CN105023287A - 一种用于动态三维场景的激光雷达成像与着色方法 - Google Patents
一种用于动态三维场景的激光雷达成像与着色方法 Download PDFInfo
- Publication number
- CN105023287A CN105023287A CN201510399135.4A CN201510399135A CN105023287A CN 105023287 A CN105023287 A CN 105023287A CN 201510399135 A CN201510399135 A CN 201510399135A CN 105023287 A CN105023287 A CN 105023287A
- Authority
- CN
- China
- Prior art keywords
- texture
- color
- algorithm
- radar imaging
- scene
- 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
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于动态三维场景的激光雷达成像与着色方法,该方法通过三维场景建模,对目标场景中地形和地物针对性地点云纹理贴图,同时参考场景环境对激光雷达成像的影响,利用透明度测试呈现激光点云的稀疏效果,能够真实地模拟指定激光雷达的关键参数和成像特性,很好地兼顾了激光雷达成像仿真的真实性和实用性,提高了激光雷达成像仿真的实时性和可操作性,为激光雷达成像仿真提供了很好的替代方案;同时基于着色器技术对点云数据应用不同的着色方案,能够实时地凸显特定目标物体,增强操作人员对场景的感知能力。
Description
技术领域
本发明属于激光雷达场景成像仿真领域,具体涉及一种用于动态三维场景的激光雷达成像与着色方法。
背景技术
激光雷达成像系统是利用激光对地面目标进行主动成像与距离测量,通过数据处理产生包含目标场景的三维点云图像。由于该系统具有全天时工作、抗干扰及抗隐身能力强、图像信息丰富,易于目标识别等突出优点,已广泛应用于军事侦察、大面积3D地形测绘、机器人和无人驾驶车辆导航、水下目标探测等技术领域,在其他军事和民用领域也有着广阔的应用前景。
目前针对激光雷达成像仿真的研究主要是利用计算机仿真,基于激光雷达成像的基本原理,结合目标表面的空间反射特性,同时借助图形处理器强大的并行计算能力,从而建立激光雷达场景的动态仿真模型。但是,这类激光雷达成像仿真方法还存在着诸多问题。第一,依靠当前的仿真方法要实现激光雷达场景动态成像需对输出图像每个点进行大量运算,因而处理过程耗时较长,场景的渲染效率低下,这对计算机平台的性能提出了很高的要求,相应的实验成本也很高。第二,目前对激光雷达成像仿真技术的研究主要集中在对特定环境下特定目标的激光三维场景建模,无法实现对不同天气条件下动态目标场景的激光雷达成像仿真。第三,对于某些特定需求(比如机载激光雷达仿真),需要对部分地物的点云数据进行凸显处理以达到场景感知的目的,这对激光雷达仿真系统的实时性要求很高,而现有方法无法实现上述要求。
发明内容
本发明的目的是提供一种低成本的用于动态三维场景的激光雷达成像与着色方法,以实现逼真实时地模拟动态三维场景,能够实时地凸显特定三维模型,增强操作人员对场景的感知能力。
为实现上述目的,本发明采用的技术方案是:一种用于动态三维场景的激光雷达成像与着色方法,其特征是:至少包括:
步骤1,构建目标场景,包括三维地形、地物和场景环境;
步骤2,设置激光雷达成像仿真参数,包括位置、探测距离、视场和分辨率;
步骤3,基于过程纹理技术,通过过程纹理算法生成具有纹理分辨率、透明度和颜色的点云纹理;
步骤4,使用着色器对模型的第0层纹理和第1层纹理进行纹理采样43;
步骤5,利用着色算法对点云数据上色;
步骤6,对模型进行透明度测试;
步骤7,经过上述步骤,得到激光雷达的点云效果。
所述的步骤1构建的目标场景中,地物至少包括:建筑、树木、车辆、道路、电线杆、高压电线塔、桥梁、风车;默认目标场景中所有三维模型均已按照通行三维场景仿真方法完成建模,且只显示第0层纹理,其他层次纹理默认不显示;
场景环境至少包括如下环境状态:光照、雨/雪、雾/霾、烟尘、扬尘/沙尘。
所述的步骤3中纹理分辨率设为2的n次方,与地物自身纹理大小成正比,根据经验判断地物的大小之后确定相应数值;透明度是整数,随机产生于[0,255]之间,对应目标的激光雷达强度信息;颜色对应的RGB三个分量对于所有纹理像素都设为255;然后通过纹理映射将点云纹理作为第1层纹理映射到三维模型的表面上。
所述的步骤4中外部参数是由激光雷达成像仿真系统向着色器传递的用于控制着色算法的重要参数,包括实际探测距离、纹理缩放倍数、着色模式以及高度基准;通过控制场景环境来确定激光雷达的实际探测距离;根据场景中模型的大小确定纹理缩放倍数,两者关系成正比;不同的着色模式与着色算法一一对应,用于外部控制当前的着色方式;高度基准是人为设定的高度参考值,也是静态分层着色算法的重要参数。
所述的步骤4纹理采样包括:对模型的第0层纹理和第1层纹理进行纹理像素采样并最终完成透明度测试的过程;采样获取的是对应纹理像素的四元颜色分量,即R分量、G分量、B分量和透明度分量,至少包含以下步骤:
步骤431:判断模型相对于视点的距离是否小于激光雷达的实际探测距离,若是则执行步骤432,否则执行步骤433;
步骤432:判断第0层纹理的透明度分量是否等于0.0,若是则执行步骤434,否则执行步骤433;
步骤433:输出颜色透明度分量为0.0或1.0;
步骤434:输出颜色透明度分量为第1层纹理的透明度分量。
所述的步骤5中利用着色算法对点云数据上色,从而达到凸显目标物体的目的,包括了真彩着色算法、伪彩着色算法,这两种算法都是在着色器中实现的。
所述真彩着色算法是对点云数据使用对应物体的真实纹理颜色,即纹理采样获取的第0层纹理的像素颜色。
所述伪彩着色算法是根据点云数据的高程值进行着色,包括分层着色算法和分段着色算法,分层着色算法又分为动态分层着色算法和静态分层着色算法;
动态分层着色算法是根据当前激光雷达位置与点云数据的高度差进行着色,而静态分层着色算法是参照指定高度基准对点云数据进行着色,两者采用相同的颜色梯度,升序颜色依次为:蓝色、绿色、琥珀色和红色,利用三元颜色分量依次可表示为(0.0,0.0,1.0)、(0.0,1.0,0.0)、(1.0,0.7,0.1)和(1.0,0.0,0.0);
分段着色算法是针对高度在30米以上的模型,从模型的最低点到一定高度区间内分层着色,然后在模型的后续高度重复这一过程进行着色。此处分层着色采用10个颜色梯度,利用三元颜色分量表示的升序颜色依次为:(0.0,0.0,1.0)、(0.0,0.5,1.0)、(0.0,1.0,1.0)、(0.0,1.0,0.5)、(0.0,1.0,0.0)、(1.0,0.5,0.0)、(0.5,1.0,0.0)、(1.0,1.0,0.0)、(1.0,0.5,0.0)和(1.0,0.0,0.0)。
所述的步骤6,对模型进行透明度测试以显示点云效果;至少包含以下四个步骤:
步骤61:启动透明度测试;
步骤62:确定透明度参考值;
步骤63:确定测试标准;
步骤64:判断当前激光雷达参数和环境参数是否改变,若是则重新执行步骤62,否则执行步骤7。
本发明的优点是:针对当前激光雷达成像仿真存在的实验周期长、处理成本高、效率低以及实时性差等情况,本发明通过三维场景建模,对目标场景中地形和地物针对性地点云纹理贴图,参考场景环境对激光雷达成像的影响,利用透明度测试呈现激光点云的稀疏效果,能够真实地模拟指定激光雷达的关键参数和成像特性,很好地兼顾了激光雷达成像仿真的真实性和实用性,提高了激光雷达成像仿真的实时性和可操作性,为激光雷达成像仿真提供了很好的替代方案;同时基于着色器技术对点云数据应用不同的着色方案,能够实时地凸显特定三维模型,增强操作人员对场景的感知能力。
以下将结合附图对本发明做进一步详细说明。
附图说明
图1是一种用于动态三维场景的激光雷达成像与着色方法的结构框图;
图2是着色器纹理采样的流程图;
图3是着色算法的组成;
图4是透明度测试的流程图。
具体实施方式
本实施例对激光雷达成像仿真系统的组成和部分实现过程作详细说明。
如图1所示,一种用于动态三维场景的激光雷达成像与着色方法,至少包括:
步骤1,构建目标场景,包括三维地形11、地物12和场景环境13;
步骤2,根据激光雷达参数设置激光雷达成像仿真参数,包括位置21、探测距离22、视场23和分辨率24;
步骤3,基于过程纹理技术,通过过程纹理算法生成具有纹理分辨率31、透明度32和颜色33的点云纹理;
步骤4,使用着色器对模型的第0层纹理和第1层纹理进行纹理采样43;
步骤5,利用着色算法51对点云数据上色;
步骤6,对模型进行透明度测试;
步骤7,经过上述步骤,得到激光雷达的点云效果。
本发明通过对目标场景中三维地形11和地物12针对性地纹理映射34,根据定制的激光雷达成像特性和关键参数,同时参考场景环境13对激光雷达成像的影响,基于着色器技术对点云纹理应用不同的着色算法51,最后利用步骤6透明度测试呈现激光雷达的点云效果。
如图1所示,步骤1构建的目标场景中,包括三维地形11、地物12和场景环境13,地物12至少包括:建筑、树木、车辆、道路、电线杆、高压电线塔、桥梁、风车;默认目标场景中所有三维模型均已按照通行三维场景仿真方法完成建模,且只显示第0层纹理,其他层次纹理默认不显示。
所述的场景环境13至少包括如下环境状态:光照、雨/雪、雾/霾、烟尘、扬尘/沙尘;这些环境参数会对激光雷达的实际探测距离和获取点云数据的密度产生影响。
所述的步骤2中,根据激光雷达参数设置激光雷达成像仿真系统关键参数,包括位置21、探测距离22、视场23和分辨率24。
所述的步骤3基于过程纹理技术,通过过程纹理算法生成具有纹理分辨率31、透明度32和颜色33的点云纹理,纹理分辨率31一般设为2的n次方(如32,64,128,256等),与地物12自身纹理大小成正比,根据经验判断地物12的大小之后确定相应数值;透明度32是整数,随机产生于[0,255]之间,对应目标的激光雷达强度信息;颜色33对应的RGB三个分量对于所有纹理像素都设为255;然后通过纹理映射34将点云纹理3作为第1层纹理映射到三维模型的表面上。
所述的步骤4,使用着色器对模型的第0层纹理和第1层纹理进行纹理采样43;外部参数42是由激光雷达成像仿真系统向着色器传递的用于控制着色算法51的重要参数,包括实际探测距离、纹理缩放倍数、着色模式以及高度基准;通过控制场景环境13来确定激光雷达的实际探测距离;根据场景中模型的大小确定纹理缩放倍数,两者关系成正比;不同的着色模式与着色算法51一一对应,用于外部控制当前的着色方式;高度基准是人为设定的高度参考值,也是静态分层着色算法56的重要参数。
如图2所示,所述的步骤4使用着色器对模型的第0层纹理和第1层纹理进行纹理采样43并最终完成透明度测试的过程,采样获取的是对应纹理像素的四元颜色分量,即R分量、G分量、B分量和透明度分量,至少包含以下步骤:
步骤431:判断模型相对于视点的距离是否小于激光雷达的实际探测距离,若是则执行432,否则执行433;
步骤432:判断第0层纹理的透明度分量是否等于0.0,若是则执行434,否则执行433;
步骤433:输出颜色透明度分量为0.0或1.0;
步骤434:输出颜色透明度分量为第1层纹理的透明度分量。
纹理采样43完成之后,通过步骤6透明度测试最终实现激光点云的稀疏效果。
如图3所示,所述的步骤5中利用着色算法51对点云数据上色,从而达到凸显目标物体的目的,包括了真彩着色算法52、伪彩着色算法53,这两种算法都是在着色器中实现的。
所述的真彩着色算法52是对点云数据使用对应物体的真实纹理颜色,即纹理采样43获取的第0层纹理的像素颜色。
所述的伪彩着色算法53是根据点云数据的高程值进行着色,包括分层着色算法54和分段着色算法55,分层着色算法54又分为动态分层着色算法56和静态分层着色算法57;
所述的动态分层着色算法56是根据当前激光雷达位置与点云数据的高度差进行着色,而静态分层着色算法57是参照指定高度基准对点云数据进行着色,两者采用相同的颜色梯度,升序颜色依次为:蓝色、绿色、琥珀色和红色,利用三元颜色分量依次可表示为(0.0,0.0,1.0)、(0.0,1.0,0.0)、(1.0,0.7,0.1)和(1.0,0.0,0.0);
所述的分段着色算法55主要针对较高的模型,如铁塔、烟囱等,从模型的最低点到一定高度区间内分层着色,然后在模型的后续高度重复这一过程进行着色。此处分层着色采用10个颜色梯度,利用三元颜色分量表示的升序颜色依次为:(0.0,0.0,1.0)、(0.0,0.5,1.0)、(0.0,1.0,1.0)、(0.0,1.0,0.5)、(0.0,1.0,0.0)、(1.0,0.5,0.0)、(0.5,1.0,0.0)、(1.0,1.0,0.0)、(1.0,0.5,0.0)和(1.0,0.0,0.0)。
如图4所示,所述的步骤6对模型进行透明度测试以显示点云效果;至少包含以下四个步骤:
步骤61:启动透明度测试;
步骤62:确定透明度参考值;
步骤63:确定测试标准;
步骤64:判断当前激光雷达参数和环境参数是否改变,若是则重新执行步骤62,否则执行步骤7。
由于激光雷达成像仿真系统基于开放图形库(OpenGL),同时透明度测试也是OpenGL中的公知方法,此处就以OpenGL中的操作介绍步骤6。首先,借助函数接口glEnable(GL_ALPHA_TEST)启动透明度测试;然后,借助函数接口glAlphaFunc(GL_GREATER,0.5)设置初始测试标准为大于,初始透明度测试参考值为0.5;当前激光雷达参数和环境参数相对于初始参数发生改变,如初始环境为晴天,当前为雨雪或者雾天,由于在雨雪雾等天气条件下激光雷达的实际探测距离减小,点云数据的采集率降低,故通过在步骤62中改变透明度测试参考值的大小来改变通过测试的纹理像素数量,即强度低于一定数值的点云数据不会被显示,从而体现点云稀疏感的变化。关于测试标准,如图2所示,当输出颜色透明度分量为0.0时,在步骤63中测试标准设为大于;输出颜色透明度分量为1.0,测试标准设为小于等于。如表1所示,当透明度测试标准为小于等于时,在不同天气条件下某型激光雷达探测距离和距离分辨率的变化以及相应透明度参考值的设置情况。
表1
本实施例没有详细叙述的部分属本行业的公知的常用手段,这里不一一叙述。
Claims (9)
1.一种用于动态三维场景的激光雷达成像与着色方法,其特征是:至少包括:
步骤1,构建目标场景,包括三维地形、地物和场景环境;
步骤2,设置激光雷达成像仿真参数,包括位置、探测距离、视场和分辨率;
步骤3,基于过程纹理技术,通过过程纹理算法生成具有纹理分辨率、透明度和颜色的点云纹理;
步骤4,使用着色器对模型的第0层纹理和第1层纹理进行纹理采样43;
步骤5,利用着色算法对点云数据上色;
步骤6,对模型进行透明度测试;
步骤7,经过上述步骤,得到激光雷达的点云效果。
2.根据权利要求1所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述的步骤1构建的目标场景中,地物至少包括:建筑、树木、车辆、道路、电线杆、高压电线塔、桥梁、风车;默认目标场景中所有三维模型均已按照通行三维场景仿真方法完成建模,且只显示第0层纹理,其他层次纹理默认不显示;
场景环境至少包括如下环境状态:光照、雨/雪、雾/霾、烟尘、扬尘/沙尘。
3.根据权利要求1所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述的步骤3中纹理分辨率设为2的n次方,与地物自身纹理大小成正比,根据经验判断地物的大小之后确定相应数值;透明度是整数,随机产生于[0,255]之间,对应目标的激光雷达强度信息;颜色对应的RGB三个分量对于所有纹理像素都设为255;然后通过纹理映射将点云纹理作为第1层纹理映射到三维模型的表面上。
4.根据权利要求1所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述的步骤4中外部参数是由激光雷达成像仿真系统向着色器传递的用于控制着色算法的重要参数,包括实际探测距离、纹理缩放倍数、着色模式以及高度基准;通过控制场景环境来确定激光雷达的实际探测距离;根据场景中模型的大小确定纹理缩放倍数,两者关系成正比;不同的着色模式与着色算法一一对应,用于外部控制当前的着色方式;高度基准是人为设定的高度参考值,也是静态分层着色算法的重要参数。
5.根据权利要求1所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述的步骤4纹理采样包括:对模型的第0层纹理和第1层纹理进行纹理像素采样并最终完成透明度测试的过程;采样获取的是对应纹理像素的四元颜色分量,即R分量、G分量、B分量和透明度分量,至少包含以下步骤:
步骤431:判断模型相对于视点的距离是否小于激光雷达的实际探测距离,若是则执行步骤432,否则执行步骤433;
步骤432:判断第0层纹理的透明度分量是否等于0.0,若是则执行步骤434,否则执行步骤433;
步骤433:输出颜色透明度分量为0.0或1.0;
步骤434:输出颜色透明度分量为第1层纹理的透明度分量。
6.根据权利要求1所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述的步骤5中利用着色算法对点云数据上色,从而达到凸显目标物体的目的,包括了真彩着色算法、伪彩着色算法,这两种算法都是在着色器中实现的。
7.根据权利要求6所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述真彩着色算法是对点云数据使用对应物体的真实纹理颜色,即纹理采样获取的第0层纹理的像素颜色。
8.根据权利要求6所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述伪彩着色算法是根据点云数据的高程值进行着色,包括分层着色算法和分段着色算法,分层着色算法又分为动态分层着色算法和静态分层着色算法;
动态分层着色算法是根据当前激光雷达位置与点云数据的高度差进行着色,而静态分层着色算法是参照指定高度基准对点云数据进行着色,两者采用相同的颜色梯度,升序颜色依次为:蓝色、绿色、琥珀色和红色,利用三元颜色分量依次可表示为(0.0,0.0,1.0)、(0.0,1.0,0.0)、(1.0,0.7,0.1)和(1.0,0.0,0.0);
分段着色算法是针对高度在30米以上的模型,从模型的最低点到一定高度区间内分层着色,然后在模型的后续高度重复这一过程进行着色;此处分层着色采用10个颜色梯度,利用三元颜色分量表示的升序颜色依次为:(0.0,0.0,1.0)、(0.0,0.5,1.0)、(0.0,1.0,1.0)、(0.0,1.0,0.5)、(0.0,1.0,0.0)、(1.0,0.5,0.0)、(0.5,1.0,0.0)、(1.0,1.0,0.0)、(1.0,0.5,0.0)和(1.0,0.0,0.0)。
9.根据权利要求1所述的一种用于动态三维场景的激光雷达成像与着色方法,其特征是:所述的步骤6,对模型进行透明度测试以显示点云效果;至少包含以下四个步骤:
步骤61:启动透明度测试;
步骤62:确定透明度参考值;
步骤63:确定测试标准;
步骤64:判断当前激光雷达参数和环境参数是否改变,若是则重新执行步骤62,否则执行步骤7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510399135.4A CN105023287B (zh) | 2015-07-08 | 2015-07-08 | 一种用于动态三维场景的激光雷达成像与着色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510399135.4A CN105023287B (zh) | 2015-07-08 | 2015-07-08 | 一种用于动态三维场景的激光雷达成像与着色方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105023287A true CN105023287A (zh) | 2015-11-04 |
CN105023287B CN105023287B (zh) | 2018-04-17 |
Family
ID=54413227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510399135.4A Active CN105023287B (zh) | 2015-07-08 | 2015-07-08 | 一种用于动态三维场景的激光雷达成像与着色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105023287B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653350A (zh) * | 2015-12-30 | 2016-06-08 | 南京乐飞航空技术有限公司 | 一种用于飞行模拟器的气象雷达仿真渲染方法 |
CN106097433A (zh) * | 2016-05-30 | 2016-11-09 | 广州汉阈数据处理技术有限公司 | 物体工业与影像模型的叠加方法及系统 |
CN106143834A (zh) * | 2016-06-16 | 2016-11-23 | 上海电机学院 | 一种新能源海上无人智能打捞船 |
CN107329116A (zh) * | 2017-05-18 | 2017-11-07 | 陕西长岭电子科技有限责任公司 | 机载雷达三维运动场景显示方法 |
CN107462897A (zh) * | 2017-07-21 | 2017-12-12 | 西安电子科技大学 | 基于激光雷达的三维建图的方法 |
CN107610524A (zh) * | 2017-11-02 | 2018-01-19 | 济南浪潮高新科技投资发展有限公司 | 一种利用激光雷达进行停车场车位智能识别的方法及装置 |
CN109003326A (zh) * | 2018-06-05 | 2018-12-14 | 湖北亿咖通科技有限公司 | 一种基于虚拟世界的虚拟激光雷达数据生成方法 |
CN109035379A (zh) * | 2018-09-10 | 2018-12-18 | 天目爱视(北京)科技有限公司 | 一种目标物360°3d测量及信息获取装置 |
CN111640070A (zh) * | 2020-04-24 | 2020-09-08 | 同济大学 | 大气退化现象中的图像仿真方法 |
CN111982124A (zh) * | 2020-08-27 | 2020-11-24 | 华中科技大学 | 基于深度学习的玻璃场景下三维激光雷达导航方法及设备 |
CN112991511A (zh) * | 2020-10-13 | 2021-06-18 | 中国汽车技术研究中心有限公司 | 一种点云数据的展示方法 |
CN113362439A (zh) * | 2021-06-11 | 2021-09-07 | 广西东方道迩科技有限公司 | 基于真正射影像融合数字表面模型数据的方法 |
CN114359136A (zh) * | 2021-11-24 | 2022-04-15 | 北京航天发射技术研究所 | 一种基于地面成像数据的隐身效果评估方法和系统 |
CN115393496A (zh) * | 2022-10-25 | 2022-11-25 | 之江实验室 | 一种多激光雷达仿真点云的快速绘制方法和装置 |
CN116719054A (zh) * | 2023-08-11 | 2023-09-08 | 光轮智能(北京)科技有限公司 | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120027298A1 (en) * | 2010-07-27 | 2012-02-02 | Aerotec, Llc | Method and Apparatus for Direct Detection, Location, Analysis, Identification, and Reporting of Vegetation Clearance Violations |
CN103218840A (zh) * | 2012-12-13 | 2013-07-24 | 航天科工仿真技术有限责任公司 | 基于纹理映射技术的视景仿真系统矢量数据动态绘制方法 |
CN103400003A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于gpu编程实现激光雷达场景仿真方法 |
CN104268323A (zh) * | 2014-09-17 | 2015-01-07 | 西安电子科技大学 | 基于光线跟踪的激光雷达场景仿真方法 |
-
2015
- 2015-07-08 CN CN201510399135.4A patent/CN105023287B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120027298A1 (en) * | 2010-07-27 | 2012-02-02 | Aerotec, Llc | Method and Apparatus for Direct Detection, Location, Analysis, Identification, and Reporting of Vegetation Clearance Violations |
CN103218840A (zh) * | 2012-12-13 | 2013-07-24 | 航天科工仿真技术有限责任公司 | 基于纹理映射技术的视景仿真系统矢量数据动态绘制方法 |
CN103400003A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于gpu编程实现激光雷达场景仿真方法 |
CN104268323A (zh) * | 2014-09-17 | 2015-01-07 | 西安电子科技大学 | 基于光线跟踪的激光雷达场景仿真方法 |
Non-Patent Citations (1)
Title |
---|
刘天桥: "基于OpenGL的天基预警雷达视景仿真方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653350A (zh) * | 2015-12-30 | 2016-06-08 | 南京乐飞航空技术有限公司 | 一种用于飞行模拟器的气象雷达仿真渲染方法 |
CN105653350B (zh) * | 2015-12-30 | 2018-11-27 | 南京乐飞航空技术有限公司 | 一种用于飞行模拟器的气象雷达仿真渲染方法 |
CN106097433A (zh) * | 2016-05-30 | 2016-11-09 | 广州汉阈数据处理技术有限公司 | 物体工业与影像模型的叠加方法及系统 |
CN106143834A (zh) * | 2016-06-16 | 2016-11-23 | 上海电机学院 | 一种新能源海上无人智能打捞船 |
CN107329116B (zh) * | 2017-05-18 | 2020-04-14 | 陕西长岭电子科技有限责任公司 | 机载雷达三维运动场景显示方法 |
CN107329116A (zh) * | 2017-05-18 | 2017-11-07 | 陕西长岭电子科技有限责任公司 | 机载雷达三维运动场景显示方法 |
CN107462897A (zh) * | 2017-07-21 | 2017-12-12 | 西安电子科技大学 | 基于激光雷达的三维建图的方法 |
CN107610524A (zh) * | 2017-11-02 | 2018-01-19 | 济南浪潮高新科技投资发展有限公司 | 一种利用激光雷达进行停车场车位智能识别的方法及装置 |
CN109003326A (zh) * | 2018-06-05 | 2018-12-14 | 湖北亿咖通科技有限公司 | 一种基于虚拟世界的虚拟激光雷达数据生成方法 |
CN109035379B (zh) * | 2018-09-10 | 2019-08-20 | 天目爱视(北京)科技有限公司 | 一种目标物360°3d测量及信息获取装置 |
CN109035379A (zh) * | 2018-09-10 | 2018-12-18 | 天目爱视(北京)科技有限公司 | 一种目标物360°3d测量及信息获取装置 |
CN111640070A (zh) * | 2020-04-24 | 2020-09-08 | 同济大学 | 大气退化现象中的图像仿真方法 |
CN111982124B (zh) * | 2020-08-27 | 2022-11-01 | 华中科技大学 | 基于深度学习的玻璃场景下三维激光雷达导航方法及设备 |
CN111982124A (zh) * | 2020-08-27 | 2020-11-24 | 华中科技大学 | 基于深度学习的玻璃场景下三维激光雷达导航方法及设备 |
CN112991511A (zh) * | 2020-10-13 | 2021-06-18 | 中国汽车技术研究中心有限公司 | 一种点云数据的展示方法 |
CN113362439A (zh) * | 2021-06-11 | 2021-09-07 | 广西东方道迩科技有限公司 | 基于真正射影像融合数字表面模型数据的方法 |
CN114359136A (zh) * | 2021-11-24 | 2022-04-15 | 北京航天发射技术研究所 | 一种基于地面成像数据的隐身效果评估方法和系统 |
CN114359136B (zh) * | 2021-11-24 | 2023-10-31 | 北京航天发射技术研究所 | 一种基于地面成像数据的隐身效果评估方法和系统 |
CN115393496A (zh) * | 2022-10-25 | 2022-11-25 | 之江实验室 | 一种多激光雷达仿真点云的快速绘制方法和装置 |
CN116719054A (zh) * | 2023-08-11 | 2023-09-08 | 光轮智能(北京)科技有限公司 | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 |
CN116719054B (zh) * | 2023-08-11 | 2023-11-17 | 光轮智能(北京)科技有限公司 | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105023287B (zh) | 2018-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105023287B (zh) | 一种用于动态三维场景的激光雷达成像与着色方法 | |
CN107966693B (zh) | 一种基于深度渲染的车载激光雷达仿真方法 | |
Bremer et al. | A new multi-scale 3D-GIS-approach for the assessment and dissemination of solar income of digital city models | |
CN104050716B (zh) | 一种海上多目标sar图像可视化建模方法 | |
CN108010092A (zh) | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 | |
CN105006021B (zh) | 一种适用于快速点云三维重建的颜色映射方法及装置 | |
CN105225230A (zh) | 一种识别前景目标对象的方法及装置 | |
CN109726426A (zh) | 一种车辆自动驾驶虚拟环境构建方法 | |
CN110706324A (zh) | 一种天气粒子渲染的方法及装置 | |
CN103559733A (zh) | 支持三维体数据内部视点漫游的球面体绘制方法 | |
CN111223191A (zh) | 面向机载增强合成视景系统的大规模场景红外成像实时仿真方法 | |
CN104318605A (zh) | 矢量实线与三维地形的并行贴合渲染方法 | |
CN101615300B (zh) | 一种屏幕空间微结构表面对象环境光遮挡方法 | |
CN105335571A (zh) | 一种碰撞仿真虚拟现实的环境搭建方法 | |
CN103593514B (zh) | 多谱段合成环境模拟系统 | |
CN115292913A (zh) | 一种面向车路协同的路测感知仿真系统 | |
CN112712098A (zh) | 图像数据处理方法及装置 | |
Maravelakis et al. | Automatic building identification and features extraction from aerial images: Application on the historic 1866 square of Chania Greece | |
CN113656918B (zh) | 一种应用于成品高架库场景的四旋翼仿真测试方法 | |
CN110134024A (zh) | 车辆自动驾驶虚拟环境中特殊标志物的构建方法 | |
CN113223146A (zh) | 一种基于三维仿真场景的数据标注方法、装置及存储介质 | |
CN107247478A (zh) | 一种地表太阳辐射通量的快速计算方法 | |
CN109493419B (zh) | 一种倾斜摄影数据获取数字表面模型的方法及装置 | |
JP7204087B2 (ja) | 対象物認識装置 | |
Liu et al. | 3D point cloud construction and display based on LiDAR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |