CN110796728A - 一种基于扫描式激光雷达的非合作航天器三维重建方法 - Google Patents
一种基于扫描式激光雷达的非合作航天器三维重建方法 Download PDFInfo
- Publication number
- CN110796728A CN110796728A CN201910896523.1A CN201910896523A CN110796728A CN 110796728 A CN110796728 A CN 110796728A CN 201910896523 A CN201910896523 A CN 201910896523A CN 110796728 A CN110796728 A CN 110796728A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional
- spacecraft
- points
- point
- 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
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
- 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
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06V10/513—Sparse representations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于扫描式激光雷达的非合作航天器三维重建方法,涉及三维点云配准领域,能够在适应光照变化、尽量减少航天器的姿态机动的条件下进行点云特征提取和匹配,最终进行三维重建。本发明包括:针对性的进行点云特征提取并完成点云配准,之后对每一帧配准后点云进行叠加并通过回环检测消除累积误差,最终利用贪婪投影算法实现三维重建得到目标航天器几何构型。本发明在保证厘米级探测精度和水平方向高分辨率的前提下,降低了对探测航天器的姿态要求,从而避免多次姿态机动,以提高航天器在轨服务能力和在轨寿命。
Description
技术领域
本发明涉及三维点云配准领域,尤其涉及一种基于扫描式激光雷达的非合作航天器三维重建方法。
背景技术
随着空间技术的不断发展,在轨捕获技术得到了越来越多的重视,因此通过远距离传感器对目标航天器进行三维重建,以此估计其位姿信息和三维几何信息具有重要意义。在空间环境中,非合作目标通常处于失效自旋失稳状态,会出现目标图像大尺度变化等情况,同时受光照条件影响,传统视觉传感器的测量精度会严重下降甚至失效,而激光雷达能在无光照下直接获取目标表面的三维点云信息,具有精度高、抗干扰能力强等特点。
当前激光雷达主要分为闪光激光雷达和扫描式激光雷达,前者具有结构简单、无需扫描、功耗低等优点,但存在分辨率低、校准复杂、探测范围有限等问题,当闪光激光雷达无法完全探测到目标航天器时,需主动频繁调整自身航天器的姿态以达到观测要求,而在空间环境中,调整航天器姿态需要复杂的控制程序,由此增加了探测任务难度;扫描式激光雷达可以利用自身所携带的旋转电机完成水平方向360°扫描,在垂直方向也能达到较大的探测视野,可以降低探测任务所需的自身姿态精度,从而极大提高任务可行性以及可靠性,具备极高的实际工程应用价值。
目前在航天任务中,以单目、双目等视觉传感器居多,但空间中恶劣的光照条件会对该类传感器探测精度和稳定性造成极大的影响,同时视觉传感器也无法直接获取深度信息,只能通过复杂的视觉算法进行估计,严重加大了星载计算机运算量;在激光雷达的应用方面,当前主要以位姿估计任务为主,即直接对点云数据进行帧间匹配,在该类算法中,需要对航天器表面几何特征进行识别提取,如发动机喷口、太阳翼三脚支架等,而在三维重建中无法保证每一帧都能提取上述特征,从而导致帧间的匹配结果不准确甚至出错。
发明内容
本发明提供一种基于扫描式激光雷达的非合作航天器三维重建方法,能够在适应光照变化、尽量减少航天器的姿态机动的条件下进行点云特征提取和匹配,最终进行三维重建。
为达到上述目的,本发明采用如下技术方案:
一种基于扫描式激光雷达的非合作航天器三维重建方法,包括:
S1、激光雷达采集目标航天器的三维点云数据。
S2、对所述三维点云数据进行预处理,得到预处理后的三维点云。
S3、对所述预处理后的三维点云进行特征点提取,得到提取特征点后的点云数据。
S4、对所述提取特征点后的点云数据进行帧间粗配准,该配准结果可以为后续精配准提供较好的迭代初值,从而避免陷入局部极值导致最终配准失败;再通过ICP算法对相邻两帧点云进行精配准,得到配准后的点云数据,ICP算法在提供较好的迭代初值后,具备良好的收敛性,同时也具有配准精度高、无需对数据分割处理的优势。
S5、对所述配准后的点云数据进行回环检测,得到检测后的三维点云。由于点云帧间配准始终存在误差,在长时间后误差累积会十分明显,对后续的目标航天器三维点云模型构建带来巨大影响甚至构建出错误模型,通过回环检测可以完成点云闭合,从而极大的消除累积误差。
S6、利用贪婪投影算法对所述检测后的三维点云进行三维重建,得到重建结果,即目标航天器的外形尺寸、结构、位置、姿态。
进一步的,在S2中,所述预处理包括滤波去噪、数据精简。
进一步的,在S3中,所述特征点提取的方法包括:
根据垂直视场角将所述预处理后的三维点云归类,同一类中取一束激光所对应的点云进行曲率计算;
根据计算求得的曲率值进行判断,将符合判断条件点标记为特征点;
其中,所述判断条件包括:(1)被测试点的曲率值大于所在激光束的平均值;(2)被测试点的曲率值与前后相邻五个点的平均曲率比值大于等于2;(3)被测试点的前后五个相邻点中无特征点;(4)被测试点所在的激光束中,任意两个特征点欧氏距离大于等于该束激光最大距离的即一束激光最多五个特征点。
进一步的,在S6中,所述三维重建包括:
将所述检测后的三维点云沿法线投影到某一平面,将所述平面上的投影点云三角化,得到所述投影点云中各个点之间的连接关系;
根据所述检测后的三维点云和所述投影点云之间的投影关系,以及所述投影点云中各个点之间的连接关系,复原所述检测后的三维点云各点之间的连接关系;
依据所述检测后的三维点云各点之间的连接关系,还原所述目标航天器的几何构型。
本发明的有益效果是:
本发明采用激光雷达采集目标航空器的三维点云,相比传统利用相机、闪光式激光雷达等,该方法能适应光照变化明显、探测目标大范围翻转等情形,具备更强的鲁棒性;在特征点提取时,利用激光束对数据分类,以单束激光计算各点曲率值,有效避免了稀疏点云的局部点云分散、特征点难以直接描述的问题;并且激光雷达的高探测精度提高了特征点提取算法配准率,保持了高精度的帧间配准结果,为三维重建提供良好的点云配准基础;同时在保证厘米级探测精度和水平方向高分辨率的前提下,降低了对探测航天器的姿态要求,从而避免多次姿态机动,以提高航天器在轨服务能力和在轨寿命。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1本发明的方法流程图;
图2是三维点云特征点提取算法的流程图;
图3是待扫描模型的结构示意图;
图4是被扫描模型连续两帧配准前三维点云图;
图5是被扫描模型连续两帧配准后三维点云图;
图6是回环检测优化后总三维点云图;
图7是三维点云基于贪婪投影算法的重建效果图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步详细描述。
本发明实施例提供一种基于扫描式激光雷达的非合作航天器三维重建方法,流程如图1所示,本发明通过对激光雷达采集的三维点云数据进行处理,结合一定的特征点提取算法计算帧间配准参数,同时利用回环检测消除累计误差,优化后的数据可实现目标航天器三维点云模型构建,最终通过贪婪投影算法实现航天器表面模型重建。
本发明的具体流程包括:
1、利用激光雷达采集得到目标航空器的三维点云数据Px,激光雷达的工作频率一般是5Hz~20Hz,本实施例中,激光雷达的采集频率为10Hz。
2、三维点云数据Px进行预处理,包括滤波去噪、数据精简,具体过程为:
(1)激光雷达扫描时由于硬件原因,会产生一些非实体表面点云,这类点云会对配准产生较大干扰,因此可以采用MCMD(Maximum Consistency with Minimum Distance)-Z自动去噪算法:
遍历邻域点云集Pk中所有点,计算出各点到拟合平面的正交距离OD,各点到拟合平面正交距离的集合为ODj:
其中,pj表示点云集Pk中任意一点;N(Pk)表示点云集Pk中的点云数量;
计算邻域内所有点的Rz-core值:
其中,MAD表示绝对偏差的均值;表示邻域内所有点的OD值的平均值,Rz-core为自定义变量,用于衡量某个点是否为异常点;
判断Rz-core值,若小于2.5,则为正常点,否则为异常点,遍历完成后剔除其中的所有异常点,得到滤波去噪后的点云Pm;
(2)对点云Pm进行降采样,实现点云数据的精简以提高三维重建算法的运算速度。在点云Pm的基础上创建一个三维体素栅格,在其中每个体素内用所有点的重心近似显示体素中其它点,即体素中的所有点用一个重心点表示,对于所有体素处理后得到精简点云,也即预处理后的三维点云Pn;
3、预处理后的三维点云Pn整体点云数量较稀疏,对该稀疏点云进行特征点提取,具体提取算法如图2所示,包括:
按照激光束对三维点云Pn进行分类,分类标准如公式4所示:
式中,lg表示该点分类后所属于的激光束编号,g=1,2,…,L,L表示激光雷达的激光束数量;(x,y,z)表示该点在激光雷达坐标系下的三维坐标。
对各束激光进行点云数量统计,若小于阈值则滤除该激光束所有点云数据,其中N(Pn)表示点云集Pn的三维点云数量;对于满足要求的激光束数据,遍历每一个三维点计算其曲率值,如公式5所示:
式中,i和j表示点云集Pn中点的标号,fi表示第i个点的曲率;pi
表示第i个点的三维坐标;
在上述基础上,对各激光束数据按照曲率大小降序排列,筛选满足以下四个约束条件的点作为特征点:
特征点的曲率值需大于其所在激光束所有点的平均曲率值;特征点的曲率值与其前后五个点的曲率平均值不能相近,即:
|fi-fa|≥ε,|fi-fb|≥ε (6)
至此,所有满足上述条件的点均为特征点,即特征点提取流程结束。
4、对提取完特征点的点云数据结果进行帧间粗配准,从而后续精配准提供较好的迭代初值,配准算法如下
对矩阵W进行奇异值分解,则可得粗配准标定参数:
W=UΣVT (8)
R0=UVT (9)
其中,U和V表示分解后的正交矩阵;Σ表示分解后的对角矩阵;R0表示初始旋转矩阵;t0表示初始位移向量。
然后通过ICP(Iterative Closest Point迭代最近点)算法对上述粗配准后的点云进行精配准,从而获取两帧原始点云的帧间精确配准结果。设点云Qv粗配准后为Q′v,以点云集Qu和Q′v构建误差平方和e如下:
其中,N(Q′v)表示点云Q′v的三维点数量;表示点云Qu的第m个点;q′v (m)表示点云Q′v的第m个点;R′表示精配准旋转矩阵;t′表示精配准位移向量。利用四元数法可对式(11)进行求解,最终配准前后对比如图3所示。
5、在特征点提取后,还需对该帧点云进行回环检测,以消除长时间后累积误差,进而完成点云闭合,具体可采用词袋模型方法,通过计算点快速直方图来描述该特征点,然后利用K-means(K-means clustering algorithm K均值聚类算法)对特征点进行聚类,类别的个数即为词袋个数,最终通过比较词袋个数和快速直方图来确定是否处于回环状态,并进行相应的点云优化。
6、对优化后的航天器点云模型利用贪婪投影算法进行三维重建,重建效果如图4所示;通过该重建结果最终可获取目标航天器外形尺寸、位置、姿态等信息。
本发明的有益效果是:
本发明采用激光雷达采集目标航空器的三维点云,相比传统利用相机、闪光式激光雷达等,该方法能适应光照变化明显、探测目标大范围翻转等情形,具备更强的鲁棒性;在特征点提取时,利用激光束对数据分类,以单束激光计算各点曲率值,有效避免了稀疏点云的局部点云分散、特征点难以直接描述的问题;并且激光雷达的高探测精度提高了特征点提取算法配准率,保持了高精度的帧间配准结果,在激光雷达水平测量分辨率达到0.1°的前提下,该方法利用所提出的特征点提取算法可以降低配准误差至1.1%,为三维重建提供良好的点云配准基础;同时在保证厘米级探测精度和水平方向高分辨率的前提下,降低了对探测航天器的姿态要求,从而避免多次姿态机动,以提高航天器在轨服务能力和在轨寿命。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种基于扫描式激光雷达的非合作航天器三维重建方法,其特征在于,包括:
S1、激光雷达采集目标航天器的三维点云数据;
S2、对所述三维点云数据进行预处理,得到预处理后的三维点云;
S3、对所述预处理后的三维点云进行特征点提取,得到提取特征点后的点云数据;
S4、对所述提取特征点后的点云数据进行帧间粗配准,再通过ICP算法对相邻两帧点云进行精配准,得到配准后的点云数据;
S5、对所述配准后的点云数据进行回环检测,得到检测后的三维点云;
S6、利用贪婪投影算法对所述检测后的三维点云进行三维重建,得到重建结果,即目标航天器的外形尺寸、结构、位置、姿态。
2.根据权利要求1所述的一种基于扫描式激光雷达的非合作航天器三维重建方法,其特征在于,在S2中,所述预处理包括滤波去噪、数据精简。
4.根据权利要求1所述的一种基于扫描式激光雷达的非合作航天器三维重建方法,其特征在于,在S6中,所述三维重建包括:
将所述检测后的三维点云沿法线投影到某一平面,将所述平面上的投影点云三角化,得到所述投影点云中各个点之间的连接关系;
根据所述检测后的三维点云和所述投影点云之间的投影关系,以及所述投影点云中各个点之间的连接关系,复原所述检测后的三维点云各点之间的连接关系;
依据所述检测后的三维点云各点之间的连接关系,还原所述目标航天器的几何构型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910896523.1A CN110796728B (zh) | 2019-09-20 | 2019-09-20 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910896523.1A CN110796728B (zh) | 2019-09-20 | 2019-09-20 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796728A true CN110796728A (zh) | 2020-02-14 |
CN110796728B CN110796728B (zh) | 2023-05-12 |
Family
ID=69439826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910896523.1A Active CN110796728B (zh) | 2019-09-20 | 2019-09-20 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796728B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310772A (zh) * | 2020-03-16 | 2020-06-19 | 上海交通大学 | 用于双目视觉slam的点线特征选取方法及系统 |
CN111377065A (zh) * | 2020-03-09 | 2020-07-07 | 西北工业大学 | 一种多航天器协同识别目标姿态参数的方法 |
CN111553975A (zh) * | 2020-04-27 | 2020-08-18 | 武汉易维晟医疗科技有限公司 | 一种手持式三维扫描系统的实时回环检测方法 |
CN111710040A (zh) * | 2020-06-03 | 2020-09-25 | 纵目科技(上海)股份有限公司 | 一种高精度地图的构建方法、系统、终端和存储介质 |
CN112365545A (zh) * | 2020-10-15 | 2021-02-12 | 中国科学院宁波材料技术与工程研究所 | 基于大平面复合靶标的激光雷达与可见光相机的标定方法 |
CN113503875A (zh) * | 2021-09-10 | 2021-10-15 | 江苏霆升科技有限公司 | 一种基于扩展特征的数据关联的建图方法 |
CN113740864A (zh) * | 2021-08-24 | 2021-12-03 | 上海宇航系统工程研究所 | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 |
CN115063465A (zh) * | 2022-06-15 | 2022-09-16 | 华南理工大学 | 一种基于激光雷达的无人车行驶路况建模方法 |
CN115876098A (zh) * | 2022-12-12 | 2023-03-31 | 苏州思卡信息系统有限公司 | 一种多线束激光雷达的车辆尺寸测量方法 |
CN116310126A (zh) * | 2023-03-23 | 2023-06-23 | 南京航空航天大学 | 基于合作目标的飞机进气道三维重建方法及系统 |
CN117392325A (zh) * | 2023-11-09 | 2024-01-12 | 铁科(北京)轨道装备技术有限公司 | 尖轨的三维模型构建方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804498B1 (en) * | 2004-09-15 | 2010-09-28 | Lewis N Graham | Visualization and storage algorithms associated with processing point cloud data |
CN106441311A (zh) * | 2016-07-15 | 2017-02-22 | 上海宇航系统工程研究所 | 一种基于激光成像雷达的非合作航天器相对位姿测量方法 |
CN107655473A (zh) * | 2017-09-20 | 2018-02-02 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航系统 |
US20180341021A1 (en) * | 2017-05-24 | 2018-11-29 | Jena-Optronik Gmbh | Method For Detecting And Autonomously Tracking A Target Object Using A LIDAR Sensor |
-
2019
- 2019-09-20 CN CN201910896523.1A patent/CN110796728B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804498B1 (en) * | 2004-09-15 | 2010-09-28 | Lewis N Graham | Visualization and storage algorithms associated with processing point cloud data |
CN106441311A (zh) * | 2016-07-15 | 2017-02-22 | 上海宇航系统工程研究所 | 一种基于激光成像雷达的非合作航天器相对位姿测量方法 |
US20180341021A1 (en) * | 2017-05-24 | 2018-11-29 | Jena-Optronik Gmbh | Method For Detecting And Autonomously Tracking A Target Object Using A LIDAR Sensor |
CN107655473A (zh) * | 2017-09-20 | 2018-02-02 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航系统 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111377065B (zh) * | 2020-03-09 | 2021-11-16 | 西北工业大学 | 一种多航天器协同识别目标姿态参数的方法 |
CN111377065A (zh) * | 2020-03-09 | 2020-07-07 | 西北工业大学 | 一种多航天器协同识别目标姿态参数的方法 |
CN111310772B (zh) * | 2020-03-16 | 2023-04-21 | 上海交通大学 | 用于双目视觉slam的点线特征选取方法及系统 |
CN111310772A (zh) * | 2020-03-16 | 2020-06-19 | 上海交通大学 | 用于双目视觉slam的点线特征选取方法及系统 |
CN111553975B (zh) * | 2020-04-27 | 2022-04-22 | 武汉易维晟医疗科技有限公司 | 一种手持式三维扫描系统的实时回环检测方法 |
CN111553975A (zh) * | 2020-04-27 | 2020-08-18 | 武汉易维晟医疗科技有限公司 | 一种手持式三维扫描系统的实时回环检测方法 |
CN111710040B (zh) * | 2020-06-03 | 2024-04-09 | 纵目科技(上海)股份有限公司 | 一种高精度地图的构建方法、系统、终端和存储介质 |
CN111710040A (zh) * | 2020-06-03 | 2020-09-25 | 纵目科技(上海)股份有限公司 | 一种高精度地图的构建方法、系统、终端和存储介质 |
CN112365545A (zh) * | 2020-10-15 | 2021-02-12 | 中国科学院宁波材料技术与工程研究所 | 基于大平面复合靶标的激光雷达与可见光相机的标定方法 |
CN112365545B (zh) * | 2020-10-15 | 2023-02-24 | 中国科学院宁波材料技术与工程研究所 | 基于大平面复合靶标的激光雷达与可见光相机的标定方法 |
CN113740864A (zh) * | 2021-08-24 | 2021-12-03 | 上海宇航系统工程研究所 | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 |
CN113740864B (zh) * | 2021-08-24 | 2023-06-09 | 上海宇航系统工程研究所 | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 |
CN113503875A (zh) * | 2021-09-10 | 2021-10-15 | 江苏霆升科技有限公司 | 一种基于扩展特征的数据关联的建图方法 |
CN115063465A (zh) * | 2022-06-15 | 2022-09-16 | 华南理工大学 | 一种基于激光雷达的无人车行驶路况建模方法 |
CN115876098A (zh) * | 2022-12-12 | 2023-03-31 | 苏州思卡信息系统有限公司 | 一种多线束激光雷达的车辆尺寸测量方法 |
CN115876098B (zh) * | 2022-12-12 | 2023-10-24 | 苏州思卡信息系统有限公司 | 一种多线束激光雷达的车辆尺寸测量方法 |
CN116310126B (zh) * | 2023-03-23 | 2023-11-03 | 南京航空航天大学 | 基于合作目标的飞机进气道三维重建方法及系统 |
CN116310126A (zh) * | 2023-03-23 | 2023-06-23 | 南京航空航天大学 | 基于合作目标的飞机进气道三维重建方法及系统 |
CN117392325A (zh) * | 2023-11-09 | 2024-01-12 | 铁科(北京)轨道装备技术有限公司 | 尖轨的三维模型构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110796728B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796728B (zh) | 一种基于扫描式激光雷达的非合作航天器三维重建方法 | |
CN111929699B (zh) | 一种顾及动态障碍物的激光雷达惯导里程计与建图方法及系统 | |
CN111258313B (zh) | 多传感器融合slam系统及机器人 | |
CN113436260B (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和系统 | |
CN112902953B (zh) | 一种基于slam技术的自主位姿测量方法 | |
CN111046776B (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN108876744B (zh) | 一种基于区域分割的大尺度点云噪声去噪方法 | |
Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
CN110443836A (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN113674399A (zh) | 一种移动机器人室内三维点云地图构建方法及系统 | |
JP6858415B2 (ja) | 海面計測システム、海面計測方法および海面計測プログラム | |
CN106570905A (zh) | 一种非合作目标点云初始姿态验证方法 | |
CN116449384A (zh) | 基于固态激光雷达的雷达惯性紧耦合定位建图方法 | |
CN114549549B (zh) | 一种动态环境下基于实例分割的动态目标建模跟踪方法 | |
CN114170402B (zh) | 隧洞结构面提取方法、装置 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
CN115639547A (zh) | 多线激光雷达与gnss_ins联合标定方法、系统及介质 | |
CN111145198A (zh) | 一种基于快速角点检测的非合作目标运动估计方法 | |
CN108921896A (zh) | 一种融合点线特征的下视视觉罗盘 | |
Sheng et al. | Mobile robot localization and map building based on laser ranging and PTAM | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
CN117029870A (zh) | 一种基于路面点云的激光里程计 | |
CN116468786A (zh) | 一种面向动态环境的基于点线联合的语义slam方法 | |
CN115218889A (zh) | 一种基于点线特征融合的多传感器室内定位方法 |
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 |