CN110223297A - 基于扫描点云数据的分割与识别方法、系统及存储介质 - Google Patents
基于扫描点云数据的分割与识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN110223297A CN110223297A CN201910305106.5A CN201910305106A CN110223297A CN 110223297 A CN110223297 A CN 110223297A CN 201910305106 A CN201910305106 A CN 201910305106A CN 110223297 A CN110223297 A CN 110223297A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- scene
- scanning
- data
- segmentation
- 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.)
- Pending
Links
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
- G06T7/10—Segmentation; Edge detection
-
- 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
Abstract
本发明公开了一种基于扫描点云数据的分割与识别方法、系统及存储介质,方法包括:扫描场景并根据扫描的数据生成场景的三维模型;从场景的三维模型获取扫描点云数据;对扫描点云数据进行分割,得到场景内第一对象的点云;采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。本发明在完成建模之后再进行点云分割,不会因点云分割耗时而降低建模效率,建模效率高;在点云分割完成后通过人工智能的方法智能识别出场景内第一对象的类型及对应的数量,便于通过人工智能统计出同类型物体等对象的数量,智能化程度高,可广泛应用于三维重建与模式识别领域。
Description
技术领域
本发明涉及三维重建与模式识别领域,尤其是一种基于扫描点云数据的分割与识别方法、系统及存储介质。
背景技术
在智慧园区、智慧城市等大场景的实现方案中,基于扫描的三维重建技术被广泛应用,该技术一般先通过相机、航拍飞机等扫描设备扫描或采集周围环境的三维信息,然后根据扫描或采集的三维信息重建出周围环境的三维模型。
由于扫描的场景包含不同类型的物体,例如地面、建筑物、树木、车辆等,现有技术在进行三维重建之前,需要通过点云分割将不同类型的物体对应的点云数据彼此分割开,以便对各个物体分别进行点云建模。然而,现有技术的这种点云分割方式采用了建模之前的分割方式,在物体的类型较多时会因点云分割耗时而降低建模效率。此外,这种点云分割方式只是利用分割结果来建模,并未利用分割结果来进行同类型物体的数量统计等进一步的操作,智能化程度不高,难以满足智慧园区、智慧城市等应用场景的高要求。
发明内容
为解决上述技术问题,本发明实施例的目的在于:提供一种基于扫描点云数据的分割与识别方法、系统及存储介质。
第一方面,本发明实施例所采取的技术方案是:
基于扫描点云数据的分割与识别方法,包括以下步骤:
扫描场景并根据扫描的数据生成场景的三维模型;
从场景的三维模型获取扫描点云数据;
对扫描点云数据进行分割,得到场景内第一对象的点云;
采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。
进一步,所述扫描场景并根据扫描的数据生成场景的三维模型这一步骤,具体包括:
通过扫描设备扫描场景的三维数据,所述扫描设备包括航拍扫描设备、室内扫描设备和室外扫描设备;
将场景的三维数据上传服务器;
根据场景的三维数据通过服务器进行三维重建,得到场景的三维模型、对应的链接以及对应的点云数据。
进一步,所述对扫描点云数据进行分割,得到场景内第一对象的点云这一步骤,具体为:
根据扫描点云数据中点与近邻点间的关系,从扫描点云数据中分割出场景内第一对象的点云。
进一步,所述采用人工智能的方法对场景内第一对象的点云进行智能识别这一步骤,具体包括:
根据输入的样本和标签,采用人工智能的方法训练点云识别模型;
将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型;
计算场景内各类型第一对象的点云的数量,从而得到第一对象的数量。
进一步,所述将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型这一步骤,具体包括:
将场景内第一对象的点云输入点云识别模型,识别出室内对象的点云的类型,所述室内对象的点云的类型包括椅子、桌子、电脑、天花板、地板、墙、玻璃镜面和窗口。
进一步,所述将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型这一步骤,具体包括:
将场景内第一对象的点云输入点云识别模型,识别出室外对象的点云的类型,所述室外对象的点云的类型包括线缆、桌子、树、道路、建筑、灯柱、车辆和视频采集装置。
进一步,还包括以下步骤:
展示场景的三维模型和智能识别的结果。
第二方面,本发明实施例所采取的技术方案是:
基于扫描点云数据的分割与识别系统,包括:
扫描与建模模块,用于扫描场景并根据扫描的数据生成场景的三维模型;
获取模块,用于从场景的三维模型获取扫描点云数据;
分割模块,用于对点云数据进行分割,得到场景内第一对象的点云;
智能识别模块,用于采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。
第三方面,本发明实施例所采取的技术方案是:
基于扫描点云数据的分割与识别系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如本发明所述的基于扫描点云数据的分割与识别方法。
第四方面,本发明实施例所采取的技术方案是:
存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现如本发明所述的基于扫描点云数据的分割与识别方法。
上述本发明实施例中的一个或多个技术方案具有如下优点:本发明实施例先从扫描后生成的场景的三维模型中获取扫描点云数据,再进行点云分割,最后进行智能识别,在完成建模之后再进行点云分割,不会因点云分割耗时而降低建模效率,建模效率高;在点云分割完成后通过人工智能的方法智能识别出场景内第一对象的类型及对应的数量,便于通过人工智能统计出同类型物体等对象的数量,智能化程度高,满足了智慧园区、智慧城市等应用场景的要求。
附图说明
图1为本发明实施例扫描建模与智能识别系统的结构框图;
图2为本发明实施例提供的基于扫描点云数据的分割与识别方法流程图;
图3为发明实施例提供的基于扫描点云数据的分割与识别系统的一种结构框图;
图4为发明实施例提供的基于扫描点云数据的分割与识别系统的另一种结构框图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。
本实施例对本发明所采用的扫描建模与智能识别系统的架构进行说明。如图1所示,该系统主要包括扫描设备、服务器和展示模块。
其中,扫描设备,用于对工业园区、城市等场景内的对象进行扫描,并将扫描的数据上传给服务器。对象可以是对称物体,具有不平坦表面的不对称物体,还可以是环境或人物。扫描设备可以是航拍扫描设备、室内扫描设备或室外扫描设备。航拍扫描设备,可以是航拍飞机等航拍设备,用于扫描场景内区域范围(如整个园区)的三维数据。室内扫描设备,用于扫描室内环境(如园区内某栋建筑某层楼的内部)的三维数据。室内扫描设备,可以是手持扫描设备(如带支撑架的相机)或其他自动扫描设备(如自动扫描机器人)。室外扫描设备,用于扫描室外环境(如园区内的某条马路等)的三维数据。室外扫描设备,可以是手持扫描设备(如带支撑架的相机)或其他自动扫描设备(如自动扫描机器人)。三维数据包括二维图片和深度信息等数据。优选地,扫描设备可集成有GPU芯片,能在本地对采集的二维图片和深度信息等数据进行初步的处理(如将二维图片按深度信息进行初步拼接等),减轻了服务器的处理负担。
服务器,用于根据扫描设备上传的数据进行三维重建,以生成场景的三维模型。其中,三维重建的内容包括模型修复、剪辑、裁剪、减面、减模、压缩、处理材质、处理贴图和处理灯光。优选地,服务器还用于生成场景的三维模型的链接(如URL链接等),这样任何支持浏览器的计算设备(包括智能手机、平板电脑、笔记本电脑、智能手表、智能电视、计算机等)都可以通过该链接访问该三维模型。服务器可以是能通过有线或无线的方式与扫描设备通讯的后台服务器、云端服务器等。场景的三维模型是由多个点云(点的集合)组成的,故服务器也可以在生成场景的三维模型后提供对应的扫描点云数据,以便于后续的分割与智能识别。
优选地,服务器还可用于根据扫描点云数据中点与近邻点间的关系,从扫描点云数据中分割出场景内各个对象的点云,再结合人工智能的方法进行识别,从而得到各个对象的类型。同时由于分割时已对点云进行了划分,结合人工智能的识别结果服务器就可以自动统计出同一类型对象的数量,省去了人工计算数量的过程,极大地提升了效率和方便了用户。
展示模块,用于展示场景的三维模型以及智能识别的结果(如各种类型对象的名称和对应的数量等)。展示模块可以采用AR显示设备、VR显示设备、移动终端、平板电脑端、PC电脑端、空气屏、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏等中的任一种来实现。
如图2所示,本发明实施例提供了一种基于扫描点云数据的分割与识别方法,包括以下步骤:
扫描场景并根据扫描的数据生成场景的三维模型;
从场景的三维模型获取扫描点云数据;
对扫描点云数据进行分割,得到场景内第一对象的点云;
采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。
具体地,场景内第一对象可包含多个物体、人物等大场景内的对象。相应地,对扫描点云数据进行分割,得到场景内第一对象的点云也包含了多个点云,这些分割出的点云的具体类型经人工智能的方法识别后即可得出。这样将分割出的每个点云与类型对应起来,即可自动地统计出各个类型对象的具体数量,十分方便。
由上述的内容可知,本实施例在完成建模之后再进行点云分割,与现有先进行点云分割再建模的方式相比,不会因点云分割耗时而降低建模效率,建模效率更高。同时,本实施例点云分割完成后通过人工智能的方法智能识别出场景内第一对象的类型及对应的数量,以便于通过人工智能统计出同类型物体等对象的数量,智能化程度高,满足了智慧园区、智慧城市等应用场景的要求。
进一步作为优选的实施方式,所述扫描场景并根据扫描的数据生成场景的三维模型这一步骤,具体包括:
通过扫描设备扫描场景的三维数据,所述扫描设备包括航拍扫描设备、室内扫描设备和室外扫描设备;
将场景的三维数据上传服务器;
根据场景的三维数据通过服务器进行三维重建,得到场景的三维模型、对应的链接以及对应的点云数据。
具体地,基于图1的扫描设备和服务器,本实施例可以很方便地扫描工业园区、城市等大场景的三维数据,并可以通过服务器的三维重建快速生成场景的三维模型以及点云数据,以便于后续的分割与智能识别。
进一步作为优选的实施方式,所述对扫描点云数据进行分割,得到场景内第一对象的点云这一步骤,具体为:
根据扫描点云数据中点与近邻点间的关系,从扫描点云数据中分割出场景内第一对象的点云。
具体地,扫描点云数据中点与近邻点间的关系,反映了点云数据中点与点之间的关联。本实施例可基于该关系,将满足划分标准的点划分到同一类型的点云中去。例如,可将与某点间的距离在预设阈值内的点归入该点所属的点云中。本领域技术人员可以理解的是,划分标准可以不仅仅依据距离,其它的标准(如颜色、大小等属性)同样适用于本实施例。
进一步作为优选的实施方式,所述采用人工智能的方法对场景内第一对象的点云进行智能识别这一步骤,具体包括:
根据输入的样本和标签,采用人工智能的方法训练点云识别模型;
将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型;
计算场景内各类型第一对象的点云的数量,从而得到第一对象的数量。
具体地,标签用于标识样本中点云数据的类型,也就是说,输入的样本中点云数据及对应的类型是已知的,这样通过人工智能的方法可训练出用于识别点云类型的模型。后面再有新的点云数据输入,即使它的类型是未知的,也可以使用该模型来识别出来。另外,输入的样本既可以是预先给定的对象的点云数据,也可以是在训练或识别后新生成的对象的点云数据,这样点云识别模型在训练时就可以通过不断的自我学习和更新来提高识别模型的精度和准确度。
而场景内各类型第一对象的点云的数量则代表了场景内各类型第一对象的数量。
进一步作为优选的实施方式,所述将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型这一步骤,具体包括:
将场景内第一对象的点云输入点云识别模型,识别出室内对象的点云的类型,所述室内对象的点云的类型包括椅子、桌子、电脑、天花板、地板、墙、玻璃镜面和窗口。
具体地,本实施例在对室内对象进行智能识别时,可通过预训练的室内对象的点云识别模型来识别出室内的物体等对象的类型,十分方便和快捷。
进一步作为优选的实施方式,所述将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型这一步骤,具体包括:
将场景内第一对象的点云输入点云识别模型,识别出室外对象的点云的类型,所述室外对象的点云的类型包括线缆、桌子、树、道路、建筑、灯柱、车辆和视频采集装置。
具体地,本实施例在对室外对象进行智能识别时,可通过预训练的室外对象的点云识别模型来识别出室外的物体等对象的类型,十分方便和快捷。线缆包括电缆、光缆等。灯柱用于安置照明灯。视频采集装置可以是监控摄像头、CCTV闭路电视等装置。
进一步作为优选的实施方式,还包括以下步骤:
展示场景的三维模型和智能识别的结果。
具体地,本实施例在智能识别完成后,可以通过图1的展示模块直观地展示场景的三维模型,还可以直接展示场景内各个对象的类型和对应的数量等智能识别的结果,十分方便。
如图3所示,本发明实施例提供了一种基于扫描点云数据的分割与识别系统,包括:
扫描与建模模块,用于扫描场景并根据扫描的数据生成场景的三维模型;
获取模块,用于从场景的三维模型获取扫描点云数据;
分割模块,用于对扫描点云数据进行分割,得到场景内第一对象的点云;
智能识别模块,用于采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
如图4所示,本发明实施例提供了一种基于扫描点云数据的分割与识别系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如本发明所述的基于扫描点云数据的分割与识别方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现如本发明所述的基于扫描点云数据的分割与识别方法。
以某个工业园区为例,应用本发明的方法对园区进行点云分割与智能识别,具体实现步骤如下:
步骤1:通过航拍飞机、室内扫描设备等对该园区的室内室外全景进行扫描,并将扫描的数据上传服务器;
步骤2:服务器根据上传的数据进行三维重建,以通过模型修复、剪辑、裁剪、减面、减模、压缩、处理材质、处理贴图和处理灯光等处理重建出该园区的三维模型并生成对应的链接;
步骤3:从该园区的三维模型中获取该园区的点云数据;
步骤4:对获取的点云数据进行点云分割,得到该园区内各对象的点云;
步骤6:采用人工智能的方法对该园区内各对象的点云进行智能识别,得到该园区内各对象的类型(名称)以及各类型对象的数量;
具体地,以该园区内各对象为室内环境对象为例,在点云分割完成后,可通过人工智能的方法识别出各点云的类型(即各对象的类型),同时由于点云分割已经分割出各个点云,这样只需将点云的类型和各个点云对应起来,即可通过统计同一类型的点云的数量得到各个类型对象的数量。例如,可识别出该园区的某个室内环境(如某栋楼的某一个房间)内包含有多少把椅子、多少个桌子、多少个电脑、哪个是天花板、哪个是地板、哪个是墙壁、哪个是玻璃镜面、哪个是窗口等等。
同理,对于该园区的室外环境,可识别该园区的室外环境包含的电缆、树木、马路、灯柱、CCDV摄像头、建筑、车辆和行人等对象及每个对象的数量。
步骤7:通过展示模块展示该园区的三维模型,以及该园区内各对象的类型(或名称)以及各类型对象的数量等智能识别的结果。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.基于扫描点云数据的分割与识别方法,其特征在于:包括以下步骤:
扫描场景并根据扫描的数据生成场景的三维模型;
从场景的三维模型获取扫描点云数据;
对扫描点云数据进行分割,得到场景内第一对象的点云;
采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。
2.根据权利要求1所述的基于扫描点云数据的分割与识别方法,其特征在于:所述扫描场景并根据扫描的数据生成场景的三维模型这一步骤,具体包括:
通过扫描设备扫描场景的三维数据,所述扫描设备包括航拍扫描设备、室内扫描设备和室外扫描设备;
将场景的三维数据上传服务器;
根据场景的三维数据通过服务器进行三维重建,得到场景的三维模型、对应的链接以及对应的点云数据。
3.根据权利要求1所述的基于扫描点云数据的分割与识别方法,其特征在于:所述对扫描点云数据进行分割,得到场景内第一对象的点云这一步骤,具体为:
根据扫描点云数据中点与近邻点间的关系,从扫描点云数据中分割出场景内第一对象的点云。
4.根据权利要求1所述的基于扫描点云数据的分割与识别方法,其特征在于:所述采用人工智能的方法对场景内第一对象的点云进行智能识别这一步骤,具体包括:
根据输入的样本和标签,采用人工智能的方法训练点云识别模型;
将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型;
计算场景内各类型第一对象的点云的数量,从而得到第一对象的数量。
5.根据权利要求4所述的基于扫描点云数据的分割与识别方法,其特征在于:所述将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型这一步骤,具体包括:
将场景内第一对象的点云输入点云识别模型,识别出室内对象的点云的类型,所述室内对象的点云的类型包括椅子、桌子、电脑、天花板、地板、墙、玻璃镜面和窗口。
6.根据权利要求4所述的基于扫描点云数据的分割与识别方法,其特征在于:所述将场景内第一对象的点云输入点云识别模型,识别出场景内第一对象的点云的类型这一步骤,具体包括:
将场景内第一对象的点云输入点云识别模型,识别出室外对象的点云的类型,所述室外对象的点云的类型包括线缆、桌子、树、道路、建筑、灯柱、车辆和视频采集装置。
7.根据权利要求1所述的基于扫描点云数据的分割与识别方法,其特征在于:还包括以下步骤:
展示场景的三维模型和智能识别的结果。
8.基于扫描点云数据的分割与识别系统,其特征在于:包括:
扫描与建模模块,用于扫描场景并根据扫描的数据生成场景的三维模型;
获取模块,用于从场景的三维模型获取扫描点云数据;
分割模块,用于对扫描点云数据进行分割,得到场景内第一对象的点云;
智能识别模块,用于采用人工智能的方法对场景内第一对象的点云进行智能识别,所述智能识别包括识别第一对象的类型及对应的数量,所述第一对象包括室内对象和室外对象。
9.基于扫描点云数据的分割与识别系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7任一项所述的基于扫描点云数据的分割与识别方法。
10.存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7任一项所述的基于扫描点云数据的分割与识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910305106.5A CN110223297A (zh) | 2019-04-16 | 2019-04-16 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
PCT/CN2019/126978 WO2020211427A1 (zh) | 2019-04-16 | 2019-12-20 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910305106.5A CN110223297A (zh) | 2019-04-16 | 2019-04-16 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110223297A true CN110223297A (zh) | 2019-09-10 |
Family
ID=67822607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910305106.5A Pending CN110223297A (zh) | 2019-04-16 | 2019-04-16 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110223297A (zh) |
WO (1) | WO2020211427A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080799A (zh) * | 2019-12-04 | 2020-04-28 | 广东康云科技有限公司 | 基于三维建模的场景漫游方法、系统、装置和存储介质 |
WO2020211427A1 (zh) * | 2019-04-16 | 2020-10-22 | 广东康云科技有限公司 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
CN112102375A (zh) * | 2020-07-22 | 2020-12-18 | 广州视源电子科技股份有限公司 | 一种点云配准可靠性检测的方法、装置、移动智慧设备 |
CN113160414A (zh) * | 2021-01-25 | 2021-07-23 | 北京豆牛网络科技有限公司 | 货物余量自动识别方法、装置、电子设备以及计算机可读介质 |
CN113503815A (zh) * | 2021-07-07 | 2021-10-15 | 思灵机器人科技(哈尔滨)有限公司 | 基于光栅的喷涂外型识别方法 |
CN116774195A (zh) * | 2023-08-22 | 2023-09-19 | 国网天津市电力公司滨海供电分公司 | 多传感器联合标定的激励判断与参数自调节方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877128A (zh) * | 2009-12-23 | 2010-11-03 | 中国科学院自动化研究所 | 一种三维场景中不同物体的分割方法 |
CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
CN105205858A (zh) * | 2015-09-18 | 2015-12-30 | 天津理工大学 | 一种基于单个深度视觉传感器的室内场景三维重建方法 |
CN106570903A (zh) * | 2016-10-13 | 2017-04-19 | 华南理工大学 | 一种基于rgb‑d摄像头的视觉识别与定位方法 |
CN206322194U (zh) * | 2016-10-24 | 2017-07-11 | 杭州非白三维科技有限公司 | 一种基于三维扫描的反欺诈人脸识别系统 |
EP3193276A1 (de) * | 2016-01-18 | 2017-07-19 | Sick Ag | Erfassungsvorrichtung und verfahren zum erkennen von fahrzeugachsen |
CN207037750U (zh) * | 2017-07-21 | 2018-02-23 | 湖南拓视觉信息技术有限公司 | 全场景扫描装置及三维扫描建模系统 |
CN107748890A (zh) * | 2017-09-11 | 2018-03-02 | 汕头大学 | 一种基于深度图像的视觉抓取方法、装置及其可读存储介质 |
CN107894911A (zh) * | 2017-11-13 | 2018-04-10 | 中海油常州涂料化工研究院有限公司 | 海上平台的信息管理方法和装置 |
CN109085966A (zh) * | 2018-06-15 | 2018-12-25 | 广东康云多维视觉智能科技有限公司 | 一种基于云计算的三维展示系统及方法 |
CN109102537A (zh) * | 2018-06-25 | 2018-12-28 | 中德人工智能研究院有限公司 | 一种激光雷达和球幕相机结合的三维建模方法和系统 |
CN109143207A (zh) * | 2018-09-06 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 激光雷达内参精度验证方法、装置、设备及介质 |
CN109344750A (zh) * | 2018-09-20 | 2019-02-15 | 浙江工业大学 | 一种基于结构描述子的复杂结构三维对象识别方法 |
CN109344813A (zh) * | 2018-11-28 | 2019-02-15 | 北醒(北京)光子科技有限公司 | 一种基于rgbd的目标识别和场景建模方法及装置 |
CN109345510A (zh) * | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366250B (zh) * | 2013-07-12 | 2016-08-10 | 中国科学院深圳先进技术研究院 | 基于三维实景数据的市容环境检测方法及系统 |
CN108389256B (zh) * | 2017-11-23 | 2022-03-01 | 千寻位置网络有限公司 | 二三维交互式无人机电力杆塔巡检辅助方法 |
CN108052914A (zh) * | 2017-12-21 | 2018-05-18 | 中国科学院遥感与数字地球研究所 | 一种基于slam和图像识别的森林林木资源调查方法 |
CN110223297A (zh) * | 2019-04-16 | 2019-09-10 | 广东康云科技有限公司 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
-
2019
- 2019-04-16 CN CN201910305106.5A patent/CN110223297A/zh active Pending
- 2019-12-20 WO PCT/CN2019/126978 patent/WO2020211427A1/zh active Application Filing
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877128A (zh) * | 2009-12-23 | 2010-11-03 | 中国科学院自动化研究所 | 一种三维场景中不同物体的分割方法 |
CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
CN105205858A (zh) * | 2015-09-18 | 2015-12-30 | 天津理工大学 | 一种基于单个深度视觉传感器的室内场景三维重建方法 |
EP3193276A1 (de) * | 2016-01-18 | 2017-07-19 | Sick Ag | Erfassungsvorrichtung und verfahren zum erkennen von fahrzeugachsen |
CN106570903A (zh) * | 2016-10-13 | 2017-04-19 | 华南理工大学 | 一种基于rgb‑d摄像头的视觉识别与定位方法 |
CN206322194U (zh) * | 2016-10-24 | 2017-07-11 | 杭州非白三维科技有限公司 | 一种基于三维扫描的反欺诈人脸识别系统 |
CN207037750U (zh) * | 2017-07-21 | 2018-02-23 | 湖南拓视觉信息技术有限公司 | 全场景扫描装置及三维扫描建模系统 |
CN107748890A (zh) * | 2017-09-11 | 2018-03-02 | 汕头大学 | 一种基于深度图像的视觉抓取方法、装置及其可读存储介质 |
CN107894911A (zh) * | 2017-11-13 | 2018-04-10 | 中海油常州涂料化工研究院有限公司 | 海上平台的信息管理方法和装置 |
CN109085966A (zh) * | 2018-06-15 | 2018-12-25 | 广东康云多维视觉智能科技有限公司 | 一种基于云计算的三维展示系统及方法 |
CN109102537A (zh) * | 2018-06-25 | 2018-12-28 | 中德人工智能研究院有限公司 | 一种激光雷达和球幕相机结合的三维建模方法和系统 |
CN109143207A (zh) * | 2018-09-06 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 激光雷达内参精度验证方法、装置、设备及介质 |
CN109345510A (zh) * | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
CN109344750A (zh) * | 2018-09-20 | 2019-02-15 | 浙江工业大学 | 一种基于结构描述子的复杂结构三维对象识别方法 |
CN109344813A (zh) * | 2018-11-28 | 2019-02-15 | 北醒(北京)光子科技有限公司 | 一种基于rgbd的目标识别和场景建模方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020211427A1 (zh) * | 2019-04-16 | 2020-10-22 | 广东康云科技有限公司 | 基于扫描点云数据的分割与识别方法、系统及存储介质 |
CN111080799A (zh) * | 2019-12-04 | 2020-04-28 | 广东康云科技有限公司 | 基于三维建模的场景漫游方法、系统、装置和存储介质 |
CN112102375A (zh) * | 2020-07-22 | 2020-12-18 | 广州视源电子科技股份有限公司 | 一种点云配准可靠性检测的方法、装置、移动智慧设备 |
CN112102375B (zh) * | 2020-07-22 | 2024-04-12 | 广州视源电子科技股份有限公司 | 一种点云配准可靠性检测的方法、装置、移动智慧设备 |
CN113160414A (zh) * | 2021-01-25 | 2021-07-23 | 北京豆牛网络科技有限公司 | 货物余量自动识别方法、装置、电子设备以及计算机可读介质 |
CN113503815A (zh) * | 2021-07-07 | 2021-10-15 | 思灵机器人科技(哈尔滨)有限公司 | 基于光栅的喷涂外型识别方法 |
CN116774195A (zh) * | 2023-08-22 | 2023-09-19 | 国网天津市电力公司滨海供电分公司 | 多传感器联合标定的激励判断与参数自调节方法及系统 |
CN116774195B (zh) * | 2023-08-22 | 2023-12-08 | 国网天津市电力公司滨海供电分公司 | 多传感器联合标定的激励判断与参数自调节方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020211427A1 (zh) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223297A (zh) | 基于扫描点云数据的分割与识别方法、系统及存储介质 | |
US10679061B2 (en) | Tagging virtualized content | |
CN109508678B (zh) | 人脸检测模型的训练方法、人脸关键点的检测方法和装置 | |
KR102272650B1 (ko) | 가상현실 기반 3차원 공간 재구성을 이용한 인테리어 서비스 제공 시스템 | |
CN105359190B (zh) | 根据单个图像估计深度 | |
WO2020228766A1 (zh) | 基于实景建模与智能识别的目标跟踪方法、系统及介质 | |
CN110232696A (zh) | 一种图像区域分割的方法、模型训练的方法及装置 | |
CN110379020B (zh) | 一种基于生成对抗网络的激光点云上色方法和装置 | |
WO2020134528A1 (zh) | 目标检测方法及相关产品 | |
CN108053449A (zh) | 双目视觉系统的三维重建方法、装置及双目视觉系统 | |
CN111080799A (zh) | 基于三维建模的场景漫游方法、系统、装置和存储介质 | |
WO2020228326A1 (zh) | 一种可视化三维扫描建模方法、系统、设备及存储介质 | |
CN108789421B (zh) | 基于云平台的云机器人交互方法和云机器人及云平台 | |
CN107153838A (zh) | 一种照片自动分级方法及装置 | |
CN111881238A (zh) | 一种适用于Web端的轻量级三维数据构建方法、介质和电子设备 | |
WO2020151426A1 (zh) | 基于人工智能的三维建模方法及系统 | |
CN110232731A (zh) | 一种智慧城市系统及其实现方法 | |
CN108765584A (zh) | 激光点云数据集增广方法、装置及可读存储介质 | |
CN110660125B (zh) | 用于电力配网系统的三维建模装置 | |
CN113487723B (zh) | 基于可量测全景三维模型的房屋在线展示方法及系统 | |
CN110414351A (zh) | 变电站的智能分割与识别方法、系统及存储介质 | |
CN115222920B (zh) | 基于图像的数字孪生时空知识图谱构建方法和装置 | |
CN110136267A (zh) | 一种虚实重构的增强现实展示系统及方法 | |
CN115903541A (zh) | 一种基于孪生场景的视觉算法仿真数据集生成及验证方法 | |
WO2020228346A1 (zh) | 变电站三维数字化建模方法、系统、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |
|
RJ01 | Rejection of invention patent application after publication |