CN104794743A - 一种车载激光移动测量系统彩色点云生产方法 - Google Patents
一种车载激光移动测量系统彩色点云生产方法 Download PDFInfo
- Publication number
- CN104794743A CN104794743A CN201510205651.9A CN201510205651A CN104794743A CN 104794743 A CN104794743 A CN 104794743A CN 201510205651 A CN201510205651 A CN 201510205651A CN 104794743 A CN104794743 A CN 104794743A
- Authority
- CN
- China
- Prior art keywords
- full
- view image
- cloud
- data
- cloud data
- 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.)
- Pending
Links
Abstract
本发明涉及一种车载激光移动测量系统彩色点云生产方法,操作步骤为:使用车载移动测量系统获取点云数据和全景影像数据,在全景影像上和点云中选择多对同名特征,计算全景相机在载体坐标系下的外参数,根据全景相机在载体坐标系下的外参数和全景影像获取时的载体坐标系位置和姿态,获取每张全景影像的外参数,根据全景影像之间的距离,将点云分段,并将每段点云与全景影像进行对应,根据全景的数据和全景影像之间的关系,逐段为点云着色,然后检查GPS信号不好或者转弯处配准效果,调整姿态参数,重新着色,以及检查遮挡照成的着色偏差,选择着色偏差点云及正确对应的全景影像进行着色。本方法具有自动化程度高、快速高效的优点。
Description
技术领域
本发明涉及一种车载激光移动测量系统彩色点云生产方法,属于摄影测量和三维激光技术领域。
背景技术
车载激光移动测量系统由定位定姿系统(POS)、三维激光扫描仪与全景相机、工控计算机系统以及车辆载体组成。在移动数据采集过程中,POS系统获取移动测量系统的高频率高精度姿态参数,激光扫描仪获取扫描对象的精确三维坐标,全景相机获取采集对象的纹理信息,采用时间空间对齐原理,将采集的多传感器数据进行融合,为数字城市三维建模、大比例尺制图等基础数据建设提供快速、准确的支持。
车载激光移动测量系统彩色点云的生成,首先需要将点云数据与全景影像数据进行配准,然后根据共线方程原理,将全景影像上的纹理信息即图片像素的RGB值赋给三维点,从而使得点云获得颜色信息,生成彩色点云。但是,由于不同传感器之间存在着时间或者空间上的误差,全景相机安装在载车平台上进行拍照时产生的遮挡问题,以及车载激光扫描获取建筑物等地物结构不完整等问题,如果彩色点云直接采用简单的几何关系去自动配准,而不考虑实际采集过程中各种问题,则会导致生成彩色点云效果不够理想。
发明内容
本发明的目的是为了解决现有技术存在的不足及面临的问题,而提供一种基于车载移动测量系统的数据采集的原理及特点的方法,高效的、流程化生产彩色点云数据,解决传感器之间的集成误差、全景相机拍照遮挡、扫描点云结构不完整等导致的点云着色不准确问题。
为实现上述目的,本发明所采用的技术方案是:提出一种基于车载激光测量系统数据采集特点及原理的彩色点云生产方法。首先,使用车载三维激光测量系统进行采集数据,采集数据过程在车辆行驶中进行,三维激光扫描仪用于获取点云数据,GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息;定义车载三维激光测量系统中的POS系统中心点为坐标系原点,车辆行驶的方向为Y轴正方向,垂直向上的方向为Z轴正方向,构建载体三维空间坐标系,再按如下步骤操作:
步骤1、在全景影像以及点云数据中选择多对同名特征点,计算出全景相机与POS系统之间精确相对位置及姿态,获取全景相机在载体坐标系下的位置(XPano,YPano,ZPano)及姿态(YawPano,PitchPano,RollPano);
步骤2、根据全景相机在载体坐标系下的位置和姿态参数,以及单张全景影像采集时刻的载体的位置姿态参数(),计算单张全景影像在绝对坐标系下的位置和姿态,然后计算两帧全景影像之间的空间距离值L,设定进行自动着色时的单帧着色范围。对点云进行分段,获取每一段点云PointCloudi对应的全景影像Panoi。
步骤3、根据点云数据PointCloudi与全景影像数据Panoi的匹配关系,使用全景影像对点云逐段进行自动着色;
步骤4、将点云数据与全景影像数据进行叠加显示,检查车辆转弯路段及GPS信号较差路段点云与全景配准情况,采用手动微调或者选点精确配准的方式,调整此时的全景相机的位置及姿态参数,调整至精确配准状态,着色当前帧全景影像所在区域;
步骤5、检查存在遮挡情况的建筑物地物着色情况,选择当前着色偏差区域点云数据,以及正确对应的全景影像,根据点云数据与全景影像的匹配关系,对选中的点云数据进行着色。
本发明方法步骤1中所述的在全景影像及点云数据上选取同名特征点,对应于在每一张全景影像上选取时,应至少选择3同名特征点,每一对同名特征点通过共线方程原理可以列出2个方程,求解全景相机在载体坐标系下的位置姿态共6个参数。
本发明的方法步骤2中所述根据全景相机在载体坐标系下的位置和姿态,以及单帧全景影像采集时刻载体的位置和姿态,可以通过坐标转换计算出单帧全景影像在绝对坐标系下的位置和姿态。
两帧全景影像之间的空间距离L,通过每帧全景影像的位置信息可以计算出。点云数据进行采集时,按照扫描圈进行存储,根据距离L,对点云数据进行分段,分段的原则包括:第一,每一段中点云数据PointCloudi所包含的所有相邻圈之间的距离之和为L。第二,对每一帧全景影像Panoi,满足其对应的每一段点云数据PointCloudi中的三维坐标点在全景影像上找到正确对应像素最多。
本发明的方法步骤3中所述的将根据点云数据Point Cloudi与全景影像数据Panoi的匹配关系,计算出点云数据中点P在全景影像上的像素p,从而将像素P的RGB值赋给点p,使得点P具有光谱信息值,使用全景影像对点云逐段进行自动着色,生成彩色点云。
本发明的方法步骤4中所述的将点云数据与全景数据进行叠加显示,点云数据和全景数据具有统一的坐标参考,通过将观察位置设定在全景影像采集时的全景相机中心所在的位置,360度视角查看点云数据及全景数据,称为全景视角,对比同名地物,判断点云数据与全景数据的匹配效果。在转弯处或者GPS信号较差路段,会导致定位和姿态存在较大误差,从而影响点云全景的配准效果,此时可以通过采用方法步骤一中的同名特征点选取或者在全景视角下手动微调修改此时的位置姿态参数,完成配准,然后根据微调修正后的参数对当前帧全景影像对应的点云分段数据进行着色。
本发明的方法步骤5中所述检查存在遮挡情况的建筑物地物,在点云数据中对建筑物上点P,其通过点云数据和所对应的全景影像的匹配关系,可以其在对应的全景影像上的像素值为其他地物,导致着色偏差。通过选择着色偏差的区域内的点云,然后在全景视角下,查看相邻帧全景影像,选择无遮挡情况的全景影像,然后对选中的点云进行着色。
本发明基于车载激光测量系统数据采集特点及原理进行彩色点云生产,外业数据采集过程中,全景相机是按照时间间隔或者里程间隔去拍照,采样频率较低,拍照范围水平360度,垂直接近180度,采集的全景影像下部会将包括车辆载体,而在扫描头采集的频率较高,获取的点云数据中同样区域采集的是路面的信息,存在着信息不一致问题,此外,GPS信号较差及转弯路段,会导POS系统的定位定姿存在较大误差,也会影响点云数据和全景影像的配准精度,基于上述问题,采用精确校正后的外参数,以及正确对应的点云数据和全景影像,能够快速流程化的实现彩色点云数据生产。
本发明的方法与现有的技术相比具有如下优点:
1、自动化程度较高。本发明的方法首先对全景相机外参数进行校正,后续分段后自动根据点云数据和全景数据的配准关系逐段进行着色,后续检查过程中,针对区域进行修正和调整的工作较少,整体过程自动化程度较高。
2、快速高效。本发明的方法相较于现有的直接着色配准方法,流程清晰,彩色点云数据生产的质量和效率有显著提升。
附图说明
图1为本发明中车载激光移动测量系统彩色点云生产方法的操作流程图。
图2为本发明中点云分段后与全景影像对应关系图。
图3为本发明中点云着色示意图。
上述图中:1-第i帧全景影像,2-第i点云分段,3-第i+i帧全景影像。
具体实施方式
以下结合附图和实施例对本发明作进一步详述。
实施例1:本发明提出一种车载激光移动测量系统的彩色点云生产方法,其操作步骤如图1所示。具体的操作是:首先,使用车载三维激光测量系统进行采集数据,采集数据过程在车辆行驶中进行,三维激光扫描仪用于获取点云数据,GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息;定义车载三维激光测量系统中的POS系统中心点为坐标系原点,车辆行驶的方向为Y轴正方向,垂直向上的方向为Z轴正方向,构建载体三维空间坐标系,再按如下步骤操作:
步骤1、在全景影像以及点云数据中选择多对同名特征点,计算出全景相机与POS系统之间精确相对位置及姿态,获取全景相机在载体坐标系下的位置(XPano,YPano,ZPano)及姿态(YawPano,PitchPano,RollPano),其具体操作为:
1.1、第i帧全景影像数据,在该帧全景影像上选择4个特征点,同时在点云数据中找到对应的同名特征点,获取其同名特征点的三维坐标和全景影像坐标。
1.2、根据共线方程原理,可以列出包含全景相机姿态位置和姿态参数的方程组,根据最小二乘原理,以全景相机在系统中位置和姿态参数的设计值为初值,迭代求解出平差后全景相机在载体坐标系下的位置和姿态参数。
步骤2、根据全景相机在载体坐标系下的位置和姿态参数,以及单张全景影像采集时刻的载体的位置姿态参数,计算单张全景影像在绝对坐标系下的位置和姿态,如第i张全景影像的绝对位置和姿态为(),然后计算两帧全景影像之间的空间距离值L,设定进行自动着色时的单帧着色范围。对点云进行分段,获取每一段点云PointCloudi对应的全景影像Panoi,其具体为:
2.1、一方面由系统组成结构可知,全景相机在载体坐标系下的位置姿态参数为固定,而全景影像每一张均有在绝对坐标系下的位置和姿态,另一方面,由测绘基础知识可知,位置和姿态参数可以构建从一个坐标系至另一个坐标系的转换关系,通过全景相机在载体坐标系下的位置姿态参数可以构建从载体坐标系到全景相机坐标系的转换关系,可以通过偏移操作和旋转操作完成转换,偏移量为(XPano,YPano,ZPano)及旋转矩阵为Rpos-pano,其中Rpos-pano是由姿态参数(YawPano,PitchPano,RollPano)构建的旋转矩阵。
同理可知,全景影像获取时刻的载体的位置姿态参数表示从绝对坐标系转换至当前时刻载体坐标系的转换关系,有偏移量()及旋转矩阵其中为三个姿态参数()构建的旋转矩阵。
根据上述内容,可以获取绝对坐标系至第i张全景影像获取时刻的转换关系,按照公式①和②,有偏移量(),旋转矩阵
2.2、根据任意两帧全景影像在绝地坐标系下的坐标(Xi,Yi,Zi)、(Xj,Yj,Zj),计算出两帧全景影像距离值为L。
2.3、对第i帧全景影像,根据其在绝对坐标系中的位置(Xi,Yi,Zi),及全景影像距离值L计算其对应的点云分段的起始扫描圈Loopi和终止扫描圈Loopj,如图2所示。
步骤3、从第i段点云数据PointCloudi中取出第j点Pij,根据步骤2中计算的全景影像转换关系,计算其对应与全景影像对应的像素坐标(Un,Vn),将像素的RGB值给点Pij,完成点云着色,如图3所示,具体操作是:
3.1、对于第i点云分段中任一三维点j,可表示为(Xij,Yij,Zij),i表示第i点云分段,j表示第i点云分段中第j个点,根据计算步骤2中计算的坐标转换关系,按公式③计算出该点在当前帧采集时间的全景相机坐标系下的坐标()。
3.2、基于共线方程原理,计算出全景相机坐标系下的坐标()在全景相片上的像素坐标(Un,Vn),获取对应的像素值,将像素赋给点Pij,完成着色操作。
步骤4、将点云数据与全景数据进行叠加显示,点云数据和全景数据具有统一的坐标参考,通过将观察位置设定在全景影像采集时的全景相机中心所在的位置,查看点云数据及全景数据配准效果,如果有配准效果不佳情况,通过方法步骤1中同名特征点选取方式或者在全景视角下手动微调修改POS位置姿态参数,完成配准,然后根据修正后的参数对当前帧全景影像对应的点云分段数据进行着色,具体步骤如下:
4.1、第i帧全景影像采集时间处于转弯时刻,将当前观察视角放置在第i帧全景影像采集时的全景相机中心位置(),点云数据和全景数据叠加显示,查看配准效果,如果配准效果不理想,按4.2,否则按5.1处理。
4.2、按一定幅度,通过手动微调方式修改第i帧全景影像采集时的POS位置()和姿态(),观察点云数据和全景数据配准情况,直至配准效果良好。
步骤5、检查存在遮挡情况的建筑物地物,在点云数据中对建筑物上点P,其通过点云数据和所对应的全景影像的匹配关系,可以其在对应的全景影像上的像素值为其他地物,导致着色偏差。通过选择着色偏差的区域内的点云,然后在全景视角下,查看相邻帧全景影像,选择无遮挡情况的全景影像,然后对选中的点云进行着色,具体步骤如下。
5.1、将视角切换至三维点云视图下,通过检查,第i段点云数据中第j点Pij为建筑物上点,其对应的第i帧全景影像数据上像素坐标(Un,Vn)处为树木,存在着色偏差情况。
5.2、通过选择工具,将点Pij选中,则点Pij被标记,然后观察浏览全景相片,发现第k帧全景影像数据中点Pij不存在遮挡情况,则根据第k帧全景影像的参数()和(),计算出点Pij在第k帧全景影像上的对应的像素坐标(Uij,Vij),将其对应的像素值给点Pij,完成着色操作。
本发明的方法基于车载移动测量系统的原理和特点,解决实际彩色点云生产过程中遇到的遮挡等问题,人工手动干预过程少,自动化程度高,具有较高的处理效率和效果。
Claims (6)
1.为实现上述目的,本发明所采用的技术方案是:提出一种基于车载激光测量系统数据采集特点及原理的彩色点云生产方法,首先,使用车载三维激光测量系统进行采集数据,采集数据过程在车辆行驶中进行,三维激光扫描仪用于获取点云数据,GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息;定义车载三维激光测量系统中的POS系统中心点为坐标系原点,车辆行驶的方向为Y轴正方向,垂直向上的方向为Z轴正方向,构建载体三维空间坐标系,其特征在于,再按如下步骤操作:
步骤1、在全景影像以及点云数据中选择多对同名特征点,计算出全景相机与POS系统之间精确相对位置及姿态,获取全景相机在载体坐标系下的位置(XPano,YPano,ZPano)及姿态(YawPano,PitchPano,RollPano);
步骤2、根据全景相机在载体坐标系下的位置和姿态参数,以及单张全景影像采集时刻的载体的位置姿态参数计算单张全景影像在绝对坐标系下的位置和姿态,然后计算两帧全景影像之间的空间距离值L,设定进行自动着色时的单帧着色范围。对点云进行分段,获取每一段点云Point Cloudi对应的全景影像Panoi。
步骤3、根据点云数据Point Cloudi与全景影像数据Panoi的匹配关系,使用全景影像对点云逐段进行自动着色;
步骤4、将点云数据与全景影像数据进行叠加显示,检查车辆转弯路段及GPS信号较差路段点云与全景配准情况,采用手动微调或者选点精确配准的方式,调整此时的全景相机的位置及姿态参数,调整至精确配准状态,着色当前帧全景影像所在区域;
步骤5、检查存在遮挡情况的建筑物地物着色情况,选择当前着色偏差区域点云数据,以及正确对应的全景影像,根据点云数据与全景影像的匹配关系,对选中的点云数据进行着色。
2.根据权利要求1所述的一种车载激光移动测量系统彩色点云生成方法,其特征在于:步骤1中所述的在全景影像及点云数据上选取同名特征点,对应于在每一张全景影像上选取时,应至少选择3同名特征点,每一对同名特征点通过共线方程原理可以列出2个方程,求解全景相机在载体坐标系下的位置姿态共6个参数。
3.根据权利要求1所述的一种车载激光移动测量系统彩色点云生成方法,其特征在于:步骤2中所述根据全景相机在载体坐标系下的位置和姿态,以及单帧全景影像采集时刻载体的位置和姿态,可以通过坐标转换计算出单帧全景影像在绝对坐标系下的位置和姿态。两帧全景影像之间的空间距离L,通过每帧全景影像的位置信息可以计算出。点云数据进行采集时,按照扫描圈进行存储,根据距离L,对点云数据进行分段,分段的原则包括:第一,每一段中点云数据Point Cloudi所包含的所有相邻圈之间的距离之和为L。第二,对每一帧全景影像Panoi,满足其对应的每一段点云数据Point Cloudi中的三维坐标点在全景影像上找到正确对应像素最多。
4.根据权利要求1所述的一种车载激光移动测量系统彩色点云生成方法,其特征在于:步骤3中所述的将根据点云数据Point Cloudi与全景影像数据Panoi的匹配关系,计算出点云数据中点P在全景影像上的像素p,从而将像素P的RGB值赋给点p,使得点P具有光谱信息值,使用全景影像对点云逐段进行自动着色,生成彩色点云。
5.根据权利要求1所述的一种车载激光移动测量系统彩色点云生成方法,其特征在于:步骤4中所述的将点云数据与全景数据进行叠加显示,点云数据和全景数据具有统一的坐标参考,通过将观察位置设定在全景影像采集时的全景相机中心所在的位置,360度视角查看点云数据及全景数据,称为全景视角,对比同名地物,判断点云数据与全景数据的匹配效果。在转弯处或者GPS信号较差路段,会导致定位和姿态存在较大误差,从而影响点云全景的配准效果,此时可以通过采用方法步骤一中的同名特征点选取或者在全景视角下手动微调修改此时的位置姿态参数,完成配准,然后根据微调修正后的参数对当前帧全景影像对应的点云分段数据进行着色。
6.根据权利要求1所述的一种车载激光移动测量系统彩色点云生成方法,其特征在于:步骤5中所述的检查存在遮挡情况的建筑物地物,在点云数据中对建筑物上点P,其通过点云数据和所对应的全景影像的匹配关系,可以其在对应的全景影像上的像素值为其他地物,导致着色偏差。通过选择着色偏差的区域内的点云,然后在全景视角下,查看相邻帧全景影像,选择无遮挡情况的全景影像,然后对选中的点云进行着色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510205651.9A CN104794743A (zh) | 2015-04-27 | 2015-04-27 | 一种车载激光移动测量系统彩色点云生产方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510205651.9A CN104794743A (zh) | 2015-04-27 | 2015-04-27 | 一种车载激光移动测量系统彩色点云生产方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104794743A true CN104794743A (zh) | 2015-07-22 |
Family
ID=53559522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510205651.9A Pending CN104794743A (zh) | 2015-04-27 | 2015-04-27 | 一种车载激光移动测量系统彩色点云生产方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794743A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825470A (zh) * | 2016-03-10 | 2016-08-03 | 广州欧科信息技术股份有限公司 | 基于点云影像的鱼眼影像纠正方法 |
CN106546260A (zh) * | 2015-09-22 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 一种移动测量数据的纠正方法及系统 |
CN107796304A (zh) * | 2017-09-07 | 2018-03-13 | 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 |
CN107833244A (zh) * | 2017-11-02 | 2018-03-23 | 南京市测绘勘察研究院股份有限公司 | 一种基于车载激光雷达数据的行道树属性自动识别方法 |
CN108279428A (zh) * | 2017-01-05 | 2018-07-13 | 武汉四维图新科技有限公司 | 地图数据评测装置及系统、数据采集系统及采集车和采集基站 |
CN108279023A (zh) * | 2017-01-05 | 2018-07-13 | 北京四维图新科技股份有限公司 | 外业数据采集设备精度检核方法及装置、采集车及外业采集系统 |
CN108334802A (zh) * | 2017-01-20 | 2018-07-27 | 腾讯科技(深圳)有限公司 | 道路特征物的定位方法及装置 |
CN109901139A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
CN109993700A (zh) * | 2019-04-03 | 2019-07-09 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN110260815A (zh) * | 2019-06-12 | 2019-09-20 | 重庆交通大学 | 一种基于模糊算法的运动车辆判定方法和系统 |
WO2020097796A1 (en) * | 2018-11-13 | 2020-05-22 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for color point cloud generation |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111457930A (zh) * | 2020-04-02 | 2020-07-28 | 武汉中海庭数据技术有限公司 | 一种利用车载Lidar与无人机联合的高精度测图定位方法 |
CN111684306A (zh) * | 2019-01-09 | 2020-09-18 | 深圳市大疆创新科技有限公司 | 测距装置及点云数据的应用方法、感知系统、移动平台 |
CN111696141A (zh) * | 2020-05-22 | 2020-09-22 | 武汉天际航信息科技股份有限公司 | 一种三维全景扫描采集方法、设备及存储设备 |
CN111784834A (zh) * | 2020-06-24 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种点云地图生成方法、装置以及电子设备 |
CN112254737A (zh) * | 2020-10-27 | 2021-01-22 | 北京晶众智慧交通科技股份有限公司 | 地图数据转换方法 |
CN112581505A (zh) * | 2020-12-24 | 2021-03-30 | 天津师范大学 | 一种简易的激光雷达点云与光学影像自动配准方法 |
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 |
CN113487746A (zh) * | 2021-05-25 | 2021-10-08 | 武汉海达数云技术有限公司 | 一种车载点云着色中最优关联影像选择方法及系统 |
CN116862777A (zh) * | 2023-06-13 | 2023-10-10 | 中铁第四勘察设计院集团有限公司 | 一种全景影像的位置转换方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729883A (zh) * | 2013-12-30 | 2014-04-16 | 浙江大学 | 一种三维环境信息采集与重构系统及方法 |
US20140139624A1 (en) * | 2011-07-27 | 2014-05-22 | Olympus Corporation | Image processing system, information processing device, information storage device, and image processing method |
CN104318616A (zh) * | 2014-11-07 | 2015-01-28 | 钟若飞 | 彩色点云系统及基于该系统的彩色点云生成方法 |
-
2015
- 2015-04-27 CN CN201510205651.9A patent/CN104794743A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140139624A1 (en) * | 2011-07-27 | 2014-05-22 | Olympus Corporation | Image processing system, information processing device, information storage device, and image processing method |
CN103729883A (zh) * | 2013-12-30 | 2014-04-16 | 浙江大学 | 一种三维环境信息采集与重构系统及方法 |
CN104318616A (zh) * | 2014-11-07 | 2015-01-28 | 钟若飞 | 彩色点云系统及基于该系统的彩色点云生成方法 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546260A (zh) * | 2015-09-22 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 一种移动测量数据的纠正方法及系统 |
CN106546260B (zh) * | 2015-09-22 | 2019-08-13 | 腾讯科技(深圳)有限公司 | 一种移动测量数据的纠正方法及系统 |
CN105825470A (zh) * | 2016-03-10 | 2016-08-03 | 广州欧科信息技术股份有限公司 | 基于点云影像的鱼眼影像纠正方法 |
CN108279023A (zh) * | 2017-01-05 | 2018-07-13 | 北京四维图新科技股份有限公司 | 外业数据采集设备精度检核方法及装置、采集车及外业采集系统 |
CN108279428A (zh) * | 2017-01-05 | 2018-07-13 | 武汉四维图新科技有限公司 | 地图数据评测装置及系统、数据采集系统及采集车和采集基站 |
CN108334802A (zh) * | 2017-01-20 | 2018-07-27 | 腾讯科技(深圳)有限公司 | 道路特征物的定位方法及装置 |
CN107796304A (zh) * | 2017-09-07 | 2018-03-13 | 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 |
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 |
CN107833244A (zh) * | 2017-11-02 | 2018-03-23 | 南京市测绘勘察研究院股份有限公司 | 一种基于车载激光雷达数据的行道树属性自动识别方法 |
CN111436216A (zh) * | 2018-11-13 | 2020-07-21 | 北京嘀嘀无限科技发展有限公司 | 用于彩色点云生成的方法和系统 |
CN111436216B (zh) * | 2018-11-13 | 2023-11-07 | 北京嘀嘀无限科技发展有限公司 | 用于彩色点云生成的方法和系统 |
US11474247B2 (en) | 2018-11-13 | 2022-10-18 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for color point cloud generation |
WO2020097796A1 (en) * | 2018-11-13 | 2020-05-22 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for color point cloud generation |
CN109901139A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
CN111684306A (zh) * | 2019-01-09 | 2020-09-18 | 深圳市大疆创新科技有限公司 | 测距装置及点云数据的应用方法、感知系统、移动平台 |
CN109993700A (zh) * | 2019-04-03 | 2019-07-09 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN110260815A (zh) * | 2019-06-12 | 2019-09-20 | 重庆交通大学 | 一种基于模糊算法的运动车辆判定方法和系统 |
CN111256607B (zh) * | 2020-02-19 | 2021-09-21 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111457930A (zh) * | 2020-04-02 | 2020-07-28 | 武汉中海庭数据技术有限公司 | 一种利用车载Lidar与无人机联合的高精度测图定位方法 |
CN111457930B (zh) * | 2020-04-02 | 2021-11-23 | 武汉中海庭数据技术有限公司 | 一种利用车载Lidar与无人机联合的高精度测图定位方法 |
CN111696141A (zh) * | 2020-05-22 | 2020-09-22 | 武汉天际航信息科技股份有限公司 | 一种三维全景扫描采集方法、设备及存储设备 |
CN111696141B (zh) * | 2020-05-22 | 2023-10-27 | 武汉天际航信息科技股份有限公司 | 一种三维全景扫描采集方法、设备及存储设备 |
CN111784834A (zh) * | 2020-06-24 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种点云地图生成方法、装置以及电子设备 |
CN112254737A (zh) * | 2020-10-27 | 2021-01-22 | 北京晶众智慧交通科技股份有限公司 | 地图数据转换方法 |
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 |
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 |
CN112581505A (zh) * | 2020-12-24 | 2021-03-30 | 天津师范大学 | 一种简易的激光雷达点云与光学影像自动配准方法 |
CN113487746B (zh) * | 2021-05-25 | 2023-02-24 | 武汉海达数云技术有限公司 | 一种车载点云着色中最优关联影像选择方法及系统 |
CN113487746A (zh) * | 2021-05-25 | 2021-10-08 | 武汉海达数云技术有限公司 | 一种车载点云着色中最优关联影像选择方法及系统 |
CN116862777A (zh) * | 2023-06-13 | 2023-10-10 | 中铁第四勘察设计院集团有限公司 | 一种全景影像的位置转换方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794743A (zh) | 一种车载激光移动测量系统彩色点云生产方法 | |
CN112669393B (zh) | 一种激光雷达与相机联合标定方法 | |
CN104833372A (zh) | 一种车载移动测量系统高清全景相机外参数标定方法 | |
CN110842940A (zh) | 一种建筑测量机器人多传感器融合三维建模方法及系统 | |
CN109556569B (zh) | 地形图测绘方法及装置 | |
CN111597666A (zh) | 一种将bim应用到变电站建设过程的方法 | |
Mayer et al. | A comprehensive workflow to process UAV images for the efficient production of accurate geo-information | |
CN108681337B (zh) | 一种涵洞或桥梁专用巡查无人机及无人机巡查方法 | |
CN102243299B (zh) | 无人机载sar图像正射纠正装置 | |
CN111815717A (zh) | 一种多传感器融合外参联合半自主标定方法 | |
CN109685845B (zh) | 一种用于fod检测机器人的基于pos系统的实时图像拼接处理方法 | |
CN112270320B (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
CN113793270A (zh) | 一种基于无人机姿态信息的航拍图像几何校正方法 | |
CN111932508B (zh) | 一种基于图像处理的钢筋尺寸测量方法及系统 | |
CN111426302A (zh) | 一种无人机高精度倾斜摄影测量系统 | |
CN107784633B (zh) | 适用于平面测量的无人机航拍图像校准方法 | |
CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
KR20130034528A (ko) | 도로시설물 자동 위치측정 방법 | |
CN107798668A (zh) | 基于rgb影像的无人机成像高光谱几何校正的方法及系统 | |
CN105303564A (zh) | 一种塔式起重机负荷立体摆角的视觉检测方法 | |
KR101035538B1 (ko) | 실시간 차선위치정보 획득장치 및 방법 | |
CN113255740B (zh) | 一种多源遥感影像平差定位精度分析方法 | |
CN114234928A (zh) | 一种用于免像控无人机航空摄影的测量方法 | |
CN113327296A (zh) | 基于深度加权的激光雷达与相机在线联合标定方法 | |
CN111380503B (zh) | 一种采用激光辅助标定的单目相机测距方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150722 |
|
WD01 | Invention patent application deemed withdrawn after publication |