CN112950679A - 基于摄影测量技术的冗余点云自动剔除方法和系统 - Google Patents
基于摄影测量技术的冗余点云自动剔除方法和系统 Download PDFInfo
- Publication number
- CN112950679A CN112950679A CN202110121593.7A CN202110121593A CN112950679A CN 112950679 A CN112950679 A CN 112950679A CN 202110121593 A CN202110121593 A CN 202110121593A CN 112950679 A CN112950679 A CN 112950679A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- image
- point
- dynamic object
- redundant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005516 engineering process Methods 0.000 title claims abstract description 35
- 230000003068 static effect Effects 0.000 claims abstract description 31
- 230000008030 elimination Effects 0.000 claims abstract description 11
- 238000003379 elimination reaction Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于摄影测量技术的冗余点云自动剔除方法和系统,首先获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素。然后,基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。本发明在对动态物体拍摄并建模时,将影像点云中静态环境对应的点云进行自动剔除。由于动态物体对应的点云一直处于变化状态,而静态环境对应的点云值是不变的,因此本发明通过预设算法,查找点云坐标值相近的同名点对作为静态环境对应的点云,并自动剔除。本发明既能精准剔除冗余点云数据,又能满足后期动态物体建模的要求,不仅提高了动态物体建模的效率,而且提高了模型的精度。
Description
技术领域
本发明涉及摄影测量建模领域,尤其涉及一种基于摄影测量技术的冗余点云自动剔除方法和系统。
背景技术
目前,基于摄影测量的动态物体的建模方式主要包括全自动建模和半自动建模。
全自动建模方法基于摄影测量技术,可直接对所拍摄影像进行自动空三匹配,构网建模;全流程不需要人工干预,由程序自动完成;提高了建模的效率,但是由于冗余数据太多,导致数据量太大,耗时长;且影响了模型的精度。
半自动建模方法是在全自动建模的基础上,利用人工,将空三匹配得到的冗余点云进行人工剔除后,再进行构网建模及全自动纹理贴图。相对于全自动建模,此方法可以大幅减少冗余数据量,提高模型精度,但人为操作繁琐,所以相对于全自动建模模式耗时更长,效率低。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于摄影测量技术的冗余点云自动剔除方法和系统。
第一方面,本发明实施例提供一种基于摄影测量技术的冗余点云自动剔除方法,包括:
S1,获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;
S2,基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
优选的,步骤S1中,获取动态物体的序列影像数据,包括:
拍摄动态物体的视频数据;
对所述视频数据进行截帧处理,获得具有重叠度的序列影像。
优选的,在利用摄影测量技术进行空三匹配之后,所述方法还包括:
根据空三匹配结果,获得相邻影像的立体像对,根据立体像对进行解算生成相邻影像的点云。
优选的,步骤S2中,所述基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除,具体包括:
根据每张影像的外方位元素,获得相邻影像的立体像对同名点的点云坐标;
计算每两张相邻影像的同名点对的点云坐标差值,若点云坐标差值小于预设阈值,则剔除所述同名点对。
第二方面,本发明实施例还提供一种基于摄影测量技术的冗余点云自动剔除系统,包括:
空三匹配模块,用于获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;
点云剔除模块,用于基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
优选的,所述点云剔除模块具体用于:
根据每张影像的外方位元素,获得相邻影像的立体像对同名点的点云坐标;
计算每两张相邻影像的同名点对的点云坐标差值,若点云坐标差值小于预设阈值,则剔除所述同名点对。
第三方面,本发明实施例提供了一种电子设备,包括处理器、存储器、通信接口和通信总线;其中,所述处理器、存储器、通信接口通过所述通信总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面实施例提供的基于摄影测量技术的冗余点云自动剔除方法。
第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机程序,该计算机程序被处理器执行时实现以执行第一方面实施例提供的基于摄影测量技术的冗余点云自动剔除方法。
本发明实施例提供的基于摄影测量技术的冗余点云自动剔除方法,在对动态物体拍摄并建模过程中,将影像点云中静态环境对应的点云进行自动剔除。由于动态物体对应的点云一直处于变化状态,而静态环境对应的点云值是不变的,因此本发明通过预设算法,查找点云坐标值相近的同名点对作为静态环境对应的点云,并自动剔除。本发明既能精准剔除冗余点云数据,又能满足后期动态物体建模的要求,不仅提高了动态物体建模的效率,而且提高了模型的精度。
本发明实施例提供的基于摄影测量技术的冗余点云自动剔除方法和系统,与现有技术相比,具有以下有益效果:
1、本发明可以根据外方位元素自动剔除冗余点云,减少人工干预,既能满足点云建模需求,又提高了建模效率;
