CN113643382B - 一种基于旋转激光融合相机的稠密着色点云获取方法及装置 - Google Patents

一种基于旋转激光融合相机的稠密着色点云获取方法及装置 Download PDF

Info

Publication number
CN113643382B
CN113643382B CN202110964419.9A CN202110964419A CN113643382B CN 113643382 B CN113643382 B CN 113643382B CN 202110964419 A CN202110964419 A CN 202110964419A CN 113643382 B CN113643382 B CN 113643382B
Authority
CN
China
Prior art keywords
point cloud
camera
dimensional laser
acquisition
steering engine
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
CN202110964419.9A
Other languages
English (en)
Other versions
CN113643382A (zh
Inventor
王越
张群康
李彰
朱性利
汪曼
熊蓉
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110964419.9A priority Critical patent/CN113643382B/zh
Publication of CN113643382A publication Critical patent/CN113643382A/zh
Application granted granted Critical
Publication of CN113643382B publication Critical patent/CN113643382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于旋转激光融合相机的稠密着色点云获取方法及装置，装置包括舵机、通过舵机驱动旋转的支架、设置于支架上的二维激光雷达，所述的舵机通过驱动旋转支架转动带动二维激光雷达旋转；所述的二维激光雷达用于旋转激光采集，将二维激光雷达扫描平面进行360度旋转，以提高获取点云的稠密程度。本发明增加了舵机，为二维激光雷达提高了点云采集的自由度，同时舵机的转速可以采集不同稠密程度的点云，本发明将二维激光的扫描平面与舵机转轴平行放置，使采集得到的激光点云从二维提高至三维，增加了RGB相机，在获取点云数据的同时可以获取场景中的RGB信息，为点云着色以及可视化应用提供可能。

Description

一种基于旋转激光融合相机的稠密着色点云获取方法及装置
技术领域
本发明涉及点云获取技术，具体地说，是一种基于旋转激光融合相机的稠密着色点云获取方法及装置。
背景技术
近年来，随着虚拟现实(VR)和增强现实(AR)技术的发展，使得日常生活中对场景的重建有了更高的需求。在虚拟会议、虚拟看房、古迹复原和室内导航等应用中，都离不开对三维场景的重建。因此，高效的获取场景的三维稠密着色点云具有广阔的应用前景。目前主流的获取场景点云的方式一般有深度相机、多线激光雷达或者静态激光扫描仪，但前两者在检测距离和稠密程度上很难有很好的均衡：深度相机虽然稠密，但视角和有效测量距离较小，难以进行大场景的高效采集；多线激光雷达虽然具有360度的扫描角度以及较远的测量距离，但是点云相对来说较为稀疏且无法获得点云的颜色，在可视化功能导向的三维重建中，无法重建出复杂的几何结构。静态激光扫描仪则成本昂贵，无法大范围应用。
发明内容
为了解决现在点云获取装置存在的上述问题，本发明目的设计一套结合了旋转二维激光雷达和RGB相机的完整装置系统，用于获取稠密的着色点云在于能高效获取稠密场景着色点云的装置及方法。
本发明是通过以下技术方案来实现的：
本发明公开了一种基于旋转二维激光融合相机的稠密点云获取装置，装置包括舵机、通过舵机驱动旋转的支架、设置于支架上的二维激光雷达，所述的舵机通过驱动旋转支架转动带动二维激光雷达旋转；所述的二维激光雷达用于旋转激光采集，将二维激光雷达扫描平面进行360度旋转，以提高获取点云的稠密程度。
本发明还包括至少一个以上的RGB相机，位于二维激光雷达周边，用于获取场景的RGB信息。为了避免相机与二维激光雷达之间的时间同步误差，本发明使用多个RGB相机固定组成全景视角，获取场景的RGB信息，并非通过舵机带动相机旋转获取全景视角。通过特定的外参变换后将采集的三维点云重新投影回各个相机坐标系中，获得对应像素的图像色彩信息，获得具有RGB信息的稠密三维点云。
作为进一步地改进，本发明所述的二维激光雷达的采集平面与舵机转轴平行。
作为进一步地改进，本发明所述的RGB相机分别标号为1、2、…，将1号相机认为是主相机，用于后续与其他传感器坐标系之间的坐标变换。相机的数量并非固定，可以根据实际需求灵活调整。同时，由于不同型号相机的视场角存在差异，因此也会在数量需求上存在差异。完成上述步骤后，整体系统搭建完成，通过相关传感器进行数据采集并后处理。在数据采集的过程中会保持整体装置的静止，以提高对环境细节的感知能力。
本发明还公开了一种基于旋转二维激光融合相机的稠密点云获取装置的获取方法，装置的数据采集步骤：1)点云采集、2)图像采集、3)点云着色。
作为进一步地改进，本发明所述的步骤1)之前，对本装置中涉及的传感器参数进行定义，相机的内部参数矩阵：相机畸变系数：k1、k2、k3，相机的外部变换矩阵：/>ci和cj分别代表相机的序号，/>代表了从ci相机坐标系到cj相机坐标系的坐标变换矩阵。由于二维激光雷达会在舵机的作用下不断转动，因此二维激光雷达的坐标系会随着舵机进行转动而不固定，常规舵机可以获得角度位置读数，为了固定激光雷达坐标系，将0度处的二维激光雷达坐标系定义为点云坐标系。所有采集获得的激光点云，可以通过舵机角度读数θ转换到点云坐标系进行拼接；同样，可以通过标定获得主相机和点云坐标系之间的外部变换矩阵/>这样，可以将所有的传感器使用统一的坐标系。
作为进一步地改进，本发明所述的步骤1)点云采集，包括旋转激光采集和点云拼接两步，所述的选择激光采集具体为：计算机通过二维激光雷达采集了原始的激光扫描点云，采集二维激光点云数据时，计算机除了记录激光点云，还会记录舵机每一次时刻的角度读数θ；所述的点云拼接具体为：对原始数据进行处理：利用激光舵机外参结合舵机角度进行了点云拼接，将多帧二维激光扫描拼接获得三维点云，每个角度θ对应一个变换矩阵对于每一帧激光点云，通过该变换矩阵将点云从当前激光坐标系转换到点云坐标系进行拼接Pl＝TθPθ，其中Pl代表点云坐标系下的点云，Pθ代表当前时刻获取的点云。
作为进一步地改进，本发明所述的步骤2)图像采集包括采用相机采集图像和图像去畸变两步，所述的图像采集包括计算机通过相机采集了相机RGB图像，所述的图像去畸变包括利用了相机内参畸变系数对所获的图像进行校准，以去除镜头畸变造成的影响。
作为进一步地改进，本发明所述的图像去畸变过程中，校准时，对图像像素上的任意一点[u，v]，r为该点到坐标系原点[u0，v0]之间的距离，k1、k2、k3为上文提到的畸变系数，校准后的像素坐标为：
udistorted＝u(1+k1r2+k2r4+k3r6)
vdistorted＝v(1+k1r2+k2r4+k3r6)。
作为进一步地改进，本发明所述的步骤3)点云着色具体步骤为：首先将所有的点云转换到主相机坐标系然后使用相机间的外部参数将所其分别转换到各个相机坐标系/>最后通过相机内部参数矩阵K，将相机坐标系ci下的点云投影到像素平面/>其中Zci表示该点的深度值(z坐标值)，该像素点的 RGB值即对应点云的色彩信息，将所有在图像范围内的点进行颜色提取并去除所有未着色点云，获得最终的稠密着色三维点云，完成数据采集。
本发明的核心思路在于以下三点：1.如何获得更为稠密的几何点云；2.将获得的点云进行准确的色彩着色；3.稳定高效便捷的采集过程。相比于现有的点云采集装置，本发明的有益效果在于：
1.本发明增加了舵机，为二维激光雷达提高了点云采集的自由度，同时舵机的转速可以采集不同稠密程度的点云。
2.本发明将二维激光的扫描平面与舵机转轴平行放置，使采集得到的激光点云从二维提高至三维。
3.本发明增加了RGB相机，在获取点云数据的同时可以获取场景中的RGB信息，为点云着色以及可视化应用提供可能。
4.本发明结合了激光雷达与RGB相机，获取了RGB稠密点云，相比于传统的激光雷达，具有更佳的可视化效果以及更丰富的场景信息。
5.本发明在数据采集过程中采用静止不动设定，避免了二维激光、相机和舵机之间由于时间同步导致的误差，提高了数据采集的精度。
附图说明
图1是本发明的旋转二维激光雷达模块结构示意图；
图2是本发明的整体装置示意图；
图3是本发明的整体流程框图；
图中，101是二维激光雷达，102是舵机，201是RGB相机，103 是二维激光雷达的旋转轴，104是二维激光雷达的激光平面。
具体实施方式
下面通过具体实施例对本发明的技术方案作进一步地说明：
本发明公开了一种基于旋转二维激光融合相机的稠密点云获取装置，图1是本发明的旋转二维激光雷达模块结构示意图；图2是本发明的整体装置示意图；装置包括一个舵机102、通过舵机102驱动旋转的L型支架、设置于L型支架上的二维激光雷达101，舵机102通过驱动旋转L型支架转动带动二维激光雷达101旋转，二维激光雷达101用于旋转激光采集，还包括4个广角的RGB相机201，位于二维激光雷达101周边，用于获取场景的RGB信息。二维激光雷达的激光平面104与二维激光雷达的旋转轴103平行，二维激光雷达的旋转轴103即为舵机102的旋转轴；RGB相机201分别标号为1、2、…，将1号相机认为是主相机，用于后续与其他传感器坐标系之间的坐标变换。选用多个RGB相机201的目的为在保证拍摄质量的情况下获得全景视角。将二维激光雷达与舵机102连接，将二维激光雷达扫描平面进行360度旋转，以提高获取点云的稠密程度。由于二维激光雷达会在舵机102的作用下不断转动，因此二维激光雷达的坐标系会随着舵机102进行转动而不固定，常规舵机102可以获得角度位置读数，为了固定激光雷达坐标系，将0度处的二维激光雷达坐标系定义为点云坐标系。所有采集获得的激光点云，可以通过舵机102角度读数θ转换到点云坐标系进行拼接。
对于二维激光雷达和舵机102来说，由于舵机102可旋转，因此激光与舵机102之间的刚性关系为舵机102旋转轴于激光坐标系原点的关系。为了获得更准确的测量结果，需要在使用装置之前对装置中的传感器参数进行标定，包括RGB相机201的内部参数K，相机之间的外部参数主相机与点云坐标系的外部参数/>对本装置中涉及的传感器参数进行定义，相机的内部参数矩阵：/>相机畸变系数：k1、k2、k3，相机的外部变换矩阵：/>ci和cj分别代表相机的序号，/>代表了从ci相机坐标系到cj相机坐标系的坐标变换矩阵。
同样，可以通过标定获得主相机和点云坐标系之间的外部变换矩阵这样，可以将所有的传感器使用统一的坐标系；数据采集在整套装置完全静止的情况下进行，避免二维激光、相机和舵机102由于时间同步误差导致的畸变和误差。
本发明还公开了一种基于旋转二维激光融合相机的稠密点云获取装置的获取方法，装置的数据采集步骤：1)点云采集、2)图像采集、3)点云着色。
在标定完外参后进行数据采集。使用本装置进行数据采集时，需将本装置与计算机进行连接，所有的数据处理都将在计算机中进行。图3是本发明的整体流程框图：
1)点云采集：包括旋转激光采集和点云拼接两步，所述的选择激光采集具体为：计算机通过二维激光雷达101采集了原始的激光扫描点云，采集二维激光点云数据时，计算机除了记录激光点云，还会记录舵机102每一次时刻的角度读数θ；所述的点云拼接具体为：对原始数据进行处理：利用激光舵机102外参结合舵机102角度进行了点云拼接，将多帧二维激光扫描拼接获得三维点云，每个角度θ对应一个变换矩阵对于每一帧激光点云，通过该变换矩阵将点云从当前激光坐标系转换到点云坐标系进行拼接Pl＝TθPθ，其中Pl代表点云坐标系下的点云，Pθ代表当前时刻获取的点云。
2)图像采集：包括采用相机采集图像和图像去畸变两步，图像采集包括计算机通过相机采集了相机RGB图像，图像去畸变包括利用了相机内参畸变系数对所获的图像进行校准，以去除镜头畸变造成的影响，利用了相机内参畸变系数对所获的图像进行校准，以去除镜头畸变造成的影响。畸变校准时，对图像像素上的任意一点[u，v]，r为该点到坐标系原点[u0，v0]之间的距离，k1、k2、k3为上文提到的畸变系数，校准后的像素坐标为：
udistorted＝u(1+k1r2+k2r4+k3r6)
vdistorted＝v(1+k1r2+k2r4+k3r6)。
3)点云着色：完成上述步骤后，对整体点云进行着色，该过程首先将所有的点云转换到主相机坐标系然后使用相机间的外部参数将所其分别转换到各个相机坐标系/>最后通过相机内部参数矩阵K，将相机坐标系ci下的点云投影到像素平面/>其中Zci表示该点的深度值(z坐标值)，该像素点的RGB值即对应点云的色彩信息。将所有在图像范围内的点进行颜色提取并去除所有未着色点云，获得最终的稠密着色三维点云，完成数据采集。
以上例举的仅是本发明的优选实施方式，本发明并不限于以上实施例，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围内。

Claims (3)

1.一种基于旋转二维激光融合相机的稠密点云获取装置的获取方法，其特征在于，所述的装置包括舵机(102)、通过舵机(102)驱动旋转的支架、设置于支架上的二维激光雷达(101)，所述的舵机(102)通过驱动旋转支架转动带动二维激光雷达(101)旋转；所述的二维激光雷达(101)用于旋转激光采集；还包括至少一个以上的RGB相机(201)，位于二维激光雷达(101)周边，用于获取场景的RGB信息；所述的二维激光雷达的激光平面(104)与二维激光雷达的旋转轴(103)平行；所述的RGB相机(201)分别标号为1、2、…，将1号相机认为是主相机，用于后续与其他传感器坐标系之间的坐标变换；
所述的装置的数据采集步骤：
1)点云采集：步骤1)点云采集，包括旋转激光采集和点云拼接两步，所述的旋转激光采集具体为：计算机通过二维激光雷达(101)采集了原始的激光扫描点云，采集二维激光点云数据时，计算机除了记录激光点云，还会记录舵机(102)每一次时刻的角度读数θ；所述的点云拼接具体为：对原始数据进行处理：利用激光舵机(102)外参结合舵机(102)角度进行了点云拼接，将多帧二维激光扫描拼接获得三维点云，每个角度θ对应一个变换矩阵对于每一帧激光点云，通过该变换矩阵将点云从当前激光坐标系转换到点云坐标系进行拼接Pl＝TθPθ,其中Pl代表点云坐标系下的点云，Pθ代表当前时刻获取的点云；
2)图像采集：所述的步骤2)图像采集包括采用相机采集图像和图像去畸变两步，所述的采用相机采集图像包括计算机通过相机采集了相机RGB图像，所述的图像去畸变包括利用了相机内参畸变系数对所获的图像进行校准，以去除镜头畸变造成的影响；
3)点云着色：所述的步骤3)点云着色具体步骤为：首先将所有的点云转换到主相机坐标系然后使用相机间的外部参数将所其分别转换到各个相机坐标系最后通过相机内部参数矩阵K，将相机坐标系ci下的点云投影到像素平面其中Zci表示像素点的深度值的z坐标值，该像素点的RGB值即对应点云的色彩信息，将所有在图像范围内的点进行颜色提取并去除所有未着色点云，获得最终的稠密着色三维点云，完成数据采集。
2.根据权利要求1所述的基于旋转二维激光融合相机的稠密点云获取装置的获取方法，其特征在于，所述的步骤1)之前，对本装置中涉及的传感器参数进行定义，相机的内部参数矩阵：相机畸变系数：k1、k2、k3，相机的外部变换矩阵：/>ci和cj分别代表相机的序号，/>代表了从ci相机坐标系到cj相机坐标系的坐标变换矩阵。
3.根据权利要求1所述的基于旋转二维激光融合相机的稠密点云获取装置的获取方法，其特征在于，所述的图像去畸变过程中，校准时，对图像像素上的任意一点[u,v],r为该点到坐标系原点[u0,v0]之间的距离,k1、k2、k3为上文提到的畸变系数，校准后的像素坐标为：
udistorted＝u(1+k1r2+k2r4+k3r6)
vdistorted＝v(1+k1r2+k2r4+k3r6)。
CN202110964419.9A 2021-08-22 2021-08-22 一种基于旋转激光融合相机的稠密着色点云获取方法及装置 Active CN113643382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110964419.9A CN113643382B (zh) 2021-08-22 2021-08-22 一种基于旋转激光融合相机的稠密着色点云获取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110964419.9A CN113643382B (zh) 2021-08-22 2021-08-22 一种基于旋转激光融合相机的稠密着色点云获取方法及装置

Publications (2)

Publication Number Publication Date
CN113643382A CN113643382A (zh) 2021-11-12
CN113643382B true CN113643382B (zh) 2023-10-10

Family

ID=78423302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110964419.9A Active CN113643382B (zh) 2021-08-22 2021-08-22 一种基于旋转激光融合相机的稠密着色点云获取方法及装置

Country Status (1)

Country Link
CN (1) CN113643382B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114630096B (zh) * 2022-01-05 2023-10-27 深圳技术大学 Tof相机点云的稠密化方法、装置、设备及可读存储介质
CN114594489A (zh) * 2022-02-16 2022-06-07 北京天玛智控科技股份有限公司 一种矿用三维彩色点云重建系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105928457A (zh) * 2016-06-21 2016-09-07 大连理工大学 一种全向三维激光彩色扫描系统及其方法
CN109341689A (zh) * 2018-09-12 2019-02-15 北京工业大学 基于深度学习的移动机器人视觉导航方法
CN111366908A (zh) * 2020-04-22 2020-07-03 北京国电富通科技发展有限责任公司 一种激光雷达转台及其测量装置和测量方法
CN111505606A (zh) * 2020-04-14 2020-08-07 武汉大学 多相机与激光雷达系统相对位姿检校方法及装置
WO2020233443A1 (zh) * 2019-05-21 2020-11-26 菜鸟智能物流控股有限公司 一种激光雷达与相机之间的标定方法和装置
CN112034484A (zh) * 2020-09-02 2020-12-04 亿嘉和科技股份有限公司 一种基于半球形激光雷达的建模系统及其方法
CN112304307A (zh) * 2020-09-15 2021-02-02 浙江大华技术股份有限公司 一种基于多传感器融合的定位方法、装置和存储介质
CN112384891A (zh) * 2018-05-01 2021-02-19 联邦科学与工业研究组织 用于点云着色的方法和系统
CN113075683A (zh) * 2021-03-05 2021-07-06 上海交通大学 一种环境三维重构方法、装置及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105928457A (zh) * 2016-06-21 2016-09-07 大连理工大学 一种全向三维激光彩色扫描系统及其方法
CN112384891A (zh) * 2018-05-01 2021-02-19 联邦科学与工业研究组织 用于点云着色的方法和系统
CN109341689A (zh) * 2018-09-12 2019-02-15 北京工业大学 基于深度学习的移动机器人视觉导航方法
WO2020233443A1 (zh) * 2019-05-21 2020-11-26 菜鸟智能物流控股有限公司 一种激光雷达与相机之间的标定方法和装置
CN111505606A (zh) * 2020-04-14 2020-08-07 武汉大学 多相机与激光雷达系统相对位姿检校方法及装置
CN111366908A (zh) * 2020-04-22 2020-07-03 北京国电富通科技发展有限责任公司 一种激光雷达转台及其测量装置和测量方法
CN112034484A (zh) * 2020-09-02 2020-12-04 亿嘉和科技股份有限公司 一种基于半球形激光雷达的建模系统及其方法
CN112304307A (zh) * 2020-09-15 2021-02-02 浙江大华技术股份有限公司 一种基于多传感器融合的定位方法、装置和存储介质
CN113075683A (zh) * 2021-03-05 2021-07-06 上海交通大学 一种环境三维重构方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴胜浩 ; 钟若飞 ; .基于移动平台的激光点云与数字影像融合方法.首都师范大学学报(自然科学版).2011,第32卷(第4期),第57-61页. *
杨雪飞 等.海量变电站点云实时渲染方法.《科技与创新》.2021,(第7期),第1-5页. *

Also Published As

Publication number Publication date
CN113643382A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN113643382B (zh) 一种基于旋转激光融合相机的稠密着色点云获取方法及装置
CN108507462B (zh) 一种全息干涉四轴测量设备旋转轴的标定方法
CN101276465B (zh) 广角图像自动拼接方法
CN109919911B (zh) 基于多视角光度立体的移动三维重建方法
CN107424118A (zh) 基于改进径向畸变校正的球状全景拼接方法
CN107680156B (zh) 基于偏振信息的三维重建方法
CN107431803A (zh) 全景虚拟现实内容的捕捉和渲染
CN106548477A (zh) 一种基于立体标定靶的多路鱼眼相机标定装置及方法
CN107358577B (zh) 一种立方体全景图的快速拼接方法
CN108648147A (zh) 一种人眼视网膜机理的超分辨率图像获取方法及系统
CN111461963B (zh) 一种鱼眼图像拼接方法及装置
CN110425983B (zh) 一种基于偏振多光谱的单目视觉三维重建测距方法
CN110322485A (zh) 一种异构多相机成像系统的快速图像配准方法
CN113362228A (zh) 基于改进畸变校正和标记拼接的环视图像拼接方法及系统
CN206460515U (zh) 一种基于立体标定靶的多路鱼眼相机标定装置
CN113793270A (zh) 一种基于无人机姿态信息的航拍图像几何校正方法
CN112991533A (zh) 基于激光三角法的旋转水下物体三维重建方法
CN115937288A (zh) 一种变电站三维场景模型构建方法
CN109788270B (zh) 3d-360度全景图像生成方法及装置
EP4242609A1 (en) Temperature measurement method, apparatus, and system, storage medium, and program product
CN115294313A (zh) 基于3d-2d多模态融合的密集真彩点云数据采集方法及装置
CN111273439A (zh) 一种全场景三维光学扫描系统及优化方法
CN115661970B (zh) 一种基于图像识别技术的风电设备巡检系统
CN116381712A (zh) 一种基于线阵相机与地面激光雷达组合装置的测量方法
CN114332383B (zh) 一种基于全景视频的场景三维建模方法及装置

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