CN112365529B - 基于重心偏离度的隧洞点云配准方法、装置 - Google Patents

基于重心偏离度的隧洞点云配准方法、装置 Download PDF

Info

Publication number
CN112365529B
CN112365529B CN202110029618.0A CN202110029618A CN112365529B CN 112365529 B CN112365529 B CN 112365529B CN 202110029618 A CN202110029618 A CN 202110029618A CN 112365529 B CN112365529 B CN 112365529B
Authority
CN
China
Prior art keywords
point
registration
point cloud
candidate
coplanar
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.)
Active
Application number
CN202110029618.0A
Other languages
English (en)
Other versions
CN112365529A (zh
Inventor
张荣春
衣雪峰
卢官明
李�浩
何逸婷
陈媛媛
贾燕
吕海洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202110029618.0A priority Critical patent/CN112365529B/zh
Publication of CN112365529A publication Critical patent/CN112365529A/zh
Application granted granted Critical
Publication of CN112365529B publication Critical patent/CN112365529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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

Abstract

本发明公开了一种基于重心偏离度的隧洞点云配准方法、装置，所述方法包括：获取隧洞的基准点云和目标点云；迭代步骤：在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合；计算候选点集合中各个点的重心偏离度，根据重心偏离度之间的偏差确定候选同名配准基元；根据仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数；重复迭代步骤，获取多组配准变换参数，选取最优配准变换参数。本方案中，采用重心偏离度，不依赖于配准对象的规则几何特征，且重心能够较好的表现隧洞地质岩体对象局部空间结构形态，在配准的效率和准确性方面都有较大程度的提高。

Description

基于重心偏离度的隧洞点云配准方法、装置
技术领域
本发明涉及地质测量领域，尤其涉及一种基于重心偏离度的隧洞点云配准方法、装置。
背景技术
全面、快速、准确地获取隧洞围岩的复杂地质信息，是分析评价隧洞稳定性和设计支护参数等工程问题的重要基础，是当前隧洞工程地质领域的重要研究内容。
在进行地质信息的获取时，可以采用多数据源融合，充分利用每种数据源优势，有利于隧洞地质信息的准确、高效获取，数据配准是实现多数据源融合的前提和关键。
然而隧洞围岩的自然特征形态多样，内部狭长且表面形状不规则，缺少用以标定参考尺度和方向的特征，因此隧洞难以识别，导致多源数据融合十分困难。
发明内容
发明目的：本发明旨在提供一种基于重心偏离度的隧洞点云配准方法、装置，采用重心偏离度，可以不依赖于配准对象的规则几何特征，且重心能够较好的表现隧洞地质岩体对象局部空间结构形态，在配准的效率和准确性方面都有较大程度的提高。
技术方案：本发明提供一种基于重心偏离度的隧洞点云配准方法，包括：
分别采集隧洞的三维激光点云和影像序列，从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云；
迭代步骤：在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合；计算候选点集合中各个点的重心偏离度，将重心偏离度之间的差值小于阈值的作为基准共面四点基的候选同名配准基元；根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数；
重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数。
具体的，采用三维尺度不变特征转换从三维激光点云提取特征点云，基于运动恢复结构从影像序列提取稀疏点云，并依据隧洞中的真实刻度将稀疏点云的尺度转换为真实尺度。
具体的，在目标点云中提取与基准共面四点基的点对距离相等的候选点集合C1和 C2，其中
Figure 345259DEST_PATH_IMAGE001
，
Figure 850190DEST_PATH_IMAGE002
，m 和n为自然数，对基准共面四点基的点对
Figure 663294DEST_PATH_IMAGE003
和
Figure 519255DEST_PATH_IMAGE004
，均有
Figure 92318DEST_PATH_IMAGE005
和
Figure 451755DEST_PATH_IMAGE006
，点对连成的线段与另一点对 连成的线段存在交点。
具体的，选取候选点集合中形成候选共面四点基的点对，以点作为球心，指定长度为半径，计算在球形邻域内存在的目标点云点集的重心坐标，与球心点空间坐标之间的偏移量。
具体的，将各点的重心偏离度彼此之间差值小于预定阈值的候选共面四点基，作为候选同名配准基元。
具体的，若候选同名配准基元与基准共面四点基存在以下关系，则认定仿射比例相同：
Figure 695481DEST_PATH_IMAGE007
，
其中，λ1和λ2分别为第一比例和第二比例，v1 为基准点云中线段的交点，v2为目标点云中线段的交点；
线段夹角，指共面四点基中两线段之间的夹角；
将仿射比例和线段夹角与基准共面四点基相等的候选同名配准基元，作为目标共面四点基。
具体的，采用RANSAC迭代算法进行计算，获取多组配准变换参数；
计算依据配准变换参数变换后的目标点云中的点，与基准点云中的点欧氏距离小于预定阈值的比例，选取比例最高的应用的配准变换参数作为最优配准变换参数。
具体的，采用ICP对最优配准变换参数进行精细配准。
本发明还提供一种基于重心偏离度的隧洞点云配准装置，包括：采集单元、迭代单元和比较单元，其中：
所述采集单元，用于分别采集隧洞的三维激光点云和影像序列，从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云；
所述迭代单元，用于在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合；计算候选点集合中各个点的重心偏离度，将重心偏离度之间的差值小于阈值的作为基准共面四点基的候选同名配准基元；根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数；
所述比较单元，用于重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数。
具体的，所述迭代单元，用于在目标点云中提取与基准共面四点基的点对距离相 等的候选点集合C1和C2，其中
Figure 773158DEST_PATH_IMAGE001
，
Figure 415492DEST_PATH_IMAGE002
，m和n为自然数，对基准共面四点基的点对
Figure 878703DEST_PATH_IMAGE003
和
Figure 315501DEST_PATH_IMAGE004
，均有
Figure 880474DEST_PATH_IMAGE005
和
Figure 60920DEST_PATH_IMAGE006
，点对连成的线段与另一点对连成的线段存在交点；
选取候选点集合中形成候选共面四点基的点对，以点作为球心，指定长度为半径，计算在球形邻域内存在的目标点云点集的重心坐标，与球心点空间坐标之间的偏移量。
有益效果：与现有技术相比，本发明具有如下显著优点：采用重心偏离度，可以不依赖于配准对象（隧洞）的规则几何特征，且对具有不同维度及尺度的数据具有较好的适用性，更重要的是，由于重心能够较好的表现隧洞地质岩体对象局部空间结构形态，采用重心偏离度作为判别空间共面四点基是否为同名配准基元的条件，在配准的效率和准确性方面都有较大程度的提高。
附图说明
图1为本发明提供的基于重心偏离度的隧洞点云配准方法的流程示意图；
图2为本发明提供的基准点云示意图；
图3为本发明提供的目标点云示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
参阅图1，其为本发明提供的基于重心偏离度的隧洞点云配准方法的流程示意图，其中包括具体步骤。
步骤1，分别采集隧洞的三维激光点云和影像序列，从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云。
本发明实施例中，采用三维尺度不变特征转换（3D Scale-invariant featuretransform，3D SIFT）从三维激光点云提取特征点云，基于运动恢复结构（Structure fromMotion，SfM）提取影像序列对应的稀疏点云，并依据隧洞中的真实刻度将稀疏点云的尺度转换为真实尺度。
在具体实施中，可以在隧洞场景中分别放置不同长度标准的直尺作为参照物，根据隧洞场景中的直尺真实刻度与影像上的量测长度关系将稀疏点云模型转换为真实尺度。
在具体实施中，影像序列可以是二维光学数码影像序列，数码相机获取的光学影像含有丰富的纹理与光谱信息，TLS（Terrestrial Laser Scanning，地面激光扫描）三维点云具有高时间分辨率、高空间分辨率、测量精度均匀，将两者融合，可以优势互补，有利于隧洞地质信息的准确、高效获取，但在隧洞场景中，鲜有采用二维数据源与三维数据源进行融合的技术方案。
步骤2（迭代步骤），在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合。
参阅图2和图3，分别为本发明提供的基准点云示意图和目标点云示意图。
本发明实施例中，在目标点云中提取与基准共面四点基的点对距离相等的候选点 集合C1和C2，其中
Figure 644217DEST_PATH_IMAGE001
，
Figure 251916DEST_PATH_IMAGE002
， m和n为自然数，对基准共面四点基的点对
Figure 38606DEST_PATH_IMAGE003
和
Figure 6431DEST_PATH_IMAGE004
，均有
Figure 460546DEST_PATH_IMAGE005
和
Figure 239146DEST_PATH_IMAGE006
，点对连成的线段与另一点对 连成的线段存在交点。
在具体实施中，如图2或图3所示，是共面四点基，指由空间共面但不平行的两条线段的四个端点所构成的一组基，“点对”指共面四点基中相对应的两个点，在共面四点基中包括两个点对，点对连成的线段与另一点对连成的线段存在一个交点，而非是指线段延长线存在交点。
在具体实施中，在目标点云中的候选点集合包括两个点对的集合C1和C2，点对中的 两点之间的距离，与基准共面四点基中点对的两点之间的距离相等，也即满足
Figure 778712DEST_PATH_IMAGE005
和
Figure 284649DEST_PATH_IMAGE006
。
步骤3（迭代步骤），计算候选点集合中各个点的重心偏离度，将重心偏离度之间的差值小于阈值的作为基准共面四点基的候选同名配准基元。
本发明实施例中，选取候选点集合中形成候选共面四点基的点对，以点作为球心，指定长度R为半径，形成局部球形邻域，计算在球形邻域内存在的目标点云点集的重心坐标，与球心点空间坐标之间的偏移量。
本发明实施例中，将各点的重心偏离度彼此之间差值小于预定阈值的候选共面四点基，作为候选同名配准基元。
在具体实施中，因隧洞狭长圆柱形态特点，缺少规则特征信息，造成激光点云与影像点云在配准时易陷入局部最优的问题，导致配准困难。而采用重心偏离度，可以不依赖于配准对象（隧洞）的规则几何特征，且对具有不同维度及尺度的数据具有较好的适用性，更重要的是，由于重心能够较好的表现隧洞地质岩体对象局部空间结构形态，采用重心偏离度作为判别空间共面四点基是否为同名配准基元的条件，在配准的效率和准确性方面都有较大程度的提高。
在具体实施中，可以先从候选点集合中选取空间共面的点对，形成多组候选共面四点基。计算每一候选共面四点基中四个点的重心偏离度，重心偏离度是指待测点的局部球形邻域内点集的重心坐标，与待测点空间坐标之间的位置偏移量。
在具体实施中，在计算得到共面四点基中四个点的重心偏离度之后，四个点的重心偏离度若彼此之间的偏差均小于预定阈值（可以依据实际应用场景进行设定），则可以作为候选同名配准基元。
步骤4（迭代步骤），根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数。
本发明实施例中，若候选同名配准基元与基准共面四点基存在以下关系，则认定仿射比例相同：
Figure 593270DEST_PATH_IMAGE007
，
其中，λ1和λ2分别为第一比例和第二比例，v1 为基准点云中线段的交点，v2为目标点云中线段的交点；
线段夹角，指共面四点基中两线段之间的夹角；
将仿射比例和线段夹角与基准共面四点基相等的候选同名配准基元，作为目标共面四点基。
在具体实施中，‖x1-v1‖表示点x1和点v1之间的距离，其他同理。仿射比例，指共面四点基中线段之间的比例，线段夹角相等即θ1=θ2。
在具体实施中，确定了基准共面四点基以及对应的目标共面四点基，即可以计算配准变换参数。
步骤5，重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数。
本发明实施例中，采用RANSAC（Random Sample Consensus，随机抽样一致算法）迭代算法进行计算，获取多组配准变换参数，在迭代计算中，可以在步骤2中重新选择基准共面四点基；
计算依据配准变换参数变换后的目标点云中的点，与基准点云中对应的点欧氏距离小于预定阈值的比例（与目标点云中所有点数量的比例），选取比例最高的（变换后的目标点云）应用的配准变换参数作为最优配准变换参数。
本发明实施例中，选取最优配准变换参数后，实现两种点云的粗配准；进一步采用ICP（Iterative Closest Point，最近迭代算法）对最优配准变换参数进行精细配准。
本发明还提供一种基于重心偏离度的隧洞点云配准装置，包括：采集单元、迭代单元和比较单元，其中：
所述采集单元，用于分别采集隧洞的三维激光点云和影像序列，从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云；
所述迭代单元，用于在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合；计算候选点集合中各个点的重心偏离度，将重心偏离度之间的差值小于阈值的作为基准共面四点基的候选同名配准基元；根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数；
所述比较单元，用于重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数。
本发明实施例中，所述采集单元，用于采用三维尺度不变特征转换从三维激光点云提取特征点云，基于运动恢复结构从影像序列提取稀疏点云，并依据隧洞中的真实刻度将稀疏点云的尺度转换为真实尺度。
本发明实施例中，所述迭代单元，用于在目标点云中提取与基准共面四点基的点 对距离相等的候选点集合C1和C2，其中
Figure 542772DEST_PATH_IMAGE001
，
Figure 304054DEST_PATH_IMAGE002
，m和n为自然数，对基准共面四点基的点对
Figure 879261DEST_PATH_IMAGE003
和
Figure 776810DEST_PATH_IMAGE004
，均有
Figure 897213DEST_PATH_IMAGE005
和
Figure 660638DEST_PATH_IMAGE006
，点对连成的线段与另一点对连成的线段存在交点。
本发明实施例中，所述迭代单元，用于选取候选点集合中形成候选共面四点基的点对，以点作为球心，指定长度为半径，计算在球形邻域内存在的目标点云点集的重心坐标，与球心点空间坐标之间的偏移量。
本发明实施例中，所述迭代单元，用于将各点的重心偏离度彼此之间差值小于预定阈值的候选共面四点基，作为候选同名配准基元。
本发明实施例中，所述迭代单元，用于若候选同名配准基元与基准共面四点基存在以下关系，则认定仿射比例相同：
Figure 524689DEST_PATH_IMAGE007
，
其中，λ1和λ2分别为第一比例和第二比例，v1 为基准点云中线段的交点，v2为目标点云中线段的交点；
线段夹角，指共面四点基中两线段之间的夹角；
将仿射比例和线段夹角与基准共面四点基相等的候选同名配准基元，作为目标共面四点基。
本发明实施例中，所述比较单元，用于采用RANSAC迭代算法进行计算，获取多组配准变换参数；
计算依据配准变换参数变换后的目标点云中的点，与基准点云中的点欧氏距离小于预定阈值的比例，选取比例最高的应用的配准变换参数作为最优配准变换参数。
本发明实施例中，所述比较单元，还用于在选取最优配准变换参数之后，采用ICP对最优配准变换参数进行精细配准。

Claims (8)

1.一种基于重心偏离度的隧洞点云配准方法，其特征在于，包括：
分别采集隧洞的三维激光点云和影像序列，从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云；
迭代步骤：在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合；计算候选点集合中各个点的重心偏离度，将各点的重心偏离度彼此之间差值小于预定阈值的候选共面四点基，作为候选同名配准基元；根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数；其中候选点集合中各个点的重心偏离度按照如下计算：选取候选点集合中形成候选共面四点基的点对，以点作为球心，指定长度为半径，计算在球形邻域内存在的目标点云点集的重心坐标，与球心点空间坐标之间的偏移量；
重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数。
2.根据权利要求1所述的基于重心偏离度的隧洞点云配准方法，其特征在于，所述从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云，包括：
采用三维尺度不变特征转换从三维激光点云提取特征点云，基于运动恢复结构从影像序列提取稀疏点云，并依据隧洞中的真实刻度将稀疏点云的尺度转换为真实尺度。
3.根据权利要求1所述的基于重心偏离度的隧洞点云配准方法，其特征在于，所述在目标点云中选择对应的候选点集合，包括：
在目标点云中提取与基准共面四点基的点对距离相等的候选点集合C1和C2，其中
Figure 340165DEST_PATH_IMAGE001
，
Figure 372843DEST_PATH_IMAGE002
，m和n为自 然数，对基准共面四点基的点对
Figure 432066DEST_PATH_IMAGE003
和
Figure 716113DEST_PATH_IMAGE004
，均有
Figure 278812DEST_PATH_IMAGE005
和
Figure 13550DEST_PATH_IMAGE006
，点对连成的线段与另一点对连成的线段存在交点。
4.根据权利要求3所述的基于重心偏离度的隧洞点云配准方法，其特征在于，所述根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，包括：
若候选同名配准基元与基准共面四点基存在以下关系，则认定仿射比例相同：
Figure 294490DEST_PATH_IMAGE007
，
其中，λ1和λ2分别为第一比例和第二比例，v1 为基准点云中线段的交点，v2为目标点云中线段的交点；
线段夹角，指共面四点基中两线段之间的夹角；
将仿射比例和线段夹角与基准共面四点基相等的候选同名配准基元，作为目标共面四点基。
5.根据权利要求4所述的基于重心偏离度的隧洞点云配准方法，其特征在于，所述重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数，包括：
采用RANSAC迭代算法进行计算，获取多组配准变换参数；
计算依据配准变换参数变换后的目标点云中的点，与基准点云中的点欧氏距离小于预定阈值的比例，选取比例最高的应用的配准变换参数作为最优配准变换参数。
6.根据权利要求5所述的基于重心偏离度的隧洞点云配准方法，其特征在于，所述在选取最优配准变换参数之后，还包括：
采用ICP对最优配准变换参数进行精细配准。
7.一种基于重心偏离度的隧洞点云配准装置，其特征在于，包括：采集单元、迭代单元和比较单元，其中：
所述采集单元，用于分别采集隧洞的三维激光点云和影像序列，从三维激光点云提取特征点云作为基准点云，从影像序列提取真实尺度的稀疏点云作为目标点云；
所述迭代单元，用于在基准点云中选择基准共面四点基，在目标点云中选择对应的候选点集合；计算候选点集合中各个点的重心偏离度，将各点的重心偏离度彼此之间差值小于预定阈值的候选共面四点基，作为候选同名配准基元；根据基准共面四点基的仿射比例和线段夹角，从候选同名配准基元中确定目标共面四点基，并计算配准变换参数；其中候选点集合中各个点的重心偏离度按照如下计算：选取候选点集合中形成候选共面四点基的点对，以点作为球心，指定长度为半径，计算在球形邻域内存在的目标点云点集的重心坐标，与球心点空间坐标之间的偏移量；
所述比较单元，用于重复迭代步骤进行迭代计算，获取多组配准变换参数，选取最优配准变换参数。
8.根据权利要求7所述的基于重心偏离度的隧洞点云配准装置，其特征在于，所述迭代 单元，用于在目标点云中提取与基准共面四点基的点对距离相等的候选点集合C1和C2，其中
Figure 405665DEST_PATH_IMAGE001
，
Figure 88451DEST_PATH_IMAGE002
，m和n为自 然数，对基准共面四点基的点对
Figure 994090DEST_PATH_IMAGE003
和
Figure 27905DEST_PATH_IMAGE004
，均有
Figure 677192DEST_PATH_IMAGE005
和
Figure 480063DEST_PATH_IMAGE006
，点对连成的线段与另一点对连成的线段存在交点。
CN202110029618.0A 2021-01-11 2021-01-11 基于重心偏离度的隧洞点云配准方法、装置 Active CN112365529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110029618.0A CN112365529B (zh) 2021-01-11 2021-01-11 基于重心偏离度的隧洞点云配准方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110029618.0A CN112365529B (zh) 2021-01-11 2021-01-11 基于重心偏离度的隧洞点云配准方法、装置

Publications (2)

Publication Number Publication Date
CN112365529A CN112365529A (zh) 2021-02-12
CN112365529B true CN112365529B (zh) 2021-04-20

Family

ID=74534689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110029618.0A Active CN112365529B (zh) 2021-01-11 2021-01-11 基于重心偏离度的隧洞点云配准方法、装置

Country Status (1)

Country Link
CN (1) CN112365529B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170126B (zh) * 2022-02-11 2022-07-05 智道网联科技(北京)有限公司 一种点云稠密化方法、装置和电子设备
CN114782438B (zh) * 2022-06-20 2022-09-16 深圳市信润富联数字科技有限公司 物体点云修正方法、装置、电子设备和存储介质
CN116912251A (zh) * 2023-09-13 2023-10-20 深圳市超诺科技有限公司 一种提高红外打猎相机检测灵敏度的检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392947B (zh) * 2017-06-28 2020-07-28 西安电子科技大学 基于轮廓共面四点集的2d-3d图像配准方法
CN107346550B (zh) * 2017-07-05 2019-09-20 滁州学院 一种针对具有颜色信息的三维点云数据快速配准方法
CN109523582B (zh) * 2018-09-10 2021-08-06 中国矿业大学(北京) 一种顾及法向量和多尺度稀疏特征的点云粗配准方法

Also Published As

Publication number Publication date
CN112365529A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN112365529B (zh) 基于重心偏离度的隧洞点云配准方法、装置
CN111126148B (zh) 一种基于视频卫星影像的dsm生成方法
CN106548462B (zh) 基于薄板样条插值的非线性sar图像几何校正方法
CN110672020A (zh) 一种基于单目视觉的立木高度测量方法
CN107767456A (zh) 一种基于rgb‑d相机的物体三维重建方法
CN110866531A (zh) 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN107392849B (zh) 基于图像细分的靶标识别与定位方法
Xian et al. A fast registration algorithm of rock point cloud based on spherical projection and feature extraction
Peng et al. Street view cross-sourced point cloud matching and registration
CN110533774A (zh) 一种基于智能手机的三维模型重建方法
CN115311314A (zh) 一种线激光轮廓数据的重采样方法、系统和存储介质
Fan A comparison between structure-from-motion and terrestrial laser scanning for deriving surface roughness: A case study on a sandy terrain surface
CN116518864A (zh) 一种基于三维点云对比分析的工程结构全场变形检测方法
CN109215118B (zh) 一种基于图像序列的增量式运动结构恢复优化方法
CN112365543B (zh) 基于光学影像的地质结构面提取方法、装置
CN104517280A (zh) 三维成像方法
CN109115127A (zh) 一种基于贝塞尔曲线的亚像素峰值点提取算法
CN109670557B (zh) 一种基于杆状构筑物的公路点云自动配准方法
Ahmad et al. Generation of three dimensional model of building using photogrammetric technique
CN110672024A (zh) 一种利用视频中物体投影测量物体间距的方法
CN113340201B (zh) 一种基于rgbd相机的三维测量方法
Ziqiang et al. Research of the algorithm calculating the length of bridge crack based on stereo vision
CN115100277A (zh) 复杂曲面结构零件位姿确定方法
Zhang et al. Integrating smartphone images and airborne lidar data for complete urban building modelling
Putra et al. Approximate volume of sand materials stockpile based on structure from motion (sfm)

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