CN108805143A - 一种基于切片点云的数据特征提取方法 - Google Patents
一种基于切片点云的数据特征提取方法 Download PDFInfo
- Publication number
- CN108805143A CN108805143A CN201810553300.0A CN201810553300A CN108805143A CN 108805143 A CN108805143 A CN 108805143A CN 201810553300 A CN201810553300 A CN 201810553300A CN 108805143 A CN108805143 A CN 108805143A
- Authority
- CN
- China
- Prior art keywords
- point
- straight line
- line
- cloud
- value
- 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 31
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 241001212149 Cathetus Species 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 241001394244 Planea Species 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- 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
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于切片点云的数据特征提取方法,包括:切片生成,将离散点云集Ω={p1,p2,...,pN},pi={xi,yi,zi}∈R3生成点云切片;空间变换,确定图像空间中共线的点以及参数空间中相交的线的关系;特征线提取,求图像空间XY里从n个方向经过(xi,yi)的直线所对应的(λ,θ)坐标,斜率p=tanθ,根据q=‑xp+y计算q取平均值,特征直线方程y=px+q。若为直线点云,某行角度值对应的λ值的标准差有极小值,对应点在同一直线上;当为图形点云,某行角度对应的λ值之间误差≤0.05m,对应点在同一直线上。当图形点云中直线的θ值之差为0′~20′,λ值之差≤0.05m,相应直线认为是同一直线。若图形点云中包含空洞,若相邻特征线的距离d>0.5m,认为是自然中断,若相邻特征线的距离d≤0.5m,认为是同一条直线。
Description
技术领域
本发明属于三维图像处理领域,具体涉及一种基于切片点云的数据特征提取方法。
背景技术
三维激光扫描技术以获取被测物体三维轮廓数据为目的,能够非接触式地快速准确获取其表面三维空间位置坐标,是整个三维数据获取和重构技术体系中最新的技术,它借助于计算机软件处理,用点、线、多边形、曲线、曲面等形式将立体模型描述出来,重建出实体的表面模型。随着算法理论、计算机能力和精密工业技术研究的深入和发展完善,人们对空间三维信息的需求更加迫切,三维激光扫描技术已在众多领域得到了广泛的应用,比如说文物保护、电影特技、测绘工程、环境监测和逆向建模等方面。但是如何从海量点云中快速精确地提取实体的特征线是三维激光扫描技术实现从二维到三维模型重构,实现三维数据可视化及矢量化的关键问题。
中国发明专利CN201710389006.6公开了一种基于协方差矩阵和投影映射的点云特征曲线提取方法。该方法利用协方差矩阵的特征值作为特征聚成多个带状聚类,然后在各个聚类内部根据主方向提取出关键特征点,将关键特征点投影到以该关键点为中心的利用移动最小二乘法拟合出的局部曲面上,形成光滑的特征线。解决了现有特征线提取方法存在对模型细微特征不敏感、时间代价高、抗噪性较差的缺点。
又如中国发明专利CN201210210773.3公开了基于分步三维空间-特征域映射的点云直线特征提取方法,该方法首先对每个点进行邻域搜索,并用邻域点集确定某点的空间方向,通过在参数空间观察指向分布找出可能存在的直线方向。将原始点云按照提取的直线方向投影,在二维平面直线上的点理论上会汇聚于一个区域内,对投影点借用近邻函数准则算法原理进行分析,估计直线的投影点,从而得到各直线的全部参数。它主要适用于从三维点云中提取直线特征,方便目标相对姿态的测量,属于三维测量和机器视觉技术领域。
发明内容
本发明要解决的问题是提供一种三维激光扫描技术过程中,物体三维扫描数据的特征提取方法,该方法计算速度快,提取效率高,提取的特征线精度高,光顺性好。
为解决上述问题,本发明采取如下技术方案,一种基于切片点云的数据特征提取方法,该方法的具体步骤如下:
步骤一:切片生成,将扫描实体后获得的空间中的离散点云集Ω={p1,p2,...,pN},pi={xi,yi,zi}∈R3生成点云切片,其中N为点云数量,具体通过步骤1.1、1.2、1.3实现;
步骤1.1:将空间中的离散点云集Ω沿着指定轴ω切片,沿ω方向构建一平面族Γ(ω1,ω2,...,ωN+1),从而将点云分割成若干分割块Bωi;
步骤1.2:选取步骤1.1中所得分割块Bωi平行于xoy平面的中轴面Eωn,ωn=(ωi+ωi+1)/2,平面即为ω方向上的求交面;
步骤1.3:将分割块Bωi中的数据点向求交面投影,得到点集S,点集S的坐标范围为(xmin,ymin,zmin)~(xmax,ymax,zmax),点集S即为切片数据;
步骤二:空间变换,确定图像空间中共线的点以及参数空间中相交的线的关系,具体通过步骤2.1、2.2、2.3实现;
步骤2.1:将步骤一中生成的点集S向xoy平面投影,得到离散点集z={k1,k2,...,kN},ki={xi,yi}∈R2;
步骤2.2:在图像空间XY里,所有过点(xi,yi)的直线方程为y=px+q,其中p为斜率,q为截距;
步骤2.3:将步骤2.2中得到的直线方程改写成如下形式q=-xp+y,改写后的直线方程可以看成参数空间PQ中过点(p,q)的一条直线;
步骤三:特征线提取,具体通过步骤3.1、3.2、3.3、3.4实现;
步骤3.1:将步骤2.3中所得的直线方程改写为极坐标方程的形式,λ=x cosθ+ysinθ,其中λ表示直线到原点的距离,θ为该直线的垂线与X轴的夹角;
步骤3.2:求图像空间XY里从n个方向经过点(xi,yi),的直线对应的(λ,θ)坐标,n=1080~10800;
步骤3.3:将求得的λ值排列成一个n*N的矩阵,矩阵的每一行代表在某个θ角度上每个点的λ值;
步骤3.4:当点云集为直线点云时,若某行角度值对应的λ值的标准差存在极小值,此极小值对应的点可认为在同一条直线上,则根据此极小值对应的角度计算直线斜率p=tanθ,根据步骤2.3中的直线方程q=-xp+y计算截距q后取平均值;
当点云集为图形点云时,若某行角度对应的λ值之间的误差≤0.05m,则这些对应点可认为在同一条直线上,对应的角度θ和距离λ即为特征直线斜率和截距计算的重要参数,斜率p=tanθ,根据步骤2.3中的直线方程q=-xp+y计算截距q后取平均值;
根据计算得到的p,q值得到特征直线方程y=px+q。
进一步的,步骤1.1中所述分割块Bωi的厚度其中k=1~50,H为实体高度。
进一步的,当图形点云中直线的角度θ值之差为0′~20′,λ值之间的差≤0.05m,则相应的直线认为是同一条直线。
进一步的,当图形点云中包含点云空洞时,若相邻特征线段的距离d>0.5m,则认为是特征的自然中断,若相邻特征线段的距离d≤0.5m,则认为是同一条直线,则进行补缺。
与现有技术相比,本发明提供的技术方案具有以下优点:
(1)切片生成时控制投影带宽度k=1~50,将切片点云的厚度控制在合理范围内,控制运算量的同时保证了点云投影后的特征不丢失;
(2)特征线提取过程中采用极坐标方程来表示直线,可以避免直线斜率接近无穷而导致计算量过大,从而避免了计算过程的冗余,提高特征线提取的效率;
(3)特征点提取时考察点集中每个点在n个方向上的直线,n=1080~10800,此时检测实现的角度精度为1′~10′,因角度分辨率引起的特征线的偏差在10米处仍可保证小于0.3~3厘米,确保了特征线提取的精度;
(4)当图形点云中直线的角度θ值之差为0′~20′,λ值之间的差≤0.05m,则相应的直线认为是同一条直线,即通过设定筛选阈值,避免当图形点云中存在近似平行直线时,相邻角度的统计特征之间相互干扰,有较好的抑噪能力;
(5)当图形点云中包含点云空洞时,若相邻特征线段的距离d>0.5m,则认为是特征的自然中断,若相邻特征线段的距离d≤0.5m,则认为是同一条直线,则进行补缺,有较好的弥补点云空洞的能力。
附图说明
图1为1号建筑的三维点云;
图2为1号建筑的切片点云;
图3为1号建筑的特征线图;
图4为2号建筑的三维点云;
图5为2号建筑的切片点云;
图6为2号建筑的特征线图;
图7为3号建筑的三维点云。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面对本发明内容做进一步详细说明。
本发明提供了一种基于切片点云的数据特征提取方法,该方法的具体步骤如下:
步骤一:切片生成,将扫描实体后获得的空间中的离散点云集Ω={p1,p2,...,pN},pi={xi,yi,zi}∈R3生成点云切片,其中N为点云数量,实体高度为H,具体通过步骤1.1、1.2、1.3实现;
步骤1.1:将空间中的离散点云集Ω沿着指定轴ω切片,沿ω方向构建一平面族Γ(ω1,ω2,...,ωN+1),从而将点云分割成若干分割块Bωi;
步骤1.2:考察步骤1.1中所得分割块Bωi平行于xoy平面的中轴面ωn=(ωi+ωi+1)/2,分割块Bωi的厚度其中k=5,平面即为ω方向上的求交面;
步骤1.3:将分割块Bωi中的数据点向求交面投影,得到点集S,点集S的坐标范围为(xmin,ymin,zmin)~(xmax,ymax,zmax),点集S即为切片数据;
步骤二:空间变换,确定图像空间中共线的点以及参数空间中相交的线的关系,具体通过步骤2.1、2.2、2.3实现;
步骤2.1:将步骤一中生成的点集S向xoy平面投影,得到离散点集z={k1,k2,...,kN},ki={xi,yi}∈R2;
步骤2.2:在图像空间XY里,所有过点(xi,yi)的直线方程为y=px+q,其中p为斜率,q为截距;
步骤2.3:将步骤2.2中得到的直线方程改写成如下形式q=一xp+y,改写后的直线方程可以看成参数空间PQ中过点(p,q)的一条直线,由此可知在图像空间中共线的点与在参数空间里相交的线相对应,反之,在参数空间里相交于同一个点的所有直线在图像空间里都有共线的点与之对应;
步骤三:特征线提取,具体通过步骤3.1、3.2、3.3、3.4实现;
步骤3.1:将步骤2.3中所得的直线方程改写为极坐标方程的形式,λ=x cosθ+ysinθ,其中λ表示直线到原点的距离,θ为该直线的垂线与X轴的夹角;
