CN112150595A - 一种点云数据处理方法、装置、设备及介质 - Google Patents
一种点云数据处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112150595A CN112150595A CN202010995580.8A CN202010995580A CN112150595A CN 112150595 A CN112150595 A CN 112150595A CN 202010995580 A CN202010995580 A CN 202010995580A CN 112150595 A CN112150595 A CN 112150595A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- dimensional image
- determining
- frame
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000009466 transformation Effects 0.000 claims description 48
- 230000004927 fusion Effects 0.000 claims description 28
- 230000003287 optical effect Effects 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013507 mapping Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000010839 reverse transcription Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了一种点云数据处理方法、装置、设备及介质。该方法包括：获取至少一帧点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。本发明实施例的技术方案，解决了点云数据下采样后出现稀疏不一致、精度发生改变的问题，实现使获取的下采样之后的点云数据为稀疏一致的有序点云，降低后续对点云数据的处理难度的效果。
Description
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种点云数据处理方法、装置、设备及介质。、
背景技术
随着虚拟现实、古建筑重建、三维测量、智慧城市等对精细化三维模型的需求增多，使得三维重建技术成为了研究热点。在进行图像的三维重建时，需要通过三维相机采集点云数据，主流的采集方式为连续采集和定点采集。连续采集主要用无人机、手持式、推车、背包等进行连续采集；定点采集主要为电机搭载三维传感器进行360度采集。随着采集区域的扩大，数据量会持续增多，由此带来许多重复数据和噪声，数据也会需要下采样。
目前对点云的下采样方法主要有体素网格、随机抽样等方法。体素网格方法在数据量越大的情况下，执行速度会成线性增大，而且有可能改变点云的精度；随机抽样得到的点云有可能存在稀疏不一致的问题。
发明内容
本发明实施例提供一种点云数据处理方法、装置、设备及介质，以实现获取稀疏一致、精度未发生改变的下采样后的点云数据降低后续对点云数据的处理难度的效果。
第一方面，本发明实施例提供了一种点云数据处理方法，该方法包括：
获取至少一帧点云数据；
获取一二维图像，并确定所述二维图像的像素点；
建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；
根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。
进一步的，所述至少一帧点云数据为至少两帧点云数据；所述获取至少一帧点云数据之后进一步包括：根据每帧点云数据之间的变换关系，确定初始融合的点云数据；所述建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系，具体为：建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；所述根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据，具体为：根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据。
进一步的，根据每帧点云数据之间的变换关系，确定初始融合的点云数据，包括：计算每帧点云数据相对于预设基准帧点云数据的全局变换关系；根据所述点云数据和所述全局变换关系确定所述初始融合的点云数据；所述全局变换关系为每一帧点云数据相对于基准帧点云数据的坐标变换矩阵。
进一步的，计算每帧点云数据相对于预设基准帧点云数据的全局变换关系，包括：根据点云数据采集设备的拍摄旋转角度确定相邻两帧点云数据之间的第一相对位姿关系；获取所述点云数据的特征信息，并根据所述特征信息确定相邻两帧点云数据之间的第二相对位姿关系；根据所述第一相对位姿关系和所述第二相对位姿关系获得相邻两帧点云数据之间的第三相对位姿关系；根据各所述相邻两帧点云数据之间的所述第三位姿关系确定每一帧点云数据相对于预设基准帧点云数据的全局变换关系。
进一步的，获取一二维图像，并确定所述二维图像的像素点，包括：建立一二维图像，根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标。
进一步的，建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系，包括：根据所述预设宽度和点云数据采集设备的水平视角计算所述点云数据采集设备的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少一帧点云数据；根据所述预设高度和所述点云数据采集设备的垂直视角计算所述点云数据采集设备的垂直角分辨率；根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。
进一步的，建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系，包括：根据所述预设宽度和点云数据采集设备的光心水平旋转角度计算所述光心水平旋转运动的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少两帧点云数据；根据所述预设高度和所述点云数据采集设备的光心垂直旋转角度计算所述光心垂直旋转运动的垂直角分辨率；根据所述水平角分辨率和所述垂直角分辨率确定所述初始融合的各点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。
进一步的，确定根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标，包括：根据所述二维图像的预设宽度和预设高度分别确定所述二维图像的各像素点的水平方向的坐标值和垂直方向的坐标值。
进一步的，根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系，包括：获取所述至少一帧点云数据的三维坐标；根据所述水平角分辨率确定所述三维坐标与所述垂直方向的坐标值的垂直对应关系；根据所述垂直角分辨率确定所述三维坐标与所述水平方向的坐标值的水平对应关系。
进一步的，根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，包括：根据所述水平对应关系和所述垂直对应关系确定所述至少一帧点云数据在所述二维图像中的位置。
进一步的，点云数据处理方法还包括：对包含至少两个点云数据的所述位置，通过预设规则确定所述位置的唯一点云数据。
第二方面，本发明实施例还提供了一种点云数据处理装置，该装置包括：
数据获取模块，用于获取至少一帧点云数据；
像素点确定模块，用于获取一二维图像，并确定所述二维图像的像素点；
对应关系建立模块，用于建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；
目标点云数据确定模块，用于根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。
或者，包括：
数据获取模块，用于获取至少两帧点云数据；
初始融合点云数据确定模块，用于根据每帧点云数据之间的变换关系，确定初始融合的点云数据；
像素点确定模块，用于获取一二维图像，并确定所述二维图像的像素点；
对应关系建立模块，用于建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；
目标融合点云数据确定模块，用于根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据。
第三方面，本发明实施例还提供了一种点云数据处理设备，其中，所述点云数据处理设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的点云数据处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本发明任意实施例所提供的点云数据处理方法。
本发明实施例通过获取至少一帧点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据，解决了点云数据下采样后出现稀疏不一致、精度发生改变的问题，实现使获取的下采样之后的点云数据为稀疏一致的有序点云，降低后续对点云数据的处理难度的效果。
附图说明
图1是本发明实施例一中的一种点云数据处理方法的流程图；
图2是本发明实施例二中的一种点云数据处理方法的流程图；
图3是本发明实施例三中的一种点云数据处理方法的流程图；
图4是本发明实施例四中的一种点云数据处理装置的结构图；
图5是本发明实施例五中的一种点云数据处理装置的结构图；
图6是本发明实施例六中的一种点云数据处理设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种点云数据处理方法的流程图，本实施例可适用于点云数据下采样的情况，该方法可以由点云数据处理装置来执行，具体包括如下步骤：
S110、获取至少一帧点云数据。
在采集图像数据时，将三维相机搭载在电机上，通过电机的旋转带动三维相机进行相应的旋转，从而实现以定点采集方式360度采集图像数据。可选的，搭载的三维相机可以是飞行时间(Time of flight，TOF)、结构光、激光等相机。电机包括垂直方向旋转的电机和水平方向旋转的电机，电机的运动模式可以是单独垂直方向旋转的电机旋转，或者单独水平方向旋转的电机旋转，还可以是垂直方向和水平方向旋转的电机一起旋转。
通过电机搭载的三维相机以定点采集方式采集深度图像，通过深度图像获取至少一帧点云数据。
S120、获取一二维图像，并确定二维图像的像素点。
二维图像为根据需要预设的空白二维图像，用于将初始融合点云数据中的每个点都对应到二维图像的像素点上，从而得到进一步融合的有序点云数据。
可选的，获取一二维图像，并确定所述二维图像的像素点，包括：建立一二维图像，根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标。二维图像的宽度和高度是根据需要预先设定的。根据预设宽度和预设高度确定二维图像中各像素点的二维坐标。
可选的，根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标，包括：根据所述二维图像的预设宽度和预设高度分别确定所述二维图像的各像素点的水平方向的坐标值和垂直方向的坐标值。对二维图像建立直角坐标系，根据预设的宽度确定二维图像的横坐标即水平方向的坐标；根据预设的高度确定二维图像的纵坐标即垂直方向的坐标。示例性的，二维图像的预设宽度为L，预设高度为W，则二维图像像素点的水平方向的坐标属于集合{0，1，2...L}中的某一个值，二维图像像素点的垂直方向的坐标属于集合{0，1，2...W}中的某一个值。
S130、建立至少一帧点云数据与二维图像的各像素点的对应关系。
将点云数据对应到二维图像的各像素点上，需建立点云数据与二维图像各像素点的对应关系。
可选的，建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系，包括：根据所述预设宽度和点云数据采集设备的水平视角计算所述点云数据采集设备的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少一帧点云数据；根据所述预设高度和所述点云数据采集设备的垂直视角计算所述点云数据采集设备的垂直角分辨率；根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。因只有一帧点云数据，故根据采集设备的采集视角来确定采集设备采集的点云数据涵盖的角度范围。将水平视角除以二维图像的预设宽度得到水平角分辨率；将垂直视角除以二维图像的预设高度得到垂直角分辨率。
可选的，根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系，包括：获取所述至少一帧点云数据的三维坐标；根据所述水平角分辨率确定所述三维坐标与所述垂直方向的坐标值的垂直对应关系；根据所述垂直角分辨率确定所述三维坐标与所述水平方向的坐标值的水平对应关系。
示例性的，当二维图像的预设宽度为L，预设高度为W时，水平方向的坐标集合为{0,1,2,3…,L},垂直方向的坐标集合为{0,1,2,3…,W}。根据公式(1)计算至少一帧点云数据的三维坐标值和水平方向的二维坐标值的垂直对应关系。
其中，Idxc为垂直对应关系；X,Y为点云数据的坐标值；θL为水平角分辨率。
根据公式2计算点云数据三维坐标值和垂直方向的二维坐标值的水平对应关系。
其中，Idxr为水平对应关系；Z为点云数据的坐标值；
θW为垂直角分辨率。
通过计算点云数据与二维图像的二维坐标的对应关系，将点云数据与二维图像的像素点对应起来，从而得到有序的点云数据。
S140、根据对应关系确定至少一帧点云数据在二维图像中的位置，从而将至少一帧点云数据映射到二维图像中得到目标点云数据。
根据对应关系，将至少一帧点云数据映射到二维图像的坐标位置上，进而实现点云数据的下采样。
可选的，根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，包括：根据所述水平对应关系和所述垂直对应关系确定所述至少一帧点云数据在所述二维图像中的位置。根据水平对应关系确定每帧点云数据对应到二维图像上的水平方向的坐标，根据垂直对应关系确定每帧点云数据对应到二维图像上的垂直方向的坐标。从而将至少一帧点云数据映射到二维图像上，将映射到二维图像后的点云数据确定为目标点云数据。目标点云数据为稀疏一致的有序点云数据，有序点云数据使在最近邻查找、点云分割、计算法向量等后续针对点云处理的操作更为简单，加快每项点云数据操作所需要的计算时间，提高点云数据处理效率。
本实施例的技术方案，通过获取至少一帧点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。解决了点云数据下采样后出现稀疏不一致、精度发生改变的问题，实现使获取的下采样之后的点云数据为稀疏一致的有序点云，降低后续对点云数据的处理难度的效果。
实施例二
图2为本发明实施例二提供的一种点云数据处理方法的流程图，本实施例是在上一实施例的基础上的进一步优化，至少一帧点云数据为至少两帧点云数据；获取至少一帧点云数据之后进一步包括：根据每帧点云数据之间的变换关系，确定初始融合的点云数据；建立至少一帧点云数据与二维图像的各像素点的对应关系，具体为：建立初始融合的各点云数据与二维图像的各像素点的对应关系；根据对应关系确定所述至少一帧点云数据在二维图像中的位置，从而将至少一帧点云数据映射到二维图像中得到目标点云数据，具体为：根据对应关系确定所述初始融合的各点云数据在二维图像中的位置，从而将初始融合的点云数据映射到二维图像中以将初始融合的点云数据进一步融合，得到目标融合点云数据。使获取的融合点云数据为稀疏一致的有序点云。
如图2所示，具体包括如下步骤：
S210、获取至少两帧点云数据。
通过电机搭载的三维相机采集深度图像，通过深度图像获取至少两帧点云数据。
S220、根据每帧点云数据之间的变换关系，确定初始融合的点云数据。
由于三维相机在采集图像数据时是实时旋转的，故在拍摄每帧点云数据时相机的位姿不同，导致每帧点云数据的三维坐标值不在同一坐标系下，将相邻的两帧点云数据进行拼接后导致点云数据顺序混乱。故在将点云数据拼接后需计算每帧点云数据相对于预设基准帧点云数据的全局变换关系，即坐标变换矩阵，将每帧点云数据的三维坐标值都变换为在同一坐标系下的三维坐标值，便于点云数据进行拼接。
可选的，根据每帧点云数据之间的变换关系，确定初始融合的点云数据，包括：计算每帧点云数据相对于预设基准帧点云数据的全局变换关系；根据所述点云数据和所述全局变换关系确定所述初始融合的点云数据；所述全局变换关系为每一帧点云数据相对于基准帧点云数据的坐标变换矩阵。将每帧点云数据乘以全局变换关系，即每一帧点云数据相对于基准帧点云数据的坐标变换矩阵，得到初始融合点云数据。
可选的，计算每帧点云数据相对于预设基准帧点云数据的全局变换关系，包括：根据点云数据采集设备的拍摄旋转角度确定相邻两帧点云数据之间的第一相对位姿关系；获取所述点云数据的特征信息，并根据所述特征信息确定相邻两帧点云数据之间的第二相对位姿关系；根据所述第一相对位姿关系和所述第二相对位姿关系获得相邻两帧点云数据之间的第三相对位姿关系；根据各所述相邻两帧点云数据之间的所述第三位姿关系确定每一帧点云数据相对于预设基准帧点云数据的全局变换关系。首先通过指定电机的运动角度，根据电机的运动角度可以得到初始的每帧之间的相对位姿，即获得相邻两帧点云数据的第一相对位姿关系。提取每帧点云数据的三维特征和RGB特征。可选的，三维特征包括：旋转投影统计(Rotational Projection Statistics，RoPs)、快速点特征直方图(Fast PointFeature Histograms，FPFH)以及视点特征直方图(Viewpoint Feature Histogram，VFH)等。RGB特征包括：尺度不变特征变换(Scale Invariant Feature Transform，SIFT)特征、加速稳健特征(Speeded Up Robust Features，SURF)和快速特征点提取和描述(OrientedFAST and Rotated BRIEF，ORB)特征等。根据三维特征和RGB特征将相邻的两帧点云数据拼接起来，得到拼接的点云数据，根据拼接的点云数据获得相邻两帧点云数据的第二相对位姿关系。将第一相对位姿关系乘以第二相对位姿关系得到第三相对位姿关系，第三相对位姿关系为两帧点云数据间，相较于第一和第二相对位姿关系更加精确的相对位姿关系。从点云数据中预先设定一帧点云数据为基准帧点云数据，根据第三相对位姿关系计算每一帧点云数据相对于预设基准帧点云数据的全局变换关系。根据全局变换关系得到初始融合点云数据。全局变换关系通过公式(3)计算：
RTi＝RTifinal×RTi-1 (3)
式中，RTi为第i帧点云数据相对于预设基准帧的全局变换关系；RTifinal为第三相对位姿关系；RTi-1为第i-1帧点云数据相对于预设基准帧的全局变换关系.。
S230、获取一二维图像，并确定二维图像的像素点。
S240、建立初始融合的各点云数据与二维图像的各像素点的对应关系。
在时，建立初始融合点云数据与二维图像各像素点的坐标数据对应关系，通过初始融合点云数据与二维图像各像素点的坐标数据对应关系对初始融合点云数据进行进一步融合。
可选的，建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系，包括：根据所述预设宽度和点云数据采集设备的光心水平旋转角度计算所述光心水平旋转运动的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少两帧点云数据；根据所述预设高度和所述点云数据采集设备的光心垂直旋转角度计算所述光心垂直旋转运动的垂直角分辨率；根据所述水平角分辨率和所述垂直角分辨率确定所述初始融合的各点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。光心水平旋转角度和光心垂直旋转角度可根据实际需要进行选择。可以选择水平旋转180度、270度、360度等不同的角度，垂直旋转90度、135度、180度等不同角度。
示例性的，当选择水平旋转角度为360度，垂直旋转角度为180度时，二维全景图像的宽度代表水平360度，高度代表垂直180度。
将光心水平旋转角度360度除以宽度得到三维相机光心水平旋转运动的水平角分辨率，即根据公式(4)计算水平角分辨率。
θL＝360÷L (4)
式中，θL为水平角分辨率，L为二维图像的宽度。
将光心垂直旋转角度180度除以高度得到三维相机光心垂直旋转运动的垂直角分辨率，即根据公式(5)计算垂直角分辨率
θW＝180÷W (5)
式中θW为垂直角分辨率，W为二维图像的高度。
可选的，根据所述水平角分辨率和所述垂直角分辨率确定所述初始融合的各点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系，包括：获取所述初始融合的各点云数据的三维坐标；根据所述水平角分辨率确定所述三维坐标与所述垂直方向的坐标值的垂直对应关系；根据所述垂直角分辨率确定所述三维坐标与所述水平方向的坐标值的水平对应关系。
通过计算初始融合点云数据与二维图像的二维坐标的对应关系，将点云数据与二维图像的像素点对应起来，从而得到有序的点云数据。
S250、根据对应关系确定初始融合的各点云数据在二维图像中的位置，从而将初始融合的点云数据映射到二维图像中以将初始融合的点云数据进一步融合，得到目标融合点云数据。
根据对应关系，将初始融合点云数据映射到二维图像的坐标位置上，使初始融合点云数据进一步融合。可选的，根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，包括：根据所述水平对应关系和所述垂直对应关系确定所述初始融合的各点云数据在所述二维图像中的位置。根据水平对应关系确定每个初始融合点云数据对应到二维图像上的水平方向的坐标，根据垂直对应关系确定每个初始融合点云数据对应到二维图像上的垂直方向的坐标。从而将初始融合点云数据映射到二维图像上，将映射到二维图像后的点云数据确定为目标融合点云数据。目标融合点云数据为稀疏一致的有序点云数据，有序点云数据使在最近邻查找、点云分割、计算法向量等后续针对点云处理的操作更为简单，加快每项点云数据操作所需要的计算时间，提高点云数据处理效率。
本实施例的技术方案，通过获取至少两帧点云数据；根据每帧点云数据之间的变换关系，确定初始融合的点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据，解决了融合点云数据稀疏不一致、有序性遭到破坏的问题，实现使获取的融合点云数据为稀疏一致的有序点云，降低后续对融合点云数据的处理难度的效果。
实施例三
图3为本发明实施例三提供的一种点云数据处理方法的流程图，本实施例是在实施例二的基础上的进一步优化，点云数据处理方法还包括：对包含至少两个点云数据的所述位置，通过预设规则确定所述位置的唯一点云数据。通过对点云数据进行筛选，去除重叠的点云数据，从而去除重叠点云数据区域的噪声。使得到的目标融合点云数据更加符合需要。
如图3所示，具体包含如下步骤：
S310、获取至少两帧点云数据。
S320、根据每帧点云数据之间的变换关系，确定初始融合的点云数据。
S330、获取一二维图像，并确定二维图像的像素点。
S340、建立初始融合的各点云数据与二维图像的各像素点的对应关系。
S350、根据对应关系确定初始融合的各点云数据在二维图像中的位置，从而将初始融合的点云数据映射到二维图像中以将初始融合的点云数据进一步融合，得到目标融合点云数据。
S360、对包含至少两个点云数据的所述位置，通过预设规则确定位置的唯一点云数据。
由于二维图像上的一个二维坐标值可能对应多帧点云数据中的点，可以设定一个规则取最合适的一个点，去除重叠的点云数据，从而去除重叠点云区域的噪声。可选的，可以是选择多个点的质心或者重心。也可以是取距离三维相机的光心最近或最远的点。在二维图像上的每个二维坐标值上选取一个对应的点得到最终的目标融合点云数据，实现对点云数据的下采样，且下采样的耗时不会因为点云数据的增多而线性增长，且由于目标融合点云数据属于原始点云的一部分，因此不会丢失原始点云数据的精度。
本实施例的技术方案，通过获取至少两帧点云数据；根据每帧点云数据之间的变换关系，确定初始融合的点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据，对包含至少两个点云数据的所述位置，通过预设规则确定所述位置的唯一点云数据，去除重叠的点云数据，并且去除重叠点云区域的噪声。解决了融合点云数据稀疏不一致、有序性遭到破坏的问题，实现使获取的融合点云数据为稀疏一致的有序点云，降低后续对融合点云数据的处理难度的效果。
实施例四
图4为本发明实施例四提供的一种点云数据处理装置的结构图，该点云数据处理装置包括：数据获取模块310、像素点确定模块320、对应关系建立模块330和目标点云数据确定模块340。
其中，数据获取模块310，用于获取至少一帧点云数据；像素点确定模块320，用于获取一二维图像，并确定所述二维图像的像素点；对应关系建立模块330，用于建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；目标点云数据确定模块340，用于根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。
在上述实施例的技术方案中，像素点确定模块320，包括：
二维坐标确定单元，用于建立一二维图像，根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标。
在上述实施例的技术方案中，对应关系建立模块330，包括：
水平角分辨率计算单元，用于根据所述预设宽度和点云数据采集设备的水平视角计算所述点云数据采集设备的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少一帧点云数据；
垂直角分辨率计算单元，用于根据所述预设高度和所述点云数据采集设备的垂直视角计算所述点云数据采集设备的垂直角分辨率；
对应关系确定单元，用于根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。
在上述实施例的技术方案中，二维坐标确定单元，包括：
坐标值确定子单元，用于根据所述二维图像的预设宽度和预设高度分别确定所述二维图像的各像素点的水平方向的坐标值和垂直方向的坐标值。
在上述实施例的技术方案中，目标点云数据确定模块340，包括：
位置确定单元，用于根据所述水平对应关系和所述垂直对应关系确定所述至少一帧点云数据在所述二维图像中的位置。
在上述实施例的技术方案中，点云数据处理装置，还包括：
唯一点云数据确定模块，用于对包含至少两个点云数据的所述位置，通过预设规则确定所述位置的唯一点云数据。
本实施例的技术方案，通过获取至少一帧点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。解决了点云数据下采样后出现稀疏不一致、精度发生改变的问题，实现使获取的下采样之后的点云数据为稀疏一致的有序点云，降低后续对点云数据的处理难度的效果。
实施例五
图5为本发明实施例五提供的一种点云数据处理装置的结构图，该点云数据处理装置包括：数据获取模块410、初始融合点云数据确定模块420、像素点确定模块430、对应关系建立模块440和目标融合点云数据确定模块450。
其中，数据获取模块410，用于获取至少两帧点云数据；初始融合点云数据确定模块420，用于根据每帧点云数据之间的变换关系，确定初始融合的点云数据；像素点确定模块430，用于获取一二维图像，并确定所述二维图像的像素点；对应关系建立模块440，用于建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；目标融合点云数据确定模块450，用于根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据。
在上述实施例的技术方案中，初始融合点云数据确定模块420，包括：
全局变换关系计算单元，用于计算每帧点云数据相对于预设基准帧点云数据的全局变换关系；
初始融合点云数据确定单元，用于根据所述点云数据和所述全局变换关系确定所述初始融合的点云数据；所述全局变换关系为每一帧点云数据相对于基准帧点云数据的坐标变换矩阵。
在上述实施例的技术方案中，全局变换关系计算单元，包括：
第一相对位姿关系确定子单元，用于根据点云数据采集设备的拍摄旋转角度确定相邻两帧点云数据之间的第一相对位姿关系；
第二相对位姿关系确定子单元，用于获取所述点云数据的特征信息，并根据所述特征信息确定相邻两帧点云数据之间的第二相对位姿关系；
第三相对位姿关系确定子单元，用于根据所述第一相对位姿关系和所述第二相对位姿关系获得相邻两帧点云数据之间的第三相对位姿关系；
全局变换关系确定子单元，用于根据各所述相邻两帧点云数据之间的所述第三位姿关系确定每一帧点云数据相对于预设基准帧点云数据的全局变换关系。
在上述实施例的技术方案中，像素点确定模块430，包括：
二维坐标确定单元，用于建立一二维图像，根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标。
在上述实施例的技术方案中，对应关系建立模块440，包括：
水平角分辨率计算单元，用于根据所述预设宽度和点云数据采集设备的光心水平旋转角度计算所述光心水平旋转运动的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少两帧点云数据；
垂直角分辨率计算单元，用于根据所述预设高度和所述点云数据采集设备的光心垂直旋转角度计算所述光心垂直旋转运动的垂直角分辨率；
对应关系确定单元，用于根据所述水平角分辨率和所述垂直角分辨率确定所述初始融合的各点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。
在上述实施例的技术方案中，二维坐标确定单元，包括：
坐标值确定子单元，用于根据所述二维图像的预设宽度和预设高度分别确定所述二维图像的各像素点的水平方向的坐标值和垂直方向的坐标值。
在上述实施例的技术方案中，对应关系确定单元，包括：
三维坐标获取子单元，用于获取所述初始融合的各点云数据的三维坐标；
垂直对应关系确定子单元，用于根据所述水平角分辨率确定所述三维坐标与所述垂直方向的坐标值的垂直对应关系；
水平对应关系确定子单元，用于根据所述垂直角分辨率确定所述三维坐标与所述水平方向的坐标值的水平对应关系。
在上述实施例的技术方案中，目标融合点云数据确定模块，包括：
位置确定单元，用于根据所述水平对应关系和所述垂直对应关系确定所述初始融合的各点云数据在所述二维图像中的位置。
在上述实施例的技术方案中，点云数据处理装置，还包括：
唯一点云数据确定模块，用于对包含至少两个点云数据的所述位置，通过预设规则确定所述位置的唯一点云数据。
本实施例的技术方案，通过获取至少两帧点云数据；根据每帧点云数据之间的变换关系，确定初始融合的点云数据；获取一二维图像，并确定所述二维图像的像素点；建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据，解决了融合点云数据稀疏不一致、有序性遭到破坏的问题，实现使获取的融合点云数据为稀疏一致的有序点云，降低后续对融合点云数据的处理难度的效果。
本发明实施例所提供的点云数据处理装置可执行本发明任意实施例所提供的点云数据处理方法，具备执行方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例四提供的一种设备的结构示意图，如图6所示，该设备包括处理器510、存储器50、输入装置530和输出装置540；设备中处理器510的数量可以是一个或多个，图6中以一个处理器510为例；设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的点云数据处理方法对应的程序指令/模块(例如，点云数据处理装置中的数据获取模块310、像素点确定模块320、对应关系建立模块330和目标点云数据确定模块340。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的点云数据处理方法。
存储器520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种点云数据处理方法，该方法包括：
获取至少一帧点云数据；
获取一二维图像，并确定所述二维图像的像素点；
建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；
根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的点云数据处理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述点云数据处理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种点云数据处理方法，其特征在于，包括：
获取至少一帧点云数据；
获取一二维图像，并确定所述二维图像的像素点；
建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；
根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。
2.根据权利要求1所述的方法，其特征在于：
所述至少一帧点云数据为至少两帧点云数据；
所述获取至少一帧点云数据之后进一步包括：
根据每帧点云数据之间的变换关系，确定初始融合的点云数据；
所述建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系，具体为：建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；
所述根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据，具体为：
根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据。
3.根据权利要求2所述的方法，其特征在于，所述根据每帧点云数据之间的变换关系，确定初始融合的点云数据，包括：
计算每帧点云数据相对于预设基准帧点云数据的全局变换关系；
根据所述点云数据和所述全局变换关系确定所述初始融合的点云数据；所述全局变换关系为每一帧点云数据相对于基准帧点云数据的坐标变换矩阵。
4.根据权利要求3所述的方法，其特征在于，所述计算每帧点云数据相对于预设基准帧点云数据的全局变换关系，包括：
根据点云数据采集设备的拍摄旋转角度确定相邻两帧点云数据之间的第一相对位姿关系；
获取所述点云数据的特征信息，并根据所述特征信息确定相邻两帧点云数据之间的第二相对位姿关系；
根据所述第一相对位姿关系和所述第二相对位姿关系获得相邻两帧点云数据之间的第三相对位姿关系；
根据各所述相邻两帧点云数据之间的所述第三位姿关系确定每一帧点云数据相对于预设基准帧点云数据的全局变换关系。
5.根据权利要求1或2所述的方法，其特征在于，所述获取一二维图像，并确定所述二维图像的像素点，包括：
建立一二维图像，根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标。
6.根据权利要求5所述的方法，其特征在于，建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系，包括：
根据所述预设宽度和点云数据采集设备的水平视角计算所述点云数据采集设备的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少一帧点云数据；
根据所述预设高度和所述点云数据采集设备的垂直视角计算所述点云数据采集设备的垂直角分辨率；
根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。
7.根据权利要求5所述的方法，其特征在于，所述建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系，包括：
根据所述预设宽度和点云数据采集设备的光心水平旋转角度计算所述光心水平旋转运动的水平角分辨率，其中，所述点云数据采集设备用于采集所述至少两帧点云数据；
根据所述预设高度和所述点云数据采集设备的光心垂直旋转角度计算所述光心垂直旋转运动的垂直角分辨率；
根据所述水平角分辨率和所述垂直角分辨率确定所述初始融合的各点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系。
8.根据权利要求5所述的方法，其特征在于，所述根据所述二维图像的预设宽度和预设高度确定所述二维图像的各像素点的二维坐标，包括：
根据所述二维图像的预设宽度和预设高度分别确定所述二维图像的各像素点的水平方向的坐标值和垂直方向的坐标值。
9.根据权利要求6所述的方法，其特征在于，所述根据所述水平角分辨率和所述垂直角分辨率确定所述至少一帧点云数据中的三维坐标与所述二维图像的各像素点的所述二维坐标的对应关系，包括：
获取所述至少一帧点云数据的三维坐标；
根据所述水平角分辨率确定所述三维坐标与所述垂直方向的坐标值的垂直对应关系；
根据所述垂直角分辨率确定所述三维坐标与所述水平方向的坐标值的水平对应关系。
10.根据权利要求9所述的方法，其特征在于，所述根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，包括：
根据所述水平对应关系和所述垂直对应关系确定所述至少一帧点云数据在所述二维图像中的位置。
11.根据权利要求1或2所述的方法，所述方法还包括：
对包含至少两个点云数据的所述位置，通过预设规则确定所述位置的唯一点云数据。
12.一种点云数据处理装置，其特征在于，包括：
数据获取模块，用于获取至少一帧点云数据；
像素点确定模块，用于获取一二维图像，并确定所述二维图像的像素点；
对应关系建立模块，用于建立所述至少一帧点云数据与所述二维图像的各像素点的对应关系；
目标点云数据确定模块，用于根据所述对应关系确定所述至少一帧点云数据在所述二维图像中的位置，从而将所述至少一帧点云数据映射到二维图像中得到目标点云数据。
或者，包括：
数据获取模块，用于获取至少两帧点云数据；
初始融合点云数据确定模块，用于根据每帧点云数据之间的变换关系，确定初始融合的点云数据；
像素点确定模块，用于获取一二维图像，并确定所述二维图像的像素点；
对应关系建立模块，用于建立所述初始融合的各点云数据与所述二维图像的各像素点的对应关系；
目标融合点云数据确定模块，用于根据所述对应关系确定所述初始融合的各点云数据在所述二维图像中的位置，从而将所述初始融合的点云数据映射到二维图像中以将所述初始融合的点云数据进一步融合，得到目标融合点云数据。
13.一种点云数据处理设备，其特征在于，所述点云数据处理设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11中任一所述的点云数据处理方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-11中任一所述的点云数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010995580.8A CN112150595A (zh) | 2020-09-21 | 2020-09-21 | 一种点云数据处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010995580.8A CN112150595A (zh) | 2020-09-21 | 2020-09-21 | 一种点云数据处理方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112150595A true CN112150595A (zh) | 2020-12-29 |
Family
ID=73894077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010995580.8A Withdrawn CN112150595A (zh) | 2020-09-21 | 2020-09-21 | 一种点云数据处理方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112150595A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516662A (zh) * | 2021-01-08 | 2021-10-19 | 清华大学 | 基于多分辨率融合的点云分割方法和装置 |
| CN114283266A (zh) * | 2021-12-21 | 2022-04-05 | 广州虎牙科技有限公司 | 一种三维模型调整方法、装置、存储介质及设备 |
| CN115412721A (zh) * | 2021-05-26 | 2022-11-29 | 荣耀终端有限公司 | 一种点云二维规则化平面投影方法及装置 |
| WO2023197351A1 (zh) * | 2022-04-11 | 2023-10-19 | 探维科技(北京)有限公司 | 基于图像与激光点云的图像融合方法、装置、设备和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110286007A1 (en) * | 2010-05-21 | 2011-11-24 | John Gregory Pangrazio | Dimensional Detection System and Associated Method |
| CN105336002A (zh) * | 2014-08-01 | 2016-02-17 | 联想(北京)有限公司 | 信息处理方法及电子设备 |
| US20170213093A1 (en) * | 2016-01-27 | 2017-07-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting vehicle contour based on point cloud data |
| CN108734654A (zh) * | 2018-05-28 | 2018-11-02 | 深圳市易成自动驾驶技术有限公司 | 绘图与定位方法、系统及计算机可读存储介质 |
| CN109509226A (zh) * | 2018-11-27 | 2019-03-22 | 广东工业大学 | 三维点云数据配准方法、装置、设备及可读存储介质 |
| CN109693387A (zh) * | 2017-10-24 | 2019-04-30 | 三纬国际立体列印科技股份有限公司 | 基于点云数据的3d建模方法 |
| EP3506161A1 (en) * | 2017-12-29 | 2019-07-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recovering point cloud data |
| CN110163903A (zh) * | 2019-05-27 | 2019-08-23 | 百度在线网络技术（北京）有限公司 | 三维图像的获取及图像定位方法、装置、设备和存储介质 |
-
2020
- 2020-09-21 CN CN202010995580.8A patent/CN112150595A/zh not_active Withdrawn
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110286007A1 (en) * | 2010-05-21 | 2011-11-24 | John Gregory Pangrazio | Dimensional Detection System and Associated Method |
| CN105336002A (zh) * | 2014-08-01 | 2016-02-17 | 联想(北京)有限公司 | 信息处理方法及电子设备 |
| US20170213093A1 (en) * | 2016-01-27 | 2017-07-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting vehicle contour based on point cloud data |
| CN109693387A (zh) * | 2017-10-24 | 2019-04-30 | 三纬国际立体列印科技股份有限公司 | 基于点云数据的3d建模方法 |
| EP3506161A1 (en) * | 2017-12-29 | 2019-07-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recovering point cloud data |
| CN108734654A (zh) * | 2018-05-28 | 2018-11-02 | 深圳市易成自动驾驶技术有限公司 | 绘图与定位方法、系统及计算机可读存储介质 |
| CN109509226A (zh) * | 2018-11-27 | 2019-03-22 | 广东工业大学 | 三维点云数据配准方法、装置、设备及可读存储介质 |
| CN110163903A (zh) * | 2019-05-27 | 2019-08-23 | 百度在线网络技术（北京）有限公司 | 三维图像的获取及图像定位方法、装置、设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| BULLINGER, S 等: "3D Object Trajectory Reconstruction using Stereo Matching and Instance Flow based Multiple Object Tracking", 2019 16TH INTERNATIONAL CONFERENCE ON MACHINE VISION APPLICATIONS (MVA), pages 6 * |
| 张伟伟;陈超;徐军;: "融合激光与视觉点云信息的定位与建图方法", 计算机应用与软件, no. 07, pages 120 - 125 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516662A (zh) * | 2021-01-08 | 2021-10-19 | 清华大学 | 基于多分辨率融合的点云分割方法和装置 |
| CN115412721A (zh) * | 2021-05-26 | 2022-11-29 | 荣耀终端有限公司 | 一种点云二维规则化平面投影方法及装置 |
| WO2022247714A1 (zh) * | 2021-05-26 | 2022-12-01 | 荣耀终端有限公司 | 一种点云二维规则化平面投影方法及装置 |
| CN115412721B (zh) * | 2021-05-26 | 2024-05-28 | 荣耀终端有限公司 | 一种点云二维规则化平面投影方法及装置 |
| CN114283266A (zh) * | 2021-12-21 | 2022-04-05 | 广州虎牙科技有限公司 | 一种三维模型调整方法、装置、存储介质及设备 |
| WO2023197351A1 (zh) * | 2022-04-11 | 2023-10-19 | 探维科技(北京)有限公司 | 基于图像与激光点云的图像融合方法、装置、设备和介质 |
| US11954835B2 (en) | 2022-04-11 | 2024-04-09 | Tanway Technology (beijing) Co., Ltd. | Methods, devices, apparatuses, and media for image fusion utilizing images and LiDAR point clouds |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112894832B (zh) | 三维建模方法、装置、电子设备和存储介质 | |
| CN112150595A (zh) | 一种点云数据处理方法、装置、设备及介质 | |
| CN108665536B (zh) | 三维与实景数据可视化方法、装置与计算机可读存储介质 | |
| CN107223269B (zh) | 三维场景定位方法和装置 | |
| CN113819890B (zh) | 测距方法、装置、电子设备及存储介质 | |
| CN111243093B (zh) | 三维人脸网格的生成方法、装置、设备及存储介质 | |
| CN107862744B (zh) | 航空影像三维建模方法及相关产品 | |
| CN111311650B (zh) | 一种点云数据的配准方法、装置及存储介质 | |
| CN107907111B (zh) | 一种自动分布式空中三角测量解算方法 | |
| CN112348921A (zh) | 一种基于视觉语义点云的建图方法及系统 | |
| CN112651881B (zh) | 图像合成方法、装置、设备、存储介质以及程序产品 | |
| CN110926478B (zh) | 一种ar导航路线纠偏方法、系统及计算机可读存储介质 | |
| CN111639147B (zh) | 一种地图压缩方法、系统及计算机可读存储介质 | |
| CN113034347B (zh) | 倾斜摄影图像处理方法、装置、处理设备及存储介质 | |
| CN115272494B (zh) | 相机与惯性测量单元的标定方法、装置和计算机设备 | |
| CN111721281A (zh) | 位置识别方法、装置和电子设备 | |
| CN105466399A (zh) | 快速半全局密集匹配方法和装置 | |
| CN114332134A (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
| CN115205395A (zh) | 用于辅助驾驶挖掘机的方法和系统、电子设备及存储介质 | |
| CN114299230B (zh) | 一种数据生成方法、装置、电子设备及存储介质 | |
| JP2022014921A (ja) | 路側カメラの外部パラメータに基づく三次元感知情報取得方法及び路側機器 | |
| CN104463962A (zh) | 基于gps信息视频的三维场景重建方法 | |
| CN112528918A (zh) | 道路元素识别方法、地图标注方法及装置、车辆 | |
| CN115294277B (zh) | 一种物体的三维重建方法、装置、电子设备及存储介质 | |
| CN115063485B (zh) | 三维重建方法、装置及计算机可读存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201229 |