CN112825190B - 一种精度评估方法、系统、电子设备和存储介质 - Google Patents
一种精度评估方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112825190B CN112825190B CN202010265582.1A CN202010265582A CN112825190B CN 112825190 B CN112825190 B CN 112825190B CN 202010265582 A CN202010265582 A CN 202010265582A CN 112825190 B CN112825190 B CN 112825190B
- Authority
- CN
- China
- Prior art keywords
- target
- feature
- point cloud
- targets
- cloud data
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 122
- 238000003384 imaging method Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 claims 3
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种精度评估方法、系统、电子设备和存储介质，其中精度评估方法用于单帧点云的成像质量或多帧点云的拼接效果的精度评估，包括：获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布；根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估。本实施例的技术方案，通过在室内建筑的指定区域布置多个特征标靶，对指定区域设置的特征标识进行点云扫描，基于得到的点云数据进行精度评估。其中，该特征标靶成本低，便于在室内建筑的指定区域进行快速设置，降低了精度评估的成本及难点。
Description
技术领域
本申请基于2019年11月19日在国内申请的中国专利201911135057.1要求优先权，其公开内容通过引用合并于此。
本发明实施例涉及标定技术，尤其涉及一种精度评估方法、系统、电子设备和存储介质。
背景技术
在建筑施工阶段，由于人工作业效率限制，实测实量工人只能对数据进行部分采集，采集方式多凭经验及感觉，虽有操作技术规范，但实际上难以严格按本实施。这样无论建筑数据类型还是数据采集方法，都难以评估及保证实测实量结果的精度。
目前，可通过建筑实测实量机器人基于高精度视觉传感系统，对建筑施工阶段的室内数据进行三维重建，通过测量算法处理三维点云数据，从而得到各个待测指标。具体的，多采用建筑实测实量机器人配合球型标靶的装置评估该示值误差，但建筑测量空间过大，球型标靶的尺寸较小成本较高，且难以配合在墙面、天花板等数据对象上。
发明内容
本发明提供一种精度评估方法、系统、电子设备和存储介质，以实现降低精度评估成本和评估难度。
第一方面，本发明实施例提供了一种精度评估方法，该方法用于单帧点云的成像质量或多帧点云的拼接效果的精度评估，包括：
获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布；
根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估。
可选的，所述特征标靶中的每一个具有独一无二的编码标记，以通过编码标记能将获取的点云数据与各个特征标靶一一对应。这样设置的好处在于：可准确识别出每一个特征标靶，以通过识别出的特征标靶进行精度评估。
可选的，所述精度评估方法在用于评估单帧点云的成像质量时，所述室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑中一房间的一阴角区域，于构成阴角区域的三个建筑面上布置的多个特征标靶。这样设置的好处在于：通过在阴角区域的三个建筑面上布置的多个特征标靶，提供多个建筑面进行精度评估，以提高评估的全面性。
可选的，所述阴角区域的对角线长度不小于所述房间的对角线长度的1/3。这样设置的好处在于：保证进行精度评估的空间足够大，避免进行精度评估的阴角区域过小导致的评估不准确的问题。
可选的，对于构成阴角区域的三个任一建筑面上布置的多个特征标靶，设其所在建筑面与其接壤的两个建筑面的两条交线分别为L1和L2，其所在建筑面的两条对角线分别为L3和L4，多个特征标靶排列成平行于L1和L2中的至少一个，以及排列成平行于L3和L4中的至少一个。这样设置的好处在于：可实现标定设备对不同方向的特征标靶的精度评估，保证了对精度评估的全面性。
可选的，所述精度评估方法在用于评估单帧点云的成像质量时，获取室内建筑的指定区域上布置的多个特征标靶的点云数据具体包括：
多次获取构成阴角区域的三个建筑面上的特征标靶的点云数据。
可选的，所述精度评估方法在用于评估单帧点云的成像质量时，进行所述精度评估指标的计算包括标靶重复性、空间重复性和空间距离示值误差的一者或多者，其中，
标靶重复性，是指对同一特征标靶进行多次测量，所测得的标靶中心的误差；
空间重复性，是指对同一特征标靶进行多次测量，所测得的深度空间距离的误差；
空间距离示值误差，是指任意两个特征标靶的测量中心距与其真值中心距之间的误差。
这样设置的好处在于：基于标靶重复性、空间重复性和空间距离示值误差中的至少一项对标定设备进行全面的精度评估，提高评估准确性。
可选的，所述标靶重复性，由下式计算：
其中，
上式中，s(δ)为标靶重复性，δi为重复测量同一特征标靶i时，其标靶中心的误差，(Xi,Yi,Zi)为所述特征标靶i的标靶中心的测量值，为所述特征标靶i的标靶中心的多个测量值的平均值，n为测量次数。
这样设置的好处在于：通过标靶重复性评估标定设备的在点云数据获取过程中的抖动情况。
可选的，所述空间重复性，由下式计算：
上式中，s(Z)为空间重复性，Zi为重复测量同一特征标靶i时，所述特征标靶i的标靶中心的z方向的深度测量值，为所述特征标靶i的多个深度测量值的平均值，n为测量次数。
这样设置的好处在于：通过空间重复性评估标定设备的在点云数据获取过程深度信息的准确性。
可选的，空间距离示值误差，由下式计算：
ΔLi-j＝Li-j-Ls(i-j)，(i≠j)
其中，
上式中，ΔLi-j为空间距离示值误差，Li-j为特征标靶i与特征标靶j之间的空间距离的测量值，Ls(i-j)为特征标靶i与特征标靶j之间的空间距离的理论值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，(Xi′,Yi′,Zi′)是特征标靶i的标靶中心的理论值，(Xj′,Yj′,Zj′)是特征标靶j的标靶中心的理论值，特征标靶i和特征标靶j为位于相同或者不同的建筑面上的任意两个特征标靶。
这样设置的好处在于：通过空间距离示值误差评估标定设备获取的点云数据中平面数据的准确性。
可选的，所述精度评估方法在用于评估多帧点云的拼接效果时，所述室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑中一房间的一建筑面布置的多个特征标靶；
获取室内建筑的指定区域上布置的多个特征标靶的点云数据具体包括：获取对应于同一所述建筑面的待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据。
这样设置的好处在于：
可选的，所述精度评估方法在用于评估多帧点云的拼接效果时，进行所述精度评估指标的计算包括拼接平整度、拼接重合度的一者或多者，其中，
拼接平整度，是衡量拼接后的多帧点云的平整程度的指标；
拼接重合度，是衡量拼接后的多帧点云的重合程度的指标。
这样设置的好处在于：通过拼接平整度和/或拼接重合度对拼接后的点云数据进行评估，提高了精度评估的准确性。
可选的，所述拼接平整度的计算具体包括：获取待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据，由平面拟合获取所述点云数据所在的两个平面，获取两个平面各自的平面法向量，由两个平面法向量的叉乘得到所述拼接平整度。
这样设置的好处在于：通过拼接平整度衡量拼接后点云数据的平整度，以保证拼接后的点云数据不存在拼接痕迹。
所述拼接重合度由下式计算得出：
其中，
式中，Dp为拼接重合度，Pi-j为特征标靶i与特征标靶j之间的空间距离值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，其中，特征标靶i和特征标靶j为位于相同的建筑面上的，且在多帧点云数据的拼接处相互匹配的两个特征标靶，n为标靶测点匹配对的数量。
这样设置的好处在于：通过进行拼接的两帧点云数据中具有相同编码标记的特征标靶在拼接后的位置信息计算拼接重合度，实现对拼接重合效果的精度评估。
第二方面，本发明实施例还提供了一种用于本发明实施例提供的精度评估方法的精度评估系统，其特征在于，包括：
点云数据获取模块，其用于获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布；
采集评估模块，其用于根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：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任一实施例提供的精度评估方法。
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，所述计算机程序被处理器执行时实现如任一实施例提供的精度评估方法。
本发明提供的技术方案，通过在室内建筑的指定区域布置多个特征标靶，对指定区域设置的特征标识进行点云扫描，基于得到的点云数据进行精度评估。其中，该特征标靶成本低，便于在室内建筑的指定区域进行快速设置，降低了精度评估的成本及难点。
附图说明
图1为本发明实施例一提供的种精度评估方法的流程图；
图2是本发明实施例二提供的一种精度评估方法的流程示意图；
图3是本发明实施例二提供的另一种特征标靶的示意图；
图4是本发明实施例二提供的一种特征标靶的示意图；
图5是本发明实施例三提供的一种精度评估方法的流程示意图；
图6是本发明实施例三中获取的多帧点云数据的示意图；
图7是本发明实施例单中拼接后的点云数据的示意图；
图8是本发明实施例四提供的一种精度评估系统的结构示意图；
图9为本发明实施例五提供的一种电子设备的结构示意图。
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种精度评估方法的流程图，本实施例可适用于单帧点云的成像质量或多帧点云的拼接效果的精度评估，该方法可以由本发明实施例提供的精度评估系统来执行，具体包括如下步骤：
S110、获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布。
S120、根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估。
本实施例中，特征标靶可以是标定纸，可通过粘贴的方式设置在室内建筑的指定区域。其中，室内建筑的指定区域上设置的特征标靶的数量和排布方式，可以是根据精度评估类型确定，其中，精度评估类型包括单帧点云的成像质量评估和多帧点云的拼接效果评估。不同精度评估类型对应的指定区域不同，特征标靶的设置方式不同。示例性的，单帧点云的成像质量评估的指定区域可以是室内建筑的阴角，多帧点云的拼接效果评估的制定区域可以是各帧图像的重叠区域。
其中，特征标靶的形状可以是但不限于圆形、方形等，本实施例中，对此不做限定。可选的，特征标靶为圆形标定纸。相对于球型标靶，标定纸成本低，可快速设置在室内建筑的任意墙体上，例如天花板等，设置难度低，便于进行标定设备的精度评估。
可选的，特征标靶中的每一个具有独一无二的编码标记，以通过编码标记能将获取的点云数据与各个特征标靶一一对应。其中，特征标靶的编码标记可以是但不限于数字、字符、字符串、条形码或者二维码等，用于对每一个特征标靶进行区分。
通过对特定区域的特征标靶进行点云扫描，得到点云数据，对点云数据中各特征标靶数据进行处理，得到各特征标靶的位置，进行精度评估指标的计算，实现对标定设备的精度评估。其中，根据精度评估类型，调用对应的精度评估指标的计算函数，基于各特征标靶的位置和调用的精度评估指标的计算函数得到精度评估结果。
其中，以圆形标定纸为例，可以是识别特征标靶的编码标记，以及特征标靶的圆心坐标，将编码标记与特征标靶的圆心坐标进行一一对应，以进行精度评估指标的计算。具体的，可以是对点云数据进行二值化处理，得到特征标靶的轮廓，基于特征标靶的轮廓确定圆形坐标。
本实施例的技术方案，通过在室内建筑的指定区域布置多个特征标靶，对指定区域设置的特征标识进行点云扫描，基于得到的点云数据进行精度评估。其中，该特征标靶成本低，便于在室内建筑的指定区域进行快速设置，且可根据特征标靶的设置数量调节特征标靶的覆盖面积，降低了精度评估的成本及难点。
实施例二
图2是本发明实施例二提供的一种精度评估方法的流程示意图，用于进行单帧点云的成像质量的精度评估。该方法包括：
S210、获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑的一房间的一阴角区域，于构成阴角区域的三个建筑面上均布置的多个特征标靶。
S220、根据所述点云数据进行标靶重复性、空间重复性和空间距离示值误差的一者或多者的计算，以用于精度评估。
本实施例中，当进行单帧点云的成像质量的精度评估时，室内建筑的指定区域为房间阴角的三个建筑面。其中，建筑面可以包括地面、天花和垂直墙面中。可选的，阴角区域的对角线长度不小于所述房间的对角线长度的1/3，以保证空间足够大，避免进行精度评估的阴角区域过小导致的评估不准确的问题。
可选的，对于构成阴角区域的三个任一建筑面上布置的多个特征标靶，设其所在建筑面与其接壤的两个建筑面的两条交线分别为L1和L2，其所在建筑面的两条对角线分别为L3和L4，在该建筑面上，特征标靶排列成平行于L1和L2中的至少一个，以及排列成平行于L3和L4中的至少一个。示例性的，参见图3，图3是本发明实施例二提供的另一种特征标靶的示意图。图3的每一个建筑面上，可得到直线段L1、L2、L3和L4，通过在建筑面上设置特征标靶，特征标靶的排布方式中包括特征标靶形成的连接线平行于L1和/或L2，以及特征标靶形成的连接线平行于L3和/或L4。可选的，每一个建筑面上包括至少三个特征标靶，其中，至少两个特征标靶的连线平行于L1或L2，至少两个特征标靶的连线平行于L3或L4，参见图3，图3中，特征标靶A和B之间的连接线平行于两个建筑面的交线L1，特征标靶A和C之间的连接线平行于该建筑面的对角线L4。
示例性的，参加图4，图4是本发明实施例二提供的一种特征标靶的示意图。其中，图4仅是一种特征标靶的设置方式，在其他实施例中，各建筑面上设置的特征标靶的数量和排布方式可根据用户需求进行调节。根据图4可知，阴角区域设置的特征标靶例如可以是包括如直线1、2、3、4、5、6所包括的特征标靶。
需要说明的是，已设置的特征标靶中至少包括形成平行于阴角区域的对角线的特征标靶。示例性的，参见图4，图4中直线7包括的两个特征标靶。在一些实施例中，还可以是控制直线1中的靠近交线的特征标靶与直线6中远离交线的特征标靶形成连接线平行于阴角区域的对角线。
本实施例中，通过上述特征标靶的设置方式，可实现标定设备对不同方向的特征标靶的精度评估，保证了对精度评估的全面性。
可选的，获取特征标靶的点云数据具体包括：多次获取构成阴角区域的三个建筑面上的特征标靶的点云数据。示例性的，对于任一建筑面上的特征标靶进行预设次数的点云数据采集，具体的，标定设备位于同一机位，对建筑面执行至少三次的点云扫描，得到该建筑面的至少三个点云数据。
本实施例中，通过对各个建筑面采集的点云数据计算单帧点云的成像质量的精度评估标准，其中，该单帧点云的成像质量的精度评估标准可以包括标靶重复性、空间重复性和空间距离示值误差的至少一项。其中，标靶重复性，是指对同一特征标靶进行多次测量，所测得的标靶中心的误差；空间重复性，是指对同一特征标靶进行多次测量，所测得的深度空间距离的误差；空间距离示值误差，是指任意两个特征标靶的测量中心距与其真值中心距之间的误差。
本实施例中，通过标靶重复性评估标定设备的在点云数据获取过程中的抖动情况，标靶重复性越好，表明标定设备的在点云数据获取过程抖动越小。其中，确定标靶重复性可以是，对于一个建筑面上的特征标靶，根据多个点云数据中编码标记分别确定各编码标记的多个特征标靶位置，即特征标靶圆心坐标，基于多个点云数据，确定每一个特征标靶的均值坐标，基于特征标靶的均值坐标，与每一个点云数据中该特征标靶位置，确定每一个点云数据中该特征标靶的标靶中心点位偏差，基于各点云数据对应的标靶中心点位偏差的均值确定标靶重复性。
示例性的，可以基于如下公式计算标靶重复性：
其中，
上式中，s(δ)为标靶重复性，δi为重复测量同一特征标靶i时，其标靶中心的误差，(Xi,Yi,Zi)为所述特征标靶i的标靶中心的测量值，为所述特征标靶i的标靶中心的多个测量值的平均值，n为测量次数。
需要说明的是，在同一机位获取的点云数据中包括预设数量的特征标靶，可选的，预设数量为至少6个。可选的，通过多个建筑面进行标靶重复性的计算，得到多个标靶重复性的数值，可以是将标靶重复性的最大值确定为标定设备的标靶重复性，或者，还可以是将多个标靶重复性的均值确定为标定设备的标靶重复性。
本实施例中，通过空间重复性评估标定设备的在点云数据获取过程深度信息的准确性。其中，空间重复性可以基于各特征标靶的深度测量值以及多个点云数据采集中深度测量值均值的差值确定。
示例性的，可以基于如下公式计算空间重复性：
上式中，s(Z)为空间重复性，Zi为重复测量同一特征标靶i时，所述特征标靶i的标靶中心的z方向的深度测量值，为所述特征标靶i的多个深度测量值的平均值，n为测量次数。
本实施例中，通过空间距离示值误差评估标定设备获取的点云数据中平面数据的准确性。其中，空间距离示值误差可以是，将采集的点云数据或特征标靶的真值进行坐标系的转换，以使采集的点云数据或特征标靶的真值处于同一坐标系下。其中，采集的点云数据属于标定设备的图像坐标系，特征标靶的真值属于世界坐标系。示例性的，可以基于标定设备的内部参数形成转换矩阵，以实现数据在两个坐标系的转换。
其中，在同一坐标系中，可以基于任意两个特征标靶的中心测量真值以及点云数据中中心测量值的差值，得到空间距离示值误差。
示例性的，可以基于如下公由下式计算空间距离示值误差：
ΔLi-j＝Li-j-Ls(i-j)，(i≠j)
其中，
上式中，ΔLi-j为空间距离示值误差，Li-j为特征标靶i与特征标靶j之间的空间距离的测量值，Ls(i-j)为特征标靶i与特征标靶j之间的空间距离的理论值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，(Xi′,Yi′,Zi′)是特征标靶i的标靶中心的理论值，(Xj′,Yj′,Zj′)是特征标靶j的标靶中心的理论值，特征标靶i和特征标靶j为位于相同或者不同的建筑面上的任意两个特征标靶。
本实施例中，在多个建筑面上，通过任意两个特征标靶得到一个空间距离示值误差，即可得到多个空间距离示值误差，可选的，将空间距离示值误差中数值最大值确定为标定设备的空间距离示值误差。
本实施例的技术方案，通过在房间的一阴角区域的三个建筑面上设置特征标靶，采集特征标靶的点云数据，并基于标靶重复性、空间重复性和空间距离示值误差的至少一项对标定设备进行单帧点云的成像质量的精度评估，其中，特征标靶成本低，设置方式简单，同时基于标靶重复性、空间重复性和空间距离示值误差对标定设备进行全面的精度评估，提高评估准确性。
实施例三
图5是本发明实施例三提供的一种精度评估方法的流程示意图，用于评估多帧点云的拼接效果。该方法包括：
S310、获取室内建筑中一房间的一建筑面布置的多个特征标靶的多帧点云数据。
S320、提取在拼接处的相互匹配的特征标靶的点云数据。
S330、根据所述点云数据进行拼接平整度、拼接重合度的一者或多者的计算，以用于精度评估。
本实施例中，根据标定设备的点云数据的采集范围确定建筑面上设置特征标靶的指定区域。其中，指定区域可以是相邻的两个点云数据的重叠区域，一个建筑面上可以是包括多个指定区域，该指定区域可以设置有至少两个特征标靶，各个特征标靶大小一致且均匀排布。
获取设置有特征标靶的建筑面的多帧点云数据，其中，每一帧点云数据中均包括特征标靶。示例性的，参见图6和图7，图6是本发明实施例三中获取的多帧点云数据的示意图，图7是本发明实施例单中拼接后的点云数据的示意图。
本实施例中，通过拼接平整度和/或拼接重合度对多帧点云的拼接效果进行精度评估。其中，拼接平整度，是衡量拼接后的多帧点云的平整程度的指标；拼接重合度，是衡量拼接后的多帧点云的重合程度的指标。
可选的，获取待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据，由平面拟合获取所述点云数据所在的两个平面，获取两个平面各自的平面法向量，由两个平面法向量的叉乘得到所述拼接平整度。
本实施例中，拼接后的多帧点云数据中相互匹配的两个特征标靶之间中心测量值的间距均值为重合度评估对象。其中，可以是通过识别点云数据中编码标记，确定多帧点云数据中相互匹配的两个特征标靶。具体的，可以将待拼接的两个点云数据中分别具有相同编码标记的两个特征标靶确定为相互匹配的两个特征标靶。其中，将待拼接的两个点云数据转换至同一坐标系下进行拼接重合度的计算。
可选的，所述拼接重合度由下式计算得出：
其中，n为标靶测点匹配对的数量。
式中，Dp为拼接重合度，Pi-j为特征标靶i与特征标靶j之间的空间距离值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，其中，特征标靶i和特征标靶j为位于相同的建筑面上的，且在多帧点云数据的拼接处相互匹配的两个特征标靶。其中，特征标靶i可以位于进行拼接的一帧点云数据中，特征标靶j可以是位于进行拼接的另一帧点云数据中，通过拼接后特征标靶i和特征标靶j的位置信息进行拼接重合度的计算。特征标靶i与特征标靶j为一组标靶测点匹配对。
本实施例的技术方案，通过在一个建筑面上设置特征标靶，以获取多帧包括特征标靶的点云数据，基于拼接处的相互匹配的特征标靶的点云数据，进行拼接平整度和/或拼接重合度的计算，以对多帧点云的拼接效果进行精度评估。其中，特征标靶成本低，设置方式简单，同时基于拼接平整度和/或拼接重合度对标定设备的多帧点云的拼接效果进行全面的精度评估，提高了精度评估的准确性。
实施例四
图8是本发明实施例四提供的一种精度评估系统的结构示意图，该精度评估系统用于执行上述任意实施例提供的精度评估方法，该系统包括：
点云数据获取模块410，其用于获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布；
采集评估模块420，其用于根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估。
可选的，所述特征标靶中的每一个具有独一无二的编码标记，以通过编码标记能将获取的点云数据与各个特征标靶一一对应。
可选的，所述精度评估方法在用于评估单帧点云的成像质量时，所述室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑中一房间的一阴角区域，于构成阴角区域的三个建筑面上均布置的多个特征标靶。
可选的，所述阴角区域的对角线长度不小于所述房间的对角线长度的1/3。
可选的，对于构成阴角区域的三个任一建筑面上布置的多个特征标靶，设其所在建筑面与其接壤的两个建筑面的两条交线分别为L1和L2，其所在建筑面的两条对角线分别为L3和L4，多个特征标靶排列成平行于L1和L2中的至少一个，以及排列成平行于L3和L4中的至少一个。
可选的，在评估单帧点云的成像质量时，点云数据获取模块410用于：多次获取构成阴角区域的三个建筑面上的特征标靶的点云数据。
可选的，在评估单帧点云的成像质量时，采集评估模块420用于：进行所述精度评估指标的计算包括标靶重复性、空间重复性和空间距离示值误差的一者或多者，其中，
标靶重复性，是指对同一特征标靶进行多次测量，所测得的标靶中心的误差；
空间重复性，是指对同一特征标靶进行多次测量，所测得的深度空间距离的误差；
空间距离示值误差，是指任意两个特征标靶的测量中心距与其真值中心距之间的误差。
可选的，所述标靶重复性，由下式计算：
其中，
上式中，s(δ)为标靶重复性，δi为重复测量同一特征标靶i时，其标靶中心的误差，(Xi,Yi,Zi)为所述特征标靶i的标靶中心的测量值，为所述特征标靶i的标靶中心的多个测量值的平均值，n为测量次数。
可选的，所述空间重复性，由下式计算：
上式中，s(Z)为空间重复性，Zi为重复测量同一特征标靶i时，所述特征标靶i的标靶中心的z方向的深度测量值，为所述特征标靶i的多个深度测量值的平均值，n为测量次数。
可选的，空间距离示值误差，由下式计算：
ΔLi-j＝Li-j-Ls(i-j)，(i≠j)
其中，
上式中，ΔLi-j为空间距离示值误差，Li-j为特征标靶i与特征标靶j之间的空间距离的测量值，Ls(i-j)为特征标靶i与特征标靶j之间的空间距离的理论值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，(Xi′,Yi′,Zi′)是特征标靶i的标靶中心的理论值，(Xj′,Yj′,Zj′)是特征标靶j的标靶中心的理论值，特征标靶i和特征标靶j为位于相同或者不同的建筑面上的任意两个特征标靶。
可选的，评估多帧点云的拼接效果时，所述室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑中一房间的一建筑面布置的多个特征标靶；
点云数据获取模块410用于获取对应于同一所述建筑面的待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据。
可选的，评估多帧点云的拼接效果时，采集评估模块420进行所述精度评估指标的计算包括拼接平整度、拼接重合度的一者或多者，其中，
拼接平整度，是衡量拼接后的多帧点云的平整程度的指标；
拼接重合度，是衡量拼接后的多帧点云的重合程度的指标。
可选的，所述拼接平整度的计算具体包括：获取待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据，由平面拟合获取所述点云数据所在的两个平面，获取两个平面各自的平面法向量，由两个平面法向量的叉乘得到所述拼接平整度。
可选的，所述拼接重合度由下式计算得出：
其中，
式中，Dp为拼接重合度，Pi-j为特征标靶i与特征标靶j之间的空间距离值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，其中，特征标靶i和特征标靶j为位于相同的建筑面上的，且在多帧点云数据的拼接处相互匹配的两个特征标靶。
上述实施例提供的精度评估系统可执行本发明任意实施例所提供的精度评估方法，具备执行精度评估方法相应的功能模块和有益效果。
实施例五
图9为本发明实施例五提供的一种电子设备的结构示意图。图9示出了适于用来实现本发明实施方式的电子设备412的框图。图9显示的电子设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备412典型的是承担图像分类功能的电子设备。
如图9所示，电子设备412以通用计算设备的形式表现。电子设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
电子设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436，可以存储在例如存储装置428中，这样的程序模块426包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与电子设备412的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任一实施例提供的精度评估方法。
实施例六
本发明实施例六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本发明任一实施例提供的精度评估方法。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任一实施例提供的精度评估方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的源代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的源代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机源代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。源代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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 (17)
1.一种精度评估方法，该方法用于单帧点云的成像质量或多帧点云的拼接效果的精度评估，其特征在于，包括：
获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布；
根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估；
精度评估类型包括单帧点云的成像质量评估和多帧点云的拼接效果评估，所述特征标靶为标定纸；
所述根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估包括：
对各特征标靶的点云数据进行处理，得到所述各特征标靶的位置，根据所述精度评估类型，调用对应的精度评估指标的计算函数，基于各所述特征标靶的位置和调用的所述精度评估指标的计算函数得到精度评估结果。
2.根据权利要求1所述的方法，所述特征标靶中的每一个具有独一无二的编码标记，以通过编码标记能将获取的点云数据与各个特征标靶一一对应。
3.根据权利要求1所述的方法，所述精度评估方法在用于评估单帧点云的成像质量时，所述室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑中一房间的一阴角区域，于构成阴角区域的三个建筑面上布置的多个特征标靶。
4.根据权利要求3所述的方法，进一步包括：
所述阴角区域的对角线长度不小于所述房间的对角线长度的1/3。
5.根据权利要求4所述的方法，进一步包括：
对于构成阴角区域的三个任一建筑面上布置的多个特征标靶，设其所在建筑面与其接壤的两个建筑面的两条交线分别为L1和L2，其所在建筑面的两条对角线分别为L3和L4，多个特征标靶排列成平行于L1和L2中的至少一个，以及排列成平行于L3和L4中的至少一个。
6.根据权利要求5所述的方法，所述精度评估方法在用于评估单帧点云的成像质量时，获取室内建筑的指定区域上布置的多个特征标靶的点云数据具体包括：
多次获取构成阴角区域的三个建筑面上的特征标靶的点云数据。
7.根据权利要求1所述的方法，所述精度评估方法在用于评估单帧点云的成像质量时，进行所述精度评估指标的计算包括标靶重复性、空间重复性和空间距离示值误差的一者或多者，其中，
标靶重复性，是指对同一特征标靶进行多次测量，所测得的标靶中心的误差；
空间重复性，是指对同一特征标靶进行多次测量，所测得的深度空间距离的误差；
空间距离示值误差，是指任意两个特征标靶的测量中心距与其真值中心距之间的误差。
8.根据权利要求7所述的方法，所述标靶重复性，由下式计算：
其中，
上式中，s(δ)为标靶重复性，δi为重复测量同一特征标靶i时，其标靶中心的误差，(Xi,Yi,Zi)为所述特征标靶i的标靶中心的测量值，为所述特征标靶i的标靶中心的多个测量值的平均值，n为测量次数。
9.根据权利要求7所述的方法，所述空间重复性，由下式计算：
上式中，s(Z)为空间重复性，Zi为重复测量同一特征标靶i时，所述特征标靶i的标靶中心的z方向的深度测量值，为所述特征标靶i的多个深度测量值的平均值，n为测量次数。
10.根据权利要求7所述的方法，空间距离示值误差，由下式计算：
ΔLi-j＝Li-j-Ls(i-j)，(i≠j)
其中，
上式中，ΔLi-j为空间距离示值误差，Li-j为特征标靶i与特征标靶j之间的空间距离的测量值，Ls(i-j)为特征标靶i与特征标靶j之间的空间距离的理论值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，(Xi′,Yi′,Zi′)是特征标靶i的标靶中心的理论值，(Xj′,Yj′,Zj′)是特征标靶j的标靶中心的理论值，特征标靶i和特征标靶j为位于相同或者不同的建筑面上的任意两个特征标靶。
11.根据权利要求1所述的方法，所述精度评估方法在用于评估多帧点云的拼接效果时，所述室内建筑的指定区域布置的多个特征标靶包括：在所述室内建筑中一房间的一建筑面布置的多个特征标靶；
获取室内建筑的指定区域上布置的多个特征标靶的点云数据具体包括：获取对应于同一所述建筑面的待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据。
12.根据权利要求1所述的方法，所述精度评估方法在用于评估多帧点云的拼接效果时，进行所述精度评估指标的计算包括拼接平整度、拼接重合度的一者或多者，其中，
拼接平整度，是衡量拼接后的多帧点云的平整程度的指标；
拼接重合度，是衡量拼接后的多帧点云的重合程度的指标。
13.根据权利要求12所述的方法，所述拼接平整度的计算具体包括：获取待拼接的多帧点云数据，提取在拼接处的相互匹配的特征标靶的点云数据，由平面拟合获取所述点云数据所在的两个平面，获取两个平面各自的平面法向量，由两个平面法向量的叉乘得到所述拼接平整度。
14.根据权利要求12所述的方法，所述拼接重合度由下式计算得出：
其中，
式中，Dp为拼接重合度，Pi-j为特征标靶i与特征标靶j之间的空间距离值，(Xi,Yi,Zi)是特征标靶i的标靶中心的测量值，(Xj,Yj,Zj)是特征标靶j的标靶中心的测量值，其中，特征标靶i和特征标靶j为位于相同的建筑面上的，且在多帧点云数据的拼接处相互匹配的两个特征标靶，n为标靶测点匹配对的数量。
15.一种用于执行权利要求1-14任一项所述方法的精度评估系统，其特征在于，包括：
点云数据获取模块，其用于获取室内建筑的指定区域上布置的多个特征标靶的点云数据，其中，各个特征标靶大小一致且均匀排布；
采集评估模块，其用于根据所述点云数据进行一个或多个精度评估指标的计算，以用于精度评估；
精度评估类型包括单帧点云的成像质量评估和多帧点云的拼接效果评估，所述特征标靶为标定纸；
所述采集评估模块具体用于：
对各特征标靶的点云数据进行处理，得到所述各特征标靶的位置，根据所述精度评估类型，调用对应的精度评估指标的计算函数，基于各所述特征标靶的位置和调用的所述精度评估指标的计算函数得到精度评估结果。
16.一种电子设备，其特征在于，所述电子设备包括：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1-14中任一所述的精度评估方法。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-14中任一所述的精度评估方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911135057.1A CN110930382A (zh) | 2019-11-19 | 2019-11-19 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
| CN2019111350571 | 2019-11-19 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112825190A CN112825190A (zh) | 2021-05-21 |
| CN112825190B true CN112825190B (zh) | 2024-02-09 |
Family
ID=69850306
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911135057.1A Pending CN110930382A (zh) | 2019-11-19 | 2019-11-19 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
| CN202010265582.1A Active CN112825190B (zh) | 2019-11-19 | 2020-04-07 | 一种精度评估方法、系统、电子设备和存储介质 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911135057.1A Pending CN110930382A (zh) | 2019-11-19 | 2019-11-19 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN110930382A (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461981B (zh) * | 2020-03-30 | 2023-09-01 | 北京百度网讯科技有限公司 | 点云拼接算法的误差估计方法和装置 |
| CN113344866A (zh) * | 2021-05-26 | 2021-09-03 | 长江水利委员会水文局长江上游水文水资源勘测局 | 一种点云综合精度评价方法 |
| CN113470116B (zh) * | 2021-06-16 | 2023-09-01 | 杭州海康威视数字技术股份有限公司 | 对摄像装置标定数据的验证方法、装置、设备及存储介质 |
| CN114322899A (zh) * | 2021-12-27 | 2022-04-12 | 苏州方石科技有限公司 | 地坪检测方法及储存介质及电子装置 |
| CN115930784B (zh) * | 2023-01-09 | 2023-08-25 | 广州市易鸿智能装备有限公司 | 一种视觉检测系统的点检方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2677755A1 (fr) * | 1991-06-14 | 1992-12-18 | Peugeot | Dispositif pour le calage d'un robot par rapport a une ligne de production. |
| CN1841008A (zh) * | 2005-04-01 | 2006-10-04 | 鸿富锦精密工业（深圳）有限公司 | 激光量测机台扫描精度验证方法 |
| CN103201590A (zh) * | 2010-11-11 | 2013-07-10 | 莱卡地球系统公开股份有限公司 | 测量和标记沿水平延伸的轮廓线的空间点的装置 |
| CN104019765A (zh) * | 2014-06-25 | 2014-09-03 | 山东理工大学 | 基于激光束法区域网平差的多站点云整体定向方法 |
| CN105222724A (zh) * | 2015-09-10 | 2016-01-06 | 北京天远三维科技有限公司 | 多线阵列激光三维扫描系统及多线阵列激光三维扫描方法 |
| CN105551039A (zh) * | 2015-12-14 | 2016-05-04 | 深圳先进技术研究院 | 结构光三维扫描系统的标定方法及装置 |
| CN106651752A (zh) * | 2016-09-27 | 2017-05-10 | 深圳市速腾聚创科技有限公司 | 三维点云数据配准方法及拼接方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2528669B (en) * | 2014-07-25 | 2017-05-24 | Toshiba Res Europe Ltd | Image Analysis Method |
-
2019
- 2019-11-19 CN CN201911135057.1A patent/CN110930382A/zh active Pending
-
2020
- 2020-04-07 CN CN202010265582.1A patent/CN112825190B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2677755A1 (fr) * | 1991-06-14 | 1992-12-18 | Peugeot | Dispositif pour le calage d'un robot par rapport a une ligne de production. |
| CN1841008A (zh) * | 2005-04-01 | 2006-10-04 | 鸿富锦精密工业（深圳）有限公司 | 激光量测机台扫描精度验证方法 |
| CN103201590A (zh) * | 2010-11-11 | 2013-07-10 | 莱卡地球系统公开股份有限公司 | 测量和标记沿水平延伸的轮廓线的空间点的装置 |
| CN104019765A (zh) * | 2014-06-25 | 2014-09-03 | 山东理工大学 | 基于激光束法区域网平差的多站点云整体定向方法 |
| CN105222724A (zh) * | 2015-09-10 | 2016-01-06 | 北京天远三维科技有限公司 | 多线阵列激光三维扫描系统及多线阵列激光三维扫描方法 |
| CN105551039A (zh) * | 2015-12-14 | 2016-05-04 | 深圳先进技术研究院 | 结构光三维扫描系统的标定方法及装置 |
| CN106651752A (zh) * | 2016-09-27 | 2017-05-10 | 深圳市速腾聚创科技有限公司 | 三维点云数据配准方法及拼接方法 |
Non-Patent Citations (5)
| Title |
|---|
| 三维激光扫描点云配准算法与精度研究;黄国清;陈君;梁飞;田艳红;;地理空间信息(第02期);10+28-29+39 * |
| 地面三维激光扫描系统精度评估与古建测量技术研究;崔磊 等;《测绘通报》;190-192、196 * |
| 基于激光扫描数据的建筑工程质量评估;郝进锋;姜月利;祝庭;唐楠;;激光杂志(第05期);57-60 * |
| 本书编委会.《2017测绘地理信息仪器装备发展研究》.，测绘出版社,2017,70-71. * |
| 韩成 等.《基于光结构的计算机视觉》.国防工业出版社,2015,106. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112825190A (zh) | 2021-05-21 |
| CN110930382A (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112825190B (zh) | 一种精度评估方法、系统、电子设备和存储介质 | |
| CN112654886B (zh) | 外参标定方法、装置、设备及存储介质 | |
| US20210319588A1 (en) | Method and Apparatus for Calibrating External Parameters of Image Acquisition Device, Device and Storage Medium | |
| JP4599184B2 (ja) | 指標配置計測方法、指標配置計測装置 | |
| CN109544628B (zh) | 一种指针式仪表的准确读数识别系统及方法 | |
| Wang et al. | Single view metrology from scene constraints | |
| CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
| CN111735439A (zh) | 地图构建方法、装置和计算机可读存储介质 | |
| TW201822558A (zh) | 估算裝置及其無線網路之通訊品質估算方法及電表安裝方法 | |
| CN111179335A (zh) | 一种基于双目视觉的立木测定方法 | |
| Luo et al. | 3D deformation monitoring method for temporary structures based on multi-thread LiDAR point cloud | |
| CN113280764A (zh) | 基于多星协同技术的输变电工程扰动范围定量监测方法及系统 | |
| CN114049401A (zh) | 双目相机标定方法、装置、设备及介质 | |
| CN107504959B (zh) | 利用倾斜航空影像测量房屋墙基轮廓的方法 | |
| CN105423975A (zh) | 一种大型工件的标定系统及方法 | |
| Ye et al. | Edge-based close-range digital photogrammetry for structural deformation measurement | |
| CN113763478B (zh) | 无人车相机标定方法、装置、设备、存储介质及系统 | |
| CN112509135B (zh) | 元素标注方法、装置、设备、存储介质及计算机程序产品 | |
| CN110686651B (zh) | 基于三维激光扫描的建筑物外立面测量方法及系统 | |
| CN117095002A (zh) | 轮毂缺陷的检测方法及装置、存储介质 | |
| Zhao et al. | Intelligent segmentation method for blurred cracks and 3D mapping of width nephograms in concrete dams using UAV photogrammetry | |
| CN116152325A (zh) | 一种基于单目视频的道路交通高边坡稳定性监测方法 | |
| Fathi | Videogrammetric roof surveying using a hybrid structure from motion approach | |
| CN112907550B (zh) | 一种建筑物检测方法、装置、电子设备及存储介质 | |
| CN114035189A (zh) | 一种道路隐患定位方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |