CN104217458A - 一种三维点云的快速配准方法 - Google Patents
一种三维点云的快速配准方法 Download PDFInfo
- Publication number
- CN104217458A CN104217458A CN201410414462.8A CN201410414462A CN104217458A CN 104217458 A CN104217458 A CN 104217458A CN 201410414462 A CN201410414462 A CN 201410414462A CN 104217458 A CN104217458 A CN 104217458A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud
- dimensional
- coordinate
- registration
- 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
Abstract
一种三维点云的快速配准方法,包括:获得三维参考点云A和待配准点云B;建立点云A的投影坐标系,并对其进行透视投影,得到二维点云A’;基于三角剖分算法,将点云A’剖分成若干个三角形;在所述投影坐标系中,对点云B进行透视投影,得到二维点云B’;判断点云B’中的点是否落入所述三角形中,以此判别得到若干个落入点o;计算出落入点o与其所在三角形三个顶点之间的插值系数;根据插值系数和三角插值算法,计算出落入点o在点云A中的对应点点q的坐标值,以得到点q与落入点o在点云B中的对应点点p所构成的点对<qn,pn>,n≥1;计算出点对<qn,pn>的最小刚体变换值T;基于变换值T,更新待配准点云B中各点的坐标值。
Description
技术领域
本发明涉及计算机视觉与模式识别技术领域,具体来说,涉及一种三维点云的快速配准方法。
背景技术
三维图像采集设备一次只能得到物体一个侧面的三维数据,为了得到物体的整体三维数据,需要从多个角度获取三维数据,并对这些三维数据进行配准。常规的点云配准过程为:先通过采样,提取不同视角的三维数据,然后,基于一些算法,如迭代最近点(ICP)算法等,通过计算,建立起点云间点与点之间的联系,最后,基于这些联系,通过对某一初始位置的三维数据,进行逐层迭代,最终建立起完整的三维图像模型。
传统的ICP算法是通过将待配准点云中的点逐个与参考点云中的每一个点进行距离长短的比较,以寻找最近点,从而建立起点云间点与点的联系,这种计算方式计算速度太慢,效率太低,而且也存在较大的误差匹配的问题,因此,之后,许多研究者在其基础之上,提出了很多改进方式,例如,《Image Vision Compute 》1992年第10期第3卷发表的 "Object modelling by registration of multiple range images"一文中,提出运用法矢方向的距离来代替点到点距离作为匹配的评价函数,这样两个视图中的点无需一一对应,但这种方法要求解非线性最小二乘问题,计算效率仍然较低;又如,《International Journal of Computer Vision》1994年第12期第13卷发表的"Iterative point matching for registration of free-form curves and surfaces"一文中,提出一种通过修改KD树来加快搜索最近点的方法,然而,建立类似KD树之类的空间检索结构需要消耗额外的空间和时间,故只能在事先的预处理中进行,因此,仅适用于静态三维点云,而不适合动态三维点云采集过程;再如,CN 103150747A中公开了一种基于拓扑特征的点云配准算法,其通过提取点云的拓扑特征点(边界特征点和突出特征点)作为配准元素选择,建立点云间的联系,然而,同样存在配准效率低,无法满足对连续获得的三维点云进行快速、即时配准的要求。
发明内容
为了解决上述问题,本发明提出一种三维点云的快速配准方法,其可以实现三维点云的动态实时、快速配准,配准效率高。
实现本发明所提供的配准方法的第一种具体技术方案如下:
一种三维点云的快速配准方法,包括以下步骤:
(1)获得三维参考点云A和待配准点云B;
(2)建立参考点云A的投影坐标系,将参考点云A投影到二维平面上,得到二维点云A’;
(3)基于Delaunay三角剖分算法,将点云A’剖分成若干个三角形,形成Delaunay三角网;
(4)在参考点云A的投影坐标系中,将待配准点云B投影到所述二维平面上,得到二维点云B’;
(5)判断点云B’中的点是否落入所述三角形中,以此判别得到若干个落入点o;
(6)基于三角插值算法,计算出落入点o与其所在三角形三个顶点之间的插值系数;
(7)利用所述插值系数,对所述三个顶点所对应的参考点云A中的三个点进行坐标值的插值计算,得到所述落入点o在参考点云A中的对应点点q的坐标值;所述点q与所述落入点o在待配准点云B中的对应点点p构成点对<qn,pn>,n≥1;
(8)计算出点对<qn,pn>的最小刚体变换值T;
(9)基于所述最小刚体变换值T,更新待配准点云B中各点的坐标值,以使待配准点云B与参考点云A相配准。
其中,所述步骤(6)中,计算插值系数时,所采用的计算公式如下:
u* x1+v* x2+w* x3 = x0
u* y1+v* y2+w* y3 = y0
u+v +w = 1
式中,(x0,y0)为所述落入点o的坐标值 ;(x1,y1)、(x2,y2)和(x3,y3)分别为所述落入点o所在三角形三个顶点的坐标值;u、v、w为所述落入点o依次对应(x1,y1)、(x2,y2)、(x3,y3)三个顶点的插值系数。
所述步骤(7)中,插值计算点q的坐标值时,所采用的计算公式如下:
u*X1+v*X2+w*X3=X
u*Y1+v*Y2+w*Y3=Y
u*Z1+v*Z2+w*Z3=Z
式中,(X1,Y1,Z1)、(X2,Y2,Z2)和(X3,Y3,Z3)依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的坐标值;(X,Y,Z)为所述落入点o在参考点云A中的对应点点q的坐标值。
此外,所述参考点云A和待配准点云B优选为相互间有重叠部分的三维点云数据,并且,在通过诸如三维扫描仪等采集设备,获取所述参考点云A和待配准点云B的过程中,可以优选采用动态实时扫描采集的方式进行。
所述步骤(2)和步骤(4)中,相应投影生成点云A’和点云B’的方式,优选采用透视投影方式。
实现本发明所提供的配准方法的第二种具体技术方案如下:
一种三维点云的快速配准方法,其特征在于,包括以下步骤:
(1)获得三维参考点云A和待配准点云B;所述参考点云A中的点均带有同侧法向方向值。
(2)建立参考点云A的投影坐标系,将参考点云A投影到二维平面上,得到二维点云A’;
(3)基于Delaunay三角剖分算法,将点云A’剖分成若干个三角形,形成Delaunay三角网;
(4)在参考点云A的投影坐标系中,将待配准点云B投影到所述二维平面上,得到二维点云B’;
(5)判断点云B’中的点是否落入所述三角形中,以此判别得到若干个落入点o;
(6)基于三角插值算法,计算出落入点o与其所在三角形三个顶点之间的插值系数;
(7)利用所述插值系数,分别对所述三个顶点所对应的参考点云A中的三个点进行坐标值和法向方向值的插值计算,得到所述落入点o在参考点云A中的对应点点q的坐标值和法向方向值;
(8)基于所述点q的坐标值和法向方向值,确定出所述落入点o在参考点云A中对应点点q所处的平面S,以最终得到所述落入点o在待配准点云B中的对应点点p与所述平面S所构成点-面对<pn,Sn>,n≥1;
(9)计算出点-面对<pn,Sn>的最小刚体变换值T;
(10)基于所述最小刚体变换值T,更新待配准点云B中各点的坐标值,以使待配准点云B与参考点云A相配准。
其中,所述步骤(6)中,计算插值系数时,所采用的计算公式如下:
u* x1+v* x2+w* x3 = x0
u* y1+v* y2+w* y3 = y0
u+v +w = 1
式中,(x0,y0)为所述落入点o的坐标值 ;(x1,y1)、(x2,y2)和(x3,y3)分别为所述落入点o所在三角形三个顶点的坐标值;u、v、w为所述落入点o依次对应(x1,y1)、(x2,y2)、(x3,y3)三个顶点的插值系数,均为常数值。
所述步骤(7)中,插值计算点q的坐标值时,所采用的计算公式如下:
u*X1+v*X2+w*X3=X
u*Y1+v*Y2+w*Y3=Y
u*Z1+v*Z2+w*Z3=Z
式中,(X1,Y1,Z1)、(X2,Y2,Z2)和(X3,Y3,Z3)依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的坐标值;(X,Y,Z)为所述落入点o在参考点云A中的对应点点q的坐标值。
以及,插值计算点q的法向方向值时,所采用的计算公式如下:
式中,、和依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的法向方向值;为所述落入点o在参考点云A中的对应点点q的法向方向值。
所述参考点云A和待配准点云B亦优选为相互间有重叠部分的三维点云数据,并且,在通过诸如三维扫描仪等采集设备,获取所述参考点云A和待配准点云B的过程中,亦可以优选采用动态实时扫描采集的方式进行。
所述步骤(2)和步骤(4)中,相应投影生成点云A’和点云B’的方式,优选采用透视投影方式。
本发明的有益效果为:
通过采用本发明所提供的配准方法,可以实现三维点云的动态实时、快速配准,配准效率高,尤其是第二种具体技术方案,更能有利提升配准速度及精准度。
附图说明
图1为本发明方法第一种具体技术方案之一优选实施例的流程图;
图2为图1方案中,配准点云的原理示意图;
图3为本发明方法第二种具体技术方案的一优选实施例的流程图;
具体实施方式
以下结合附图和优选实施例对本发明作更进一步详细说明。
图1结合图2所示,本发明所提供的一种三维点云的快速配准方法,具体通过以下步骤实现:
S101:获得三维参考点云A和待配准点云B。
利用公知的三维扫描仪等设备,向人脸模型等被测物体投射多光点图像,从不同角度,在被测物体表面形成参考点云A和待配准点云B,参考点云A和待配准点云B为相互间有重叠部分的三维点云数据。(三维扫描仪等设备及被测物体为公知产品,图中省略。)
S102:建立参考点云A的透视投影坐标系,并对参考点云A进行透视投影,以获得其二维点云图像A’。
基于透视投影原理,将三维扫描仪所处位置视为透视投影XYZ空间坐标系的原点O,建立参点云A的透视投影模型,以在二维平面101上获得点云A’(建立透视投影模型的具体实现方式为公知技术,在此不再赘述)。
S103:基于Delaunay三角剖分算法,将点云A’剖分成若干个三角形,形成Delaunay三角网。(Delaunay三角剖分算法及具体实现方式为公知技术,在此不再赘述)。
S104:在参考点云A的透视投影坐标系中,对待配准点云B进行透视投影,以获得其与点云A’共平面的二维点云图像B’。
在参考点云A的透视投影坐标系中,将待配准点云B透视投影到前述二维平面101(即点云A’所在平面)上,得到其二维点云B’。(图中点云B’仅为部分示意表示,其他部分省略。)
S105:判断点云B’中的点是否落入点云A’的三角形中,以此判别得到若干个落入点o。
利用重心法或同向法等公知方法,对点云B’中的每个点,逐个判断其是否落入到点云A’中任意某个三角形中,对于没有落入的,将其忽略不计,否则,则加以保留,以此判别得到若干个落入点o。
S106:基于三角插值算法,计算出落入点o与其所在三角形三个顶点之间的插值系数。
基于三角插值算法原理,具体采用以下计算公式,对每一个落入点o,计算其与所在三角形三个顶点之间的插值系数。
u* x1+v* x2+w* x3 = x0
u* y1+v* y2+w* y3 = y0
u+v +w = 1
式中,(x0,y0)为落入点o的坐标值 ;(x1,y1)、(x2,y2)和(x3,y3)分别为落入点o所在三角形三个顶点的坐标值;u、v、w为落入点o依次对应(x1,y1)、(x2,y2)、(x3,y3)三个顶点的插值系数。
S107:根据插值系数和三角插值算法,计算出落入点o在参考点云A中的对应点点q的坐标值,以与落入点o在待配准点云B中的对应点点p构建成点对<qn,pn>,n≥1。
基于三角插值算法原理,在落入点o所在三角形三个顶点所对应的三维空间三角形(即所述三个顶点所对应的参考点云A中三个点所构成的三角形)中,通过将已知的u、v、w三插值系数,代入以下计算公式,计算出落入点o在参考点云A中的对应点点q的坐标值,以最终与落入点o在待配准点云B中的对应点点p(即透视投影点云B时,投射出落入点o的三维空间中的对应点),构建成点对<qn,pn>,n≥1。
u*X1+v*X2+w*X3=X
u*Y1+v*Y2+w*Y3=Y
u*Z1+v*Z2+w*Z3=Z
式中,(X1,Y1,Z1)、(X2,Y2,Z2)和(X3,Y3,Z3)依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的坐标值;(X,Y,Z)为所述落入点o在参考点云A中的对应点点q的坐标值。
S108:计算出点对<qn,pn>的最小刚体变换值T。
基于SVD算法等公知算法技术,计算出使点对<qn,pn>距离最优,即距离最小的刚体变换值T。(具体计算最小刚体变换值的方法为公知技术,在此不再赘述。)
S109:基于所述最小刚体变换值T,更新待配准点云B中各点的坐标值,以使待配准点云B与参考点云A相配准。
将计算出的刚体变换值T,应用于更新对应的待配准点云B中各点的坐标值,以最终使得在更新后,待配准点云B与参考点云A相配准。具体配准过程须经过点云的多次迭代,乃公知技术,在此不再赘述,另外,具体坐标值的更新方式为公知技术,在此亦不再赘述。
与图1的配准方法相比,图3中,本发明所提供的另一种三维点云的快速配准方法,其原理上,区别在于:计算出的参考点云A中的各点q,除了含有坐标值信息外,还带有法向方向值信息,由此即可确定其所在平面S,从而,最小的刚体变换值的计算是针对于点-面对的计算,最终,待配准点云B中各点也是朝向对应的平面S变换,实现与参考点云A的配准,其具体步骤如下:
S201:获得三维参考点云A和待配准点云B;所述参考点云A中的点均带有同侧法向方向值。(具体获得参考点云A和待配准点云B的方式同图1方法所述,在此不再赘述)
S202:建立参考点云A的透视投影坐标系,并对参考点云A进行透视投影,以获得其二维点云图像A’。(具体获得点云A’的方式同图1方法所述,在此不再赘述。)
S203:基于Delaunay三角剖分算法,将点云A’剖分成若干个三角形,形成Delaunay三角网。(Delaunay三角剖分算法及具体实现方式为公知技术,在此不再赘述)。
S204:在参考点云A的透视投影坐标系中,对待配准点云B进行透视投影,以获得其与点云A’共平面的二维点云图像B’。(具体获得点云B’的方式同图1方法所述,在此不再赘述。)
S205:判断点云B’中的点是否落入点云A’的三角形中,以此判别得到若干个落入点o。(具体获得落入点o的方式同图1方法所述,在此不再赘述。)
S206:基于三角插值算法,计算出落入点o与其所在三角形三个顶点之间的插值系数。(具体计算插值的计算方法同图1方法所述,在此不再赘述。)
S207:根据插值系数和三角插值算法,计算出落入点o在参考点云A中的对应点点q的坐标值和法向方向值。
本步骤中,具体计算点q坐标值的方式同图1方法所述,在此不再赘述。而计算法向方向值,则具体采用如下公式,计算获得。
式中,、和依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的法向方向值;为所述落入点o在参考点云A中的对应点点q的法向方向值。
S208:利用点q的坐标值和法向方向值,确定点q所处的平面S,以得到落入点o在待配准点云B中的对应点点p与所述平面S所构成的点-面对<pn,Sn>,n≥1。(由定点及其法向信息,确定平面的技术,为公知技术,在此不再赘述其原理。)
S209:计算出点-面对<pn,Sn>的最小刚体变换值T;(具体的计算方法同图1方法所述,在此不再赘述)。
S210:基于最小刚体变换值T,更新待配准点云B中各点的坐标值,以使待配准点云B与参考点云A相配准。(具体的更新及配准方式同图1方法所述,在此不再赘述)。
以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动变型而不脱离本发明的精神和范围。倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,均属于本发明的保护范围。
Claims (9)
1.一种三维点云的快速配准方法,其特征在于,包括以下步骤:
(1)获得三维参考点云A和待配准点云B;
(2)建立参考点云A的投影坐标系,将参考点云A投影到二维平面上,得到二维点云A’;
(3)基于Delaunay三角剖分算法,将点云A’剖分成若干个三角形,形成Delaunay三角网;
(4)在参考点云A的投影坐标系中,将待配准点云B投影到所述二维平面上,得到二维点云B’;
(5)判断点云B’中的点是否落入所述三角形中,以此判别得到若干个落入点o;
(6)基于三角插值算法,计算出落入点o与其所在三角形三个顶点之间的插值系数;
(7)利用所述插值系数,对所述三个顶点所对应的参考点云A中的三个点进行坐标值的插值计算,得到所述落入点o在参考点云A中的对应点点q的坐标值;所述点q与所述落入点o在待配准点云B中的对应点点p构成点对<qn,pn>,n≥1;
(8)计算出点对<qn,pn>的最小刚体变换值T;
(9)基于所述最小刚体变换值T,更新待配准点云B中各点的坐标值,以使待配准点云B与参考点云A相配准。
2.如权利要求1所述的一种三维点云的快速配准方法,其特征在于,所述步骤(6)中,计算插值系数时,所采用的计算公式如下:
u* x1+v* x2+w* x3 = x0
u* y1+v* y2+w* y3 = y0
u+v +w = 1
式中,(x0,y0)为所述落入点o的坐标值;(x1,y1)、(x2,y2)和(x3,y3)分别为所述落入点o所在三角形三个顶点的坐标值;u、v、w为所述落入点o依次对应(x1,y1)、(x2,y2)、(x3,y3)三个顶点的插值系数。
3.如权利要求1或2所述的一种三维点云的快速配准方法,其特征在于,所述步骤(7)中,插值计算点q的坐标值时,所采用的计算公式如下:
u*X1+v*X2+w*X3=X
u*Y1+v*Y2+w*Y3=Y
u*Z1+v*Z2+w*Z3=Z
式中,(X1,Y1,Z1)、(X2,Y2,Z2)和(X3,Y3,Z3)依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的坐标值;(X,Y,Z)为所述落入点o在参考点云A中的对应点点q的坐标值。
4.如权利要求1所述的一种三维点云的快速配准方法,其特征在于,所述参考点云A和待配准点云B为相互间有重叠部分的三维点云数据。
5.一种三维点云的快速配准方法,其特征在于,包括以下步骤:
(1)获得三维参考点云A和待配准点云B;所述参考点云A中的点均带有同侧法向方向值;
(2)建立参考点云A的投影坐标系,将参考点云A投影到二维平面上,得到二维点云A’;
(3)基于Delaunay三角剖分算法,将点云A’剖分成若干个三角形,形成Delaunay三角网;
(4)在参考点云A的投影坐标系中,将待配准点云B投影到所述二维平面上,得到二维点云B’;
(5)判断点云B’中的点是否落入所述三角形中,以此判别得到若干个落入点o;
(6)基于三角插值算法,计算出落入点o与其所在三角形三个顶点之间的插值系数;
(7)利用所述插值系数,分别对所述三个顶点所对应的参考点云A中的三个点进行坐标值和法向方向值的插值计算,得到所述落入点o在参考点云A中的对应点点q的坐标值和法向方向值;
(8)基于所述点q的坐标值和法向方向值,确定出所述落入点o在参考点云A中对应点点q所处的平面S,以最终得到所述落入点o在待配准点云B中的对应点点p与所述平面S所构成点-面对<pn,Sn>,n≥1;
(9)计算出点-面对<pn,Sn>的最小刚体变换值T;
(10)基于所述最小刚体变换值T,更新待配准点云B中各点的坐标值,以使待配准点云B与参考点云A相配准。
6.如权利要求5所述的一种三维点云的快速配准方法,其特征在于,所述步骤(6)中,计算插值系数时,所采用的计算公式如下:
u* x1+v* x2+w* x3 = x0
u* y1+v* y2+w* y3 = y0
u+v +w = 1
式中,(x0,y0)为所述落入点o的坐标值 ;(x1,y1)、(x2,y2)和(x3,y3)分别为所述落入点o所在三角形三个顶点的坐标值;u、v、w为所述落入点o依次对应(x1,y1)、(x2,y2)、(x3,y3)三个顶点的插值系数。
7.如权利要求5或6所述的一种三维点云的快速配准方法,其特征在于,所述步骤(7)中,插值计算点q的坐标值时,所采用的计算公式如下:
u*X1+v*X2+w*X3=X
u*Y1+v*Y2+w*Y3=Y
u*Z1+v*Z2+w*Z3=Z
式中,(X1,Y1,Z1)、(X2,Y2,Z2)和(X3,Y3,Z3)依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的坐标值;(X,Y,Z)为所述落入点o在参考点云A中的对应点点q的坐标值。
8.如权利要求5或6或7所述的一种三维点云的快速配准方法,其特征在于,所述步骤(7)中,插值计算点q的法向方向值时,所采用的计算公式如下:
式中,、和依次为所述(x1,y1)、(x2,y2)、(x3,y3)三个顶点所对应的参考点云A中的三个点的法向方向值;为所述落入点o在参考点云A中的对应点点q的法向方向值。
9.如权利要求5所述的一种三维点云的快速配准方法,其特征在于,所述参考点云A和待配准点云B为相互间有重叠部分的三维点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410414462.8A CN104217458B (zh) | 2014-08-22 | 2014-08-22 | 一种三维点云的快速配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410414462.8A CN104217458B (zh) | 2014-08-22 | 2014-08-22 | 一种三维点云的快速配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104217458A true CN104217458A (zh) | 2014-12-17 |
CN104217458B CN104217458B (zh) | 2017-02-15 |
Family
ID=52098899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410414462.8A Expired - Fee Related CN104217458B (zh) | 2014-08-22 | 2014-08-22 | 一种三维点云的快速配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104217458B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908052A (zh) * | 2017-02-09 | 2017-06-30 | 北京光年无限科技有限公司 | 用于智能机器人的路径规划方法及装置 |
CN107507127A (zh) * | 2017-08-04 | 2017-12-22 | 深圳市易尚展示股份有限公司 | 多视点三维点云的全局匹配方法和系统 |
CN108053481A (zh) * | 2017-12-26 | 2018-05-18 | 深圳市易尚展示股份有限公司 | 三维点云法向量的生成方法、装置和存储介质 |
WO2021017314A1 (zh) * | 2019-07-29 | 2021-02-04 | 浙江商汤科技开发有限公司 | 信息处理方法、定位方法及装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090232388A1 (en) * | 2008-03-12 | 2009-09-17 | Harris Corporation | Registration of 3d point cloud data by creation of filtered density images |
CN103017739A (zh) * | 2012-11-20 | 2013-04-03 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
CN103810751A (zh) * | 2014-01-29 | 2014-05-21 | 辽宁师范大学 | 基于IsoRank算法的三维耳廓点云形状特征匹配方法 |
CN103985155A (zh) * | 2014-05-14 | 2014-08-13 | 北京理工大学 | 基于映射法的散乱点云Delaunay三角剖分曲面重构方法 |
-
2014
- 2014-08-22 CN CN201410414462.8A patent/CN104217458B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090232388A1 (en) * | 2008-03-12 | 2009-09-17 | Harris Corporation | Registration of 3d point cloud data by creation of filtered density images |
CN103017739A (zh) * | 2012-11-20 | 2013-04-03 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
CN103810751A (zh) * | 2014-01-29 | 2014-05-21 | 辽宁师范大学 | 基于IsoRank算法的三维耳廓点云形状特征匹配方法 |
CN103985155A (zh) * | 2014-05-14 | 2014-08-13 | 北京理工大学 | 基于映射法的散乱点云Delaunay三角剖分曲面重构方法 |
Non-Patent Citations (4)
Title |
---|
MR.DONALD ET AL.: "Point Cloud Processing Strategies for Noise Filtering,Structual Segmentation,and Meshing of Ground-Based 3D Flash LIDAR Images", 《2013 IEEE 39TH APPLIED IMAGERY PATTERN RECOGNITION WORKSHOP》 * |
曾丹 等: "基于全局拓扑结构的分级三角剖分图像拼接", 《计算机研究与发展》 * |
李光伟 等: "Delaunay三角剖分插值用于超分辨成像", 《电子科技大学学报》 * |
王秀梅: "点云数据的三角剖分及模型简化", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908052A (zh) * | 2017-02-09 | 2017-06-30 | 北京光年无限科技有限公司 | 用于智能机器人的路径规划方法及装置 |
CN107507127A (zh) * | 2017-08-04 | 2017-12-22 | 深圳市易尚展示股份有限公司 | 多视点三维点云的全局匹配方法和系统 |
CN107507127B (zh) * | 2017-08-04 | 2021-01-22 | 深圳市易尚展示股份有限公司 | 多视点三维点云的全局匹配方法和系统 |
CN108053481A (zh) * | 2017-12-26 | 2018-05-18 | 深圳市易尚展示股份有限公司 | 三维点云法向量的生成方法、装置和存储介质 |
CN108053481B (zh) * | 2017-12-26 | 2021-11-30 | 深圳市易尚展示股份有限公司 | 三维点云法向量的生成方法、装置和存储介质 |
WO2021017314A1 (zh) * | 2019-07-29 | 2021-02-04 | 浙江商汤科技开发有限公司 | 信息处理方法、定位方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104217458B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105806315B (zh) | 基于主动编码信息的非合作目标相对测量系统及测量方法 | |
CN103778635B (zh) | 用于处理数据的方法和装置 | |
CN110176032B (zh) | 一种三维重建方法及装置 | |
CN104040590A (zh) | 用于估计物体的姿态的方法 | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
CN108564653B (zh) | 基于多Kinect的人体骨架追踪系统及方法 | |
CN110375712B (zh) | 巷道断面提取方法、装置、设备及存储介质 | |
CN103123727A (zh) | 即时定位与地图构建方法和设备 | |
CN102411779B (zh) | 基于图像的物体模型匹配姿态测量方法 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN104217458A (zh) | 一种三维点云的快速配准方法 | |
CN104123746A (zh) | 一种三维扫描点云中实时法向量的计算方法 | |
CN111612728A (zh) | 一种基于双目rgb图像的3d点云稠密化方法和装置 | |
CN110047133A (zh) | 一种面向点云数据的列车边界提取方法 | |
CN113689535A (zh) | 基于无人机影像的建筑物模型的生成方法和装置 | |
US9443312B2 (en) | Line parametric object estimation | |
Luo et al. | Multisensor integrated stair recognition and parameters measurement system for dynamic stair climbing robots | |
CN112154303B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN113984068A (zh) | 定位方法、定位装置和计算机可读存储介质 | |
CN113052880B (zh) | 一种sfm稀疏重建方法、系统及应用 | |
Jin et al. | High precision indoor model contour extraction algorithm based on geometric information | |
CN116468786A (zh) | 一种面向动态环境的基于点线联合的语义slam方法 | |
CN110222583A (zh) | 一种基于面部识别的面部生成技术 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170215 Termination date: 20170822 |