CN109213763B - 车载激光扫描点云的组织管理方法及系统 - Google Patents
车载激光扫描点云的组织管理方法及系统 Download PDFInfo
- Publication number
- CN109213763B CN109213763B CN201810930774.2A CN201810930774A CN109213763B CN 109213763 B CN109213763 B CN 109213763B CN 201810930774 A CN201810930774 A CN 201810930774A CN 109213763 B CN109213763 B CN 109213763B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vector
- cloud data
- data
- cutting
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 36
- 230000008520 organization Effects 0.000 title claims abstract description 34
- 238000005520 cutting process Methods 0.000 claims abstract description 60
- 238000003860 storage Methods 0.000 claims description 13
- 230000009191 jumping Effects 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种车载激光扫描点云的组织管理方法，其包括如下步骤：S1、从车载激光扫描点云数据中提取二维矢量数据；S2、建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；S3、将二维矢量数据与点云数据进行关联并存储。本发明还提供一种车载激光扫描点云的组织管理系统。
Description
技术领域
本发明涉及大范围点云数据的组织管理技术领域，特别涉及一种车载激光扫描点云的组织管理方法及系统。
背景技术
随着自动驾驶技术的发展，车载三维激光扫描技术得到广泛运用。基于该技术的自动驾驶车辆可以获取大量的三维时空条带型点云数据。这些点云数据可以运用到高精度地图生产、自动驾驶仿真测试、智慧城市等领域。这些领域，特别是高精度地图生产领域，需要管理的数据为大范围海量的。
与传统矢量数据相比，单位里程点云数据的容量可以达到1GB以上，因此大范围海量点云数据的管理方法不同于传统矢量数据。
目前对于点云数据的组织管理，主要有两种思路：一.基于树状索引结构的管理方法，常见的树状索引结构有四叉树、KD树、KDB树、BSP树和R树等。二.基于文件形式使用分布式文件系统、NoSQL类数据库、对象存储等常见结构化或非结构化技术存储点云数据。思路一有利于后期数据处理某特定区域及相邻区域的点的查询、获取及可视化，但对于大范围分布不均匀的点云，树状索引的查询效率会随着层次变深急速下降。思路二借助成熟数据库系统有利于数据扩展、备份、容灾，但没有充分利用点云数据的空间属性。
发明内容
有鉴于此，本发明提出一种车载激光扫描点云的组织管理方法及系统。
一种车载激光扫描点云的组织管理方法，其包括如下步骤：
S1、从车载激光扫描点云数据中提取二维矢量数据；
S2、建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；
S3、将二维矢量数据与点云数据进行关联并存储。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S1包括：
S11、判断是否已存在与原始点云数据相关的载体行驶轨迹数据，如果已存在则跳转到步骤S15，否则跳转执行步骤S12；
S12、基于区域生长算法，利用法向量向上及道路边缘Z坐标突变的特征从原始点云数据中提取道路面点云数据；
S13、将道路面点云数据按照正射投影的方式得到特征图像，其中图像的像素值取对应范围的点的Z坐标的均值；
S14、利用数学形态学算子提取包含Z坐标的道路中心骨架线，并通过道路面点云数据建立原始点云数据与中心骨架线的对应关系；
S15、对道路中心骨架线从平面和高度上进行平滑处理，并去掉由非采集区域点云数据产生的分支。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S2包括：
S21、对步骤S1得到的载体行驶轨迹或道路中心骨架线，即矢量线进行格网切割，记录切割前后的矢量线的对应关系。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S3包括：
获取一条切割后的矢量线；然后，根据矢量线对应关系找到切割前的矢量线，根据点云数据与矢量线的对应关系找到对应的原始点云数据；然后，通过切割后的矢量线的端点且垂直于矢量线的切割线切割点云数据；最后，建立切割后的矢量线与切割后的点云数据的对应关系；
将切割后的矢量线的形状数据存储到数据库中，将切割后的点云文件的存储路径以属性的形式存储到矢量线上。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S21之后还包括：
S22、对属于一个网格且存在相交的矢量线，按照Z坐标从低往高进行排序。
本发明还提供一种车载激光扫描点云的组织管理系统，其包括如下单元：
数据提取单元，用于从车载激光扫描点云数据中提取二维矢量数据；
索引单元，用于建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；
关联存储单元，用于将二维矢量数据与点云数据进行关联并存储。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述数据提取单元包括：
判断子单元，用于判断是否已存在与原始点云数据相关的载体行驶轨迹数据，如果已存在则跳转到处理子单元，否则跳转执行提取子单元；
提取子单元，用于基于区域生长算法，利用法向量向上及道路边缘Z坐标突变的特征从原始点云数据中提取道路面点云数据；
投影子单元，用于将道路面点云数据按照正射投影的方式得到特征图像，其中图像的像素值取对应范围的点的Z坐标的均值；
对应子单元，用于利用数学形态学算子提取包含Z坐标的道路中心骨架线，并通过道路面点云数据建立原始点云数据与中心骨架线的对应关系；
处理子单元，用于对道路中心骨架线从平面和高度上进行平滑处理，并去掉由非采集区域点云数据产生的分支。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述索引单元包括：
切割子单元，用于对数据提取单元得到的载体行驶轨迹或道路中心骨架线，即矢量线进行格网切割，记录切割前后的矢量线的对应关系。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述关联存储单元包括：
获取一条切割后的矢量线；然后，根据矢量线对应关系找到切割前的矢量线，根据点云数据与矢量线的对应关系找到对应的原始点云数据；然后，通过切割后的矢量线的端点且垂直于矢量线的切割线切割点云数据；最后，建立切割后的矢量线与切割后的点云数据的对应关系；
将切割后的矢量线的形状数据存储到数据库中，将切割后的点云文件的存储路径以属性的形式存储到矢量线上。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述索引单元还包括：
排序子单元，用于对属于一个网格且存在相交的矢量线，按照Z坐标从低往高进行排序。
实施本发明提供的车载激光扫描点云的组织管理方法及系统与现有技术相比具有以下有益效果：通过二维矢量数据管理大范围点云数据，可以充分利用二维矢量数据的格网空间索引快速查找和获取对应的点云文件；利用二维矢量数据的可视化，可以直观查看点云数据的整体覆盖情况。
附图说明
图1是车载激光扫描点云的组织管理方法流程图；
图2是网格索引示意图。
具体实施方式
如图1、一种车载激光扫描点云的组织管理方法，其包括如下步骤：
S1、从车载激光扫描点云数据中提取二维矢量数据；
点云数据：是一组以点的形式记录且每个点包含x、y、z三维坐标及其他信息的数据。
S2、建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；
网格索引示意图如图2所示，计算空间点到坐标轴的距离，计为w，h；计算空间点所在网格的行列号，计为col，row；col＝w/w0row＝h/h0。计算空间点所在网格的编号，计为GridID；GridID＝row<<32|col。网格的编号即是网格索引的编号。
建立格网空间索引即先计算每个点的格网编号并进行切割。建立步骤：1.设置全局坐标系原点坐标(X0，Y0)，宜选择二维矢量数据的外接矩形左下角以保证步骤2计算格网位置时不出现负值。2.对二维矢量数据按照等大小的矩形网格进行切割：根据每个点的X，Y坐标与坐标原点的差值与格网的宽和高，确定该点所在的格网位置(多少行、多少列)及网格编号。
S3、将二维矢量数据与点云数据进行关联并存储。
骨架线：是一组与原形状连通性和拓扑结构相一致的曲线。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S1包括：
S11、判断是否已存在与原始点云数据相关的载体行驶轨迹数据，如果已存在则跳转到步骤S15，否则跳转执行步骤S12；
S12、基于区域生长算法，利用法向量向上及道路边缘Z坐标突变的特征从原始点云数据中提取道路面点云数据；
区域生长算法：通过事先定义的生长规则将一个对象或区域逐步聚合为一个完整独立的连通区域的过程。
S13、将道路面点云数据按照正射投影的方式得到特征图像，其中图像的像素值取对应范围的点的Z坐标的均值；
S14、利用数学形态学算子提取包含Z坐标的道路中心骨架线，并通过道路面点云数据建立原始点云数据与中心骨架线的对应关系；
数学形态学算子：利用数学集合论方法对图像形状和结构进行图像分割、骨架提取、边缘检测等一组形态学操作或操作的组合。
S15、对道路中心骨架线从平面和高度上进行平滑处理，并去掉由非采集区域点云数据产生的分支。
通过步骤S11-步骤S15处理得到的二维矢量数据为道路中心骨架线或载体行驶轨迹。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S2包括：
S21、对步骤S1得到的载体行驶轨迹或道路中心骨架线，即矢量线进行格网切割，记录切割前后的矢量线的对应关系。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S3包括：
获取一条切割后的矢量线；然后，根据矢量线对应关系找到切割前的矢量线，根据点云数据与矢量线的对应关系找到对应的原始点云数据；然后，通过切割后的矢量线的端点且垂直于矢量线的切割线切割点云数据；最后，建立切割后的矢量线与切割后的点云数据的对应关系；
将切割后的矢量线的形状数据存储到数据库中，将切割后的点云文件的存储路径以属性的形式存储到矢量线上。
在本发明所述的车载激光扫描点云的组织管理方法中，
所述步骤S21之后还包括：
S22、对属于一个网格且存在相交的矢量线，按照Z坐标从低往高进行排序。
本优选实施例能够解决多层立交重叠的点云数据管理问题。
本发明还提供一种车载激光扫描点云的组织管理系统，其包括如下单元：
数据提取单元，用于从车载激光扫描点云数据中提取二维矢量数据；
索引单元，用于建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；
关联存储单元，用于将二维矢量数据与点云数据进行关联并存储。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述数据提取单元包括：
判断子单元，用于判断是否已存在与原始点云数据相关的载体行驶轨迹，如果已存在则跳转到处理子单元，否则跳转执行提取子单元；
提取子单元，用于基于区域生长算法，利用法向量向上及道路边缘Z坐标突变的特征从原始点云数据中提取道路面点云数据；
投影子单元，用于将道路面点云数据按照正射投影的方式得到特征图像，其中图像的像素值取对应范围的点的Z坐标的均值；
对应子单元，用于利用数学形态学算子提取包含Z坐标的道路中心骨架线，并通过道路面点云数据建立原始点云数据与中心骨架线的对应关系；
处理子单元，用于对道路中心骨架线从平面和高度上进行平滑处理，并去掉由非采集区域点云数据产生的分支。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述索引单元包括：
切割子单元，用于对数据提取单元得到的载体行驶轨迹或道路中心骨架线，即矢量线进行格网切割，记录切割前后的矢量线的对应关系。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述关联存储单元包括：
获取一条切割后的矢量线；然后，根据矢量线对应关系找到切割前的矢量线，根据点云数据与矢量线的对应关系找到对应的原始点云数据；然后，通过切割后的矢量线的端点且垂直于矢量线的切割线切割点云数据；最后，建立切割后的矢量线与切割后的点云数据的对应关系；
将切割后的矢量线的形状数据存储到数据库中，将切割后的点云文件的存储路径以属性的形式存储到矢量线上。
所述数据库存储格网编号和对应的矢量线，通过空间位置可以检索对应的网格编号，再检索到对应的矢量线。优选地，数据库可以为PostgreSQL。
在本发明所述的车载激光扫描点云的组织管理系统中，
所述索引单元还包括：
排序子单元，用于对属于一个网格且存在相交的矢量线，按照Z坐标从低往高进行排序。
实施本发明提供的车载激光扫描点云的组织管理方法及系统与现有技术相比具有以下有益效果：通过二维矢量数据管理大范围点云数据，可以充分利用二维矢量数据的格网空间索引快速查找和获取对应的点云文件；利用二维矢量数据的可视化，可以直观查看点云数据的整体覆盖情况。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (8)
1.一种车载激光扫描点云的组织管理方法，其特征在于，其包括如下步骤：
S1、从车载激光扫描点云数据中提取二维矢量数据；
S2、建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；
S3、将二维矢量数据与点云数据进行关联并存储；
所述步骤S1包括：
S11、判断是否已存在与原始点云数据相关的载体行驶轨迹，如果已存在则跳转到步骤S15，否则跳转执行步骤S12；
S12、基于区域生长算法，利用法向量向上及道路边缘Z坐标突变的特征从原始点云数据中提取道路面点云数据；
S13、将道路面点云数据按照正射投影的方式得到特征图像，其中图像的像素值取对应范围的点的Z坐标的均值；
S14、利用数学形态学算子提取包含Z坐标的道路中心骨架线，并通过道路面点云数据建立原始点云数据与中心骨架线的对应关系；
S15、对道路中心骨架线从平面和高度上进行平滑处理，并去掉由非采集区域点云数据产生的分支。
2.如权利要求1所述的车载激光扫描点云的组织管理方法，其特征在于，
所述步骤S2包括：
S21、对步骤S1得到的载体行驶轨迹或道路中心骨架线，即矢量线进行格网切割，记录切割前后的矢量线的对应关系。
3.如权利要求2所述的车载激光扫描点云的组织管理方法，其特征在于，
所述步骤S3包括：
获取一条切割后的矢量线；然后，根据矢量线对应关系找到切割前的矢量线，根据点云数据与矢量线的对应关系找到对应的原始点云数据；然后，通过切割后的矢量线的端点且垂直于矢量线的切割线切割点云数据；最后，建立切割后的矢量线与切割后的点云数据的对应关系；
将切割后的矢量线的形状数据存储到数据库中，将切割后的点云文件的存储路径以属性的形式存储到矢量线上。
4.如权利要求2所述的车载激光扫描点云的组织管理方法，其特征在于，
所述步骤S21之后还包括：
S22、对属于一个网格且存在相交的矢量线，按照Z坐标从低往高进行排序。
5.一种车载激光扫描点云的组织管理系统，其特征在于，其包括如下单元：
数据提取单元，用于从车载激光扫描点云数据中提取二维矢量数据；
索引单元，用于建立二维矢量数据空间索引，并对以二维矢量数据形式存在的中心骨架线进行格网切割；
关联存储单元，用于将二维矢量数据与点云数据进行关联并存储；
所述数据提取单元包括：
判断子单元，用于判断是否已存在与原始点云数据相关的载体行驶轨迹，如果已存在则跳转到处理子单元，否则跳转执行提取子单元；
提取子单元，用于基于区域生长算法，利用法向量向上及道路边缘Z坐标突变的特征从原始点云数据中提取道路面点云数据；
投影子单元，用于将道路面点云数据按照正射投影的方式得到特征图像，其中图像的像素值取对应范围的点的Z坐标的均值；
对应子单元，用于利用数学形态学算子提取包含Z坐标的道路中心骨架线，并通过道路面点云数据建立原始点云数据与中心骨架线的对应关系；
处理子单元，用于对道路中心骨架线从平面和高度上进行平滑处理，并去掉由非采集区域点云数据产生的分支。
6.如权利要求5所述的车载激光扫描点云的组织管理系统，其特征在于，
所述索引单元包括：
切割子单元，用于对数据提取单元得到的载体行驶轨迹或道路中心骨架线，即矢量线进行格网切割，记录切割前后的矢量线的对应关系。
7.如权利要求6所述的车载激光扫描点云的组织管理系统，其特征在于，
所述关联存储单元包括：
获取一条切割后的矢量线；然后，根据矢量线对应关系找到切割前的矢量线，根据点云数据与矢量线的对应关系找到对应的原始点云数据；然后，通过切割后的矢量线的端点且垂直于矢量线的切割线切割点云数据；最后，建立切割后的矢量线与切割后的点云数据的对应关系；
将切割后的矢量线的形状数据存储到数据库中，将切割后的点云文件的存储路径以属性的形式存储到矢量线上。
8.如权利要求6所述的车载激光扫描点云的组织管理系统，其特征在于，
所述索引单元还包括：
排序子单元，用于对属于一个网格且存在相交的矢量线，按照Z坐标从低往高进行排序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810930774.2A CN109213763B (zh) | 2018-08-15 | 2018-08-15 | 车载激光扫描点云的组织管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810930774.2A CN109213763B (zh) | 2018-08-15 | 2018-08-15 | 车载激光扫描点云的组织管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109213763A CN109213763A (zh) | 2019-01-15 |
| CN109213763B true CN109213763B (zh) | 2020-10-13 |
Family
ID=64988263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810930774.2A Active CN109213763B (zh) | 2018-08-15 | 2018-08-15 | 车载激光扫描点云的组织管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109213763B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110012252A (zh) * | 2019-04-09 | 2019-07-12 | 北京奥特贝睿科技有限公司 | 一种适用于自主驾驶仿真平台的快速图像存储方法以及系统 |
| CN110795978B (zh) * | 2019-04-29 | 2020-12-18 | 当家移动绿色互联网技术集团有限公司 | 路面点云数据提取方法、装置、存储介质及电子设备 |
| CN111159451B (zh) * | 2019-12-18 | 2022-07-01 | 广东省科学院广州地理研究所 | 一种基于空间数据库的电力线路点云动态单体化方法 |
| CN112598781A (zh) * | 2020-12-08 | 2021-04-02 | 上海欣能信息科技发展有限公司 | 一种电缆工井三维激光点云数据的建模方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324916A (zh) * | 2013-06-07 | 2013-09-25 | 南京大学 | 基于建筑轮廓的车载和航空LiDAR数据配准方法 |
| CN103390169A (zh) * | 2013-07-19 | 2013-11-13 | 武汉大学 | 一种车载激光扫描点云数据的城市地物分类方法 |
| CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9449227B2 (en) * | 2014-01-08 | 2016-09-20 | Here Global B.V. | Systems and methods for creating an aerial image |
| KR102671067B1 (ko) * | 2016-04-08 | 2024-05-30 | 팅크웨어(주) | 도로면 생성 방법, 도로면 생성 장치, 포인트 클라우드 데이터 처리 방법, 포인트 클라우드 데이터 처리 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
| CN106127771B (zh) * | 2016-06-28 | 2018-11-02 | 南京数联空间测绘科技有限公司 | 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 |
-
2018
- 2018-08-15 CN CN201810930774.2A patent/CN109213763B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324916A (zh) * | 2013-06-07 | 2013-09-25 | 南京大学 | 基于建筑轮廓的车载和航空LiDAR数据配准方法 |
| CN103390169A (zh) * | 2013-07-19 | 2013-11-13 | 武汉大学 | 一种车载激光扫描点云数据的城市地物分类方法 |
| CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
Non-Patent Citations (1)
| Title |
|---|
| OSM辅助的车载激光点云道路三维矢量边界提取;杨必胜等;《测绘科学技术》;20180428;第6卷(第2期);第182-140页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109213763A (zh) | 2019-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109213763B (zh) | 车载激光扫描点云的组织管理方法及系统 | |
| CN111192284B (zh) | 一种车载激光点云分割方法及系统 | |
| CN102520401B (zh) | 一种基于LiDAR数据的建筑物区域提取方法 | |
| CN108241712A (zh) | 一种地图数据处理方法和装置 | |
| CN105513127A (zh) | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 | |
| CN102298795A (zh) | Stl三角网格模型的三维分段方法 | |
| CN102521884A (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
| CN104751505A (zh) | 基于lod模型和四叉树层次结构的三维场景渲染算法 | |
| CN109816664A (zh) | 一种三维点云分割方法及装置 | |
| CN113724279B (zh) | 路网自动划分交通小区的系统、方法、设备及存储介质 | |
| CN105404898A (zh) | 一种松散型点云数据分割方法和设备 | |
| CN107229682A (zh) | 一种基于大型数据库的出租车位置数据处理方法 | |
| CN107391745A (zh) | 大规模空间数据分级快速索引方法和装置 | |
| CN105469355B (zh) | 基于城市三维模型提取2.5维地图建筑物轮廓的方法 | |
| CN115205690A (zh) | 基于mls点云数据的行道树单体化提取方法及装置 | |
| CN112527916A (zh) | 一种基于遥感影像的网格可视化定义与智能特征分析方法 | |
| 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 | |
| CN113032404B (zh) | 一种面向地表覆盖数据的图斑变化轨迹提取方法与系统 | |
| CN113361786B (zh) | 融合多源多维异构大数据的电力线路智能规划方法 | |
| CN106683164A (zh) | 一种海量三维数字城市模型组织管理方法 | |
| CN114255270A (zh) | 基于倾斜摄影技术的路基土石方自动算量方法和平台 | |
| CN109977190B (zh) | 面向大规模矢量地图数据的面积查询处理方法及装置 | |
| CN114863033B (zh) | 一种基于点云数模的断面提取方法 | |
| CN112516596B (zh) | 一种三维场景生成方法、装置、设备和存储介质 | |
| CN114463494A (zh) | 一种地形特征线自动提取算法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: The Organization and Management Method and System of Vehicle mounted Laser Scanning Point Cloud Granted publication date: 20201013 Pledgee: Productivity Promotion Center of Wuhan East Lake New Technology Development Zone Pledgor: WUHHAN KOTEL BIG DATE Corp. Registration number: Y2024980005100 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |