CN110930510A - 城市空间三维重建方法 - Google Patents
城市空间三维重建方法 Download PDFInfo
- Publication number
- CN110930510A CN110930510A CN201911198227.0A CN201911198227A CN110930510A CN 110930510 A CN110930510 A CN 110930510A CN 201911198227 A CN201911198227 A CN 201911198227A CN 110930510 A CN110930510 A CN 110930510A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- urban space
- reconstruction method
- space
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000000280 densification Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000008676 import Effects 0.000 description 16
- 238000013519 translation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011430 maximum method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供了一种城市空间三维重建方法,包括如下步骤:按照拍摄时序对图像进行排序;提取图像的特征点;对拍摄时序相邻的两张图像进行特征点匹配,建立特征轨迹;获取摄像单元的内部参数及外部参数;通过特征轨迹、内部参数、外部参数构建投影矩阵;通过投影矩阵,计算所述图像的像素点对应的三维空间坐标,生成三维点云,构建城市空间三维模型。采用本发明,较大程度的降低了运算量,加快了城市空间三维构建的速度;同时,避免了由于拍摄位置不同但图像相似情况导致的图像匹配误差率升高的情形产生,降低了空间三维模型的误差。
Description
技术领域
本发明涉及数据分析及处理技术领域,具体而言,涉及一种城市空间三维重建方法。
背景技术
本发明对于背景技术的描述属于与本发明相关的相关技术,仅仅是用于说明和便于理解本发明的发明内容,不应理解为申请人明确认为或推定申请人认为是本发明在首次提出申请的申请日的现有技术。
无人机具有体积小巧、价格低廉、使用场景灵活、操作便捷等特性,近年来广泛的应用于军事、工业、农业以及民用领域。近年来,无人机技术结合计算机视觉技术在数据采集、图像处理等方向快速发展,取得了较大的进步,成为近年来的研究热点。
城市的空间三维模型搭建对于城市规划、城市地理信息获取、数据城市的建设具有重要的意义,现有技术中,城市的空间三维模型搭建可采用人工测绘的方式进行,具体地,测绘人员对城市进行分区域的测绘,从而构建出城市空间三维模型,此种做法工程量较大、耗时时间过长,尤其是当今阶段,城市的发展扩张极为迅速,往往发生已测绘的区域的地形、建筑发生改变的情况,不能满足城市空间三维模型的精准性、实时性;同时,不同区域的测绘人员进行测绘的基准不同,在后期整合阶段,需要进行统一的标准复合,但此种方式获得的最终的城市空间三维模型较为精准。随着科技的发展进步,无人机测绘逐渐进入了城市空间三维模型领域,采用无人机拍摄的视频或者图像,从不同角度获取图像中结算处相机参数,利用两视图或多视图间特征匹配点的对极几何关系,恢复相机位置姿态信息和场景三维结构;上述测绘方法虽然节省了大量的人力物力,但是仍存在着运算量较大,城市空间三维构建缓慢的问题;另外无人机收集的图像中存在着拍摄位置不同(场景不同)但图像相似的情况,使得图像匹配误差率升高,相机位置姿态恢复不准确,导致最终的空间三维模型误差较大。
针对上述问题,本发明提出了一种城市空间三维重建方法。
发明内容
本发明提供了一种城市空间三维重建方法。
本发明的实施例所提供的城市空间三维重建方法,包括如下步骤:按照拍摄时序对图像进行排序;提取图像的特征点;对拍摄时序相邻的两张图像进行特征点匹配,建立特征轨迹;获取摄像单元的内部参数及外部参数;通过特征轨迹、内部参数、外部参数构建投影矩阵;通过投影矩阵,计算图像的像素点对应的三维空间坐标,生成三维点云,构建城市空间三维模型。
优选地,在提取图像的特征点步骤前,对图像进行灰度处理。
优选地,采用卡尔曼滤波算法提取图像的特征点。
优选地,采用卡尔曼滤波算法提取图像的特征点时,利用哈尔小波响应和海森矩阵进行特征点定位。
优选地,采用随机抽样一致性算法进行特征点匹配。
优选地,内部参数由图像的可交换图像文件获取。
优选地,外部参数由摄像单元在运动过程中的三个姿态角信息、纬度信息、经度信息、高度信息获取。
优选地,采用卡尔曼滤波算法对摄像单元在运动过程中的三个姿态角信息、纬度信息、经度信息、高度信息进行处理。
优选地,对生成的三维点云进行点云稠密化处理,通过纹理映射构建城市空间三维模型。
优选地,按照图像的拍摄时序对城市空间进行三维重建。
本发明实施例所提供的城市空间三维重建方法,较大程度的降低了运算量,加快了城市空间三维构建的速度;同时,避免了由于拍摄位置不同但图像相似情况导致的图像匹配误差率升高的情形产生,降低了空间三维模型的误差。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本说明书城市空间三维重建方法的优选实施例的流程图;
图2是本说明书城市空间三维重建方法的优选实施例中提取图像特征点及进行特征点定位的流程图;
图3是本说明书城市空间三维重建方法的优选实施例的图像导入功能操作界面;
图4是本说明书城市空间三维重建方法的优选实施例的地形网格图生成操作界面;
图5是本说明书城市空间三维重建方法的优选实施例的地形网格图生成过程界面;
图6是本说明书城市空间三维重建方法的优选实施例的在线查看图像导入的显示界面;
图7是本说明书城市空间三维重建方法的优选实施例的地形查看界面。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下述讨论提供了本发明的多个实施例。虽然每个实施例代表了发明的单一组合,但是本发明不同实施例可以替换,或者合并组合,因此本发明也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含A、B、C,另一个实施例包含B和D的组合,那么本发明也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
图1是本说明书城市空间三维重建方法的优选实施例的流程图,如图1所示,本说明书城市空间三维重建方法的优选实施例,包括如下步骤:
步骤S01:按照拍摄时序对图像进行排序;进行城市空间三维重建需要获取城市的航拍图像,在拍摄前,需规划好拍摄路线,在拍摄过程中,航拍机或无人机按照事先设定好的拍摄路线进行图像拍摄,根据图像拍摄的先后顺序对图像进行排序。
所述拍摄时序可以是,拍摄路线的图片顺序,或者拍摄的时间顺序等。
步骤S02:提取所述图像的特征点;所述特征点是图像中亮度剧烈变化的点,或图像边缘曲线上曲率的极大值点,通过特征点找到图像间的关系。
步骤S03:对拍摄时序相邻的两张图像进行特征点匹配,建立特征轨迹;所述特征点匹配是在两幅或多幅图像中识别出同一空间物体点对应的特征点,通过特征点的匹配情况可以得到摄像单元准确的运动轨迹。
步骤S04:获取摄像单元的内部参数及外部参数;摄像单元的内部参数包括fx、fy、u0和v0,其中,fx为横轴像素数,fy为纵轴像素数,u0为摄像单元主点在像素坐标系u轴坐标,v0为摄像单元主点在像素坐标系v轴坐标。上述参数与摄像单元的焦距、图像大小有关。摄像单元的外部参数记录摄像单元的运动信息,包含摄像单元对于世界坐标系的旋转角度和平移量。
步骤S05:通过所述特征轨迹、所述内部参数、所述外部参数构建投影矩阵;所述内部参数构成的内部参数矩阵为A,所述外部参数构成的外部参数矩阵为B,包括旋转矩阵B1(摄像单元对于世界坐标系的旋转角度确定)及平移向量B2(摄像单元对于世界坐标系的平移量确定),投影矩阵为C,则有:C=A[B1|B2]。
步骤S06:通过所述投影矩阵,计算所述图像的像素点对应的三维空间坐标,生成三维点云,构建城市空间三维模型;有如下关系式:
图像物理坐标系的原点O在像素坐标系中以(u0,v0)表示,像素在图像物理坐标系中的大小为dx×dy,由上即可得知该像素点在世界坐标系中的坐标P(Xw,Yw,Zw),通过生成三维点云,构建城市空间三维模型。
采用本优选实施例,较大程度的降低了运算量,加快了城市空间三维构建的速度;同时,避免了由于拍摄位置不同但图像相似情况导致的图像匹配误差率升高的情形产生,降低了空间三维模型的误差。
本说明书城市空间三维重建方法的优选实施例中,在提取图像的特征点步骤前,对图像进行灰度处理。摄像单元所获取的图像为彩色图像,对图像进行灰度处理,图像的储存方式得到简化,提高了图像处理过程的运算速度;通常可以采用的灰度处理方法有:分量法、最大值法、平均值法、加权平均法。
图2是本说明书城市空间三维重建方法的优选实施例中提取图像特征点及进行特征点定位的流程图,如图2所示,本说明书城市空间三维重建方法的优选实施例中,采用卡尔曼滤波算法提取图像的特征点,利用哈尔小波响应和海森矩阵进行特征点定位。具体的操作步骤如下:
步骤S021:针对摄像单元采集的图像,采用卷积核进行模糊处理,并进行窗口缩小化的均值降采样,缩小图像的存储空间,得到图像积分图像:
其中,x,y表示图像中像素点的坐标,I(i,j)表示横坐标为i,纵坐标为j的像素点的灰度值,IΣ(x,y)表示积分区的像素累计灰度值。
步骤S022:构建海森矩阵,结合积分图,分别使用方形窗口(窗口大小不同)卡尔曼滤波器对图像进行滑动窗口处理,计算出各个像素点的二阶偏导数Dxx、Dxy、Dyy,进而求出该像素点的海森矩阵的模值ΔH,
ΔH=DxxDyy-(μDxy)2
其中,比例系数0.7≤μ≤0.9。
步骤S023:进行特征点定位,用不同大小的滑动窗口对图像进行多次处理,计算得到模值矩阵构成的图像金字塔,在金字塔的各个层级中寻找极值点,即为原始图片中的点,其对应于特征点;Sl为第l个特征点所在的金字塔层数,计算该特征点周围2×2范围内各个像素的小波响应,将得到的小波响应以特征点为中心进行加权,选取具有最大加权值的方向为特征点的方向,以第l个特征点为中心,取10×10个像素,采用模板,计算该区域内2×2大小的子区域中各个像素的哈尔小波响应值。子区域内水平方向的哈尔小波响应为hx,数值方向的哈尔小波响应为hy。则第n个特征点的描述vn为:
通过上述方法,可以快速精准的提取出图片中的特征点。
本说明书城市空间三维重建方法的优选实施例中,采用随机抽样一致性算法进行特征点匹配。随机抽样一致性算法是在两幅进行特征点匹配的图像中随机选取4个特征点,通过迭代计算,找到最优的参数模型,以实现两幅图像可以匹配的特征点数量最多,具体操作方法如下:
步骤S024:从特征点匹配的数据集中随机选取4个样本数据,其中4个样本数据保证不共线,计算出拍摄矩阵F,计为模型M;
步骤S025:计算特征点匹配的数据集中的所有数据与模型M的投影误差,若投影误差小于设定的阈值则将改数据加入内点集I;
步骤S026:若当前的内点集I的元素个数大于最优内点集IM,则更新最优内点集IM=I,同时更新迭代次数k,迭代次数k的计算公式为:
其中,p为置信度,0.92<p<0.98,w为内点的比例,m为最小样本数,一般m=4;
步骤S027:当迭代次数大于k则退出,否则迭代次数加1并重复上述步骤S024-步骤S026。
采用随机抽样一致性算法进行特征点匹配可以提高特征点匹配的精确性。根据图像拍摄时序序列对相邻的两幅图像进行特征点匹配,找到相邻两图像中特征点的运动轨迹,如果一个特征点出现在多幅连续的图像中,那么可以认为该点是场景中一个潜在的三维空间点。以特征点的运动轨迹长度判定该点是否为潜在三维空间点,特征轨迹长度越长则该点是三维场景中一个三维点的概率越高。
本说明书城市空间三维重建方法的优选实施例中,内部参数由图像的可交换图像文件获取,外部参数由摄像单元在运动过程中的三个姿态角信息、纬度信息、经度信息、高度信息获取。摄像单元一般为定焦相机,焦距在采样过程中固定不动,采样过程中不更换相机,因此摄像单元的内部参数保持不变,同时,由于进行航拍的摄像单元经过严格的校正,基本上消除了图像的畸变,利用图像的可交换图像文件可获取摄像单元的内部参数。摄像单元的POS信息包括摄像单元运动过程中三个姿态角信息和GPS信息,在利用摄像单元采样的过程中,摄像单元镜头成固定不变状态,与无人机运动保持一致,利用无人机惯性测量单元传感器记录的姿态角信息,恢复旋转矩阵,确定采样过程中摄像单元的姿态信息(利用无人机在采样时刻而的横滚角、俯仰角、偏航角)。利用GPS信息和高程信息确定无人机采样时刻的位置,进而估算出相邻采样点间的摄像单元的平移向量,确定采样过程中摄像单元的位置变化信息,通过旋转矩阵和平移向量,得到摄像单元的外部参数。上述摄像单元的内部参数和外部参数的获得过程极为简单,易于操作,节省了大量计算时间。
本说明书城市空间三维重建方法的优选实施例中,采用卡尔曼滤波算法对摄像单元在运动过程中的三个姿态角信息、纬度信息、经度信息、高度信息进行处理。通过卡尔曼滤波算法对上述参数进行处理,提高了外部参数精度。
本说明书城市空间三维重建方法的优选实施例中,对生成的三维点云进行点云稠密化处理,通过纹理映射构建城市空间三维模型。通过面片扩散与面片过滤的反复迭代,对匹配得到的特征点构成的点云集进行扩散,通过纹理映射构建城市空间三维模型。
本说明书城市空间三维重建方法的优选实施例中,按照图像的拍摄时序对城市空间进行三维重建。对城市空间三维采用拍摄时序进行重建,利于计算机对图像进行顺序处理,降低了计算机的数据处理压力。
如图3-图7所示,本说明书城市空间三维重建方法提供地形点导入功能,点击地形点导入功能按钮,进入地形点导入功能界面,可以对当前状态、导入模式、导入提醒、导入类型、导入方式、导入时间、地形点导入等参数进行设置,支持应用、保存信息等处理和操作;本说明书城市空间三维重建方法提供在线导入查看功能,点击在线导入查看功能按钮,进入在线导入查看功能界面,可以对当前导入、导入数量、在线导入查看等参数进行设置,支持文件操作、导入管理等处理和操作;本说明书城市空间三维重建方法提供导入记录功能,点击导入记录功能按钮,进入导入记录功能界面,可以对导入时间、信息显示、导入记录等参数进行设置,支持数据查询、刷新、数据导出、信息详情等处理和操作;本说明书城市空间三维重建方法提供地形网格图生成功能,点击地形网格图生成功能按钮,进入地形网格图生成功能界面,可以对生成内容、生成显示、生成信息、生成类型、生成方式、地形网格图生成等参数进行设置;本说明书城市空间三维重建方法提供生成画面查看功能,点击生成画面查看功能按钮,进入生成画面查看功能界面,可以对当前画面、生成画面查看等参数进行设置,支持信息详情、画面设置等处理和操作。
图3是本说明书城市空间三维重建方法的优选实施例的图像导入功能操作界面;图4是本说明书城市空间三维重建方法的优选实施例的地形网格图生成操作界面;图5是本说明书城市空间三维重建方法的优选实施例的地形网格图生成过程界面;图6是本说明书城市空间三维重建方法的优选实施例的在线查看图像导入的显示界面;图7是本说明书城市空间三维重建方法的优选实施例的地形查看界面。
在本发明中,术语“第一”、“第二”、“第三”仅用于描述的目的,而不能理解为指示或暗示相对重要性;术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的描述中,需要理解的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本发明的限制。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种城市空间三维重建方法,其特征在于,包括如下步骤:
按照拍摄时序对图像进行排序;
提取所述图像的特征点;
对拍摄时序相邻的两张图像进行特征点匹配,建立特征轨迹;
获取摄像单元的内部参数及外部参数;
通过所述特征轨迹、所述内部参数、所述外部参数构建投影矩阵;
通过所述投影矩阵,计算所述图像的像素点对应的三维空间坐标,生成三维点云,构建城市空间三维模型。
2.根据权利要求1所述的城市空间三维重建方法,其特征在于,在提取所述图像的特征点步骤前,对所述图像进行灰度处理。
3.根据权利要求1所述的城市空间三维重建方法,其特征在于,采用卡尔曼滤波算法提取所述图像的特征点。
4.根据权利要求3所述的城市空间三维重建方法,其特征在于,采用卡尔曼滤波算法提取所述图像的特征点时,利用哈尔小波响应和海森矩阵进行特征点定位。
5.根据权利要求4所述的城市空间三维重建方法,其特征在于,采用随机抽样一致性算法进行特征点匹配。
6.根据权利要求1所述的城市空间三维重建方法,其特征在于,所述内部参数由所述图像的可交换图像文件获取。
7.根据权利要求1所述的城市空间三维重建方法,其特征在于,所述外部参数由所述摄像单元在运动过程中的三个姿态角信息、纬度信息、经度信息、高度信息获取。
8.根据权利要求7所述的城市空间三维重建方法,其特征在于,采用卡尔曼滤波算法对所述摄像单元在运动过程中的三个姿态角信息、纬度信息、经度信息、高度信息进行处理。
9.根据权利要求1所述的城市空间三维重建方法,其特征在于,对生成的三维点云进行点云稠密化处理,通过纹理映射构建城市空间三维模型。
10.根据权利要求1-9中任意一项所述的城市空间三维重建方法,其特征在于,按照图像的拍摄时序对城市空间进行三维重建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911198227.0A CN110930510A (zh) | 2019-11-29 | 2019-11-29 | 城市空间三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911198227.0A CN110930510A (zh) | 2019-11-29 | 2019-11-29 | 城市空间三维重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110930510A true CN110930510A (zh) | 2020-03-27 |
Family
ID=69847661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911198227.0A Pending CN110930510A (zh) | 2019-11-29 | 2019-11-29 | 城市空间三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930510A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788302A (zh) * | 2024-02-26 | 2024-03-29 | 山东全维地信科技有限公司 | 一种测绘图形处理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069843A (zh) * | 2015-08-22 | 2015-11-18 | 浙江中测新图地理信息技术有限公司 | 一种面向城市三维建模的密集点云的快速提取方法 |
CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
CN105825518A (zh) * | 2016-03-31 | 2016-08-03 | 西安电子科技大学 | 基于移动平台拍摄的序列图像快速三维重建方法 |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和系统 |
CN109448041A (zh) * | 2018-10-29 | 2019-03-08 | 重庆金山医疗器械有限公司 | 一种胶囊内镜图像三维重建方法及系统 |
-
2019
- 2019-11-29 CN CN201911198227.0A patent/CN110930510A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
CN105069843A (zh) * | 2015-08-22 | 2015-11-18 | 浙江中测新图地理信息技术有限公司 | 一种面向城市三维建模的密集点云的快速提取方法 |
CN105825518A (zh) * | 2016-03-31 | 2016-08-03 | 西安电子科技大学 | 基于移动平台拍摄的序列图像快速三维重建方法 |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和系统 |
CN109448041A (zh) * | 2018-10-29 | 2019-03-08 | 重庆金山医疗器械有限公司 | 一种胶囊内镜图像三维重建方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788302A (zh) * | 2024-02-26 | 2024-03-29 | 山东全维地信科技有限公司 | 一种测绘图形处理系统 |
CN117788302B (zh) * | 2024-02-26 | 2024-05-14 | 山东全维地信科技有限公司 | 一种测绘图形处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085845B (zh) | 基于无人机影像的室外场景快速三维重建装置 | |
CN110648398B (zh) | 基于无人机航摄数据的正射影像实时生成方法及系统 | |
CN112085844B (zh) | 面向野外未知环境的无人机影像快速三维重建方法 | |
CN107194989B (zh) | 基于无人机飞机航拍的交通事故现场三维重建系统及方法 | |
JP4685313B2 (ja) | 任意の局面の受動的な体積画像の処理方法 | |
EP3228984B1 (en) | Surveying system | |
CN109520500B (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
KR102200299B1 (ko) | 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법 | |
CN109238173B (zh) | 一种储煤场三维实景重构系统及煤量快速估算方法 | |
CN106373088B (zh) | 大倾斜低重叠率航空图像的快速拼接方法 | |
WO2012126500A1 (en) | 3d streets | |
CN109596121B (zh) | 一种机动站自动目标检测与空间定位方法 | |
CN111815765B (zh) | 一种基于异构数据融合的图像三维重建方法 | |
JP2012118666A (ja) | 三次元地図自動生成装置 | |
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 | |
CN112862966B (zh) | 地表三维模型构建方法、装置、设备及存储介质 | |
US11972507B2 (en) | Orthophoto map generation method based on panoramic map | |
CN115423863B (zh) | 相机位姿估计方法、装置及计算机可读存储介质 | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN116385504A (zh) | 一种基于无人机采集点云与图像配准的巡检、测距方法 | |
CN110930510A (zh) | 城市空间三维重建方法 | |
CN116363196A (zh) | 基于多类型地图的融合定位方法及电子设备 | |
CN114387532A (zh) | 边界的识别方法及其装置、终端、电子设备和无人设备 | |
CN113610952A (zh) | 一种三维场景重建方法、装置、电子设备和存储介质 | |
Mathews et al. | Three-dimensional building modeling using structure from motion: improving model results with telescopic pole aerial photography |
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: 20200327 |