CN113066160B - 一种室内移动机器人场景数据的生成方法 - Google Patents
一种室内移动机器人场景数据的生成方法 Download PDFInfo
- Publication number
- CN113066160B CN113066160B CN202110265070.XA CN202110265070A CN113066160B CN 113066160 B CN113066160 B CN 113066160B CN 202110265070 A CN202110265070 A CN 202110265070A CN 113066160 B CN113066160 B CN 113066160B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- scene
- data
- model
- map
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种室内移动机器人场景数据的生成方法,通过提取场景模型点云数据,并依据八叉树结构建立点云索引以支持场景点云的噪声剔除、模型坐标系调整以及场景对象语义标注,进而基于处理后点云,执行参照面渲染并标注室内场景数据。本发明根据场景规范数据构建通行栅格,并执行全局路径规划生成测试用例路径,从而高效的生成目标仿真任务所需的测试用例,提升室内移动机器人仿真效率。
Description
技术领域
本发明属于室内移动机器人技术领域,具体涉及一种室内移动机器人场景数据的生成方法。
背景技术
随着计算机技术的快速进步,机器人越来越广泛的应用于人类社会生活中的各个行业,室内自主移动机器人作为机器人研究中的一个分支,同样受到了研究人员越来越多的关注。为了保证移动机器人安全性与系统稳定性,如何进行高效以及全面的测试和验证成为了研究中极为重要的一环。
由于室内环境具有的复杂性,对室内移动机器人算法进行全面而详尽的测试会耗费大量的人力、物力成本。考虑不同外部条件,例如光照条件对传感器获取数据造成的干扰,不同室内场景所带来的各异的决策以及一些极端情况下需要室内移动机器人做出的紧急措施,想要做到穷举所有的情景几乎是不可能做到的,因此人们开始将目光转投到虚拟仿真测试之上。得益于近年来图形处理器性能的快速提升,虚拟仿真软件得到了长足的发展,借助于最新的图像渲染技术,仿真平台可以绘制出媲美现实场景的真实图像,并且创造实际场景中无法测试的特殊情景,同时避免人类测试员处于较为危险的测试环境中,为室内移动机器人测试提供了一个可靠的解决方案。
通过虚拟仿真测试来模拟室内移动机器人行为可以高效的测试室内移动机器人相关算法,为了充分测试现实环境中可能出现的诸多情景,需要构建大量的仿真测试场景。传统的场景构建方法往往需要大量的三维模型构建工作,需要耗费大量的人力,通过三维重建方式则能够快速的生成目标场景的三维模型。由于目前传感器以及三维重建算法的局限性,生成的场景模型具有较多噪声,往往无法直接应用于生成目标仿真任务的测试用例;同时目前学界对于如何描述室内场景,如何组织场景数据也未提供一个较为统一的规范。
目前,针对室内场景的场景构建以及用例生成相关方法研究较少。《中国自动驾驶技术白皮书》中提出了基于高精地图的场景生成流程,该流程首先采集外部数据并处理生成所需的场景资源,并通过人工标注创建矢量数据,矢量数据通过一定的路网规范进行组织,并与交通灯、交通标志灯场景要素相结合,生成高精地图,高精地图与已构建好的模型素材库组合最终生成标准三维仿真场景;这一流程主要针对于室外具有路网结构的场景构建,并且依赖于预先构建好的庞大模型库,对人工操作的要求较高。
公开号为CN111797001A的中国专利提出了一种基于SCANeR的自动驾驶仿真测试模型的构建方法,该专利技术介绍了通过SCANeR进行动态场景和静态场景的编辑,同样依赖于以构建的场景模型资源,无法高效的应用于差异较大的室内场景。公开号为CN106021750A的中国专利提出了一种仿真场景及其重建单元的生成方法及生成系统,该专利技术公开了对场景视频信息进行处理,提取静态与动态要素并构建场景的方法,但该方法仅针对于室外车辆场景,同时对于场景内模型数据获取没有提出有效的处理方法。公开号为CN109215092A的中国专利提出了一种对基准场景进行噪声处理,生成海量仿真场景的方法,但该专利技术并不关注基准场景的生成。
发明内容
鉴于上述,本发明提供了一种室内移动机器人场景数据及其测试用例的生成方法,能够降低构建目标仿真测试任务所需测试用例所带来的成本。
一种室内移动机器人场景数据的生成方法,包括如下步骤:
(1)对三维重建得到的室内场景模型进行点云数据提取,并依据八叉树结构建立点云索引以支持点云实时渲染;
(2)调整点云模型坐标系以保证其与仿真世界坐标系对应,并剔除场景内的噪声点云,同时对场景内的对象进行语义标注;
(3)基于上述处理后的点云数据,执行点云参照面的渲染,并标注室内场景规范数据;
(4)基于标注好的场景点云数据,执行场景点云数据的面重构生成场景的三维模型数据,并与相应的材质绑定。
进一步地,所述室内场景规范包括场景基本属性、场景参考原点、场景绝对位置、场景模型数据、场景测试用例、场景地图规范;所述场景测试用例包括测试起始位置与目标位置、测试的路径属性、动态对象代理、事件触发器、特定测试任务的扩展属性;所述场景地图规范包括地图可通行单元属性、障碍物单元属性、地图可通行单元关联属性、地图可通行单元之间开口属性;所述地图可通行单元属性包括几何结构以及行驶代价;所述地图可通行单元关联属性包括临接的两个可通行单元属性、位于相邻边上的可通行单元之间的开口属性;所述地图可通行单元之间开口属性包括开口的单向/双向通行性、通行代价。
进一步地,所述步骤(1)的具体实现过程为:基于室内场景模型的表面点云数据进行下采样计算以构建八叉树的点云索引结构,在此过程中首先基于点云范围计算包围盒数据,并将包围盒空间作为八叉树根节点;随后读取所有点云数据,依次将其填入八叉树结构中,并在索引文件中记录树结构;八叉树节点中包含网格或者嵌套子树的结构,以存储下采样得到的点云数据。
进一步地,所述步骤(1)中基于点云索引结构可支持点云实时渲染,执行点云实时渲染过程中使用LRU(Least Recently Used)内存管理模块对加载的点云节点进行管理,同时基于设定的加载节点数量阈值执行相机视椎体与点云节点的求交计算以及相机位置与节点位置的细节层级计算,得到每一帧需要渲染的点云节点,从而控制整体点云渲染的性能开销。
进一步地,所述步骤(2)中通过旋转、平移在内的齐次操作以调整点云模型坐标系,其变换结果通过一个齐次矩阵表示。
进一步地,所述步骤(2)中剔除场景内的噪声点云即通过具有特定形状的几何选择器或者框选的方式对点云数据进行筛选,由于单帧渲染中的点云并不包含所有点云节点,点云编辑中记录当前选择器状态并在执行点云删除动作时遍历所有的点云节点,删除对应的点云数据。
进一步地,所述步骤(3)中基于构建好的点云索引数据以及给定的下采样参数,从根节点开始遍历特定细节层级以内的点云节点,从而得到场景点云的下采样数据,进而根据齐次变换矩阵,计算出变换后的场景包围盒数据,并得到正视相机的位置与朝向,最后通过正视投影生成标注参照面的渲染;在标注参照面之上,场景地图标注为不同的地图元素提供独立的图层,地图元素的交互与更新仅影响其自身图层的渲染。
进一步地,所述步骤(4)中通过预先构建的材质库为仿真平台提供场景模型相应部分的材质信息,使标注好的场景点云分别执行面重构算法,生成模型贴图以及顶点数据,并基于材质库附加上材质信息,材质库包含模型语义以及相对应的材质信息。
一种室内移动机器人场景测试用例的生成方法,包括如下步骤:
(1)基于已标注的室内地图数据,计算生成场景可通行栅格;
(2)基于场景栅格以及测试用例配置,自动规划移动路径并生成测试用例数据。
进一步地,所述步骤(1)的具体实施过程如下:
1.1依据室内场景地图数据,将场景地图划分为多个栅格,计算其可通行性并设定通行代价;
1.2对场景地图内的单元进行凹多边形拆分,从而得到多个子单元;
1.3通过计算场景地图子单元与栅格的相应位置即对栅格四个顶点进行叉积计算,得到栅格的可通行性;
1.4加权计算栅格所处子单元的通行代价以及周围栅格的通行代价,并将其赋给目标栅格;
1.5依据场景地图可通行单元关联属性以及可通行单元之间的开口属性,计算栅格的额外可通行目标,保证临接的可通行单元之间的连通。
进一步地,所述栅格与周围临接栅格连通,其属性包括几何位置描述、通行代价、额外连通栅格列表。
与现有技术相比,本发明具有以下有益技术效果:
1.本发明针对于室内场景的几何结构,提供了基于室内场景规范的仿真场景数据构建流程,场景构建基于三维重建的室内模型,能够较为高效的生成目标场景数据。
2.本发明基于构建的场景数据,提供了可通行栅格的计算方法,以应用全局路径生成方法,从而更好的支持室内移动机器人全局路径规划的模拟。
附图说明
图1为本发明室内移动机器人仿真场景数据构建方法的流程示意图。
图2为本发明室内移动机器人仿真场景测试用例生成方法的流程示意图。
图3为本发明可通行栅格计算方法的流程示意图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1所示,本发明室内移动机器人仿真场景构建方法包括如下步骤:
(1)首先对室内三维重建所生成的场景模型进行表面点云数据的提取,并为其构建八叉树索引结构。
具体的,基于目标场景模型的表面点云数据,执行下采样计算,构建八叉树的索引结构;在此过程中,首先基于点云范围计算包围盒数据,并将包围盒空间作为八叉树根节点;随后读取所有点云数据,依次将其填入八叉树结构中,并在索引文件中记录树结构。构建的八叉树节点中可以包含网格或者嵌套子树等结构,以存储下采样的点云数据。
(2)基于点云索引结构,可以执行场景点云数据的实时渲染,并执行场景噪声点云数据的剔除、点云模型坐标系的调整以及点云语义的标注。
点云实时渲染中使用LRU内存管理模块对加载的点云节点进行管理,点云渲染中基于设定的加载节点数量阈值,执行相机视椎体与点云节点的求交计算以及相机位置与节点位置的细节层级计算,得到每一帧需要渲染的节点,从而控制整体点云渲染的性能开销。
点云数据剔除通过具有特定形状的几何选择器或者框选等方式对点云数据进行筛选,由于单帧渲染中点云并不包含所有点云节点,点云编辑中记录当前选择器状态Selector,并在执行点云删除动作时遍历所有的点云节点,删除对应的点云数据。
点云模型坐标系的调整包含平移、旋转等齐次操作,其变换结果通过一个齐次矩阵M表示。
(3)基于生成的点云索引数据,可以执行点云参照面的渲染,并标注场景规范数据。
基于构建好的点云索引数据以及给定的下采样参数,可以从根节点开始,遍历特定细节层级以内的点云节点,从而得到场景点云的下采样数据;根据齐次变换矩阵M,计算出变换后的场景Bounding Box,并得到正视相机的位置与朝向,通过正视投影生成标注参照面的渲染。
在标注参照面之上,场景地图标注为不同的地图元素提供独立的图层,地图元素的交互与更新仅影响其自身图层的渲染。
室内场景规范包括但不限于场景基本属性、场景参考原点、场景绝对位置、场景模型数据、场景测试用例、场景地图规范;场景测试用例包括但不限于测试起始位置与目标位置、测试的路径声明、动态对象代理、事件触发器、特定测试任务的扩展属性;场景地图规范包括但不限于场景可通行单元声明、障碍物单元属性、可通行单元关联属性、可通行单元之间开口属性;地图单元属性包括但不限于几何结构以及行驶代价;地图可通行单元关联属性包括但不限于临接的两个可通行单元、位于相邻边上的可通行单元之间开口;可通行单元之间开口属性包括但不限于开口的单向/双向通行性、通行代价。
(4)基于标注好的场景点云数据,执行场景点云数据的面重构生成场景的三维模型数据,并与相应的材质绑定。
预先构建的材质库包含模型语义与相对应的材质数据,标注好的场景点云将分别执行面重构算法,生成模型贴图以及顶点数据,并基于材质库附加上材质信息。
如图2所示,本发明室内移动机器人场景测试用例生成方法包括如下步骤:
(1)首先基于场景点云的Bounding Box以及设定的场景栅格大小计算初始的栅格。栅格大小可依据测试用例的具体需求进行选取,例如生成覆盖式移动用例可以将栅格大小设定为移动机器人工作直径的两倍,生成的路径将通过每个栅格两次,从而实现目标区域的覆盖。
(2)基于以构建的场景单元,可以计算出每个初始栅格的可通行性、通行代价以及额外通行栅格。
对已标注的场景地图单元进行凸多边形的拆分,得到所有地图单元的子单元,基于生成的子单元执行栅格的四个顶点的叉积计算得到其可通行性,加权计算出对应的通行代价,并遍历地图Relation计算出额外通行栅格。
栅格的额外通行栅格属性包含其临接栅格以外的与其处于不同地图单元中并通过地图Relation所关联的栅格,其中包含目标栅格的索引以及跨越不同地图单元的额外通行代价。
(3)基于以构建的场景栅格,可以根据测试任务的目的,执行全局路径规划算法,生成测试用例路径。
该方法对场景中已标注的地图数据进行预先的栅格化处理,将矢量的地图几何形状转化为可计算的栅格。基于点云索引树根节点Bounding Box所代表的场景在X-Y平面上的范围,可以将整个场景划分为栅格,并通过Grid类进行管理。为了便于画布交互事件计算,每个栅格单元GridCell中均包含其网格索引、画布坐标以及实际位置坐标。
在计算栅格单元GridCell数据的过程中,需要确定其所对应的移动代价值cost,栅格计算过程具体流程如图3所示:
(1)将场景对应区域划为栅格并生成GridCell后,首先判断其与地图数据中所有的障碍物对象Obstacle是否均不相交,如果相交或者被包含则将该GridCell的cost置为Infinity,表示该栅格无法通行。在比较过程中为了准确的判断栅格与Obstacle的关系,需要通过向量叉积方法判断Obstacle是否为凹多边形,并将其分割为多个凸多边形以计算相交关系。由于Obstacle是人工标注得到,其包含顶点的数量相对较少,因此在实现中对凹多边形的分割使用Rogers等算法,循环寻找凹点并做射线分割多边形,从而将其转化为多个凸多边形。
(2)与Obstacle的位置关系计算相类似,同样将GridCell与所有的Unit进行比较,判断其4个顶点是否均被Unit所包含,如果包含则加权计算该Unit所标记的cost以及其附近栅格的cost并赋值给GridCell,否则将该GridCell的cost置为Infinity。
(3)此时所有可通行的GridCell均被Unit所包含。由于地图规范通过Relation与Opening提供了不同Unit之间的连通关系,需要依次遍历所有Relation,为相邻Unit边界上的GridCell增加连通关系。
(4)基于Relation中所包含的Opening,可以找到两个Unit所对应的连通GridCell,栅格的大小记为L。首先计算出Opening两个顶点所对应的线段公式,并从其中一个顶点开始,每隔L/2对Opening线段做一切线,计算其与两个Unit相交的最近GridCell,这一GridCell与Opening的距离不超过计算得到所有Opening的相邻栅格后,可以基于Opening所标识的单向/双向连通性,将对侧Unit的相邻栅格加入GridCell中的additionalConnectedCells数组中,同时对这些额外的连通栅格记录上Opening自身的cost,代表穿行Opening所需要的开销。在后续的搜索算法中,这些额外的连通节点仍旧会依据栅格之间的距离计算移动的Cost,因此不会影响最终的计算结果。
(5)遍历所有Relation并更新栅格的额外可连通栅格后,完成栅格计算。
上述的对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (1)
1.一种室内移动机器人场景数据的生成方法,包括如下步骤:
(1)对三维重建得到的室内场景模型进行点云数据提取,并依据八叉树结构建立点云索引以支持点云实时渲染,具体实现过程为:基于室内场景模型的表面点云数据进行下采样计算以构建八叉树的点云索引结构,在此过程中首先基于点云范围计算包围盒数据,并将包围盒空间作为八叉树根节点;随后读取所有点云数据,依次将其填入八叉树结构中,并在索引文件中记录树结构;八叉树节点中包含网格或者嵌套子树的结构,以存储下采样得到的点云数据;
基于点云索引结构可支持点云实时渲染,执行点云实时渲染过程中使用LRU内存管理模块对加载的点云节点进行管理,同时基于设定的加载节点数量阈值执行相机视椎体与点云节点的求交计算以及相机位置与节点位置的细节层级计算,得到每一帧需要渲染的点云节点,从而控制整体点云渲染的性能开销;
(2)通过旋转、平移在内的齐次操作以调整点云模型坐标系,保证其与仿真世界坐标系对应,其变换结果通过一个齐次矩阵表示;
剔除场景内的噪声点云即通过具有特定形状的几何选择器或者框选的方式对点云数据进行筛选,由于单帧渲染中的点云并不包含所有点云节点,点云编辑中记录当前选择器状态并在执行点云删除动作时遍历所有的点云节点,删除对应的点云数据,同时对场景内的对象进行语义标注;
(3)基于上述处理后的点云数据,执行点云参照面的渲染,并标注室内场景地图规范数据,具体地:基于构建好的点云索引数据以及给定的下采样参数,从根节点开始遍历特定细节层级以内的点云节点,从而得到场景点云的下采样数据,进而根据齐次变换矩阵,计算出变换后的场景包围盒数据,并得到正视相机的位置与朝向,最后通过正视投影生成标注参照面的渲染;在标注参照面之上,场景地图标注为不同的地图元素提供独立的图层,地图元素的交互与更新仅影响其自身图层的渲染;
(4)基于标注好的场景点云数据,执行场景点云数据的面重构生成场景的三维模型数据,并与相应的材质绑定,具体地:通过预先构建的材质库为仿真平台提供场景模型相应部分的材质信息,使标注好的场景点云分别执行面重构算法,生成模型贴图以及顶点数据,并基于材质库附加上材质信息,材质库包含模型语义以及相对应的材质信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110265070.XA CN113066160B (zh) | 2021-03-09 | 2021-03-09 | 一种室内移动机器人场景数据的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110265070.XA CN113066160B (zh) | 2021-03-09 | 2021-03-09 | 一种室内移动机器人场景数据的生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113066160A CN113066160A (zh) | 2021-07-02 |
CN113066160B true CN113066160B (zh) | 2023-06-27 |
Family
ID=76560006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110265070.XA Active CN113066160B (zh) | 2021-03-09 | 2021-03-09 | 一种室内移动机器人场景数据的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066160B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779040B (zh) * | 2021-09-29 | 2024-02-13 | 重庆链图信息技术有限公司 | 一种渐进式在线高精地图服务引擎系统 |
CN115269763B (zh) * | 2022-09-28 | 2023-02-10 | 北京智行者科技股份有限公司 | 局部点云地图更新维护方法、装置、移动工具及存储介质 |
CN116137103B (zh) * | 2023-02-20 | 2023-12-08 | 东南大学 | 基于图元学习和深度强化学习的大规模交通灯信号控制方法 |
CN116091708B (zh) * | 2023-04-11 | 2023-08-01 | 深圳朗生整装科技有限公司 | 一种基于大数据的装修建模方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10049297B1 (en) * | 2017-03-20 | 2018-08-14 | Beihang University | Data driven method for transferring indoor scene layout and color style |
CN110910505A (zh) * | 2019-11-29 | 2020-03-24 | 西安建筑科技大学 | 一种场景模型的加速渲染方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7940279B2 (en) * | 2007-03-27 | 2011-05-10 | Utah State University | System and method for rendering of texel imagery |
US20140198097A1 (en) * | 2013-01-16 | 2014-07-17 | Microsoft Corporation | Continuous and dynamic level of detail for efficient point cloud object rendering |
CN105511457B (zh) * | 2014-09-25 | 2019-03-01 | 科沃斯机器人股份有限公司 | 机器人静态路径规划方法 |
CN109271893B (zh) * | 2018-08-30 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 一种仿真点云数据的生成方法、装置、设备及存储介质 |
CN110428388B (zh) * | 2019-07-11 | 2023-08-08 | 创新先进技术有限公司 | 一种图像数据生成方法及装置 |
-
2021
- 2021-03-09 CN CN202110265070.XA patent/CN113066160B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10049297B1 (en) * | 2017-03-20 | 2018-08-14 | Beihang University | Data driven method for transferring indoor scene layout and color style |
CN110910505A (zh) * | 2019-11-29 | 2020-03-24 | 西安建筑科技大学 | 一种场景模型的加速渲染方法 |
Non-Patent Citations (1)
Title |
---|
面向WebGL地理场景的海量点云组织与可视化研究;李佩;邱天;吕志慧;;地理空间信息(第09期);第6+52-55页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113066160A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113066160B (zh) | 一种室内移动机器人场景数据的生成方法 | |
CN109934914B (zh) | 一种嵌入式城市设计场景仿真方法及系统 | |
CN109145366B (zh) | 基于Web3D的建筑信息模型轻量级可视化方法 | |
CN109829022B (zh) | 一种融合监控视频信息的互联网地图服务系统及构建方法 | |
CN108648269B (zh) | 三维建筑物模型的单体化方法和系统 | |
CN108520557B (zh) | 一种图形图像融合的海量建筑绘制方法 | |
KR101546703B1 (ko) | 대용량 건물 bim데이터의 시각화 시스템 | |
CN108919944A (zh) | 一种基于数字城市模型实现在显示端进行数据无损交互的虚拟漫游方法 | |
KR101546705B1 (ko) | Bim데이터 처리단말 장치의 건물내부 bim데이터 가시화 방법 | |
KR100915209B1 (ko) | 엑스엠엘 기반의 입체 건물 입면 및 내부 자동 모델링 및내비게이션 시스템 및 그 방법 | |
CN111402414A (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
CN105389850A (zh) | 一种大规模三维场景的新型可见性生成方法 | |
CN115797568A (zh) | 一种基于三维gis与bim集成的建模方法及装置 | |
CN114565742A (zh) | 小天体表面动态模拟与着陆视景仿真系统及方法 | |
CN116012843A (zh) | 一种虚拟场景数据标注生成方法及系统 | |
CN111659123A (zh) | 导航数据的处理方法及装置、存储介质、电子设备 | |
Zhang et al. | Virtual reality design and realization of interactive garden landscape | |
CN114820975A (zh) | 基于全要素参数符号化的三维场景仿真重构系统及方法 | |
Borisov et al. | An automated process of creating 3D city model for monitoring urban infrastructures | |
Vierling et al. | Dataset generation using a simulated world | |
Leng et al. | A data integration and simplification framework for improving site planning and building design | |
CN113409449A (zh) | 一种基于三维场景数据生成机器人仿真场景的方法、装置和存储介质 | |
CN114676299A (zh) | 一种古典园林知识图谱3d可视化展示方法及系统 | |
Veselý | Building massing generation using GAN trained on Dutch 3D city models | |
CN116958478B (zh) | 城市建筑模型程序化生成方法、装置、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 |