CN110807772A - 一种构件尺寸检测中基于包围盒的无关点云剔除方法 - Google Patents
一种构件尺寸检测中基于包围盒的无关点云剔除方法 Download PDFInfo
- Publication number
- CN110807772A CN110807772A CN201911094792.2A CN201911094792A CN110807772A CN 110807772 A CN110807772 A CN 110807772A CN 201911094792 A CN201911094792 A CN 201911094792A CN 110807772 A CN110807772 A CN 110807772A
- Authority
- CN
- China
- Prior art keywords
- axis
- point cloud
- vector
- point
- coordinate system
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种构件尺寸检测中基于包围盒的无关点云剔除方法,包括以下步骤:S1)在构件上设置3个及以上标记点;S2)三维重建生成目标构件点云,并识别世界坐标系中标记点的坐标;S3)获取目标构件点云所在的世界坐标系,并设定参考坐标系;S4)计算两坐标系之间的坐标变换矩阵,并利用坐标变换矩阵将目标构件点云转换至参考坐标系下;S5)根据目标构件点云在参考坐标系各坐标轴上的端点,形成一个包围盒;S6)将处于该包围盒内的点云数据保留,将处于该包围盒外的点云数据删除,对无关点云剔除;S7)利用完成无关点云剔除的点云模型,对构件尺寸进行检测。与现有技术相比,本发明具有节省人力、提高效率和减少误差等优点。
Description
技术领域
本发明涉及构件尺寸检验中的点云数据处理,尤其是涉及一种构件尺寸检测中基于包围盒的无关点云剔除方法。
背景技术
通过三维摄影测量技术照片拍摄采集数据,利用三维点云重建算法生成点云模型,并利用点云模型反映真实构件的尺寸,进行尺寸的测量和检验,对制造尺寸质量进行验收,是工程中非常常见的方法。在利用点云模型对构件尺寸进行检测之前,对三维重建生成的点云数据处理是非常重要的环节。
点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,可以通过三维摄影测量重建而形成。由于摄影测量本身会受到仪器振动、气候状况、操作熟练程度等的影响,重建生成的点云势必会出现噪声,这些噪声被称为噪点,可分为目标物体点云以外的噪点称为无关点云和目标物体点云上的噪声点。这些噪点影响着目标物体点云的质量,需要进行数据处理。
目前点云数据处理方法主要分为无关点云剔除和噪点平滑两部分。噪点平滑的算法已经由国内外专家进行了较为成熟的研究,但无关点云剔除方面则仍然停留在通过肉眼观察,人工手动剔除的方法。该方法存在以下问题:一是需要消耗大量的劳动力,造成效率低下;二是由肉眼判断,手动剔除,数据处理的精度较差。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种构件尺寸检测中基于包围盒的无关点云剔除方法,解决了当前点云数据处理过程中需要人工手动剔除的弊端,提高几何外形较为规则构件的无关点云剔除精度。
本发明的目的可以通过以下技术方案来实现:
一种构件尺寸检测中基于包围盒的无关点云剔除方法,包括以下步骤:
S1)在构件上设置3个及以上的标记点;
S2)三维重建生成目标构件点云,并识别得到世界坐标系中标记点的坐标;
S3)获取目标构件点云所在的世界坐标系,并设定参考坐标系;
S4)计算两坐标系之间的坐标变换矩阵,并利用坐标变换矩阵将目标构件点云转换至参考坐标系下;
S5)根据目标构件点云在参考坐标系各坐标轴上的端点,构建一个包围盒;
S6)将处于该包围盒内的点云数据保留,将处于该包围盒外的点云数据删除,完成对无关点云的剔除;
S7)利用完成无关点云剔除的点云模型,对构件尺寸进行检测。
所述的标记点包括第一标记点(1)、第二标记点(2)和第三标记点(3),所述的第一标记点(1)与第二标记点(2)的连线和第一标记点(1)与第三标记点(3)的连线之间形成直角。
优选地,当构件含有一个直角顶点时,可将所述的第一标记点(1)设置于目标构件的直角顶点,所述的第二标记点(2)和第三标记点(3)分别设置于该直角顶点的直角边上,点云剔除的精度会更高。此时的包围盒坐标范围为x∈[0,xmax],y∈[0,ymax],z∈[0,zmax]。
进一步地,所述的世界坐标系的原点为第一标记点(1),所述的世界坐标系的x轴方向向量为第一标记点(1)与第二标记点(2)之间的方向向量,所述的世界坐标系的y轴方向向量为第一标记点(1)向第三标记点(3)的方向向量,所述的参考坐标系的原点坐标为(0,0,0),所述的参考坐标系的x轴方向向量所述的参考坐标系的y轴方向向量
进一步地,所述的步骤S4)具体包括:
S43)计算使两坐标系x轴旋转至重合的第一旋转矩阵R和使两坐标系y轴旋转至重合的第二旋转矩阵R';
S44)根据第一旋转矩阵R和第二旋转矩阵R',计算得到总旋转矩阵R总=RR';
S45)得到世界坐标系和参考坐标系之间的坐标变换矩阵;
S46)利用坐标变换矩阵将目标构件点云转换至参考坐标系下。
其中,x1为第一标记点(1)的x轴坐标,x2为第二标记点(2)的x轴坐标,x3为第三标记点(3)的x轴坐标,y1为第一标记点(1)的y轴坐标,y2为第二标记点(2)的y轴坐标,y3为第三标记点(3)的y轴坐标,z1为第一标记点(1)的z轴坐标,z2为第二标记点(2)的z轴坐标,z3为第三标记点(3)的z轴坐标。
更进一步地,所述的第一旋转矩阵R的计算式为:
其中,为第一旋转轴,θ为第一旋转角,为第一旋转轴沿x轴方向的向量,为第一旋转轴沿y轴方向的向量,为第一旋转轴沿z轴方向的向量,nx为第一旋转轴沿x轴方向的向量的模,ny为第一旋转轴沿y轴方向的向量的模,nz为第一旋转轴沿z轴方向的向量的模;
更进一步地,所述的第二旋转矩阵R'的计算式为:
其中,为第二旋转轴,θ'为第二旋转角,为第二旋转轴沿x轴方向的向量,为第二旋转轴沿y轴方向的向量,为第二旋转轴沿z轴方向的向量,nx'为第二旋转轴沿x轴方向的向量的模,ny'为第二旋转轴沿y轴方向的向量的模,nz'为第二旋转轴沿z轴方向的向量的模。
更进一步地,所述的坐标变换矩阵的表达式为:
所述的包围盒的x轴坐标范围为x∈[xmin,xmax],y轴坐标范围为y∈[ymin,ymax],z轴坐标范围为z∈[zmin,zmax],其中,xmax和xmin分别为目标构件点云在x轴方向的最大坐标值和最小坐标值,ymax和ymin分别为目标构件点云在y轴方向的最大坐标值和最小坐标值,zmax和zmin分别为目标构件点云在z轴方向的最大坐标值和最小坐标值。如前所述,当构件含有一个直角顶点时,按照固定方法设置标记点,点云剔除的精度会更高。此时的包围盒坐标范围为x∈[0,xmax],y∈[0,ymax],z∈[0,zmax]。
与现有技术相比,本发明具有以下优点:
1)本发明通过求出世界坐标系和参考坐标系之间的坐标变换矩阵,使目标构件的点云转换至参考坐标系下,并形成包围盒完成对无关点云的剔除,思路简单,简化了无关点云剔除方法,为构件三维重建后进行点云数据剔除提供了一种新的方法,解决了当前点云数据处理过程中需要人工手动剔除的弊端,节省人力,效率更高,短时间内即可完成大量点云的剔除操作;
2)本发明利用包围盒配合构件设计尺寸剔除无关点云,可编成代码交由计算机处理,解决了肉眼寻找无关点云的方法可能存在误差的问题,对于几何外形较为规则的构件可以提高剔除的精度,避免漏删、误删等现象的发生。
附图说明
图1为本发明流程示意图;
图2为本发明的原理图;
图3为绕任意轴旋转的旋转矩阵求解原理图。
其中,1、第一标记点,2、第二标记点,3、第三标记点,4、世界坐标系下构件模型,5、平移坐标变换,6、平移后构件模型,7、旋转坐标变换,8、参考坐标系下构件模型,9、包围盒,10、世界坐标系,11、参考坐标系,12、待旋转坐标轴,13、目标坐标轴。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
如图1所示,本发明提供一种构件尺寸检测中基于包围盒的无关点云剔除方法,包括以下步骤:
S1)在构件上设置3个及以上的标记点;
S2)三维重建生成目标构件点云,并识别得到世界坐标系中标记点的坐标;
S3)获取目标构件点云所在的世界坐标系,并设定参考坐标系;
S4)计算两坐标系之间的坐标变换矩阵,并利用坐标变换矩阵将目标构件点云转换至参考坐标系下;
S5)根据目标构件点云在参考坐标系各坐标轴上的端点,构建一个包围盒;
S6)将处于该包围盒内的点云数据保留,将处于该包围盒外的点云数据删除,完成对无关点云的剔除;
S7)利用完成无关点云剔除的点云模型,对构件尺寸进行检测。
本实施例中,以箱涵侧墙构件为例,对其进行无关点云提出的过程如下:
(1)如图2所示,箱涵侧墙构件作为世界坐标系下构件模型4,在其涵洞底座下缘的三个角点上分别设置第一标记点1、第二标记点2和第三标记点3。
(2)三维重建生成目标涵洞构件点云,并识别得到世界坐标系10下的标记点坐标。
其中,x1为第一标记点(1)的x轴坐标,x2为第二标记点(2)的x轴坐标,x3为第三标记点(3)的x轴坐标,y1为第一标记点(1)的y轴坐标,y2为第二标记点(2)的y轴坐标,y3为第三标记点(3)的y轴坐标,z1为第一标记点(1)的z轴坐标,z2为第二标记点(2)的z轴坐标,z3为第三标记点(3)的z轴坐标。
其中,第一旋转矩阵R的计算式为:
其中,为第一旋转轴,θ为第一旋转角,为第一旋转轴沿x轴方向的向量,为第一旋转轴沿y轴方向的向量,为第一旋转轴沿z轴方向的向量,nx为第一旋转轴沿x轴方向的向量的模,ny为第一旋转轴沿y轴方向的向量的模,nz为第一旋转轴沿z轴方向的向量的模;
(7)如图2所示,计算第二旋转矩阵R',使世界坐标系10依据第二旋转矩阵R'绕第二旋转轴旋转第二旋转角θ'后,其y轴和参考坐标系11的y轴重合。
其中,第二旋转矩阵的计算式为
其中,为第二旋转轴,θ'为第二旋转角,为第二旋转轴沿x轴方向的向量,为第二旋转轴沿y轴方向的向量,为第二旋转轴沿z轴方向的向量,nx'为第二旋转轴沿x轴方向的向量的模,ny'为第二旋转轴沿y轴方向的向量的模,nz'为第二旋转轴沿z轴方向的向量的模。
(9)将变换矩阵作用在待处理点云坐标上,将待处理点云通过坐标变换转换至参考坐标系下,如图1所示,世界坐标系下构件模型4首先根据平移向量进行平移坐标变换5后,得到平移后构件模型6,然后根据总旋转矩阵R总进行旋转坐标变换7后,得到参考坐标系下构件模型8。
(10)分别记录构件在x轴、y轴和z轴方向的最大尺寸xmax,ymax,zmax,如图1所示,形成一个长方体包围盒9。包围盒9的坐标范围为x∈[0,xmax],y∈[0,ymax],z∈[0,zmax]。实际应用时为避免误删可适当外扩该包围盒的范围。
(11)将处于该包围盒9内的点云数据保留,将处于该包围盒外的点云数据删除,完成对无关点云的剔除。
(12)完成无关点云的剔除后,即可应用数据处理后的点云模型进行构件制造尺寸的测量、检验及评价。
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工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改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以权利要求的保护范围为准。
Claims (9)
1.一种构件尺寸检测中基于包围盒的无关点云剔除方法,其特征在于,包括以下步骤:
S1)在构件上设置3个及以上的标记点;
S2)三维重建生成目标构件点云,并识别得到世界坐标系(10)中标记点的坐标;
S3)获取目标构件点云所在的世界坐标系(10),并设定参考坐标系(11);
S4)计算两坐标系之间的坐标变换矩阵,并利用坐标变换矩阵将目标构件点云转换至参考坐标系(11)下;
S5)根据目标构件点云在参考坐标系(11)各坐标轴上的端点,构建一个包围盒(9);
S6)将处于该包围盒(9)内的点云数据保留,将处于该包围盒(9)外的点云数据删除,完成对无关点云的剔除;
S7)利用完成无关点云剔除的点云模型,对构件尺寸进行检测。
2.根据权利要求1所述的一种构件尺寸检测中基于包围盒的无关点云剔除方法,其特征在于,所述的标记点包括第一标记点(1)、第二标记点(2)和第三标记点(3),所述的第一标记点(1)与第二标记点(2)的连线和第一标记点(1)与第三标记点(3)的连线之间形成直角。
6.根据权利要求4所述的一种构件尺寸检测中基于包围盒的无关点云剔除方法,其特征在于,所述的第一旋转矩阵R的计算式为:
其中,为第一旋转轴,θ为第一旋转角,为第一旋转轴沿x轴方向的向量,为第一旋转轴沿y轴方向的向量,为第一旋转轴沿z轴方向的向量,nx为第一旋转轴沿x轴方向的向量的模,ny为第一旋转轴沿y轴方向的向量的模,nz为第一旋转轴沿z轴方向的向量的模;
所述的第二旋转矩阵R'的计算式为:
8.根据权利要求2所述的一种构件尺寸检测中基于包围盒的无关点云剔除方法,其特征在于,所述的第一标记点(1)设置于目标构件的直角顶点,所述的第二标记点(2)和第三标记点(3)分别设置于该直角顶点的直角边上。
9.根据权利要求1所述的一种构件尺寸检测中基于包围盒的无关点云剔除方法,其特征在于,所述的包围盒(9)的x轴坐标范围为x∈[xmin,xmax],y轴坐标范围为y∈[ymin,ymax],z轴坐标范围为z∈[zmin,zmax],其中,xmax和xmin分别为目标构件点云在x轴方向的最大坐标值和最小坐标值,ymax和ymin分别为目标构件点云在y轴方向的最大坐标值和最小坐标值,zmax和zmin分别为目标构件点云在z轴方向的最大坐标值和最小坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911094792.2A CN110807772B (zh) | 2019-11-11 | 2019-11-11 | 一种构件尺寸检测中基于包围盒的无关点云剔除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911094792.2A CN110807772B (zh) | 2019-11-11 | 2019-11-11 | 一种构件尺寸检测中基于包围盒的无关点云剔除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110807772A true CN110807772A (zh) | 2020-02-18 |
CN110807772B CN110807772B (zh) | 2022-05-20 |
Family
ID=69501825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911094792.2A Active CN110807772B (zh) | 2019-11-11 | 2019-11-11 | 一种构件尺寸检测中基于包围盒的无关点云剔除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807772B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612892A (zh) * | 2020-05-22 | 2020-09-01 | 西安飞机工业(集团)有限责任公司 | 一种点云的坐标构造方法 |
CN111882199A (zh) * | 2020-07-23 | 2020-11-03 | 深圳慕智科技有限公司 | 一种基于规则变异的自动驾驶激光雷达数据扩增方法 |
CN111950428A (zh) * | 2020-08-06 | 2020-11-17 | 东软睿驰汽车技术(沈阳)有限公司 | 目标障碍物识别方法、装置及运载工具 |
CN113240674A (zh) * | 2021-07-09 | 2021-08-10 | 深圳市艾视铂智能技术有限公司 | 基于三维点云和二维图像融合的共面度检测方法 |
CN113418467A (zh) * | 2021-06-16 | 2021-09-21 | 厦门硅谷动能信息技术有限公司 | 基于ToF点云数据检测一般及黑色行李尺寸的方法 |
CN113706697A (zh) * | 2021-09-06 | 2021-11-26 | 北京航空航天大学 | 一种球形目标物射击精度的确定方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120071998A1 (en) * | 2010-09-17 | 2012-03-22 | The Boeing Company | Point Cloud Generation System |
CN103164842A (zh) * | 2011-12-14 | 2013-06-19 | 鸿富锦精密工业(深圳)有限公司 | 点云提取系统及方法 |
CN103411589A (zh) * | 2013-07-29 | 2013-11-27 | 南京航空航天大学 | 一种基于四维实数矩阵的三维图像匹配导航方法 |
CN109146817A (zh) * | 2018-08-23 | 2019-01-04 | 西安工业大学 | 一种非迭代单一物体散乱点云数据的噪声处理方法 |
CN109493375A (zh) * | 2018-10-24 | 2019-03-19 | 深圳市易尚展示股份有限公司 | 三维点云的数据匹配及合并方法、装置、可读介质 |
-
2019
- 2019-11-11 CN CN201911094792.2A patent/CN110807772B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120071998A1 (en) * | 2010-09-17 | 2012-03-22 | The Boeing Company | Point Cloud Generation System |
CN103164842A (zh) * | 2011-12-14 | 2013-06-19 | 鸿富锦精密工业(深圳)有限公司 | 点云提取系统及方法 |
CN103411589A (zh) * | 2013-07-29 | 2013-11-27 | 南京航空航天大学 | 一种基于四维实数矩阵的三维图像匹配导航方法 |
CN109146817A (zh) * | 2018-08-23 | 2019-01-04 | 西安工业大学 | 一种非迭代单一物体散乱点云数据的噪声处理方法 |
CN109493375A (zh) * | 2018-10-24 | 2019-03-19 | 深圳市易尚展示股份有限公司 | 三维点云的数据匹配及合并方法、装置、可读介质 |
Non-Patent Citations (1)
Title |
---|
石雪飞 等: "基于三维模型重构技术的公路预制构件尺寸检验评价方法", 《交通运输工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612892A (zh) * | 2020-05-22 | 2020-09-01 | 西安飞机工业(集团)有限责任公司 | 一种点云的坐标构造方法 |
CN111882199A (zh) * | 2020-07-23 | 2020-11-03 | 深圳慕智科技有限公司 | 一种基于规则变异的自动驾驶激光雷达数据扩增方法 |
CN111950428A (zh) * | 2020-08-06 | 2020-11-17 | 东软睿驰汽车技术(沈阳)有限公司 | 目标障碍物识别方法、装置及运载工具 |
CN113418467A (zh) * | 2021-06-16 | 2021-09-21 | 厦门硅谷动能信息技术有限公司 | 基于ToF点云数据检测一般及黑色行李尺寸的方法 |
CN113240674A (zh) * | 2021-07-09 | 2021-08-10 | 深圳市艾视铂智能技术有限公司 | 基于三维点云和二维图像融合的共面度检测方法 |
CN113706697A (zh) * | 2021-09-06 | 2021-11-26 | 北京航空航天大学 | 一种球形目标物射击精度的确定方法及系统 |
CN113706697B (zh) * | 2021-09-06 | 2023-05-12 | 北京航空航天大学 | 一种球形目标物射击精度的确定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110807772B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807772B (zh) | 一种构件尺寸检测中基于包围盒的无关点云剔除方法 | |
CN113722789B (zh) | 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 | |
Hou et al. | Experimentation of 3D pavement imaging through stereovision | |
US7830374B2 (en) | System and method for integrating dispersed point-clouds of multiple scans of an object | |
US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
CN111553292B (zh) | 一种基于点云数据的岩体结构面识别与产状分类方法 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
CN112762899B (zh) | 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法 | |
CN102224523B (zh) | 立体匹配处理系统、立体匹配处理方法和记录媒介 | |
CN105354832A (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
CN112325809A (zh) | 一种法兰的平面度检测方法 | |
CN109615594B (zh) | 一种激光点云空洞修补着色方法 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN113280764A (zh) | 基于多星协同技术的输变电工程扰动范围定量监测方法及系统 | |
CN109341704B (zh) | 一种地图精度确定方法及装置 | |
Jin et al. | A multi-vision-based system for tube inspection | |
KR101808958B1 (ko) | 구조물 형상 정보 구축 방법 및 구조물 변형 검출 방법 | |
Habib et al. | Alternative approaches for utilizing lidar data as a source of control information for photogrammetric models | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
CN116793304A (zh) | 一种基于点云的单圆盾构地铁隧道横断面虚拟测量方法 | |
CN111862327A (zh) | 一种巡检机器人三维城市建模方法 | |
CN113344866A (zh) | 一种点云综合精度评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |