CN105953773B - 斜坡坡度角获取方法及装置 - Google Patents

斜坡坡度角获取方法及装置 Download PDF

Info

Publication number
CN105953773B
CN105953773B CN201610265832.5A CN201610265832A CN105953773B CN 105953773 B CN105953773 B CN 105953773B CN 201610265832 A CN201610265832 A CN 201610265832A CN 105953773 B CN105953773 B CN 105953773B
Authority
CN
China
Prior art keywords
plane
point
space coordinate
slope
angle
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.)
Expired - Fee Related
Application number
CN201610265832.5A
Other languages
English (en)
Other versions
CN105953773A (zh
Inventor
曹云峰
李海波
丁萌
庄丽葵
陶江
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201610265832.5A priority Critical patent/CN105953773B/zh
Publication of CN105953773A publication Critical patent/CN105953773A/zh
Application granted granted Critical
Publication of CN105953773B publication Critical patent/CN105953773B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种斜坡坡度角获取方法及装置，该方法包括：获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面；利用特征点提取算法，提取所述多幅斜坡图像的特征点；根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置；利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点；根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。

Description

斜坡坡度角获取方法及装置
技术领域
本发明涉及图像处理领域，具体而言，涉及一种斜坡坡度角获取方法及装置。
背景技术
利用视觉对斜坡坡度角进行估计最早应用于机器人领域，目前应用在无人直升机和各国的空间探测器的自主着陆过程中，为了保证无人机和空间探测器测成功着陆，必须对候选着陆区域进行坡度角估计。各国的空间探测器在早期着陆时完成坡度角估计是利用激光扫描雷达等获取距离信息或数字高程模型，得到信息或者模型后研究一定区域内的地形坡度角。2000年NASA将由JPL开发的基于数字高程模型(Digital Elevation Model，简称DEM)的地形坡度角估计算法成功应用在火星探测器着陆过程中。但是基于DEM的地形坡度角估计技术成本高、重量大、耗能高、探测视场小，就探测器来说，重量大即探测器的负载大，耗能高，探测视场小将会影响到整个探测器的任务规划和能效控制等。
发明内容
有鉴于此，本发明实施例提供了一种斜坡坡度角获取方法及装置，通过对斜坡所在区域的图像进行处理，获取斜坡坡度角，使空间探测器在着陆时可以通过机器视觉估计预着陆区域坡度角，改善现有技术中估计坡度角算法成本高、重量大的问题。
为了实现上述目的，本发明采用的技术方案如下：
一种斜坡坡度角获取方法，包括：获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面；利用特征点提取算法，提取所述多幅斜坡图像的特征点；根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置；利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点；根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。
一种斜坡坡度角获取装置，所述装置包括：图像获取模块，用于获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面；特征点提取模块，用于利用特征点提取算法，提取所述多幅斜坡图像的特征点；空间坐标点获取模块，用于根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置；空间坐标点分割模块，用于利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点；坡度角计算模块，用于根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。
本发明实施例提供的斜坡坡度角获取方法及装置，通过对斜坡所在区域的斜坡图像提取特征点，根据相互匹配的特征点获取该斜坡的与相互匹配的特征对应的空间坐标点，再将空间坐标点对应分割为与该斜坡的第一平面对应的第一空间坐标点以及与第二平面对应的第二空间坐标点，根据第一空间坐标点以及第二空间坐标点求得第一平面与第二平面之间的夹角，该夹角即为相应斜坡的坡度角。对通过机器视觉获得的图像进行处理，获得斜坡的坡度角信息。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明较佳实施例提供的计算机的方框示意图；
图2示出了本发明第一实施例提供的斜坡坡度角获取方法的流程图；
图3示出了本发明第一实施例提供的斜坡坡度角获取方法的一种实施方式的流程图；
图4示出了本发明第一实施例提供的斜坡坡度角获取方法的另一种实施方式的流程图；
图5示出了本发明第二实施例提供的斜坡坡度角获取装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，是本发明较佳实施例提供的计算机100的方框示意图。所述计算机100包括斜坡坡度角获取装置200、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105各元件相互之间直接或间接地电性连接，以实现坐标数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述斜坡坡度角获取装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述斜坡坡度角获取装置200包括的软件功能模块或计算机程序。
其中，存储器101可以是，但不限于，随机存取存储器101(Random Access Memory，RAM)，只读存储器101(Read Only Memory，ROM)，可编程只读存储器101(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器101(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，本发明实施例任一实施例揭示的流过程定义的服务器/计算机所执行的方法可以应用于处理器103中，或者由处理器103实现。
处理器103可能是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器103，包括中央处理器103(Central Processing Unit，简称CPU)、网络处理器103(Network Processor，简称NP)等；还可以是数字信号处理器103(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器103可以是微处理器103或者该处理器103也可以是任何常规的处理器103等。
所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与计算机的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。
本方法用于获取一定区域范围内的斜坡坡度角。具体的，可以用于空间探测器等在着陆之前对欲着陆区域进行斜坡的坡度角进行获取，以寻求具有适宜着陆斜坡的最佳着陆区域。当然，本发明实施例的具体应用领域并不作为限定，也可以是其他需要获取斜坡坡度角的领域。以下为对本发明实施例进行的详细说明。
第一实施例
图2示出了本发明第一实施例提供的斜坡坡度角获取方法。请参见图2，该方法包括：
步骤S110：获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面。
该斜坡为需要获取坡度角的斜坡，对于空间探测器的着陆，该区域为欲着陆的区域。获取需要获得斜坡坡度角的区域的多幅斜坡图像，并且，该多幅斜坡图像为从不同方位进行拍摄获得的图像，图像内存在斜坡，优选的，本发明实施例每次获取一个斜坡的坡度角。可以理解的，对于平坦地面，认为存在坡度角为0的斜坡。
并且，对于斜坡，包括第一平面以及第二平面，该第一平面以及第二平面为构成具有坡度角的斜坡的平面。
步骤S120：利用特征点提取算法，提取所述多幅斜坡图像的特征点。
对多幅斜坡图像提取特征点，具体提取特征点的方法在本实施例中并不作为限定，例如，可以是SIFT特征点检测算法。
该提取的特征点为斜坡图像中斜坡的第一平面以及第二平面内的特征点。
并且，在本实施例中，还包括根据特征点匹配算法，获取多幅斜坡图像的特征点中相匹配的匹配特征点。
具体的，由于多幅斜坡图像中存在同样的需要获取坡度角的斜坡，于是，多幅斜坡图像中的特征点之间存在相互匹配的特征点。以两幅斜坡图像为例，该两幅斜坡图像分别为第一图像以及第二图像，第一图像中的特征点中存在与第二图像中部分特征点相匹配的特征点，在第一图像与第二图像中相匹配的特征点分别为各自的匹配特征点。
步骤S130：根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置。
根据每一组相互匹配的匹配特征点，可以获取对应的一个空间坐标点。以第一图像以及第二图像为例，第一图像与第二图像中相互匹配的一对匹配特征点可以对应确定一个空间坐标点，该空间坐标点为在一个固定的三维坐标系中存在固定位置的坐标点，如可以是在世界坐标系内的一个位置的坐标点。由于在斜坡图像中存在多组相互匹配的匹配特征点，于是可以获得该斜坡的多个空间坐标点。
具体的，根据匹配特征点获取空间坐标点的方法在本实施例中并不作为限制，如，可以是三角定位算法。
步骤S140：利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点。
由于在步骤S130中获得的斜坡的空间坐标点分别为第一平面以及第二平面内的三维空间坐标点，但是对于每一个空间坐标点，需要知道其实际属于第一平面还是第二平面，于是，将步骤S130获得的空间坐标点分割为属于第一平面的第一空间坐标点以及属于第二平面的第二空间坐标点。
可以采用子空间聚类算法对空间坐标点进行分割，具体的，可以是稀疏子空间聚类算法。当然，在本实施例中，分割空间坐标点的算法并不作为限定。
进一步的，在本实施例中，由于获取的空间坐标点可能存在不在第一平面或者不在第二平面的噪声点，需要对其进行剔除。
具体的，可以利用RANSAC算法去除所述第一空间坐标点内不在所述第一平面内的点，以及利用RANSAC算法去除所述第二空间坐标点内不在所述第二平面内的点。
具体的，如图3所示，对于第一空间坐标点，包括：
步骤S141：多次从所述第一空间坐标点中选取任意三个坐标点，当所述三个坐标点不共线，计算所述三个坐标点所在的坐标平面。
选取的三个坐标点包含于第一空间坐标点。当然，若某次选取的三个坐标点共线，由于共线的三个点不能唯一确定一个平面，于是，重新选取任意三个点，直到选取的三个点不共线。
对于每一次选取的三个不共线的坐标点，根据选取的三个坐标点可以唯一确定一个平面，该平面为坐标平面。例如，某次选取的三个坐标点对应的坐标平面以公式Ax+By+Cz+D＝0，C≠0.表示，其中x、y以及z分别表示三维坐标系中相互垂直的三个坐标轴对应的未知数，A、B、C分别为该坐标平面对应x、y以及z的系数，D为常数。
步骤S142：每次依次计算所述第一空间坐标点中的其他空间坐标点到所述坐标平面的距离，当所述距离小于预定阈值，将到所述坐标平面的距离小于预定阈值的空间坐标点存入相应的平面点集合。
对于每一次选取的不共线的三个坐标点构成的坐标平面，计算第一空间坐标点中除该三个坐标点以外的其他所有坐标点到相应的坐标平面的距离。以上述坐标平面Ax+By+Cz+D＝0，C≠0为例，计算某其他空间坐标点i到该坐标平面的距离的公式为
其中，di表示距离，xi、yi及zi表示空间坐标点i的对应三维空间中的三个坐标轴的值，i的坐标位置为(xi，yi，zi)。
在本实施例中，预定阈值为根据实际需要进行设置的值，优选的，该预定阈值可以是为当前计算的其他空间坐标点到相应坐标平面的距离的标准差的两倍。即预定阈值s＝2σ，其中，
n表示对于当前坐标平面，第一空间坐标点中除选取的不共线的三个坐标点外的其他坐标点的个数，σ即为标准差。
若某坐标平面对应的其他坐标点中的某坐标点到该坐标平面的距离大于预定阈值，则将该坐标点舍弃，即将其去除，若距离满足小于或等于预定阈值，则将相应的坐标点存入对应当前坐标平面的平面点集合。
步骤S143：选取空间坐标点最多的平面点集合内的空间坐标点作为第一空间坐标点。
由于多次选取不共线的三个空间坐标点计算坐标平面，对应的，获得多个平面点集合。选取该多个平面点集合中空间坐标点最多的平面点集合作为有效的平面点集合，即以该平面点集合中的坐标点作为新的第一空间坐标点。
当然，在本实施例中，也可以只选取一次不共线的三个空间坐标点来剔除第一平面的噪声点。具体选择次数在本实施例中并不作为限制。
请参见图3，同样的，对于第二空间坐标点，包括：
步骤S144：多次从所述第二空间坐标点中选取任意三个坐标点，当所述三个坐标点不共线，计算所述三个坐标点所在的坐标平面。
步骤S145：每次依次计算所述第二空间坐标点中的其他空间坐标点到所述坐标平面的距离，当所述距离小于或等于预定阈值，将到所述坐标平面的距离小于预定阈值的空间坐标点存入相应的平面点集合。
步骤S146：选取空间坐标点最多的平面点集合内的空间坐标点作为第二空间坐标点。
将第二空间坐标点中的噪声点剔除获得新的第二空间坐标点的方法与获得新的第一空间坐标点一致，且其预定阈值仍为当前计算的其他空间坐标点到相应坐标平面的距离的标准差的两倍。
当然，可以理解的，剔除第一空间坐标点内不在所述第一平面内的点以及剔除第二空间坐标点内不在所述第二平面内的点的先后顺序不作限定，也可以先对第二空间坐标点进行剔除或者同时进行。
步骤S150：根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。
首先，根据第一空间坐标点以及第二空间坐标点分别计算获得第一平面以及第二平面，具体的计算方法在本实施例中并不作为限制。例如，可以以最小二次法拟合获得。
获得第一平面以及第二平面后，可根据第一平面以及第二平面的平面方程获得其法向量，根据法向量进而获得第一平面以及第二平面的夹角，该夹角即为所要求取的斜坡的坡度角。
具体的，如图4所示，该步骤可以包括：
步骤S151：分别根据所述第一空间坐标点以及所述第二空间坐标点，利用最小二乘法对所述第一平面以及所述第二平面进行拟合。
步骤S152：计算所述第一平面的第一法向量以及所述第二平面的第二法向量。
步骤S153：根据所述第一法向量以及所述第二法向量，计算所述第一平面与所述第二平面的夹角。
对于获得的第一平面可以以方程a0x+a1y-z+a2＝0表示，其中，a0、a1、a2分别表示第一平面在三维坐标系中的系数，根据第一平面的平面方程，可以获得第一平面的法向量，该法向量为第一法向量。第一法向量可以表示为n1(a0，a1，1)。同理，第二平面的法向量为第二法向量，可以表示为n2(a′0，a′1，1)。
于是，可以求得第一法向量与所述第二法向量的夹角为根据几何关系，其夹角度数值等于所求坡度值，从而求得第一平面与第二平面的夹角，第一平面与第二平面的夹角即为该斜坡的坡度角。
第二实施例
如图5所示，本实施例提供了一种斜坡坡度角获取装置200，该装置包括：
图像获取模块210，用于获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面。
特征点提取模块220，用于利用特征点提取算法，提取所述多幅斜坡图像的特征点。
空间坐标点获取模块230，用于根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置。
空间坐标点分割模块240，用于利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点。
坡度角计算模块250，用于根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。
由于空间坐标点分割模块240获得的第一空间坐标点中可能存在不在第一平面内的坐标点，以及第二空间坐标点中可能存在不在第二平面内的坐标点，于是，该斜坡坡度角获取装置200还可以包括：
噪声点剔除模块260，用于去除所述第一空间坐标点内不在所述第一平面内的点，以及去除所述第二空间坐标点内不在所述第二平面内的点。
进一步的，该噪声点剔除模块260可以包括：
坐标平面获取单元，用于多次从所述第一空间坐标点中选取任意三个坐标点，当所述三个坐标点不共线，计算所述三个坐标点所在的坐标平面；距离计算单元，用于每次依次计算所述第一空间坐标点中的其他空间坐标点到所述坐标平面的距离，当所述距离小于或等于预定阈值，将到所述坐标平面的距离小于预定阈值的空间坐标点存入相应的平面点集合；空间点确定单元，用于选取空间坐标点最多的平面点集合内的空间坐标点作为第一空间坐标点。
进一步的，对于第二空间坐标点，坐标平面获取单元还用于多次从所述第二空间坐标点中选取任意三个坐标点，当所述三个坐标点不共线，计算所述三个坐标点所在的坐标平面；距离计算单元还用于每次依次计算所述第二空间坐标点中的其他空间坐标点到所述坐标平面的距离，当所述距离小于或等于预定阈值，将到所述坐标平面的距离小于预定阈值的空间坐标点存入相应的平面点集合；空间点确定单元还用于选取空间坐标点最多的平面点集合内的空间坐标点作为第二空间坐标点。
进一步的，本实施例提供的斜坡坡度角获取装置200还可以包括：特征点匹配模块270，用于根据特征点匹配算法，获取多幅斜坡图像的特征点中相匹配的匹配特征点。
进一步的，在本实施例中，坡度角计算模块250可以包括：
平面拟合单元，用于分别根据所述第一空间坐标点以及所述第二空间坐标点，利用最小二乘法对所述第一平面以及所述第二平面进行拟合。法向量计算单元，用于计算所述第一平面的第一法向量以及所述第二平面的第二法向量。夹角计算单元，用于根据所述第一法向量以及所述第二法向量，计算所述第一平面与所述第二平面的夹角。
综上所述，本发明实施例提供的斜坡坡度角获取方法及装置，通过获取的斜坡图像的特征点，再根据特征点中的匹配特征点求得斜坡的部分空间坐标点，将空间坐标点分割为对应斜坡的第一平面的第一空间坐标点以及对应斜坡的第二平面的第二空间坐标点，从而求得第一平面以及第二平面，进而可以获得斜坡的坡度角。成本小，耗能低。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种斜坡坡度角获取方法，其特征在于，包括：
获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面；
利用特征点提取算法，提取所述多幅斜坡图像的特征点；
根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置；
利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点；
根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。
2.根据权利要求1所述的方法，其特征在于，所述计算所述第一平面以及所述第二平面之间的夹角之前，包括：
去除所述第一空间坐标点内不在所述第一平面内的点，以及
去除所述第二空间坐标点内不在所述第二平面内的点。
3.根据权利要求2所述的方法，其特征在于，所述去除所述第一空间坐标点内不在所述第一平面内的点包括：
多次从所述第一空间坐标点中选取任意三个坐标点，当所述三个坐标点不共线，计算所述三个坐标点所在的坐标平面；
每次依次计算所述第一空间坐标点中的其他空间坐标点到所述坐标平面的距离，当所述距离小于或等于预定阈值，将到所述坐标平面的距离小于预定阈值的空间坐标点存入相应的平面点集合；
选取空间坐标点最多的平面点集合内的空间坐标点作为第一空间坐标点。
4.根据权利要求2所述的方法，其特征在于，所述去除所述第二空间坐标点内不在所述第二平面内的点包括：
多次从所述第二空间坐标点中选取任意三个坐标点，当所述三个坐标点不共线，计算所述三个坐标点所在的坐标平面；
每次依次计算所述第二空间坐标点中的其他空间坐标点到所述坐标平面的距离，当所述距离小于或等于预定阈值，将到所述坐标平面的距离小于预定阈值的空间坐标点存入相应的平面点集合；
选取空间坐标点最多的平面点集合内的空间坐标点作为第二空间坐标点。
5.根据权利要求3或者4所述的方法，其特征在于，所述预定阈值为当前计算的其他空间坐标点到相应坐标平面的距离的标准差的两倍。
6.根据权利要求1所述的方法，其特征在于，所述提取所述多幅斜坡图像的特征点之后，包括：
根据特征点匹配算法，获取多幅斜坡图像的特征点中相匹配的匹配特征点。
7.根据权利要求1所述的方法，其特征在于，所述计算所述第一平面以及所述第二平面之间的夹角包括：
分别根据所述第一空间坐标点以及所述第二空间坐标点，利用最小二乘法对所述第一平面以及所述第二平面进行拟合；
计算所述第一平面的第一法向量以及所述第二平面的第二法向量；
根据所述第一法向量以及所述第二法向量，计算所述第一平面与所述第二平面的夹角。
8.根据权利要求1所述的方法，其特征在于，所述子空间聚类算法为稀疏子空间聚类算法。
9.一种斜坡坡度角获取装置，其特征在于，所述装置包括：
图像获取模块，用于获取斜坡所在区域的多幅斜坡图像，所述斜坡包括第一平面以及第二平面；
特征点提取模块，用于利用特征点提取算法，提取所述多幅斜坡图像的特征点；
空间坐标点获取模块，用于根据所述多幅斜坡图像的特征点中相匹配的匹配特征点，获取所述匹配特征点对应的空间坐标点，所述空间坐标点包括每一组匹配特征点对应的空间坐标位置；
空间坐标点分割模块，用于利用子空间聚类算法将所述空间坐标点分割为第一平面内的第一空间坐标点以及第二平面内的第二空间坐标点；
坡度角计算模块，用于根据所述第一空间坐标点以及第二空间坐标点，计算所述第一平面以及所述第二平面之间的夹角，所述夹角为所述斜坡的坡度角。
10.根据权利要求9所述的装置，其特征在于，所述坡度角计算模块包括：
平面拟合单元，用于分别根据所述第一空间坐标点以及所述第二空间坐标点，利用最小二乘法对所述第一平面以及所述第二平面进行拟合；
法向量计算单元，用于计算所述第一平面的第一法向量以及所述第二平面的第二法向量；
夹角计算单元，用于根据所述第一法向量以及所述第二法向量，计算所述第一平面与所述第二平面的夹角。
CN201610265832.5A 2016-04-26 2016-04-26 斜坡坡度角获取方法及装置 Expired - Fee Related CN105953773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610265832.5A CN105953773B (zh) 2016-04-26 2016-04-26 斜坡坡度角获取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610265832.5A CN105953773B (zh) 2016-04-26 2016-04-26 斜坡坡度角获取方法及装置

Publications (2)

Publication Number Publication Date
CN105953773A CN105953773A (zh) 2016-09-21
CN105953773B true CN105953773B (zh) 2018-07-06

Family

ID=56916272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610265832.5A Expired - Fee Related CN105953773B (zh) 2016-04-26 2016-04-26 斜坡坡度角获取方法及装置

Country Status (1)

Country Link
CN (1) CN105953773B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107036557B (zh) * 2017-03-17 2019-04-26 北京航宇振控科技有限责任公司 一种二维测角系统和方法
CN107505625A (zh) * 2017-08-29 2017-12-22 北醒（北京）光子科技有限公司 一种飞行器探测方法
CN111241224B (zh) * 2020-01-10 2021-05-11 福瑞泰克智能系统有限公司 目标距离估计的方法、系统、计算机设备和存储介质
CN111539568B (zh) * 2020-04-22 2021-11-05 深圳市地质局 基于无人机和三维建模技术的安全监测系统及方法
CN113587901B (zh) * 2021-07-05 2023-07-25 中汽创智科技有限公司 立体车库的坡度检测方法、装置及设备
CN115167512A (zh) * 2022-07-25 2022-10-11 亿航智能设备（广州）有限公司 一种地面坡度探测方法、设备及计算机可读存储介质
CN115307544B (zh) * 2022-08-15 2023-07-11 淄博市交通建设发展中心 一种道路斜坡路面距离测量系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103162714A (zh) * 2011-12-12 2013-06-19 谷歌公司 便携电子设备位置感应电路
CN204575068U (zh) * 2015-03-11 2015-08-19 安徽省（水利部淮河水利委员会）水利科学研究院 一种测量坡面平整度及坡度的装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4481280B2 (ja) * 2006-08-30 2010-06-16 富士フイルム株式会社 画像処理装置、及び画像処理方法
US9513119B2 (en) * 2013-03-15 2016-12-06 The United States Of America, As Represented By The Secretary Of The Navy Device and method for multifunction relative alignment and sensing
JP2015187599A (ja) * 2014-03-10 2015-10-29 廣 納谷 塩化ビニール用パイプの勾配線入れ機

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103162714A (zh) * 2011-12-12 2013-06-19 谷歌公司 便携电子设备位置感应电路
CN204575068U (zh) * 2015-03-11 2015-08-19 安徽省（水利部淮河水利委员会）水利科学研究院 一种测量坡面平整度及坡度的装置

Also Published As

Publication number Publication date
CN105953773A (zh) 2016-09-21

Similar Documents

Publication Publication Date Title
CN105953773B (zh) 斜坡坡度角获取方法及装置
CN107038717B (zh) 一种基于立体栅格自动分析3d点云配准误差的方法
Nurunnabi et al. Outlier detection and robust normal-curvature estimation in mobile laser scanning 3D point cloud data
CN110598541B (zh) 一种提取道路边缘信息的方法及设备
Cao et al. 3D building roof reconstruction from airborne LiDAR point clouds: A framework based on a spatial database
El‐Sayed et al. Plane detection in 3D point cloud using octree‐balanced density down‐sampling and iterative adaptive plane extraction
Xiao et al. Building segmentation and modeling from airborne LiDAR data
CN102804231A (zh) 三维场景的分段平面重建
CN114419085A (zh) 建筑物轮廓线自动提取方法、装置、终端设备及存储介质
CN111323788B (zh) 建筑物变化的监测方法、装置及计算机设备
JP5870011B2 (ja) 点群解析装置、点群解析方法及び点群解析プログラム
Sveier et al. Object detection in point clouds using conformal geometric algebra
Debella-Gilo Bare-earth extraction and DTM generation from photogrammetric point clouds including the use of an existing lower-resolution DTM
CN113689535A (zh) 基于无人机影像的建筑物模型的生成方法和装置
CN114387506A (zh) 输电杆塔监测方法、装置、计算机设备、存储介质
Cui et al. Tracks selection for robust, efficient and scalable large-scale structure from motion
CN114519712A (zh) 一种点云数据处理方法、装置、终端设备及存储介质
CN110427506A (zh) 空间数据边界处理方法、装置、计算机设备及存储介质
Xiao et al. Filtering method of rock points based on BP neural network and principal component analysis
Bode et al. Bounded: Neural boundary and edge detection in 3d point clouds via local neighborhood statistics
CN117495891A (zh) 点云边缘检测方法、装置和电子设备
US11480661B2 (en) Determining one or more scanner positions in a point cloud
Beilschmidt et al. A linear-time algorithm for the aggregation and visualization of big spatial point data
Ameri et al. Road vectorisation from high‐resolution imagery based on dynamic clustering using particle swarm optimisation
Sayed et al. Point clouds reduction model based on 3D feature extraction

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180706

Termination date: 20200426

CF01 Termination of patent right due to non-payment of annual fee