2、相对于现有技术人工对冗余点云进行手动剔除的方式,本发明在对动态物体拍摄并建模时,实现对影像点云中静态环境对应点云的自动剔除。进而提升模型精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于摄影测量技术的冗余点云自动剔除方法流程示意图;
图2为本发明实施例提供的获取动态物体序列影像的示意图;
图3为本发明实施例提供的空三匹配得到影像外方位元素的流程示意图;
图4为本发明实施例提供的空三匹配得到的影像点云示意图;
图5为本发明实施例提供的动态物体的点云数据示意图;
图6为本发明实施例提供的基于摄影测量技术的冗余点云自动剔除系统结构示意图;
图7为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
目前,基于摄影测量的动态物体的建模方式主要包括全自动建模和半自动建模。全自动建模方法基于摄影测量技术,可直接对所拍摄影像进行自动空三匹配,构网建模,建模效率较高,但是由于冗余数据太多,导致数据量太大,耗时长,且影响了模型的精度。半自动建模方法是在全自动建模的基础上,利用人工,将空三匹配得到的冗余点云进行人工剔除后,再进行构网建模及全自动纹理贴图。相对于全自动建模,此方法可以大幅减少冗余数据量,提高模型精度,但人为操作繁琐,所以相对于全自动建模模式耗时更长,效率低。
因此,本发明实施例提供一种基于摄影测量技术的冗余点云自动剔除方法,可以根据外方位元素自动剔除冗余点云,减少人工干预,既能满足点云建模需求,又提高了建模效率。相对于现有技术人工对冗余点云进行手动剔除的方式,本发明在对动态物体拍摄并建模时,实现对影像点云中静态环境对应点云的自动剔除。进而提升模型精度。以下将结合附图通过多个实施例进行展开说明和介绍。
图1为本发明实施例提供的基于摄影测量技术的冗余点云自动剔除方法流程示意图,如图1所示,本发明实施例提供的基于摄影测量技术的冗余点云自动剔除方法包括但不限于以下步骤:
S1,获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素。
具体地,首先获取动态物体的序列影像,图2为本发明实施例提供的获取动态物体序列影像的示意图。参照图2,本实施例将旋转状态的转盘上放置的物体作为动态物体,拍摄动态物体的视频数据,然后对动态物体视频数据进行截帧处理,获得具有重叠度的序列影像。
图3为本发明实施例提供的空三匹配得到影像外方位元素的流程示意图,参照图3,在得到动态物体的序列影像后,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素。其中,空三匹配是在空中三角测量时,为了确定相邻影像之间的同名连接点作为平差条件而进行的同名点匹配。外方位元素是表示摄影中心和像片在地面坐标系中的位置和姿态的参数,一张像片的外方位元素包括六个参数,其中有三个是直线元素,用于描述摄影中心的空间坐标值;另外三个是角元素,用于表达像片面的空间姿态。
进一步地,在利用摄影测量技术进行空三匹配之后,本发明根据空三匹配结果,获得相邻影像的立体像对,根据立体像对进行解算生成相邻影像的点云。由于动态物体的序列影像中,每相邻的两张影像具有一定的重叠度,并且有基线,形成了立体像对,再通过解算就得到了相邻影像有重叠部分的点云。
S2,基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
图4为本发明实施例提供的空三匹配得到的影像点云示意图,利用空三匹配得到每相邻两张影像的点云后,在没有剔除静态环境对应的点云的情况下,得到的影像点云如图4所示,由于静态背景点云的干扰,得不出完整动态物体的点云数据。因此,需要对影像点云中静态环境对应的点云进行剔除。
在步骤S2中,首先根据每张影像的外方位元素,获得相邻影像的立体像对同名点的点云坐标。此处的同名点即同名像点,是立体像对重叠范围内,左右像片上同一物点所构成的像。立体像对的两个同名点形成同名点对。然后,计算每两张相邻影像的同名点对的点云坐标差值,若点云坐标差值小于预设阈值,则剔除所述同名点对。
本实施例中,由于图2中拍摄的对象是动态物体,周边的环境为静态环境,在进行空三匹配时动态物体对应的点云一直处于变化状态,而静态环境对应的点云值是不变的,因此本实施例基于每张影像的外方位元素预先设计了算法,执行该算法能够自动查找点云坐标值相近的同名点对并剔除,进而实现对影像点云中静态环境对应的点云进行自动识别,并将静态环境对应的冗余点云进行自动剔除,冗余点云剔除后,得到了动态物体的点云,如图5所示,图5为本发明实施例提供的动态物体的点云数据示意图。
本发明实施例提供的基于摄影测量技术的冗余点云自动剔除方法,与现有技术相比,具有以下有益效果:
1、本发明可以根据外方位元素自动剔除冗余点云,减少人工干预,既能满足点云建模需求,又提高了建模效率;
2、相对于现有技术人工对冗余点云进行手动剔除的方式,本发明在对动态物体拍摄并建模时,实现对影像点云中静态环境对应点云的自动剔除。进而提升模型精度。
基于上述实施例的内容,步骤S2中,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。其中,预设算法可以包括以下计算机程序:
for(auto&cur_match:map_PutativesMatches)
{
std::shared_ptr<features::Regions>ret1=regions_provider->get(cur_match.first.first);
std::shared_ptr<features::Regions>ret2=regions_provider->get(cur_match.first.second);
for(int i=0;i<cur_match.second.size();i++)
{
IndMatch&v=cur_match.second[i];
openMVG::Vec2 p1=ret1->GetRegionPosition(v.i_);
openMVG::Vec2 p2=ret2->GetRegionPosition(v.j_);
double dx=p1.x()-p2.x();
double dy=p1.y()-p2.y();
if(dx*dx+dy*dy<min_distance*min_distance)
{
std::vector<matching::IndMatch>::iterator it=cur_match.second.begin()+i;
cur_match.second.erase(it);
i--;
}
}
}
在一个实施例中,图6为本发明实施例提供的基于摄影测量技术的冗余点云自动剔除系统结构示意图,本发明实施例提供的基于摄影测量技术的冗余点云自动剔除系统用于执行上述方法实施例中的基于摄影测量技术的冗余点云自动剔除方法。如图6所示,该系统包括:
空三匹配模块601,用于获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;
点云剔除模块602,用于基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
其中,所述点云剔除模块具体用于:根据每张影像的外方位元素,获得相邻影像的立体像对同名点的点云坐标;计算每两张相邻影像的同名点对的点云坐标差值,若点云坐标差值小于预设阈值,则剔除所述同名点对。
具体的如何利用空三匹配模块601和点云剔除模块602进行冗余点云的自动剔除,可以参照前述的方法实施例,本发明实施例在此不再赘述。
在一个实施例中,本发明实施例提供了本发明实施例提供了一种电子设备,如图7所示,该电子设备可以包括:处理器(processor)701、通信接口(CommunicationsInterface)702、存储器(memory)703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信。处理器701可以调用存储器703中的逻辑指令,以执行上述各实施例提供的基于摄影测量技术的冗余点云自动剔除方法的步骤,例如包括:S1,获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;S2,基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
在一个实施例中,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于摄影测量技术的冗余点云自动剔除方法的步骤,例如包括:S1,获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;S2,基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
综上所述,本发明实施例提供了一种基于摄影测量技术的冗余点云自动剔除方法及系统,在对动态物体拍摄并建模过程中,将影像点云中静态环境对应的点云进行自动剔除。由于动态物体对应的点云一直处于变化状态,而静态环境对应的点云值是不变的,因此本发明通过预设算法,查找点云坐标值相近的同名点对作为静态环境对应的点云,并自动剔除。本发明既能精准剔除冗余点云数据,又能满足后期动态物体建模的要求,不仅提高了动态物体建模的效率,而且提高了模型的精度。
本发明的各实施方式可以任意进行组合,以实现不同的技术效果。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于摄影测量技术的冗余点云自动剔除方法,其特征在于,包括:
S1,获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;
S2,基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
2.根据权利要求1所述的基于摄影测量技术的冗余点云自动剔除方法,其特征在于,步骤S1中,获取动态物体的序列影像数据,包括:
拍摄动态物体的视频数据;
对所述视频数据进行截帧处理,获得具有重叠度的序列影像。
3.根据权利要求1所述的基于摄影测量技术的冗余点云自动剔除方法,其特征在于,在利用摄影测量技术进行空三匹配之后,所述方法还包括:
根据空三匹配结果,获得相邻影像的立体像对,根据立体像对进行解算生成相邻影像的点云。
4.根据权利要求1所述的基于摄影测量技术的冗余点云自动剔除方法,其特征在于,步骤S2中,所述基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除,具体包括:
根据每张影像的外方位元素,获得相邻影像的立体像对同名点的点云坐标;
计算每两张相邻影像的同名点对的点云坐标差值,若点云坐标差值小于预设阈值,则剔除所述同名点对。
5.一种基于摄影测量技术的冗余点云自动剔除系统,其特征在于,包括:
空三匹配模块,用于获取动态物体的序列影像,利用摄影测量技术进行空三匹配,得到每张影像的外方位元素;
点云剔除模块,用于基于每张影像的外方位元素,通过预设算法识别影像点云中静态环境对应的点云,并自动剔除。
6.根据权利要求5所述的基于摄影测量技术的冗余点云自动剔除装置,其特征在于,所述点云剔除模块具体用于:
根据每张影像的外方位元素,获得相邻影像的立体像对同名点的点云坐标;
计算每两张相邻影像的同名点对的点云坐标差值,若点云坐标差值小于预设阈值,则剔除所述同名点对。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述基于摄影测量技术的冗余点云自动剔除方法的步骤。
8.一种非暂态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至4任一项所述基于摄影测量技术的冗余点云自动剔除方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110121593.7A CN112950679A (zh) | 2021-01-28 | 2021-01-28 | 基于摄影测量技术的冗余点云自动剔除方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110121593.7A CN112950679A (zh) | 2021-01-28 | 2021-01-28 | 基于摄影测量技术的冗余点云自动剔除方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950679A true CN112950679A (zh) | 2021-06-11 |
Family
ID=76239024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110121593.7A Pending CN112950679A (zh) | 2021-01-28 | 2021-01-28 | 基于摄影测量技术的冗余点云自动剔除方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950679A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100209013A1 (en) * | 2009-02-13 | 2010-08-19 | Harris Corporation | Registration of 3d point cloud data to 2d electro-optical image data |
CN106033614A (zh) * | 2015-03-20 | 2016-10-19 | 南京理工大学 | 一种强视差下的移动相机运动目标检测方法 |
CN106887043A (zh) * | 2017-03-08 | 2017-06-23 | 景致三维(江苏)股份有限公司 | 三维建模外点去除的方法、装置及三维建模的方法 |
CN110136259A (zh) * | 2019-05-24 | 2019-08-16 | 唐山工业职业技术学院 | 一种基于倾斜摄影辅助bim和gis的三维建模技术 |
CN110264567A (zh) * | 2019-06-19 | 2019-09-20 | 南京邮电大学 | 一种基于标记点的实时三维建模方法 |
CN110956647A (zh) * | 2019-11-02 | 2020-04-03 | 上海交通大学 | 基于行为动线模型的视频中对象行为动态追踪系统及方法 |
-
2021
- 2021-01-28 CN CN202110121593.7A patent/CN112950679A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100209013A1 (en) * | 2009-02-13 | 2010-08-19 | Harris Corporation | Registration of 3d point cloud data to 2d electro-optical image data |
CN106033614A (zh) * | 2015-03-20 | 2016-10-19 | 南京理工大学 | 一种强视差下的移动相机运动目标检测方法 |
CN106887043A (zh) * | 2017-03-08 | 2017-06-23 | 景致三维(江苏)股份有限公司 | 三维建模外点去除的方法、装置及三维建模的方法 |
CN110136259A (zh) * | 2019-05-24 | 2019-08-16 | 唐山工业职业技术学院 | 一种基于倾斜摄影辅助bim和gis的三维建模技术 |
CN110264567A (zh) * | 2019-06-19 | 2019-09-20 | 南京邮电大学 | 一种基于标记点的实时三维建模方法 |
CN110956647A (zh) * | 2019-11-02 | 2020-04-03 | 上海交通大学 | 基于行为动线模型的视频中对象行为动态追踪系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363858B (zh) | 一种三维人脸重建方法及系统 | |
CN110135455B (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
US20190236807A1 (en) | Method and device for determining external parameter of stereoscopic camera | |
US20230252664A1 (en) | Image Registration Method and Apparatus, Electronic Apparatus, and Storage Medium | |
CN110458772B (zh) | 一种基于图像处理的点云滤波方法、装置和存储介质 | |
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN110189400B (zh) | 一种三维重建方法、三维重建系统、移动终端及存储装置 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN109658497B (zh) | 一种三维模型重建方法及装置 | |
CN113362247A (zh) | 一种激光融合多目相机的语义实景三维重建方法及系统 | |
CN106952247B (zh) | 一种双摄像头终端及其图像处理方法和系统 | |
CN113192179A (zh) | 一种基于双目立体视觉的三维重建方法 | |
CN115329111B (zh) | 一种基于点云与影像匹配的影像特征库构建方法及系统 | |
KR101593316B1 (ko) | 스테레오 카메라를 이용한 3차원 모델 재구성 방법 및 장치 | |
US20230015214A1 (en) | Planar contour recognition method and apparatus, computer device, and storage medium | |
CN114067051A (zh) | 三维重建处理方法、装置、电子设备以及存储介质 | |
CN110458952A (zh) | 一种基于三目视觉的三维重建方法和装置 | |
CN111179428B (zh) | 一种基于锁定平面的地物制作方法和装置 | |
CN112150518A (zh) | 一种基于注意力机制的图像立体匹配方法及双目设备 | |
CN117274605B (zh) | 一种从无人机拍摄的照片中提取水域轮廓的方法及装置 | |
CN114581331A (zh) | 一种适用于多种场景的点云降噪方法及装置 | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN111179210A (zh) | 一种人脸的纹理贴图生成方法、系统及电子设备 | |
CN112950679A (zh) | 基于摄影测量技术的冗余点云自动剔除方法和系统 | |
CN112991525B (zh) | 像方和物方混合匹配基元的数字表面模型生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |