CN116246020B - 一种多激光点云技术三维重建系统及方法 - Google Patents
一种多激光点云技术三维重建系统及方法 Download PDFInfo
- Publication number
- CN116246020B CN116246020B CN202310210318.1A CN202310210318A CN116246020B CN 116246020 B CN116246020 B CN 116246020B CN 202310210318 A CN202310210318 A CN 202310210318A CN 116246020 B CN116246020 B CN 116246020B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- frame
- cross
- registered
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 230000009466 transformation Effects 0.000 claims abstract description 24
- 238000013519 translation Methods 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- DMSMPAJRVJJAGA-UHFFFAOYSA-N benzo[d]isothiazol-3-one Chemical compound C1=CC=C2C(=O)NSC2=C1 DMSMPAJRVJJAGA-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 239000004576 sand Substances 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种多激光点云技术三维重建系统及方法,包括:车辆经过两龙门架之间的区域;对车辆左右两侧扫描,同时扫描车辆的后侧,将获得的当前帧点云作为基准点云,将获得的新一帧点云作为待配准点云;计算从待配准点云变换至基准点云的最优变换矩阵,获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量;将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对,并使与后侧点云图对应的水平平移距离和左右偏移量,与横截面点云切片配对;直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中,获得整辆车体点云图像。本发明在沙场中对空载和装载的货车进行三维重建,所构成的点云图与实物基本一致。
Description
技术领域
本发明涉及三维重建技术领域,具体涉及一种多激光点云技术三维重建的方法,还涉及一种多激光点云技术三维重建系统。
背景技术
当前三维重建技术繁多,有接触式和非接触式,其中非接触式又分为主动视觉法和被动视觉法,其中激光扫描法应用广泛,市面上大多数是对于大堆料堆积的测量,但是对于大型车辆高精度三维重建测量市面较少,需要改进技术方案。
发明内容
针对大型车辆激光点云扫描三维重建的改进,解决精度较低的问题,本发明的目的在于提供了一种多激光点云技术三维重建的方法,利用造价相对较低的二维激光,二维激光更能够适应较为恶劣的工作环境的同时能够保证较高的测量精度,且不用提前规划测量路线,操作更加简单。
本发明的另一个目的在于提供了一种多激光点云技术三维重建系统,即使在扬尘较大的环境下也可以较为准确的点云图,使用此点云图在后期进行计算,所得到的结果也会更加的精准。
为进一步实现上述目的,本发明采用以下技术方案:一种多激光点云技术三维重建的方法,包括以下步骤:
(1)车辆沿直线缓慢前进依次经过第一/第二龙门架之间的区域;
(2)在第二龙门架上两侧的激光雷达同时分别对车辆左右两侧进行扫描,将获得的第二龙门架正下方的帧点云作为横截面点云切片,在第一龙门架上的激光雷达同时扫描车辆的后侧,获得后侧点云图,记录以上每帧点云的扫描时间,将获得的当前帧点云作为基准点云,将获得的新一帧点云作为待配准点云,直至第二龙门架上的激光雷达扫描完车辆;
(3)计算从待配准点云变换至基准点云的最优变换矩阵,获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量;
(4)将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对,并使与后侧点云图对应的所述水平平移距离和左右偏移量,与所述横截面点云切片配对;
(5)将第i帧横截面点云切片的坐标按对应的所述水平平移距离和左右偏移量转换添加到第i+1帧横截面点云切片中,更新第i+1帧横截面点云切片;
(6)重复步骤(5),直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中,获得整辆车体点云图像。
可选地,所述步骤(1)中,为了使车辆保持直线缓慢前进,车辆沿地标直线前进,时速不高于10km/h。
可选地,所述步骤(3)中,计算待配准点云变换至基准点云的最优变换矩阵的方法具体包括:
(3.1)NDT算法进行粗配准:
首先确定单元格分辨率大小,将基准点云中的点云数据划分为若干个网格数据,并采用高斯函数模型近似地表示每个网格内的点云数据量,其表达式为:
网格数据中:
式中,P(x)表示每个网格内的点云数据量,xi为每个网格中的点,C为每个网格单元的协方差矩阵,u为每个网格的均值向量,c为常量,n为每个网格中点的数量;
随后根据旋转矩阵R和平移向量t的初始值,将待配准点云中的x转换到基准点云坐标下:x’=Rx+t
式中,x’表示待配准点云中每个点在基准点云坐标下的投影点,对每个投影点求解概率分布并求和:
式中,S(p)为每个投影点求解概率分布之和,xi’表示待配准点云中第i个点在基准点云坐标下的投影点,p为单个投影点概率分布;
采用牛顿迭代优化法对目标函数是s(p)优化求解,得到位姿旋转矩阵R和平移向量t;以上步骤进行循环直至满足收敛条件,最后输出粗配准环节的最佳变换矩阵;
(3.2)ICP算法进行精配准:
将NDT算法输出的变换矩阵作为ICP精配准的位姿初始值,通过两帧点云数据中点到点的对应关系建立目标函数,采用非线性最小二乘法求解该目标函数,其模型表示为:
其中,
假设空间中两帧三维点云为基准点云A(x,y,z)和待配准点云B(x,y,z),两点云重叠去O(x,y,z),选取待配准点云中任意一点Q(xq,yq,zq),找到其基准点云中的对应点P(xp,yp,zp),用空间变换模型描述两幅点云的转换关系为:
其中,m为两个三维坐标系之间的比例转换系数,tx,ty,tz表示点云进行空间变换时X,Y,Z轴方向的平移分量,ψ,ω,κ为坐标转换时绕X,Y,Z轴旋转的角度参数;
计算点云配准后两点之间的欧式距离平方和为:
结合两幅点云之间的空间转换关系进行迭代计算可得:
采用Gauss-Newton算法求解ICP目标函数,迭代求解误差方程,直至得到待配准点云到基准点云之间的最优变换矩阵。
上述步骤中,使用组合二维激光对待测物体按照步骤(1)(2)进行扫描,与使用无人机的方法相比,不用对待扫描物体的行动轨迹进行预测,使测量更加方便。使用二维激光在车辆行驶的过程中对待测物体进行横向和纵向的扫描并形成点云图,即使在扬尘较大的环境下也可以较为准确的点云图,使用此点云图在后期进行计算,所得到的结果也会更加的精准。且相比较而言二维激光的造价要比相机的造价要低,更加适合于本产品的购买人群。
本发明还要求保护一种多激光点云技术三维重建系统,包括两龙门架以及龙门架上的激光雷达,其中,
第一龙门架居中设有一处激光雷达,用于纵向扫描测距;
第二龙门架间隔设有两处激光雷达,用于横向截面扫描。
可选地,两龙门架之间的间距大于车体的长度,两龙门架的宽度大于车体的宽度,两龙门架的高度大于车体的高度。
由上,由于本系统所应用的地方大多为施工场所,扬尘较多,若使用相机进行测量,所得到的结果不准确,相比较而言使用二维激光能够得到更加精确的测量结果。
与现有技术相比,本发明至少具有如下效果:本发明采用的二维激光的造价相对较低,且二维激光与其他使用相机的方法相比更能够适应较为恶劣的工作环境的同时能够保证较高的测量精度;与使用无人机的方法相比,不用提前规划测量路线,操作更加简单。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明系统搭建示意图;
图2为纵向激光扫描雷达测距结果示意图;
图3为车辆点云图像重建结果示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施示例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
一种多激光点云技术三维重建系统,如图1所示,由两龙门架以及龙门架上的激光雷达组成,其中,
位于车尾方向的龙门架(第一龙门架)居中设有一处激光雷达,用于纵向扫描测距;
位于车头方向的龙门架(第二龙门架)间隔设有两处激光雷达,用于横向截面扫描;通过截面扫描激光接收到的反射信号,可以实时获得运输车辆通过扫描面时的外部轮廓;
两龙门架之间的间距大于车体的长度,两龙门架的宽度大于车体的宽度,两龙门架的高度大于车体的高度。为了得到车体的三维重建模型,需要得到车辆各个扫描轮廓在行驶方向上的偏移量。利用同时定位与地图构建(Simultaneous localization andmapping,简称SLAM)进行扫描观测。本系统将激光雷达固定,车辆沿直线获取不同时刻的相对于纵向激光雷达的点云图像通过坐标匹配来获取车辆行进的距离。
一种多激光点云技术三维重建的方法,如图1所示,包括以下步骤:
(1)车辆沿直线缓慢前进依次经过第一/第二龙门架之间的区域;
为了使车辆保持直线缓慢匀速前进,车辆沿地标直线前进,时速不高于10km/h;
(2)在第二龙门架上两侧的激光雷达同时分别对车辆左右两侧进行扫描,将获得的第二龙门架正下方的帧点云作为横截面点云切片,在第一龙门架上的激光雷达同时扫描车辆的后侧,获得后侧点云图,记录以上每帧点云的扫描时间,将获得的当前帧点云作为基准点云,将获得的新一帧点云作为待配准点云,直至第二龙门架上的激光雷达扫描完车辆;
(3)计算从待配准点云变换至基准点云的最优变换矩阵,获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量;
(4)将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对,并使与后侧点云图对应的所述水平平移距离和左右偏移量,与所述横截面点云切片配对;
(5)将第i帧横截面点云切片的坐标按对应的所述水平平移距离和左右偏移量转换添加到第i+1帧横截面点云切片中,更新第i+1帧横截面点云切片;
(6)重复步骤(5),直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中,获得整辆车体点云图像,如图3所示。
步骤(3)中的计算步骤包括:
(3.1)NDT算法进行粗配准:
首先需要确定单元格分辨率大小,将基准点云图中的点云数据划分为若干个网格数据,并采用高斯函数模型近似地表示每个网格内的点云数据量,其表达式为:
网格数据中:
式中,P(x)表示每个网格内的点云数据量,xi为每个网格中的点,C为每个网格单元的协方差矩阵,u为每个网格的均值向量,c为常量,n为每个网格中点的数量。
随后根据旋转矩阵R和平移向量t的初始值,将左右侧的待配准点云中的点x转换到基准点云图坐标下:x’=Rx+t
式中,x’表示待配准点云中每个点在基准点云坐标下的投影点,接下来对每个投影点求解概率分布并求和:
式中,S(p)为每个投影点求解概率分布之和,xi’表示待配准点云中第i个点在基准点云坐标下的投影点,p为单个投影点概率分布;
然后再采用牛顿迭代优化法对目标函数s(p)优化求解,得到变换矩阵:位姿旋转矩阵R和平移向量t。以上步骤进行循环直至满足收敛条件,最后输出粗配准环节的最佳位姿旋转矩阵R和平移向量t。
(3.2)ICP算法进行精配准:
将NDT算法输出的变换矩阵作为ICP精配准的位姿初始值,然后通过待配准点云的点到基准点云图的点的对应关系建立目标函数,然后采用非线性最小二乘法求解该目标函数,其模型表示为:
其中,
假设空间中基准点云的点为A(x,y,z)和待配准点云的点为B(x,y,z),两点云重叠去O(x,y,z),选取左侧的待配准点云中任意一点Q(xq,yq,zq),找到其基准点云中的对应点P(xp,yp,zp),用空间变换模型描述两幅点云的转换关系为:
其中,m为两个三维坐标系之间的比例转换系数,tx,ty,tz表示点云进行空间变换时X,Y,Z轴方向的平移分量,ψ,ω,κ为坐标转换时绕X,Y,Z轴旋转的角度参数。
计算点云配准后两点之间的欧式距离平方和为:
结合两幅点云之间的空间转换关系进行迭代计算可得:
随后,采用Gauss-Newton算法求解ICP目标函数,迭代求解误差方程,直至得到待配准点云到基准点云之间的最优变换矩阵,如图2所示。
本发明通过对点云图像的应用和处理可以对车辆中装载的材料的体积直接进行测算,不必将车载堆料卸载后在进行测量,在减少人工耗费的同时,为体积的测算提供了更加方便的条件。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解得到的变换或者替换,都应该涵盖在本发明的包含范围之内。
Claims (4)
1.一种多激光点云技术三维重建的方法,其特征在于,包括以下步骤:
(1)车辆沿直线缓慢前进依次经过第一/第二龙门架之间的区域;
(2)在第二龙门架上两侧的激光雷达同时分别对车辆左右两侧进行扫描,将获得的第二龙门架正下方的帧点云作为横截面点云切片,在第一龙门架上的激光雷达同时扫描车辆的后侧,获得后侧点云图,记录以上每帧点云的扫描时间,将获得的当前帧点云作为基准点云,将获得的新一帧点云作为待配准点云,直至第二龙门架上的激光雷达扫描完车辆;
(3)计算从待配准点云变换至基准点云的最优变换矩阵,获得每次配准后待配准点云相对基准点云的水平平移距离和左右偏移量;
(4)将扫描时间相同的横截面点云切片与后侧点云图的帧点云配对,并使与后侧点云图对应的所述水平平移距离和左右偏移量,与所述横截面点云切片配对;
(5)将第i帧横截面点云切片的坐标按对应的所述水平平移距离和左右偏移量转换添加到第i+1帧横截面点云切片中,更新第i+1帧横截面点云切片;
(6)重复步骤(5),直至所有的横截面点云切片的坐标均转换添加到最后一帧横截面点云切片中,获得整辆车体点云图像;
所述步骤(3)中,计算待配准点云变换至基准点云的最优变换矩阵的方法具体包括:
(3.1)NDT算法进行粗配准:
首先确定单元格分辨率大小,将基准点云中的点云数据划分为若干个网格数据,并采用高斯函数模型近似地表示每个网格内的点云数据量,其表达式为:
网格数据中:
式中,P(x)表示每个网格内的点云数据量,xi为每个网格中的点,C为每个网格单元的协方差矩阵,u为每个网格的均值向量,c为常量,n为每个网格中点的数量;
随后根据旋转矩阵R和平移向量t的初始值,将待配准点云中的点x转换到基准点云坐标下:
x’=Rx+t
式中,x’表示待配准点云中每个点在基准点云坐标下的投影点,对每个投影点求解概率分布并求和:
式中,S(p)为每个投影点求解概率分布之和,xi’表示待配准点云中第i个点在基准点云坐标下的投影点,p为单个投影点概率分布;
采用牛顿迭代优化法对目标函数是s(p)优化求解,得到位姿旋转矩阵R和平移向量t;以上步骤进行循环直至满足收敛条件,最后输出粗配准环节的最佳变换矩阵;
(3.2)ICP算法进行精配准:将NDT算法输出的变换矩阵作为ICP精配准的位姿初始值,通过两帧点云数据中点到点的对应关系建立目标函数,采用非线性最小二乘法
求解该目标函数,其模型表示为:
其中,
,
;
假设空间中两帧三维点云为基准点云A(x,y,z)和待配准点云B(x,y,z),两点云重叠去O(x,y,z),选取待配准点云中任意一点Q(xq,yq,zq),找到其基准点云中的对应点P(xp,yp,zp),用空间变换模型描述两幅点云的转换关系为:
其中,m为两个三维坐标系之间的比例转换系数,tx,ty,tz表示点云进行空间变换时X,Y,Z轴方向的平移分量,ψ,ω,κ为坐标转换时绕X,Y,Z轴旋转的角度参数;
计算点云配准后两点之间的欧式距离平方和为:
结合两幅点云之间的空间转换关系进行迭代计算可得:
采用Gauss-Newton算法求解ICP目标函数,迭代求解误差方程,直至得到待配准点云到基准点云之间的最优变换矩阵。
2.根据权利要求1所述的多激光点云技术三维重建的方法,其特征在于,所述步骤(1)中,为了使车辆保持直线缓慢前进,车辆沿地标直线前进,时速不高于10km/h。
3.一种根据权利要求1-2中任一所述的多激光点云技术三维重建方法所采用的系统,其特征在于,包括两龙门架以及龙门架上的激光雷达,其中,
第一龙门架居中设有一处激光雷达,用于纵向扫描测距;
第二龙门架间隔设有两处激光雷达,用于横向截面扫描。
4.根据权利要求3所述的多激光点云技术三维重建系统,其特征在于,两龙门架之间的间距大于车体的长度,两龙门架的宽度大于车体的宽度,两龙门架的高度大于车体的高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310210318.1A CN116246020B (zh) | 2023-03-07 | 2023-03-07 | 一种多激光点云技术三维重建系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310210318.1A CN116246020B (zh) | 2023-03-07 | 2023-03-07 | 一种多激光点云技术三维重建系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116246020A CN116246020A (zh) | 2023-06-09 |
CN116246020B true CN116246020B (zh) | 2023-09-08 |
Family
ID=86623912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310210318.1A Active CN116246020B (zh) | 2023-03-07 | 2023-03-07 | 一种多激光点云技术三维重建系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116246020B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768417A (zh) * | 2020-06-23 | 2020-10-13 | 中南大学 | 基于单目视觉3d重建技术的铁路货车超限检测方法 |
CN115272616A (zh) * | 2022-08-18 | 2022-11-01 | 中国地质大学(武汉) | 一种室内场景三维重建方法、系统、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109425365B (zh) * | 2017-08-23 | 2022-03-11 | 腾讯科技(深圳)有限公司 | 激光扫描设备标定的方法、装置、设备及存储介质 |
-
2023
- 2023-03-07 CN CN202310210318.1A patent/CN116246020B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768417A (zh) * | 2020-06-23 | 2020-10-13 | 中南大学 | 基于单目视觉3d重建技术的铁路货车超限检测方法 |
CN115272616A (zh) * | 2022-08-18 | 2022-11-01 | 中国地质大学(武汉) | 一种室内场景三维重建方法、系统、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116246020A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945220B (zh) | 一种基于双目视觉的重建方法 | |
CN111337941B (zh) | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 | |
US10859684B1 (en) | Method and system for camera-lidar calibration | |
CN113436260B (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和系统 | |
Knyaz et al. | Photogrammetric techniques for road surface analysis | |
US20040096082A1 (en) | Obstacle detection device and method therefor | |
CN113280798B (zh) | 隧道gnss拒止环境下车载扫描点云的几何纠正方法 | |
CN109635816B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
US10984555B2 (en) | Object detection device and vehicle | |
JP2013187862A (ja) | 画像データ処理装置、画像データ処理方法および画像データ処理用のプログラム | |
CN107632308A (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
CN104778716B (zh) | 基于单幅图像的卡车车厢体积测量方法 | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
CN112465966A (zh) | 一种集倾斜摄影测量与三维激光扫描的陡崖三维建模方法 | |
CN115079143B (zh) | 一种用于双桥转向矿卡的多雷达外参快速标定方法及装置 | |
CN113689394A (zh) | 一种基于三维点云的隧道初支平整度检测方法 | |
CN115908539A (zh) | 一种目标体积自动测量方法和装置、存储介质 | |
CN116843742B (zh) | 一种针对装载黑色煤车辆的点云配准后堆料体积的计算方法及系统 | |
CN116246020B (zh) | 一种多激光点云技术三维重建系统及方法 | |
CN110550067A (zh) | 列车车轮的测量方法及相关系统 | |
Ilg et al. | Reconstruction of rigid body models from motion distorted laser range data using optical flow | |
Kolu et al. | A mapping method tolerant to calibration and localization errors based on tilting 2D laser scanner | |
CN114581519A (zh) | 一种越野环境下的四足机器人激光自主定位建图方法 | |
CN117437291B (zh) | 一种基于双目视觉的数字化料堆可视方法 | |
JP7127607B2 (ja) | レール曲率推定装置 |
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 |