CN115546266B - 基于局部法向相关的多条带机载激光点云配准方法 - Google Patents
基于局部法向相关的多条带机载激光点云配准方法 Download PDFInfo
- Publication number
- CN115546266B CN115546266B CN202211478866.4A CN202211478866A CN115546266B CN 115546266 B CN115546266 B CN 115546266B CN 202211478866 A CN202211478866 A CN 202211478866A CN 115546266 B CN115546266 B CN 115546266B
- Authority
- CN
- China
- Prior art keywords
- points
- point cloud
- point
- strip
- grid
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
Abstract
本发明公开了一种基于局部法向相关的多条带机载激光点云配准方法,包括如下过程:获取多条带机载激光点云,根据所有激光脚点的平面坐标获取对应的矩形范围,并对矩形范围进行格网划分,计算格网点的高程值,形成数字表面模型;在数字表面模型中,计算每个格网点的局部单位法向量及平整度,并赋予颜色值,得到点云法向图;对得到的所有点云法向图,从参考图上选取特征点,在目标图中搜索匹配点,进行匹配点粗差剔除后,得到多条带点云连接点;根据得到的多条带点云连接点,进行多条带点云无基准几何变换纠正,实现多条带点云数据的精确配准。实现了机载激光点云条带的全自动配准,无需人工干预,有效避免了野外控制点测量所带来的成本与时间损耗。
Description
技术领域
本发明涉及雷达测绘技术领域,尤其涉及一种基于局部法向相关的多条带机载激光点云配准方法。
背景技术
随着软硬件设备的发展,机载激光雷达测量已经成为一种不可或缺的测绘遥感数据采集方式。得益于激光雷达的主动式扫描方式,其获取得到的点云数据不受天气、日照的影响,并且具有一定的穿透性,可以获得植被覆盖区域的地面点坐标,这也是其相较于传统摄影测量的优势所在。因此,近年来机载激光雷达测量技术在国土测绘、工程勘察设计、城市三维建模、地物信息提取等领域得到了广泛的应用。在工程实践中,受限于激光雷达扫描角有限,往往需要多个点云条带才能覆盖测区范围,然而由于扫描仪安置角误差、GNSS定位误差等因素影响,各点云条带间通常存在一定的几何偏差,这将影响后续多条带点云联合应用的精度质量。因此,多条带机载激光点云应用的前提是实现它们之间的几何对齐,即实现精确配准。在传统点云处理过程中,需要人工测量控制点进行点云数据几何纠正与配准,工作量大,作业效率低。如何实现多条带机载激光点云的高精度快速自动配准,仍是一个难点。
综上所述,本发明提出了一种基于局部法向相关的多条带机载激光点云配准方法,解决上述问题。
发明内容
因此,本发明的目的在于提供一种基于局部法向相关的多条带机载激光点云配准方法,利用机载激光点云数据生成数字表面模型及法向图,然后利用局部法向的相关性,实现点云图连接点的匹配,最后进行顾及质心变化的多条带点云无基准几何变换进行纠正,从而实现多条带点云数据的精确配准。
为了实现上述目的,本发明的一种基于局部法向相关的多条带机载激光点云配准方法,包括以下步骤:
S1、获取多条带机载激光点云,根据所有激光脚点的平面坐标获取对应的矩形范围,并对所述矩形范围进行格网划分,计算格网点的高程值,形成数字表面模型;
S2、在所述数字表面模型中,计算每个格网点的局部单位法向量及平整度,当任意一个格网点的平整度超过预设阈值时,为该格网点相应的单位法向量映射至RGB彩色空间并为该格网点赋予颜色值,得到点云法向图;
S3、对得到的所有点云法向图,判断相互之间是否存在重叠范围,对存在重叠范围的点云法向图,以其中一个为目标图、另一个为参考图,从参考图上选取特征点,在目标图中搜索匹配点,并采用七参数变换模型进行RANSAC匹配点粗差剔除后,得到多条带点云连接点;
S4、根据得到的多条带点云连接点,以七参数变换模型变换前后连接点三维距离残差、各条带点云质心变化量作为联合目标函数,进行多条带点云无基准几何变换纠正,实现多条带点云数据的精确配准。
进一步,优选的,在S1中,所述形成数字表面模型,包括如下步骤:
S102、根据预设的采样间隔对所述矩形范围进行格网划分;利用每个格网中心点周围的激光点高程采用双线性内插法,计算格网点的高程值;
S103、按照S102的过程遍历所有格网点,得到所有格网点高程,完成数字表面模型的生成。
进一步,优选的,在S2中,所述计算每个格网点的局部单位法向量,采用如下方法:
S203、遍历所有格网点,依次执行上述S201-S202的操作,生成点云法向图。
进一步优选的,在S3中,所述从参考图上选取特征点,在目标图中搜索匹配点,包括如下步骤:
S301、在得到的参考图中选取有效特征点,取其邻域内的格网点集作为
匹配窗口;根据点的坐标,在目标图中找到对应的位置记为,假设目标图预设的搜索
半径为,分别以及其周围范围内的格网点作为模板窗口中心,取邻域内的格网
点集作为待匹配窗口,则可得到N=()*()组待匹配点集,记为,分别计算与各点集的相关系数;
S302、将目标图搜索窗口内的点依次作为模板窗口中心,分别计算参考图模板窗
口与目标图模板窗口的相关系数,得到一组相关系数值,取该组相关系数值中最大值在目
标图中所对应的点位,作为有效特征点的同名匹配点;遍历参考图中的每一个特征
点分别进行上述操作,则可实现参考图与目标图的同名点匹配,得到两个点云条带中的一
组同名点。
首先,根据颜色选取有效的特征点,若选取的特征点为黑色则该特征点无效;
其次,当选取的特征点为其他颜色时,已选取的特征点作为中心点,选取中心点邻域内的各网点集作为匹配窗口,若所述匹配窗口内褐色的格网点数量超过半数,则所述选取的特征点为无效特征点;否则视为有效特征点。
进一步优选的,在S3中,采用七参数变换模型进行RANSAC匹配点粗差剔除后,得到多条带点云连接点,包括如下方法,
S313、重复上述S311至S12,并操作M次,统计M次中置信度最高的假设,若该假设所
对应的模型系数为,则利用将点云中的匹配点
坐标转换到点云坐标系下,并计算转换后坐标与中
相应坐标的三维距离值,将距离值大于预设误差阈值的匹配点判定为粗差并剔除,则保
留下的点均为正确匹配点,作为带点云连接点。
进一步优选的,在S4中,进行多条带点云无基准几何变换纠正,包括如下步骤
S401、对得到的多条带点云同名点列出几何变换代价方程,形式如下:
S402、对变换前后的各条带点云质心变化量列出代价方程,形式如下:
S404、通过S401~S403形成的多条带点云无基准几何变换平差模型,按照最小二乘平差准则,精确求解每个点云条带的七参数变换模型系数,利用变换模型系数进行点云坐标纠正,实现多条带点云数据的整体精确配准。
本申请公开的一种基于局部法向相关的多条带机载激光点云配准方法,与现有技术方法相比,具有的优点和积极效果如下:
1. 本发明实现了机载激光点云条带的全自动配准,无需人工干预,有效避免了野外控制点测量所带来的成本与时间损耗,提高了作业效率和安全性,满足了工程勘察和地形测绘中点云快速配准的应用需求;
2. 本发明设计了基于点云局部法向相关的同名点匹配方法,结合基于七参数变换的RANSAC误匹配粗差剔除,有效保证了点云条带间连接点的正确性,为后续配准提供了精确几何约束信息;
3.本发明中采用顾及质心变化的多条带点云无基准几何变换纠正方法,结合点云多条带质心变化及连接点残差整体最小的最小二乘平差准则,实现了多条带点云的整体精确配准,具有较强的实际应用和推广价值。
附图说明
图1为本发明提供的基于局部法向相关的多条带机载激光点云配准方法的流程示意图。
图2为点云局部法向图同名点模板匹配示意图。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图1所示,本发明一方面实施例提供的一种基于局部法向相关的多条带机载激光点云配准方法,包括以下步骤:
S1、获取多条带机载激光点云,根据所有激光脚点的平面坐标获取对应的矩形范围,并对所述矩形范围进行格网划分,计算格网点的高程值,形成数字表面模型;
S2、在所述数字表面模型中,计算每个格网点的局部单位法向量及平整度,当任意一个格网点的平整度超过预设阈值时,为该格网点相应的单位法向量映射至RGB彩色空间并为该格网点赋予颜色值,得到点云法向图;
S3、对得到的所有点云法向图,判断相互之间是否存在重叠范围,对存在重叠范围的点云法向图,以其中一个为目标图、另一个为参考图,从参考图上选取特征点,在目标图中搜索匹配点,并采用七参数变换模型进行RANSAC匹配点粗差剔除后,得到多条带点云连接点;
S4、根据得到的多条带点云连接点,以七参数变换模型变换前后连接点三维距离残差、各条带点云质心变化量作为联合目标函数,进行多条带点云无基准几何变换纠正,实现多条带点云数据的精确配准。
在S1中,所述形成数字表面模型,包括如下步骤:
S102、根据预设的采样间隔对所述矩形范围进行格网划分;利用每个格网中心点周围的激光点高程采用双线性内插法,计算格网点的高程值;
S103、按照S102的过程遍历所有格网点,得到所有格网点高程,完成数字表面模型的生成。
具体操作为:
首先计算所有激光脚点平面X和Y方向的最小值和最大值,记为、、、和,则该矩形范围的左下角和右上角点坐标分别为和。
假设预置的格网大小为,则X方向上可划分格网数为,Y方向上可
划分格网数为,各格网点的平面坐标分别为,
其中表示格网点所在的行数,表示各网点所在的列数。
对各网点高程插值计算时,包括假设格网点的平面坐标为,则统计
该点一定半径范围内的激光点集合,根据这些激光点到目标格网点的高程值及其到目标
格网点的平面距离,采用双线性插值的方式计算的高程值。遍历所有格网分别进行此操
作,可以得到所有格网点高程,从而完成数字表面模型的生成。
在S2中,所述计算每个格网点的局部单位法向量,采用如下方法:
S203、遍历所有格网点,依次执行上述S201-S202的操作,生成点云法向图。
需要说明的是,选取目标格网点时,需要选取非边缘格网点,假设格网的总行数和
总列数分别为和、法向量计算宽度为,则非边缘各网点为行号大于且小于、列号大于且小于的格网点。对于格网点,将其周围邻域内
的N个格网点取出,记为,利用中的点进行最小二乘平面拟合,
得到单位法向量与拟合残差,则以代表该格网点的平整度。遍历所有非边缘各网
点,分别为它们计算单位法向量及平整度。
假设格网点单位法向量及平整度分别为和,判断是否大于
预设阈值,若大于,则认为该格网点平整度较低,为该点赋予颜色;
反之认为该点平整度较好,为赋予颜色。
遍历所有格网点,依次执行上述操作,则可生成点云法向图。
如图2所示,在S3中,所述从参考图上选取特征点,在目标图中搜索匹配点,包括如下步骤:
在得到的参考图中选取有效的特征点,取其邻域内的格网点集作为匹配窗
口;根据点的坐标,在目标图中找到对应的位置记为,假设目标图预设的搜索半径为,分别以及其周围范围内的格网点作为模板窗口中心,取邻域内的格网点集作
为待匹配窗口,则可得到N=()*()组待匹配点集,记为,
分别计算与各点集的相关系数;
S302、将目标图搜索窗口内的点依次作为模板窗口中心,分别计算参考图模板窗
口与目标图模板窗口的相关系数,得到一组相关系数值,取该组相关系数值中最大值在目
标图中所对应的点位作为的同名匹配点;遍历参考图中的每一个特征点分别进行上
述操作,则可实现参考图与目标图的同名点匹配,得到两个点云条带中的一组同名点。
首先,根据颜色选取有效的特征点,若选取的特征点为黑色则该特征点无效;
其次,当选取的特征点为其他颜色时,已选取的特征点作为中心点,选取中心点邻域内的各网点集作为匹配窗口,若所述匹配窗口内褐色的格网点数量超过半数,则所述选取的特征点为无效特征点;否则视为有效特征点。
在S3中,采用七参数变换模型进行RANSAC匹配点粗差剔除后,得到多条带点云连接点,包括如下方法,
S313、重复上述S311至S12,并操作M次,统计M次中置信度最高的假设,若该假设所
对应的模型系数为,则利用将点云中的匹配点
坐标转换到点云坐标系下,并计算转换后坐标与中
相应坐标的三维距离值,将距离值大于预设误差阈值的匹配点判定为粗差并剔除,则保
留下的点均为正确匹配点,作为带点云连接点。
在S4中,进行多条带点云无基准几何变换纠正,包括如下步骤:
S401、对得到的多条带点云同名点列出几何变换代价方程,形式如下:
S402、对变换前后的各条带点云质心变化量列出代价方程,形式如下:
S404、通过S401~S403形成的多条带点云无基准几何变换平差模型,按照最小二乘平差准则,精确求解每个点云条带的七参数变换模型系数,利用变换模型系数进行点云坐标纠正,实现多条带点云数据的整体精确配准。
显然,上述实施例仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (7)
1.一种基于局部法向相关的多条带机载激光点云配准方法,其特征在于,包括以下步骤:
S1、获取多条带机载激光点云,根据所有激光脚点的平面坐标获取对应的矩形范围,并对所述矩形范围进行格网划分,计算格网点的高程值,形成数字表面模型;
S2、在所述数字表面模型中,计算每个格网点的局部单位法向量及平整度,当任意一个格网点的平整度超过预设阈值时,为该格网点相应的单位法向量映射至RGB彩色空间并为该格网点赋予颜色值,得到点云法向图;
S3、对得到的所有点云法向图,判断相互之间是否存在重叠范围,对存在重叠范围的点云法向图,以其中一个为目标图、另一个为参考图,从参考图上选取特征点,在目标图中搜索匹配点,并采用七参数变换模型进行RANSAC匹配点粗差剔除后,得到多条带点云连接点;
S4、根据得到的多条带点云连接点,以七参数变换模型变换前后连接点三维距离残差、各条带点云质心变化量作为联合目标函数,进行多条带点云无基准几何变换纠正,实现多条带点云数据的精确配准。
2.根据权利要求1所述的基于局部法向相关的多条带机载激光点云配准方法,其特征在于,在S1中,所述形成数字表面模型,包括如下步骤:
S101、在所有激光脚点的平面坐标中筛选X方向最大值、最小值和Y方向的最大值和最小值;记为Xmin、Xmax、Ymin、和Ymax;根据筛选出来的最值,划定矩形范围;
S102、根据预设的采样间隔对所述矩形范围进行格网划分;利用每个格网中心点周围的激光点高程采用双线性内插法,计算格网点的高程值;
S103、按照S102的过程遍历所有格网点,得到所有格网点高程,完成数字表面模型的生成。
3.根据权利要求1所述的基于局部法向相关的多条带机载激光点云配准方法,其特征在于,在S2中,所述计算每个格网点的局部单位法向量,采用如下方法:
S201、在得到的数字表面模型中,选取目标格网点PT,将周围邻域内的N个格网点取出,记为T={Pi|i=1,2,3...N};根据邻域内的格网点高程值,进行最小二乘平面拟合,得到单位法向量VT=(aT,bT,cT)与拟合残差RT,并用RT代表该格网点的平整度;
S202、判断平整度是否大于预设阈值RES,若大于,则认为该格网点平整度低,为该点赋予颜色{R=0,G=0,B=0};若不大于,认为该格网点平整度高,为该点赋予颜色{R=127*aT,G=127*bT,B=255*cT};
S203、遍历所有格网点,依次执行上述S201-S202的操作,生成点云法向图。
4.根据权利要求1所述的基于局部法向相关的多条带机载激光点云配准方法,其特征在于,在S3中,所述从参考图上选取特征点,在目标图中搜索匹配点,包括如下步骤:
S301、在得到的参考图中选取有效特征点PF,取其dM邻域内的格网点集Q1作为匹配窗口;其中,dM表示模板窗口的大小;根据PF点的坐标,在目标图中找到对应的位置记为PH,假设目标图预设的搜索半径为dS,分别以PF及其周围dS范围内的格网点作为模板窗口中心,取dM邻域内的格网点集作为待匹配窗口,则可得到N=(dS+1)*(dS+1)组待匹配点集,记为其中i=1,2,3,...(dS+1)*(dS+1);分别计算Q1与各点集的相关系数Ci;
其中,Ci表示以目标图搜索窗口内第i个点作为模板窗口中心时的相关系数,i=1,2,3,...(dS+1)*(dS+1),表示参考图中模板窗口第j个格网点的RGB颜色值,表示目标图中模板窗口第j个格网点RGB颜色值;
S302、将目标图搜索窗口内的点依次作为模板窗口中心,分别计算参考图模板窗口与目标图模板窗口的相关系数,得到一组相关系数值,取该组相关系数值中最大值在目标图中所对应的点位,作为有效特征点PF的同名匹配点PF2;遍历参考图中的每一个特征点分别进行上述操作,则可实现参考图与目标图的同名点匹配,得到两个点云条带中的一组同名点。
5.根据权利要求4所述的基于局部法向相关的多条带机载激光点云配准方法,其特征在于,在S301中,所述选取有效的特征点PF时,采用如下方法:
首先,根据颜色选取有效的特征点,若选取的特征点为黑色则该特征点无效;
其次,当选取的特征点为其他颜色时,已选取的特征点作为中心点,选取中心点邻域内的各网点集作为匹配窗口,若所述匹配窗口内褐色的格网点数量超过半数,则所述选取的特征点为无效特征点;否则视为有效特征点。
6.根据权利要求4所述的基于局部法向相关的多条带机载激光点云配准方法,其特征在于,在S3中,采用七参数变换模型进行RANSAC匹配点粗差剔除后,得到多条带点云连接点,包括如下方法,
S311、从多组同名点中随机抽取4对点,假设这四对点为正确匹配点,利用它们计算一组七参数变换模型系数,将该系数记为Ti,其中,i=1、2、3...7;
S312、利用七参数变换模型系数Ti,将点云LF中的匹配点坐标转换到点云LH坐标系下,转换后的坐标记为计算与对应坐标点的三维距离值,记为Ri,统计其中小于预设误差阈值ω的个数,记为s,则认为该假设的置信度为s,其中,Ri中i=1,2,3,...N;
7.根据权利要求1所述的基于局部法向相关的多条带机载激光点云配准方法,其特征在于,在S4中,进行多条带点云无基准几何变换纠正,包括如下步骤:
S401、对得到的多条带点云同名点列出几何变换代价方程,形式如下:
S402、对变换前后的各条带点云质心变化量列出代价方程,形式如下:
S403、多条带点云整体几何变换代价值为CTotal=W1CP+W2CL,
其中,W1和W2分别为两类观测值的权矩阵,W1为单位矩阵,W2=W1/u,u为点云条带平均偏差大小的先验值;
S404、通过S401~S403形成的多条带点云无基准几何变换平差模型,按照最小二乘平差准则,精确求解每个点云条带的七参数变换模型系数,利用变换模型系数进行点云坐标纠正,实现多条带点云数据的整体精确配准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478866.4A CN115546266B (zh) | 2022-11-24 | 2022-11-24 | 基于局部法向相关的多条带机载激光点云配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478866.4A CN115546266B (zh) | 2022-11-24 | 2022-11-24 | 基于局部法向相关的多条带机载激光点云配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115546266A CN115546266A (zh) | 2022-12-30 |
CN115546266B true CN115546266B (zh) | 2023-03-17 |
Family
ID=84721421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211478866.4A Active CN115546266B (zh) | 2022-11-24 | 2022-11-24 | 基于局部法向相关的多条带机载激光点云配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115546266B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516695A (zh) * | 2021-05-25 | 2021-10-19 | 中国计量大学 | 激光轮廓仪平面度测量中的点云配准策略 |
CN114170279A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种基于激光扫描的点云配准方法 |
CN114299318A (zh) * | 2021-12-24 | 2022-04-08 | 电子科技大学 | 一种快速点云数据处理和目标图像匹配的方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010092B (zh) * | 2017-12-26 | 2018-11-13 | 哈尔滨工业大学 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
CN109410256B (zh) * | 2018-10-29 | 2021-10-15 | 北京建筑大学 | 基于互信息的点云与影像自动高精度配准方法 |
CN110473239A (zh) * | 2019-08-08 | 2019-11-19 | 刘秀萍 | 一种三维激光扫描的高精度点云配准方法 |
CN111986115A (zh) * | 2020-08-22 | 2020-11-24 | 王程 | 激光点云噪声和冗余数据的精准剔除方法 |
CN112330661A (zh) * | 2020-11-24 | 2021-02-05 | 交通运输部公路科学研究所 | 一种多期车载激光点云道路变化监测方法 |
CN112489094B (zh) * | 2020-11-25 | 2023-08-04 | 国网福建省电力有限公司 | 一种多线机载激光雷达点云数据配准方法 |
CN113870123B (zh) * | 2021-08-19 | 2023-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 |
CN114283070B (zh) * | 2022-03-07 | 2022-05-03 | 中国铁路设计集团有限公司 | 融合无人机影像与激光点云的地形断面制作方法 |
-
2022
- 2022-11-24 CN CN202211478866.4A patent/CN115546266B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516695A (zh) * | 2021-05-25 | 2021-10-19 | 中国计量大学 | 激光轮廓仪平面度测量中的点云配准策略 |
CN114170279A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种基于激光扫描的点云配准方法 |
CN114299318A (zh) * | 2021-12-24 | 2022-04-08 | 电子科技大学 | 一种快速点云数据处理和目标图像匹配的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115546266A (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017224B (zh) | Sar数据区域网平差处理方法和系统 | |
CN110443879B (zh) | 一种基于神经网络的透视误差补偿方法 | |
CN108759788B (zh) | 无人机影像定位定姿方法及无人机 | |
CN111486864B (zh) | 基于立体正八边结构的多源传感器联合标定方法 | |
CN103822615A (zh) | 一种多控制点自动提取与聚合的无人机地面目标实时定位方法 | |
CN113793270A (zh) | 一种基于无人机姿态信息的航拍图像几何校正方法 | |
CN104318583A (zh) | 一种可见光宽带光谱图像配准方法 | |
CN107274380A (zh) | 一种无人机多光谱影像快速拼接方法 | |
CN108447100B (zh) | 一种机载三线阵ccd相机的偏心矢量和视轴偏心角标定方法 | |
CN108917722B (zh) | 植被覆盖度计算方法及装置 | |
CN111003214B (zh) | 基于云控制的国产陆地观测卫星姿轨精化方法 | |
CN110030968B (zh) | 一种基于星载立体光学影像的地面遮挡物仰角测量方法 | |
CN112435303A (zh) | 振镜系统校正表构建方法、构建系统及振镜系统校正方法 | |
CN115546266B (zh) | 基于局部法向相关的多条带机载激光点云配准方法 | |
CN116499364B (zh) | 盘煤仪三维激光点云调畸变方法及系统 | |
CN117392237A (zh) | 一种鲁棒的激光雷达-相机自标定方法 | |
CN109658446B (zh) | 一种高分辨率遥感影像几何配准方法及装置 | |
CN117092621A (zh) | 基于光线追踪校正的高光谱图像-点云立体配准方法 | |
CN115690380B (zh) | 一种配准方法及系统 | |
CN112819900B (zh) | 一种智能立体摄影内方位、相对定向和畸变系数标定方法 | |
CN112884676B (zh) | 一种基于分空间渐进控制的大范围航空遥感影像调色方法 | |
Lindenthal et al. | Airborne LIDAR: A fully-automated self-calibration procedure | |
CN113496505B (zh) | 图像配准方法、装置、多光谱相机、无人设备及存储介质 | |
CN108052986A (zh) | 基于多通道的最小二乘匹配方法 | |
CN113379648A (zh) | 一种高分七号和资源三号立体影像联合平差方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |