CN109459759B - 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 - Google Patents
基于四旋翼无人机激光雷达系统的城市地形三维重建方法 Download PDFInfo
- Publication number
- CN109459759B CN109459759B CN201811344145.8A CN201811344145A CN109459759B CN 109459759 B CN109459759 B CN 109459759B CN 201811344145 A CN201811344145 A CN 201811344145A CN 109459759 B CN109459759 B CN 109459759B
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- data
- data set
- cloud data
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明公开了一种四旋翼无人机激光雷达系统的城市地形三维重建方法,其步骤包括:1数据获取;2数据整合;3坐标系转换4点云去噪;5点云抽稀;6模型可视化。本发明能实现实时自动化地表三维重建,无需人工参与,比从运动中恢复结构等传统图像三维重建方法精度更高速度更快,可用于各种类型的低成本快速地表三维重建。
Description
技术领域
本发明机器视觉领域,具体的说是一种基于四旋翼无人机LiDAR系统的城市地形三维重建方法。
背景技术
随着无人机技术的发展,消费级无人机价格不断下降,以及激光雷达的小型化便携化,中小型无人机搭载激光雷达进行地理测绘成为可能。目前无人机Lidar测绘普遍使用地面标靶定位和地面基站配合的方式,但使用起来对不同地貌的适应能力性不强,需要提前人为勘探,去测绘地点周围树立标靶,过程繁琐效率低。同时取得的点云数据需要在基站进行离线处理,实时性不够好。
近年来,随着计算机视觉的发展和图形计算能力的增强,也出现了依靠序列式图像从运动中恢复结构的方法来对城市地形进行三维建模的技术,但通过拍摄图片建模精度不够高,容易出现模型空洞和扭曲,建模后的调整依赖人为参与,进行手工编辑和优化。导致模型不够精准,容易混入人为主观因素。诸如百度地图等地图的三维地图功能也依赖于人工建模,自动化建模比例较低。
发明内容
本发明为了解决上述现有技术存在的不足之处,提供一种基于四旋翼无人机激光雷达系统的城市地形三维重建方法,以期能够快速低成本的对一片目标区域进行扫描,从而实现自动化实时城市地形的三维重建,并保证较高的建模精度和较好的鲁棒性。
为解决上述技术问题,本发明采用如下技术方案是:
本发明一种基于四旋翼无人机激光雷达系统的城市地形三维重建方法的特点是按如下步骤进行:
步骤1、数据获取:
步骤1.1、利用四旋翼无人机上的机载GPS实时获取自身RMC格式的定位信息集合并按照顺序逐帧发送给地面基站用于存储,其中任意第α条定位信息包括:第α个GPS时间戳RMCα.timestamp,第α个经纬度RMCα.position,第α个航向信息RMCα.track;
步骤1.2、利用四旋翼无人机上的机载激光雷达获取城市地形数据集合D并按照顺序逐帧发送给地面基站用于存储,其中任意第j条城市地形数据dj包含:第j个点号dj.PointID、第j个空间坐标点(xj,yj,zj)、第j个调节时间dj.adjustedtime、第j个方位角dj.Azimuth、第j个距离dj.Distance、第j个反射强度dj.Intensity、第j个雷达通道dj.Laser_id、第j个点时间戳dj.timestamp;
步骤2、数据整合:
从所述城市地形数据集合D和定位信息集合中选取满足式(1)的各条城市地形数据和定位信息,从而得到n个数据并构成数据集Pfit:
dj.timestamp=RMCα.timestamp (1)
步骤3、坐标系转换:
步骤3.1、利用式(2)将所述数据集Pfit中第i个数据中的空间坐标点(xi,yi,zi)平移到第一条数据中的空间坐标点的坐标系中,从而得到平移后的第i个空间坐标点(xi′,yi′,zi′),进而得到平移后的n个空间坐标点:
步骤3.2、利用式(3)将所述数据集Pfit中平移后的第i个空间坐标点(x′i,y′i,z′i)绕x轴进行旋转,得到旋转后的第i个空间坐标点(x″i,y″i,z″i),进而得到旋转后的n个空间坐标点:
将所述旋转后的n个空间坐标点作为n个点云数据,并记为P={p1,p2,...,pi,...,pn};其中,pi表示旋转后的第i个空间坐标点(x″i,y″i,z″i);
步骤4、点云去噪:
步骤4.1、利用阈值法获得所述n个点云数据PN中的无效点云数据并将所述无效点云数据清零,从而得到去除后的点云数据集;
步骤4.2、利用距离和数量双约束的KNN算法来对所述去除后的点云数据集进行去噪和平顺处理,得到去噪后的点云数据集;
步骤5、点云抽稀:
使用基于K-means++聚类的点云精简算法对所述去噪后的点云数据集进行抽稀处理,得到抽稀后的点云数据;
步骤6、对所述稀后的点云数据可视化处理,从而得到城市地形的三维点云模型。
本发明所述的城市地形三维重建方法的特点也在于,所述步骤4.2是按如下过程进行:
步骤4.2.4、计算第m个球内所有点的重心Om,并计算任意一点到重心Oi的距离dis(Om,pm),如果dis(Om,pm)<c×r,则不作处理,否则,利用式(4)将任意一点按概率和权重w向重心移动,得到移动后的第m个点
式(4)中,c和w是分别处于0到1之间的一个常数,d是随机数阀值;
所述步骤5是按如下过程进行:
步骤5.1、定义变量v,并初始化v=1;利用式(5)得到聚类中心的个数k;
式(5)中,g是一个比例系数,且为大于1的常数,ceil(·)表示向上取整函数;
步骤5.5、判断v+1>k是否成立,若成立,则执行步骤5.6;否则,返回步骤5.3;
步骤5.6、利用K-means算法对所述初始点集C进行聚类,得到k个聚类中心,记为C'={c′1,c′2,...,c′v,...,c′k}并作为抽稀后的点云数据集。
与现有技术相比,本发明有益效果体现在:
1、本发明使用电驱无人机和激光雷达采集点云,不需要油动飞行器和飞行员即可完成每一架次采集任务,使用成本低,采集周期短;软件自动处理和建模,不需要复杂的前期勘探和后期模型制作,从而避免了人工干预带来的误差,鲁棒性高;
2、本发明采用时间戳数据整合方法可以有效的匹配GPS数据和激光雷达数据,加快了数据整合的速度,提高了从海量点云数据中提取有效数据的效率,可以对不同类型的地形进行三维重建。
3、本发明采用距离和数量双约束的KNN算法可以自动去除离群点和噪点,同时能够对点云进行一定程度的平滑,加快了去燥速度。
4、本发明采用基于K-means++聚类的点云精简算法可以很好的保持原点云的几何特征和宏观外形,减少了相邻帧扫描点云的重叠度,克服了匹配误差和近表面噪点带来的点云夹层化问题。
附图说明
图1为本发明方法流程示意图;
图2为本发明方法实施系统示意图;
图中标号:1无人机平台;2激光雷达;3GPS模块;4无线发射模块;5计算机;6地表。
具体实施方式
本实施例中,如图1所示,一种基于四旋翼无人机激光雷达系统的城市地形三维重建方法是按如下步骤进行:
步骤1、数据获取:
步骤1.1、利用四旋翼无人机上的机载GPS实时获取自身RMC格式的定位信息集合并按照顺序逐帧发送给地面基站用于存储,其中任意第α条定位信息包括:第α个GPS时间戳RMCα.timestamp,第α个经纬度RMCα.position,第α个航向信息RMCα.track;
步骤1.2、利用四旋翼无人机上的机载激光雷达获取城市地形数据集合D并按照顺序逐帧发送给地面基站用于存储,其中任意第j条城市地形数据dj包含:第j个点号dj.PointID、第j个空间坐标点(xj,yj,zj)、第j个调节时间dj.adjustedtime、第j个方位角dj.Azimuth、第j个距离dj.Distance、第j个反射强度dj.Intensity、第j个雷达通道dj.Laser_id、第j个点时间戳dj.timestamp,其中空间坐标点所处笛卡尔坐标系是以雷达质心为原点,雷达质心与扫描90度的连线为x轴正方向,雷达质心与扫描0度的连线为y轴正方向,垂直激光发射器旋转台的旋转平面向下方向为z轴正方向,每条数据坐标点的空间坐标系都以雷达质心此刻位置为原点;
步骤2、数据整合:
从城市地形数据集合D和定位信息集合中选取满足式(1)的各条城市地形数据和定位信息,从而得到n个数据并构成数据集Pfit,Pfit中任意第i条城市地形数据包含:第i个点号第i个空间坐标点(xi,yi,zi)、第i个调节时间第i个方位角第i个距离第i个反射强度第i个雷达通道第i个点时间戳第i个经纬度第i个航向信息即Pfit为P中满足式(1)的数据与RMC中满足式(1)的数据的并集:
dj.timestamp=RMCα.timestamp (1)
步骤3、坐标系转换:将每一帧点云数据统一转换到第一帧的坐标系中,先平移再旋转
步骤3.1、利用式(2)将数据集Pfit中第i个数据中的空间坐标点(xi,yi,zi)平移到第一条数据中的空间坐标点的坐标系中,从而得到平移后的第i个空间坐标点(x′i,y′i,z′i),进而得到平移后的n个空间坐标点:
步骤3.2、利用式(3)将数据集Pfit中平移后的第i个空间坐标点(xi′,yi′,zi′)绕x轴进行旋转,得到旋转后的第i个空间坐标点(x″i,y″i,z″i),进而得到旋转后的n个空间坐标点:
将旋转后的n个空间坐标点作为n个点云数据,并记为P={p1,p2,...,pi,...,pn};其中,pi表示旋转后的第i个空间坐标点(x″i,y″i,z″i);
步骤4、点云去噪:
步骤4.1、利用阈值法获得n个点云数据PN中的无效点云数据,本实例中将雷达扫描平面的上半面,即方位角Azimuth处于180°到360°的点,以及离雷达距离过近,即距离值Distance小于1m的不符合要求的点云数据清零从而得到去除后的点云数据集;
步骤4.2、利用距离和数量双约束的KNN算法来对去除后的点云数据集进行去噪和平顺处理,得到去噪后的点云数据集;
步骤4.2.4、计算第m个球内所有点的重心Om,并计算任意一点到重心Oi的距离dis(Om,pm),如果dis(Om,pm)<c×r,则不作处理,否则,利用式(4)将任意一点按概率和权重w向重心移动,得到移动后的第m个点
式(4)中,c和w是分别处于0到1之间的一个常数,d是随机数阀值,引入概率是为了防止出现过度聚集,分别通过距离c×r和数量n对点云数据进行双重约束;
步骤5、点云抽稀:
使用基于K-means++聚类的点云精简算法对去噪后的点云数据集进行抽稀处理,得到抽稀后的点云数据;具体的说,
步骤5.1、定义变量v,并初始化v=1;利用式(5)得到聚类中心的个数k;
式(5)中,M是点云总数量,k为抽稀后的点云个数,可以通过g来调节抽稀的效果,g是一个比例系数,且为大于1的常数,ceil(·)表示向上取整函数;
步骤5.5、判断v+1>k是否成立,若成立,则执行步骤5.6;否则,返回步骤5.3;
步骤5.6、利用K-means算法对初始点集C进行聚类,得到k个聚类中心,记为C'={c′1,c′2,...,c′v,...,c′k}并作为抽稀后的点云数据集;
其中K-means聚类过程是:
步骤5.6.1首先将上述初始点集C={c1,c2,...,cv,...,ck}作为初始聚类中心;
步骤5.6.2然后分别计算周围点到这些聚类中心的距离,按照距离的靠近程度将剩余点划分到不同的类中,计算类中各点到聚类中心的距离方差;
步骤5.6.4重复步骤5.6.2,得到聚类中心位置不再变化的k个聚类中心。
步骤6、对稀后的点云数据可视化处理,从而得到城市地形的三维点云模型。点云rgb值按照坐标系Z轴高程值由小到大,由蓝色向红色逐渐渐变。
图2所示为本发明方法实施系统示意图,无人机平台1搭载激光雷达2、GPS模块3和无线发射模块4,对地表6发射激光并接收,将GPS的RMC数据和地形点云数据通过无线发射模块4传输给计算机5,在计算机5中按本发明方法进行数据处理,最终获得地表的三维重建模型。
Claims (2)
1.一种基于四旋翼无人机激光雷达系统的城市地形三维重建方法,其特征是按如下步骤进行:
步骤1、数据获取:
步骤1.1、利用四旋翼无人机上的机载GPS实时获取自身RMC格式的定位信息集合并按照顺序逐帧发送给地面基站用于存储,其中任意第α条定位信息包括:第α个GPS时间戳RMCα.timestamp,第α个经纬度RMCα.position,第α个航向信息RMCα.track;
步骤1.2、利用四旋翼无人机上的机载激光雷达获取城市地形数据集合D并按照顺序逐帧发送给地面基站用于存储,其中任意第j条城市地形数据dj包含:第j个点号dj.PointID、第j个空间坐标点(xj,yj,zj)、第j个调节时间dj.adjustedtime、第j个方位角dj.Azimuth、第j个距离dj.Distance、第j个反射强度dj.Intensity、第j个雷达通道dj.Laser_id、第j个点时间戳dj.timestamp;
步骤2、数据整合:
从所述城市地形数据集合D和定位信息集合中选取满足式(1)的各条城市地形数据和定位信息,从而得到n个数据并构成数据集Pfit:
dj.timestamp=RMCα.timestamp(1)
步骤3、坐标系转换:
步骤3.1、利用式(2)将所述数据集Pfit中第i个数据中的空间坐标点(xi,yi,zi)平移到第一条数据中的空间坐标点的坐标系中,从而得到平移后的第i个空间坐标点(xi′,yi′,zi′),进而得到平移后的n个空间坐标点:
步骤3.2、利用式(3)将所述数据集Pfit中平移后的第i个空间坐标点(x′i,y′i,z′i)绕x轴进行旋转,得到旋转后的第i个空间坐标点(x″i,y″i,z″i),进而得到旋转后的n个空间坐标点:
将所述旋转后的n个空间坐标点作为n个点云数据,并记为P={p1,p2,...,pi,...,pn};其中,pi表示旋转后的第i个空间坐标点(x″i,y″i,z″i);
步骤4、点云去噪:
步骤4.1、利用阈值法获得所述n个点云数据PN中的无效点云数据并将所述无效点云数据清零,从而得到去除后的点云数据集;
步骤4.2、利用距离和数量双约束的KNN算法来对所述去除后的点云数据集进行去噪和平顺处理,得到去噪后的点云数据集;
步骤4.2.4、计算第m个球内所有点的重心Om,并计算任意一点到重心Oi的距离dis(Om,pm),如果dis(Om,pm)<c×r,则不作处理,否则,利用式(4)将任意一点按概率和权重w向重心移动,得到移动后的第m个点
式(4)中,c和w是分别处于0到1之间的一个常数,d是随机数阀值;
步骤5、点云抽稀:
使用基于K-means++聚类的点云精简算法对所述去噪后的点云数据集进行抽稀处理,得到抽稀后的点云数据;
步骤6、对所述稀后的点云数据可视化处理,从而得到城市地形的三维点云模型。
2.根据权利要求1所述的城市地形三维重建方法,其特征是:所述步骤5是按如下过程进行:
步骤5.1、定义变量v,并初始化v=1;利用式(5)得到聚类中心的个数k;
式(5)中,M是点云总数量,g是一个比例系数,且为大于1的常数,ceil(·)表示向上取整函数;
步骤5.5、判断v+1>k是否成立,若成立,则执行步骤5.6;否则,返回步骤5.3;
步骤5.6、利用K-means算法对所述初始点集C进行聚类,得到k个聚类中心,记为C'={c′1,c′2,...,c′v,...,c′k}并作为抽稀后的点云数据集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811344145.8A CN109459759B (zh) | 2018-11-13 | 2018-11-13 | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811344145.8A CN109459759B (zh) | 2018-11-13 | 2018-11-13 | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109459759A CN109459759A (zh) | 2019-03-12 |
CN109459759B true CN109459759B (zh) | 2020-06-30 |
Family
ID=65610220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811344145.8A Active CN109459759B (zh) | 2018-11-13 | 2018-11-13 | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109459759B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111374B (zh) * | 2019-04-29 | 2020-11-17 | 上海电机学院 | 基于分组阶梯式阈值判断的激光点云匹配方法 |
CN111368635B (zh) * | 2020-02-05 | 2021-05-25 | 北京邮电大学 | 一种基于毫米波的多人步态识别方法及装置 |
CN111340942A (zh) * | 2020-02-25 | 2020-06-26 | 电子科技大学 | 一种基于无人机的三维重建系统及其方法 |
CN117036647B (zh) * | 2023-10-10 | 2023-12-12 | 中国电建集团昆明勘测设计研究院有限公司 | 基于倾斜实景三维模型的地面曲面提取方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101977436A (zh) * | 2010-11-01 | 2011-02-16 | 哈尔滨工业大学 | 基于wlan室内定位的移动用户位置坐标修正方法 |
CN102381481A (zh) * | 2011-08-01 | 2012-03-21 | 四川省科学城久利科技实业有限责任公司 | 一种无人机机载激光雷达系统 |
CN102881219A (zh) * | 2012-09-20 | 2013-01-16 | 北京林业大学 | 果树定位地图构建装置及方法 |
CN102928846A (zh) * | 2012-10-24 | 2013-02-13 | 华南理工大学 | 小型无人直升机超低空激光雷达数字地形测绘系统及方法 |
CN103868521A (zh) * | 2014-02-20 | 2014-06-18 | 天津大学 | 基于激光雷达的四旋翼无人机自主定位及控制方法 |
CN104268576A (zh) * | 2014-10-11 | 2015-01-07 | 国家电网公司 | 一种基于tnn-svm的电力系统暂态稳定分类方法 |
CN104318616A (zh) * | 2014-11-07 | 2015-01-28 | 钟若飞 | 彩色点云系统及基于该系统的彩色点云生成方法 |
CN104408095A (zh) * | 2014-11-15 | 2015-03-11 | 北京广利核系统工程有限公司 | 一种基于改进的knn文本分类方法 |
CN104503339A (zh) * | 2015-01-05 | 2015-04-08 | 黑龙江工程学院 | 基于激光雷达和四轴飞行器的多分辨室内三维场景重构装置及方法 |
CN105203023A (zh) * | 2015-07-10 | 2015-12-30 | 中国人民解放军信息工程大学 | 一种车载三维激光扫描系统安置参数的一站式标定方法 |
CN105277950A (zh) * | 2015-09-29 | 2016-01-27 | 西安知几天线技术有限公司 | 基于车体坐标系的激光雷达坐标转换方法 |
CN106643494A (zh) * | 2016-12-22 | 2017-05-10 | 上海华测导航技术股份有限公司 | 一种矿山堆料体积测量方法及系统 |
CN107064954A (zh) * | 2017-05-24 | 2017-08-18 | 云南省交通规划设计研究院 | 一种基于车载和机载点云的公路地形图测绘方法和系统 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN107644230A (zh) * | 2017-09-15 | 2018-01-30 | 中国科学院遥感与数字地球研究所 | 一种遥感图像对象的空间关系建模方法 |
CN107808415A (zh) * | 2017-11-17 | 2018-03-16 | 中国科学院合肥物质科学研究院 | 基于机器视觉的鞋底边缘轨迹及涂胶位姿提取方法 |
CN108010092A (zh) * | 2017-12-26 | 2018-05-08 | 哈尔滨工业大学 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102325369B (zh) * | 2011-06-08 | 2014-09-24 | 哈尔滨工业大学 | 基于参考点位置优化的wlan室内单源线性wknn定位方法 |
CN102855609B (zh) * | 2012-07-30 | 2014-10-01 | 南京大学 | 集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法 |
JP2020505694A (ja) * | 2017-01-19 | 2020-02-20 | ブイトラス,インク. | Uavおよび他の自律車両のための屋内マッピングおよびモジュラー制御、ならびに関連するシステムおよび方法 |
CN107071743B (zh) * | 2017-03-20 | 2020-06-19 | 华南理工大学 | 一种基于随机森林的快速KNN室内WiFi定位方法 |
-
2018
- 2018-11-13 CN CN201811344145.8A patent/CN109459759B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101977436A (zh) * | 2010-11-01 | 2011-02-16 | 哈尔滨工业大学 | 基于wlan室内定位的移动用户位置坐标修正方法 |
CN102381481A (zh) * | 2011-08-01 | 2012-03-21 | 四川省科学城久利科技实业有限责任公司 | 一种无人机机载激光雷达系统 |
CN102881219A (zh) * | 2012-09-20 | 2013-01-16 | 北京林业大学 | 果树定位地图构建装置及方法 |
CN102928846A (zh) * | 2012-10-24 | 2013-02-13 | 华南理工大学 | 小型无人直升机超低空激光雷达数字地形测绘系统及方法 |
CN103868521A (zh) * | 2014-02-20 | 2014-06-18 | 天津大学 | 基于激光雷达的四旋翼无人机自主定位及控制方法 |
CN104268576A (zh) * | 2014-10-11 | 2015-01-07 | 国家电网公司 | 一种基于tnn-svm的电力系统暂态稳定分类方法 |
CN104318616A (zh) * | 2014-11-07 | 2015-01-28 | 钟若飞 | 彩色点云系统及基于该系统的彩色点云生成方法 |
CN104408095A (zh) * | 2014-11-15 | 2015-03-11 | 北京广利核系统工程有限公司 | 一种基于改进的knn文本分类方法 |
CN104503339A (zh) * | 2015-01-05 | 2015-04-08 | 黑龙江工程学院 | 基于激光雷达和四轴飞行器的多分辨室内三维场景重构装置及方法 |
CN105203023A (zh) * | 2015-07-10 | 2015-12-30 | 中国人民解放军信息工程大学 | 一种车载三维激光扫描系统安置参数的一站式标定方法 |
CN105277950A (zh) * | 2015-09-29 | 2016-01-27 | 西安知几天线技术有限公司 | 基于车体坐标系的激光雷达坐标转换方法 |
CN106643494A (zh) * | 2016-12-22 | 2017-05-10 | 上海华测导航技术股份有限公司 | 一种矿山堆料体积测量方法及系统 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN107064954A (zh) * | 2017-05-24 | 2017-08-18 | 云南省交通规划设计研究院 | 一种基于车载和机载点云的公路地形图测绘方法和系统 |
CN107644230A (zh) * | 2017-09-15 | 2018-01-30 | 中国科学院遥感与数字地球研究所 | 一种遥感图像对象的空间关系建模方法 |
CN107808415A (zh) * | 2017-11-17 | 2018-03-16 | 中国科学院合肥物质科学研究院 | 基于机器视觉的鞋底边缘轨迹及涂胶位姿提取方法 |
CN108010092A (zh) * | 2017-12-26 | 2018-05-08 | 哈尔滨工业大学 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
Non-Patent Citations (3)
Title |
---|
High-Order Distance-Based Multiview Stochastic Learning in Image Classification;Jun Yu,Yong Rui,Yuan Yan Tang,Dacheng Tao;《IEEE Transactions on Cybernetics》;20140317;第44卷(第12期);2431-2442 * |
回波强度约束下的无人机LiDAR点云K-means聚类滤波;李沛婷,赵庆展,陈洪;《地球信息科学学报》;20180424;第20卷(第4期);471-479 * |
基于激光扫描数据的三维重建关键技术研究;潘建刚;《中国优秀硕士学位论文全文数据库 信息科技辑》;20050815;17、20-21 * |
Also Published As
Publication number | Publication date |
---|---|
CN109459759A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109459759B (zh) | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 | |
CN107194989B (zh) | 基于无人机飞机航拍的交通事故现场三维重建系统及方法 | |
CN109724603A (zh) | 一种基于环境特征检测的室内机器人导航方法 | |
CN103426165A (zh) | 一种地面激光点云与无人机影像重建点云的精配准方法 | |
CN113359782B (zh) | 一种融合lidar点云与图像数据的无人机自主选址降落方法 | |
CN103413352A (zh) | 基于rgbd多传感器融合的场景三维重建方法 | |
CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
CN112414417B (zh) | 自动驾驶地图生成方法、装置、电子设备及可读存储介质 | |
CN113470090A (zh) | 基于sift-shot特征的多固态激光雷达外参标定方法 | |
CN107798695B (zh) | 使用地理弧的3d交通工具定位 | |
CN112947526B (zh) | 一种无人机自主降落方法和系统 | |
CN113516108B (zh) | 基于数据识别的工地抑尘数据匹配处理方法 | |
CN110908374A (zh) | 一种基于ros平台的山地果园避障系统及方法 | |
CN107153831A (zh) | 智能终端的定位方法、系统及智能终端 | |
CN115032648A (zh) | 一种基于激光雷达密集点云的三维目标识别与定位方法 | |
CN112393735B (zh) | 定位方法及装置、存储介质、电子装置 | |
CN111340942A (zh) | 一种基于无人机的三维重建系统及其方法 | |
CN113343858A (zh) | 路网地理位置识别方法、装置、电子设备及存储介质 | |
CN114815871A (zh) | 一种基于视觉的垂直起降无人机动平台自主降落方法 | |
WO2021081958A1 (zh) | 地形检测方法、可移动平台、控制设备、系统及存储介质 | |
CN107610216B (zh) | 基于粒子群优化多视角立体点云生成方法及应用的摄像机 | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN111612829B (zh) | 一种高精度地图的构建方法、系统、终端和存储介质 | |
JP2020153956A (ja) | 移動体位置推定システムおよび移動体位置推定方法 | |
CN111523392B (zh) | 一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法 |
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 |