CN112446827B - 点云信息的处理方法和装置 - Google Patents

点云信息的处理方法和装置 Download PDF

Info

Publication number
CN112446827B
CN112446827B CN202011321666.9A CN202011321666A CN112446827B CN 112446827 B CN112446827 B CN 112446827B CN 202011321666 A CN202011321666 A CN 202011321666A CN 112446827 B CN112446827 B CN 112446827B
Authority
CN
China
Prior art keywords
point cloud
server
preprocessing
splicing
stage
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
CN202011321666.9A
Other languages
English (en)
Other versions
CN112446827A (zh
Inventor
陈睿智
杨新航
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011321666.9A priority Critical patent/CN112446827B/zh
Publication of CN112446827A publication Critical patent/CN112446827A/zh
Application granted granted Critical
Publication of CN112446827B publication Critical patent/CN112446827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038Image mosaicing, e.g. composing plane images from plane sub-images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Instructional Devices (AREA)

Abstract

本申请公开了点云信息的处理方法和装置,涉及智能交通、电子地图和增强现实技术领域。具体实施方式包括:接收至少两个点云信息,确定点云信息相对于预存点云信息的点云变化量;对至少一个点云变化量进行点云配准,对各个区域的配准后的点云变化量进行拼接;输出用于对预存点云信息所在的点云地图进行更新的拼接结果。本申请可以确定点云信息的增量,从而便于后续对各个最下一级前处理服务器得到的拼接后的增量进行整合,避免了对点云地图进行更新的设备的计算量过大,有助于各级设备负载均衡和确保更新地图的整个流程的顺利进行。此外,本申请利用最下一级前处理服务器进行位姿矫正,在位姿矫正之后再进行拼接,确保了拼接结果的准确性。

Description

点云信息的处理方法和装置
技术领域
本申请涉及计算机技术领域,具体涉及智能交通、电子地图和增强现实技术领域,尤其涉及点云信息的处理方法和装置。
背景技术
在现有技术中,为了能够获取到准确的三维点云地图,往往通过激光雷达进行点云信息的采集。
在一些场景下,可以采用一个汽车在路面行驶,并通过汽车的激光雷达,获取所经过的地方的点云信息。或者,也可以采用多个采集装置,采集点云信息,以获取到生成点云地图的信息。
发明内容
提供了一种点云信息的处理方法、装置、电子设备以及存储介质。
根据第一方面,提供了一种点云信息的处理方法,包括:接收至少两个点云信息,确定所述点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;输出所述拼接结果,其中,所述拼接结果用于对所述预存点云信息所在的点云地图进行更新。
根据第二方面,提供了一种点云信息的处理装置,包括:接收单元,被配置成接收至少两个点云信息,确定所述点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;配准单元,被配置成按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;输出单元,被配置成输出所述拼接结果,其中,所述拼接结果用于对所述预存点云信息所在的点云地图进行更新。
根据第三方面,提供了一种电子设备,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,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如点云信息的处理方法中任一实施例的方法。
根据第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如点云信息的处理方法中任一实施例的方法。
根据本申请的方案,可以确定点云信息的增量,并对增量进行拼接,从而便于后续对各个最下一级前处理服务器得到的拼接后的增量进行整合,避免了对点云地图进行更新的设备的计算量过大,有助于各级设备负载均衡,还可以确保更新地图的整个流程的顺利进行。此外,本申请可以利用最下一级前处理服务器进行位姿矫正,以在位姿矫正之后再进行拼接,确保了拼接结果的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请一些实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的点云信息的处理方法的一个实施例的流程图;
图3是根据本申请的点云信息的处理系统的又一个实施例的流程图;
图4是根据本申请的点云信息的处理装置的一个实施例的结构示意图;
图5是用来实现本申请实施例的点云信息的处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的点云信息的处理方法或点云信息的处理装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括采集装置101、至少一级前处理服务器中的最上一级前处理服务器103和最下一级前处理服务器102、主服务器104和点云地图数据库105。在相邻级的前处理服务器之间、最上一级前处理服务器与主服务器之间可以设置有网络,用于提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。其中,最上一级前处理服务器103和点云地图数据库105并非系统架构100中的必须要素,可以不设置在系统架构100中。
这里的采集装置可以是路侧设备。前处理服务器可以是代理服务器,比如,在包括两级代理服务器的情况下,最下一级前处理服务器可以指二级代理服务器,最上一级前处理服务器可以指一级代理服务器。
需要说明的是,本申请实施例所提供的点云信息的处理方法可以由最下一级前处理服务器执行,相应地,点云信息的处理装置可以设置于最下一级前处理服务器中。
应该理解,图1中的前处理服务器、的数目仅仅是示意性的。根据实现需要,可以具有任意数目的前处理服务器。
继续参考图2,示出了根据本申请的点云信息的处理方法的一个实施例的流程200。该点云信息的处理方法,可以用于至少一级前处理服务器中的任一最下一级前处理服务器,包括以下步骤:
步骤201,接收至少两个点云信息,确定点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集。
在本实施例中,点云信息的处理方法运行于其上的执行主体(例如图1所示的服务器)可以接收至少两个点云信息,这里的至少两个点云信息可以是至少两个采集装置采集的点云信息,并确定该点云信息相对于预存点云信息的点云变化量。具体地,采集装置(如路侧设备)采集点云信息后,可以直接发送给上述执行主体,或者,可以通过其它设备转发给上述执行主体。每个采集装置可以针对一个区域(也即地理区域)采集,不同采集装置采集到的点云信息可以是不尽相同的。上述点云变化量指相比于预存点云信息,上述采集到的点云信息的变化。上述至少两个采集装置与上述执行主体相对应,也即每个最下一级前处理服务器都存在相对应的采集装置,且不同最下一级前处理服务器对应的采集装置不同。可以存在至少一个最下一级前处理服务器。
在实践中,这里的前处理服务器可以指代理服务器。这里前处理服务器中的下级指对点云信息内容(点云信息或由点云信息得到的拼接结果)的处理顺序在先的服务器,比如二级代理服务器。上级指对点云信息内容的处理顺序在后的服务器,比如一级代理服务器。
在实践中,上述点云信息可以包括三维点云坐标,还可以包括颜色信息也即RGB信息。
在上述执行主体中可以存在预存点云信息,这里的预存点云信息可以指针对该点云信息(或采集装置)的区域的点云信息,也可以是一个包括该区域的点云信息和其它区域的点云信息的点云地图。
在本申请中可以包括至少一级前处理服务器。其中的最下一级前处理服务器用于进行点云信息的收集和处理。之后级的前处理服务器可以接收在先级的前处理服务器的输出,进行进一步处理。
步骤202,按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果。
在本实施例中,上述执行主体可以按照预存点云信息,对点云变化量进行点云配准,并对各个区域的、配准后的点云变化量进行拼接。也即,上述执行主体可以以预存点云信息对应的位姿作为参照,对点云变化量对应的位姿进行点云配准。
在实践中,上述执行主体可以采用各种方式进行坐标系的统一。比如,上述执行主体可以通过各个采集装置的坐标系和指定坐标系(比如各个采集装置的其中一个采集装置的坐标系)之间的转换公式,将每个区域的至少一个点云变化量统一到上述指定坐标系下。
步骤203,输出拼接结果,其中,拼接结果用于对预存点云信息所在的点云地图进行更新。
在本实施例中,上述执行主体可以输出拼接结果,这里的拼接结果用于对上述预存点云信息所在的点云地图进行更新。具体地,输出拼接结果可以指将该拼接结果发送给其它电子设备。也即,上述其它电子设备,可以将点云变化量加在预存的点云地图中,以得到与上述采集装置所采集的点云信息对应的点云地图。这里的对应不一定指完全一致,因为上述执行主体或者其它服务器可能会对采集的点云信息进行适当的调整。
在存在至少两级前处理服务器的情况下,最下一级前处理服务器可以与上级前处理服务器通信连接。
本申请的上述实施例提供的方法可以确定点云信息的增量,并对增量进行拼接,从而便于后续对各个最下一级前处理服务器得到的拼接后的增量进行整合,避免了对点云地图进行更新的设备的计算量过大,有助于各级设备负载均衡,还可以确保更新地图的整个流程的顺利进行。此外,本申请可以利用最下一级前处理服务器进行点云配准也即位姿矫正,以在位姿矫正之后再进行拼接,确保了拼接结果的准确性。
在本实施例的一些可选的实现方式中,每个区域的点云变化量包括多个像素点的点云变化量;上述方法还可以包括:对于每个区域,将该区域的多个像素点的点云变化量,输入置信度评估模型,得到从置信度评估模型输出的多个像素点的点云变化量置信度,其中,置信度评估模型用于基于视场中心确定输入的每个像素点的点云变化量的置信度;按照置信度的大小,从多个像素点中确定该区域的至少两个像素点的点云变化量;基于至少两个像素点的点云变化量确定至少一个点云变化量。
在这些可选的实现方式中,上述执行主体可以将点云变化量输入置信度评估模型,并得到从该模型输出的各个像素点的点云变化量的置信度。之后,上述执行主体可以基于所得到的各个像素点的点云变化量,确定至少两个点云变化量。置信度评估模型可以用于确定每个像素点的点云信息(比如点云变化量)的置信度。具体地,置信度评估模型可以是预先训练的深度神经网络,比如卷积神经网络或者残差神经网络。或者置信度评估模型还可以是一个对应关系模型。该对应关系模型用于指示目标距离与置信度之间的对应关系,该目标距离是某个像素点的点云变化量与视场中心(采集装置的视场中心)两者之间的距离,对应关系中的置信度即是这个像素点的点云变化量的置信度。该对应关系可以是一个预设的公式,比如指示目标距离与置信度的线性关系的公式。
在像素点对应的距离小于或等于距离阈值的情况下,上述执行主体可以将该像素点的点云变化量作为至少两个像素点的点云变化量。
在实践中,上述执行主体可以采用各种方式基于至少两个像素点的点云变化量,确定上述至少一个点云变化量,比如,上述执行主体可以直接将输出的至少两个像素点的点云变化量,作为上述至少一个点云变化量。
这些实现方式可以通过置信度评估模型对每个像素点的点云变化量的置信度进行准确的评估。
在这些实现方式的一些可选的应用场景中,上述基于至少两个像素点的点云变化量确定至少一个点云变化量,可以包括:将至少两个像素点的点云变化量输入去噪模型,得到从去噪模型输出的至少一个像素点的点云变化量,将至少一个像素点的点云变化量,作为至少一个点云变化量,其中,去噪模型用于对输入的点云变化量进行去噪处理,以删除作为噪点的像素点的点云变化量。
在这些可选的应用场景中,上述执行主体可以将从上述置信度评估模型输出的上述至少两个像素点的点云变化量,输入去噪模型,从而得到从该去噪模型输出的点云变化量,并将输出的点云变化量作为上述至少一个点云变化量。这里的去噪处理可以指对点云信息(也即点云变化量)构成的图像进行去噪声处理,以减少图像中的噪声干扰。
这些应用场景可以通过去噪处理,在接收到点云变化量后,在各个最下一级前处理服务器提高点云信息(也即点云变化量)的质量,以采用分布式处理的方式提高该点云信息的质量。
在本实施例的一些可选的实现方式中,相邻的区域之间存在区域重叠;步骤202中的对各个区域的配准后的点云变化量进行拼接,得到拼接结果,包括:将各个区域的配准后的点云变化量输入拼接算法模型,得到各个区域的区域之和的点云变化量,并将区域之和的点云变化量作为拼接结果,其中,拼接算法模型用于对存在区域重叠的相邻区域的点云变化量进行拼接。
在这些可选的实现方式中,上述执行主体可以将各个区域中每个区域的配准后的点云变化量,输入拼接算法模型,以得到拼接结果。该拼接结果可以是从该模型直接输出的,也可以是对该模型的输出结果的再处理(比如乘以预设系数或者输入指定模型等预设再处理)所得到的结果。区域之和是与上述执行主体对应的各个区域的总和,区域之间可以存在重叠也即区域重叠。
这里的拼接算法模型可以是一个指定的公式,也可以是训练后的深度神经网络。
在这些可选的实现方式可以通过拼接算法模型,准确地对包括重叠的相邻区域进行拼接融合,尤其在相邻区域对于重叠位置的点云信息不同的情况下,可以得到准确的拼接结果。
在本实施例的一些可选的实现方式中,响应于存在至少两级前处理服务器,最上一级前处理服务器与主服务器通信连接;方法还可以包括:将拼接结果发送给最下一级前处理服务器的上级前处理服务器,以使至少两级前处理服务器中的最下一级前处理服务器将该最下一级前处理服务器的拼接结果发送给主服务器,其中,最下一级前处理服务器是该上级前处理服务器的下一级前处理服务器,任一前处理服务器接收对应的下一级前处理服务器发送的拼接结果,任一前处理服务器与至少两个下一级前处理服务器相对应。
在这些可选的实现方式中,响应于存在至少两级前处理服务器,上述执行主体可以在存在至少两级前处理服务器的情况下,将其确定的拼接结果发送给上一级前处理服务器,这样,每个前处理服务器都将其的拼接结果发送给上一级前处理服务器,级别越靠上,则该级的前处理服务器的数量越小。一个前处理服务器将其拼接结果发送给其上一级前处理服务器,该上一级前处理服务器可以对接收到的、该上一级前处理服务器的各个下一级前处理服务器的拼接结果进行继续拼接。主服务器用于接收最上一级前处理服务器输出的拼接结果,并对各个最上一级前处理服务器输出的拼接结果进行拼接,得到新的拼接结果,并将新的拼接结果加到预存点云信息所在的点云地图中,以实现对点云地图的更新。前处理服务器和主服务器都可以在服务器集群中。点云地图可以存储在点云地图数据库中,因此,主服务器可以将生成的更新后点云地图发送给该数据库。
主服务器可以基于接收到的拼接结果,对接收到的拼接结果中,相邻区域的拼接结果进行拼接,得到新的拼接结果,并基于该新的拼接结果,对预存点云信息所在的点云地图进行更新,得到更新后点云地图,
这些实现方式可以在存在多级前处理服务器的情况下,通过多级服务器,处理体量庞大的点云信息,以实现对大型点云地图(比如面积大于面积阈值的点云地图)的更新和维护。
在本实施例的一些可选的实现方式中,响应于存在一级前处理服务器,所述最下一级前处理服务器与主服务器通信连接;方法还包括:将拼接结果发送给主服务器,其中,主服务器与至少两个最下一级前处理服务器相对应。
在这些可选的实现方式中,响应于存在一级前处理服务器,前处理服务器和主服务器都可以在服务器集群中。在仅存在一级前处理服务器的情况下,上述执行主体可以直接将上述拼接结果发送给主服务器,这样,主服务器就可以对各个最下一级前处理服务器输出的拼接结果进行拼接,以得到新的拼接结果。并利用该新的拼接结果,对点云地图进行更新。
主服务器可以基于接收到的拼接结果,对接收到的拼接结果中,相邻区域的拼接结果进行拼接,得到新的拼接结果,基于该新的拼接结果,对预存点云信息所在的点云地图进行更新,得到更新后点云地图。
这些实现方式可以在需要维护和更新的地图较小(比如面积小于面积阈值)的情况下,仅采用两级服务器,以让处理设备适应地图任务,快速完成点云地图的更新。
进一步参考图3,其示出了点云信息的处理系统,系统包括至少一级前处理服务器,至少一级前处理服务器包括最下一级前处理服务器;最下一级前处理服务器,用于接收至少两个点云信息,确定点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;输出拼接结果,其中,拼接结果用于对预存点云信息所在的点云地图进行更新。
在本实施例的一些可选的实现方式中,系统还包括主服务器,至少两级前处理服务器中存在最下一级前处理服务器以外的至少一级的上级前处理服务器;最下一级前处理服务器,进一步用于响应于系统中存在至少两级前处理服务器,将拼接结果发送给上一级前处理服务器;上级前处理服务器,用于接收该上级前处理服务器的下一级前处理服务器发送的拼接结果,并对该拼接结果中相邻区域的拼接结果进行拼接,得到该上级前处理服务器的拼接结果;向在后一级前处理服务器和主服务器中的一者输出该上级前处理服务器的拼接结果;其中,任一前处理服务器接收对应的下一级前处理服务器发送的拼接结果,任一前处理服务器与至少两个下一级前处理服务器相对应。
具体地,上级前处理服务器可以采用各种方式基于上级前处理服务器的级别,向在后一级前处理服务器和主服务器中的一者输出其拼接结果。比如,上述前处理服务器可以在该上级前处理服务器的级别为预设高级时,向主服务器输出拼接结果。这里的在后一级前处理服务器指该上级前处理服务器的在后一级前处理服务器。
这些实现方式可以在地图的体量较大时采用较多的服务器层级参与点云地图的更新,以减少最终将变化量添加到预存点云地图的计算量。
可选地,上级前处理服务器,进一步用于响应于该上级前处理服务器是非最上一级前处理服务器,将该上级前处理服务器的拼接结果发送给该上级前处理服务器的在后一级前处理服务器;响应于该上级前处理服务器是最上一级前处理服务器,将该上级前处理服务器的拼接结果发送给主服务器。
具体地,上级前处理服务器可以按照如下方式执行上述基于该上级前处理服务器的级别,向在后一级前处理服务器和主服务器中的一者输出该上级前处理服务器的拼接结果:在该上级前处理服务器是非最上一级前处理服务器的情况下,将该上级前处理服务器的拼接结果发送给该上级前处理服务器的在后一级前处理服务器。在该上级前处理服务器是最上一级前处理服务器的情况下,将该上级前处理服务器的拼接结果发送给主服务器。
这些实现方式前处理服务器包括的级数不同时,以不同的途径实现点云地图的更新,从而对各种设备条件确定出恰当的更新途径。
在本实施例的一些可选的实现方式中,系统中存在一级前处理服务器,系统还包括主服务器;最下一级前处理服务器,进一步用于将拼接结果发送给主服务器,其中,所述主服务器与至少两个最下一级前处理服务器相对应。
这些实现方式可以在地图的体量较小时采用较少的层级,以简明快捷的方式实现点云地图的高效更新。
在本实施例的一些可选的实现方式中,主服务器,用于接收最上一级前处理服务器发送的拼接结果;对接收到的拼接结果中,相邻区域的拼接结果进行拼接,得到新的拼接结果,基于该新的拼接结果,对预存点云信息所在的点云地图进行更新,得到更新后点云地图,其中,每一级的前处理服务器的数量为至少两个。
具体地,在仅存在一级前处理服务器的情况下,最下一级前处理服务器即是最上一级前处理服务器。
这些实现方式中的主服务器可以将变化量添加到预存点云信息中,以实现点云地图的快速更新。
在本实施例的一些可选的实现方式中,主服务器,还用于将更新后点云地图分发给各个最上一级前处理服务器,以使更新后点云地图按照从上级前处理服务器向下级前处理服务器的顺序被逐级分发。
在本实施例的一些可选的实现方式中,对于每个区域采集到的点云信息包括多个像素点的点云信息;最下一级前处理服务器,还用于将每个区域的多个像素点的点云信息,输入置信度评估模型,得到从置信度评估模型输出的多个像素点的点云信息的置信度,其中,置信度评估模型用于基于视场中心确定输入的每个像素点的点云信息的置信度;按照置信度的大小,从多个像素点中确定至少两个像素点的点云信息;基于至少两个像素点的点云信息确定至少一个点云信息。
在本实施例的一些可选的实现方式中,最下一级前处理服务器,进一步用于将至少两个像素点的点云变化量输入去噪模型,得到从去噪模型输出的至少一个像素点的点云变化量,将至少一个像素点的点云变化量,作为至少一个点云变化量,其中,去噪模型用于对输入的点云变化量进行去噪处理,以删除作为噪点的像素点的点云变化量。
在本实施例的一些可选的实现方式中,相邻的区域之间存在区域重叠;最下一级前处理服务器,进一步用于将各个区域的配准后的点云变化量输入拼接算法模型,得到各个区域的区域之和的点云变化量,并将区域之和的点云变化量作为拼接结果,其中,拼接算法模型用于对存在区域重叠的相邻区域的点云变化量进行拼接。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种点云信息的处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的点云信息的处理装置400可以用于至少一级前处理服务器中的最下一级前处理服务器,该装置包括:接收单元401、配准单元402和输出单元403。其中,接收单元401,被配置成接收至少两个点云信息,确定点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;配准单元402,被配置成按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;输出单元403,被配置成输出拼接结果,其中,拼接结果用于对预存点云信息所在的点云地图进行更新。
在本实施例中,点云信息的处理装置400的接收单元401、配准单元402和输出单元403的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,每个区域的点云变化量包括多个像素点的点云变化量;装置还包括:输入单元,被配置成对于每个区域,将该区域的多个像素点的点云变化量,输入置信度评估模型,得到从置信度评估模型输出的多个像素点的点云变化量的置信度,其中,置信度评估模型用于基于视场中心确定输入的每个像素点的点云变化量的置信度;第一确定单元,被配置成按照置信度的大小,从多个像素点中确定该区域的至少两个像素点的点云变化量;第二确定单元,被配置成基于至少两个像素点的点云变化量确定至少一个点云变化量。
在本实施例的一些可选的实现方式中,第二确定单元,进一步被配置成按照如下方式执行基于至少两个像素点的点云变化量确定至少一个点云变化量:将至少两个像素点的点云变化量输入去噪模型,得到从去噪模型输出的至少一个像素点的点云变化量,将至少一个像素点的点云变化量,作为至少一个点云变化量,其中,去噪模型用于对输入的点云变化量进行去噪处理,以删除作为噪点的像素点的点云变化量。
在本实施例的一些可选的实现方式中,相邻的区域之间存在区域重叠;配准单元,进一步被配置成按照如下方式执行对各个区域的配准后的点云变化量进行拼接,得到拼接结果:将各个区域的配准后的点云变化量输入拼接算法模型,得到各个区域的区域之和的点云变化量,并将区域之和的点云变化量作为拼接结果,其中,拼接算法模型用于对存在区域重叠的相邻区域的点云变化量进行拼接。
在本实施例的一些可选的实现方式中,响应于存在至少两级前处理服务器,最上一级前处理服务器与主服务器通信连接;装置还包括:第一处理单元,被配置成将拼接结果发送给最下一级前处理服务器的上一级前处理服务器,以使至少两级前处理服务器中的每个下一级前处理服务器将该下一级前处理服务器的拼接结果发送给对应的上一级前处理服务器;其中,最上一级前处理服务器将该最上一级前处理服务器的拼接结果发送给主服务器,任一前处理服务器接收对应的下一级前处理服务器发送的拼接结果,任一前处理服务器与至少两个下一级前处理服务器相对应。
在本实施例的一些可选的实现方式中,响应于存在一级前处理服务器,所述最下一级前处理服务器与主服务器通信连接;装置还包括:第二处理单元,被配置成响应于存在一级前处理服务器,将拼接结果发送给主服务器,其中,主服务器与至少两个最下一级前处理服务器相对应。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的点云信息的处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的点云信息的处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的点云信息的处理方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的点云信息的处理方法对应的程序指令/模块(例如,附图4所示的接收单元401、配准单元402和输出单元403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的点云信息的处理方法。
存储器502可以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、至少一个功能所需要的应用程序;存储数据区可存储根据点云信息的处理电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至点云信息的处理电子设备。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。
点云信息的处理方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与点云信息的处理电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称 "VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元、配准单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,输出单元还可以被描述为“输出拼接结果的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:接收至少两个点云信息,确定点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;输出拼接结果,其中,拼接结果用于对预存点云信息所在的点云地图进行更新。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (17)

1.一种点云信息的处理方法,所述方法包括:
接收至少两个点云信息,确定所述点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;
按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;
输出所述拼接结果,其中,所述拼接结果用于对所述预存点云信息所在的点云地图进行更新;
响应于存在至少两级前处理服务器,最上一级前处理服务器与主服务器通信连接;所述方法还包括:
将所述拼接结果发送给最下一级前处理服务器的上一级前处理服务器,以使所述至少两级前处理服务器中的每个下一级前处理服务器将该下一级前处理服务器的拼接结果发送给对应的上一级前处理服务器;
其中,所述最上一级前处理服务器将该最上一级前处理服务器的拼接结果发送给所述主服务器,任一前处理服务器接收对应的下一级前处理服务器发送的拼接结果,任一前处理服务器与至少两个下一级前处理服务器相对应;
响应于存在一级前处理服务器,最下一级前处理服务器与主服务器通信连接;所述方法还包括:
将所述拼接结果发送给所述主服务器,其中,主服务器与至少两个最下一级前处理服务器相对应。
2.根据权利要求1所述的方法,其中,每个区域的点云变化量包括多个像素点的点云变化量;
所述方法还包括:
对于每个区域,将该区域的所述多个像素点的点云变化量,输入置信度评估模型,得到从所述置信度评估模型输出的所述多个像素点的点云变化量的置信度,其中,所述置信度评估模型用于基于视场中心确定输入的每个像素点的点云变化量的置信度;
按照置信度的大小,从所述多个像素点中确定该区域的至少两个像素点的点云变化量;
基于所述至少两个像素点的点云变化量确定所述至少一个点云变化量。
3.根据权利要求2所述的方法,其中,所述基于所述至少两个像素点的点云变化量确定所述至少一个点云变化量,包括:
将所述至少两个像素点的点云变化量输入去噪模型,得到从所述去噪模型输出的至少一个像素点的点云变化量,将所述至少一个像素点的点云变化量,作为所述至少一个点云变化量,其中,所述去噪模型用于对所述输入的点云变化量进行去噪处理,以删除作为噪点的像素点的点云变化量。
4.根据权利要求1所述的方法,其中,相邻的区域之间存在区域重叠;
所述对各个区域的配准后的点云变化量进行拼接,得到拼接结果,包括:
将所述各个区域的配准后的点云变化量输入拼接算法模型,得到所述各个区域的区域之和的点云变化量,并将所述区域之和的点云变化量作为拼接结果,其中,所述拼接算法模型用于对存在区域重叠的相邻区域的点云变化量进行拼接。
5.一种点云信息的处理系统,所述系统包括至少一级前处理服务器,所述至少一级前处理服务器包括最下一级前处理服务器;
所述最下一级前处理服务器,用于接收至少两个点云信息,确定所述点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;输出所述拼接结果,其中,所述拼接结果用于对所述预存点云信息所在的点云地图进行更新;
所述系统还包括主服务器,至少两级前处理服务器中存在所述最下一级前处理服务器以外的至少一级的上级前处理服务器;
所述最下一级前处理服务器,进一步用于响应于所述系统中存在至少两级前处理服务器,将所述拼接结果发送给上一级前处理服务器;
所述上级前处理服务器,用于接收该上级前处理服务器的下一级前处理服务器发送的拼接结果,并对该拼接结果中相邻区域的拼接结果进行拼接,得到该上级前处理服务器的拼接结果;基于该上级前处理服务器的级别,向在后一级前处理服务器和主服务器中的一者输出该上级前处理服务器的拼接结果;
其中,任一前处理服务器接收对应的下一级前处理服务器发送的拼接结果,任一前处理服务器与至少两个下一级前处理服务器相对应;
所述系统还包括主服务器;
所述最下一级前处理服务器,进一步用于响应于所述系统中存在一级前处理服务器,将所述拼接结果发送给所述主服务器,其中,所述主服务器与至少两个最下一级前处理服务器相对应。
6.根据权利要求5所述的系统,其中,
所述上级前处理服务器,进一步用于响应于该上级前处理服务器是非最上一级前处理服务器,将该上级前处理服务器的拼接结果发送给该上级前处理服务器的在后一级前处理服务器;响应于该上级前处理服务器是最上一级前处理服务器,将该上级前处理服务器的拼接结果发送给所述主服务器。
7.根据权利要求5或6所述的系统,其中,
所述主服务器,用于接收最上一级前处理服务器发送的拼接结果;对接收到的拼接结果中,相邻区域的拼接结果进行拼接,得到新的拼接结果,基于该新的拼接结果,对所述预存点云信息所在的点云地图进行更新,得到更新后点云地图,其中,所述每一级的前处理服务器的数量为至少两个。
8.根据权利要求5所述的系统,其中,
所述主服务器,还用于将更新后点云地图分发给各个最上一级前处理服务器,以使所述更新后点云地图按照从上级前处理服务器向下级前处理服务器的顺序被逐级分发。
9.根据权利要求5所述的系统,其中,对于每个区域采集到的点云信息包括多个像素点的点云信息;
所述最下一级前处理服务器,还用于对于每个区域,将该区域的所述多个像素点的点云变化量,输入置信度评估模型,得到从所述置信度评估模型输出的所述多个像素点的点云变化量的置信度,其中,所述置信度评估模型用于基于视场中心确定输入的每个像素点的点云变化量的置信度;按照置信度的大小,从所述多个像素点中确定该区域的至少两个像素点的点云变化量;基于所述至少两个像素点的点云变化量确定所述至少一个点云变化量。
10.根据权利要求8所述的系统,其中,
所述最下一级前处理服务器,进一步用于将所述至少两个像素点的点云变化量输入去噪模型,得到从所述去噪模型输出的至少一个像素点的点云变化量,将所述至少一个像素点的点云变化量,作为所述至少一个点云变化量,其中,所述去噪模型用于对所述输入的点云变化量进行去噪处理,以删除作为噪点的像素点的点云变化量。
11.根据权利要求5所述的系统,其中,相邻的区域之间存在区域重叠;
所述最下一级前处理服务器,进一步用于将所述各个区域的配准后的点云变化量输入拼接算法模型,得到所述各个区域的区域之和的点云变化量,并将所述区域之和的点云变化量作为拼接结果,其中,所述拼接算法模型用于对存在区域重叠的相邻区域的点云变化量进行拼接。
12.一种点云信息的处理装置,所述装置包括:
接收单元,被配置成接收至少两个点云信息,确定所述点云信息相对于预存点云信息的点云变化量,其中,每个点云信息针对一个区域进行采集;
配准单元,被配置成按照预存点云信息对至少一个点云变化量进行点云配准,并对各个区域的配准后的点云变化量进行拼接,得到拼接结果;
输出单元,被配置成输出所述拼接结果,其中,所述拼接结果用于对所述预存点云信息所在的点云地图进行更新;
响应于存在至少两级前处理服务器,最上一级前处理服务器与主服务器通信连接;所述装置还包括:
第一处理单元,被配置成将所述拼接结果发送给最下一级前处理服务器的上一级前处理服务器,以使所述至少两级前处理服务器中的每个下一级前处理服务器将该下一级前处理服务器的拼接结果发送给对应的上一级前处理服务器;
其中,最上一级前处理服务器将该最上一级前处理服务器的拼接结果发送给所述主服务器,任一前处理服务器接收对应的下一级前处理服务器发送的拼接结果,任一前处理服务器与至少两个下一级前处理服务器相对应;
响应于存在一级前处理服务器,最下一级前处理服务器与主服务器通信连接;所述装置还包括:
第二处理单元,被配置成响应于存在一级前处理服务器,将所述拼接结果发送给所述主服务器,其中,主服务器与至少两个最下一级前处理服务器相对应。
13.根据权利要求12所述的装置,其中,每个区域的点云变化量包括多个像素点的点云变化量;
所述装置还包括:
输入单元,被配置成对于每个区域,将该区域的所述多个像素点的点云变化量,输入置信度评估模型,得到从所述置信度评估模型输出的所述多个像素点的点云变化量的置信度,其中,所述置信度评估模型用于基于视场中心确定输入的每个像素点的点云变化量的置信度;
第一确定单元,被配置成按照置信度的大小,从所述多个像素点中确定该区域的至少两个像素点的点云变化量;
第二确定单元,被配置成基于所述至少两个像素点的点云变化量确定所述至少一个点云变化量。
14.根据权利要求13所述的装置,其中,所述第二确定单元,进一步被配置成按照如下方式执行所述基于所述至少两个像素点的点云变化量确定所述至少一个点云变化量:
将所述至少两个像素点的点云变化量输入去噪模型,得到从所述去噪模型输出的至少一个像素点的点云变化量,将所述至少一个像素点的点云变化量,作为所述至少一个点云变化量,其中,所述去噪模型用于对所述输入的点云变化量进行去噪处理,以删除作为噪点的像素点的点云变化量。
15.根据权利要求12所述的装置,其中,相邻的区域之间存在区域重叠;
所述配准单元,进一步被配置成按照如下方式执行所述对各个区域的配准后的点云变化量进行拼接,得到拼接结果:
将所述各个区域的配准后的点云变化量输入拼接算法模型,得到所述各个区域的区域之和的点云变化量,并将所述区域之和的点云变化量作为拼接结果,其中,所述拼接算法模型用于对存在区域重叠的相邻区域的点云变化量进行拼接。
16.一种电子设备,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1-4中任一所述的方法。
17.一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权利要求1-4中任一所述的方法。
CN202011321666.9A 2020-11-23 2020-11-23 点云信息的处理方法和装置 Active CN112446827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011321666.9A CN112446827B (zh) 2020-11-23 2020-11-23 点云信息的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011321666.9A CN112446827B (zh) 2020-11-23 2020-11-23 点云信息的处理方法和装置

Publications (2)

Publication Number Publication Date
CN112446827A CN112446827A (zh) 2021-03-05
CN112446827B true CN112446827B (zh) 2023-06-23

Family

ID=74738660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011321666.9A Active CN112446827B (zh) 2020-11-23 2020-11-23 点云信息的处理方法和装置

Country Status (1)

Country Link
CN (1) CN112446827B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063894A (zh) * 2014-06-13 2014-09-24 中国科学院深圳先进技术研究院 点云三维模型重建方法及系统
CN111339228A (zh) * 2020-02-18 2020-06-26 Oppo广东移动通信有限公司 一种地图更新方法、设备、云服务器和存储介质
CN111442722A (zh) * 2020-03-26 2020-07-24 达闼科技成都有限公司 定位方法、装置、存储介质及电子设备
CN111506586A (zh) * 2020-03-27 2020-08-07 北京百度网讯科技有限公司 增量制图的方法、装置、电子设备以及可读存储介质
CN111553844A (zh) * 2020-04-29 2020-08-18 北京百度网讯科技有限公司 用于更新点云的方法及装置
CN111936821A (zh) * 2019-07-12 2020-11-13 北京航迹科技有限公司 用于定位的系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108732584B (zh) * 2017-04-17 2020-06-30 百度在线网络技术(北京)有限公司 用于更新地图的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063894A (zh) * 2014-06-13 2014-09-24 中国科学院深圳先进技术研究院 点云三维模型重建方法及系统
CN111936821A (zh) * 2019-07-12 2020-11-13 北京航迹科技有限公司 用于定位的系统和方法
CN111339228A (zh) * 2020-02-18 2020-06-26 Oppo广东移动通信有限公司 一种地图更新方法、设备、云服务器和存储介质
CN111442722A (zh) * 2020-03-26 2020-07-24 达闼科技成都有限公司 定位方法、装置、存储介质及电子设备
CN111506586A (zh) * 2020-03-27 2020-08-07 北京百度网讯科技有限公司 增量制图的方法、装置、电子设备以及可读存储介质
CN111553844A (zh) * 2020-04-29 2020-08-18 北京百度网讯科技有限公司 用于更新点云的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A scalable and multi-purpose point cloud server (PCS) for easier and faster point cloud data management and processing;Rémi Cura et al;《ISPRS Journal of Photogrammetry and Remote Sensing 》;全文 *
一种基于RGB-D的移动机器人未知室内环境自主探索与地图构建方法;于宁波;王石荣;徐昌;;机器人(第06期);全文 *

Also Published As

Publication number Publication date
CN112446827A (zh) 2021-03-05

Similar Documents

Publication Publication Date Title
CN111986178A (zh) 产品缺陷检测方法、装置、电子设备和存储介质
CN111860319B (zh) 车道线的确定方法、定位精度的评测方法、装置、设备
CN110793544B (zh) 路侧感知传感器参数标定方法、装置、设备及存储介质
CN111524166B (zh) 视频帧的处理方法和装置
CN111767853B (zh) 车道线检测方法和装置
CN111739005B (zh) 图像检测方法、装置、电子设备及存储介质
CN111553844B (zh) 用于更新点云的方法及装置
CN111832614A (zh) 目标检测模型的训练方法、装置、电子设备及存储介质
CN110765227A (zh) 道路交通网络模型构建方法及装置
KR102643425B1 (ko) 차량의 차로변경을 탐지하는 방법과 장치, 전자 기기, 저장 장치, 노변 기기, 클라우드 제어 플랫폼 및 프로그램 제품
CN111241838B (zh) 文本实体的语义关系处理方法、装置及设备
CN111310840A (zh) 数据融合处理方法、装置、设备和存储介质
CN111833391B (zh) 图像深度信息的估计方法及装置
CN112241716A (zh) 训练样本的生成方法和装置
CN111462179B (zh) 三维物体跟踪方法、装置及电子设备
CN111753964A (zh) 神经网络的训练方法和装置
CN112446827B (zh) 点云信息的处理方法和装置
CN111767990A (zh) 神经网络的处理方法和装置
CN112508830B (zh) 图像处理模型的训练方法、装置、设备及存储介质
CN111553283B (zh) 用于生成模型的方法及装置
CN111507265B (zh) 表格关键点检测模型训练方法、装置、设备以及存储介质
CN113033485A (zh) 关键点的检测方法和装置
CN112733879A (zh) 针对不同场景的模型蒸馏方法和装置
CN111522837A (zh) 用于确定深度神经网络的耗时的方法和装置
CN112037316B (zh) 映射的生成方法、装置和路侧设备

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