CN106683126A - 一种定量评价点云配准中标靶分布质量的方法 - Google Patents

一种定量评价点云配准中标靶分布质量的方法 Download PDF

Info

Publication number
CN106683126A
CN106683126A CN201710029647.0A CN201710029647A CN106683126A CN 106683126 A CN106683126 A CN 106683126A CN 201710029647 A CN201710029647 A CN 201710029647A CN 106683126 A CN106683126 A CN 106683126A
Authority
CN
China
Prior art keywords
target
tau
scanner
coordinate information
registration
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
Application number
CN201710029647.0A
Other languages
English (en)
Other versions
CN106683126B (zh
Inventor
杨荣华
游扬声
潘蕾西兰
万震
方西南
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN201710029647.0A priority Critical patent/CN106683126B/zh
Publication of CN106683126A publication Critical patent/CN106683126A/zh
Application granted granted Critical
Publication of CN106683126B publication Critical patent/CN106683126B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种定量评价点云配准中标靶分布质量的方法,其实现步骤为:①判断标靶位置是否已知,若已知则转③,若未知则获取可布设标靶的备选位置;②从备选位置中选一种标靶布设方案;③计算其对应的rDOP值;④由rDOP值来评价标靶分布质量,其中rDOP值最小的方案为最佳布设方案;⑤判断扫描仪位置是否已知,若已知则转⑦,若未知则获取扫描仪架设的备选位置;⑥从备选位置中选择1个位置;⑦计算此位置对应的tDOP值;⑧由tDOP值来评价扫描仪架设质量,其中tDOP值最小的位置为最佳架设位置。本发明首次提出通过rDOP模型和tDOP模型定量评价标靶分布的好坏,以此来帮助用户确定标靶和扫描仪的最佳布设方案,克服目前仅凭经验布设的不确定性,该方法使用方便,可操作性强。

Description

一种定量评价点云配准中标靶分布质量的方法
技术领域
本发明属于三维激光扫描点云配准领域,具体涉及点云配准领域中标靶分布质量的定量评价方法。
背景技术
地面激光扫描技术可方便快速地获取目标的表面空间信息,其获取的信息密度和精度远高于传统的测绘技术,在逆向工程、文物扫描、测绘行业等领域被广泛应用。由于物体遮挡或扫描仪扫描范围限制,通常情况下,需要从不同方位多个测站扫描目标,才能获取目标的完整表面信息,而不同站获取的点云属于不同独立坐标系,在进行点云建模和分析前,需将所有的点云配准到统一坐标系,因此,点云配准研究一直是研究的热点和难点。
点云配准的方法有无标靶点云配准和标靶点云配准,对于大范围复杂场景的点云配准,往往采用基于标靶的点云配准算法,其配准精度与配准模型、标靶分布、标靶特征提取精度等有关。目前众多学者在点云配准模型、标靶特征提取精度方法做了大量研究,而在标靶分布方面研究较少,仅获得一些经验性结论,而实际野外作业时,必须考虑标靶的分布,它不仅关系到作业效率,且会影响最终点云配准成果的精度。
Reshetyuk(2009)、Gordon and Lichti(2004)、Harvey(2004)发现增加标靶个数能够提高配准的精度,并建议标靶均匀分布在重叠区,不要太近,也不要放在同一直线上;Fan et al(2015)采用模拟的方法证实配准误差大小与标靶数成反比,也与标靶至所有标靶几何中心的距离和成反比,且发现待配准系扫描仪的最佳架设位置为所有标靶的几何中心;虽然还有其他学者研究标靶分布与点云配准精度的关系,也取得了一些成果,但目前所有评价标靶分布质量的方法均依据经验,都是通过已有经验定性地大致描述不同标靶布设方案的好坏,无法给出一个定量明确的评价。
在三维激光扫描技术应用中,我们急需一种定量评价点云配准中标靶分布质量的方法,如在已布设好标靶情况下,我们需要确定最佳的扫描仪设站位置,而所有标靶的几何中心往往无法架设任何设备;在已架设好扫描仪情况下,我们需要确定最佳的标靶布设位置,而众多布设方案凭经验无法判断其优劣;在标靶和扫描仪均未布设情况下,我们需要综合确定标靶和扫描仪的布设方案,所有这些均需要一个定量的评价模型才能解决,因此,研究定量评价点云配准中标靶分布质量的方法具有重要的实际意义。
发明内容
本发明要解决的技术问题是:提供一种定量评价点云配准中标靶分布质量的方法,克服现有理论和技术只能定性评价标靶分布质量,无法定量评价的不足。
本发明为了解决上述技术问题所采取的技术思路是:先获取标靶和扫描仪的坐标信息,然后分别计算标靶分布和扫描仪架设位置的质量指标rDOP值和tDOP值,最后通过rDOP值和tDOP值的大小来定量评价标靶分布质量和扫描仪所选架设位置的质量,rDOP值和tDOP值越小,标靶分布质量越高,扫描仪所选架设位置越好。
本发明一种定量评价点云配准中标靶分布质量的方法,包括如下步骤:
①判断标靶位置是否已知,若已知则转第③步,若未知则继续;
②选择可布设标靶的备选位置,获取所有备选位置的坐标信息;
③确定标靶数和一种标靶布设方案,获取该方案下所有标靶的坐标信息;
④计算此标靶布设方案的rDOP值,并由rDOP值的大小判断标靶的分布质量(这里rDOP值的计算由标靶的坐标信息和标靶的权阵决定),rDOP值的计算模型为
其中,Pr(k)为k个标靶的权矩阵(通常情况下可取单位阵),Ar(k)由标靶的坐标信息决定;
⑤循环第③~④步,计算所有方案的标靶分布质量评价值,从中找出rDOP值最小的方案,即为最佳标靶布设方案;
⑥判断扫描仪位置是否已知,若已知则转到第⑧步,若未知则继续;
⑦选择可架设扫描仪的备选位置,获取所有备选位置的坐标信息;
⑧确定一个扫描仪架设位置,获取该位置下的扫描仪坐标信息;
⑨计算此扫描仪架设位置的tDOP值,并由tDOP值的大小判断扫描仪架设位置的质量(这里tDOP值的计算由标靶的坐标信息、扫描仪架设位置信息和标靶的权阵决定),tDOP值的计算模型为
其中,Pt(k)为k个标靶的权矩阵,At(k)仅与标靶位置信息和扫描仪位置信息决定;
⑩循环第⑧~⑨步,计算所有扫描仪架设位置对应的质量评价值,从中找出tDOP值最小的位置,即为最佳扫描仪架设位置。
进一步,优选的在步骤④中,Ar(k)的计算公式如下:
当获得的标靶位置信息为参考系和待配准系中的坐标信息时,Ar(k)的计算公式为
当获得的标靶位置信息仅为参考系中的坐标信息时,Ar(k)的计算公式为
当获得的标靶位置信息仅为待配准系中的坐标信息时,Ar(k)的计算公式为
式中,由第j号标靶在参考系i和待配准系i+1中的位置计算得到,其计算公式为
进一步,优选的在步骤⑨中,At(k)的计算公式如下:
当获得的扫描仪架设位置信息为参考系中的坐标信息时,At(k)的计算公式为
式中,(tx0,ty0,tz0)为备选扫描仪在参考系i中的架设位置;
当获得的扫描仪架设位置信息为待配准系中的坐标信息时,At(k)的计算公式为
式中,(tx0,ty0,tz0)为备选扫描仪在参考系i+1中的架设位置。
进一步,优选的在步骤②中,需要人工从目标场景中选择适合布设标靶的位置,记为标靶布设的备选位置(假设有m1个备选标靶布设位置),备选位置信息与已有坐标系有关,当只有参考系或待配准系的场景扫描点云时,获取参考系或待配准系中标靶备选位置的坐标信息;当有两系的场景扫描点云时,同时获取两系中标靶备选位置的坐标信息;
进一步,优选的在步骤③中,需先确定用于待配准系的专用或自制标靶个数(假设有k个标靶用于待配准系的配准),再从m1个备选标靶位置中选择k个位置,作为标靶的一种布设方案,获取其相应的坐标信息;
进一步,优选的在步骤⑦中,需要人工从目标场景中选择适合架设扫描仪的位置,记为扫描仪架设的备选位置(假设有m2个备选扫描仪架设位置),备选位置信息与已有坐标系有关,当只有参考系或待配准系的场景扫描点云时,获取参考系或待配准系中扫描仪备选位置的坐标信息,当有两系的场景扫描点云时,只需获取其中任意一系下的备选位置坐标信息;
进一步,优选的在步骤⑧中,从m2个备选扫描仪架设位置中选择1个位置,作为扫描仪的一种架设方案,获取其相应的坐标信息。
本发明与现有技术相比具有如下有点:
第一,通过构建标靶分布质量和和扫描仪架设位置质量的评价模型rDOP和tDOP,定量获取不同布设方案的质量指标(rDOP值和tDOP值),解决了定量评价标靶分布质量模型从无到有的问题;
第二,通过rDOP值来定量评价标靶分布的好坏,克服了现有评价方法完全依赖经验定性估计,无法明确指出“标靶分布的好坏程度”的缺点;并给出了“从所有可能的标靶布设方案中找出最佳标靶布设方案”的方法,即rDOP值最小的方案为最佳标靶布设方案,解决了现有评价方法无法找到最佳标靶布设方案的难题。
第三,通过tDOP值来定量评价扫描仪架设位置的好坏,克服了现有评价方法完全依赖经验定性估计,无法明确指出“扫描仪架设位置的好坏程度”的缺点;并给出了“从所有可能的扫描仪架设方案中找出最佳扫描仪架设方案”的方法,即tDOP值最小的方案为最佳扫描仪架设方案,解决了现有评价方法无法找到最佳扫描仪架设方案的难题。
附图说明
图1为本发明rDOP值的计算流程图;
图2为本发明tDOP值的计算流程图;
图3为本发明定量评价点云配准中标靶分布质量的方法流程图。
具体实施方式
具体实施中,我们常会碰到三种实际情况,下面将结合附图和实际情况,对本发明作进一步说明。
实际情况1“标靶已固定,需确定待配准系扫描仪的最佳架设位置”
按流程图2实施,计算扫描仪架设位置的tDOP值,找出tDOP值最小的位置为最佳扫描仪架设位置(对应上述步骤⑦~⑩),其计算tDOP值的详细步骤如下:
首先,在目标场景点云中选择m2个备选扫描仪架设位置
然后,从备选位置中选1个位置oj,作为扫描仪的一种架设方案,其坐标为(tx0,ty0,tz0);
接着,由标靶的坐标信息、扫描仪架设位置和标靶权阵Pt(k)计算其中,Pt(k)通常情况下可取单位阵,At(k)仅与标靶的坐标信息有关,其计算公式分两种情况,即
当坐标信息为参考系中坐标时,At(k)
当坐标信息为待配准系中坐标时,At(k)
最后,由“从所有备选方案中找出tDOP值最小的方案”,即为最佳扫描仪架设方案。
实际情况2“待配准系扫描仪已架设,需确定标靶的最佳布设位置”
按流程图1实施,计算布设标靶的rDOP值,找出rDOP值最小的位置为最佳标靶布设位置(对应上述步骤④~⑤),其计算rDOP值的详细步骤如下:
首先,在目标场景点云中选择m1个备选标靶布设位置
然后,从m1个备选标靶位置中选择k个标靶所布设的位置作为标靶的一种布设方案;
最后,由标靶的坐标信息和标靶权阵Pr(k)计算其中,Pr(k)通常情况下可取单位阵,Ar(k)仅与标靶的坐标信息有关,其计算公式分三种情况,即
当坐标信息为参考系和待配准系两系统中的坐标时,Ar(k)
当坐标信息仅为参考系中的坐标时,Ar(k)
当坐标信息仅为待配准系中的坐标时,Ar(k)
式中,由第j号标靶在参考系i和待配准系i+1中的位置计算得到,其计算公式为
实际情况3“标靶和扫描仪位置均未知,需确定标靶和扫描仪的布设位置”
按流程图1和图2综合实施,计算布设标靶的rDOP值,先找出rDOP值最小的标靶布设位置(对应上述步骤④~⑤),再计算布设标靶的tDOP值,找出tDOP值最小的位置为最佳标靶布设位置(对应上述步骤⑦~⑩),其详细步骤如下:
首先,在目标场景点云中选择m1个备选标靶布设位置
接着,从m1个备选标靶位置中选择k个标靶所布设的位置作为标靶的一种布设方案,并由此方案的标靶坐标信息和标靶权阵Pr(k),按上述公式(5)~(9)计算rDOP值,找出rDOP值最小的方案作为标靶的布设方案;
然后,在目标场景点云中选择m2个备选扫描仪架设位置
再接着,从备选位置中选1个位置oj,作为扫描仪的一种架设方案;
最后,由标靶的坐标信息、扫描仪架设位置和标靶权阵Pt(k),按上述公式(1)~(4)计算tDOP值,找出tDOP值最小的方案作为扫描仪的架设方案。
另外,需要说明的是,尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被其它相关领域,这对于熟悉本领域的人员而言,可容易地实现修改,因此,在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出的流程图。

Claims (7)

1.一种定量评价点云配准中标靶分布质量的方法,其特征在于:包括如下步骤:
①判断标靶位置是否已知,若已知则转第③步,若未知则继续;
②选择可布设标靶的备选位置,获取所有备选位置的坐标信息;
③确定标靶数和一种标靶布设方案,获取该方案下所有标靶的坐标信息;
④计算此标靶布设方案的rDOP值,并由rDOP值的大小判断标靶的分布质量,rDOP值的计算模型为
r D O P = t r ( G k - 1 )
其中,Pr(k)为k个标靶的权矩阵,Ar(k)由标靶的坐标信息决定;
⑤循环第③~④步,计算所有方案的标靶分布质量评价值,从中找出rDOP值最小的方案,即为最佳标靶布设方案;
⑥判断扫描仪位置是否已知,若已知则转到第⑧步,若未知则继续;
⑦选择可架设扫描仪的备选位置,获取所有备选位置的坐标信息;
⑧确定一个扫描仪架设位置,获取该位置下的扫描仪坐标信息;
⑨计算此扫描仪架设位置的tDOP值,并由tDOP值的大小判断扫描仪架设位置的质量,tDOP值的计算模型为
t D O P = t r ( H k - 1 )
其中,Pt(k)为k个标靶的权矩阵,At(k)仅与标靶位置信息和扫描仪位置信息决定;
⑩循环第⑧~⑨步,计算所有扫描仪架设位置对应的质量评价值,从中找出tDOP值最小的位置,即为最佳扫描仪架设位置。
2.根据权利要求1所述的一种定量评价点云配准中标靶分布质量的方法,其特征在于,在步骤④中,Ar(k)的计算公式如下:
当获得的标靶位置信息为参考系和待配准系中的坐标信息时,Ar(k)的计算公式为
A r ( k ) = α 1 . . . α k , α j = 0 - τ j z τ j y τ j z 0 - τ j x - τ j y τ j x 0 , τ j x τ j y τ j z = p j c i + p j c i + 1
当获得的标靶位置信息仅为参考系中的坐标信息时,Ar(k)的计算公式为
A r ( k ) = α 1 . . . α k , α j = 0 - τ j z τ j y τ j z 0 - τ j x - τ j y τ j x 0 , τ j x τ j y τ j z = 2 p j c i
当获得的标靶位置信息仅为待配准系中的坐标信息时,Ar(k)的计算公式为
A r ( k ) = α 1 . . . α k , α j = 0 - τ j z τ j y τ j z 0 - τ j x - τ j y τ j x 0 , τ j x τ j y τ j z = 2 p j c i + 1
式中,由第j号标靶在参考系i和待配准系i+1中的位置计算得到,其计算公式为
p j c i = x j c i y j c i z j c i = p j i - p c i , p j c i + 1 = x j c i + 1 y j c i + 1 z j c i + 1 = p j i + 1 - p c i + 1 , j = 1 , 2 , ... , k
p c i = 1 k Σ j = 1 k p j i , p c i + 1 = 1 k Σ j = 1 k p j i + 1 .
3.根据权利要求1所述的一种定量评价点云配准中标靶分布质量的方法,其特征在于:在步骤⑨中,At(k)的计算公式如下:
当获得的扫描仪架设位置信息为参考系中的坐标信息时,At(k)的计算公式为
A t ( k ) = β 1 . . . β k = l 1 x m 1 y l k z . . . . . . . . . l k x m k y n k z , β j = [ l j x m j y n j z ] = x j i - t x 0 d j 0 i y j i - t y 0 d j 0 i z j i - t z 0 d j 0 i
d j 0 i = ( x j i - t x 0 ) 2 + ( y j i - t y 0 ) 2 + ( z j i - t z 0 ) 2
式中,(tx0,ty0,tz0)为备选扫描仪在参考系i中的架设位置;
当获得的扫描仪架设位置信息为待配准系中的坐标信息时,At(k)的计算公式为
A t ( k ) = β 1 . . . β k = l 1 x m 1 y l k z . . . . . . . . . l k x m k y n k z , β j = [ l j x m j y n j z ] = x j i + 1 - t x 0 d j 0 i + 1 y j i + 1 - t y 0 d j 0 i + 1 z j i + 1 - t z 0 d j 0 i + 1
d j 0 i + 1 = ( x j i + 1 - t x 0 ) 2 + ( y j i + 1 - t y 0 ) 2 + ( z j i + 1 - t z 0 ) 2
式中,(tx0,ty0,tz0)为备选扫描仪在参考系i+1中的架设位置。
4.根据权利要求1所述的一种定量评价点云配准中标靶分布质量的方法,其特征在于:在步骤②中,需要人工从目标场景中选择适合布设标靶的位置,记为标靶布设的备选位置,备选位置信息与已有坐标系有关,当只有参考系或待配准系的场景扫描点云时,获取参考系或待配准系中标靶备选位置的坐标信息;当有两系的场景扫描点云时,同时获取两系中标靶备选位置的坐标信息。
5.根据权利要求1和4所述的一种定量评价点云配准中标靶分布质量的方法,其特征在于:在步骤③中,需先确定用于待配准系的专用或自制标靶个数,再从m1个备选标靶位置中选择k个位置,作为标靶的一种布设方案,获取其相应的坐标信息。
6.根据权利要求1所述的一种定量评价点云配准中标靶分布质量的方法,其特征在于:在步骤⑦中,需要人工从目标场景中选择适合架设扫描仪的位置,记为扫描仪架设的备选位置,备选位置信息与已有坐标系有关,当只有参考系或待配准系的场景扫描点云时,获取参考系或待配准系中扫描仪备选位置的坐标信息,当有两系的场景扫描点云时,只需获取其中任意一系下的备选位置坐标信息。
7.根据权利要求1和6所述的一种定量评价点云配准中标靶分布质量的方法,其特征在于:在步骤⑧中,从m2个备选扫描仪架设位置中选择1个位置,作为扫描仪的一种架设方案,获取其相应的坐标信息。
CN201710029647.0A 2017-01-16 2017-01-16 一种定量评价点云配准中标靶分布质量的方法 Expired - Fee Related CN106683126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710029647.0A CN106683126B (zh) 2017-01-16 2017-01-16 一种定量评价点云配准中标靶分布质量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710029647.0A CN106683126B (zh) 2017-01-16 2017-01-16 一种定量评价点云配准中标靶分布质量的方法

Publications (2)

Publication Number Publication Date
CN106683126A true CN106683126A (zh) 2017-05-17
CN106683126B CN106683126B (zh) 2019-12-03

Family

ID=58859041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710029647.0A Expired - Fee Related CN106683126B (zh) 2017-01-16 2017-01-16 一种定量评价点云配准中标靶分布质量的方法

Country Status (1)

Country Link
CN (1) CN106683126B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106959456A (zh) * 2017-03-27 2017-07-18 中国电建集团西北勘测设计研究院有限公司 一种gnss测量控制网精度估计方法
CN107767375A (zh) * 2017-11-02 2018-03-06 广东电网有限责任公司电力科学研究院 一种点云质量评估方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950433A (zh) * 2010-08-31 2011-01-19 东南大学 利用激光三维扫描技术建立变电站真三维模型的方法
CN103307999A (zh) * 2013-06-14 2013-09-18 河海大学 一种三维激光扫描控制架及其外业扫描和点云配准方法
CN103679741A (zh) * 2013-12-30 2014-03-26 北京建筑大学 一种基于三维线特征的激光点云数据自动配准方法
US8934660B2 (en) * 2010-10-29 2015-01-13 Canon Kabushiki Kaisha Two dimensional information symbol
CN105931234A (zh) * 2016-04-19 2016-09-07 东北林业大学 一种地面三维激光扫描点云与影像融合及配准的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950433A (zh) * 2010-08-31 2011-01-19 东南大学 利用激光三维扫描技术建立变电站真三维模型的方法
US8934660B2 (en) * 2010-10-29 2015-01-13 Canon Kabushiki Kaisha Two dimensional information symbol
CN103307999A (zh) * 2013-06-14 2013-09-18 河海大学 一种三维激光扫描控制架及其外业扫描和点云配准方法
CN103679741A (zh) * 2013-12-30 2014-03-26 北京建筑大学 一种基于三维线特征的激光点云数据自动配准方法
CN105931234A (zh) * 2016-04-19 2016-09-07 东北林业大学 一种地面三维激光扫描点云与影像融合及配准的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106959456A (zh) * 2017-03-27 2017-07-18 中国电建集团西北勘测设计研究院有限公司 一种gnss测量控制网精度估计方法
CN107767375A (zh) * 2017-11-02 2018-03-06 广东电网有限责任公司电力科学研究院 一种点云质量评估方法及装置
CN107767375B (zh) * 2017-11-02 2021-06-29 广东电网有限责任公司电力科学研究院 一种点云质量评估方法及装置

Also Published As

Publication number Publication date
CN106683126B (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN106597416B (zh) 一种地面GPS辅助的LiDAR数据高程差的误差修正方法
CN104019765B (zh) 基于激光束法区域网平差的多站点云整体定向方法
CN106056605B (zh) 一种基于图像匹配的在轨高精度图像定位方法
CN105913439A (zh) 一种基于激光跟踪仪的大视场摄像机标定方法
CN100580371C (zh) 基于空间直角关系的建筑物单影像三维测量方法
CN103940410B (zh) 一种超高倍放大成图的数字航空摄影测量方法
CN103826298B (zh) 一种协作式迭代优化的无线传感器网络定位计算方法
WO2018083698A1 (en) System and method for automatically acquiring two-dimensional images and three-dimensional point cloud data of a field to be surveyed
CN110260786A (zh) 一种基于外部跟踪的机器人视觉测量系统及其标定方法
CN102073990A (zh) 一种遥感图像自动几何纠正的系统框架和方法
CN108597023B (zh) 一种基于单反相机的地质露头三维模型构建方法
CN101614807A (zh) 基于数字图像技术的建筑容积率确定方法
CN102609940A (zh) 利用地面激光扫描技术进行测量对象表面重建时点云配准误差处理方法
CN104048645B (zh) 线性拟合地面扫描点云整体定向方法
CN105046046B (zh) 一种集合卡尔曼滤波局地化方法
CN112767464A (zh) 一种地面激光扫描三维点云数据配准方法
CN106568412A (zh) 一种不规则形状地块的面积测量方法
CN106683126A (zh) 一种定量评价点云配准中标靶分布质量的方法
CN109063638A (zh) 基于倾斜摄影预测废弃物产生量的方法、系统及介质
CN110516304B (zh) 一种室内空间建模方法
CN110210112A (zh) 耦合土地利用规划的城市热岛效应情景模拟方法
CN105806304B (zh) 天线方向角测量方法及装置
CN108572361A (zh) 机载激光雷达系统设备集成安置角检校方法及装置
CN110132233B (zh) 一种基于点云数据的cass环境下现状地形图绘图方法
CN103954287B (zh) 深空探测自主导航的一种路标规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191203

Termination date: 20210116