CN103366250B - 基于三维实景数据的市容环境检测方法及系统 - Google Patents
基于三维实景数据的市容环境检测方法及系统 Download PDFInfo
- Publication number
- CN103366250B CN103366250B CN201310293860.4A CN201310293860A CN103366250B CN 103366250 B CN103366250 B CN 103366250B CN 201310293860 A CN201310293860 A CN 201310293860A CN 103366250 B CN103366250 B CN 103366250B
- Authority
- CN
- China
- Prior art keywords
- data
- characteristic element
- point cloud
- city
- laser radar
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及特征提取及识别技术领域，提供了一种基于三维实景数据的市容环境检测方法及系统。该方法包括：步骤A：获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据；步骤B：将所述数据采集模块获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立一一映射关系；步骤C：根据所述映射关系，识别所述城市场景中所要检测的特征要素，对所述特征要素进行检测和统计，存储所述特征要素的检测和统计数据。本发明使得市容环境评价工作更加高效、客观，同时也降低了成本。
Description
【技术领域】
本发明涉及特征提取及识别技术领域，特别是涉及一种基于三维实景数据的市容环境检测方法及系统。
【背景技术】
促进市容环境提升是城市管理的重要目的，对市容环境进行检测并客观评价（如对道路清洁度打分）是提升环境质量的关键。目前主要通过人工打分的方式进行市容环境检测评价。然而，人工打分的效率较低，其主观性较强，难以做到尺度统一，同时需要大量的行政管理人员到现场也会产生较大的行政成本。
鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
【发明内容】
本发明要解决的技术问题是提供一种效率高、成本低、客观的基于三维实景数据的市容环境检测方法及系统。
本发明采用如下技术方案：
一种基于三维实景数据的市容环境检测方法，包括：
步骤A：获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据；
步骤B：将所述数据采集模块获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立一一映射关系；
步骤C：根据所述映射关系，识别所述城市场景中所要检测的特征要素，对所述特征要素进行检测和统计，存储所述特征要素的检测和统计数据。
进一步地，所述方法还包括：
步骤D：通过信息输出将所述特征要素的检测和统计数据呈现给用户，以及通过信息输入接收用户指令和反馈信息。
进一步地，所述步骤B包括：
采用单位球体的三维结构模拟球面全景影像，将所述球面全景影像的像素坐标转换为三维直角坐标；
计算所述球面全景影像在激光雷达点云数据中的姿态参数以及球面全景影像的光心在激光雷达点云数据中的位置坐标，将球面全景影像在激光雷达点云数据中进行配准；
计算得到球面全景影像的深度图。
进一步地，所述步骤C包括：
基于图像识别在道路全景影像数据中识别所述城市场景中所要检测的特征要素；
读取所述特征要素在城市场景中的位置信息，存储所述特征要素的图像及位置信息，对所述特征要素进行编号；
根据所述特征要素所对应的激光雷达点云数据读取所述特征要素边界的几何尺寸信息，存储所述几何尺寸信息；
对存储的特征要素进行聚类合并，将位置接近以及几何尺寸接近的特征要素归为一类，视为同一个特征要素。
进一步地，所述特征要素为路面垃圾或者公共设施。
本发明还提供了一种基于三维实景数据的市容环境检测系统，包括：
数据采集模块，用于获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据；
数据融合模块，用于将所述数据采集模块获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立一一映射关系；
特征识别模块，用于根据所述映射关系，识别所述城市场景中所要检测的特征要素，对所述特征要素进行检测和统计，存储所述特征要素的检测和统计数据；
数据库，用于存储所述特征要素的检测和统计数据。
进一步地，所述系统还包括：
人机交互模块，用于通过信息输出将所述特征要素的检测和统计数据呈现给用户，以及通过信息输入接收用户指令和反馈信息。
进一步地，所述数据采集模块包括：
激光雷达点云扫描装置，用于采集激光点云，并将采集到的激光点云进行校准、拼接，获取城市场景中的激光雷达点云数据；
道路全景影像采集设备，用于获取城市场景中的道路全景影像数据；
定位装置，用于获取位置信息。
进一步地，所述特征识别模块包括：
识别单元，用于基于图像识别在道路全景影像数据中识别所述城市场景中所要检测的特征要素；
数据读取和记录单元，用于读取所述特征要素在城市场景中的位置信息，将所述特征要素的图像及位置信息存储到数据库中，对所述特征要素进行编号，并根据所述特征要素所对应的激光雷达点云数据读取所述特征要素边界的几何尺寸信息，将所述几何尺寸信息存储到数据库中；
聚类合并单元，用于对存储的特征要素进行聚类合并，将位置接近以及几何尺寸接近的特征要素归为一类，视为同一个特征要素。
进一步地，所述特征要素为路面垃圾或者公共设施。
与现有技术相比，本发明的有益效果在于：通过在城市现场采集待检测的城市场景数据，在所采集的城市道路图像和图形中进行特征提取，识别出市容环境检测的关键对象，通过自动或人工交互的方式完成对某段市容环境的评分，提高了城市管理者监督管理的效率，节省成本，保证了市容环境检测的客观性和公正性。
【附图说明】
图1是本发明基于三维实景数据的市容环境检测方法的流程图；
图2是本发明基于三维实景数据的市容环境检测系统的结构框图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1
本发明实施例1提供了一种基于三维实景数据的市容环境检测方法。如图1所示，该方法包括：
步骤A：获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据；基于激光雷达点云数据及道路全景影像数据，能对市容环境进行有效评价。
步骤B：将数据采集模块获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立一一映射关系；这样，使得实景图像中的场景具备了景深信息。
步骤C：根据映射关系，识别城市场景中所要检测的特征要素，对特征要素进行检测和统计，存储特征要素的检测和统计数据。
当需要对市容环境进行检测评价时，可将该特征要素设定为路面垃圾；当需要对城市道路的公共设施进行快速统计时，可将该特征要素设定为公共设施（如路灯杆、垃圾箱等）。
具体地，可通过如下方法进行步骤B的数据融合：
采用单位球体的三维结构模拟球面全景影像，将球面全景影像的像素坐标转换为三维直角坐标；
计算球面全景影像在激光雷达点云数据中的姿态参数以及球面全景影像的光心在激光雷达点云数据中的位置坐标，将球面全景影像在激光雷达点云数据中进行配准；
计算得到球面全景影像的深度图，使得实景图像中的场景具备了景深信息。
具体地，可通过如下方法进行步骤C的特征识别：
基于图像识别在道路全景影像数据中识别城市场景中所要检测的特征要素；该特征要素为满足相似度要求的特征要素，比如路面垃圾或者公共设施；
读取特征要素在城市场景中的位置信息，存储特征要素的图像及位置信息，对特征要素进行编号；
根据特征要素所对应的激光雷达点云数据读取特征要素边界的几何尺寸信息（如长、宽、高等），存储几何尺寸信息；
对存储的特征要素进行聚类合并，将位置接近以及几何尺寸接近的特征要素归为一类，视为同一个特征要素。
在特征提取时，由于激光雷达点云数据及道路全景影像数据已经建立了对应关系，因此通过读取并记录该特征要素对应的激光点云的地理坐标，避免了因多张图片识别出相同的特征要素而导致的重复计数问题。也即通过将全景影像与三维激光点云配准，将城市特征要素跟地理位置进行了关联，避免了在全景影像中重复计数的问题。
进一步地，本实施例可通过自动或人工交互两种模式完成对某段市容环境的评分。当以人工交互方式完成对某段市容环境的评分时，可通过如下方式进行：
步骤D：通过信息输出将特征要素的检测和统计数据呈现给用户，以及通过信息输入接收用户指令和反馈信息。在人工参与模式运行中，系统将匹配的特征要素输出给用户，获得用户肯定或否定的反馈信息，使得检测评价工作更为精确。
本实施例通过在城市现场采集待检测的城市场景数据，在所采集的城市道路图像和图形中进行特征提取，识别出市容环境检测的关键对象，通过自动或人工交互的方式完成对某段市容环境的评分，提高了城市管理者监督管理的效率，节省成本，保证了市容环境检测的客观性和公正性。本方法可替代现有市容环境评价单纯依靠人工到现场打分的办法，使得评价工作更加高效、客观，同时也降低了成本。
实施例2
本发明实施例2提供了一种基于三维实景数据的市容环境检测系统。如图2所示，该系统包括数据采集模块10、数据融合模块20、特征识别模块30和数据库40：
数据采集模块10用于获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据。数据采集模块40可包括激光雷达点云扫描装置、道路全景影像采集设备和定位装置。其中，激光雷达点云扫描装置用于采集激光点云，并将采集到的激光点云进行校准、拼接，获取城市场景中的激光雷达点云数据；道路全景影像采集设备用于获取城市场景中的道路全景影像数据；定位装置用于获取位置信息。激光雷达点云扫描装置、道路全景影像采集设备和定位装置可搭载到数据采集车辆上。
激光点云雷达扫描装置可采用目前市面上较为成熟的加拿大optech公司生产的lynx系统。该装置包含激光发射器、相机、双GPS，同时包含激光点云处理软件，可以将采集到的激光点云进行校准、拼接，获得三维场景数据。道路全景影像采集设备可采用720度道路全景相机，也有很多成熟的产品可以选择，如PointGrey公司生产的ladybug系统产品。定位装置可采用全球定位系统（GlobalPositioningSystem，GPS）与惯性测量单元（inertial measurement unit，IMU）组合定位装置，也可以采用其他现有技术中已知的定位装置。
数据采集模块10的工作过程如下：将数据采集车辆开到要获取数据的地方，打开激光雷达点云扫描装置和720度道路全景相机采集装置；开启计算机控制系统；打开高精度定位装置，GPS与IMU进行初试对准，保证基站GPS已经开启，正常工作；初试对准完成之后，720度道路全景相机做白平衡处理；激光开启；至此准备工作完成。数据采集车辆匀速行驶，各个传感器开始工作，计算机系统记录激光原始数据、全景相机数据，IMU数据以及GPS数据。基于城市720度全景影像数据和三维点云数据，能对市容环境进行有效评价。
数据融合模块20用于将数据采集模块10获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立一一映射关系。具体地，数据融合模块20通过如下方法进行数据融合：首先采用单位球体的三维结构模拟球面全景影像，将球面全景影像的像素坐标转换为三维直角坐标；然后计算球面全景影像在激光雷达点云数据中的姿态参数以及球面全景影像的光心在激光雷达点云数据中的位置坐标，将球面全景影像在激光雷达点云数据中进行配准；再计算得到球面全景影像的深度图，使得实景图像中的场景具备了景深信息。最后，当需要在球面全景影像上测量时，将鼠标移动到需要测量的目标点位置，即可计算得出目标点的三维坐标。
特征识别模块30用于根据映射关系，识别城市场景中所要检测的特征要素，对特征要素进行检测和统计，存储特征要素的检测和统计数据。当需要对市容环境进行检测评价时，可将该特征要素设定为路面垃圾；当需要对城市道路的公共设施进行快速统计时，可将该特征要素设定为公共设施（如路灯杆、垃圾箱等）。
特征识别模块30包括识别单元、数据读取和记录单元和聚类合并单元。其中，识别单元用于基于图像识别在道路全景影像数据中识别城市场景中所要检测的特征要素，该特征要素为满足相似度要求的特征要素，比如路面垃圾或者公共设施；数据读取和记录单元用于读取特征要素在城市场景中的位置信息，将特征要素的图像及位置信息存储到数据库中，对特征要素进行编号，并根据特征要素所对应的激光雷达点云数据读取特征要素边界的几何尺寸信息（如长、宽、高等），将几何尺寸信息存储到数据库中。采用以上相同的方法，在所要评价的整条道路所采集的每一帧的720度道路全景影像数据进行特征提取，并将其所对应的三维场景中的位置信息一并储存到数据库。聚类合并单元用于对存储的特征要素进行聚类合并，将位置接近以及几何尺寸接近的特征要素归为一类，视为同一个特征要素（例如一处道路垃圾）。
在特征提取时，由于激光雷达点云数据及道路全景影像数据已经建立了对应关系，因此通过读取并记录该特征要素对应的激光点云的地理坐标，避免了因多张图片识别出相同的特征要素而导致的重复计数问题。也即通过将全景影像与三维激光点云配准，将城市特征要素跟地理位置进行了关联，避免了在全景影像中重复计数的问题。
数据库40用于存储特征要素的检测和统计数据。
进一步地，本实施例可通过自动或人工交互两种模式完成对某段市容环境的评分。当以人工交互方式完成对某段市容环境的评分时，本系统还需包括一人机交互模块50，其用于通过信息输出将特征要素的检测和统计数据呈现给用户，以及通过信息输入接收用户指令和反馈信息。在人工参与模式运行中，系统将匹配的特征要素输出给用户，获得用户肯定或否定的反馈信息，使得检测评价工作更为精确。前面的城市特征要素的设定和选择可通过人机交互模块50完成
本实施例通过在城市现场采集待检测的城市场景数据，在所采集的城市道路图像和图形中进行特征提取，识别出市容环境检测的关键对象，通过自动或人工交互的方式完成对某段市容环境的评分，提高了城市管理者监督管理的效率，节省成本，保证了市容环境检测的客观性和公正性。本系统可替代现有市容环境评价单纯依靠人工到现场打分的方法，使得评价工作更加高效、客观，同时也降低了成本。
值得说明的是，上述装置和系统内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的处理方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于三维实景数据的市容环境检测方法，其特征在于，包括：
步骤A：获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据；
步骤B：将获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立映射关系；
步骤C：根据所述映射关系，识别所述城市场景中所要检测的特征要素，对所述特征要素进行检测和统计，存储所述特征要素的检测和统计数据；
所述步骤C包括：
基于图像识别在道路全景影像数据中识别所述城市场景中所要检测的特征要素；
读取所述特征要素在城市场景中的位置信息，存储所述特征要素的图像及位置信息，对所述特征要素进行编号；
根据所述特征要素所对应的激光雷达点云数据读取所述特征要素边界的几何尺寸信息，存储所述几何尺寸信息；
对存储的特征要素进行聚类合并，将位置接近以及几何尺寸接近的特征要素归为一类，视为同一个特征要素。
2.根据权利要求1所述的基于三维实景数据的市容环境检测方法，其特征在于，所述方法还包括：
步骤D：通过信息输出将所述特征要素的检测和统计数据呈现给用户，以及通过信息输入接收用户指令和反馈信息。
3.根据权利要求1所述的基于三维实景数据的市容环境检测方法，其特征在于，所述步骤B包括：
采用单位球体的三维结构模拟球面全景影像，将所述球面全景影像的像素坐标转换为三维直角坐标；
计算所述球面全景影像在激光雷达点云数据中的姿态参数以及球面全景影像的光心在激光雷达点云数据中的位置坐标，将球面全景影像在激光雷达点云数据中进行配准；
计算得到球面全景影像的深度图。
4.根据权利要求1-3任一项所述的基于三维实景数据的市容环境检测方法，其特征在于，所述特征要素为路面垃圾或者公共设施。
5.一种基于三维实景数据的市容环境检测系统，其特征在于，包括：
数据采集模块，用于获取城市场景中包含位置信息的激光雷达点云数据及道路全景影像数据；
数据融合模块，用于将所述数据采集模块获取的包含位置信息的激光雷达点云数据及道路全景影像数据进行融合，将激光雷达点云数据、道路全景影像数据和位置信息基于时间信息建立映射关系；
特征识别模块，用于根据所述映射关系，识别所述城市场景中所要检测的特征要素，对所述特征要素进行检测和统计，存储所述特征要素的检测和统计数据；所述特征识别模块包括：识别单元，用于基于图像识别在道路全景影像数据中识别所述城市场景中所要检测的特征要素；数据读取和记录单元，用于读取所述特征要素在城市场景中的位置信息，将所述特征要素的图像及位置信息存储到数据库中，对所述特征要素进行编号，并根据所述特征要素所对应的激光雷达点云数据读取所述特征要素边界的几何尺寸信息，将所述几何尺寸信息存储到数据库中；聚类合并单元，用于对存储的特征要素进行聚类合并，将位置接近以及几何尺寸接近的特征要素归为一类，视为同一个特征要素；
数据库，用于存储所述特征要素的检测和统计数据。
6.根据权利要求5所述的基于三维实景数据的市容环境检测系统，其特征在于，所述系统还包括：
人机交互模块，用于通过信息输出将所述特征要素的检测和统计数据呈现给用户，以及通过信息输入接收用户指令和反馈信息。
7.根据权利要求5所述的基于三维实景数据的市容环境检测系统，其特征在于，所述数据采集模块包括：
激光雷达点云扫描装置，用于采集激光点云，并将采集到的激光点云进行校准、拼接，获取城市场景中的激光雷达点云数据；
道路全景影像采集设备，用于获取城市场景中的道路全景影像数据；
定位装置，用于获取位置信息。
8.根据权利要求5-7任一项所述的基于三维实景数据的市容环境检测系统，其特征在于，所述特征要素为路面垃圾或者公共设施。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310293860.4A CN103366250B (zh) | 2013-07-12 | 2013-07-12 | 基于三维实景数据的市容环境检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310293860.4A CN103366250B (zh) | 2013-07-12 | 2013-07-12 | 基于三维实景数据的市容环境检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103366250A CN103366250A (zh) | 2013-10-23 |
| CN103366250B true CN103366250B (zh) | 2016-08-10 |
Family
ID=49367542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310293860.4A Active CN103366250B (zh) | 2013-07-12 | 2013-07-12 | 基于三维实景数据的市容环境检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103366250B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103604465B (zh) * | 2013-11-26 | 2017-01-11 | 国家电网公司 | 基于位置定位的环境参数多功能自动检测仪 |
| CN103605978A (zh) * | 2013-11-28 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 基于三维实景数据的城市违章建筑识别系统及方法 |
| CN104809754B (zh) * | 2014-01-23 | 2018-10-16 | 中冶建筑研究总院有限公司 | 一种基于三维实景模型的空间同步定位和信息记录系统 |
| CN105448184B (zh) * | 2015-11-13 | 2019-02-12 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
| CN105956056B (zh) * | 2016-04-26 | 2019-10-15 | 广州市城市规划勘测设计研究院 | 一种基于增强实景的数字城市管理方法和系统 |
| CN106203498B (zh) * | 2016-07-07 | 2019-12-24 | 中国科学院深圳先进技术研究院 | 一种城市场景垃圾检测方法及系统 |
| CN106952196A (zh) * | 2017-03-01 | 2017-07-14 | 心触动（武汉）文化传媒有限公司 | 一种寝室内务评分方法及系统 |
| CN107796304B (zh) * | 2017-09-07 | 2019-12-03 | 中铁二院工程集团有限责任公司 | 一种三维激光全景的铁路线路调绘方法 |
| CN107798468A (zh) * | 2017-10-18 | 2018-03-13 | 广东甲鼎技术服务有限公司 | 一种危化品工业园区环境输采集与分析系统 |
| CN107705254B (zh) * | 2017-11-03 | 2020-04-10 | 福州大学 | 一种基于街景图的城市环境评估方法 |
| CN108388995B (zh) * | 2018-03-07 | 2021-05-25 | 中国测绘科学研究院 | 一种道路资产管理系统的建立方法及建立系统 |
| CN108931611A (zh) * | 2018-05-29 | 2018-12-04 | 深圳中兴网信科技有限公司 | 多维度的环境检测方法及系统 |
| CN109509256B (zh) * | 2018-06-21 | 2023-07-18 | 华南理工大学 | 基于激光雷达的建筑结构自动测量及3d模型生成方法 |
| CN109407115B (zh) * | 2018-12-25 | 2022-12-27 | 中山大学 | 一种基于激光雷达的路面提取系统及其提取方法 |
| CN111797261A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 特征提取方法、装置、存储介质及电子设备 |
| CN110223297A (zh) * | 2019-04-16 | 2019-09-10 | 广东康云科技有限公司 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
| CN110033203B (zh) * | 2019-04-23 | 2023-05-05 | 重庆市勘测院 | 基于城市实景长卷和三维模型投影的天际线评价方法 |
| CN109920011B (zh) * | 2019-05-16 | 2020-01-10 | 长沙智能驾驶研究院有限公司 | 激光雷达与双目摄像头的外参标定方法、装置及设备 |
| CN110322553B (zh) * | 2019-07-10 | 2024-04-02 | 广州建通测绘地理信息技术股份有限公司 | 激光雷达点云混合现实场景实施放样的方法和系统 |
| CN111754798A (zh) * | 2020-07-02 | 2020-10-09 | 上海电科智能系统股份有限公司 | 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 |
| CN112488022B (zh) * | 2020-12-11 | 2024-05-10 | 武汉理工大学 | 一种环视全景监控方法、装置及系统 |
| CN113096395B (zh) * | 2021-03-31 | 2022-03-25 | 武汉理工大学 | 一种基于定位与人工智能识别的道路交通安全评价系统 |
| CN115420753A (zh) * | 2022-08-25 | 2022-12-02 | 哈尔滨工业大学 | 基于路面纹理测量的污染物分布状况测量方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202350794U (zh) * | 2011-11-29 | 2012-07-25 | 高德软件有限公司 | 一种导航数据采集装置 |
| CN202782968U (zh) * | 2012-09-21 | 2013-03-13 | 纵横皆景（武汉）信息技术有限公司 | 基于激光扫描与全景影像的车载测量集成系统 |
| CN103017653B (zh) * | 2012-11-27 | 2015-06-24 | 武汉海达数云技术有限公司 | 一种球面全景影像与三维激光扫描点云的配准及测量方法 |
| CN103093191B (zh) * | 2012-12-28 | 2016-06-15 | 中电科信息产业有限公司 | 一种三维点云数据结合数字影像数据的物体识别方法 |
| US9523772B2 (en) * | 2013-06-14 | 2016-12-20 | Microsoft Technology Licensing, Llc | Object removal using lidar-based classification |
| GB2520338A (en) * | 2013-11-19 | 2015-05-20 | Nokia Corp | Automatic scene parsing |
-
2013
- 2013-07-12 CN CN201310293860.4A patent/CN103366250B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN103366250A (zh) | 2013-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103366250B (zh) | 基于三维实景数据的市容环境检测方法及系统 | |
| CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
| CN109977813A (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
| CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
| CN106296814B (zh) | 公路养护检测与可视化交互方法和系统 | |
| CN114077764B (zh) | 基于三维gis与bim集成的临建模型建立方法及应用 | |
| CN105066877A (zh) | 基于智能终端镜头的树木测量方法 | |
| CN102988052B (zh) | 足长测量方法及系统 | |
| CN109685893B (zh) | 空间一体化建模方法及装置 | |
| CN112507444B (zh) | 一种基于ai构建的数字城市建筑夜景生成方法及系统 | |
| CN115409069A (zh) | 村镇建筑的识别方法、分类方法、装置、电子设备和介质 | |
| JP6781432B2 (ja) | 電波伝搬シミュレーションモデルの作成方法、作成システム、作成装置および作成プログラム | |
| CN111160261A (zh) | 用于自动售货柜的样本图像标注方法、装置及存储介质 | |
| CN116229001A (zh) | 一种基于空间熵的城市三维数字地图生成方法及系统 | |
| CN105627927A (zh) | 一种三维视觉检测系统 | |
| CN116935192A (zh) | 一种基于计算机视觉技术的数据采集方法及系统 | |
| CN115035251B (zh) | 一种基于领域增强合成数据集的桥面车辆实时追踪方法 | |
| CN113532424B (zh) | 一种获取多维信息的一体化设备与协同测量方法 | |
| CN111291725A (zh) | 一种国土利用数据处理方法 | |
| CN114004950A (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
| CN114005027A (zh) | 一种基于无人机影像的城市单木检测系统及方法 | |
| WO2023103883A1 (zh) | 对象自动标注方法、装置、电子设备及存储介质 | |
| CN112884890A (zh) | 一种多格式基础地理信息数据融合显示的方法 | |
| CN112184903A (zh) | 高压线行树障风险点的检测方法、装置、设备及介质 | |
| CN116311010A (zh) | 一种林地资源调查与碳汇计量的方法与系统 |
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 |