CN111161179A - 一种基于法向量的点云平滑光顺滤波方法 - Google Patents
一种基于法向量的点云平滑光顺滤波方法 Download PDFInfo
- Publication number
- CN111161179A CN111161179A CN201911364489.XA CN201911364489A CN111161179A CN 111161179 A CN111161179 A CN 111161179A CN 201911364489 A CN201911364489 A CN 201911364489A CN 111161179 A CN111161179 A CN 111161179A
- Authority
- CN
- China
- Prior art keywords
- normal vector
- point
- plane
- normal
- fitting
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001914 filtration Methods 0.000 title claims abstract description 29
- 238000009499 grossing Methods 0.000 title claims abstract description 28
- 238000000513 principal component analysis Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于法向量的点云平滑光顺滤波方法。首先去除原始点云的离群点;然后对离散点云集进行主成分分析推断出每个点的法向量,调整所有点的法向量为同一个方向;再对每个点通过其K近邻用最小二乘法拟合一个平面,通过平面模型获得该点的法向量并将其调整为同向;接着利用拟合平面的法向量去修正第一步计算得到的法向量;最后将该点沿修正后的法向量方向投影到该拟合平面上,即将该点位置调整到修正后的法向量与该拟合平面的交点位置,可达到对点云进行平滑光顺处理效果。本发明实现简单、平滑光顺效果明显,将原始点云进行滤波可为后续点云数据的三角化及生成DEM做铺垫,适用于对点云原始数据进行光顺平滑处理,实用价值高。
Description
技术领域
本发明涉及激光Lidar扫描测绘领域,尤其涉及一种基于法向量的点云平滑光顺滤波方法。
背景技术
随着激光技术、计算机技术的快速发展,机载激光测量已经成为一种高效地获取高精度、可靠三维数据的新技术。
它集成了高精度动态GPS差分定位、惯性导航、激光测距等先进技术,具有受天气影响小、自动化程度高、成图周期短等特点。该技术能快速、精确、无接触地获取复杂物体表面的三维点云信息,进而完成实体的三维重建,现已广泛地应用于数字城市、地形测绘、地理信息系统、医学工程、文物保护、机器人导航等各个行业。
但是由于受扫描设备物理特性、扫描环境、系统误差以及集成误差的影响,得到的原始点云数据往往会受到噪声的污染,用原始点云数据直接进行三角化及生成DEM效果很差,因此有必要对点云进行平滑光顺滤波处理,然而现有的方法并不能达到很好的光顺滤波效果。
发明内容
本发明为了对原始点云数据进行平滑光顺处理,提出一种基于法向量的点云平滑光顺滤波方法;本发明区别于经典平滑滤波和栅格滤波等;本发明滤波方法并无减少点云数量,而是优化原始点云位置,达到平滑光顺的效果。该点云滤波方法实现简单有效,适用于对点云原始数据进行光顺平滑处理,实用价值高。
本发明通过下述技术方案实现:
一种基于法向量的点云平滑光顺滤波方法,所述方法包括下列步骤:
S1、去除原始点云的离群点;可统计每个点周边设定范围内点的个数,少于一定个数即认为是离群点并剔除;
S2、对离散点云集进行主成分分析(PCA)推断出每个点的法向量,调整所有点的法向量为同一个方向(即调整使法向量的第三个分量Z都大于0);
S3、对每个点通过其K近邻用最小二乘法拟合一个平面,通过该平面模型获得该点的法向量并将其调整为同向;
S4、利用拟合平面的法向量去修正S2计算得到的法向量;
S5、将该点沿修正后的法向量方向投影到该拟合平面上,即将该点的位置调整到修正后的法向量与该拟合平面的交点位置,可以达到对点云进行平滑光顺的处理效果。
进一步地,所述步骤S1中,剔除离群点设置每个点周边0.3m范围内至少有3个点,否则就视为离群点并剔除,该参数可视情况调整。
进一步地,所述步骤S2中,对离散点云集进行主成分分析(PCA)推断出每个点的法向量,所述过程包括:
S21、将法线估计问题转换为求解在给定点的邻域内建立的协方差矩阵的特征值和特征向量的问题。假设有一个点集S={P1,P2...PN},在该点集内建立给定点Pi的协方差矩阵C如下:
进一步地,所述步骤S2中,调整所有点的法向量为同一个方向,所述过程如下:
S22、求出法线后将其单位化得到法向量,假设为(X,Y,Z),如果法向量的Z<0,就将该法向量取反,Z>0则不变,即调整使法向量的第三个分量Z都大于0以使法向量同向。
进一步地,所述步骤S3中通过最小二乘法拟合平面并获得法向量,所述过程如下:
平面方程的一般表达式为:
A0x+B0y+C0z+D0=0,(C0≠0)
即:
即:
z=ax+by+c
其中,a,b,c为平面方程另一种表示方式的未知参数。
现对于一系列的K个点(默认K=50,可手动设置),已知该K个点的坐标(xi,yi,zi),i=0,1,…,K-1,拟合计算上述平面方程,可构造该方程并用最小二乘法求解平面方程的未知参数。该方程可看成经典方程形式:
AX=B
其中:
该方程AX=B的最小二乘解为:
X=(ATA-1)*ATB
即可求出该拟合平面方程z=ax+by+c,则该平面的法线即为(a,b,-1),将该法线单位化即可得到法向量并将其调整为同向如下:
其中NormalLen为法线的模,用于将法线单位化,a,b为之前求出的平面方程的参数。
进一步地,所述步骤S4中利用拟合平面的法向量去修正S2计算得到的法向量,所述过程如下:
设S2计算得到的法向量为:
norm1=(a1,b1,c1),(c1>0)
利用平面拟合得到的法向量为:
norm2=(a2,b2,c2),(c2>0)
利用法向量修正参数alpha(默认为1.0,即修正后的法向量默认取拟合平面的法向量,该参数可设置)对法向量进行修正得到修正后的法向量:
norm=(a0,b0,c0)=norm1*(1-alpha)+norm2*alpha;
其中:norm1为步骤S2通过PCA计算得到的法向量,norm2为利用平面拟合得到的法向量,alpha为法向量修正参数,代表平面拟合得到的法向量在最终修正后的法向量中所占的权重,一般alpha默认取1,即最终修正后的法向量即为平面拟合得到的法向量。
进一步地,所述步骤S5中将该点沿修正后的法向量方向投影到该拟合平面上,所述过程如下:
将该点的位置调整到修正后的法向量与该拟合平面的交点位置,即求点和平面的交点作为该点修正后的位置:
该拟合平面的方程由S3可得为:
z=ax+by+c
修正后的法向量由S4可得为:
(a0,b0,c0)
该点坐标为(xi,yi,zi),则该法线方程为:
求该法线和该拟合平面的交点为:
其中,a0,b0,c0为修正后的法向量,a,b,c为步骤S3中用最小二乘法拟合出的平面方程参数,xi,yi,zi为所要调整的原始点坐标,x,y,z为法向量滤波调整后点的坐标;将原始点云该点位置调整到如上法向量和拟合平面的交点位置,即可达到对点云进行平滑光顺的处理效果。
本发明相对于现有技术,具有如下的优点及效果:
1)本发明方法适用于无人机机载Lidar扫描测绘领域,具有稳定性高、精度高的优点。
2)本发明方法提出一种新的点云平滑滤波思路,通过将每个点沿修正后的法向量方向投影到拟合平面上可以达到很好的光顺平滑效果,且可以设置拟合平面所需K近邻的大小以及法向量调整的权重,算法实现简单有效。
3)本发明方法能够很好适用于各个地形区域,如荒地,草地等,计算量低,可为后续点云数据的三角化及生成DEM做很好且有必要的铺垫。
4)本发明方法区别与经典平滑滤波和栅格滤波法等,本滤波方法并无减少点云数量,而是优化原始点云位置,达到平滑光顺的效果。
附图说明
图1为本发明基于法向量的点云平滑光顺滤波方法流程框图。
图2为滤波前的原始点云效果图。
图3为滤波前原始点云三角化平面效果图。
图4法向量滤波后的点云效果图。
图5法向量滤波后点云三角化平面效果图。
图6为滤波前效果对比示意图。
图7为滤波后效果对比示意图。
具体实施方式
本发明公开了一种基于法向量的点云平滑光顺滤波方法。
过程是:首先去除原始点云的离群点;然后对离散点云集进行主成分分析推断出每个点的法向量,调整所有点的法向量为同一个方向(即调整使法向量的第三个分量Z都大于0);再对每个点通过其K近邻用最小二乘法拟合一个平面,通过平面模型获得该点的法向量并将其调整为同向;接着利用拟合平面的法向量去修正第一步计算得到的法向量;最后将该点沿修正后的法向量方向投影到该拟合平面上,即将该点的位置调整到修正后的法向量与该拟合平面的交点位置,可以达到对点云进行平滑光顺的处理效果。其中K近邻参数(默认50)及法向量修正参数(默认1.0,即修正后的法向量默认取拟合平面的法向量)均可设置。该点云滤波方法实现简单、平滑光顺效果明显,将原始点云进行滤波可为后续点云数据的三角化及生成DEM做铺垫,适用于对点云原始数据进行光顺平滑处理,具有很高的实用价值。
下面结合具体实施方式,对本发明作进一步具体详细描述,但本发明的实施方式并不限于此。
本发明基于法向量的点云平滑光顺滤波方法,可通过如下步骤实现:
S1、去除原始点云的离群点;可统计每个点周边设定范围内点的个数,少于一定个数即认为是离群点并剔除;
S2、对离散点云集进行主成分分析(PCA)推断出每个点的法向量,调整所有点的法向量为同一个方向(即调整使法向量的第三个分量Z都大于0);
S3、对每个点通过其K近邻用最小二乘法拟合一个平面,通过该平面模型获得该点的法向量并将其调整为同向;
S4、利用拟合平面的法向量去修正S2计算得到的法向量;
S5、将该点沿修正后的法向量方向投影到该拟合平面上,即将该点的位置调整到修正后的法向量与该拟合平面的交点位置,可以达到对点云进行平滑光顺的处理效果。
进一步地,所述步骤S1中,剔除离群点设置每个点周边0.3m范围内至少有3个点,否则就视为离群点并剔除,该参数可视情况调整。
进一步地,所述步骤S2中,对离散点云集进行主成分分析(PCA)推断出每个点的法向量,所述过程包括:
S21、将法线估计问题转换为求解在给定点的邻域内建立的协方差矩阵的特征值和特征向量的问题。假设有一个点集S={P1,P2...PN},在该点集内建立给定点Pi的协方差矩阵C如下:
进一步地,所述步骤S2中,调整所有点的法向量为同一个方向,所述过程如下:
S22、求出法线后将其单位化得到法向量,假设为(X,Y,Z),如果法向量的Z<0,就将该法向量取反,Z>0则不变,即调整使法向量的第三个分量Z都大于0以使法向量同向。
进一步地,所述步骤S3中通过最小二乘法拟合平面并获得法向量,所述过程如下:
平面方程的一般表达式为:
A0x+B0y+C0z+D0=0,(C0≠0)
即:
即:
z=ax+by+c
其中,a,b,c为平面方程另一种表示方式的未知参数。
现对于一系列的K个点(默认K=50,可手动设置),已知该K个点的坐标(xi,yi,zi),i=0,1,…,K-1,拟合计算上述平面方程,可构造该方程并用最小二乘法求解平面方程的未知参数。该方程可看成经典方程形式:
AX=B
其中:
该方程AX=B的最小二乘解为:
X=(ATA-1)*ATB
即可求出该拟合平面方程z=ax+by+c,则该平面的法线即为(a,b,-1),将该法线单位化即可得到法向量并将其调整为同向如下:
其中NormalLen为法线的模,用于将法线单位化,a,b为之前求出的平面方程的参数。
进一步地,所述步骤S4中利用拟合平面的法向量去修正S2计算得到的法向量,所述过程如下:
设S2计算得到的法向量为:
norm1=(a1,b1,c1),(c1>0)
利用平面拟合得到的法向量为:
norm2=(a2,b2,c2),(c2>0)
利用法向量修正参数alpha(默认为1.0,即修正后的法向量默认取拟合平面的法向量,该参数可设置)对法向量进行修正得到修正后的法向量:
norm=(a0,b0,c0)=norm1*(1-alpha)+norm2*alpha;
其中:norm1为步骤S2通过PCA计算得到的法向量,norm2为利用平面拟合得到的法向量,alpha为法向量修正参数,代表平面拟合得到的法向量在最终修正后的法向量中所占的权重,一般alpha默认取1,即最终修正后的法向量即为平面拟合得到的法向量。
进一步地,所述步骤S5中将该点沿修正后的法向量方向投影到该拟合平面上,所述过程如下:
将该点的位置调整到修正后的法向量与该拟合平面的交点位置,即求点和平面的交点作为该点修正后的位置:
该拟合平面的方程由S3可得为:
z=ax+by+c
修正后的法向量由S4可得为:
(a0,b0,c0)
该点坐标为(xi,yi,zi),则该法线方程为:
求该法线和该拟合平面的交点为:
其中,a0,b0,c0为修正后的法向量,a,b,c为步骤S3中用最小二乘法拟合出的平面方程参数,xi,yi,zi为所要调整的原始点坐标,x,y,z为法向量滤波调整后点的坐标;将原始点云该点位置调整到如上法向量和拟合平面的交点位置,即可达到对点云进行平滑光顺的处理效果。
如上所述,便可较好地实现本发明。
本发明的实施方式并不受上述实施例的限制,其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于法向量的点云平滑光顺滤波方法,其特征在于包括如下步骤:
S1:去除原始点云的离群点;统计每个点周边设定范围内点的个数,少于一定个数即认为是离群点并剔除;
S2:对离散点云集进行主成分分析推断出每个点的法向量,调整所有点的法向量为同一个方向,即调整使法向量的第三个分量Z都大于0;
S3:对每个点通过其K近邻用最小二乘法拟合一个平面,通过该平面模型获得该点的法向量并将其调整为同向;
S4:利用拟合平面的法向量去修正步骤S2计算得到的法向量;
S5:将该点沿修正后的法向量方向投影到该拟合平面上,即将该点的位置调整到修正后的法向量与该拟合平面的交点位置,即达到对点云进行平滑光顺的处理效果。
2.根据权利要求1所述基于法向量的点云平滑光顺滤波方法,其特征在于,所述步骤S1中,剔除离群点设置每个点周边0.3m范围内至少有3个点。
4.根据权利要求3所述基于法向量的点云平滑光顺滤波方法,其特征在于,所述步骤S2中,调整所有点的法向量为同一个方向,所述过程如下:
S22:求出法线后将其单位化得到法向量,假设为(X,Y,Z),如果法向量的Z<0,就将该法向量取反,Z>0则不变,即调整使法向量的第三个分量Z都大于0以使法向量同向。
5.根据权利要求4所述基于法向量的点云平滑光顺滤波方法,其特征在于,所述步骤S3中,通过最小二乘法拟合平面并获得法向量,其过程如下:
平面方程的一般表达式为:
A0x+B0y+C0z+D0=0,(C0≠0)
其中:A0,B0,C0,D0为平面方程的未知参数;
即:
即:
z=ax+by+c
其中,a,b,c为平面方程另一种表示方式的未知参数;
已知该K个点的坐标(xi,yi,zi),i=0,1,…,K-1,拟合计算上述平面方程,可构造该方程并用最小二乘法求解平面方程的未知参数;该方程可看成经典方程形式:
AX=B
其中:
该方程AX=B的最小二乘解为:
X=(ATA-1)*ATB
即可求出该拟合平面方程z=ax+by+c,则该平面的法线即为(a,b,-1),将该法线单位化即可得到法向量并将其调整为同向如下:
其中NormalLen为法线的模,用于将法线单位化,a,b为之前求出的平面方程的参数。
6.根据权利要求5所述基于法向量的点云平滑光顺滤波方法,其特征在于,所述步骤S4中,利用拟合平面的法向量去修正步骤S2计算得到的法向量,其过程如下:
设步骤S2计算得到的法向量为:
norm1=(a1,b1,c1),(c1>0)
利用平面拟合得到的法向量为:
norm2=(a2,b2,c2),(c2>0)
利用法向量修正参数alpha对法向量进行修正得到修正后的法向量:
norm=(a0,b0,c0)=norm1*(1-alpha)+norm2*alpha;
其中:norm1为步骤S2通过PCA计算得到的法向量,norm2为利用平面拟合得到的法向量,alpha为法向量修正参数,代表平面拟合得到的法向量在最终修正后的法向量中所占的权重,alpha默认取1,即最终修正后的法向量即为平面拟合得到的法向量。
7.根据权利要求6所述基于法向量的点云平滑光顺滤波方法,其特征在于,所述步骤S5中,将该点沿修正后的法向量方向投影到该拟合平面上,其过程如下:
将该点的位置调整到修正后的法向量与该拟合平面的交点位置,即求点和平面的交点作为该点修正后的位置:
该拟合平面的方程由步骤S3可得为:
z=ax+by+c
修正后的法向量由步骤S4可得为:
(a0,b0,c0)
该点坐标为(xi,yi,zi),则该法线方程为:
求该法线和该拟合平面的交点为:
其中,a0,b0,c0为修正后的法向量,a,b,c为步骤S3中用最小二乘法拟合出的平面方程参数,xi,yi,zi为所要调整的原始点坐标,x,y,z为法向量滤波调整后点的坐标;将原始点云该点位置调整到上述法向量和拟合平面的交点位置,即可达到对点云进行平滑光顺的处理效果。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911364489.XA CN111161179B (zh) | 2019-12-26 | 2019-12-26 | 一种基于法向量的点云平滑光顺滤波方法 |
PCT/CN2020/132683 WO2021129317A1 (zh) | 2019-12-26 | 2020-11-30 | 一种基于法向量的点云平滑光顺滤波方法 |
JP2022539368A JP7406853B2 (ja) | 2019-12-26 | 2020-11-30 | コンピュータにより実行される法線ベクトルに基づく点群平滑化フィルタリング方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911364489.XA CN111161179B (zh) | 2019-12-26 | 2019-12-26 | 一种基于法向量的点云平滑光顺滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161179A true CN111161179A (zh) | 2020-05-15 |
CN111161179B CN111161179B (zh) | 2023-06-16 |
Family
ID=70558100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911364489.XA Active CN111161179B (zh) | 2019-12-26 | 2019-12-26 | 一种基于法向量的点云平滑光顺滤波方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7406853B2 (zh) |
CN (1) | CN111161179B (zh) |
WO (1) | WO2021129317A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085672A (zh) * | 2020-08-19 | 2020-12-15 | 中交第三航务工程局有限公司江苏分公司 | 一种顾及桩体先验几何形态参数的点云数据滤波方法 |
CN112102178A (zh) * | 2020-07-29 | 2020-12-18 | 深圳市菲森科技有限公司 | 一种点云保特征去噪方法、装置、电子设备及存储介质 |
CN112862968A (zh) * | 2021-03-15 | 2021-05-28 | 网易(杭州)网络有限公司 | 目标植被模型的渲染显示方法、装置、设备及存储介质 |
WO2021129317A1 (zh) * | 2019-12-26 | 2021-07-01 | 华南理工大学 | 一种基于法向量的点云平滑光顺滤波方法 |
CN118037825A (zh) * | 2024-02-01 | 2024-05-14 | 北京中科慧灵机器人技术有限公司 | 表面点云有向法向量的校正方法及装置 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487633A (zh) * | 2021-08-17 | 2021-10-08 | 熵智科技(深圳)有限公司 | 一种点云轮廓提取方法、装置、计算机设备及存储介质 |
CN113989116B (zh) * | 2021-10-25 | 2024-08-02 | 西安知微传感技术有限公司 | 一种基于对称平面的点云融合方法及系统 |
CN114219917B (zh) * | 2021-12-02 | 2024-06-04 | 江苏方天电力技术有限公司 | 一种激光雷达点云数据的漏洞修复方法 |
CN115310028B (zh) * | 2022-07-21 | 2023-11-10 | 成都飞机工业(集团)有限责任公司 | 一种盲孔轴线与平面夹角测量不确定度的计算方法 |
CN116165677B (zh) * | 2023-04-24 | 2023-07-21 | 湖北中图勘测规划设计有限公司 | 一种基于激光雷达的地质勘察方法和装置 |
CN117132478B (zh) * | 2023-04-25 | 2024-05-17 | 兰州交通大学 | 一种基于法向量二范数特征参数的轨道点云去噪方法 |
CN116952181B (zh) * | 2023-09-18 | 2024-01-12 | 成都飞机工业(集团)有限责任公司 | 一种大长径比复合材料管型薄壁件的内型面测量方法 |
CN117808703B (zh) * | 2024-02-29 | 2024-05-10 | 南京航空航天大学 | 一种多尺度大型部件装配间隙点云滤波方法 |
CN118036899B (zh) * | 2024-04-10 | 2024-06-14 | 山东亿昌装配式建筑科技有限公司 | 基于bim的建筑装修智慧管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118570A (zh) * | 2007-09-06 | 2008-02-06 | 许焱 | 基于机器视觉的宝石三维毛坯重构设计的装置及方法 |
CN103261945A (zh) * | 2010-12-28 | 2013-08-21 | 洛克希德马丁公司 | 一种创造自由空间光学反射表面的系统和方法 |
CN104424655A (zh) * | 2013-09-10 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | 点云曲面重构系统及方法 |
CN109299739A (zh) * | 2018-09-26 | 2019-02-01 | 速度时空信息科技股份有限公司 | 基于法向量的曲面拟合对车载激光点云滤波的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10066925B2 (en) * | 2016-02-02 | 2018-09-04 | The Boeing Company | Point cloud processing apparatus and method |
JP2017167671A (ja) | 2016-03-14 | 2017-09-21 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
CN105844600B (zh) * | 2016-04-27 | 2018-03-16 | 北京航空航天大学 | 一种空间目标三维点云光顺去噪方法 |
CN106709883B (zh) * | 2016-12-20 | 2019-10-18 | 华南理工大学 | 基于联合双边滤波和尖锐特征骨架提取的点云去噪方法 |
CN109409437B (zh) * | 2018-11-06 | 2021-06-01 | 安徽农业大学 | 一种点云分割方法、装置、计算机可读存储介质及终端 |
CN111161179B (zh) * | 2019-12-26 | 2023-06-16 | 华南理工大学 | 一种基于法向量的点云平滑光顺滤波方法 |
-
2019
- 2019-12-26 CN CN201911364489.XA patent/CN111161179B/zh active Active
-
2020
- 2020-11-30 JP JP2022539368A patent/JP7406853B2/ja active Active
- 2020-11-30 WO PCT/CN2020/132683 patent/WO2021129317A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118570A (zh) * | 2007-09-06 | 2008-02-06 | 许焱 | 基于机器视觉的宝石三维毛坯重构设计的装置及方法 |
CN103261945A (zh) * | 2010-12-28 | 2013-08-21 | 洛克希德马丁公司 | 一种创造自由空间光学反射表面的系统和方法 |
CN104424655A (zh) * | 2013-09-10 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | 点云曲面重构系统及方法 |
CN109299739A (zh) * | 2018-09-26 | 2019-02-01 | 速度时空信息科技股份有限公司 | 基于法向量的曲面拟合对车载激光点云滤波的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021129317A1 (zh) * | 2019-12-26 | 2021-07-01 | 华南理工大学 | 一种基于法向量的点云平滑光顺滤波方法 |
CN112102178A (zh) * | 2020-07-29 | 2020-12-18 | 深圳市菲森科技有限公司 | 一种点云保特征去噪方法、装置、电子设备及存储介质 |
CN112085672A (zh) * | 2020-08-19 | 2020-12-15 | 中交第三航务工程局有限公司江苏分公司 | 一种顾及桩体先验几何形态参数的点云数据滤波方法 |
CN112862968A (zh) * | 2021-03-15 | 2021-05-28 | 网易(杭州)网络有限公司 | 目标植被模型的渲染显示方法、装置、设备及存储介质 |
CN112862968B (zh) * | 2021-03-15 | 2024-01-19 | 网易(杭州)网络有限公司 | 目标植被模型的渲染显示方法、装置、设备及存储介质 |
CN118037825A (zh) * | 2024-02-01 | 2024-05-14 | 北京中科慧灵机器人技术有限公司 | 表面点云有向法向量的校正方法及装置 |
CN118037825B (zh) * | 2024-02-01 | 2024-08-16 | 北京中科慧灵机器人技术有限公司 | 表面点云有向法向量的校正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2023509888A (ja) | 2023-03-10 |
WO2021129317A1 (zh) | 2021-07-01 |
JP7406853B2 (ja) | 2023-12-28 |
CN111161179B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161179B (zh) | 一种基于法向量的点云平滑光顺滤波方法 | |
CN106597416B (zh) | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 | |
CN110927740A (zh) | 一种移动机器人定位方法 | |
CN108896047B (zh) | 分布式传感器网络协同融合与传感器位置修正方法 | |
CN111340939B (zh) | 一种室内三维语义地图构建方法 | |
CN114862932B (zh) | 基于bim全局定位的位姿修正方法及运动畸变矫正方法 | |
CN112435262A (zh) | 基于语义分割网络和多视图几何的动态环境信息检测方法 | |
CN109425348A (zh) | 一种同时定位与建图的方法和装置 | |
CN115797256B (zh) | 基于无人机的隧道岩体结构面信息的处理方法以及装置 | |
CN116929338B (zh) | 地图构建方法、设备及存储介质 | |
CN118230231B (zh) | 一种无人车的位姿构建方法、装置、电子设备及存储介质 | |
CN111047652B (zh) | 一种快速的多tof相机外参标定方法和装置 | |
CN107330927A (zh) | 机载可见光图像定位方法 | |
CN102625444A (zh) | 一种终端定位方法和一种基站 | |
CN114332191A (zh) | 三维点云误差补偿方法及装置 | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN117557681A (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
CN110310370B (zh) | 一种gps与srtm点面融合的方法 | |
CN110411449B (zh) | 一种航空侦察载荷目标定位方法、系统及终端设备 | |
CN107240133A (zh) | 一种立体视觉映射模型建立方法 | |
CN113781567B (zh) | 基于三维地图生成的航拍图像目标地理定位方法 | |
CN113421292A (zh) | 一种三维建模细节增强方法及装置 | |
JP2015118441A (ja) | データ処理装置、データ処理方法、及びデータ処理プログラム | |
CN117455815B (zh) | 基于卫星影像平顶建筑物顶底偏移校正方法及相关设备 | |
US20240303856A1 (en) | Simultaneous localization and mapping (slam) method |
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 |