualisation en trois dimensions d'objets codes numeriquement sous forme arborescente et dispositif de mise en oeuvre |
JPH03170345A (ja) | 1989-11-28 | 1991-07-23 | Asahi Glass Co Ltd | サーマルヘッドの抵抗体オーバーコートガラス組成物 |
JPH0778406B2 (ja) | 1991-03-11 | 1995-08-23 | 工業技術院長 | 多視点距離データの統合方法 |
JP3170345B2 (ja) | 1992-05-13 | 2001-05-28 | 日本電信電話株式会社 | 3次元情報抽出方法 |
JPH06223201A (ja) * | 1993-01-22 | 1994-08-12 | Matsushita Electric Ind Co Ltd | 並列画像生成装置 |
US5724493A (en) * | 1994-12-13 | 1998-03-03 | Nippon Telegraph & Telephone Corporation | Method and apparatus for extracting 3D information of feature points |
JPH0981788A (ja) | 1995-09-12 | 1997-03-28 | Toshiba Corp | 環境モデル入力装置 |
US5689629A (en) * | 1995-12-12 | 1997-11-18 | The Regents Of The University Of California | Iterative optimizing quantization method for reconstructing three-dimensional images from a limited number of views |
JPH09229648A (ja) | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入出力装置及び画像情報入出力方法 |
JPH09231370A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入力装置 |
US7486811B2 (en) | 1996-09-16 | 2009-02-03 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
US6064942A (en) * | 1997-05-30 | 2000-05-16 | Rockwell Collins, Inc. | Enhanced precision forward observation system and method |
JPH1196374A (ja) * | 1997-07-23 | 1999-04-09 | Sanyo Electric Co Ltd | 3次元モデリング装置、3次元モデリング方法および3次元モデリングプログラムを記録した媒体 |
JP3813343B2 (ja) * | 1997-09-09 | 2006-08-23 | 三洋電機株式会社 | 3次元モデリング装置 |
US6026189A (en) * | 1997-11-13 | 2000-02-15 | National Research Council Of Canada | Method of recognizing objects within two-dimensional and three-dimensional images |
JP3740865B2 (ja) * | 1998-10-08 | 2006-02-01 | コニカミノルタホールディングス株式会社 | 多視点3次元データの合成方法および記録媒体 |
JP3514373B2 (ja) * | 1999-07-12 | 2004-03-31 | 日本電信電話株式会社 | 3次元情報抽出方法、装置、および3次元情報抽出プログラムを記録した記録媒体 |
GB9929957D0 (en) * | 1999-12-17 | 2000-02-09 | Canon Kk | Image processing apparatus |
US6476803B1 (en) * | 2000-01-06 | 2002-11-05 | Microsoft Corporation | Object modeling system and process employing noise elimination and robust surface extraction techniques |
EP1371021A1 (en) | 2001-03-12 | 2003-12-17 | Koninklijke Philips Electronics N.V. | Generation of a three-dimensional representation from multiple images using octrees |
US6914601B2 (en) * | 2001-06-12 | 2005-07-05 | Minolta Co., Ltd. | Method, apparatus, and computer program for generating three-dimensional shape data or volume data |
JP2003015739A (ja) | 2001-07-02 | 2003-01-17 | Yaskawa Electric Corp | 外環境地図、並びに自己位置同定装置および誘導制御装置 |
JP2003065736A (ja) * | 2001-08-24 | 2003-03-05 | Sanyo Electric Co Ltd | 3次元モデリング装置 |
CA2413058C (en) * | 2001-11-27 | 2012-01-17 | Samsung Electronics Co., Ltd. | Node structure for representing 3-dimensional objects using depth image |
EP1321894B1 (en) * | 2001-11-27 | 2011-11-09 | Samsung Electronics Co., Ltd. | Apparatus and method for representing 3-dimensional objects using depth images |
WO2003102706A1 (fr) | 2002-05-31 | 2003-12-11 | Fujitsu Limited | Robot telecommande et procede d'identification automatique de la position de robot. |
EP1519318A4 (en) | 2002-06-28 | 2008-11-19 | Fujitsu Ltd | PROGRAM AND METHOD FOR COMPARING THREE-DIMENSIONAL IMAGE AND APPARATUS THEREFOR |
US7317456B1 (en) * | 2002-12-02 | 2008-01-08 | Ngrain (Canada) Corporation | Method and apparatus for transforming point cloud data to volumetric data |
JP2005037379A (ja) | 2003-06-30 | 2005-02-10 | Sanyo Electric Co Ltd | 三次元モデリング方法と装置 |
US7843512B2 (en) | 2004-03-31 | 2010-11-30 | Honeywell International Inc. | Identifying key video frames |
US20060017720A1 (en) * | 2004-07-15 | 2006-01-26 | Li You F | System and method for 3D measurement and surface reconstruction |
JP5314244B2 (ja) | 2004-10-27 | 2013-10-16 | 富山化学工業株式会社 | 新規な含窒素複素環化合物およびその塩 |
DE102005035746B4 (de) * | 2005-07-29 | 2010-02-18 | Siemens Ag | Verfahren zur Bestimmung einer Relativposition einer mobilen Einheit durch Vergleich von Scans einer Umgebung und mobile Einheit |
US7653235B2 (en) * | 2005-10-27 | 2010-01-26 | Honeywell International Inc. | Surface anomaly detection system and method |
US8121399B2 (en) * | 2005-12-16 | 2012-02-21 | Ihi Corporation | Self-position identifying method and device, and three-dimensional shape measuring method and device |
DE112006003380T5 (de) * | 2005-12-16 | 2008-10-16 | Ihi Corporation | Verfahren und Vorrichtung für die Positionsabgleichung von dreidimensionalen Formdaten |
-
2006
- 2006-12-15 WO PCT/JP2006/325042 patent/WO2007069721A1/ja active Application Filing
- 2006-12-15 US US12/096,871 patent/US8300048B2/en not_active Expired - Fee Related
- 2006-12-15 JP JP2007550239A patent/JP4650750B2/ja active Active
- 2006-12-15 DE DE112006003361T patent/DE112006003361T5/de not_active Ceased
- 2006-12-15 CN CN2006800474232A patent/CN101331380B/zh active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270291A (zh) * | 2010-06-04 | 2011-12-07 | 上海三旗通信科技有限公司 | 一种新颖的中央处理器id软件保护方案及操作方法 |
CN104956180A (zh) * | 2012-09-04 | 2015-09-30 | 数字信号公司 | 增大从三维测量系统获得的图像的分辨率 |
CN104864821A (zh) * | 2014-02-20 | 2015-08-26 | 株式会社东芝 | 计算设备和方法 |
CN104930980A (zh) * | 2014-03-20 | 2015-09-23 | 株式会社东芝 | 提取设备和方法 |
CN109313018A (zh) * | 2016-06-08 | 2019-02-05 | 索尼公司 | 成像控制装置和方法、以及车辆 |
US11158076B2 (en) | 2016-06-08 | 2021-10-26 | Sony Corporation | Imaging control device and method, and vehicle |
CN109313018B (zh) * | 2016-06-08 | 2021-12-10 | 索尼公司 | 成像控制装置和方法、以及车辆 |
CN110481559A (zh) * | 2018-05-15 | 2019-11-22 | 通用汽车环球科技运作有限责任公司 | 用于3d传感器的有效体积积分的方法 |
CN109029251A (zh) * | 2018-06-14 | 2018-12-18 | 福建省汽车工业集团云度新能源汽车股份有限公司 | 一种通用式汽车管路检测设备 |
Also Published As
Publication number | Publication date |
---|---|
DE112006003361T5 (de) | 2008-10-16 |
CN101331380B (zh) | 2011-08-03 |
WO2007069721A1 (ja) | 2007-06-21 |
JPWO2007069721A1 (ja) | 2009-05-28 |
US20090184961A1 (en) | 2009-07-23 |
JP4650750B2 (ja) | 2011-03-16 |
US8300048B2 (en) | 2012-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101331380B (zh) | 三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置 | |
CN101331379B (zh) | 自身位置辨认方法和装置以及三维形状的计测方法和装置 | |
CN101331381B (zh) | 三维形状数据的位置对准方法和装置 | |
CN101509781B (zh) | 基于单目摄像头的步行机器人定位系统 | |
CN102831646A (zh) | 一种基于扫描激光的大尺度三维地形建模方法 | |
US20210192841A1 (en) | Methods and systems for constructing map data using poisson surface reconstruction | |
CN103913162B (zh) | 增强的移动平台定位 | |
CN107850448A (zh) | 用于生成及使用定位参考数据的方法及系统 | |
CN106461402A (zh) | 用于确定相对于数字地图的位置的方法及系统 | |
US8078399B2 (en) | Method and device for three-dimensional path planning to avoid obstacles using multiple planes | |
CN113899375B (zh) | 车辆定位方法和装置、存储介质及电子设备 | |
RU2487419C1 (ru) | Система комплексной обработки информации радионавигационных и автономных средств навигации для определения действительных значений параметров самолетовождения | |
CN112363158B (zh) | 机器人的位姿估计方法、机器人和计算机存储介质 | |
WO2004015369A9 (en) | Motion tracking system and method | |
Stal et al. | Assessment of handheld mobile terrestrial laser scanning for estimating tree parameters | |
CN116202509A (zh) | 一种面向室内多层建筑的可通行地图生成方法 | |
CN116429121A (zh) | 基于多传感器的定位方法、装置、自移动设备及存储介质 | |
CN116222541A (zh) | 利用因子图的智能多源组合导航方法及装置 | |
US7107146B2 (en) | Methods and systems for generating a terrain elevation map in a cartesian format | |
KR20220000331A (ko) | 동적 물체 필터링을 통한 실내 공간 구조 지도 작성 장치 및 방법 | |
WO2022153586A1 (ja) | 自己地図生成装置、および自己位置推定装置 | |
US11676374B1 (en) | Three-dimensional-enabled targeting of imagery with rigorous error propagation | |
CN118031983B (zh) | 自动驾驶融合定位方法及系统 | |
Unger | Integrated estimation of UAV image orientation with a generalised building model | |
Doğruluk et al. | Performance Analysis of a Drone Development Kit-derived Digital Elevation Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |