CN105654460A - 点云拼接系统及方法 - Google Patents

点云拼接系统及方法 Download PDF

Info

Publication number
CN105654460A
CN105654460A CN201410722204.6A CN201410722204A CN105654460A CN 105654460 A CN105654460 A CN 105654460A CN 201410722204 A CN201410722204 A CN 201410722204A CN 105654460 A CN105654460 A CN 105654460A
Authority
CN
China
Prior art keywords
groups
point
cloud
clouds
corresponding point
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
Application number
CN201410722204.6A
Other languages
English (en)
Inventor
吴新元
张旨光
谢鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yuzhan Precision Technology Co ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Shenzhen Yuzhan Precision Technology Co ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yuzhan Precision Technology Co ltd, Hon Hai Precision Industry Co Ltd filed Critical Shenzhen Yuzhan Precision Technology Co ltd
Priority to CN201410722204.6A priority Critical patent/CN105654460A/zh
Priority to US14/689,499 priority patent/US20160163096A1/en
Publication of CN105654460A publication Critical patent/CN105654460A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)

Abstract

一种点云拼接系统及方法，所述方法包括：读取需要拼接的两组点云以及预设的拼接精度；将所读取的两组点云进行初始拼接；将初始拼接后的两组点云的重叠区域的两片点云分别拟合成曲面；根据拟合好两片曲面分别计算该两组点云中的初始对应点，得到两组初始对应点集；去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集；针对两组最终确立的对应点集，采用最小二乘法计算两组点云之间的转换关系，并计算所对应的目标函数的最小二乘解；当所述最小二乘解小于或等于预设的拼接精度时，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接。本发明能够快速、精确地对点云进行拼接。

Description

点云拼接系统及方法
技术领域
本发明涉及一种点云处理系统及方法，特别是关于一种点云拼接系统及方法。
背景技术
点云拼接技术通常分为初始配准和精确拼接两步。初始配准一般采用基于相同特征点的方法，然后再采用点云精拼接最近点迭代（IterativeclosestPoint，ICP）精确拼接算法。然而，大多数时候由于没有特征点或特征点不足，比如手动拼接，转台拼接等不是靠匹配特征点进行初始配准的，此时传统的ICP算法需要计算每一个点的距离，计算量大，所需时间较长，而且容易陷入局部收敛，不能够得到一个好的拼接结果。
发明内容
鉴于以上内容，有必要提供一种点云拼接系统，能够快速、精确地对点云进行拼接。
一种点云拼接系统，运行于计算机中，该系统包括：获取模块，用于从计算机存储装置中读取需要拼接的两组点云，以及接收一预设的拼接精度；粗拼接模块，用于将所读取的两组点云进行初始拼接；拟合模块，用于确定初始拼接后的两组点云的重叠区域，将重叠区域的两片点云分别拟合成曲面；计算模块，用于当拟合好两片曲面后，分别计算该两组点云中的初始对应点，得到两组初始对应点集；修正模块，用于根据预设的约束条件，去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集；所述计算模块还用于针对两组最终确立的对应点集，采用最小二乘法计算两组点云之间的转换关系，并计算得到所述转换关系所对应的目标函数的最小二乘解；处理模块，用于当所述计算得到的目标函数的最小二乘解小于预设的拼接精度时，根据所述最小二乘解得到两组点云之间的转换关系，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接。
此外，还有必要提供一种可快速对点云拼接方法，能够快速、精确地对点云进行拼接。
一种点云拼接方法，运行于计算机中，该方法包括步骤：获取步骤：从计算机存储装置中读取需要拼接的两组点云，以及接收一预设的拼接精度；粗拼步骤：将所读取的两组点云进行初始拼接；拟合步骤：确定初始拼接后的两组点云的重叠区域，将重叠区域的两片点云分别拟合成曲面；计算步骤一：当拟合好两片曲面后，分别计算该两组点云中的初始对应点，得到两组初始对应点集；修正步骤：根据预设的约束条件，去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集；计算模块步骤二：针对两组最终确立的对应点集，采用最小二乘法计算两组点云之间的转换关系，并计算得到所述转换关系所对应的目标函数的最小二乘解；处理步骤：当所述计算得到的目标函数的最小二乘解小于或等于预设的拼接精度时，根据所述最小二乘解得到两组点云之间的转换关系，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接，及当所述计算得到的目标函数的最小二乘解大于预设的拼接精度时返回拟合步骤。
相较于现有技术，本发明所述的点云拼接系统及方法，利用曲面拟合进行迭代，以确定对应点集，计算中加入了异常点的判定并修正对应点集，提高了算法的稳定性和速度。此外，通过利用修正后的对应点集以及最小二乘法计算两组点云之间的转换关系，精确地拼接两组点云。
附图说明
图1为本发明点云拼接系统较佳实施例的系统架构图。
图2为本发明点云拼接系统较佳实施例的功能模块图。
图3为本发明点云拼接方法较佳实施例的流程图。
主要元件符号说明
计算机 1
点云拼接系统 10
处理器 11
存储装置 12
显示装置 13
输入设备 2
获取模块 100
粗拼接模块 101
拟合模块 102
计算模块 103
修正模块 104
处理模块 105
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式：
参阅图1所示，是本发明点云拼接系统的实施环境示意图。参阅图1所示，是本发明点云拼接系统10较佳实施例的系统架构图。该点云拼接系统10安装于一台计算设备，如计算机1中。所述计算机1与一输入设备2通讯连接。所述输入设备2可以为键盘、鼠标或者扫描仪等。
所述计算机1包括处理器11、存储装置12以及显示装置13。所述处理器11用于执行点云拼接系统10中的各功能模块。所述的存储装置12用于存储计算机1的各类数据，例如工件的多组点云的数据。在其它实施例中，所述存储装置12可以为主机1外接的存储器。所述的显示装置13用于显示计算机1的可视化数据。
参阅图2所示，是本发明点云拼接系统较佳实施例的功能模块图。所述点云拼接系统10包括获取模块100、粗拼接模块101、拟合模块102、计算模块103、修正模块104、及处理模块105。上述各功能模块100~105是完成特定功能的各个程序段，比软件程序本身更适合于描述软件在计算机设备，如计算机1中的执行过程，因此本发明对软件程序的描述都以模块描述。
所述获取模块100用于从计算机1的存储装置12中读取需要拼接的两组点云，以及接收一预设的拼接精度。在本较佳实施例中，用户可以利用输入设备2输入该两组点云的拼接所需要拼接精度。应说明的是，通常一待测工件可能对应多组点云，该多组点云整合起来可以构成所述工件的完整点云。所述的获取模块100可以选择两组点云先进行拼接，然后再选择未拼接的点云与上述拼接后的点云继续拼接，直至整合所有点云为一幅完整的点云。
所述粗拼接模块101用于将所读取的两组点云进行初始拼接。在本较佳实施例中，用户可以进行手动拼接或利用常用的粗拼接的方法使两组点云基本对齐以完成初始拼接。所述常用的粗拼接的方法包括转台法、标签法和曲面特征法等。应说明的是，为了快速准确地进行初始拼接，所述的粗拼接模块101可以先对两组点云进行滤波处理以及去除噪点处理，然后再进行初始拼接。
所述拟合模块102用于确定初始拼接后的两组点云的重叠区域，并将重叠区域的两片点云（即两组点云的局部点云）分别拟合成曲面。本较佳实施例中，针对经初始拼接后大致对齐的两组点云，所述拟合模块102先划分其重叠区域，并对所述重叠区域进行三次样条曲面拟合。其中，所述三次样条曲面方程为，其中的“Nik”和“Njl”分别为连续的一阶倒数和二阶倒数。所述拟合模块102采用牛顿迭代法为基础的迭代法逼近拟合曲面：给定空间任意参数曲面S(u，v)和一个点M，所述曲面S(u，v)上任意一点C（u,）与点M之间的距离可以表示为以(u，v)为参数的一个函数V(u，v)=C(u，v)-M。为了找出“V”最小时的参数，采用所述曲面S的函数的雅可比矩阵与偏导数乘积作为迭代步长k=-Js*(Su,Sv)进行迭代计算。
所述计算模块103用于当利用上述方法拟合好两片曲面之后，分别计算该两组点云中的初始对应点，得到两组初始对应点集。所述拟合模块102选取一个矩形区域包围所述的重叠区域，并给将矩形细分成多个小矩形，小矩形的边长为平均点间距，在每个小矩形内取中心点在所述两片曲面上的投影点作为一对对应点（以下简称“点对”），以分别计算该两组点云中的初始对应点，并得到两组初始对应点集。
所述修正模块104用于根据预设的约束条件，去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集。在本较佳实施例中，所述预设的约束条件为采用对应点之间的距离作为约束条件，去掉距离大于预设阈值的点对。假设其中一组点云的初始对应点集为P，另外一组点云的初始对应点集为Q，共有n个点，上述点之间距离的标准偏差，利用该标准偏差作为所述预设阈值。因此，将两组初始对应点集中点对之间的距离大于或等于标准偏差D的点对作为异常点从两组初始对应点集中删除，即取两组初始对应点集中满足的点对作为最终确立的两组对应点集。
所述计算模块103还用于针对两组最终确立的对应点集，采用最小二乘法计算两组点云之间的转换关系，并计算得到所述转换关系所对应的目标函数的最小二乘解。在本较佳实施例中，假设两组对应点集为P（ax,ay,az,1）和Q（bx,by,bz,1），共有n个点，以及两组点云之间的转换关系为（该方程为超线性方程，只有最小二乘解），T为4*3的转换矩阵。上述转换关系所对应的目标函数为，相对应的点对之间的坐标关系可用下式表示：，其中,。假设X0满足，则是上述方程的最小二乘解，它的通解为：，其中I为单位矩阵，是A的广义逆。极小最小二乘解唯一，为。所述计算模块103以目标函数的残量为判定标准，即将作为所述目标函数的最小二乘解，其中，目标函数的值表示精度。
所述处理模块105用于判断上述目标函数的最小二乘解是否小于预设的拼接精度。如果上述目标函数的最小二乘解小于或等于预设的拼接精度，所述的处理模块105还用于根据所述最小二乘解得到两组点云之间的转换关系，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接，并对精拼接后的点云中重叠区域进行点云精简及平滑处理，输出处理后的点云。如果上述目标函数的最小二乘解大于预设的拼接精度，表示精度不符合预设的要求，所述拟合模块102会利用迭代法继续迭代以拟合曲面，重新计算对应点集合以重新计算两组点云之间的转换关系，直至目标函数的精度达到预设的精度要求。
在本较佳实施例中，所述处理模块105可以通过随机、包围盒等点云精简方法对精确拼接后的点云的重叠区域进行精简处理，以及利用法向量修正等迭代算法对精确拼接后的点云的重叠区域进行平滑处理.
参阅图3所示，是本发明点云拼接方法较佳实施例的流程图。应该了解，本发明所述点云拼接方法并不限于图3所示流程图中的步骤及顺序。根据不同的实施例，图3所示流程图中的步骤可以增加、移除、或者改变顺序。
步骤S301，获取模块100从计算机1的存储装置12读取需要拼接的两组点云，以及接收一预设的拼接精度。
步骤302，粗拼接模块101将所读取的两组点云进行初始拼接。在本较佳实施例中，用户可以进行手动拼接或利用常用的粗拼接的方法使两组点云基本对齐以完成初始拼接。所述常用的粗拼接的方法包括转台法、标签法和曲面特征法等。
步骤S303，拟合模块102确定初始拼接后的两组点云的重叠区域，将重叠区域的两片点云（即两组点云的局部点云）分别拟合成曲面。本较佳实施例中，针对经初始拼接后大致对齐的两组点云，所述拟合模块102先划分其重叠区域，并对所述重叠区域进行三次样条曲面拟合。其中，所述三次样条曲面方程为，其中的“Nik”和“Njl”分别为连续的一阶倒数和二阶倒数。所述拟合模块102采用牛顿迭代法为基础的迭代法逼近拟合曲面。
步骤S304，所述计算模块103根据所拟合的曲面，分别计算该两组点云中的初始对应点，得到两组初始对应点集。当利用上述方法拟合好两片曲面之后，所述计算模块103选取一个矩形区域包围所述的重叠区域，并将矩形细分成多个小矩形，小矩形的边长为平均点间距，在每个小矩形内取中心点在所述两片曲面上的投影点作为一对对应点（以下简称“点对”），以分别计算该两组点云中的初始对应点，并得到两组初始对应点集。
步骤S305，所述修正模块104根据预设的约束条件，去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集。在本较佳实施例中，所述预设的约束条件为采用对应点之间的距离作为约束条件，去掉距离大于预设阈值的点对。假设其中一组点云的初始对应点集为P，另外一组点云的初始对应点集为Q，共有n个点，上述点之间距离的标准偏差，利用该标准偏差作为所述预设阈值。因此，所述计算模块将两组初始对应点集中点对之间的距离大于或等于标准偏差D的点对作为异常点从两组初始对应点集中删除，得到最终确立的两组对应点集。
步骤S306，针对两组最终确立的对应点集，所述计算模块103采用最小二乘法计算两组点云之间的转换关系，并计算得到所述转换关系所对应的目标函数的最小二乘解。在本较佳实施例中，假设两组对应点集为P（ax,ay,az,1）和Q（bx,by,bz,1），共有n个点，以及两组点云之间的转换关系为（该方程为超线性方程，只有最小二乘解），T为4*3的转换矩阵。上述转换关系所对应的目标函数为，相对应的点对之间的坐标关系可用下式表示：，其中,。假设X0满足，则是上述方程的最小二乘解，它的通解为：，其中I为单位矩阵，是A的广义逆。极小最小二乘解唯一，为。所述计算模块103以目标函数的残量为判定标准，即将作为所述目标函数的最小二乘解，其中，目标函数的值表示精度。
步骤S307，处理模块105判断上述目标函数的最小二乘解是否小于预设的拼接精度。如果上述目标函数的最小二乘解小于或等于预设的拼接精度，执行步骤S308。如果上述目标函数的最小二乘解大于预设的拼接精度，表示精度不符合预设的要求，返回步骤S303。
步骤S308，所述的处理模块105根据所述最小二乘解得到两组点云之间的转换关系，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接，并对精确拼接后的点云中重叠区域进行点云精简及平滑处理，输出处理后的点云。
以上实施方式仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换都不应脱离本发明技术方案的精神和范围。

Claims (10)

1.一种点云拼接系统，运行于计算机中，其特征在于，该系统包括：
获取模块，用于从计算机存储装置中读取需要拼接的两组点云，以及接收一预设的拼接精度；
粗拼接模块，用于将所读取的两组点云进行初始拼接；
拟合模块，用于确定初始拼接后的两组点云的重叠区域，将重叠区域的两片点云分别拟合成曲面；
计算模块，用于当拟合好两片曲面后，分别计算该两组点云中的初始对应点，得到两组初始对应点集；
修正模块，用于根据预设的约束条件，去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集；
所述计算模块还用于针对两组最终确立的对应点集，采用最小二乘法计算两组点云之间的转换关系，并计算得到所述转换关系所对应的目标函数的最小二乘解；及
处理模块，用于当所述计算得到的目标函数的最小二乘解小于预设的拼接精度时，根据所述最小二乘解得到两组点云之间的转换关系，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接。
2.如权利要求1所述的点云拼接系统，其特征在于，所述拟合模块利用三次样条曲面方程并以牛顿迭代法为基础对两组点云的重叠区域进行曲面拟合。
3.如权利要求1所述的点云拼接系统，其特征在于，所述计算模块通过选取一个矩形区域包围所述的重叠区域，并将矩形细分成多个小矩形，小矩形的边长为平均点间距，在每个小矩形内取中心点在所述两片曲面上的投影点作为一对对应点，分别计算该两组点云中的初始对应点，并得到两组初始对应点集，其中所述一对对应点称为点对。
4.如权利要求3所述的点云拼接系统，其特征在于，所述预设的约束条件为采用对应点之间的距离作为约束条件，去掉距离大于预设阈值的点对，以及所述修正模块利用两组点云的初始对应点集中点之间的距离的标准偏差作为所述预设阈值，将两组初始对应点集中点对之间的距离大于或等于标准偏差的点对作为异常点从两组初始对应点集中删除，得到最终确立的两组对应点集。
5.如权利要求1所述的点云拼接系统，其特征在于，所述处理模块还用于对精确拼接后的点云中重叠区域进行点云精简及平滑处理，输出处理后的点云。
6.一种点云拼接方法，运行于计算机中，其特征在于，该方法包括步骤：
获取步骤：从计算机存储装置中读取需要拼接的两组点云，以及接收一预设的拼接精度；
粗拼步骤：将所读取的两组点云进行初始拼接；
拟合步骤：确定初始拼接后的两组点云的重叠区域，将重叠区域的两片点云分别拟合成曲面；
计算步骤一：当拟合好两片曲面后，分别计算该两组点云中的初始对应点，得到两组初始对应点集；
修正步骤：根据预设的约束条件，去掉上述两组初始对应点集中的异常点，得到最终确立的两组对应点集；
计算步骤二：针对两组最终确立的对应点集，采用最小二乘法计算两组点云之间的转换关系，并计算得到所述转换关系所对应的目标函数的最小二乘解；
处理步骤：当所述计算得到的目标函数的最小二乘解小于或等于预设的拼接精度时，根据所述最小二乘解得到两组点云之间的转换关系，将一组点云利用对应的转换矩阵进行转换并与另一组点云进行精确拼接，及当所述计算得到的目标函数的最小二乘解大于预设的拼接精度时返回拟合步骤。
7.如权利要求6所述的点云拼接方法，其特征在于，所述拟合步骤利用三次样条曲面方程并以牛顿迭代法为基础对两组点云的重叠区域进行曲面拟合。
8.如权利要求6所述的点云拼接方法，其特征在于，所述计算步骤一中通过选取一个矩形区域包围所述的重叠区域，并将矩形细分成多个小矩形，小矩形的边长为平均点间距，在每个小矩形内取中心点在所述两片曲面上的投影点作为一对对应点，分别计算该两组点云中的初始对应点，并得到两组初始对应点集，其中所述一对对应点称为点对。
9.如权利要求8所述的点云拼接方法，其特征在于，所述预设的约束条件为采用对应点之间的距离作为约束条件，去掉距离大于预设阈值的点对，以及所述修正步骤利用两组点云的初始对应点集中点之间的距离的标准偏差作为所述预设阈值，将两组初始对应点集中点对之间的距离大于或等于标准偏差的点对作为异常点从两组初始对应点集中删除，得到最终确立的两组对应点集。
10.如权利要求6所述的点云拼接方法，其特征在于，所述处理步骤还包括对精确拼接后的点云中重叠区域进行点云精简及平滑处理，输出处理后的点云。
CN201410722204.6A 2014-12-03 2014-12-03 点云拼接系统及方法 Pending CN105654460A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201410722204.6A CN105654460A (zh) 2014-12-03 2014-12-03 点云拼接系统及方法
US14/689,499 US20160163096A1 (en) 2014-12-03 2015-04-17 Computing device and method for processing point clouds

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410722204.6A CN105654460A (zh) 2014-12-03 2014-12-03 点云拼接系统及方法

Publications (1)

Publication Number Publication Date
CN105654460A true CN105654460A (zh) 2016-06-08

Family

ID=56094768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410722204.6A Pending CN105654460A (zh) 2014-12-03 2014-12-03 点云拼接系统及方法

Country Status (2)

Country Link
US (1) US20160163096A1 (zh)
CN (1) CN105654460A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485662A (zh) * 2016-12-01 2017-03-08 深圳市维新登拓医疗科技有限公司 空间点云拼接方法和装置
CN110490798A (zh) * 2019-07-15 2019-11-22 贝壳技术有限公司 点云拼接方法及系统
CN111080653A (zh) * 2019-11-06 2020-04-28 广西大学 一种用区域分割和分组随机精简法精简多视角点云的方法
CN113469907A (zh) * 2021-06-28 2021-10-01 西安交通大学 一种基于叶片型面特征的数据简化方法及系统
CN113763570A (zh) * 2020-06-01 2021-12-07 武汉海云空间信息技术有限公司 隧道点云高精度快速自动拼接方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415362B (zh) * 2019-07-31 2023-06-06 易思维（杭州）科技有限公司 重叠点云融合方法
CN111652801B (zh) * 2020-05-11 2021-12-21 东莞理工学院 一种点云精准拼接方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3313221B2 (ja) * 1993-12-28 2002-08-12 松下電器産業株式会社 画像生成方法及び画像生成装置
US7940279B2 (en) * 2007-03-27 2011-05-10 Utah State University System and method for rendering of texel imagery
CN101667290B (zh) * 2008-09-05 2012-12-19 鸿富锦精密工业（深圳）有限公司 特征元素拟合方法及其计算机系统
US10311595B2 (en) * 2013-11-19 2019-06-04 Canon Kabushiki Kaisha Image processing device and its control method, imaging apparatus, and storage medium

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485662A (zh) * 2016-12-01 2017-03-08 深圳市维新登拓医疗科技有限公司 空间点云拼接方法和装置
CN110490798A (zh) * 2019-07-15 2019-11-22 贝壳技术有限公司 点云拼接方法及系统
CN111080653A (zh) * 2019-11-06 2020-04-28 广西大学 一种用区域分割和分组随机精简法精简多视角点云的方法
CN111080653B (zh) * 2019-11-06 2022-09-20 广西大学 一种用区域分割和分组随机精简法精简多视角点云的方法
CN113763570A (zh) * 2020-06-01 2021-12-07 武汉海云空间信息技术有限公司 隧道点云高精度快速自动拼接方法
CN113763570B (zh) * 2020-06-01 2024-05-10 武汉海云空间信息技术有限公司 隧道点云高精度快速自动拼接方法
CN113469907A (zh) * 2021-06-28 2021-10-01 西安交通大学 一种基于叶片型面特征的数据简化方法及系统

Also Published As

Publication number Publication date
US20160163096A1 (en) 2016-06-09

Similar Documents

Publication Publication Date Title
CN105654460A (zh) 点云拼接系统及方法
US11120254B2 (en) Methods and apparatuses for determining hand three-dimensional data
CN105761206A (zh) 点云拼接方法及系统
US20190122375A1 (en) Data Processing Method, Apparatus, System and Storage Media
CN108381549B (zh) 一种双目视觉引导机器人快速抓取方法、装置及存储介质
US11145080B2 (en) Method and apparatus for three-dimensional object pose estimation, device and storage medium
CN104778688A (zh) 点云数据的配准方法及装置
KR102207408B1 (ko) 이미지 처리를 위한 방법, 장치 및 컴퓨터 판독 가능한 매체
CN112435193B (zh) 一种点云数据去噪的方法、装置、存储介质和电子设备
CN113822284B (zh) 一种基于边界注意力的rgbd图像语义分割方法
CN112784874B (zh) 双目视觉立体匹配方法、装置、电子设备及存储介质
CN112232426A (zh) 目标检测模型的训练方法、装置、设备及可读存储介质
CN109300139B (zh) 车道线检测方法和装置
JP6567381B2 (ja) 演算装置、方法及びプログラム
TW202011266A (zh) 用於圖片匹配定位的神經網路系統、方法及裝置
CN111368860B (zh) 重定位方法及终端设备
CN113205090B (zh) 图片矫正方法、装置、电子设备及计算机可读存储介质
CN105741345A (zh) 点云法向量调整方法及系统
US11861812B2 (en) Camera parameter estimation apparatus, camera parameter estimation method, and computer-readable recording medium
CN112990046B (zh) 差异信息获取方法、相关装置及计算机程序产品
CN113378864B (zh) 一种锚框参数的确定方法、装置、设备及可读存储介质
CN113505885B (zh) 基于预设的损失函数的单目深度估计网络的训练方法
CN110705695B (zh) 搜索模型结构的方法、装置、设备和存储介质
CN112581476A (zh) 在建筑设计中使用的图纸分割的方法和电子设备
CN110796601A (zh) 图像贴纸布局方法、装置、计算机设备和可读存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160608