CN113570666B - 任务分配方法、装置、服务器及计算机可读存储介质 - Google Patents
任务分配方法、装置、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113570666B CN113570666B CN202111125905.8A CN202111125905A CN113570666B CN 113570666 B CN113570666 B CN 113570666B CN 202111125905 A CN202111125905 A CN 202111125905A CN 113570666 B CN113570666 B CN 113570666B
- Authority
- CN
- China
- Prior art keywords
- point
- target
- determining
- task
- unmanned aerial
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种任务分配方法、装置、服务器及计算机可读存储介质,包括:获取目标对象的点云数据;根据所述点云数据确定所述目标对象的表面特征;基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角;根据所述目标点对应的姿态角得到任务视点,并基于所述任务视点为无人机分配所述目标对象对应的图像采集任务。本发明可以有效缓解无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,从而改善重建精度和重建效率。
Description
技术领域
本发明涉及无人机技术领域,尤其是涉及一种任务分配方法、装置、服务器及计算机可读存储介质。
背景技术
户外城市环境的重建和映射对于各种应用至关重要,近年来,无人机越来越多用于大规模的空中三维扫描和重建。目前,若为无人机分配采集场景图像的任务,则在无人机采集场景图像时通常需要由专业的无人机操控人员手动操控,然而无人机的飞行时间有限,导致无人机操控人员没有充足的时间思考无人机采集每张图像的拍摄视角,而且由于此过程主要依赖于定性的人工感知,将致使图像质量不均匀且图像采集效率较低,从而影响了重建精度和重建效率。
发明内容
有鉴于此,本发明的目的在于提供一种任务分配方法、装置、服务器及计算机可读存储介质,可以有效缓解无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,从而改善重建精度和重建效率。
第一方面,本发明实施例提供了一种任务分配方法,包括:获取目标对象的点云数据;根据所述点云数据确定所述目标对象的表面特征;基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角;根据所述目标点对应的姿态角得到任务视点,并基于所述任务视点为无人机分配所述目标对象对应的图像采集任务。
在一种实施方式中,所述根据所述点云数据确定所述目标对象的表面特征的步骤,包括:获取目标建模精度值,并基于所述目标建模精度值对所述点云数据进行体素化处理得到体素数据;基于所述体素数据确定所述目标对象的表面特征;其中,所述表面特征用于体现所述目标对象的轮廓信息。
在一种实施方式中,所述基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角的步骤,包括:基于所述表面特征确定至少一个局部截面线,并将每个所述局部截面线所包含的点均确定为目标点;对于每个所述局部截面线,确定该局部截面线内每个所述目标点对应的相切圆;根据每个所述目标点对应的相切圆的相切类型确定每个所述目标点对应的姿态角;其中,所述相切类型包括内切类型和/或外接类型,所述姿态角包括偏航角和/或俯仰角。
在一种实施方式中,所述确定该局部截面线内每个所述目标点对应的相切圆的步骤,包括:对于该局部截面线内每个所述目标点,确定该目标点对应的邻域点集,以及确定所述邻域点集内每个邻域点对应的法线;确定每个所述邻域点对应的法线之间的交点得到交点集;基于所述交点集内每个交点的点坐标计算所述交点集的平均坐标,将所述平均坐标确定为该目标点对应的相切圆的圆心;计算所述圆心与该目标点之间的距离值,将所述距离值确定为该目标点对应的相切圆的半径。
在一种实施方式中,在所述根据每个所述目标点对应的相切圆的相切类型确定每个所述目标点对应的姿态角的步骤之前,所述方法还包括:根据所述点云数据的质心、所述相切圆的圆心和该目标点,确定该目标点对应的相切圆的相切类型。
在一种实施方式中,所述无人机搭载有图像采集设备;所述根据所述目标点对应的姿态角得到任务视点的步骤,包括:根据所述目标建模精度和所述图像采集设备的设备参数确定图像重叠率;基于所述图像重叠率对所述目标点进行筛选,并将筛选后的目标点对应的姿态角和点坐标确定为任务视点。
在一种实施方式中,所述无人机的数量为多个;所述基于所述任务视点为无人机分配所述目标对象对应的图像采集任务的步骤,包括:从所述任务视点中分别确定每个所述无人机对应的视点集合;对于每个所述无人机,基于该无人机对应的视点集合规划该无人机的任务路径,以使该无人机基于该任务路径执行图形采集任务。
第二方面,本发明实施例还提供一种任务分配装置,包括:数据获取模块,用于获取目标对象的点云数据;特征确定模块,用于根据所述点云数据确定所述目标对象的表面特征;姿态角计算模块,用于基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角;任务分配模块,用于根据所述目标点对应的姿态角得到任务视点,并基于所述任务视点为无人机分配所述目标对象对应的图像采集任务。
第三方面,本发明实施例还提供一种服务器,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。
本发明实施例提供的一种任务分配方法、装置、服务器及计算机可读存储介质,首先获取目标对象的点云数据,然后根据点云数据确定目标对象的表面特征,并基于表面特征计算点云数据中至少一个目标点对应的姿态角,从而根据目标点对应的姿态角得到任务视点,进而基于任务视点为无人机分配目标对象对应的图像采集任务。上述方法可以基于目标对象的表面特征确定点云数据中目标点对应的姿态角,并进一步确定得到任务视点,本发明实施例可以定量、自动地生成任务视点,根据该任务视点为无人机分配任务,可以使无人机按照该任务视点采集到更能体现目标对象特征的图像,有效缓解了无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,进而改善重建精度和重建效率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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方式,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一种任务分配方法的流程示意图;
图2为本发明实施例提供的一种局部截面线的示意图;
图3为本发明实施例提供的一种任务分配装置的结构示意图;
图4为本发明实施例提供的一种服务器的结构示意图。
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,下面将结合实施例对本发明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做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。
目前,在建模工作中获得的图像大多依赖于定性的人工感知,导致图像质量不均匀且图像采集效率较低,进而影响了重建精度和重建效率,基于此,本发明实施提供了一种任务分配方法、装置、服务器及计算机可读存储介质,可以有效缓解无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,从而改善重建精度和重建效率。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种任务分配方法进行详细介绍,参见图1所示的一种任务分配方法的流程示意图,该方法主要包括以下步骤S102至步骤S108:
步骤S102,获取目标对象的点云数据。其中,目标对象可以为待重建的建筑、场景或物体等。在一种实施方式中,可以控制无人机采集目标对象的点云数据,示例性的,可以基于无人机搭建球形扫描系统,利用该球形扫描系统采集目标对像的点云数据。
步骤S104,根据点云数据确定目标对象的表面特征。其中,表面特征用于体现目标对象的轮廓信息,在一种实施方式中,可以对点云数据进行体素化处理得到相应的体素数据,从而可以基于体素数据确定出目标对象的轮廓。另外,还可以基于建模精度调整体素数据的尺寸,其中,建模精度与体素数据的尺寸成负相关,即建模精度越高,体素数据的尺寸也小,得到的表面特征也越接近目标对象的真实轮廓。
步骤S106,基于表面特征计算点云数据中至少一个目标点对应的姿态角。其中,姿态角可以包括偏航角和/或俯仰角。在一种实施方式中,可以基于表面特征确定局部截面线,局部截面线所包含的点即为目标点,局部截面线可理解为目标对象的一段分轮廓线,局部截面线至少包括水平截面线和垂直截面线。在具体实现时,可以基于水平截面线内的目标点确定出水平方向上的偏航角,还可以基于垂直截面线内的目标点确定出垂直方向上的俯仰角。
步骤S108,根据目标点对应的姿态角得到任务视点,并基于任务视点为无人机分配目标对象对应的图像采集任务。其中,任务视点包括姿态角和点坐标,图像采集任务包括至少一个任务视点和任务路径,无人机可按照任务路径移动,以及按照任务视点调整拍摄角度并拍摄目标对象的图像,图像可用于目标对象的重建。在一种实施方式中,无人机的数量为多个,每个无人机均搭载有诸如摄像头等图像采集设备,可以基于图像采集设备的设备参数(包括焦距、传感器尺寸等)对目标点进一步筛选,将筛选后的目标点对应的姿态角和点坐标作为任务视点,为每个无人机分配至少一个任务视点,再基于每个无人机对应的任务视点为其规划任务路径,即可得到每个无人机的图像采集任务。
本发明实施例提供的上述任务分配方法,可以基于目标对象的表面特征确定点云数据中目标点对应的姿态角,并进一步确定得到任务视点,本发明实施例可以定量、自动地生成任务视点,根据该任务视点为无人机分配任务,可以使无人机按照该任务视点采集到更能体现目标对象特征的图像,有效缓解了无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,进而改善重建精度和重建效率。
对于前述步骤S102,本发明实施例提供了一种获取目标对象的点云数据的实施方式,可以预先构建球形扫描系统(简称,扫描球),该扫描球包括无人机、四对双目摄像机和位于无人机底部的建模数据采集摄像头,扫描球的最佳传感范围为50cm至6m。其中,四对双目摄像机可以包括84K的广角镜头,具有220°视野;建模数据采集摄像头为索尼6000万像素的平移/倾斜相机,该摄像头的透镜焦距为35毫米,用于收集无人机周围环境的图像。本发明实施例可以基于透镜焦距定义捕获图像的分辨率,以及扫描球与周围几何场景之间的距离,从而量化每一帧图像的分辨率。通过上述扫描球对目标对象进行扫描可以得到亚像素级精度的深度图,并将其映射到无人机周围的球形空间,结合TSDF(truncated signeddistance function,截断函数)算法可以实时生成周围环境的点云数据和/或三维体素图。在实际应用中,扫描球不仅能在周围360°环境中实时生成三维体素模型,还可具备避障功能,从而为后续任务路径的规划奠定基础。
为便于对上述步骤S104进行理解,本发明实施例还提供了一种根据点云数据确定目标对象的表面特征的实施方式:
(一)获取目标建模精度值,并基于目标建模精度值对点云数据进行体素化处理得到体素数据。其中,体素化可以理解为将目标对象所在空间划分为网格。在实际应用中,目标建模精度与体素数据的尺寸成负相关,因此在对点云数据进行体素化处理之前,可以根据目标建模精度调整体素化参数,从而基于该体素化参数对点云数据进行体素化处理,以得到所需尺寸的体素数据。在另一种实施方式中,由于上述扫描球可以实时生成相应的三维体素数据,因此可以直接基于目标建模精度对该三维体素数据的尺寸进行调整,从而避免重复操作。
(二)基于体素数据确定目标对象的表面特征,其中,表面特征用于体现目标对象的轮廓信息,体素是体积元素的简称,包含体素的立体可以通过立体渲染或者提取给定阈值轮廓的多边形等值面表现出来,因此可在体素数据的基础上确定出目标对象的轮廓信息。
本发明实施例还提供了一种基于表面特征计算点云数据中至少一个目标点对应的姿态角的实施方式,参见如下步骤1至步骤4:
步骤1,基于表面特征确定至少一个局部截面线,并将每个局部截面线所包含的点均确定为目标点。在一种实施方式中,可以基于目标对象的轮廓信息分别得到目标对象的水平截面线和垂直截面线,截面线上所包含的点均可以确定为目标点。以水平截面线为例,可以将其切割为多个局部截面线,其中,目标建模精度与局部截面线的数量呈正相关。为便于理解,参见图2所示的一种局部截面线的示意图,其中,点云数据表示为B,点云数据的质心表示为A,目标点表示为P,局部截面线以目标点集T表示。
步骤2,对于每个局部截面线,确定该局部截面线内每个目标点对应的相切圆。其中,相切圆的类型可以包括内切类型和/或外接类型。请继续参见图2,相切圆的圆心表示为O,(a)中所示的相切圆为内切类型(即内切圆),(b)中所示的相切圆为外接类型(即外接圆)。在确定该局部截面线内每个目标点对应的相切圆时,可以参见如下步骤2.1至步骤2.4:
步骤2.1,对于该局部截面线内每个目标点,确定该目标点对应的邻域点集,以及确定邻域点集内每个邻域点对应的法线。在一种可选的实施方式中,可以预先确定邻域参数,将目标点邻域范围内的点确定为邻域点,即可得到邻域点集。示例性的,以目标点P为例,确定目标点P的邻域点集内邻域点对应的法线的过程如下所示:
(1)确定局部截面线T上目标点P的法线方向,其中,局部截面线T表达式如下所示:
(2)邻域点表示为TPi,每个邻域点的法线方向表示为NPi:
(3)对于K个邻域点TPi,利用最小二乘法拟合处该邻域点TPi对应的直线l,直线l即为该邻域点TPi的法线ni:
步骤2.2,确定每个邻域点对应的法线之间的交点得到交点集。可以理解的,对于K条法线“n1,…,ni,…,nk”,将每条法线延长,则任意两个邻域点对应的法线之间可能存在交点,将所有交点的集合确定为上述交点集,交点集D表示如下:
步骤2.3,基于交点集内每个交点的点坐标计算交点集的平均坐标,将平均坐标确定为该目标点对应的相切圆的圆心。在一种实施方式中,可以计算出每个交点的坐标值(即,上述点坐标),通过对坐标值进行平均处理即可得到圆心,圆心O表达式如下所示:
步骤2.4,计算圆心与该目标点之间的距离值,将距离值确定为该目标点对应的相切圆的半径。在一种实施方式中,半径r等于圆心O与目标点P之间的距离值。
步骤3,根据点云数据的质心、相切圆的圆心和该目标点,确定该目标点对应的相切圆的相切类型。请继续参见图2,分别计算质心与圆心之间的距离AO,和质心与目标点之间的距离AP,如果AO<AP则确定相切圆为内切圆(如(a)所示),如果AO>AP则确定相切圆为外接圆(如(b)所示)。
步骤4,根据每个目标点对应的相切圆的相切类型确定每个目标点对应的姿态角。在一种实施方式中,当相切圆为内切圆时,偏航角yaw计算公式如下所示:
其中,(Ox,Oy)为圆心坐标,(Px,Py)为目标点坐标。当相切圆为外接圆时,偏航角yaw计算公式如下所示:
应当注意的是,上述方法均以水平截面线为例,因此计算可计算得到偏航角。在另一种实施方式中,在垂直截面线的基础上按照上述步骤1至步骤4进行计算,即可计算得到俯仰角。因俯仰角与偏航角计算过程相似,因此本发明实施例对计算俯仰角的过程不再赘述。
在一种实施方式中,可按照如下步骤a至步骤d执行根据目标点对应的姿态角得到任务视点,并基于任务视点为无人机分配目标对象对应的图像采集任务的步骤:
步骤a,根据目标建模精度和图像采集设备的设备参数确定图像重叠率。其中,设备参数可以包括焦距和传感器尺寸等,图像重叠率用于表征无人机采集的相邻两张图像之间的重复程度,可包括横向重叠率和纵向重叠率。通过调整图像采集设备的视场角,在拍摄图像时可以控制相邻两张图像之间的图像重叠率,该视场角即为拍摄方向,拍摄方向通常定义为上述偏航角和俯仰角。
步骤b,基于所述图像重叠率对目标点进行筛选,并将筛选后的目标点对应的姿态角和点坐标确定为任务视点。在一种实施方式中,图像重叠率与最终点(也即,上述筛选后的目标点)的数量呈正相关,例如,当图像重叠率为50% 时,则可以从目标点中筛选出50%的目标点,并将筛选后的目标点对应的姿态角和点坐标确定为任务视点。
步骤c,从任务视点中分别确定每个无人机对应的视点集合。其中,视点集合包括至少一个任务视点。在一种实施方式中,可以基于OMT(object modeling technique,对象建模技术)算法,并考虑无人机的飞行距离和耐力对无人机对应的任务视点进行分配。通过最小化成本函数可以确定出多个无人机并行运行效率和协调控制的分配策略,以此确定出每个无人机对应的视点集合。
步骤d,对于每个无人机,基于该无人机对应的视点集合规划该无人机的任务路径,以使该无人机基于该任务路径执行图形采集任务。在一种实施方式中,在确定每个无人机对应的视点集合后,可以基于TSP(total suspended particulate,总悬浮微粒)算法为每个无人机规划任务路径,使无人机在基于该任务路径执行图像采集任务时,每个任务视点仅经过一次,从而有效节省无人机采集图像的路径成本。
另外,本发明实施例还可以对无人机采集图像的采样时间进行设置,诸如,将无人机设置为等间隔采样,采样时间具体可基于实际需求进行设置,本发明实施例对此不进行限制。
综上所述,从光场理论来看,当相机尽可能多地面对物体的表面并沿着法线方向拍摄时,获得的纹理和表面特征是最好的,因此本发明实施例可以得到更能体现物体特征的图像,相较于现有技术中依赖于定性的人工感知获取的图像,本发明实施例具有定量表示自动生成最佳视点的特点,通过定量标准,可以有效缓解无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,进而改善重建精度和重建效率。
对于前述实施例提供的任务分配方法,本发明实施例还提供了一种任务分配装置,参见图3所示的一种任务分配装置的结构示意图,该装置主要包括以下部分:
数据获取模块302,用于获取目标对象的点云数据;
特征确定模块304,用于根据点云数据确定目标对象的表面特征;
姿态角计算模块306,用于基于表面特征计算点云数据中至少一个目标点对应的姿态角;
任务分配模块308,用于根据目标点对应的姿态角得到任务视点,并基于任务视点为无人机分配目标对象对应的图像采集任务。
本发明实施例提供的上述任务分配装置,可以基于目标对象的表面特征确定点云数据中目标点对应的姿态角,并进一步确定得到任务视点,本发明实施例可以定量、自动地生成任务视点,根据该任务视点为无人机分配任务,可以使无人机按照该任务视点采集到更能体现目标对象特征的图像,有效缓解了无人机采集的图像存在质量不一的问题,而且可以有效提高图像采集的效率,进而改善重建精度和重建效率。
在一种实施方式中,特征确定模块304还用于:获取目标建模精度值,并基于目标建模精度值对点云数据进行体素化处理得到体素数据;基于体素数据确定目标对象的表面特征;其中,表面特征用于体现目标对象的轮廓信息。
在一种实施方式中,姿态角计算模块306还用于:基于表面特征确定至少一个局部截面线,并将每个局部截面线所包含的点均确定为目标点;对于每个局部截面线,确定该局部截面线内每个目标点对应的相切圆;根据每个目标点对应的相切圆的相切类型确定每个目标点对应的姿态角;其中,相切类型包括内切类型和/或外接类型,姿态角包括偏航角和/或俯仰角。
在一种实施方式中,姿态角计算模块306还用于:对于该局部截面线内每个目标点,确定该目标点对应的邻域点集,以及确定邻域点集内每个邻域点对应的法线;确定每个邻域点对应的法线之间的交点得到交点集;基于交点集内每个交点的点坐标计算交点集的平均坐标,将平均坐标确定为该目标点对应的相切圆的圆心;计算圆心与该目标点之间的距离值,将距离值确定为该目标点对应的相切圆的半径。
在一种实施方式中,姿态角计算模块306还用于:根据点云数据的质心、相切圆的圆心和该目标点,确定该目标点对应的相切圆的相切类型。
在一种实施方式中,无人机搭载有图像采集设备;任务分配模块308还用于:根据目标建模精度和图像采集设备的设备参数确定图像重叠率;基于所述图像重叠率对所述目标点进行筛选,并将筛选后的目标点对应的姿态角和点坐标确定为任务视点。
在一种实施方式中,无人机的数量为多个;任务分配模块308还用于:从任务视点中分别确定每个无人机对应的视点集合;对于每个无人机,基于该无人机对应的视点集合规划该无人机的任务路径,以使该无人机基于该任务路径执行图形采集任务。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种服务器,具体的,该服务器包括处理器和存储器;存储器上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法 。
图4为本发明实施例提供的一种服务器的结构示意图,该服务器100包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种任务分配方法,其特征在于,包括:
获取目标对象的点云数据;
根据所述点云数据确定所述目标对象的表面特征;
基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角;
根据所述目标点对应的姿态角得到任务视点,并基于所述任务视点为无人机分配所述目标对象对应的图像采集任务;
所述基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角的步骤,包括:基于所述表面特征确定至少一个局部截面线,并将每个所述局部截面线所包含的点均确定为目标点;对于每个所述局部截面线,确定该局部截面线内每个所述目标点对应的相切圆;根据每个所述目标点对应的相切圆的相切类型确定每个所述目标点对应的姿态角;其中,所述相切类型包括内切类型和/或外接类型,所述姿态角包括偏航角和/或俯仰角。
2.根据权利要求1所述的方法,其特征在于,所述根据所述点云数据确定所述目标对象的表面特征的步骤,包括:
获取目标建模精度值,并基于所述目标建模精度值对所述点云数据进行体素化处理得到体素数据;
基于所述体素数据确定所述目标对象的表面特征;其中,所述表面特征用于体现所述目标对象的轮廓信息。
3.根据权利要求1所述的方法,其特征在于,所述确定该局部截面线内每个所述目标点对应的相切圆的步骤,包括:
对于该局部截面线内每个所述目标点,确定该目标点对应的邻域点集,以及确定所述邻域点集内每个邻域点对应的法线;
确定每个所述邻域点对应的法线之间的交点得到交点集;
基于所述交点集内每个交点的点坐标计算所述交点集的平均坐标,将所述平均坐标确定为该目标点对应的相切圆的圆心;
计算所述圆心与该目标点之间的距离值,将所述距离值确定为该目标点对应的相切圆的半径。
4.根据权利要求3所述的方法,其特征在于,在所述根据每个所述目标点对应的相切圆的相切类型确定每个所述目标点对应的姿态角的步骤之前,所述方法还包括:
根据所述点云数据的质心、所述相切圆的圆心和该目标点,确定该目标点对应的相切圆的相切类型。
5.根据权利要求2所述的方法,其特征在于,所述无人机搭载有图像采集设备;
所述根据所述目标点对应的姿态角得到任务视点的步骤,包括:
根据所述目标建模精度和所述图像采集设备的设备参数确定图像重叠率;
基于所述图像重叠率对所述目标点进行筛选,并将筛选后的目标点对应的姿态角和点坐标确定为任务视点。
6.根据权利要求1所述的方法,其特征在于,所述无人机的数量为多个;
所述基于所述任务视点为无人机分配所述目标对象对应的图像采集任务的步骤,包括:
从所述任务视点中分别确定每个所述无人机对应的视点集合;
对于每个所述无人机,基于该无人机对应的视点集合规划该无人机的任务路径,以使该无人机基于该任务路径执行图形采集任务。
7.一种任务分配装置,其特征在于,包括:
数据获取模块,用于获取目标对象的点云数据;
特征确定模块,用于根据所述点云数据确定所述目标对象的表面特征;
姿态角计算模块,用于基于所述表面特征计算所述点云数据中至少一个目标点对应的姿态角;
任务分配模块,用于根据所述目标点对应的姿态角得到任务视点,并基于所述任务视点为无人机分配所述目标对象对应的图像采集任务;
所述姿态角计算模块还用于:基于所述表面特征确定至少一个局部截面线,并将每个所述局部截面线所包含的点均确定为目标点;对于每个所述局部截面线,确定该局部截面线内每个所述目标点对应的相切圆;根据每个所述目标点对应的相切圆的相切类型确定每个所述目标点对应的姿态角;其中,所述相切类型包括内切类型和/或外接类型,所述姿态角包括偏航角和/或俯仰角。
8.一种服务器,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111125905.8A CN113570666B (zh) | 2021-09-26 | 2021-09-26 | 任务分配方法、装置、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111125905.8A CN113570666B (zh) | 2021-09-26 | 2021-09-26 | 任务分配方法、装置、服务器及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570666A CN113570666A (zh) | 2021-10-29 |
CN113570666B true CN113570666B (zh) | 2021-12-21 |
Family
ID=78174580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111125905.8A Active CN113570666B (zh) | 2021-09-26 | 2021-09-26 | 任务分配方法、装置、服务器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570666B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113945217B (zh) * | 2021-12-15 | 2022-04-12 | 天津云圣智能科技有限责任公司 | 航线规划方法、装置、服务器及计算机可读存储介质 |
CN116433853B (zh) * | 2023-06-15 | 2023-11-17 | 深圳大学 | 一种基于实景模型的航测航点生成方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833253A (zh) * | 2017-09-22 | 2018-03-23 | 北京航空航天大学青岛研究院 | 一种面向rgbd三维重建纹理生成的相机姿态优化方法 |
CN109413319A (zh) * | 2018-12-20 | 2019-03-01 | 北京伊神华虹系统工程技术有限公司 | 一种全感知物联网联动摄像机 |
CN109447371A (zh) * | 2018-11-12 | 2019-03-08 | 北京中飞艾维航空科技有限公司 | 巡检路径规划方法、装置、电子设备及可读存储介质 |
CN109791706A (zh) * | 2016-10-13 | 2019-05-21 | 索尼公司 | 图像处理装置和图像处理方法 |
CN111783552A (zh) * | 2020-06-09 | 2020-10-16 | 当家移动绿色互联网技术集团有限公司 | 实景三维模型单体化方法、装置、存储介质及电子设备 |
CN111805518A (zh) * | 2020-07-31 | 2020-10-23 | 重庆工商大学 | 一种并联机构工作空间截面边界搜寻方法 |
CN112733428A (zh) * | 2020-12-17 | 2021-04-30 | 上海理工大学 | 一种光学测量的扫描姿态与覆盖路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276801B (zh) * | 2019-06-24 | 2021-09-28 | 达闼机器人有限公司 | 一种物体定位方法、装置及存储介质 |
-
2021
- 2021-09-26 CN CN202111125905.8A patent/CN113570666B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109791706A (zh) * | 2016-10-13 | 2019-05-21 | 索尼公司 | 图像处理装置和图像处理方法 |
CN107833253A (zh) * | 2017-09-22 | 2018-03-23 | 北京航空航天大学青岛研究院 | 一种面向rgbd三维重建纹理生成的相机姿态优化方法 |
CN109447371A (zh) * | 2018-11-12 | 2019-03-08 | 北京中飞艾维航空科技有限公司 | 巡检路径规划方法、装置、电子设备及可读存储介质 |
CN109413319A (zh) * | 2018-12-20 | 2019-03-01 | 北京伊神华虹系统工程技术有限公司 | 一种全感知物联网联动摄像机 |
CN111783552A (zh) * | 2020-06-09 | 2020-10-16 | 当家移动绿色互联网技术集团有限公司 | 实景三维模型单体化方法、装置、存储介质及电子设备 |
CN111805518A (zh) * | 2020-07-31 | 2020-10-23 | 重庆工商大学 | 一种并联机构工作空间截面边界搜寻方法 |
CN112733428A (zh) * | 2020-12-17 | 2021-04-30 | 上海理工大学 | 一种光学测量的扫描姿态与覆盖路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113570666A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109737874B (zh) | 基于三维视觉技术的物体尺寸测量方法及装置 | |
US11514644B2 (en) | Automated roof surface measurement from combined aerial LiDAR data and imagery | |
CN107179768B (zh) | 一种障碍物识别方法及装置 | |
CN112132972B (zh) | 一种激光与图像数据融合的三维重建方法及系统 | |
CN113570666B (zh) | 任务分配方法、装置、服务器及计算机可读存储介质 | |
WO2022016310A1 (zh) | 基于点云数据的三维重建方法、装置和计算机设备 | |
CN110349092B (zh) | 一种点云滤波方法及设备 | |
CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN109035423B (zh) | 一种房屋的虚拟三维模型的楼层分割方法及装置 | |
CN115082699B (zh) | 一种轮廓形状提取方法、装置、电子设备及存储介质 | |
CN114332134A (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
CN115421509B (zh) | 一种无人机飞行拍摄规划方法、装置及存储介质 | |
CN112329789A (zh) | 点云的提取方法、装置、计算机设备和存储介质 | |
CN113744408A (zh) | 网格生成方法、装置及存储介质 | |
CN114092663B (zh) | 面向城市信息模型建筑三维重建方法、装置、设备及介质 | |
CN116503566B (zh) | 一种三维建模方法、装置、电子设备及存储介质 | |
CN116438581A (zh) | 三维点群高密度化装置、三维点群高密度化方法及程序 | |
CN110148086B (zh) | 稀疏深度图的深度补齐方法、装置及三维重建方法、装置 | |
CN114627206A (zh) | 网格绘制方法、装置、电子设备及计算机可读存储介质 | |
CN114758087B (zh) | 一种城市信息模型的构建方法及装置 | |
CN113762310B (zh) | 一种点云数据分类方法、装置、计算机存储介质及系统 | |
CN112802175B (zh) | 大规模场景遮挡剔除方法、装置、设备及存储介质 | |
CN113205590A (zh) | 基于倾斜摄影原理的室内三维建模方法及系统 | |
CN107146286B (zh) | 基于影像边缘特征的三维模型自动调整方法 | |
CN115861561B (zh) | 一种基于语义约束的等高线生成方法和装置 |
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 |