CN111968224A - 船舶3d扫描点云数据处理方法 - Google Patents
船舶3d扫描点云数据处理方法 Download PDFInfo
- Publication number
- CN111968224A CN111968224A CN202010818062.9A CN202010818062A CN111968224A CN 111968224 A CN111968224 A CN 111968224A CN 202010818062 A CN202010818062 A CN 202010818062A CN 111968224 A CN111968224 A CN 111968224A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- scanning
- cloud data
- ship
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 32
- 230000009467 reduction Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 32
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- 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
-
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种船舶3D扫描点云数据处理方法,包括:三维激光扫描步骤:在多个测站利用扫描仪通过3D激光扫描以在各个测站获取各自的扫描片段点云数据;点云数据配准步骤:将各个测站得到各个扫描片段点云数据从各自的原坐标系转换到整体坐标系,从而将独立坐标系下的点云转换成统一坐标系下的点云;数据分割再拼接步骤:对数据精简之后的点云数据进行数据分割,对数据分割后的各段数据分别建模,并且对各段数据的各个建模进行再组合以得到总体建模。
Description
技术领域
本发明属于船舶改装设计领域,具体涉及一种船舶3D扫描点云数据处理方法。
背景技术
在船舶改装设计,如何获取船体内外各部位三维模型是船舶改装工艺的关键环节之一。
三维激光扫描技术是上世纪九十年代中期开始出现的一项高新术,是继GPS空间定位系统之后又一项测绘技术新突破。它通过高速激光扫描测量的方法,大面积高分辨率地快速获取被测对象表面的三维度坐标数据,通过3D扫描点云数据处理技术对点云数据进行重组聚合。可以快速、大量的采集空间点位信息,为快速建立物体的三维影像模型提供了一种全新的技术手段。由于其具有快速性、不接触性、穿透性、实时、动态、主动性,高密度、高精度,数字化、自动化等特性,其应用推广会像GPS一样引起测量技术的又一次革命。
希望提供一种能够有效利用三维激光扫描技术实现船体内外各部位三维模型的快速获取的技术方案。
发明内容
本发明所要解决的技术问题是针对现有技术中存在上述缺陷,提供一种能够有效利用三维激光扫描技术实现船体内外各部位三维模型的快速获取的船舶3D扫描点云数据处理方法。
根据本发明,提供了一种船舶3D扫描点云数据处理方法,包括:
三维激光扫描步骤:在多个测站利用扫描仪通过3D激光扫描以在各个测站获取各自的扫描片段点云数据;
点云数据配准步骤:将各个测站得到各个扫描片段点云数据从各自的原坐标系转换到整体坐标系,从而将独立坐标系下的点云转换成统一坐标系下的点云;
数据分割再拼接步骤:对数据精简之后的点云数据进行数据分割,对数据分割后的各段数据分别建模,并且对各段数据的各个建模进行再组合以得到总体建模。
优选地,所述船舶3D扫描点云数据处理方法还包括在数据精简步骤或者数据分割再拼接步骤之前执行去噪步骤,用于对统一坐标系下的点云进行去噪处理。
优选地,所述船舶3D扫描点云数据处理方法还包括在数据精简步骤或者数据分割再拼接步骤之前执行数据精简步骤,用于对统一坐标系下的冗余点云数据进行滤除、过滤或者采样。
优选地,数据精简步骤对重复区域的数据进行过滤。
优选地,在三维激光扫描步骤获取船体的外形数据信息,并提取出船体型线。
优选地,点云数据配准步骤采用标靶拼接、点云直接拼接以及控制点拼接中的至少一种进行点云拼接,从而将各个测站得到各个扫描片段点云数据从各自的原坐标系转换到整体坐标系。
优选地,在对数据精简之后的点云数据进行数据分割时,数据分割得到的分块区域的特征单一。
优选地,在对数据精简之后的点云数据进行数据分割时,数据分割得到的同一分块区域内没有法矢量及曲率的突变。
由此,本发明提供了一种能够有效利用三维激光扫描技术实现船体内外各部位三维模型的快速获取的船舶3D扫描点云数据处理方法。
附图说明
结合附图,并通过参考下面的详细描述,将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征,其中:
图1示意性地示出了根据本发明优选实施例的船舶3D扫描点云数据处理方法的流程图。
图2示意性地示出了根据本发明优选实施例的船舶3D扫描点云数据处理方法的配准前点云数据示例。
图3示意性地示出了根据本发明优选实施例的船舶3D扫描点云数据处理方法的配准后的点云数据示例。
图4示意性地示出了根据本发明优选实施例的船舶3D扫描点云数据处理方法的去燥前的数据示例。
图5示意性地示出了根据本发明优选实施例的船舶3D扫描点云数据处理方法的去燥后的数据示例。
需要说明的是,附图用于说明本发明,而非限制本发明。注意,表示结构的附图可能并非按比例绘制。并且,附图中,相同或者类似的元件标有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂,下面结合具体实施例和附图对本发明的内容进行详细描述。以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
图1示意性地示出了根据本发明优选实施例的船舶3D扫描点云数据处理方法的流程图。
如图1所示,根据本发明优选实施例的船舶3D扫描点云数据处理方法包括:
三维激光扫描步骤S1:在多个测站利用扫描仪通过3D激光扫描以在各个测站获取各自的扫描片段点云数据;由此,可获得船体的外形数据信息,并提取出船体型线;
三维激光扫描仪向被测对象物体发射大量激光束,接受反射信号,计算被测对象表面点的三维坐标,记录反射率以及纹理等信息,从而得到点云数据。而不同的仪器制造商生产的仪器对于被测物体表面三维坐标的计算方式又各不相同,主要分为以下两种:①脉冲测距的方法。根据激光束发射与接收的时间差,计算出仪器与被测点间的距离,精密时钟控制编码器同时记录横向角度值与纵向角度,从而解算出每个点的X,Y,Z坐标值。②相位差测距的干扰性强的方式作业,对物体发射激光束,获取大量点云方法。距离值是通过获取检测调幅光波发射与接收之间的数据,对点云数据进行处理建模可快速还原物体真实面相位差得到,仪器再记录横向角度值与纵向角度值解算出X,Y,Z坐标值。
点云数据配准步骤S2:将各个测站得到各个扫描片段点云数据从各自的原坐标系转换到整体坐标系,从而将独立坐标系下的点云转换成统一坐标系下的点云;
每个测站的扫描仪所测得的数据都是在独立坐标系下的点云,因此需要进行不同坐标系之间的坐标转换。即点云数据的配准。
具体地说,由于激光扫描仪在单一视角下只能扫描到物体的一部分点云数据,不能覆盖整个空间对象。所以在为较大对象(如一个大型建筑物点或者一颗大树)激光扫描时,需要从多方位不同视角扫描,也就是需要架设多个测站点,才能把物体扫描完整。每个测站点都会有其独立的坐标系,要获得完整的数据必须将所有测站点数据转换到同一坐标系下,这就需要点云拼接。点云拼接方法主要为标靶拼接、点云直接拼接以及控制点拼接三种方法。
①标靶拼接是最简便的拼接方法,在数据扫描时,两站点之间提取有效信息。站点之间的公共区域内放置至少三个标靶,在扫描物体对象同时扫描标靶点云数据,依次扫描完所有站点,最后利用这部分不同站点相同的标靶数据进行点云配准,值得注意的是,每个标靶必须对应唯一的标靶号,同一标靶在不同测站中的标靶号也必须一致,才能正确完成各站点云数据配准。
②利用点云直接拼接,在扫描物体对象的两个站之间要有一定的重叠度,一般要大于30%,且要有较为明显的特征点,扫描完成后,寻找重叠区域的同名点进行点云拼接。此方法中重叠区域特征点的确定直接关系到配准结果的好坏,所以要求重叠部分要清晰且要有较多的特征点与特征线。
③控制点拼接是将三维激光扫描仪与定位系统相结合,在对对象物体扫描的同时扫描控制点,用定位技术确定控制点的坐标,再以控制点为基准对点云数据配准。此方法优点为配准结果精度高,缺点为过程相对复杂。
例如,图2显示为配准前点云数据示例,图3配准后的点云数据示例。
去噪步骤S3:对统一坐标系下的点云进行去噪处理;
由于仪器本身的缘故以及人为的其他因素,扫描仪取得的数据中含有较多误差,也就是噪声数据,在处理过程中需要把这些数据剔除。在利用三维激光扫描仪获取点云数据的过程中,会受到扫描设备、周围环境、人为扰动甚至扫描对象表面材质的影响,得到的数据或多或少存在噪声点,得到的数据不能正确的表达扫描对象的空间位置。噪声点分主要分为三类:①第一类噪声点是由于物体表面材质或者光照环境导致反射信号较弱等情况下产生的噪声点:②第二类是由于在扫描的过程中,难免有人、车辆或者其他物体从仪器与扫描物体之间经过而产生的噪声点,这属于偶然噪声;③由于测量设备自身原因,如扫描仪精度,相机分辨率等由测量系统引起的系统误差和随机误差。
数据去噪的方法可根据不同的情况分为不同的方式,分别为基于有序点云数据的去噪和基于散乱点云的去噪。
1.基于有序点云数据用平滑滤波去噪法,目前数据平滑滤波主要采取的是高斯滤波、均值滤波以及中值滤波。高斯滤波属于线性平滑滤波,是对指定区域内的数据加权平成的均值,可以去除高频信息,其优点为能够在保证去噪质量的前提下保留住点云数据特征信息。均值滤波也叫平均滤波,也是一种较为典型的线性滤波,其原理为选择一定范围内的点求取其平均值来代替其原本的数据点,优点为算法简单易行,缺点为去噪的效果较为平均,且不能很好的保留住点云的特征细节。中值滤波属于非线性平滑滤波,其原理是对某点数据相邻的三个或以上的数据求中值,求取后的结果取代其原始值,其优点在于对毛刺噪声的去除有很好效果,而且也能很好的保护数据边缘特征信息。
2.基于散乱点云数据去噪常用的方法为拉普拉斯去噪的点平均曲率流方法、双边滤波算法。对于拉普拉斯算法,虽然能够很好的保留住模型的细节特征。但还是会残存有噪声点。而双边滤波算法虽然能够很好的去除噪声点,但是不能够很好的保留住模型的细节特征。平均曲率是依赖于曲率估计。对于模型简单噪声点较少的数据去噪效果较好,而对于复杂且噪声点多的数据,其计算速度慢且去噪效果较差。
例如,图4示意性地示出了去燥前的数据示例,图5示意性地示出了去燥后的数据示例。
数据精简步骤S4:对统一坐标系下的冗余点云数据进行滤除、过滤或者采样;以此达到节约时间和空间的目的。
具体地说,冗余数据是指在数据配准之后,其重复区域的数据,这部分数据的数据量大,多为无用数据,对建模的速度以及质量有很大影响,对于这部分数据要予以去除。抽稀简化是指扫描的数据密度过大,数量过多,其中一部分数据对于后期建模用处不大,所以在满足一定精度以及保持被测物体几何特征的前提下,对数据进行精简。以提高数据操作运算速度、建模效率以及模型精度。
后续,对于比较复杂的扫描对象,如果直接利用所有点云数据建模,其过程是十分困难的,会使拟合算法难度增大,三维模型的数学表达式也会变得很复杂。所以对于复杂对象建模之前需要将点云数据分割,分别建模完成后再组合,就是建模过程中“先分割后拼接”的思想,把复杂数据简单化,把庞大数据细分化。具体如下所述。
可以理解的是,作为预处理步骤,去噪步骤S3为优选步骤,并且可以在在数据精简步骤或者数据分割再拼接步骤之前执行;同样的,数据精简步骤S4为优选步骤,并且可以在在数据精简步骤或者数据分割再拼接步骤之前执行。
数据分割再拼接步骤S5:对数据精简之后的点云数据进行数据分割,对数据分割后的各段数据分别建模,并且对各段数据的各个建模进行再组合以得到总体建模。
点云经过了点云的精简过程,但在对于一些比较复杂、曲率变化大的实体,其进行处理仍然会比较困难,因为过滤后的点云数据还是会比较大。这样结果的精度不能得以保证而又花费了大量的时间。所以,在进行点云数据处理的时候可以考虑对整体的点云进行细小的分割,然后再进行处理,最后再将整体匹配起来恢复原始的实体形状。
在本发明中,点云数据分割应该遵守以下准则:①分块区域的特征单一且同一区域内没有法矢量及曲率的突变。②分割的公共边尽量便于后续的拼接。③分块的个数尽量少,可减少后续的拼接复杂度。④分割后的每一块要易于重建模型。
数据分割的主要方法有三种,基于边的分割方法、基于面的分割方法和基于聚类的分割方法。基于边的分割方法需先寻找出特征线。所谓特征线,也就是特征点所连成的线,目前最常用的提取特征点的方法为基于曲率和法矢量的提取方法,通常认为曲率或者法矢量突变的点为特征点,例如拐点或者角点。提取出特征线之后,再对特征线围成的区域进行分割。基于面的方法是一个不断迭代过程,找到具有相同曲面性质的点,将属于同一基本几何特征的点集分割到同一区域,再确定这些点所属的曲面,最后由相邻的曲面决定曲面间的边界。基于聚类的方法就是将相似的几何特征参数数据点分类,可用根据高斯曲率和平均曲率来求出其几何特征再聚类,最后根据所属类来分割。
本发明首先通过3D激光扫描,可快速、高精度获得船体的外形数据信息,提取出船体型线;之后通过3D扫描点云数据处理技术,快速将各个扫描片段数据从原坐标系转换到整体坐标系,从而快速、高精度获取到船体及舱内的点云数据信息。通过这种点云数据处理方法,可以清晰的船体内外各部位三维模型,大大降低作业时间。
需要说明的是,除非特别指出,否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等,而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (8)
1.一种船舶3D扫描点云数据处理方法,其特征在于包括:
三维激光扫描步骤:在多个测站利用扫描仪通过3D激光扫描以在各个测站获取各自的扫描片段点云数据;
点云数据配准步骤:将各个测站得到各个扫描片段点云数据从各自的原坐标系转换到整体坐标系,从而将独立坐标系下的点云转换成统一坐标系下的点云;
数据分割再拼接步骤:对数据精简之后的点云数据进行数据分割,对数据分割后的各段数据分别建模,并且对各段数据的各个建模进行再组合以得到总体建模。
2.根据权利要求1所述的船舶3D扫描点云数据处理方法,其特征在于还包括在数据精简步骤或者数据分割再拼接步骤之前执行去噪步骤,用于对统一坐标系下的点云进行去噪处理。
3.根据权利要求1或2所述的船舶3D扫描点云数据处理方法,其特征在于还包括在数据精简步骤或者数据分割再拼接步骤之前执行数据精简步骤,用于对统一坐标系下的冗余点云数据进行滤除、过滤或者采样。
4.根据权利要求3所述的船舶3D扫描点云数据处理方法,其特征在于,数据精简步骤对重复区域的数据进行过滤。
5.根据权利要求1或2所述的船舶3D扫描点云数据处理方法,其特征在于,在三维激光扫描步骤获取船体的外形数据信息,并提取出船体型线。
6.根据权利要求1或2所述的船舶3D扫描点云数据处理方法,其特征在于,点云数据配准步骤采用标靶拼接、点云直接拼接以及控制点拼接中的至少一种进行点云拼接,从而将各个测站得到各个扫描片段点云数据从各自的原坐标系转换到整体坐标系。
7.根据权利要求1或2所述的船舶3D扫描点云数据处理方法,其特征在于,在对数据精简之后的点云数据进行数据分割时,数据分割得到的分块区域的特征单一。
8.根据权利要求1或2所述的船舶3D扫描点云数据处理方法,其特征在于,在对数据精简之后的点云数据进行数据分割时,数据分割得到的同一分块区域内没有法矢量及曲率的突变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818062.9A CN111968224A (zh) | 2020-08-14 | 2020-08-14 | 船舶3d扫描点云数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818062.9A CN111968224A (zh) | 2020-08-14 | 2020-08-14 | 船舶3d扫描点云数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111968224A true CN111968224A (zh) | 2020-11-20 |
Family
ID=73364898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010818062.9A Pending CN111968224A (zh) | 2020-08-14 | 2020-08-14 | 船舶3d扫描点云数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968224A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112414305A (zh) * | 2020-11-26 | 2021-02-26 | 江南造船(集团)有限责任公司 | 一种集装箱船导轨架测量方法与系统 |
CN113593034A (zh) * | 2021-07-01 | 2021-11-02 | 中国建筑土木建设有限公司 | 无标靶点云数据处理方法、装置、设备及介质 |
CN113658077A (zh) * | 2021-08-19 | 2021-11-16 | 成都永峰科技有限公司 | 一种基于曲率的分区域双边海量点云降噪方法 |
CN114279364A (zh) * | 2021-12-29 | 2022-04-05 | 江苏绿科船舶科技有限公司 | 一种新型扫描数据注册方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886555A (zh) * | 2014-03-12 | 2014-06-25 | 北京昊峰东方科技有限公司 | 一种基于海量三维激光扫描点云数据的处理方法 |
US20180087901A1 (en) * | 2016-09-27 | 2018-03-29 | Topcon Corporation | Laser Scanner System And Registration Method Of Point Cloud Data |
-
2020
- 2020-08-14 CN CN202010818062.9A patent/CN111968224A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886555A (zh) * | 2014-03-12 | 2014-06-25 | 北京昊峰东方科技有限公司 | 一种基于海量三维激光扫描点云数据的处理方法 |
US20180087901A1 (en) * | 2016-09-27 | 2018-03-29 | Topcon Corporation | Laser Scanner System And Registration Method Of Point Cloud Data |
Non-Patent Citations (2)
Title |
---|
杨明珠等: "三维激光扫描点云数据处理及建模研究", 《价值工程》 * |
胡敏捷等: "三维激光扫描技术在大型舱容测量中的应用研究", 《船舶设计通讯》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112414305A (zh) * | 2020-11-26 | 2021-02-26 | 江南造船(集团)有限责任公司 | 一种集装箱船导轨架测量方法与系统 |
CN113593034A (zh) * | 2021-07-01 | 2021-11-02 | 中国建筑土木建设有限公司 | 无标靶点云数据处理方法、装置、设备及介质 |
CN113593034B (zh) * | 2021-07-01 | 2023-11-24 | 中国建筑土木建设有限公司 | 无标靶点云数据处理方法、装置、设备及介质 |
CN113658077A (zh) * | 2021-08-19 | 2021-11-16 | 成都永峰科技有限公司 | 一种基于曲率的分区域双边海量点云降噪方法 |
CN114279364A (zh) * | 2021-12-29 | 2022-04-05 | 江苏绿科船舶科技有限公司 | 一种新型扫描数据注册方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581457B (zh) | 一种基于三维点云的管道内表面检测方法及装置 | |
CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
CN105976312B (zh) | 基于点特征直方图的点云自动配准方法 | |
Huang et al. | Automatic data segmentation for geometric feature extraction from unorganized 3-D coordinate points | |
CN109919984A (zh) | 一种基于局部特征描述子的点云自动配准方法 | |
CN111640158B (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
CN110189257B (zh) | 点云获取的方法、装置、系统及存储介质 | |
CN109556540A (zh) | 一种非接触式基于3d图像的物体平面度检测方法、计算机 | |
Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
CN115330958A (zh) | 基于激光雷达的实时三维重建方法及装置 | |
CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN114332348A (zh) | 一种融合激光雷达与图像数据的轨道三维重建方法 | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
CN112232248A (zh) | 一种多线LiDAR点云数据平面特征的提取方法及装置 | |
CN115294527A (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
CN114418953A (zh) | 一种基于时间历程累计图像的声呐目标检测方法和系统 | |
CN117874900B (zh) | 一种基于bim技术的房屋建筑工程监理方法 | |
CN114863064A (zh) | 一种汽车轮廓曲面模型构建方法及系统 | |
CN117706577A (zh) | 基于激光雷达三维点云算法的船舶尺寸测量方法 | |
CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
CN112016354A (zh) | 一种基于视觉识别的运粮车粮箱装载状态检测方法 | |
CN116469092A (zh) | 基于DBSCAN算法的自适应Alpha Shapes轮廓提取方法 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 | |
Lian et al. | An adaptive multi-scale point cloud filtering method for feature information retention |
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: 20201120 |
|
RJ01 | Rejection of invention patent application after publication |