CN108510587A - 一种基于2d激光扫描的室内室外环境建模方法及系统 - Google Patents
一种基于2d激光扫描的室内室外环境建模方法及系统 Download PDFInfo
- Publication number
- CN108510587A CN108510587A CN201810142216.XA CN201810142216A CN108510587A CN 108510587 A CN108510587 A CN 108510587A CN 201810142216 A CN201810142216 A CN 201810142216A CN 108510587 A CN108510587 A CN 108510587A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud data
- indoor
- point cloud
- laser
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/61—Scene description
Abstract
本发明涉及一种基于2D激光扫描的室内室外环境建模方法,包括步骤:S1:利用2D激光扫描仪采集环境场景中扫描站点的点云数据,进行预处理;S2:利用ICP算法对点云数据进行配准,获取旋转矩阵和平移向量;S3:对环境场景中各扫描站点的点云数据进行拼接及三维场景建模;本发明还公开了一种室内室外环境建模系统,包括2D激光扫描仪、旋转云台、云台编码器、电源和两台计算机,2D激光扫描仪由旋转云台搭载,云台解码器连接旋转云台,两台计算机分别连接2D激光扫描仪和云台解码器。与现有技术相比,本发明针对室内室外不同的环境信息能够采用相同的方法进行建模,操作更加便捷、成本低,在室内室外环境都能实现很好的过渡,且速度快、收敛性好。
Description
技术领域
本发明涉及三维物体重建领域,尤其是涉及一种基于2D激光扫描的室内室外环境建模方法及系统。
背景技术
三维激光扫描技术,或者叫做“实景复制技术”,能够快速获得物体表面采样点的距离信息,并且得到一个大量点的集合,该技术精度高,速度快,并被广泛应用于多个领域,如文化遗产的数字化重建和保护、建筑物检测、精密监测建筑物的变形程度和堆积物测定等。现有三维重建方法常采用三维激光器。然而,因室内室外的环境信息不同,现有三维重建方法常常是对室内室外环境分别采用不同的方法进行建模,导致过程繁琐、成本增加,且系统的适用性不强,室内室外环境无法实现很好的过渡。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于2D激光扫描的室内室外环境建模方法及系统。
本发明的目的可以通过以下技术方案来实现:
一种基于2D激光扫描的室内室外环境建模方法,该方法包括以下步骤:
步骤一、点云数据采集和预处理:
11)利用2D激光扫描仪采集针对同一场景的多个站点的原始点云数据;
12)去除原始点云数据中的无效数据,获取有效点云数据;
13)将极坐标下的点云数据转换到笛卡尔坐标系下,且笛卡尔坐标系以2D激光扫描仪位置为原点,即有:
其中,di为点云数据中第i个点到原点的距离;α为笛卡尔坐标系下的第i个点与原点之间的水平角;β为笛卡尔坐标系下的第i个点与原点之间的垂直角。
14)对有效点云数据进行去噪光顺处理,包括剔除体外孤点和离群点,调整毛刺点噪声,去除点云中的无效数据;
15)对有效点云数据进行精简处理。
步骤二、利用ICP算法对多组点云数据进行配准,获取旋转矩阵R和平移向量T:
21)对点云集M中的每个点Mi(i=1,…,n)采用欧几里得距离模型,在另一点云集B中找到该点的对应平移变换向量最近距离的点,用Bi来表示;n为点云的数量。
22)根据步骤21)所获取的对应点对,计算两帧点云的对应旋转矩阵R和平移向量T,具体包括以下步骤:
221)取单位四元数qR=[q0 q1 q2 q3]T表示旋转矩阵R,取向量qT=[q4 q5 q6]T表示平移向量T,旋转矩阵R与qR对应;
222)分别以点云集M和点云集B的重心坐标为中心,构建新的点云集:
其中,uB、uM分别为点云集B和点云集M的重心坐标:
223)构建点云集B′和点云集M′的反对称矩阵A:
A=∑B',M'-∑B′,M′ T
其中,∑B′,M′为点云集B′和点云集M′的交叉协方差矩阵,其表达式为:
224)构造对称矩阵Qk:
其中,tr(∑B',M′)为矩阵∑B′,M′的迹;Δ=[A23 A31 A12]T;Auv为矩阵A的u行v列元素;I3为3×3的单位矩阵。
225)获取旋转矩阵R;
上述对称矩阵Qk的最大特征值所对应的单位特征向量q=[q0 q1 q2 q3]T表示矩阵旋转的四元数,则旋转矩阵R为:
226)求取平移向量T:
T=uB–R×uM
227)获取均方误差MSE:
23)判断通过四元数法获取的对应点集间的坐标变换关系是否满足使均方误差MSE最小,若是,则结束迭代,输出此时的旋转矩阵R和平移向量T;若不是,则进行下一次的迭代。
步骤三、对环境场景中各扫描站点的点云数据进行拼接及三维场景建模:
31)根据扫描站的顺序,依次利用相邻站扫描重叠区内的特征点建立坐标转换模型,求取各站在项目坐标系下的平移参数和旋转参数;
优选地,所述的项目坐标系采用的是首站扫描坐标系。
32)根据闭合条件,对求取的各站平移和旋转参数进行加权误差分配,并以改正后的平移参数和旋转参数建立各站扫描点云的最终坐标转换模型;
33)根据步骤32)得到的坐标转换模型,将各站点云数据转换到同一项目坐标系下,实现多站扫描点云数据的无缝拼接;
34)对拼合后的点云数据进行三维重建,获取被测物体的三维几何模型。
本发明还提供了一种室内室外环境建模系统,用于实现基于2D激光扫描的室内室外环境建模方法,该系统包括2D激光扫描仪、旋转云台、云台编码器、电源、两台计算机和连接线,所述的2D激光扫描仪由旋转云台搭载,所述的云台解码器连接旋转云台,所述的两台计算机分别连接2D激光扫描仪和云台解码器,所述的电源与旋转云台和2D激光扫描仪分别连接,用于为其供电。
本发明系统所应用的软件平台包括2D激光扫描仪的控制软件、云台控制软件、Matlab软件和MeshLab软件。2D激光扫描仪的控制软件用于设置2D激光扫描仪的分辨率和扫描频率;云台控制软件用于控制旋转云台的旋转方向和角度;MeshLab软件和Matlab软件用于点云数据的预处理,所述的Matlab软件用于基于ICP算法进行点云配准计算以及构建三维模型。
与现有技术相比,本发明具有以下优点:
一、方便快捷:本发明采用2D激光扫描仪对数据进行采集,其采用非接触主动测量方式,能够直接、方便、快捷地获取目标物体高精度三维点云数据;
二、成本低:本发明的建模系统无需在场景设置任何辅助标定部件,与已有基于外部标定物的环境建模系统相比操作更加简单,大大的降低了成本;
三、准确度高:本发明对点云数据的预处理中k近邻的搜索方法进行了改进,有效提高了点云去噪、精简的速度,并能很好的保留原始点云的特征信息;在对点云的拼接处理中,根据闭合条件对坐标转换参数进行加权误差分配,不需要将庞大的点云数据调入内存进行处理,计算量小,简单易行,能够实现多站扫描点云数据的无缝拼接,显著地改善了环境建模过程的效率及准确度,且与已有不采用外部标定物的方法相比,具有速度快、收敛性好的优势。
附图说明
图1为一种基于2D激光扫描的室内室外环境建模方法的流程图;
图2为有电源供应的室外环境或室内环境下的一种室内室外环境建模系统的结构图;
图3为无电源供应的室外环境或室内环境下的一种室内室外环境建模系统的结构图;
图4为本发明中点云极坐标转换成笛卡尔坐标示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,本发明涉及一种基于2D激光扫描的室内室外环境建模方法,该方法包括以下步骤:
步骤一、利用2D激光扫描仪采集环境场景的点云数据并进行预处理;
步骤二、利用ICP算法对多组点云数据进行配准,获取旋转矩阵R和平移向量T;
步骤三、对环境场景中各扫描站点的点云数据进行拼接及三维场景建模。
步骤一具体包括以下内容:
11)利用2D激光扫描仪采集同一场景的多个站点的原始点云数据;
12)去除原始点云数据中的无效数据,获取反映场景坐标信息的有效点云数据;
采用matlab软件删除原始点云数据的中无意义行,取出有意义行的有效数据;所述的无意义行是指数据中出现不正确信息的行,所述的有效数据是指能反映场景坐标信息的数据。
13)将极坐标下的有效点云数据转换到笛卡尔坐标系下;
笛卡尔坐标系以2D激光扫描仪位置为原点,笛卡尔坐标系下第i个有效点云数据的表达式为:
其中,di是有效点云数据中第i个点到原点的距离;α是笛卡尔坐标系下的第i个点与原点之间的水平角;β是笛卡尔坐标系下的第i个点与原点之间的垂直角。
14)对有效点云数据进行去噪光顺处理;
根据噪声特点的不同,使用不同的方法进行去噪处理,针对体外孤点和离群点等大噪声点采取去除的方式进行处理,针对毛刺点等小噪声点采取调整的方式进行处理。在尽可能保留有效数据的同时,有效去除点云中的无效数据。
15)将点云数据进行精简处理;
采用基于八叉树的方法对散乱点云进行网格划分,并构建点云的K-邻域,计算出点云各点的几何特征信息,进一步通过曲率采样法对点云数据进行精简,在曲率较小的区域保留少量的点,在曲率较大的区域保留较多的点,从而在保持自身细节特征的同时,尽可能的对点云数据进行精简化处理。
步骤二具体包括以下内容:
21)对点云集M中的每个点Mi(i=1,…,n),采用欧几里得距离模型,在点云集B中寻找该点的对应平移变换向量最近距离点,用Bi来表示。
22)采用步骤21)所得到的对应点对,通过四元数法获取两帧点云的对应旋转矩阵R和平移向量T,并获取均方误差MSE;
23)判断均方误差MSE是否达到最小,若是,则结束迭代,输出此时的旋转矩阵R和平移向量T。否则,进行下一次的迭代。
进一步地,步骤22)的具体过程为:
221)取单位四元数qR=[q0 q1 q2 q3]T表示旋转矩阵R,取向量qT=[q4 q5 q6]T表示平移向量T,旋转矩阵R与qR对应。
222)分别以点云集M和点云集B的重心坐标为中心,构建新的点云集;
其中,uB、uM分别为点云集B和点云集M的重心坐标,且有:
223)构建点云集B′和点云集M′的反对称矩阵A;
反对称矩阵A的表达式为:
A=∑B′,M′-∑B′,M′ T
其中,∑B′,M′为点云集B′和点云集M′的交叉协方差矩阵。
224)构造对称矩阵Qk;
其中,tr(∑B′,M′)为矩阵∑B′,M′的迹;Δ=[A23 A31 A12]T,Auv是反对称矩阵A的u行v列元素,I3是3×3的单位矩阵。
225)获取旋转矩阵R;
上述对称矩阵Qk的最大特征值所对应的单位特征向量q=[q0 q1 q2 q3]T表示矩阵旋转的四元数,则旋转矩阵R为:
226)求取平移向量T;
T=uB–R×uM
227)获取均方误差MSE:
步骤三的具体内容为:
31)根据扫描站的顺序,依次利用相邻站扫描重叠区内的特征点建立坐标转换模型,求取各站在项目坐标系下的坐标平移和旋转参数;
进一步地,其中项目坐标系采用的是首站扫描坐标系;
32)根据闭合条件,对求取的各站平移和旋转参数进行加权误差分配,并以改正后的平移和旋转参数建立各站扫描点云的最终坐标转换模型;
33)根据步骤32)得到的坐标转换模型,将各站点云数据转换到同一项目坐标系下,实现多站扫描点云数据的无缝拼接;
34)对拼合后的点云数据进行三维重建,获取被测物体的三维几何模型。
进一步地,所述步骤32)的具体过程为:
321)求取最后一站与首站的旋转角与平移量的闭合差;
其中,α′1、β1′、γ1′、分别为由最后一站计算的首站坐标变换的三个旋转参数和三个平移参数;α1、β1、γ1、分别为首站的旋转角和平移量参数,其值均为0。
322)按扫描站的顺序,将旋转角闭合差依次递增地分配到各扫描点,即将计算的各站坐标旋转参数加上旋转参数改正数和获取各扫描站相对于项目坐标系旋转参数的平差结果,旋转参数改正数和的表达式为:
其中,m为总站数;i为第i扫描站(i=2,3,…,m+1,当i=m+1时,即为第一站)。
323)以扫描站相对于第一站的累积距离与扫描站闭合长度之比作为权值,对坐标平移量闭合差进行加权分配,即将计算的各站坐标平移参数加上平移量改正数和得到各扫描站相对于项目坐标系平移参数的平差结果,平移量改正数和的表达式为:
其中,∑l为各扫描站间闭合总长度;li-1,i为第(i-1)扫描站到第i扫描站的距离;i为第i站(i=2,3,…,m+1,i=m+1时即为第一站)。
324)根据误差分配后计算得到的各站坐标旋转参数和平移参数平差结果,建立各站扫描点云的最终坐标转换模型。
本发明还提供了一种用于实现基于2D激光扫描的室内室外环境建模方法的室内室外环境建模系统,该系统包括2D激光扫描仪、旋转云台、云台编码器、电源和两台计算机,2D激光扫描仪由旋转云台搭载,云台解码器连接旋转云台,两台计算机分别连接2D激光扫描仪和云台解码器,电源与旋转云台和2D激光扫描仪分别连接,电源经过变压器与2D激光扫描仪连接。该系统采用的软件平台包括2D激光扫描仪的控制软件、云台控制软件、Matlab软件和MeshLab软件,2D激光扫描仪的控制软件用于设置2D激光扫描仪的分辨率和扫描频率,云台控制软件用于控制云台的旋转方向和角度,MeshLab软件和Matlab软件用于点云数据的预处理,Matlab软件用于基于ICP算法进行点云配准计算以及构建三维模型。
2D激光扫描仪的时间记录装置采用脉冲测距和相位式测距两种混用的形式。在室外进行激光扫描工作时,针对有电源供应的室外环境,电源为大功率直流稳压电源稳压器,将220V交流电转换为24V直流电,为激光扫描仪供电,计算机、云台解码器、旋转云台由220V交流电供电;针对无电源供应的室外环境,电源包括24V直流蓄电池及逆变器,其中,所选用的逆变器同时具备升压和将直流电转变成交流电的功能,将24V直流电经过逆变器转换成220V交流电,为旋转云台、云台解码器供电,计算机由自带电池供电,蓄电池直接为激光扫描仪供电。
在室内进行激光扫描工作时,针对有电源供应的室内环境,电源为大功率直流稳压电源稳压器,将220V交流电转换为24V直流电,为激光扫描仪供电,计算机、云台解码器、旋转云台由220V交流电供电。
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工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改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以权利要求的保护范围为准。
Claims (10)
1.一种基于2D激光扫描的室内室外环境建模方法,其特征在于,该方法包括以下步骤:
S1:利用2D激光扫描仪采集环境场景中扫描站点的点云数据,进行预处理;
S2:利用ICP算法对点云数据进行配准,获取旋转矩阵和平移向量;
S3:对环境场景中各扫描站点的点云数据进行拼接及三维场景建模。
2.根据权利要求1所述的一种基于2D激光扫描的室内室外环境建模方法,其特征在于,所述的步骤S1具体包括以下步骤:
11)利用2D激光扫描仪采集同一场景的多个站点的原始点云数据;
12)去除原始点云数据中的无效数据,获取反映场景坐标信息的有效点云数据;
13)将极坐标下的有效点云数据转换到笛卡尔坐标系下,以2D激光扫描仪位置为原点,笛卡尔坐标系下第i个有效点云数据的表达式为:
其中,di为有效点云数据中第i个点到原点的距离;α为笛卡尔坐标系下的第i个点与原点之间的水平角;β为笛卡尔坐标系下的第i个点与原点之间的垂直角。
14)对转换后的点云数据进行体外孤点和离群点剔除及毛刺点噪声调整,在保留有效数据的同时,去除点云数据中的无效数据;
15)采用基于八叉树的方法对散乱点云进行网格划分,并构建点云的K-邻域,计算出点云各点的几何特征信息,进一步通过曲率采样法对点云数据进行精简,在曲率较小的区域保留少量的点,在曲率较大的区域保留较多的点,进而在保持自身细节特征的同时,对点云数据进行精简化处理。
3.根据权利要求1所述的一种基于2D激光扫描的室内室外环境建模方法,其特征在于,所述的步骤S2具体包括以下步骤:
21)对笛卡尔坐标系下点云集M中的每个点Mi(i=1,…,n),采用欧几里得距离模型,在点云集B中找到该点的对应平移变换向量最近距离的点,并用Bi表示,其中,n为点云数量;
22)根据步骤21)所获取的对应点对Mi和Bi,通过四元数法获取两帧点云的对应旋转矩阵R和平移向量T,进而获取均方误差MSE;
23)判断均方误差MSE是否达到最小,若是,则输出旋转矩阵R和平移向量T,否则,进行下一次迭代。
4.根据权利要求3所述的一种基于2D激光扫描的室内室外环境建模方法,其特征在于,所述的步骤22)中,获取旋转矩阵R和平移向量T的具体过程包括:
221)取单位四元数qR=[q0 q1 q2 q3]T表示旋转矩阵R;取向量qT=[q4 q5 q6]T表示平移向量T,旋转矩阵R与qR对应;
222)分别以点云集B和点云集M的重心坐标uB与uM为中心,构建新的点云集B′和点云集M′:
其中,
223)构建点云集B′和点云集M′的反对称矩阵A:
A=∑B′,M′-∑B′,M′ T
其中,∑B′M'为点云集B′和点云集M′的交叉协方差矩阵,其表达式为:
224)获取对称矩阵Qk:
其中,tr(∑B′,M′)为矩阵∑B′,M′的迹;Δ=[A23 A31 A12]T,Auv为矩阵A的第u行第v列元素;I3是3×3的单位矩阵;
225)对称矩阵Qk的最大特征值所对应的特征向量q=[q0 q1 q2 q3]T,特征向量q表示矩阵旋转的四元数,则旋转矩阵R为:
226)由旋转矩阵R获取平移向量T:
T=uB-R×uM
227)获取均方误差MSE:
5.根据权利要求4所述的一种基于2D激光扫描的室内室外环境建模方法,其特征在于,所述的步骤S3具体包括以下步骤:
31)根据扫描站的顺序,依次利用相邻站扫描重叠区内的特征点建立坐标转换模型,求取各站在项目坐标系下的平移参数和旋转参数;
32)根据闭合条件,对求取的各站平移和旋转参数进行加权误差分配,并以改正后的平移参数和旋转参数建立各站扫描点云的最终坐标转换模型;
33)根据步骤32)得到的坐标转换模型,将各站点云数据转换到同一项目坐标系下,实现多站扫描点云数据的无缝拼接;
34)对拼合后的点云数据进行三维重建,获取被测物体的三维几何模型。
6.根据权利要求5所述的一种基于2D激光扫描的室内室外环境建模方法,其特征在于,所述的项目坐标系为首站扫描坐标系。
7.一种实现如权利要求1-6任一项所述的基于2D激光扫描的室内室外环境建模方法的室内室外环境建模系统,其特征在于,该系统包括2D激光扫描仪、旋转云台、云台编码器、电源和两台计算机,所述的2D激光扫描仪由旋转云台搭载,所述的云台解码器连接旋转云台,所述的两台计算机分别连接2D激光扫描仪和云台解码器,所述的电源与旋转云台和2D激光扫描仪分别连接。
8.根据权利要求7所述的一种室内室外环境建模系统,其特征在于,所述的室内室外环境建模系统处于有电源供应的室外环境或室内环境时,所述的电源为220V交流电,以为计算机、云台解码器和旋转云台供电,并通过大功率直流稳压电源稳压器将220V交流电转换为24V直流电,以为2D激光扫描仪供电。
9.根据权利要求7所述的一种室内室外环境建模系统,其特征在于,所述的室内室外环境建模系统处于无电源供应的室外环境时,所述的电源包括24V直流蓄电池和逆变器,所述的蓄电池直接为2D激光扫描仪供电,所述的逆变器将24V直流电转换成220V交流电,用以为旋转云台和云台解码器供电,计算机由自带电池供电。
10.根据权利要求7所述的一种室内室外环境建模系统,其特征在于,所述的系统采用的软件平台包括2D激光扫描仪的控制软件、云台控制软件、Matlab软件和MeshLab软件,所述的2D激光扫描仪的控制软件用于设置2D激光扫描仪的分辨率和扫描频率,所述的云台控制软件用于控制云台的旋转方向和角度,所述的MeshLab软件和Matlab软件用于点云数据的预处理,所述的Matlab软件用于基于ICP算法进行点云配准计算以及构建三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810142216.XA CN108510587A (zh) | 2018-02-11 | 2018-02-11 | 一种基于2d激光扫描的室内室外环境建模方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810142216.XA CN108510587A (zh) | 2018-02-11 | 2018-02-11 | 一种基于2d激光扫描的室内室外环境建模方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510587A true CN108510587A (zh) | 2018-09-07 |
Family
ID=63375650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810142216.XA Pending CN108510587A (zh) | 2018-02-11 | 2018-02-11 | 一种基于2d激光扫描的室内室外环境建模方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510587A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109506624A (zh) * | 2018-10-31 | 2019-03-22 | 台州职业技术学院 | 一种基于移动机器人的分布式视觉定位系统及方法 |
CN109544454A (zh) * | 2018-11-20 | 2019-03-29 | 广州方舆科技有限公司 | 一种点云数据的自动拼接方法 |
CN109901202A (zh) * | 2019-03-18 | 2019-06-18 | 成都希德瑞光科技有限公司 | 一种基于点云数据的机载系统位置修正方法 |
CN109917404A (zh) * | 2019-02-01 | 2019-06-21 | 中山大学 | 一种室内定位环境特征点提取方法 |
CN110516304A (zh) * | 2019-07-26 | 2019-11-29 | 同济大学 | 一种室内空间建模方法 |
CN111968219A (zh) * | 2020-07-24 | 2020-11-20 | 上海讯罗信息科技有限公司 | 三维建模设备及方法 |
CN114593691A (zh) * | 2020-12-04 | 2022-06-07 | 长安大学 | 一种可实现单线激光重构三维场景的方法及装置 |
CN114782650A (zh) * | 2022-05-09 | 2022-07-22 | 京能(锡林郭勒)发电有限公司 | 一种封闭煤场三维重建方法及系统 |
CN116299367A (zh) * | 2023-05-18 | 2023-06-23 | 中国测绘科学研究院 | 一种多激光空间标定方法 |
CN117315001A (zh) * | 2023-11-27 | 2023-12-29 | 江苏房城建设工程质量检测有限公司 | 一种基于激光扫描的房建面积快速检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890828A (zh) * | 2012-06-15 | 2013-01-23 | 北京理工大学 | 基于法向夹角的点云数据精简方法 |
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的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 |
CN107123162A (zh) * | 2016-02-24 | 2017-09-01 | 中国科学院沈阳自动化研究所 | 基于二维激光传感器的三维环境表面三角网格构建方法 |
-
2018
- 2018-02-11 CN CN201810142216.XA patent/CN108510587A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890828A (zh) * | 2012-06-15 | 2013-01-23 | 北京理工大学 | 基于法向夹角的点云数据精简方法 |
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN107123162A (zh) * | 2016-02-24 | 2017-09-01 | 中国科学院沈阳自动化研究所 | 基于二维激光传感器的三维环境表面三角网格构建方法 |
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 |
Non-Patent Citations (4)
Title |
---|
朱桂林等: "基于改进特征点对选取的三维点云配准", 《微型机与应用》 * |
杨秋翔等: "基于单位四元数的ICP改进算法", 《微电子学与计算机》 * |
盛业华等: "地面三维激光扫描点云的多站数据无缝拼接", 《中国矿业大学学报》 * |
袁小翠等: "特征保持点云数据精简", 《光学精密工程》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109506624A (zh) * | 2018-10-31 | 2019-03-22 | 台州职业技术学院 | 一种基于移动机器人的分布式视觉定位系统及方法 |
CN109506624B (zh) * | 2018-10-31 | 2021-11-02 | 台州职业技术学院 | 一种基于移动机器人的分布式视觉定位系统及方法 |
CN109544454A (zh) * | 2018-11-20 | 2019-03-29 | 广州方舆科技有限公司 | 一种点云数据的自动拼接方法 |
CN109917404B (zh) * | 2019-02-01 | 2023-02-03 | 中山大学 | 一种室内定位环境特征点提取方法 |
CN109917404A (zh) * | 2019-02-01 | 2019-06-21 | 中山大学 | 一种室内定位环境特征点提取方法 |
CN109901202A (zh) * | 2019-03-18 | 2019-06-18 | 成都希德瑞光科技有限公司 | 一种基于点云数据的机载系统位置修正方法 |
CN110516304A (zh) * | 2019-07-26 | 2019-11-29 | 同济大学 | 一种室内空间建模方法 |
CN110516304B (zh) * | 2019-07-26 | 2023-05-02 | 同济大学 | 一种室内空间建模方法 |
CN111968219B (zh) * | 2020-07-24 | 2023-08-08 | 上海讯罗信息科技有限公司 | 三维建模设备及方法 |
CN111968219A (zh) * | 2020-07-24 | 2020-11-20 | 上海讯罗信息科技有限公司 | 三维建模设备及方法 |
CN114593691A (zh) * | 2020-12-04 | 2022-06-07 | 长安大学 | 一种可实现单线激光重构三维场景的方法及装置 |
CN114782650A (zh) * | 2022-05-09 | 2022-07-22 | 京能(锡林郭勒)发电有限公司 | 一种封闭煤场三维重建方法及系统 |
CN116299367A (zh) * | 2023-05-18 | 2023-06-23 | 中国测绘科学研究院 | 一种多激光空间标定方法 |
CN116299367B (zh) * | 2023-05-18 | 2024-01-26 | 中国测绘科学研究院 | 一种多激光空间标定方法 |
CN117315001A (zh) * | 2023-11-27 | 2023-12-29 | 江苏房城建设工程质量检测有限公司 | 一种基于激光扫描的房建面积快速检测方法及系统 |
CN117315001B (zh) * | 2023-11-27 | 2024-02-23 | 江苏房城建设工程质量检测有限公司 | 一种基于激光扫描的房建面积快速检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510587A (zh) | 一种基于2d激光扫描的室内室外环境建模方法及系统 | |
CN109238168B (zh) | 大尺寸测量件表面三维形状高精度测量方法 | |
CN107192350B (zh) | 一种三维激光扫描仪内参数标定方法及装置 | |
CN104395932B (zh) | 对准数据的方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN109345574A (zh) | 基于语义点云配准的激光雷达三维建图方法 | |
CN109887082A (zh) | 一种基于点云数据的室内建筑三维建模方法及装置 | |
CN111028340B (zh) | 精密装配中的三维重构方法、装置、设备及系统 | |
CN108180856A (zh) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 | |
CN109297436B (zh) | 双目线激光立体测量基准标定方法 | |
CN106097348A (zh) | 一种三维激光点云与二维图像的融合方法 | |
CN108180834A (zh) | 一种工业机器人同三维成像仪位姿关系现场实时标定方法 | |
CN110340886A (zh) | 一种双目跟踪实现机器人路点迁移的方法及其系统 | |
CN108614277A (zh) | 双激光单摄像头三维成像扫描台及扫描、成像方法 | |
CN112927133B (zh) | 一种基于一体化标定参数的图像空间投影拼接方法 | |
CN108335354A (zh) | 一种基于移动最小二乘法的贪婪投影三角化算法单木重建方法 | |
CN110000793A (zh) | 一种机器人运动控制方法、装置、存储介质和机器人 | |
CN113888712A (zh) | 一种建筑结构施工偏差分析方法 | |
WO2023142608A1 (zh) | 获得飞机面型的系统和方法 | |
CN108871284A (zh) | 基于直线特征约束的三维空间相似变换模型参数的无初值求解方法 | |
CN114140539A (zh) | 一种室内物体的位置获取方法和装置 | |
Wei et al. | Optimization of 3-D pose measurement method based on binocular vision | |
CN110910349A (zh) | 一种基于航拍视觉的风电机组状态获取方法 | |
CN111028280A (zh) | 井字结构光相机系统及进行目标有尺度三维重建的方法 | |
CN111694009B (zh) | 一种定位系统、方法以及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |