CN110110645A - 一种适用于低信噪比图像的障碍快速识别方法及系统 - Google Patents

一种适用于低信噪比图像的障碍快速识别方法及系统 Download PDF

Info

Publication number
CN110110645A
CN110110645A CN201910362915.XA CN201910362915A CN110110645A CN 110110645 A CN110110645 A CN 110110645A CN 201910362915 A CN201910362915 A CN 201910362915A CN 110110645 A CN110110645 A CN 110110645A
Authority
CN
China
Prior art keywords
dimensional
data
obstacle
cell
landform
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
Application number
CN201910362915.XA
Other languages
English (en)
Other versions
CN110110645B (zh
Inventor
邢琰
刘祥
滕宝毅
毛晓艳
贾永
周益
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.)
Beijing Institute of Control Engineering
Original Assignee
Beijing Institute of Control Engineering
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 Beijing Institute of Control Engineering filed Critical Beijing Institute of Control Engineering
Priority to CN201910362915.XA priority Critical patent/CN110110645B/zh
Publication of CN110110645A publication Critical patent/CN110110645A/zh
Application granted granted Critical
Publication of CN110110645B publication Critical patent/CN110110645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • G06V10/443—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 matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

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

Abstract

一种适用于低信噪比图像的障碍快速识别方法及系统，步骤包括：基于立体图像对的三维地形数据生成、三维地形数据滤波和基于地形统计信息的障碍识别。本发明针对低信噪比图像的特点，通过采用三维点云地形网格化与数据滤波相结合的方法，在有效完成噪点抑制和滤除的同时，大大减少了算法的数据存储量和计算量，大幅缩短了障碍识别的耗时。本发明简单完备、计算效率高，易于工程实现，适用于光照条件差、地表反照率高等复杂环境中的巡视探测器自主避障规划任务。

Description

一种适用于低信噪比图像的障碍快速识别方法及系统
技术领域
本发明涉及一种基于低信噪比图像的障碍快速识别方法及系统，适用于光照条件差、地表反照率高等复杂环境中的巡视探测器自主避障规划任务。
背景技术
巡视探测器的自主避障规划主要包括环境感知、地形模型构建和避障路径规划等内容，其中基于立体图像的环境感知容易受光照条件、地表反照率等环境因素的影响，在光照条件差、地表反照率高等复杂环境中，立体图像的质量往往较差，信噪比较低，由此匹配得到的稠密三维点云地形数据中存在大量的噪声点。而稠密三维点云地形数据的数据量一般较为庞大，为了保证后续地形建模的精度，需要进行大量的数据分析和滤波处理。
以往的基于三维点云数据进行滤波处理的算法，由于三维点云数据在空间上并非均匀分布，需要对大量点云数据进行多次重复遍历，导致处理的用时较长，影响巡视探测器自主避障规划的效率。
发明内容
本发明的技术解决问题：克服现有技术的不足，提出了一种适用于低信噪比图像的障碍快速识别方法，该方法简单完备、数据存储要求低、计算效率高，易于工程实现。
本发明采用的技术方案为：
一种适用于低信噪比图像的障碍快速识别方法，实现步骤如下：
(1)基于立体图像对生成三维地形数据；
具体为：
(1.1)首先构建一张空白的均匀网格地形图，并将地形图中的所有单元格标记为“未知单元”；均匀网格地形图的大小至少覆盖图像所能恢复地形的范围。
(1.2)根据双目立体视觉成像原理，利用图像匹配算法得到视差数据，计算图像中所有相对应像素点的三维坐标(xi,yi,zi),i＝0,1,2,...,n，得到三维点云数据，其中n为三维点云中数据点的个数；所述图像匹配算法为稠密特征匹配。
匹配得到的三维坐标(xi,yi,zi),i＝0,1,2,...,n描述在水平坐标系下，该坐标系定义为：原点位于巡视探测器质心，XR轴为巡视探测器前进方向在水平面上的投影，YR轴在水平面上与XR轴垂直，指向巡视探测器的右侧，ZR轴与XR轴、YR轴满足右手定则。
(1.3)在计算三维点云数据的同时，用计算出的三维点的(xi,yi)坐标对网格地形图的相应单元格进行填充，每个单元格仅存储三维点zi坐标的均值；
(1.4)当所有三维点云数据计算完成后，整个网格地形图的数据生成也相应完成。
(2)对所述三维地形数据进行滤波，并在滤波的同时计算地形统计信息；具体为：
对生成的均匀网格地形图，选取预设大小的滑动窗口，对均匀网格数据进行平滑滤波，从而完成三维地形数据的滤波；所述平滑滤波采用中值滤波算法。
地形统计信息包括：数据点个数N、 其中，(xci,yci)为单元格中心点坐标，zci为每个单元格存储的zi坐标的均值。
(3)基于地形统计信息的障碍识别。
具体为：
(3.1)针对均匀网格地形图的每个单元格，结合巡视探测器的结构尺寸和运动能力约束，利用步骤(2)得到的相应的地形统计信息，进行地形可通过性计算，求得每个单元格对应的适宜度，得到一张适宜度地图；
利用地形统计信息，进行地形可通过性计算，求得每个单元格对应的适宜度，具体为：
(a)计算以当前单元格为中心、大小为巡视探测器尺寸包络的一个地形块中的地形统计信息，记为Sph，即
(b)利用Sph对步骤(a)中所述地形块进行平面拟合，平面方程为Z＝k1+k2X+k3Y，由下式计算出平面方程参数：
(c)利用得到的平面方程参数，分别计算平面的坡度、粗糙度和高度落差，其中，平面的坡度θpl由下式计算：
平面粗糙度为地形块中所有数据点到拟合平面距离的均方差，平面高度落差为地形块中所有数据点到拟合平面距离的最大值与最小值的差；
(d)利用平面的坡度θpl、粗糙度σpl和高度落差Δh，结合巡视探测器的运动能力、越障能力参数，由下式计算所述地形块对应的地形可通过性综合评价值Gcl：
其中，α1、α2和α3为加权系数，θmax、σmax和hmax为巡视探测器可通过的最大坡度、粗糙度和障碍高度；地形可通过性综合评价值Gcl即为当前单元格的适宜度。
(3.2)将适宜度地图中适宜度高于预设阈值的单元格标记为“可通行单元”，适宜度低于预设阈值的单元格标记为“不可通行单元”，没有被三维地形数据覆盖的单元格仍然为“未知单元”；
(3.3)将标记为“不可通行单元”和“未知单元”的单元格按照连通性进行聚类，得到若干个连通区域，同一个连通区域视为同一个障碍，并对其进行编号，从而完成整个三维地形的障碍识别。
一种根据所述障碍快速识别方法实现的障碍快速识别系统，包括：
三维地形数据生成模块：基于立体图像对生成三维地形数据；
地形统计模块：对所述三维地形数据进行滤波，并在滤波的同时计算地形统计信息；
障碍识别模块：基于地形统计信息的障碍识别。
本发明与现有技术相比的优点在于：
(1)本发明采用分块化计算将三维地形数据生成和地形数据滤波的处理穿插起来，以化整为零的方式实现了准并行计算，大大减少了算法的数据存储量和计算量，显著提高了障碍识别算法的效率；
(2)本发明通过采用三维地形数据分层滤波的方法，提高了利用低信噪比图像进行三维恢复的精度。
附图说明
图1为本发明的基于低信噪比图像障碍快速识别方法流程图；
图2为本发明的稠密的三维点云数据示例；
图3为本发明的分层滤波后三维地形数据示例；
图4为本发明的适宜度及障碍识别结果示例。
具体实施方式
如图1所示，本发明的技术解决方案具体实现步骤如下：
(1)基于立体图像对生成三维地形数据
首先构建一张空白的均匀网格地形图，并将地形图中的所有单元格标记为“未知单元”；均匀网格地形图的大小至少覆盖图像所能恢复地形的范围。地形图单元格的尺寸不宜过小或过大，过小会导致数据量增加影响处理效率，过大则会导致三维地形精度降低影响障碍识别准确率。
根据双目立体视觉成像原理，利用图像匹配算法得到视差数据，计算图像中所有相对应像素点的三维坐标(xi,yi,zi),i＝0,1,2,...,n，得到三维点云数据，其中n为三维点云中数据点的个数；本发明中图像匹配算法采用稠密特征匹配。匹配得到的三维坐标(xi,yi,zi),i＝0,1,2,...,n的数据量较大，例如对于256*256像素的立体图像对，经匹配得到的三维数据点个数n约为30000多。
匹配得到的三维坐标(xi,yi,zi),i＝0,1,2,...,n描述在水平坐标系下，该坐标系定义为：原点位于巡视探测器质心，XR轴为巡视探测器前进方向在水平面上的投影，YR轴在水平面上与XR轴垂直，指向巡视探测器的右侧，ZR轴与XR轴、YR轴满足右手定则。
在计算三维点云数据的同时，用计算出的三维点的(xi,yi)坐标对网格地形图的相应单元格进行填充，每个单元格仅存储三维点zi坐标的均值；
当所有三维点云数据计算完成后，整个网格地形图的数据生成也相应完成。
(2)对所述三维地形数据进行滤波，并在滤波的同时计算地形统计信息
步骤(1)完成了稠密三维点云数据到均匀网格地形数据的转化，在此过程中，网格地形图单元格填充时的均值化处理，即为三维地形数据的第一层滤波；
对步骤(1)生成的均匀网格地形图，采用类似二维图像滤波的方法，选取适当大小的滑动窗口，对均匀网格数据进行平滑滤波，从而完成三维地形数据的第二层滤波；平滑滤波采用中值滤波算法。
在进行网格地形图第二层滤波的同时，对其中每个单元格的地形统计信息进行计算并存储，此后的处理中便不需要再对均匀网格地形数据进行存储和处理，仅需要对每个单元格的地形统计信息进行分析；
地形统计信息包括：数据点个数N、 其中，(xci,yci)为单元格中心点坐标，zci为每个单元格存储的zi坐标的均值。
(3)基于地形统计信息的障碍识别
针对均匀网格地形图的每个单元格，结合巡视探测器的结构尺寸、运动能力等约束，利用步骤(2)得到的相应的地形统计信息，进行地形可通过性计算，求得每个单元格对应的适宜度，得到一张适宜度地图；
具体为：
(a)计算以当前单元格为中心、大小为巡视探测器尺寸包络的一个地形块中的地形统计信息，记为Sph，即
(b)利用Sph对步骤(a)中所述地形块进行平面拟合，平面方程为Z＝k1+k2X+k3Y，由下式计算出平面方程参数：
(c)利用得到的平面方程参数，分别计算平面的坡度、粗糙度和高度落差，其中，平面的坡度θpl由下式计算：
平面粗糙度为地形块中所有数据点到拟合平面距离的均方差，平面高度落差为地形块中所有数据点到拟合平面距离的最大值与最小值的差；
(d)利用平面的坡度θpl、粗糙度σpl和高度落差Δh，结合巡视探测器的运动能力、越障能力参数，由下式计算所述地形块对应的地形可通过性综合评价值Gcl：
其中，α1、α2和α3为加权系数，θmax、σmax和hmax为巡视探测器可通过的最大坡度、粗糙度和障碍高度；地形可通过性综合评价值Gcl即为当前单元格的适宜度。
将适宜度地图中适宜度高于预设阈值的单元格标记为“可通行单元”，适宜度低于预设阈值的单元格标记为“不可通行单元”，没有被三维地形数据覆盖的单元格仍然为“未知单元”；
对整个适宜度地图进行分析，将那些标记为“不可通行单元”和“未知单元”的单元格按照连通性进行聚类，得到若干个连通区域，同一个连通区域视为同一个障碍，并对其进行编号，从而完成整个三维地形的障碍识别。
本发明采用分块化计算将三维地形数据生成和地形数据滤波的处理穿插起来，以化整为零的方式实现了准并行计算，大大减少了算法的数据存储量和计算量，显著提高了障碍识别算法的效率；同时，本发明通过采用三维地形数据分层滤波的方法，提高了利用低信噪比图像进行三维恢复的精度。
以嫦娥四号巡视探测器为例，对一种非同源图像数据信息融合处理方法的具体实现如下：
(1)基于立体图像对的三维地形数据生成
首先构建一张空白的均匀网格地形图，并将地形图中的所有单元格标记为“未知单元”。根据嫦娥四号巡视探测器避障相机的视场范围，设置均匀网格地形图的大小为6m×6m，地形图单元格的尺寸选为0.05m；
根据双目立体视觉成像原理，利用图像匹配算法得到视差数据，计算避障相机图像中所有相对应像素点的三维坐标(xi,yi,zi),i＝0,1,2,...,n，得到稠密的三维点云数据(如图2所示)，其中三维点云中数据点个数n＝31181；
在计算三维点云数据的同时，用计算出的三维点的(xi,yi)坐标对网格地形图的相应单元格进行填充，每个单元格仅存储三维点zi坐标的均值；
当所有三维点云数据计算完成后，整个网格地形图的数据生成也相应完成，此后的处理中便不需要再对三维点云数据进行存储和处理；
(2)三维地形数据的分层滤波
步骤(1)完成了稠密三维点云数据到均匀网格地形数据的转化，在此过程中，网格地形图单元格填充时的均值化处理，即为三维地形数据的第一层滤波；
对步骤(1)生成的均匀网格地形图，采用类似二维图像滤波的方法，选取5×5大小的滑动窗口，对均匀网格数据进行平滑滤波，从而完成三维地形数据的第二层滤波；
在进行网格地形图第二层滤波的同时，对其中每个单元格的地形统计信息进行计算并存储，此后的处理中便不需要再对均匀网格地形数据进行存储和处理，仅需要对每个单元格的地形统计信息进行分析；
分层滤波后三维地形数据如图3所示；
(3)基于地形统计信息的障碍识别
针对均匀网格地形图的每个单元格，结合巡视探测器的结构尺寸、运动能力等约束，利用步骤(2)得到的相应的地形统计信息，进行地形可通过性分析，求得每个单元格对应的适宜度，得到一张适宜度地图；
将适宜度地图中适宜度高的单元格标记为“可通行单元”，适宜度低的单元格标记为“不可通行单元”，步骤(1)中没有被三维地形数据覆盖的单元格仍然为“未知单元”；
对整个适宜度地图进行分析，将那些标记为“不可通行单元”和“未知单元”的单元格按照连通性进行聚类，得到若干个连通区域，同一个连通区域视为同一个障碍，并对其进行编号，从而完成整个三维地形的障碍识别；
对三维地形数据经过地形可通过性分析和聚类处理后的适宜度及障碍识别结果如图4所示。

Claims (10)

1.一种适用于低信噪比图像的障碍快速识别方法，其特征在于实现步骤如下：
(1)基于立体图像对生成三维地形数据；
(2)对所述三维地形数据进行滤波，并在滤波的同时计算地形统计信息；
(3)基于地形统计信息的障碍识别。
2.根据权利要求1所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：所述步骤(1)基于立体图像对生成三维地形数据，具体为：
(1.1)首先构建一张空白的均匀网格地形图，并将地形图中的所有单元格标记为“未知单元”；
(1.2)根据双目立体视觉成像原理，利用图像匹配算法得到视差数据，计算图像中所有相对应像素点的三维坐标(xi,yi,zi),i＝0,1,2,...,n，得到三维点云数据，其中n为三维点云中数据点的个数；
(1.3)在计算三维点云数据的同时，用计算出的三维点的(xi,yi)坐标对网格地形图的相应单元格进行填充，每个单元格仅存储三维点zi坐标的均值；
(1.4)当所有三维点云数据计算完成后，整个网格地形图的数据生成也相应完成。
3.根据权利要求2所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：均匀网格地形图的大小至少覆盖图像所能恢复地形的范围。
4.根据权利要求2所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：所述图像匹配算法为稠密特征匹配。
5.根据权利要求2所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：匹配得到的三维坐标(xi,yi,zi),i＝0,1,2,...,n描述在水平坐标系下，该坐标系定义为：原点位于巡视探测器质心，XR轴为巡视探测器前进方向在水平面上的投影，YR轴在水平面上与XR轴垂直，指向巡视探测器的右侧，ZR轴与XR轴、YR轴满足右手定则。
6.根据权利要求1所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：所述步骤(2)对所述三维地形数据进行滤波，具体为：
对生成的均匀网格地形图，选取预设大小的滑动窗口，对均匀网格数据进行平滑滤波，从而完成三维地形数据的滤波；所述平滑滤波采用中值滤波算法。
7.根据权利要求2所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：所述步骤(2)中计算地形统计信息包括：数据点个数N、 和其中，(xci,yci)为单元格中心点坐标，zci为每个单元格存储的zi坐标的均值。
8.根据权利要求1所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：所述步骤(3)进行基于地形统计信息的障碍识别，具体为：
(3.1)针对均匀网格地形图的每个单元格，结合巡视探测器的结构尺寸和运动能力约束，利用步骤(2)得到的相应的地形统计信息，进行地形可通过性计算，求得每个单元格对应的适宜度，得到一张适宜度地图；
(3.2)将适宜度地图中适宜度高于预设阈值的单元格标记为“可通行单元”，适宜度低于预设阈值的单元格标记为“不可通行单元”，没有被三维地形数据覆盖的单元格仍然为“未知单元”；
(3.3)将标记为“不可通行单元”和“未知单元”的单元格按照连通性进行聚类，得到若干个连通区域，同一个连通区域视为同一个障碍，并对其进行编号，从而完成整个三维地形的障碍识别。
9.根据权利要求8所述的适用于低信噪比图像的障碍快速识别方法，其特征在于：利用地形统计信息，进行地形可通过性计算，求得每个单元格对应的适宜度，具体为：
(a)计算以当前单元格为中心、大小为巡视探测器尺寸包络的一个地形块中的地形统计信息，记为Sph，即
(b)利用Sph对步骤(a)中所述地形块进行平面拟合，平面方程为Z＝k1+k2X+k3Y，由下式计算出平面方程参数：
(c)利用得到的平面方程参数，分别计算平面的坡度、粗糙度和高度落差，其中，平面的坡度θpl由下式计算：
平面粗糙度为地形块中所有数据点到拟合平面距离的均方差，平面高度落差为地形块中所有数据点到拟合平面距离的最大值与最小值的差；
(d)利用平面的坡度θpl、粗糙度σpl和高度落差Δh，结合巡视探测器的运动能力、越障能力参数，由下式计算所述地形块对应的地形可通过性综合评价值Gcl：
其中，α1、α2和α3为加权系数，θmax、σmax和hmax为巡视探测器可通过的最大坡度、粗糙度和障碍高度；地形可通过性综合评价值Gcl即为当前单元格的适宜度。
10.一种根据权利要求1～9中任一项所述障碍快速识别方法实现的障碍快速识别系统，其特征在于包括：
三维地形数据生成模块：基于立体图像对生成三维地形数据；
具体为：
首先构建一张空白的均匀网格地形图，并将地形图中的所有单元格标记为“未知单元”；
根据双目立体视觉成像原理，利用图像匹配算法得到视差数据，计算图像中所有相对应像素点的三维坐标(xi,yi,zi),i＝0,1,2,...,n，得到三维点云数据，其中n为三维点云中数据点的个数；
在计算三维点云数据的同时，用计算出的三维点的(xi,yi)坐标对网格地形图的相应单元格进行填充，每个单元格仅存储三维点zi坐标的均值；
当所有三维点云数据计算完成后，整个网格地形图的数据生成也相应完成。
地形统计模块：对所述三维地形数据进行滤波，并在滤波的同时计算地形统计信息；对生成的均匀网格地形图，选取预设大小的滑动窗口，对均匀网格数据进行平滑滤波，从而完成三维地形数据的滤波；所述平滑滤波采用中值滤波算法；
障碍识别模块：基于地形统计信息的障碍识别；
具体为：
针对均匀网格地形图的每个单元格，结合巡视探测器的结构尺寸和运动能力约束，利用相应的地形统计信息，进行地形可通过性计算，求得每个单元格对应的适宜度，得到一张适宜度地图；
将适宜度地图中适宜度高于预设阈值的单元格标记为“可通行单元”，适宜度低于预设阈值的单元格标记为“不可通行单元”，没有被三维地形数据覆盖的单元格仍然为“未知单元”；
将标记为“不可通行单元”和“未知单元”的单元格按照连通性进行聚类，得到若干个连通区域，同一个连通区域视为同一个障碍，并对其进行编号，从而完成整个三维地形的障碍识别。
CN201910362915.XA 2019-04-30 2019-04-30 一种适用于低信噪比图像的障碍快速识别方法及系统 Active CN110110645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910362915.XA CN110110645B (zh) 2019-04-30 2019-04-30 一种适用于低信噪比图像的障碍快速识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910362915.XA CN110110645B (zh) 2019-04-30 2019-04-30 一种适用于低信噪比图像的障碍快速识别方法及系统

Publications (2)

Publication Number Publication Date
CN110110645A true CN110110645A (zh) 2019-08-09
CN110110645B CN110110645B (zh) 2021-07-13

Family

ID=67487879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910362915.XA Active CN110110645B (zh) 2019-04-30 2019-04-30 一种适用于低信噪比图像的障碍快速识别方法及系统

Country Status (1)

Country Link
CN (1) CN110110645B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111046846A (zh) * 2019-12-27 2020-04-21 长安大学 一种机器人前方障碍通过性判断的方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881830A (zh) * 2010-03-15 2010-11-10 中国电子科技集团公司第十研究所 重建雷达扫描数据生成三维可视地形的方法
CN102519434A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种用于立体视觉三维恢复数据精度测量的试验验证方法
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN102567964A (zh) * 2011-12-08 2012-07-11 北京控制工程研究所 一种用于立体视觉视差图的滤波方法
CN103869820A (zh) * 2014-03-18 2014-06-18 北京控制工程研究所 一种巡视器地面导航规划控制方法
CN103884281A (zh) * 2014-03-18 2014-06-25 北京控制工程研究所 一种基于主动结构光的巡视器障碍探测方法
CN104570147A (zh) * 2014-12-26 2015-04-29 北京控制工程研究所 一种基于单目相机和主动结构光的障碍探测方法
CN104851131A (zh) * 2015-05-20 2015-08-19 北京控制工程研究所 一种局部精度约束的三维地形生成方法
CN106991647A (zh) * 2017-03-29 2017-07-28 华中科技大学 一种低信噪比图像重构方法和系统
CN107729663A (zh) * 2017-10-23 2018-02-23 陈国� 一种基于多层约束体系的公路路线三维优化方法
CN109358325A (zh) * 2018-12-06 2019-02-19 西安电子科技大学 起伏地形背景下雷达高度表的地形反演方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881830A (zh) * 2010-03-15 2010-11-10 中国电子科技集团公司第十研究所 重建雷达扫描数据生成三维可视地形的方法
CN102519434A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种用于立体视觉三维恢复数据精度测量的试验验证方法
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN102567964A (zh) * 2011-12-08 2012-07-11 北京控制工程研究所 一种用于立体视觉视差图的滤波方法
CN103869820A (zh) * 2014-03-18 2014-06-18 北京控制工程研究所 一种巡视器地面导航规划控制方法
CN103884281A (zh) * 2014-03-18 2014-06-25 北京控制工程研究所 一种基于主动结构光的巡视器障碍探测方法
CN104570147A (zh) * 2014-12-26 2015-04-29 北京控制工程研究所 一种基于单目相机和主动结构光的障碍探测方法
CN104851131A (zh) * 2015-05-20 2015-08-19 北京控制工程研究所 一种局部精度约束的三维地形生成方法
CN106991647A (zh) * 2017-03-29 2017-07-28 华中科技大学 一种低信噪比图像重构方法和系统
CN107729663A (zh) * 2017-10-23 2018-02-23 陈国� 一种基于多层约束体系的公路路线三维优化方法
CN109358325A (zh) * 2018-12-06 2019-02-19 西安电子科技大学 起伏地形背景下雷达高度表的地形反演方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111046846A (zh) * 2019-12-27 2020-04-21 长安大学 一种机器人前方障碍通过性判断的方法

Also Published As

Publication number Publication date
CN110110645B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN110378196B (zh) 一种结合激光点云数据的道路视觉检测方法
CN112001958B (zh) 基于有监督单目深度估计的虚拟点云三维目标检测方法
CN105184250B (zh) 一种电力走廊机载LiDAR点云数据的地物分类方法
CN110570428A (zh) 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
CN110221603A (zh) 一种基于激光雷达多帧点云融合的远距离障碍物检测方法
JP7273927B2 (ja) 画像ベースの測位方法及びシステム
CN110110621B (zh) 基于多特征整合深度学习模型的倾斜摄影点云分类方法
CN105574905B (zh) 一种三维激光点云数据的二维图像化表述方法
CN109242855B (zh) 基于多分辨率三维统计信息的屋顶分割方法、系统及设备
CN102103202A (zh) 一种融合影像的机载激光雷达数据半监督分类方法
CN111383335B (zh) 一种众筹照片与二维地图结合的建筑物三维建模方法
WO2018061010A1 (en) Point cloud transforming in large-scale urban modelling
CN113221648B (zh) 一种基于移动测量系统的融合点云序列影像路牌检测方法
WO2023060632A1 (zh) 基于点云数据的街景地物多维度提取方法和系统
CN111047695A (zh) 一种城市群高度空间信息及等高线的提取方法
CN115421158B (zh) 自监督学习的固态激光雷达三维语义建图方法与装置
CN113781431B (zh) 基于城市点云数据的绿视率计算方法
CN113129449B (zh) 一种基于双目视觉的车辆路面特征识别及三维重建方法
CN109492606A (zh) 多光谱矢量图获取方法及系统、三维单体化方法及系统
CN117292076A (zh) 工程机械局部作业场景动态三维重构方法及系统
CN113516108B (zh) 基于数据识别的工地抑尘数据匹配处理方法
CN113947724A (zh) 一种基于双目视觉的线路覆冰厚度自动测量方法
CN118429524A (zh) 基于双目立体视觉的车辆行驶环境建模方法及系统
CN112946679A (zh) 一种基于人工智能的无人机测绘果冻效应检测方法及系统
CN106709432B (zh) 基于双目立体视觉的人头检测计数方法

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