步骤3.2:求图像空间XY里从n个方向经过点(xi,yi),的直线对应的(λ,θ)坐标,n=1080~10800,当多个点在某个角度θ对应的λ值近似相等时,可以认为这些点在同一条直线上当多个点在某个角度θ对应的λ值近似相等时,可以认为这些点在同一条直线上;
步骤3.3:将求得的λ值排列成一个n*N的矩阵,矩阵的每一行代表在某个θ角度上每个点的λ值;
步骤3.4:当点云集为直线点云时,若某行角度值对应的λ值的标准差存在极小值,此极小值对应的点可认为在同一条直线上,则根据此极小值对应的角度计算直线斜率p=tanθ,根据步骤2.3中的直线方程q=-xp+y计算截距q后取平均值;
当点云集为图形点云时,若某行角度对应的λ值在一个或几个微小的数值范围内广泛聚集,具体的若某行角度对应的λ值之间的误差≤0.05m,这些对应点可认为在同一条直线上。则聚集区内对应的角度θ和距离λ即为特征直线斜率和截距计算的重要参数,斜率p=tanθ,根据步骤2.3中的直线方程q=-xp+y计算截距q后取平均值;
根据计算得到的p,q值得到特征直线方程y=px+q。
当图形点云中包含近似平行直线时,相邻角度行的统计特征具有一定的欺骗性,故需借助一个严格的阈值进行筛选。当图形点云中直线的角度θ值之差为0′~20′,λ值之间的差≤0.05m,则相应的直线认为是同一条直线。对于判定为在同一直线上的点,本申请所述方法不对这些点进行拟合,直接将首、尾特征点相连,大大降低了计算的时间成本,也从根本上解决了拟合过程中产生的锯齿线段。
对因点云空洞引起的特征中断,本文给定了一个阈值,若相邻特征线段的距离d>0.5m,则认为是特征的自然中断,若相邻特征线段的距离d≤0.5m,则认为是同一条直线,则进行补缺。
实施例1
如图1所示,1号建筑为传统的矩形建筑,包括屋檐、柱廊和门窗等主要主体结构,1号建筑共有原始点云数6863653,切片高度6.72米,本实施例中k取值22.6,通过式得到本实施例中切片点云的厚度为3cm,切片数量42695。如图2所示,1号建筑原始点云生成的切片点云整体相对完整,且属于规则形状,但其中包含了一些噪点和空洞。从图3中可以看出,1号建筑切片电源中的噪点对轮廓线产生了影响,生成了局部的短线段,而点云中较小的空洞并没有对特征线产生影响,1号建筑整体的轮廓线相对完整。
实施例2
如图4所示,2号建筑为异型建筑且有挑廊、弧廊和阁楼,原始点云数,2378943,切片高度7.95米,本实施例中k取值26.5,通过式汁算得到厚度为3cm,数量17733。如图5所示,2号建筑切片点云中虽然没有噪点和空洞,但包含了不规则的弧线,整体形状也较为复杂。如图6所示,2号建筑切片点云虽然相对复杂,但没有噪点和空洞的影响,故轮廓整体更为完整,而在弧线段特征线会生成相对较密的线段集,且特征线的最大外点与起点构成的直线与特征线的夹角小于10′。
实施例3
如图7所示,3号建筑包含宗地83户,共200个房屋,房屋以两层建筑为主,建筑多有柱廊、阳台、主房门窗一般多于5个,且部分有异型结构。在点云采集时没有可以对局部进行扫描,数据具有一般性,包含大量的非目标点,同时局部点云缺失和噪点情况也较为普遍。
测试过程中使用传统测量方式采集了该区域54个特征点,将采用传统方法采集的特征点坐标与本文申请提供的方法所得到的特征点进行精度对比,对比的情况表2、表3所示。同时还对特征轮廓线的拓扑的正确率和中断数也进行了相关统计,如表4所示。
表2特征线精度检查情况表
表3特征线检查精度统计表
表4特征线的拓扑的正确率和中断数检查表
拓扑正确 | 拓扑错误 | 中断数 | 特征边总数 | |
个数 | 931 | 96 | 137 | 1164 |
百分比 | 80% | 8.2% | 11.8% | 100% |
由表2中数据根据中误差计算公式可得X方向的中误差为±1.6cm,Y方向中误差为±1.8cm,平面位置中误差为±2.4cm。从表3中可以看出,进行对比的54个特征点中,96.7%的点的特征线精度分布在2M以下(M表示中误差,此处取5cm为项目标准)。从表4中可以看出,拓扑错误百分比为8.2%,拓扑中断百分比为11.8%,因此本申请所提供的数据特征提取方法的精度、准确度具有良好的表现。但对于一些复杂区域存在一定的拓扑错误和特征线中断的现象,主要影响因素是点云空洞。
上述内容对实施例做了详细的说明,但本发明不受上述实施方式和实施例的限制,在不脱离本发明宗旨的前提下,在本领域技术人员所具备的知识范围内还可以对其进行各种变化和改进,这些变化和改进均落入本发明要保护的范围之内。
Claims (4)
1.一种基于切片点云的数据特征提取方法,其特征在于:该方法的具体步骤如下:
步骤一:切片生成,将扫描实体后获得的空间中的离散点云集Ω={p1,p2,...,pN},pi={xi,yi,zi}∈R3生成点云切片,其中N为点云数量,具体通过步骤1.1、1.2、1.3实现;
步骤1.1:将空间中的离散点云集Ω沿着指定轴ω切片,沿ω方向构建一平面族Γ(ω1,ω2,...,ωN+1),从而将点云分割成若干分割块Bωi;
步骤1.2:选取步骤1.1中所得分割块Bωi平行于xoy平面的中轴面ωn=(ωi+ωi+1)/2,中轴面即为ω方向上的求交面;
步骤1.3:将分割块Bωi中的数据点向求交面投影,得到点集S,点集S的坐标范围为(xmin,ymin,zmin)~(xmax,ymax,zmax),点集S即为切片数据;
步骤二:空间变换,确定图像空间中共线的点以及参数空间中相交的线的关系,具体通过步骤2.1、2.2、2.3实现;
步骤2.1:将步骤一中生成的点集S向xoy平面投影,得到离散点集z={k1,k2,...,kN},ki={xi,yi}∈R2;
步骤2.2:在图像空间XY里,所有过点(xi,yi)的直线方程为y=px+q,其中p为斜率,q为截距;
步骤2.3:将步骤2.2中得到的直线方程改写成如下形式q=-xp+y,改写后的直线方程可以看成参数空间PQ中过点(p,q)的一条直线;
步骤三:特征线提取,具体通过步骤3.1、3.2、3.3、3.4实现;
步骤3.1:将步骤2.3中所得的直线方程改写为极坐标方程的形式,λ=xcosθ+ysinθ,其中λ表示直线到原点的距离,θ为该直线的垂线与X轴的夹角;
步骤3.2:求图像空间XY里从n个方向经过点(xi,yi),的直线对应的(λ,θ)坐标,n=1080~10800;
步骤3.3:将求得的λ值排列成一个n*N的矩阵,矩阵的每一行代表在某个θ角度上每个点的λ值;
步骤3.4:当点云集为直线点云时,若某行角度值对应的λ值的标准差存在极小值,此极小值对应的点可认为在同一条直线上,则根据此极小值对应的角度计算直线斜率p=tanθ,根据步骤2.3中的直线方程q=-xp+y计算截距q后取平均值;
当点云集为图形点云时,若某行角度对应的λ值之间的误差≤0.05m,则这些对应点可认为在同一条直线上,对应的角度θ和距离λ即为特征直线斜率和截距计算的重要参数,斜率p=tanθ,根据步骤2.3中的直线方程q=-xp+y计算截距q后取平均值;
根据计算得到的p,q值得到特征直线方程y=px+q。
2.根据权利要求1所述的数据特征提取方法,其特征在于:步骤1.1中所述分割块Bωi的厚度其中k=1~50,H为实体高度。
3.根据权利要求2所述的数据特征提取方法,其特征在于:当图形点云中直线的角度θ值之差为0′~20′,λ值之间的差≤0.05m,则相应的直线认为是同一条直线。
4.根据权利要求3所述的数据特征提取方法,其特征在于:当图形点云中包含点云空洞时,若相邻特征线段的距离d>0.5m,则认为是特征的自然中断,若相邻特征线段的距离d≤0.5m,则认为是同一条直线,则进行补缺。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553300.0A CN108805143B (zh) | 2018-06-01 | 2018-06-01 | 一种基于切片点云的数据特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553300.0A CN108805143B (zh) | 2018-06-01 | 2018-06-01 | 一种基于切片点云的数据特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805143A true CN108805143A (zh) | 2018-11-13 |
CN108805143B CN108805143B (zh) | 2019-04-23 |
Family
ID=64090063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810553300.0A Active CN108805143B (zh) | 2018-06-01 | 2018-06-01 | 一种基于切片点云的数据特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805143B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766404A (zh) * | 2019-02-12 | 2019-05-17 | 湖北亿咖通科技有限公司 | 点云处理方法、装置及计算机可读存储介质 |
CN110415331A (zh) * | 2019-06-14 | 2019-11-05 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 |
CN111696159A (zh) * | 2020-06-15 | 2020-09-22 | 湖北亿咖通科技有限公司 | 激光里程计的特征存储方法、电子设备和存储介质 |
WO2020238111A1 (zh) * | 2019-05-27 | 2020-12-03 | 浙江大学 | 一种基于半峰值概率密度分布的三维重建方法 |
CN112184539A (zh) * | 2020-11-27 | 2021-01-05 | 深兰人工智能(深圳)有限公司 | 点云数据处理方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750449A (zh) * | 2012-06-20 | 2012-10-24 | 北京航空航天大学 | 基于分步三维空间-特征域映射的点云直线特征提取方法 |
CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
US9286538B1 (en) * | 2014-05-01 | 2016-03-15 | Hrl Laboratories, Llc | Adaptive 3D to 2D projection for different height slices and extraction of robust morphological features for 3D object recognition |
CN105701798A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 柱状物体的点云提取方法及装置 |
US20170046840A1 (en) * | 2015-08-11 | 2017-02-16 | Nokia Technologies Oy | Non-Rigid Registration for Large-Scale Space-Time 3D Point Cloud Alignment |
CN106709475A (zh) * | 2017-01-22 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读存储介质 |
CN107274423A (zh) * | 2017-05-26 | 2017-10-20 | 中北大学 | 一种基于协方差矩阵和投影映射的点云特征曲线提取方法 |
-
2018
- 2018-06-01 CN CN201810553300.0A patent/CN108805143B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750449A (zh) * | 2012-06-20 | 2012-10-24 | 北京航空航天大学 | 基于分步三维空间-特征域映射的点云直线特征提取方法 |
CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
US9286538B1 (en) * | 2014-05-01 | 2016-03-15 | Hrl Laboratories, Llc | Adaptive 3D to 2D projection for different height slices and extraction of robust morphological features for 3D object recognition |
US20170046840A1 (en) * | 2015-08-11 | 2017-02-16 | Nokia Technologies Oy | Non-Rigid Registration for Large-Scale Space-Time 3D Point Cloud Alignment |
CN105701798A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 柱状物体的点云提取方法及装置 |
CN106709475A (zh) * | 2017-01-22 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读存储介质 |
CN107274423A (zh) * | 2017-05-26 | 2017-10-20 | 中北大学 | 一种基于协方差矩阵和投影映射的点云特征曲线提取方法 |
Non-Patent Citations (7)
Title |
---|
DORIT BORRMANN 等: "The 3D Hough Transform for Plane Detection in Point Clouds: A", 《3D RESEARCH》 * |
LUO DE-AN 等: "Mining wooden pillar features from point cloud", 《2009 INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND COMPUTER SCIENCE》 * |
S. M. IMAN ZOLANVARI 等: "Slicing Method for curved facade and window extraction from point clouds", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
杨振清 等: "基于点云切片的边界提取", 《计算机应用与软件》 * |
甄宗坤 等: "基于面状几何基元的特征自动提取技术", 《水利与建筑工程学报》 * |
秦家鑫 等: "一种建筑物点云轮廓线的自动提取方法", 《遥感信息》 * |
程效军 等: "海量点云数据轮廓特征线的快速生成算法", 《同济大学学报(自然科学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766404A (zh) * | 2019-02-12 | 2019-05-17 | 湖北亿咖通科技有限公司 | 点云处理方法、装置及计算机可读存储介质 |
CN109766404B (zh) * | 2019-02-12 | 2020-12-15 | 湖北亿咖通科技有限公司 | 点云处理方法、装置及计算机可读存储介质 |
WO2020238111A1 (zh) * | 2019-05-27 | 2020-12-03 | 浙江大学 | 一种基于半峰值概率密度分布的三维重建方法 |
CN110415331A (zh) * | 2019-06-14 | 2019-11-05 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 |
CN110415331B (zh) * | 2019-06-14 | 2022-08-19 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 |
CN111696159A (zh) * | 2020-06-15 | 2020-09-22 | 湖北亿咖通科技有限公司 | 激光里程计的特征存储方法、电子设备和存储介质 |
CN111696159B (zh) * | 2020-06-15 | 2021-06-11 | 湖北亿咖通科技有限公司 | 激光里程计的特征存储方法、电子设备和存储介质 |
CN112184539A (zh) * | 2020-11-27 | 2021-01-05 | 深兰人工智能(深圳)有限公司 | 点云数据处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108805143B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805143B (zh) | 一种基于切片点云的数据特征提取方法 | |
CN110189412B (zh) | 基于激光点云的多楼层室内结构化三维建模方法及系统 | |
Zhou et al. | 2.5 d dual contouring: A robust approach to creating building models from aerial lidar point clouds | |
CN102136155B (zh) | 基于三维激光扫描数据的物体立面矢量化方法和系统 | |
CN103020342B (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN107610061B (zh) | 一种基于二维投影的保边点云孔洞修补方法 | |
CN105133840B (zh) | 一种双曲面吊顶的施工方法 | |
CN101082988A (zh) | 自动的深度图像配准方法 | |
CN104851126B (zh) | 基于广义圆柱体的三维模型分割方法及装置 | |
CN101510086B (zh) | 产品三角网格模型的多轴数控加工刀轨生成方法 | |
CN104898556B (zh) | 由成形刀具确定被加工螺旋曲面廓形的点矢量包络法 | |
US20240153123A1 (en) | Isogeometric Analysis Method Based on a Geometric Reconstruction Model | |
CN106482700B (zh) | 一种草图直接成图的数字化房产面积测量方法 | |
CN106097431A (zh) | 一种基于三维栅格地图的物体整体识别方法 | |
CN107220964A (zh) | 一种线状特征提取用于地质危岩体稳定性评估方法 | |
CN111524103A (zh) | 一种基于三维激光点云的圆型隧道中轴线提取方法 | |
CN109683552A (zh) | 一种基面曲线导向的复杂点云模型上的数控加工路径生成方法 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN104851127A (zh) | 一种基于交互的建筑物点云模型纹理映射方法及装置 | |
Bodenmüller et al. | Online surface reconstruction from unorganized 3d-points for the DLR hand-guided scanner system | |
CN114611359A (zh) | 一种网格-参数混合模型建模方法和系统 | |
CN109783842A (zh) | 一种基于体素数据的射线检测方法及系统 | |
CN109033028A (zh) | 一种点云主曲率计算方法 | |
Sun et al. | Triangular mesh construction based on point cloud matrix and edge feature extraction | |
Tanaka et al. | Accuracy-based sampling and reconstruction with adaptive grid for parallel hierarchical tetrahedrization |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 215000 surveying and mapping geographic information building, No. 101, Suhong Middle Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee after: Yuance Information Technology Co.,Ltd. Address before: 215000 surveying and mapping geographic information building, No. 101, Suhong Middle Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: SUZHOU INDUSTRIAL PARK SURVEYING MAPPING AND GEOINFORMATION Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |