CN108537814A - 一种基于ViBe的三维声纳点云图像分割方法 - Google Patents
一种基于ViBe的三维声纳点云图像分割方法 Download PDFInfo
- Publication number
- CN108537814A CN108537814A CN201810208737.0A CN201810208737A CN108537814A CN 108537814 A CN108537814 A CN 108537814A CN 201810208737 A CN201810208737 A CN 201810208737A CN 108537814 A CN108537814 A CN 108537814A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- voxel
- foreground
- vibe
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 230000001186 cumulative effect Effects 0.000 claims abstract description 8
- 238000003709 image segmentation Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 8
- 241001269238 Data Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于ViBe的三维声纳点云图像分割方法,其特征在于,包括:(1)获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据;(2)对所述点云数据进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素;(3)利用ViBe算法对下采样过的点云数据进行图像分割;(4)利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据;(5)对所述前景数据进行聚类后,以体素内原始点为中心,对所述前景数据进行膨胀操作,以获得最终的前景点云数据。
Description
技术领域
本发明属于三维声纳点云图像处理领域,具体涉及一种基于ViBe的三维声纳点云图像分割方法。
背景技术
相控阵三维声纳系统是一种新型的水下三维声学成像系统,在港口实时监测及蛙人水下作业保护等方面具有广泛的应用价值。
但是在获取三维声纳点云数据时,由于设备精度、操作者经验、水下环境因素等带来的影响,以及被测物体表面性质变化和数据拼接配准操作过程的影响,点云数据中将不可避免地出现一些噪声点。实际应用中除了这些测量随机误差产生的噪声点之外,由于受到外界干扰如障碍物等因素的影响,点云数据中往往存在着一些离主体点云即被测物体点云较远的离散点,即离群点。不同的获取设备点云噪声结构也有不同,在点云处理流程中滤波处理作为预处理的第一步,往往对后续处理管道影响很大,只有在滤波预处理中将噪声点、离群点等按照后续处理定制,才能够更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。
视觉背景减除算法(Visual Background Subtraction,ViBe)是一种应用于视频图像领域的方法,主要用于视频图像的背景去除。
针对上述情况,亟需提出一种可靠高效的三维声纳点云图像分割的方法,使得其具有重要的工程使用价值。
发明内容
本发明的目的是提供一种基于ViBe的三维声纳点云图像分割方法,该方法操作简单,高效快捷,能够有效地分割前景和背景,达到减小噪声、增强点云图像的目的。
为实现上述发明目的,本发明提供以下技术方案:
一种基于ViBe的三维声纳点云图像分割方法,包括以下步骤:
(1)获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据;
(2)对所述点云数据进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素;
(3)利用ViBe算法对下采样过的点云数据进行图像分割;
(4)利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据;
(5)对所述前景数据进行聚类后,以体素内原始点为中心,对所述前景数据进行膨胀操作,以获得最终的前景点云数据。
体素是体积元素的简称,体素是数字数据于三维空间分割上的最小单位,体素用于三维成像等领域,一个体素中包含多个点数据。
优选地,对总体点云数据直接进行下采样获得多个紧邻的边长为R的体素。
优选地,依次对部分点云数据进行分段下采样获得多个紧邻的边长为R的体素。
优选地,所述步骤(3)的具体步骤为:
(3-1)对于每个体素:在体素的N-邻域中,随机选取n个点作为该体素的样本空间;
(3-2)对某一帧点云图像进行分割时,将该帧的每个体素与该帧点云图像相对应的同坐标的样本空间进行相似度计数,当体素与样本空间中的一个点的强度差小于阈值T1时,拟合计数器C1加1,若比对完整个样本空间且C1大于等于阈值T2时,则认为该体素为背景数据,否则为预前景数据;
(3-3)在对每一帧点云图像进行分割时,若一个前景点超过阈值T3次被判定为预前景数据,则该体素改为背景数据;
(3-4)若一个体素为背景数据,则其有1/α的概率更新对应坐标的样本空间的一个点,也有1/α的概率更新自己的一个邻域的样本空间的一个点。
在本发明中,无论背景数据是经步骤(3-2)获得背景数据,还是经步骤(3-3)获得的背景数据,均需要进行步骤(4)。
上述中,所述阈值T1的取值为0.01~10000.00,阈值T2的取值为1至样本空间点数,阈值T3的取值为10~100。经大量实验验证获得,经这样一组阈值设置,能够实现对体素的较准确的分割,即较准确地将体素分成前景数据或背景数据。
优选地,所述步骤(4)中,若一个体素在计算过程中,有不少于S1次在步骤(3)结束时被判定为预前景数据,则该体素被判定为前景数据,否则为背景数据,S1的取值为50。
优选地,所述步骤(5)中,采用最邻近聚类方法对所述前景数据进行聚类,获得一个或多个体素集,聚类的距离阈值T4为1.0~20.0。
优选地,所述步骤(5)中,将聚类后的结果反射到体素内的原始点上后,对前景数据进行膨胀核为E1、E2、E3的膨胀操作,其中,其中,E1、E2、E3的取值均为1至21之间的奇数,进一步地,E1、E2、E3的取值均为5。
与现有技术相比,本发明具有以下有益的技术效果:
(1)在对采集到的大量点云数据进行处理前,通过本方法可以有选择地去除大部分离群点,减弱设备和环境噪声的影响,同时降低后续处理的工作量,增强数据的有效性,有助于后期图像的重构,达到图像增强的目的。
(2)本发明可以根据不同的设备和环境,通过人为地设定参数值,达到不同程度地去除离群点的目的,而不需要重新修改系统的程序,方便快捷,具有很强的实用性和灵活性。
(3)本发明的分割方法效率高,通过采用特别的算法完成三维声纳点云的图像增强,程序运行时间短,数据处理速度快,满足实时性的要求。
附图说明
图1是本实施例提供的基于ViBe的三维声纳点云图像分割方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
图1是本实施例提供的基于ViBe的三维声纳点云图像分割方法的流程图。如图1所示,本实施例提供的三维声纳点云图像分割方法,包括以下步骤:
S101,获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据。
实施例中,将三维声纳深度图像数据由球积坐标转为直角坐标,以获得正交坐标系下的点云数据。
S102,对总体点云数据直接进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素。
本实施例中,R取值为六个分段值,分别为16*16*16、64*64*64、84*84*64、112*112*64、140*140*64、176*176*64。
S103,利用ViBe算法对下采样过的点云数据进行图像分割。具体过程为:
(a)对于每个体素:在体素的N-邻域中,随机选取n个点作为该体素的样本空间;
(b)对某一帧点云图像进行分割时,将该帧的每个体素与该帧点云图像相对应的同坐标的样本空间进行相似度计数,当体素与样本空间中的一个点的强度差小于阈值T1时,拟合计数器C1加1,若比对完整个样本空间且C1大于等于阈值T2时,则认为该体素为背景数据,否则为预前景数据;
(c)在对每一帧点云图像进行分割时,若一个前景点超过阈值T3次被判定为预前景数据,则该体素改为背景数据;
(d)若一个体素为背景数据,则其有1/α的概率更新对应坐标的样本空间的一个点,也有1/α的概率更新自己的一个邻域的样本空间的一个点。
其中,α的取值一般为2-50,本实施例中,α取值为16,T1的取值为1,T2的取值为2,T3的取值为50,T4的取值为2。
S104,利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据。
具体地,若一个体素在计算的过程中,有不少于S次在步骤(3)结束时被判定为预前景数据,则该体素被判定为前景数据,否则为背景数据,本实施例中,S为50。
S105,对所述前景数据进行聚类后,以体素内原始点为中心,对所述前景数据进行膨胀操作,以获得最终的前景点云数据。
对于体素外一些孤立的点,这些点有可能是前景数据,但是没有在体素内,为了获得较准确的分割结果,采用膨胀操作以解决此问题,具体地,采用最邻近聚类方法对所述前景数据进行聚类,获得一个或多个体素集,聚类的距离阈值T4为2,然后,将聚类后的结果反射到体素内的原始点上后,对前景数据进行膨胀核为E1、E2、E3的膨胀操作,其中,E1取值为5,E2取值为5,E3取值为5
本实施例提供的分割方法能够完成三维声纳点云的图像增强,程序运行时间短,数据处理速度快,满足实时性的要求。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于ViBe的三维声纳点云图像分割方法,其特征在于,包括以下步骤:
(1)获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据;
(2)对所述点云数据进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素;
(3)利用ViBe算法对下采样过的点云数据进行图像分割;
(4)利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据;
(5)对所述前景数据进行聚类后,以体素内原始点为中心,对所述前景数据进行膨胀操作,以获得最终的前景点云数据。
2.如权利要求1所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,对总体点云数据直接进行下采样获得多个紧邻的边长为R的体素。
3.如权利要求1所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,依次对部分点云数据进行分段下采样获得多个紧邻的边长为R的体素。
4.如权利要求1所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,所述步骤(3)的具体步骤为:
(3-1)对于每个体素:在体素的N-邻域中,随机选取n个点作为该体素的样本空间;
(3-2)对某一帧点云图像进行分割时,将该帧的每个体素与该帧点云图像相对应的同坐标的样本空间进行相似度计数,当体素与样本空间中的一个点的强度差小于阈值T1时,拟合计数器C1加1,若比对完整个样本空间且C1大于等于阈值T2时,则认为该体素为背景数据,否则为预前景数据;
(3-3)在对每一帧点云图像进行分割时,若一个前景点超过阈值T3次被判定为预前景数据,则该体素改为背景数据;
(3-4)若一个体素为背景数据,则其有1/α的概率更新对应坐标的样本空间的一个点,也有1/α的概率更新自己的一个邻域的样本空间的一个点。
5.如权利要求1所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,所述步骤(4)中,若一个体素在计算过程中,有不少于S1次在步骤(3)结束时被判定为预前景数据,则该体素被判定为前景数据,否则为背景数据。
6.如权利要求1所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,所述步骤(5)中,采用最邻近聚类方法对所述前景数据进行聚类,获得一个或多个体素集,聚类的距离阈值T4为1.0~20.0。
7.如权利要求1或6所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,所述步骤(5)中,将聚类后的结果反射到体素内的原始点上后,对前景数据进行膨胀核为E1、E2、E3的膨胀操作,其中,E1、E2、E3的取值均为1至21之间的奇数。
8.如权利要求4所述的基于ViBe的三维声纳点云图像分割方法,其特征在于,所述阈值T1的取值为0.01~10000.00,阈值T2的取值为1至样本空间点数,阈值T3的取值为10~100。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810208737.0A CN108537814B (zh) | 2018-03-14 | 2018-03-14 | 一种基于ViBe的三维声纳点云图像分割方法 |
US16/980,390 US11443437B2 (en) | 2018-03-14 | 2018-10-22 | Vibe-based three-dimensional sonar point cloud image segmentation method |
PCT/CN2018/111148 WO2019174236A1 (zh) | 2018-03-14 | 2018-10-22 | 一种基于ViBe的三维声纳点云图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810208737.0A CN108537814B (zh) | 2018-03-14 | 2018-03-14 | 一种基于ViBe的三维声纳点云图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537814A true CN108537814A (zh) | 2018-09-14 |
CN108537814B CN108537814B (zh) | 2019-09-03 |
Family
ID=63483841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810208737.0A Active CN108537814B (zh) | 2018-03-14 | 2018-03-14 | 一种基于ViBe的三维声纳点云图像分割方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11443437B2 (zh) |
CN (1) | CN108537814B (zh) |
WO (1) | WO2019174236A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493325A (zh) * | 2018-10-23 | 2019-03-19 | 清华大学 | 基于ct影像的肿瘤异质性分析系统 |
WO2019174236A1 (zh) * | 2018-03-14 | 2019-09-19 | 浙江大学 | 一种基于ViBe的三维声纳点云图像分割方法 |
CN113496160A (zh) * | 2020-03-20 | 2021-10-12 | 百度在线网络技术(北京)有限公司 | 三维物体检测方法、装置、电子设备和存储介质 |
CN116184357A (zh) * | 2023-03-07 | 2023-05-30 | 之江实验室 | 一种地面点云数据处理方法、装置、电子装置和存储介质 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599506B (zh) * | 2019-10-16 | 2023-03-24 | 湖南大学 | 一种复杂异形曲面机器人三维测量的点云分割方法 |
CN111612806B (zh) * | 2020-01-10 | 2023-07-28 | 江西理工大学 | 一种建筑物立面窗户提取方法及装置 |
CN112465908B (zh) * | 2020-11-30 | 2023-09-22 | 深圳市优必选科技股份有限公司 | 一种物体定位方法、装置、终端设备及存储介质 |
US20220292290A1 (en) * | 2021-03-09 | 2022-09-15 | Pony Ai Inc. | Distributed computing network to perform simultaneous localization and mapping |
CN113379755B (zh) * | 2021-04-09 | 2024-03-12 | 南京航空航天大学 | 一种基于图的乱序场景下3d点云物体实例分割方法 |
CN113205465B (zh) * | 2021-04-29 | 2024-04-19 | 上海应用技术大学 | 点云数据集分割方法及系统 |
CN113536232B (zh) * | 2021-06-28 | 2023-03-21 | 上海科技大学 | 用于无人驾驶中激光点云定位的正态分布变换方法 |
CN114240990B (zh) * | 2021-12-07 | 2023-04-28 | 电子科技大学 | Sar图像点目标分割方法 |
CN115063436B (zh) * | 2022-06-01 | 2024-05-10 | 电子科技大学 | 一种基于深度区域投影的大面积弱纹理工件扫描点云分割方法 |
CN115797659B (zh) * | 2023-01-09 | 2023-05-02 | 思看科技(杭州)股份有限公司 | 数据拼接方法、三维扫描系统、电子装置和存储介质 |
CN116363371B (zh) * | 2023-05-26 | 2023-08-01 | 山东大学 | 一种基于帧间相似性的点云分割方法 |
CN117409152B (zh) * | 2023-12-15 | 2024-03-15 | 山东绿城家居有限公司 | 一种用于自动化编织筐三维仿真方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600622A (zh) * | 2016-12-06 | 2017-04-26 | 西安电子科技大学 | 一种基于超体素的点云数据分割方法 |
CN107133966A (zh) * | 2017-03-30 | 2017-09-05 | 浙江大学 | 一种基于采样一致性算法的三维声纳图像背景分割方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8170642B2 (en) * | 2007-01-11 | 2012-05-01 | Siemens Aktiengesellschaft | Method and system for lymph node detection using multiple MR sequences |
US9191643B2 (en) | 2013-04-15 | 2015-11-17 | Microsoft Technology Licensing, Llc | Mixing infrared and color component data point clouds |
EP3191264A4 (en) * | 2014-09-12 | 2018-04-25 | University of Washington | Integration of auxiliary sensors with point cloud-based haptic rendering and virtual fixtures |
US10008035B1 (en) * | 2015-05-18 | 2018-06-26 | Blue River Technology Inc. | System and method of virtual plant field modelling |
CN108537814B (zh) * | 2018-03-14 | 2019-09-03 | 浙江大学 | 一种基于ViBe的三维声纳点云图像分割方法 |
-
2018
- 2018-03-14 CN CN201810208737.0A patent/CN108537814B/zh active Active
- 2018-10-22 WO PCT/CN2018/111148 patent/WO2019174236A1/zh active Application Filing
- 2018-10-22 US US16/980,390 patent/US11443437B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600622A (zh) * | 2016-12-06 | 2017-04-26 | 西安电子科技大学 | 一种基于超体素的点云数据分割方法 |
CN107133966A (zh) * | 2017-03-30 | 2017-09-05 | 浙江大学 | 一种基于采样一致性算法的三维声纳图像背景分割方法 |
Non-Patent Citations (1)
Title |
---|
吕嘉卿等: "基于视觉背景提取的自适应运动目标提取算法", 《计算机应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019174236A1 (zh) * | 2018-03-14 | 2019-09-19 | 浙江大学 | 一种基于ViBe的三维声纳点云图像分割方法 |
CN109493325A (zh) * | 2018-10-23 | 2019-03-19 | 清华大学 | 基于ct影像的肿瘤异质性分析系统 |
CN109493325B (zh) * | 2018-10-23 | 2021-02-26 | 清华大学 | 基于ct影像的肿瘤异质性分析系统 |
CN113496160A (zh) * | 2020-03-20 | 2021-10-12 | 百度在线网络技术(北京)有限公司 | 三维物体检测方法、装置、电子设备和存储介质 |
CN116184357A (zh) * | 2023-03-07 | 2023-05-30 | 之江实验室 | 一种地面点云数据处理方法、装置、电子装置和存储介质 |
CN116184357B (zh) * | 2023-03-07 | 2023-08-15 | 之江实验室 | 一种地面点云数据处理方法、装置、电子装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108537814B (zh) | 2019-09-03 |
US20210049769A1 (en) | 2021-02-18 |
WO2019174236A1 (zh) | 2019-09-19 |
US11443437B2 (en) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537814B (zh) | 一种基于ViBe的三维声纳点云图像分割方法 | |
CN106918813B (zh) | 一种基于距离统计的三维声纳点云图像增强方法 | |
CN101719275B (zh) | 图像特征点提取和实现方法、图像拷贝检测方法及其系统 | |
CN110346808B (zh) | 一种激光雷达的点云数据处理方法和系统 | |
WO2016173260A1 (zh) | 基于广义圆柱体的三维模型分割方法及装置 | |
CN111524117A (zh) | 一种基于特征金字塔网络的隧道表面缺陷检测方法 | |
CN111043988A (zh) | 一种基于图形学和深度学习的单张条纹投影测量方法 | |
CN109978888A (zh) | 一种图像分割方法、装置及计算机可读存储介质 | |
CN109871829A (zh) | 一种基于深度学习的检测模型训练方法和装置 | |
CN115098717A (zh) | 三维模型检索方法、装置、电子设备及存储介质 | |
CN114519778A (zh) | 多角度sar数据的目标三维重构方法、装置、设备及介质 | |
CN114462486A (zh) | 图像处理模型的训练方法、图像处理方法及相关装置 | |
CN108596910A (zh) | 一种基于单高斯模型的三维声纳点云图像分割方法 | |
DE102011013776A1 (de) | Verfahren zur Erfassung und/oder Verfolgung von Objekten | |
Dziubich et al. | Depth images filtering in distributed streaming | |
Zhao et al. | Principal direction-based Hough transform for line detection | |
CN114814796B (zh) | 基于高精度地图的水面可行驶区域提取方法、装置及设备 | |
CN113705432A (zh) | 一种模型训练、三维目标检测方法、装置、设备及介质 | |
CN114021031A (zh) | 理财产品信息推送方法及装置 | |
CN113724383A (zh) | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 | |
Yang et al. | Chef: convex hull of elliptic features for 3d blob detection | |
CN113870412A (zh) | 一种航空场景图像的处理方法、装置以及电子设备 | |
CN111553983A (zh) | 还原爆炸现场的三维空间建模方法、装置、设备和介质 | |
CN110795521B (zh) | 获取复杂空间的人员分布态势信息的方法和装置 | |
CN112348949B (zh) | 隧道超前地质预报异常体三维标注绘制方法及系统 |
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 |