CN109636718B - 点云拼接质量的检测方法、装置、设备及存储介质 - Google Patents
点云拼接质量的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109636718B CN109636718B CN201811290725.3A CN201811290725A CN109636718B CN 109636718 B CN109636718 B CN 109636718B CN 201811290725 A CN201811290725 A CN 201811290725A CN 109636718 B CN109636718 B CN 109636718B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- points
- determining
- dimensional grid
- dimensional
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 19
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种点云拼接质量的检测方法、装置、设备及存储介质,通过从获取到的点云中提取地面点云;将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量。本申请实施例提供的技术方案能够准确的检测出点云的拼接质量,并同时兼顾高效、计算量低的优点。
Description
技术领域
本申请实施例涉及自动驾驶技术领域,尤其涉及一种点云拼接质量的检测方法、装置、设备及存储介质。
背景技术
在自动驾驶地图(高精地图、静态地图、定位地图等)制作过程中,点云拼接是至关重要的一步,其质量影响着所有地图的质量,而地图的质量又在很大程度上决定了自动驾驶的安全性,因此,为了保证自动驾驶安全,在自动驾驶地图的生成过程中需要严格把控点云的拼接质量,但是目前尚没有一种点云拼接质量检测方法能够同时满足高效、可靠,占用计算资源又少的要求。
发明内容
本申请实施例提供一种点云拼接质量的检测方法、装置、设备及存储介质,用以对点云的拼接质量进行检测。
本申请实施例第一方面提供一种点云拼接质量的检测方法,包括:
从获取到的点云中提取地面点云;
将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量。
本申请实施例第二方面提供一种拼接质量检测装置,包括:
提取模块,用于从获取到的点云中提取地面点云;
确定模块,用于将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量。
本申请实施例第三方面提供一种计算机设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述第一方面所述的方法。
本申请实施例第四方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的方法。
基于以上各方面:
本申请实施例通过从获取到的点云中提取地面点云,并将地面点云中的点投影到预设的二维网格中,基于地面点云中的点在二维网格中的投影的分布情况,确定点云的拼接质量。由于将点云投影到预设的二维网格中的操作非常简单,并且只需要根据投影在二维网格中的分布情况即可确定拼接质量,因而方法较简单,不需要复杂的计算即可得到准确的检测结果,实现了高可靠性、高效率和低计算量三者的兼顾。
应当理解,上述发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本公申请的其它特征将通过以下的描述变得容易理解。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的一种拼接错误的点云的示意图;
图1b是本发明实施例提供的又一种拼接错误的点云的示意图;
图2是本申请实施例提供的一种基于点云的杆状物识别方法的流程图;
图3是本申请实施例提供的一种点云拼接质量的检测方法的流程图;
图4a是本申请实施例提供的一个网格中的投影的示意图;
图4b是本申请实施例提供的多个网格中的投影的示意图;
图5是本申请实施例提供的一种拼接质量检测装置的结构示意图;
图6是本申请实施例提供的一种拼接质量检测装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1a是本发明实施例提供的一种拼接错误的点云的示意图,如图1a所示,图1a中的点云由第一部分点云11和第二部分点云12拼接而成,但是在执行拼接操作时,第一部分点云11的A部分与第二部分点云12中的部分发成重叠,产生了拼接错误。
图1b是本发明实施例提供的又一种拼接错误的点云的示意图,如图1b所示,图1b总的点云由点云21和点云22拼接而成,其中点云22包括点云B,点云B与点云21中的点云B’相同,在拼接操作时未执行去重操作,因而产生了B和B’重复的错误。
上述图1a和图1b是常见的两种拼接错误,针对这两种拼接错误,本申请实施例提供了一种点云拼接质量的检测方法,用于检测上述两种拼接错误。该方法通过获取到的点云中提取地面点云,并将地面点云中的点投影到预设的二维网格中,基于地面点云中的点在二维网格中的投影的分布情况来确定点云的拼接质量。由于在本申请实施例的方法中将点云投影到预设的二维网格中的操作非常简单,并且只需要根据投影在二维网格中的分布情况即可确定拼接质量,因而方法较简单,不需要复杂的计算即可得到准确的检测结果,实现了高可靠性、高效率和低计算量三者的兼顾。
以下将结合附图来具体描述本申请实施例的技术方案。
图2是本申请实施例提供的一种基于点云的杆状物识别方法的流程图,该方法可以由一种杆状物识别装置来执行。参见图2,该方法包括步骤S11-S12:
S11、从获取到的点云中提取地面点云。
本实施例的点云可以通过如下方式获得:
在一种可能的获取方式中,可以通过激光扫描仪在特定的场景中扫描获得点云,该点云中包括地面点云和其他物体(比如车道线,路灯、红路灯、车辆、建筑、植物等)的点云。
在另一种可能的获取方式中,可以通过双目摄像头拍摄获得的影像来获得特定场景的点云。当然上述两种方式仅是举例说明而不是对本申请的唯一限定。
进一步的,在获得点云后,在本实施例中基于预设模型从点云中提取出地面点云。该模型的类型和具体形式可以根据需要进行设定。本实施例中以随机森林模型为例,在执行本实施例的方法之前可以先获得预设数量的训练样本,每个训练样本中均包括标注好的地面点云,然后将训练样本输入随机森林模型中,经过多次训练收敛后,得到能够用于识别地面点云的随机森林模型。通过本实施例通过随机森林模型能够有效抵御点云密度不均匀对检测操作所造成的影像。当然这里仅为示例说明而不是对地面点云提取方法的唯一限定。
可选的,在另一种可能的实现方式中,为了进一步降低计算量,在获得点云之后,还可以先对点云进行降采样处理,在基于预设模型从降采样处理后的点云中提取出地面点云。
S12、将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量。
其中,二维网格的尺寸和数量可以根据需要进行设定,本实施例不做具体限定。
具体的,一般情况下,若点云拼接无误,那么地面点云中的点在投影到二维网格中后,投影同一网格中的点,基于其三维坐标,其相互之间的实际高程差应该小于一个网格的高度,若大于一个网格的高度那么就可能时发生了图1a所示的拼接错误。而若投影在不同网格中的点的三维坐标相同,则可能是因为图1b所示的拼接错误导致的,基于上述方法即可根据地面点云中的点在二维网格中的投影的分布情况准确检测出点云的拼接质量。
本实施例通过从获取到的点云中提取地面点云,并将地面点云中的点投影到预设的二维网格中,基于地面点云中的点在二维网格中的投影的分布情况,确定点云的拼接质量。由于将点云投影到预设的二维网格中的操作非常简单,并且只需要根据投影在二维网格中的分布情况即可确定拼接质量,因而方法较简单,不需要复杂的计算即可得到准确的检测结果,实现了高可靠性、高效率和低计算量三者的兼顾。
下面结合附图对上述实施例进行进一步的优化和扩展。
图3是本申请实施例提供的一种点云拼接质量的检测方法的流程图,如图3所示,在图2实施例的基础上,本实施例包括步骤S21-S25。.
S21、从获取到的点云中提取地面点云。
S22、检测投影到同一二维网格中的多个点之间的最大高程差是否超过预设阈值。
S23、若投影到同一二维网格中的多个点之间的最大高程差超过预设阈值,则确定所述点云拼接有误。
S24、若投影到同一二维网格中的多个点之间的最大高程差未超过预设阈值,检测在不同的二维网格中是否存在三维坐标相同的点的投影。
S25、若检测到在不同的二维网格中存在三维坐标相同的点,,则确定所述点云拼接有误,否则确定点云拼接无误。
本实施例中针对同一网格的检测操作和针对不同网格的检测操作,二者的执行顺序可以互换。
示例的,图4a是本申请实施例提供的一个网格中的投影的示意图,在图4a中网格30包括投影a1和投影a2,其中a1和投影a2的高程分别为H1和H2,若H1和H2的高程之差的绝对值大于预设阈值,则说明图4a发生了图1a的拼接错误,若H1和H2的高程之差的绝对值小于或等于预设阈值,则进一步检测在不同的二维网格中是否存在三维坐标相同的点的投影。如图4b所示,若网格31中包括投影a3,其三维坐标与投影a1相同,则确定点云发生了图1b的拼接错误。然而若是经过进一步检测发现在不同的二维网格中不存在三维坐标相同的点的投影,则可以确定点云拼接无误。
本实施例通过对同一网格中的投影所对应的点的高程进行判断能够检测出点云重叠的拼接错误,通过对不同网格中投影所对应的点的三维坐标进行判断,能够准确检测,重复拼接的问题。
图5是本申请实施例提供的一种拼接质量检测装置的结构示意图,如图5所示,装置50包括:
提取模块51,用于从获取到的点云中提取地面点云;
确定模块52,用于将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量。
在一种可能的设计中,所述提取模块51,包括:
第一获取子模块,用于基于预设模型,从获取到的点云中提取地面点云。
在一种可能的设计中,所述第一获取子模块,具体用于:
对获取到的点云进行降采样处理;
基于预设模型,从降采样后得到的点云中提取地面点云。
在一种可能的设计中,所述预设模型为随机森林模型。
本实施例提供的装置能够用于执行图2实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
图6是本申请实施例提供的一种拼接质量检测装置的结构示意图,如图6所示,在图5实施例的基础上,确定模块52,包括:
第一检测子模块521,用于检测投影到同一二维网格中的多个点之间的最大高程差是否超过预设阈值;
第一确定子模块522,用于在检测投影到同一二维网格中的多个点之间的最大高程差超过预设阈值时,确定所述点云拼接有误。
在一种可能的设计中,所述确定模块52,还包括:
第二检测子模块523,用于在投影到同一二维网格中的多个点之间的最大高程差未超过预设阈值时,检测在不同的二维网格中是否存在三维坐标相同的点的投影;
第二确定子模块524,用于在不同的二维网格中存在三维坐标相同的点时,确定点云拼接有误;
第三确定子模块525,用于在不同的二维网格中不存在三维坐标相同的点时,确定所述点云拼接无误。
本实施例提供的装置能够用于执行图3实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
本申请实施例还提供一种计算机设备,包括:一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例所述的方法。
本实施例通过从获取到的点云中提取地面点云,并将地面点云中的点投影到预设的二维网格中,基于地面点云中的点在二维网格中的投影的分布情况,确定点云的拼接质量。由于将点云投影到预设的二维网格中的操作非常简单,并且只需要根据投影在二维网格中的分布情况即可确定拼接质量,因而方法较简单,不需要复杂的计算即可得到准确的检测结果,实现了高可靠性、高效率和低计算量三者的兼顾。
本申请实施例还提供在一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一实施例所述的方法。
本实施例通过从获取到的点云中提取地面点云,并将地面点云中的点投影到预设的二维网格中,基于地面点云中的点在二维网格中的投影的分布情况,确定点云的拼接质量。由于将点云投影到预设的二维网格中的操作非常简单,并且只需要根据投影在二维网格中的分布情况即可确定拼接质量,因而方法较简单,不需要复杂的计算即可得到准确的检测结果,实现了高可靠性、高效率和低计算量三者的兼顾。
上述技术描述可参照附图,这些附图形成了本申请的一部分,并且通过描述在附图中示出了依照所描述的实施例的实施方式。虽然这些实施例描述的足够详细以使本领域技术人员能够实现这些实施例,但这些实施例是非限制性的;这样就可以使用其它的实施例,并且在不脱离所描述的实施例的范围的情况下还可以做出变化。比如,流程图中所描述的操作顺序是非限制性的,因此在流程图中阐释并且根据流程图描述的两个或两个以上操作的顺序可以根据若干实施例进行改变。作为另一个例子,在若干实施例中,在流程图中阐释并且根据流程图描述的一个或一个以上操作是可选的,或是可删除的。另外,某些步骤或功能可以添加到所公开的实施例中,或两个以上的步骤顺序被置换。所有这些变化被认为包含在所公开的实施例以及权利要求中。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种点云拼接质量的检测方法,其特征在于,包括:
从获取到的点云中提取地面点云;
将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量;
将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量,包括:
检测投影到同一二维网格中的多个点之间的最大高程差是否超过预设阈值;
若是,则确定所述点云拼接有误。
2.根据权利要求1所述的方法,其特征在于,若投影到同一二维网格中的多个点之间的最大高程差未超过预设阈值,则所述方法还包括:
检测在不同的二维网格中是否存在三维坐标相同的点的投影;
其中,若是,则确定所述点云拼接有误;
若不是,则确定所述点云拼接无误。
3.根据权利要求1或2所述的方法,其特征在于,所述从获取到的点云中提取地面点云,包括:
基于预设模型,从获取到的点云中提取地面点云。
4.根据权利要求3所述的方法,其特征在于,所述基于预设模型,从获取到的点云中提取地面点云,包括:
对获取到的点云进行降采样处理;
基于预设模型,从降采样后得到的点云中提取地面点云。
5.根据权利要求3所述的方法,其特征在于,所述预设模型为随机森林模型。
6.一种点云拼接质量检测装置,其特征在于,包括:
提取模块,用于从获取到的点云中提取地面点云;
确定模块,用于将所述地面点云中的点投影到预设的二维网格中,基于所述地面点云中的点在所述二维网格中的投影的分布情况,确定所述点云的拼接质量;
所述确定模块,包括:
第一检测子模块,用于检测投影到同一二维网格中的多个点之间的最大高程差是否超过预设阈值;
第一确定子模块,用于在检测投影到同一二维网格中的多个点之间的最大高程差超过预设阈值时,确定所述点云拼接有误。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,还包括:
第二检测子模块,用于在投影到同一二维网格中的多个点之间的最大高程差未超过预设阈值时,检测在不同的二维网格中是否存在三维坐标相同的点的投影;
第二确定子模块,用于在不同的二维网格中存在三维坐标相同的点时,确定点云拼接有误;
第三确定子模块,用于在不同的二维网格中不存在三维坐标相同的点时,确定所述点云拼接无误。
8.根据权利要求6或7所述的装置,其特征在于,所述提取模块,包括:
第一获取子模块,用于基于预设模型,从获取到的点云中提取地面点云。
9.根据权利要求8所述的装置,其特征在于,所述第一获取子模块,具体用于:
对获取到的点云进行降采样处理;
基于预设模型,从降采样后得到的点云中提取地面点云。
10.根据权利要求8所述的装置,其特征在于,所述预设模型为随机森林模型。
11.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290725.3A CN109636718B (zh) | 2018-10-31 | 2018-10-31 | 点云拼接质量的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290725.3A CN109636718B (zh) | 2018-10-31 | 2018-10-31 | 点云拼接质量的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636718A CN109636718A (zh) | 2019-04-16 |
CN109636718B true CN109636718B (zh) | 2021-04-20 |
Family
ID=66066908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811290725.3A Active CN109636718B (zh) | 2018-10-31 | 2018-10-31 | 点云拼接质量的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636718B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111602171A (zh) * | 2019-07-26 | 2020-08-28 | 深圳市大疆创新科技有限公司 | 一种点云特征点提取方法、点云传感系统及可移动平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427380A (zh) * | 2015-12-23 | 2016-03-23 | 昆明能讯科技有限责任公司 | 一种基于多细节层次三维地图数据处理方法 |
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425689A (zh) * | 2012-05-22 | 2013-12-04 | 鸿富锦精密工业(深圳)有限公司 | 点云拼接系统及方法 |
CN104063894B (zh) * | 2014-06-13 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 点云三维模型重建方法及系统 |
CN105761206A (zh) * | 2014-12-16 | 2016-07-13 | 富泰华工业(深圳)有限公司 | 点云拼接方法及系统 |
CN107918753B (zh) * | 2016-10-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
-
2018
- 2018-10-31 CN CN201811290725.3A patent/CN109636718B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427380A (zh) * | 2015-12-23 | 2016-03-23 | 昆明能讯科技有限责任公司 | 一种基于多细节层次三维地图数据处理方法 |
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
Non-Patent Citations (2)
Title |
---|
GEOMETRIC DISTORTION METRICS FOR POINT CLOUD COMPRESSION;Dong Tian;《ICIP2017》;20171231;全文 * |
机载LiDAR数据插值方法研究;马剑;《中国优秀硕士学位论文全文数据库》;20110415(第4期);第25-55页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109636718A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658504B (zh) | 地图数据标注方法、装置、设备及存储介质 | |
US11422261B2 (en) | Robot relocalization method and apparatus and robot using the same | |
Ukhwah et al. | Asphalt pavement pothole detection using deep learning method based on YOLO neural network | |
US10783368B2 (en) | Method and apparatus for identifying intersection in electronic map | |
US11170525B2 (en) | Autonomous vehicle based position detection method and apparatus, device and medium | |
CN108986164B (zh) | 基于图像的位置检测方法、装置、设备及存储介质 | |
KR102459853B1 (ko) | 디스패리티 추정 장치 및 방법 | |
JP6817384B2 (ja) | 自動運転車両の視覚感知方法、自動運転車両の視覚感知装置、制御機器及びコンピュータ読み取り可能な記憶媒体 | |
CN109635640B (zh) | 基于点云的交通灯识别方法、装置、设备及存储介质 | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
CN113298050B (zh) | 车道线识别模型训练方法、装置及车道线识别方法、装置 | |
US20230314568A1 (en) | Method and apparatus for identifying data point, and computer-readable storage medium | |
CN112561859B (zh) | 基于单目视觉的锚护用钢带钻孔与锚网识别方法及装置 | |
CN109636718B (zh) | 点云拼接质量的检测方法、装置、设备及存储介质 | |
CN109614857B (zh) | 基于点云的杆状物识别方法、装置、设备及存储介质 | |
CN113345015A (zh) | 一种包裹位置检测方法、装置、设备及可读存储介质 | |
KR20220069929A (ko) | 픽업 로봇, 픽업 방법 및 컴퓨터 판독 가능 저장 매체 | |
WO2020209046A1 (ja) | 物体検出装置 | |
CN111126436B (zh) | 视觉匹配方法及装置 | |
CN112212873B (zh) | 一种高精地图的构建方法及装置 | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN114140812A (zh) | 一种图元识别方法、装置、设备及介质 | |
CN112558091A (zh) | 一种输电线对树空间距离的实时检测方法、装置及终端设备 | |
CN113792601B (zh) | 基于霍夫直线检测结果的车位线拟合方法及系统 | |
CN113139454B (zh) | 基于单张图像的道路宽度提取方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |