CN110060332B - 基于机载采集设备的高精度三维建图与建模系统 - Google Patents

基于机载采集设备的高精度三维建图与建模系统 Download PDF

Info

Publication number
CN110060332B
CN110060332B CN201910279639.0A CN201910279639A CN110060332B CN 110060332 B CN110060332 B CN 110060332B CN 201910279639 A CN201910279639 A CN 201910279639A CN 110060332 B CN110060332 B CN 110060332B
Authority
CN
China
Prior art keywords
dimensional
mapping
data
pose
color
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
Application number
CN201910279639.0A
Other languages
English (en)
Other versions
CN110060332A (zh
Inventor
虞晶怡
吕文涛
赵希亭
罗剑文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ShanghaiTech University
Original Assignee
ShanghaiTech University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ShanghaiTech University filed Critical ShanghaiTech University
Priority to CN201910279639.0A priority Critical patent/CN110060332B/zh
Publication of CN110060332A publication Critical patent/CN110060332A/zh
Application granted granted Critical
Publication of CN110060332B publication Critical patent/CN110060332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于机载采集设备的高精度三维建图与建模系统。本发明基于无人机和深度采集设备进行室内扫描获取数据，通过无人机和其上搭载的RGBD相机、预处理设备与通信模块，采集图像与深度数据并回传至计算设备，计算设备使用并行计算方式实时构建三维模型与三维地图。更进一步地，本发明通过算法进行后期处理，对模型和地图进行优化。本发明相比现有技术有以下优点：1)可远程控制无人机在复杂环境下进行建图；2)可实时三维建模和建图，并且可进行后期处理，建图与模型精度高；3)通信占用带宽小。

Description

基于机载采集设备的高精度三维建图与建模系统
技术领域
本发明涉及一种三维地图及三维模型构建系统，用于即时定位与地图构建，属于三维建图、三维建模技术领域。
背景技术
三维建图指通过采集硬件和地图生成算法建立一个区域的三维地图，通常以点云方式表示。
即时定位与地图构建(SLAM)指在未知环境三维建图的过程中，因为机器人的自身位置不确定，需要实时构建地图，并同时利用建立的地图进行定位。
三维建模指通过三维地图的点云生成三维模型网格(Mesh)，通常以多边形组成。然后根据彩色图像进行贴图，使得模型具有纹理。
现有三维建图和三维建模算法主要分为两种。一种方法以激光雷达作为传感器。激光雷达高速旋转且每秒发射大量激光点，然后通过测量这些激光反射回来的时间来获得周围障碍物的距离信息。另一种以RGBD相机为传感器，通过红外飞行时间测距法或红外特征获得深度图像，同时采集彩色图像。主要运算设备为传统计算机，一般在地面机器人上使用，因运算能力限制较少在无人机上使用。
发明内容
本发明的目的是：利用无人机进行三维建图和三维建模。
为了达到上述目的，本发明的技术方案是提供了一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，包括：
搭载有深度数据获取设备、图像数据获取设备、预处理设备及通信设备的无人机，其中：深度数据获取设备及图像数据获取设备分别同步采集可见范围内物体带有标定信息的深度数据及图像数据；预处理设备，用于获取深度数据及图像数据标定信息后，使用标定信息校正深度数据及图像数据，随后对校正后的深度数据及图像数据进行配准；通信设备，用于将配准后的深度数据及图像数据发送给计算设备；
计算设备接收到无人机发送过来的深度数据及图像数据后分别通过建图模块及建模模块实时构建三维模型与三维地图，其中：
建图模块根据已配准的深度数据和图像数据，将深度数据中的每个数据点赋予图像数据上对应的颜色，形成三维空间中的彩色点云结构，提取彩色点云结构的结构特征，将从当前数据帧中提取的结构特征与从上一数据帧中提取的结构特征相匹配，通过匹配的结构特征点使用位姿解算方法计算当前数据帧与上一数据帧之间的位姿变换，通过位姿将当前数据帧的彩色点云结构与上一数据帧的彩色点云结构对齐拼接生成建图部分的结果点云；
建模模块根据建图模块生成的结果点云形成体素，体素为空间立方体的最小单位，利用体素重建三维表面，将三维表面叠加建立三维网格模型，并根据体素对应颜色进行白平衡归一化生成彩色贴图，最终建立彩色三维模型。
优选地，所述深度数据获取设备为深度相机，所述建图模块根据深度相机的内参以相机光心建立坐标系，通过变换矩阵将所述深度数据中的每个数据点变为该坐标系下的坐标，随后根据已配准的深度数据和图像数据，将深度数据中的每个数据点赋予图像数据上对应的颜色，形成三维空间中的彩色点云结构。
优选地，所述建图模块将从当前数据帧中提取的结构特征与从上一数据帧中提取的结构特征相匹配时，依照最小化误差范数作匹配。
优选地，所述建模模块建立彩色三维模型具体包括以下步骤：
步骤1、以原点和三个垂直的坐标平面将总空间立方体划分为八个子空间立方体，对于每个子空间立方体递归重复这一方法，直到子空间立方体达到设定大小，将总空间立方体作为根节点，各子空间立方体作为叶节点得到一颗八叉树；
步骤2、将建图系统中得到的结果点云根据其中每个数据点的位置放入空间立方体，转换为八叉树存储，空间立方体的最小单位为体素，体素大小即为步骤1中所述设定大小，根据建图系统中得到的结果点云和对应位姿，全部加入八叉树，形成体素；
步骤3、根据体素的重合数和质量增加体素的权重，将权重不足的体素进行剪枝减小八叉树体积，将剩余体素计算平面法向量重建三维表面；
步骤4、将三维表面叠加建立三维网格模型，并根据体素对应颜色进行白平衡归一化生成彩色贴图，最终建立所述彩色三维模型。
优选地，所述建图模块将位姿、结果点云、建立的三维图像和匹配的结构特征点进行关联存储。
优选地，所述计算设备上还运行后处理模块，处理模块通过回环检测、光束平差法和位姿图优化算法对三维模型与三维地图进行后期处理优化。
优选地，所述回环检测通过所述建图系统中存储的三维图像和位姿，根据相应的结构特征点相似度和位姿距离判断当前数据帧是否与之前数据帧在同一或附近的位置，从而消除由之前数据帧与当前数据帧连续匹配造成的累计误差，将数据帧的对应关系作为约束存储进位姿图中；
所述光束平差法通过在邻近多数据帧根据结构特征点相似度寻找对应匹配点，根据相机投影矩阵进行重投影验证位姿准确度，并将约束存进位姿图中；
所述位姿图优化算法将建图过程中的数据帧作为位姿图顶点，将建图过程中的位姿变换作为位姿图的边，根据所述回环检测及所述光束平差法添加的约束构造稀疏矩阵，通过非线性稀疏优化手段优化位姿图的误差，优化完成后，根据优化位姿重新计算建图系统和建模系统生成的结果点云和彩色三维模型。
优选地，所述回环检测处理所有的位姿，将所有相近的数据帧作为约束，重新计算位姿变换，如果新的位姿减少了误差则采用新的位姿，并将数据帧的对应关系作为约束存储进位姿图中。
优选地，还包括存储模块，用于将得到的三维地图及三维模型进行压缩存储。
优选地，还包括可视化模块，用于查看和管理得到的三维地图及三维模型。
本发明基于无人机和深度采集设备进行室内扫描获取数据，通过无人机和其上搭载的RGBD相机、预处理设备与通信模块，采集图像与深度数据并回传至计算设备，计算设备使用并行计算方式实时构建三维模型与三维地图。更进一步地，本发明通过算法进行后期处理，对模型和地图进行优化。
本发明相比现有技术有以下优点：1)可远程控制无人机在复杂环境下进行建图；2)可实时三维建模和建图，并且可进行后期处理，建图与模型精度高；3)通信占用带宽小。
附图说明
图1为本发明的流程图；
图2为本发明的硬件描述图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供的一种基于机载采集设备的高精度三维建图与建模系统进行室内扫描获取数据。本发明通过无人机和其上搭载的RGBD相机、预处理设备与通信设备，采集图像数据与深度数据并回传至计算设备，计算设备使用并行计算方式实时构建三维模型与三维地图，并通过算法进行后期处理对模型和地图进行优化。具体而言，本发明提供的系统包括：
无人机，为多旋翼的可编程和远程控制的无人驾驶航空器。无人机可搭载电池、RGBD相机、预处理设备与通信设备，进行受控飞行。
RGBD相机：通过飞行时间测距法采集相机与可见范围内所有物体的距离形成深度数据，并通过可见光与红外摄像头获取图像数据，提供给预处理设备。
预处理设备：对从RGBD相机获取的深度数据与图像数据进行预处理，包括：将读取的深度数据与图像数据解压；获取深度数据与图像数据的标定信息；使用标定信息进行深度数据与图像数据的校正；将校正后的深度数据与图像数据进行配准，即将深度数据与图像数据进行变换并对齐在同一坐标系。
通信设备：通过无线电将配准后的深度数据与图像数据编码并发送至计算设备。
计算设备：从通信设备接收到配准后的深度数据与图像数据，通过并行计算芯片传输到建图模块和建模模块进行处理。
建图模块：用于实时生成三维地图。三维地图的建图流程在计算设备上进行。计算设备接收到压缩后的深度数据与图像数据后开始建图流程，包括以下步骤：
步骤1、通过并行运算单元解压出深度数据与图像数据，根据传感器距离计算公式计算出深度数据对应的实际距离；
步骤2、根据RGBD相机的内参以相机光心建立坐标系，通过变换矩阵将深度数据中每个数据点变为坐标系下的坐标，然后根据已配准的深度数据和图像数据，将坐标系中的每个数据点赋予对应的颜色，作为三维空间中的彩色点云结构；
步骤3、从彩色点云结构中提取结构特征，结构特征可以通过SURF、SIFT、ORB、FAST、FREAK、BRIEF、GFTT、BRISK、ORB、KAZE在内的任意主流特征检测算法取得，通过特征置信度、密度和特征总量进行筛选后作半持久化存储；
步骤4、将从当前数据帧中提取的结构特征与从上一数据帧中提取的结构特征依照最小化误差范数作匹配，通过匹配的结构特征点使用PnP或P3P等任意主流位姿解算方法计算两数据帧之间的位姿变换，通过位姿将当前数据帧中的彩色点云结构与之前数据帧中的彩色点云结构对齐后拼接生成总的结果点云，即为建图部分的结果点云。
上述过程中的位姿、结果点云、建立的三维图像和匹配的结构特征点都进行存储，接入建模模块进行建模，并接入后处理模块进行后续优化。
建模系统：实时生成三维模型。以原点和三个垂直的坐标平面将总的空间立方体划分为八个子空间立方体，对于每个子空间立方体递归重复这一方法，直到子立方体达到设定大小。将总的空间立方体作为根节点，子空间立方体作为叶节点得到一颗八叉树。将建图模块中得到的结果点云根据其中每个数据点的位置放入空间立方体，转换为八叉树存储。空间立方体的最小单位为体素，体素大小即为前述设定大小。根据建图模块中得到的结果点云和对应位姿，全部加入八叉树，形成体素，根据体素的重合数和质量增加体素的权重。将权重不足的体素进行剪枝减小八叉树体积，将剩余体素计算平面法向量重建三维表面。将三维表面叠加建立三维网格模型，并根据体素对应颜色进行白平衡归一化生成彩色贴图。最终建立小容量且观感良好的彩色三维模型。
后处理模块：通过回环检测、光束平差法和位姿图优化算法对三维模型与三维地图进行后期处理优化，达到更好精度。回环检测通过建图模块中存储的三维图像和位姿，根据结构特征点相似度和位姿距离判断当前数据帧是否与之前数据帧在同一或附近的位置，从而消除由之前数据帧与当前数据帧连续匹配造成的累计误差。处理所有的位姿，将所有相近的数据帧作为约束，重新计算位姿变换，如果新的位姿减少了误差则采用新的位姿，并将数据帧的对应关系作为约束存储进位姿图中。光束平差法通过在邻近多帧根据结构特征点相似度寻找对应匹配点，根据相机投影矩阵进行重投影验证位姿准确度，并将约束存进位姿图中。位姿图优化算法，将建图过程中的数据帧作为位姿图顶点，将建图过程中的位姿变换作为位姿图的边，根据上述回环检测及光束平差法添加的约束构造稀疏矩阵，通过Gauss-Newton或LM算法等常见非线性稀疏优化手段优化位姿图的误差。优化完成后，根据优化位姿重新计算建图模块和建模模块生成的结果点云和三维模型，进一步提高结果模型精度与正确性。
存储与可视化系统：对数据进行压缩存储以备后期使用和管理。同时提供可视化系统便捷查看管理三维地图与模型。

Claims (10)

1.一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，包括：
搭载有深度数据获取设备、图像数据获取设备、预处理设备及通信设备的无人机，其中：深度数据获取设备及图像数据获取设备分别同步采集可见范围内物体带有标定信息的深度数据及图像数据；预处理设备，用于获取深度数据及图像数据标定信息后，使用标定信息校正深度数据及图像数据，随后对校正后的深度数据及图像数据进行配准；通信设备，用于将配准后的深度数据及图像数据发送给计算设备；
计算设备接收到无人机发送过来的深度数据及图像数据后分别通过建图模块及建模模块实时构建三维模型与三维地图，其中：
建图模块根据已配准的深度数据和图像数据，将深度数据中的每个数据点赋予图像数据上对应的颜色，形成三维空间中的彩色点云结构，提取彩色点云结构的结构特征，将从当前数据帧中提取的结构特征与从上一数据帧中提取的结构特征相匹配，通过匹配的结构特征点使用位姿解算方法计算当前数据帧与上一数据帧之间的位姿变换，通过位姿将当前数据帧的彩色点云结构与上一数据帧的彩色点云结构对齐拼接生成建图部分的结果点云；
建模模块根据建图模块生成的结果点云形成体素，体素为空间立方体的最小单位，利用体素重建三维表面，将三维表面叠加建立三维网格模型，并根据体素对应颜色进行白平衡归一化生成彩色贴图，最终建立彩色三维模型。
2.如权利要求1所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述深度数据获取设备为深度相机，所述建图模块根据深度相机的内参以相机光心建立坐标系，通过变换矩阵将所述深度数据中的每个数据点变为该坐标系下的坐标，随后根据已配准的深度数据和图像数据，将深度数据中的每个数据点赋予图像数据上对应的颜色，形成三维空间中的彩色点云结构。
3.如权利要求1所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述建图模块将从当前数据帧中提取的结构特征与从上一数据帧中提取的结构特征相匹配时，依照最小化误差范数作匹配。
4.如权利要求1所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述建模模块建立彩色三维模型具体包括以下步骤：
步骤1、以原点和三个垂直的坐标平面将总空间立方体划分为八个子空间立方体，对于每个子空间立方体递归重复这一方法，直到子空间立方体达到设定大小，将总空间立方体作为根节点，各子空间立方体作为叶节点得到一颗八叉树；
步骤2、将建图系统中得到的结果点云根据其中每个数据点的位置放入空间立方体，转换为八叉树存储，空间立方体的最小单位为体素，体素大小即为步骤1中所述设定大小，根据建图系统中得到的结果点云和对应位姿，全部加入八叉树，形成体素；
步骤3、根据体素的重合数和质量增加体素的权重，将权重不足的体素进行剪枝减小八叉树体积，将剩余体素计算平面法向量重建三维表面；
步骤4、将三维表面叠加建立三维网格模型，并根据体素对应颜色进行白平衡归一化生成彩色贴图，最终建立所述彩色三维模型。
5.如权利要求1所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述建图模块将位姿、结果点云、建立的三维图像和匹配的结构特征点进行关联存储。
6.如权利要求5所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述计算设备上还运行后处理模块，处理模块通过回环检测、光束平差法和位姿图优化算法对三维模型与三维地图进行后期处理优化。
7.如权利要求6所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述回环检测通过所述建图系统中存储的三维图像和位姿，根据相应的结构特征点相似度和位姿距离判断当前数据帧是否与之前数据帧在同一或附近的位置，从而消除由之前数据帧与当前数据帧连续匹配造成的累计误差，将数据帧的对应关系作为约束存储进位姿图中；
所述光束平差法通过在邻近多数据帧根据结构特征点相似度寻找对应匹配点，根据相机投影矩阵进行重投影验证位姿准确度，并将约束存进位姿图中；
所述位姿图优化算法将建图过程中的数据帧作为位姿图顶点，将建图过程中的位姿变换作为位姿图的边，根据所述回环检测及所述光束平差法添加的约束构造稀疏矩阵，通过非线性稀疏优化手段优化位姿图的误差，优化完成后，根据优化位姿重新计算建图系统和建模系统生成的结果点云和彩色三维模型。
8.如权利要求7所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，所述回环检测处理所有的位姿，将所有相近的数据帧作为约束，重新计算位姿变换，如果新的位姿减少了误差则采用新的位姿，并将数据帧的对应关系作为约束存储进位姿图中。
9.如权利要求1所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，还包括存储模块，用于将得到的三维地图及三维模型进行压缩存储。
10.如权利要求1所述的一种基于机载采集设备的高精度三维建图与建模系统，其特征在于，还包括可视化模块，用于查看和管理得到的三维地图及三维模型。
CN201910279639.0A 2019-04-09 2019-04-09 基于机载采集设备的高精度三维建图与建模系统 Active CN110060332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910279639.0A CN110060332B (zh) 2019-04-09 2019-04-09 基于机载采集设备的高精度三维建图与建模系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910279639.0A CN110060332B (zh) 2019-04-09 2019-04-09 基于机载采集设备的高精度三维建图与建模系统

Publications (2)

Publication Number Publication Date
CN110060332A CN110060332A (zh) 2019-07-26
CN110060332B true CN110060332B (zh) 2022-12-02

Family

ID=67318527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910279639.0A Active CN110060332B (zh) 2019-04-09 2019-04-09 基于机载采集设备的高精度三维建图与建模系统

Country Status (1)

Country Link
CN (1) CN110060332B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021051358A1 (en) * 2019-09-19 2021-03-25 Beijing Voyager Technology Co., Ltd. Systems and methods for generating pose graph
CN111060075B (zh) * 2019-12-10 2021-01-12 中国人民解放军军事科学院国防科技创新研究院 一种基于无人机的局部区域地形正射影像快速构建方法和系统
WO2022077296A1 (zh) * 2020-10-14 2022-04-21 深圳市大疆创新科技有限公司 三维重建方法、云台负载、可移动平台以及计算机可读存储介质
CN112580487A (zh) * 2020-12-15 2021-03-30 中山大学 一种基于无人小车的三维重建系统及其方法
CN112686884A (zh) * 2021-01-12 2021-04-20 李成龙 一种影像学标记特征自动建模系统及方法
CN112907733A (zh) * 2021-02-23 2021-06-04 北京华清易通科技有限公司 重建三维模型的方法及装置和三维模型采集及重建系统
CN113100944B (zh) * 2021-03-09 2022-12-20 武汉联影智融医疗科技有限公司 手术环境的构建方法、机器人控制方法和系统
CN113686600A (zh) * 2021-07-13 2021-11-23 江苏省农业机械试验鉴定站 一种旋耕机、开沟机性能鉴定装置
CN114419278A (zh) * 2022-01-19 2022-04-29 厦门大学 室内三维彩色网格模型生成方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015188684A1 (zh) * 2014-06-12 2015-12-17 深圳奥比中光科技有限公司 三维模型重建方法与系统
CN108303099A (zh) * 2018-06-14 2018-07-20 江苏中科院智能科学技术应用研究院 基于三维视觉slam的无人机室内自主导航方法
CN108648270A (zh) * 2018-05-12 2018-10-12 西北工业大学 基于eg-slam的无人机实时三维场景重建方法
CN109003325A (zh) * 2018-06-01 2018-12-14 网易（杭州）网络有限公司 一种三维重建的方法、介质、装置和计算设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015188684A1 (zh) * 2014-06-12 2015-12-17 深圳奥比中光科技有限公司 三维模型重建方法与系统
CN108648270A (zh) * 2018-05-12 2018-10-12 西北工业大学 基于eg-slam的无人机实时三维场景重建方法
CN109003325A (zh) * 2018-06-01 2018-12-14 网易（杭州）网络有限公司 一种三维重建的方法、介质、装置和计算设备
CN108303099A (zh) * 2018-06-14 2018-07-20 江苏中科院智能科学技术应用研究院 基于三维视觉slam的无人机室内自主导航方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种改进的未知环境无人机三维地图实时创建方法;黄金鑫等;《机械与电子》;20150131(第01期);第76-80页 *

Also Published As

Publication number Publication date
CN110060332A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN110060332B (zh) 基于机载采集设备的高精度三维建图与建模系统
CN108320329B (zh) 一种基于3d激光的3d地图创建方法
US8929645B2 (en) Method and system for fast dense stereoscopic ranging
CN112418245B (zh) 基于城市环境物理模型的电磁发射点定位方法
CN113096250A (zh) 基于无人机航拍影像序列的三维建筑模型库系统构建方法
CN114066960A (zh) 三维重建方法、点云融合方法、装置、设备及存储介质
CN112446844B (zh) 一种基于点云特征提取与配准融合方法
CN107610219A (zh) 一种三维场景重构中几何线索感知的像素级点云稠密化方法
CN113052880A (zh) 一种sfm稀疏重建方法、系统及应用
Gadasin et al. Reconstruction of a Three-Dimensional Scene from its Projections in Computer Vision Systems
CN113160292B (zh) 一种基于智能移动终端的激光雷达点云数据三维建模装置及方法
CN116863083A (zh) 变电站三维点云数据的处理方法和装置
CN113129422A (zh) 一种三维模型构建方法、装置、存储介质和计算机设备
CN115035254A (zh) 一种基于重建点云的区域植被三维绿量估算方法
CN114531700A (zh) 一种非人工的基站天线工参采集系统及方法
CN113532424A (zh) 一种获取多维信息的一体化设备与协同测量方法
Deng et al. Construct 3d city model by multi-sensor data
CN116165677B (zh) 一种基于激光雷达的地质勘察方法和装置
CN117517864B (zh) 一种基于激光雷达的输电线路近电预警方法与装置
CN116233390B (zh) 一种基于多目立体视觉的煤堆无人自动化作业系统及方法
Schönfelder et al. Fusion of point clouds derived from aerial images
Gonçalves Using structure-from-motion workflows for 3D mapping and remote sensing
CN117690095B (zh) 一种基于三维场景的智慧社区管理系统
CN113496521B (zh) 利用多张彩色图片生成深度图像与相机外参的方法及装置
Linyi et al. An Airborne LiDAR Data Registration Method Based on Combining Multiple Information

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