CN106056563A - 一种机载激光点云数据与车载激光点云数据融合方法 - Google Patents
一种机载激光点云数据与车载激光点云数据融合方法 Download PDFInfo
- Publication number
- CN106056563A CN106056563A CN201610339976.0A CN201610339976A CN106056563A CN 106056563 A CN106056563 A CN 106056563A CN 201610339976 A CN201610339976 A CN 201610339976A CN 106056563 A CN106056563 A CN 106056563A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- vehicle
- point cloud
- laser point
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims description 37
- 230000004927 fusion Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012856 packing Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 3
- 230000011514 reflex Effects 0.000 claims 1
- 235000013311 vegetables Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开一种机载激光点云数据与车载激光点云数据融合方法，包括：以机载数据为参考数据，对车载激光点云数据进行同名点或相同特征线的提取；将车载激光点云数据和机载激光点云数据在机载激光点云数据的坐标系中进行配准；在坐标系中对车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据；在坐标系中对车载激光点云数据按照地物类型进行分类，得到不同类别的车载激光点云数据；在坐标系中删除同一类别下机载激光点云数据和车载激光点云数据的重叠部分，保留同一类别下所述重叠部分中数据密度相对高的点云数据，得到融合点云数据。本发明的方案克服了两种数据的分辨率和数据量的差异，能够很好的将两种数据进行融合。
Description
技术领域
本发明涉及图像处理领域，特别是涉及一种机载激光点云数据与车载激光点云数据融合方法。
背景技术
随着数字城市建设的飞速发展，车载激光扫描作为一种新兴技术，在近些年来得到了广泛应用。然而，在车载激光发展之前，机载激光技术就得到了迅速推广，针对机载激光点云数据的应用也进行了许多研究和尝试。
机载激光技术是在地物上空对地物进行采集，能快速获取地物顶部的信息，但对地物侧面信息的采集存在很大缺陷，而车载激光是在移动测量车上沿路获取道路两旁地物的侧面信息，但车载激光测量在城市中进行数据采集时容易受GPS信号的遮挡，定位精度会降低。
因此，将利用机载激光和车载激光获取的数据进行融合成为目前研究的一大热点。当前的机载激光和车载激光的点云数据的融合主要解决了两种数据的格式统一、尺度统一、以及同名点匹配等问题。目前没有一种方案能够克服机载激光和车载激光点云数据的分辨率和数据量的差异从而实现有效融合。
发明内容
本发明的目的是提供一种机载激光点云数据与车载激光点云数据融合方法，旨在克服机载激光点云数据和车载激光点云数据之间的分辨率和数据量的差异从而实现两种数据的有效融合。
为实现上述目的，本发明提供了如下方案：
一种机载激光点云数据与车载激光点云数据融合方法，其特征在于，包括：
以机载数据为参考数据，对车载激光点云数据进行同名点或相同特征线的提取；所述机载数据包括机载激光点云数据和高分辨率的正射影像；
将所述车载激光点云数据和所述机载激光点云数据在机载激光点云数据的坐标系中进行配准，使同一位置的所述车载激光点云数据和所述机载激光点云数据在同一坐标系中具有相同的坐标；
在所述坐标系中对所述车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据；
在所述坐标系中对所述车载激光点云数据按照地物类型进行分类，得到不同类别的车载激光点云数据；
在所述坐标系中删除同一类别下所述机载激光点云数据和所述车载激光点云数据的重叠部分，保留同一类别下所述重叠部分中数据密度相对高的点云数据，得到融合点云数据；所述融合点云数据为所述机载激光点云数据与所述车载激光点云数据融合后的点云数据。
可选的，所述以所述机载数据为参考，对车载激光点云数据进行同名点或相同特征线的提取之前，还包括：
采集同一区域的机载激光点云数据和车载激光点云数据；
将不同航带之间的机载激光点云数据按照航带顺序排列，并将不同航带之间的机载点云数据进行拼接，形成完整的机载激光点云数据。
利用高分辨率的正射影像对所述机载激光点云数据进行彩色赋值；
统一所述机载激光点云数据和所述车载激光点云数据的数据属性，将激光的反射强度值转换到0～65535，将机载激光点云数据和车载激光点云数据的时间转换到GPS标准时间；
可选的，将所述车载激光点云数据和所述机载激光点云数据在机载激光点云数据的坐标系中进行配准，具体包括：
使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正；
使用所述机载激光点云数据对所述车载激光点云数据的高程进行纠正。
可选的，使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正，具体包括：
获取所述正射影像和所述车载激光点云数据的同名点；
计算所述正射影像和所述车载激光点云数据的同名点坐标的均方根误差；
计算不同航线的所述车载激光点云数据的同名点坐标的均方根误差；
利用最小二乘法对所述同名点进行滤粗差处理，除去所述均方根误差超过阈值的同名点；
统计每条航线上不同GPS时间上的车载激光点云数据偏移量，形成误差曲线，利用平滑算法对所述误差曲线进行误差纠正。
可选的，使用高分辨率的正射影像对所述车载激光点云数据的平面进行纠正，具体包括：
提取各个航带对应的车载激光点云数据的墙面特征线；
寻找航带上误差超过阈值的墙面特征线；
删除所述误差超过阈值的墙面特征线；
利用平滑算法对未被删除的墙面特征线进行误差纠正。
可选的，所述使用所述机载激光点云数据对所述车载激光点云数据的高程进行纠正，具体包括：
调出车载导航数据，寻找所述车载导航数据中与所述机载激光点云数据对应的车载导航航迹；
将所述车载导航航迹下方的所述机载激光点云数据转化成机载点云矢量层，利用新生成的所述机载点云矢量层作为参考，寻找所述车载激光点云数据的航迹特征线；
寻找误差超过阈值的航迹特征线；
删除所述误差超过阈值的航迹特征线；
对未被删除的航迹特征线利用平滑算法进行误差纠正。
可选的，所述对车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据，具体包括：
保留距离车载激光探头5m以内的车载激光点云数据；
保留路面和墙面的车载激光点云数据；
对重叠的车载激光点云数据进行切割，根据需要的信息的详细程度确定保留密度较大或较小的车载激光点云数据部分。
可选的，在得到融合点云数据之后，还包括：
计算所述融合点云数据的法向量；
利用所述法向量寻找所述融合点云数据的墙面层数据；
去除所述融合点云数据的噪声，确定更小范围的地物信息。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
1、采集同一区域的机载激光点云数据和车载激光点云数据，避免了两种数据采集形式上的差异，减小数据融合的难度。
2、通过寻找墙面特征线，实现了点云数据的精校正。
3、通过滤粗差处理，删除错误的同名点，提高融合的精度。
4、通过抽稀处理，有效克服了两种数据的分辨率和数据量的差异。
5、本发明的融合方法，操作简单、效率高、精度高，能够很好的实现两种数据的融合。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明机载激光点云数据与车载激光点云数据融合方法实施例的方法流程图；
图2为本发明图1所述方法之前的数据预处理方法实施例的方法流程图。
具体实施方式
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，所描述的实施例仅仅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做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。
本发明的目的是提供一种机载激光点云数据与车载激光点云数据融合方法。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明机载激光点云数据与车载激光点云数据融合方法实施例的方法流程图。
参见图1，一种机载激光点云数据与车载激光点云数据融合方法，包括：
步骤101，以机载数据为参考数据，对车载激光点云数据进行同名点或相同特征线的提取；所述机载数据包括机载激光点云数据和高分辨率的正射影像；
步骤102，将所述车载激光点云数据和所述机载激光点云数据在机载激光点云数据的坐标系中进行配准，使同一位置的所述车载激光点云数据和所述机载激光点云数据在同一坐标系中具有相同的坐标；
所述配准，具体为将同一区域内的车载激光点云数据和机载激光点云数据的地理坐标进行匹配。具体步骤为：
先确定车载激光点云数据和机载激光点云数据的同名点，然后将同名点输入计算机，以机载激光点云数据的坐标系为基准，将车载激光点云数据匹配到机载激光点云数据的坐标系中。
所述确定车载激光点云数据和机载激光点云数据的同名点的方法有两种：手动确定方法和自动确定方法。
所述手动确定方法为操作人员对车载激光点云数据和机载激光点云数据进行观察，通过具体分析和计算确定同名点。
所述自动确定方法为利用计算机提取机载激光点云数据和车载激光点云数据的各种控制点(比如道路交叉点、井盖等)的特征，然后对各种控制点进行识别，进而实现同名点的确定。
步骤103，在所述坐标系中对所述车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据；
步骤104，在所述坐标系中对所述车载激光点云数据按照地物类型进行分类，得到不同类别的车载激光点云数据；
具体为，将车载激光点云数据分为：地面层、低植被层、中植被层、高植被层、墙面层。
步骤105，在所述坐标系中删除同一类别下所述机载激光点云数据和所述车载激光点云数据的重叠部分，保留同一类别下所述重叠部分中数据密度相对高的点云数据，得到融合点云数据；所述融合点云数据为所述机载激光点云数据与所述车载激光点云数据融合后的点云数据。
实际应用中，所述保留同一类别下所述重叠部分中数据密度相对高的点云数据具体可以为：在地面上保留车载激光点云数据，在低植被层保留车载激光点云数据，在中植被层保留机载激光点云数据，在高植被层保留机载激光点云数据。
图2为本发明图1所述方法之前的数据预处理方法实施例的方法流程图。
参见图2，以机载数据为参考数据，对车载激光点云数据进行同名点或相同特征线的提取，还包括：
步骤201，利用同一激光探测雷达装置采集同一区域的机载激光点云数据和车载激光点云数据；具体为，通过硬件上的设计，使激光探测雷达装置既能放置在移动车上获取车载激光点云数据，也能放置在飞机上获取机载激光点云数据。这样得到的两种数据的格式和规制一样，从而使两种数据能更好地融合。本申请的数据融合方法同样适用于当用不同的激光探测雷达采集的同一区域的机载激光点云数据和车载激光点云数据的融合。
步骤202，将不同航带之间的机载激光点云数据按照航带顺序排列，并将不同航带之间的机载点云数据进行拼接，形成完整的机载激光点云数据。
具体为：寻找与每个航带相邻的航带，将每个航带和与其相邻的航带拼接在一起，将所有的航带完成拼接后就形成完成的机载激光点云数据。
步骤203，利用高分辨率的正射影像对所述机载激光点云数据进行彩色赋值；
步骤204，统一所述机载激光点云数据和所述车载激光点云数据的数据属性，将激光的反射强度值转换到0～65535，将机载激光点云数据和车载激光点云数据的时间转换到GPS标准时间。
可选的，将所述车载激光点云数据和所述机载激光点云数据在机载激光点云数据的坐标系中进行配准，具体包括：
使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正；
使用所述机载激光点云数据对所述车载激光点云数据的高程进行纠正。
可选的，使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正，具体包括：
获取所述正射影像和所述车载激光点云数据的同名点；
计算所述正射影像和所述车载激光点云数据的同名点坐标的均方根误差；
计算不同航线的所述车载激光点云数据的同名点坐标的均方根误差；
利用最小二乘法对所述同名点进行滤粗差处理，除去所述均方根误差超过阈值的同名点；
统计每条航线上不同GPS时间上的车载激光点云数据偏移量，形成误差曲线，利用平滑算法对所述误差曲线进行误差纠正。
可选的，使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正，具体包括：
提取各个航带对应的车载激光点云数据的墙面特征线；
寻找航带上误差超过阈值的墙面特征线；
删除所述误差超过阈值的墙面特征线；
利用平滑算法对未被删除的墙面特征线进行误差纠正。
可选的，所述使用所述机载激光点云数据对所述车载激光点云数据的高程进行纠正，具体包括：
将所述车载激光点云数据转换到所述机载激光点云数据的高程坐标系下；
调出车载导航数据，寻找所述车载导航数据中与所述车载激光点云数据对应的车载导航航迹；
将所述车载导航航迹下方的所述机载激光点云数据转化成机载点云矢量层，利用新生成的所述机载点云矢量层作为参考，寻找所述车载激光点云数据的航迹特征线；
寻找误差超过阈值的航迹特征线；
删除所述误差超过阈值的航迹特征线；
对未被删除的航迹特征线利用平滑算法进行误差纠正。
可选的，所述对车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据，具体包括：
保留距离车载激光探头5m以内的车载激光点云数据；
保留路面和墙面的车载激光点云数据；
对重叠的车载激光点云数据进行切割，根据需要的信息的详细程度确定保留密度较大或较小的车载激光点云数据部分；如果需要比较详细的车载激光点云数据，比如在道路上需要获取路灯、行人、树木等信息，则保留密度较大的车载激光点云数据部分，切割密度较小的车载激光点云数据，从而提高数据处理精度；如果需要比较粗略的车载激光点云数据，比如在道路上只需要获取道路的位置和延伸方向，则保留密度较小的车载激光点云数据，切割密度较大的车载激光点云数据，从而提高数据处理速度。
可选的，在得到融合点云数据之后，还包括：
计算所述融合点云数据的法向量；
利用所述法向量寻找所述融合点云数据的墙面层数据；
去除所述融合点云数据的噪声，确定更小范围的地物信息。
所述更小范围的地物信息包括：树、路灯、车辆、动物等信息。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
1、采集同一区域的机载激光点云数据和车载激光点云数据，避免了两种数据采集形式上的差异，减小数据融合的难度。
2、通过寻找墙面特征线，实现了点云数据的精校正。
3、通过滤粗差处理，删除错误的同名点，提高融合的精度。
4、通过抽稀处理，有效克服了两种数据的分辨率和数据量的差异。
5、本发明的融合方法，操作简单、效率高、精度高，能够很好的实现两种数据的融合。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种机载激光点云数据与车载激光点云数据融合方法，其特征在于，包括：
以机载数据为参考数据，对车载激光点云数据进行同名点或相同特征线的提取；所述机载数据包括机载激光点云数据和高分辨率的正射影像；
将所述车载激光点云数据和所述机载激光点云数据在机载激光点云数据的坐标系中进行配准，使同一位置的所述车载激光点云数据和所述机载激光点云数据在同一坐标系中具有相同的坐标；
在所述坐标系中对所述车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据；
在所述坐标系中对所述车载激光点云数据按照地物类型进行分类，得到不同类别的车载激光点云数据；
在所述坐标系中删除同一类别下所述机载激光点云数据和所述车载激光点云数据的重叠部分，保留同一类别下所述重叠部分中数据密度相对高的点云数据，得到融合点云数据；所述融合点云数据为所述机载激光点云数据与所述车载激光点云数据融合后的点云数据。
2.根据权利要求1所述的方法，其特征在于，所述以所述机载数据为参考，对车载激光点云数据进行同名点或相同特征线的提取之前，还包括：
采集同一区域的机载激光点云数据和车载激光点云数据；
将不同航带之间的机载激光点云数据按照航带顺序排列，并将不同航带之间的机载点云数据进行拼接，形成完整的机载激光点云数据。
利用高分辨率的正射影像对所述机载激光点云数据进行彩色赋值；
统一所述机载激光点云数据和所述车载激光点云数据的数据属性，将激光的反射强度值转换到0～65535，将机载激光点云数据和车载激光点云数据的时间转换到GPS标准时间。
3.根据权利要求1所述的方法，其特征在于，将所述车载激光点云数据和所述机载激光点云数据在机载激光点云数据的坐标系中进行配准，具体包 括：
使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正；
使用所述机载激光点云数据对所述车载激光点云数据的高程进行纠正。
4.根据权利要求2所述的方法，其特征在于，使用高分辨率的正射影像对所述车载激光点云数据的平面位置进行纠正，具体包括：
获取所述正射影像和所述车载激光点云数据的同名点；
计算所述正射影像和所述车载激光点云数据的同名点坐标的均方根误差；
计算不同航线的所述车载激光点云数据的同名点坐标的均方根误差；
利用最小二乘法对所述同名点进行滤粗差处理，除去所述均方根误差超过阈值的同名点；
统计每条航线上不同GPS时间上的车载激光点云数据偏移量，形成误差曲线，利用平滑算法对所述误差曲线进行误差纠正。
5.根据权利要求2所述的方法，其特征在于，使用高分辨率的正射影像对所述车载激光点云数据的平面进行纠正，具体包括：
提取各个航带对应的车载激光点云数据的墙面特征线；
寻找航带上误差超过阈值的墙面特征线；
删除所述误差超过阈值的墙面特征线；
利用平滑算法对未被删除的墙面特征线进行误差纠正。
6.根据权利要求2所述的方法，其特征在于，所述使用所述机载激光点云数据对所述车载激光点云数据的高程进行纠正，具体包括：
调出车载导航数据，寻找所述车载导航数据中与所述机载激光点云数据对应的车载导航航迹；
将所述车载导航航迹下方的所述机载激光点云数据转化成机载点云矢量层，利用新生成的所述机载点云矢量层作为参考，寻找所述车载激光点云数据的航迹特征线；
寻找误差超过阈值的航迹特征线；
删除所述误差超过阈值的航迹特征线；
对未被删除的航迹特征线利用平滑算法进行误差纠正。
7.根据权利要求1所述的方法，其特征在于，所述对车载激光点云数据进行抽稀处理，去除多余的车载激光点云数据，具体包括：
保留距离车载激光探头5m以内的车载激光点云数据；
保留路面和墙面的车载激光点云数据；
对重叠的车载激光点云数据进行切割，根据需要的信息的详细程度确定保留密度较大或较小的车载激光点云数据部分。
8.根据权利要求1所述的方法，其特征在于，在得到融合点云数据之后，还包括：
计算所述融合点云数据的法向量；
利用所述法向量寻找所述融合点云数据的墙面层数据；
去除所述融合点云数据的噪声，确定更小范围的地物信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610339976.0A CN106056563A (zh) | 2016-05-20 | 2016-05-20 | 一种机载激光点云数据与车载激光点云数据融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610339976.0A CN106056563A (zh) | 2016-05-20 | 2016-05-20 | 一种机载激光点云数据与车载激光点云数据融合方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106056563A true CN106056563A (zh) | 2016-10-26 |
Family
ID=57176543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610339976.0A Pending CN106056563A (zh) | 2016-05-20 | 2016-05-20 | 一种机载激光点云数据与车载激光点云数据融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106056563A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651927A (zh) * | 2016-12-30 | 2017-05-10 | 北京航天泰坦科技股份有限公司 | 一种正射影像镶嵌接边匹配的同名点粗差剔除方法 |
| CN107064954A (zh) * | 2017-05-24 | 2017-08-18 | 云南省交通规划设计研究院 | 一种基于车载和机载点云的公路地形图测绘方法和系统 |
| CN107610084A (zh) * | 2017-09-30 | 2018-01-19 | 驭势科技（北京）有限公司 | 一种对深度图像和激光点云图进行信息融合的方法与设备 |
| CN107798657A (zh) * | 2017-10-30 | 2018-03-13 | 武汉珞珈新空科技有限公司 | 一种基于圆柱坐标的车载激光点云滤波方法 |
| CN108680100A (zh) * | 2018-03-07 | 2018-10-19 | 福建农林大学 | 三维激光点云数据与无人机点云数据匹配方法 |
| CN108682028A (zh) * | 2018-05-16 | 2018-10-19 | 陈年康 | 基于辐射纠正的激光点云与光学影像自动匹配方法 |
| CN109579793A (zh) * | 2018-11-06 | 2019-04-05 | 广州供电局有限公司 | 地形测绘方法、装置、飞行平台、计算机设备和存储介质 |
| CN110544201A (zh) * | 2019-08-30 | 2019-12-06 | 武汉中海庭数据技术有限公司 | 一种车载激光扫描点云的大范围拼接方法及装置 |
| US10890954B2 (en) | 2017-05-01 | 2021-01-12 | Microsoft Technology Licensing, Llc | Computing devices with formed edges and methods of manufacturing thereof |
| CN112446844A (zh) * | 2020-11-27 | 2021-03-05 | 广东电网有限责任公司肇庆供电局 | 一种基于点云特征提取与配准融合方法 |
| CN112907739A (zh) * | 2021-01-22 | 2021-06-04 | 中北大学 | 一种井盖高程差信息获取方法、装置及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2457215A (en) * | 2007-03-07 | 2009-08-12 | Nikolaos Kokkas | Automatic 3D Modelling |
| CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
| CN103076612A (zh) * | 2013-01-07 | 2013-05-01 | 河海大学 | 一种激光雷达与航空摄影结合的建筑物测绘方法 |
| US20130242284A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHODS AND APPARATUS OF FUSING RADAR/CAMERA OBJECT DATA AND LiDAR SCAN POINTS |
| CN104050715A (zh) * | 2014-06-23 | 2014-09-17 | 华北电力大学 | 输电线路及走廊的高精度三维重建方法 |
-
2016
- 2016-05-20 CN CN201610339976.0A patent/CN106056563A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2457215A (en) * | 2007-03-07 | 2009-08-12 | Nikolaos Kokkas | Automatic 3D Modelling |
| CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
| US20130242284A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHODS AND APPARATUS OF FUSING RADAR/CAMERA OBJECT DATA AND LiDAR SCAN POINTS |
| CN103076612A (zh) * | 2013-01-07 | 2013-05-01 | 河海大学 | 一种激光雷达与航空摄影结合的建筑物测绘方法 |
| CN104050715A (zh) * | 2014-06-23 | 2014-09-17 | 华北电力大学 | 输电线路及走廊的高精度三维重建方法 |
Non-Patent Citations (3)
| Title |
|---|
| 《IEEE COMPUTER GRAPHICS AND APPLICATIONS》 * |
| 《中国优秀硕士学位论文全文数据库_信息科技辑》 * |
| 《中国博士学位论文全文数据库_信息科技辑》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651927B (zh) * | 2016-12-30 | 2020-03-24 | 北京航天泰坦科技股份有限公司 | 一种正射影像镶嵌接边匹配的同名点粗差剔除方法 |
| CN106651927A (zh) * | 2016-12-30 | 2017-05-10 | 北京航天泰坦科技股份有限公司 | 一种正射影像镶嵌接边匹配的同名点粗差剔除方法 |
| US10890954B2 (en) | 2017-05-01 | 2021-01-12 | Microsoft Technology Licensing, Llc | Computing devices with formed edges and methods of manufacturing thereof |
| CN107064954A (zh) * | 2017-05-24 | 2017-08-18 | 云南省交通规划设计研究院 | 一种基于车载和机载点云的公路地形图测绘方法和系统 |
| CN107610084A (zh) * | 2017-09-30 | 2018-01-19 | 驭势科技（北京）有限公司 | 一种对深度图像和激光点云图进行信息融合的方法与设备 |
| CN107610084B (zh) * | 2017-09-30 | 2020-09-01 | 驭势科技（北京）有限公司 | 一种对深度图像和激光点云图进行信息融合的方法与设备 |
| CN107798657A (zh) * | 2017-10-30 | 2018-03-13 | 武汉珞珈新空科技有限公司 | 一种基于圆柱坐标的车载激光点云滤波方法 |
| CN108680100A (zh) * | 2018-03-07 | 2018-10-19 | 福建农林大学 | 三维激光点云数据与无人机点云数据匹配方法 |
| CN108680100B (zh) * | 2018-03-07 | 2020-04-17 | 福建农林大学 | 三维激光点云数据与无人机点云数据匹配方法 |
| CN108682028A (zh) * | 2018-05-16 | 2018-10-19 | 陈年康 | 基于辐射纠正的激光点云与光学影像自动匹配方法 |
| CN109579793A (zh) * | 2018-11-06 | 2019-04-05 | 广州供电局有限公司 | 地形测绘方法、装置、飞行平台、计算机设备和存储介质 |
| CN110544201A (zh) * | 2019-08-30 | 2019-12-06 | 武汉中海庭数据技术有限公司 | 一种车载激光扫描点云的大范围拼接方法及装置 |
| CN110544201B (zh) * | 2019-08-30 | 2023-01-13 | 武汉中海庭数据技术有限公司 | 一种车载激光扫描点云的大范围拼接方法及装置 |
| CN112446844A (zh) * | 2020-11-27 | 2021-03-05 | 广东电网有限责任公司肇庆供电局 | 一种基于点云特征提取与配准融合方法 |
| CN112446844B (zh) * | 2020-11-27 | 2024-01-23 | 广东电网有限责任公司肇庆供电局 | 一种基于点云特征提取与配准融合方法 |
| CN112907739A (zh) * | 2021-01-22 | 2021-06-04 | 中北大学 | 一种井盖高程差信息获取方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106056563A (zh) | 一种机载激光点云数据与车载激光点云数据融合方法 | |
| CN109813328B (zh) | 一种驾驶路径规划方法、装置及车辆 | |
| US10783368B2 (en) | Method and apparatus for identifying intersection in electronic map | |
| WO2017041390A1 (zh) | 高精地图数据的处理方法、装置、存储介质和设备 | |
| CN110286387A (zh) | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 | |
| CN105549619A (zh) | 一种用于无人机续航能力的多起降点航线规划方法 | |
| CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
| JP5941091B2 (ja) | 車線ベースの位置特定 | |
| JP2011227037A (ja) | 画像処理システム及び位置測位システム | |
| CN111897906A (zh) | 处理地图数据的方法、装置、设备和存储介质 | |
| CN112733781B (zh) | 结合poi数据的城市功能区识别方法、存储介质和电子设备 | |
| CN107657636A (zh) | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 | |
| WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
| CN104422426B (zh) | 在高架道路区域内提供车辆导航信息的方法和设备 | |
| Zhang et al. | Study on pavement defect detection based on image processing utilizing UAV | |
| CN117115372A (zh) | 面向大范围大高差露天矿生产平面图快速绘制及更新方法 | |
| CN114937130A (zh) | 一种地形图测绘方法、装置、设备及存储介质 | |
| CN112837414B (zh) | 基于车载点云数据的三维高精度地图的构建方法 | |
| CN113424240A (zh) | 行驶道路识别装置 | |
| CN112418081B (zh) | 一种空地联合快速勘察交通事故的方法及系统 | |
| Amin et al. | Reconstruction of 3D accident scene from multirotor UAV platform | |
| CN110120070A (zh) | 基于机载激光雷达点云体元连续性分析的滤波方法 | |
| CN115628720A (zh) | 一种智能三维地形图测绘方法及系统 | |
| CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 | |
| CN107808160B (zh) | 三维建筑物提取方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161026 |