CN116486012B - 一种航空器三维模型构建方法、存储介质及电子设备 - Google Patents
一种航空器三维模型构建方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116486012B CN116486012B CN202310470650.1A CN202310470650A CN116486012B CN 116486012 B CN116486012 B CN 116486012B CN 202310470650 A CN202310470650 A CN 202310470650A CN 116486012 B CN116486012 B CN 116486012B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- aircraft
- target
- target aircraft
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- 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
- G06T7/38—Registration of image sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及三维模型构建技术领域,特别是涉及一种航空器三维模型构建方法、存储介质及电子设备。包括如下步骤:使用单一激光雷达获取目标航空器在进行转向或滑行过程中多个视角下产生的多帧初始点云数据。将多帧初始点云数据进行点云配准处理,生成多个对应的对齐因子。根据多帧初始点云数据及多个对齐因子,生成目标航空器对应的目标点云数据。本发明中仅使用单一的激光雷达即可完成对航空器的三维建模工作。其使用设备较少且不需要对现有的机场及航空器有特殊要求,其适用性更高。且无需人员操作激光雷达在机场中进行拍摄,安全性更高。同时仅需要一台激光雷达且不需要人员操作即可完成建模工作,其工作效率高,可以降低使用成本。
Description
技术领域
本发明涉及三维模型构建技术领域,特别是涉及一种航空器三维模型构建方法、存储介质及电子设备。
背景技术
航空器三维点云模型数据是机场运控仿真系统、三维高精度监视系统、泊位引导系统的重要基础数据,是研制机场运行控制智能化装备不可或缺的数据资源。
现有技术中可通过如下方法对物体进行三维模型的构建。其一,人工仿真模型采样法。通过人工测量计算目标物体的相关参数,并使用Unity3d、CAD等软件直接制作目标物体的三维数字模型。该方法一般用于对便于获取尺寸的物体进行三维建模,但是,由于飞机的机身尺寸获取难度高,所以该方法并不能适用于对航空器的三维模型构建场景。其二,多视角激光扫描拼接法。此类方法主要是通过在目标物体的截面周围设置多台三维扫描设备,在从头到尾对静止的目标物体进行全方位的扫描,然后再将得到的多个三维数据进行拼接,以合成目标物体的三维数字模型。该方法适用于对静止物体三维构建,但是,该方法需要从多个高重叠度视角进行采集,人工成本高、协调成本高,且很难让很多不同型号的飞机按照计划静止停在安全的位置供技术人员扫描。所以在管控严格的机场中该方法实现难度较高,也存在一定的安全风险。由此,导致现有技术对航空器三维模型的构建的适用性较差。
发明内容
针对上述技术问题,本发明采用的技术方案为:
根据本发明的一个方面,提供了一种航空器三维模型构建方法,方法包括如下步骤:
使用单一激光雷达获取目标航空器在进行转向或滑行过程中多个视角下产生的多帧初始点云数据P1、P2、…、Pi、…、Pz。其中,Pi为目标航空器在进行转向及滑行过程中产生第i帧初始点云数据,z为目标航空器在进行转向及滑行过程中产生的初始点云数据的总数量。i=1、2、…、z。且
对P1、P2、P3、…、Pi、…、Pz进行点云配准处理,生成多个对应的对齐因子Q2、Q3、…、Qi、…、Qz,其中,Qi为Pi对应的对齐因子;Qi满足如下条件:
Qi=REG{Pi,[P1∪(P2*Q2)∪(P3*Q3)∪…∪(Pi-1*Qi-1)]};
其中,REG{,}为对两个元素进行配准的处理算法。
根据多帧初始点云数据及多个对齐因子,生成目标航空器对应的目标点云数据M,M符合如下条件:
M=P1∪(P2*Q2)∪(P3*Q3)∪…∪(Pi*Qi)∪…∪(Pz*Qz)。
根据本发明的第二个方面,提供了一种非瞬时性计算机可读存储介质,非瞬时性计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的一种航空器三维模型构建方法。
根据本发明的第三个方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的一种航空器三维模型构建方法。
本发明至少具有以下有益效果:
本发明使用单一的激光雷达来对目标航空器在进行转向或滑行过程中进行拍摄,由此,可以获取到目标航空器在多个视角下的初始点云数据。然后,再对多帧初始点云数据进行配准,以获得多个对应的对齐因子,并通过对齐因子来使多帧初始点云数据位于同一坐标系中,在空间上进行对齐。然后,再通过求取多个位于同一坐标系中的多帧初始点云数据的并集。可以获取到目标航空器的稠密点云数据。由此,可以通过该数据对目标航空器进行三维建模。
本发明中仅适用单一的激光雷达即可完成对航空器的三维建模工作。其使用设备较少且不需要对现有的机场及航空器有特殊要求,其适用性更高。且无需人员操作激光雷达在机场中进行拍摄,安全性更高。同时仅需要一台激光雷达且不需要人员操作即可完成建模工作,其工作效率高,可以降低使用成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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航空器三维模型构建方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,本领域技术人员在没有作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。
根据本发明的一个方面,如图1所示,提供了一种航空器三维模型构建方法,方法包括如下步骤:
步骤S100:使用单一激光雷达获取目标航空器在进行转向或滑行过程中多个视角下产生的多帧初始点云数据P1、P2、…、Pi、…、Pz。其中,Pi为目标航空器在进行转向及滑行过程中产生第i帧初始点云数据,z为目标航空器在进行转向及滑行过程中产生的初始点云数据的总数量。i=1、2、…、z。且
本步骤中,目标航空器可以为民航机场中的飞机。激光雷达的安装位置可以根据实际使用场景来进行设置。具体需要保证安装后的激光雷达,在有效探测范围内,可以清楚的获取到飞机的点云数据。且激光雷达的探测范围要尽可能多的包含飞机进行转向或滑行的区域。优选的,可以将激光雷达设置在航站楼或起飞及降落的区域或飞机掉头的区域等视野开阔的位置。由此,可以尽可能的探测到本发明所需要的点云数据。
优选的,激光雷达可以为光纤激光雷达,且激光雷达的水平视场角α≥120°,激光雷达的帧率f≥20Hz,激光雷达的探测精度β≤2cm。
通常激光雷达的水平视场角越大,其可视范围也就更大,进而可以获取到更多点云数据以供后续使用。另外,由于飞机在起飞或降落过程中其速度较快,所以需要较高的帧率来减少误差的产生。
步骤S200:对P1、P2、P3、…、Pi、…、Pz进行点云配准处理,生成多个对应的对齐因子Q2、Q3、…、Qi、…、Qz,其中,Qi为Pi对应的对齐因子;Qi满足如下条件:
Qi=REG{Pi,[P1∪(P2*Q2)∪(P3*Q3)∪…∪(Pi-1*Qi-1)]};
其中,REG{,}为对两个元素进行配准的处理算法;
优选的,REG{,}可以为GICP算法。
本步骤中,在进行点云配准时,是将当前需要进行配准的始点云数据与之前已配准的所有点云数据求并集。具体为:P2与P1配准,然后将配准后的P2与P1合并得到PGX2,然后,将P3与PGX2配准,然后将配准后的P3与PGX2合并,得到PGX3,以此类推直至配准完成。其中,PGX2为P2配准后生成的更新点云数据。
本实施例中的这种配准方法的优势是可以充分利用多帧点云数据的信息,能够克服两帧之间视角差异大的情况下导致的配准失败的问题,提高鲁棒性。
通过本步骤可以获得多个对应的对齐因子,通过对齐因子可以使多帧初始点云数据位于同一坐标系中,进而在空间上进行对齐。通过GICP算法可以提高点云配准的精确度。
步骤S300:根据多帧初始点云数据及多个对齐因子,生成目标航空器对应的目标点云数据M,M符合如下条件:
M=P1∪(P2*Q2)∪(P3*Q3)∪…∪(Pi*Qi)∪…∪(Pz*Qz)。
经过配准后的多帧初始点云数据,均位于同一坐标系内,且不同帧初始点云数据中表示飞机的相同位置的点云可以重合至一体。由此,通过求取配准后的多帧初始点云数据的并集,可以对配准后的多帧初始点云数据中重复部分只保留一份,另外将不重复的部分添加进来。最终可以得到一个更加稠密的点云数据。由于,点云更加稠密由此也可以更加丰富的表示出飞机的整体机身形状上的细节,进而使得最终由目标点云数据形成的飞机的三维模型,可以更加的逼真。
作为本发明另一种可能的实施例,本方法还包括:
步骤S400:根据目标点云数据生成目标航空器的三维模型。
在得到目标点云数据后,可以使用现有方法根据该目标点云数据生成目标航空器的三维模型。有了对应的三维模型之后,还可以根据对应的飞机外观涂装,对三维模型进行表面渲染。由此就可以完成对目标航空器的三维模型的构建。
若激光雷达可以获取到目标飞行器往返过程中的点云数据,则最终可以得到表示飞机全部机身形状的目标点云数据。若激光雷达仅可以获取到目标飞行器单程的点云数据,则最终可以得到的点云数据,可能为仅是表示飞机一侧的点云数据。但是由于飞机具有对称性,由此也可以通过对称来补全目标点云数据。
另外,由步骤300中得到目标点云数据是一个稠密度较高的点云数据。如一个飞机的机翼尖端可能会存在200-300个点。该点云的分布密度远大于通过点云转化三维模型所需要的密度。由此,在通过现有的方法对将点云转化为三维模型时,会消耗大量的计算资源。所以,在步骤S400之前还需要加入对目标点云数据进行抽稀操作的步骤,由此可以降低目标点云数据的数据量,以减少对计算资源消耗,并提高转化效率。
步骤S500:为目标航空器的三维模型配置航空器的基础信息。
在获得目标航空器的三维模型后,可以根据目标航空器所在的航道、起降时间以及停泊位置等信息,确定出三维模型具体是哪一个飞机对应的模型。然后,可以将该飞机对应的一些基础信息,作为该三维模型的属性信息进行配置。基础信息可以包括所属航司、飞机大小、维保情况等信息。
通过本实施例的方案,可以提高模型的转化效率,并最终获得一个信息更为完全飞机模型。以便于构建一个更加准确完成的飞机模型特征库。
作为本发明另一种可能的实施例,步骤S100:使用单一激光雷达获取目标航空器在进行转向或滑行过程中多个视角下产生的多帧初始点云数据,包括:
步骤S101:使用单一激光雷达获取目标航空器在多个视角下产生的多帧待处理点云数据。待处理点云数据包括目标航空器的点云数据。
步骤S102:对多帧待处理点云数据进行目标分割处理,生成多帧初始点云数据。目标分割处理用以获取目标航空器对应的点云数据。
本实施例中的待处理点云数据可能会包括背景中的物体产生的噪声点云。所以通过目标分割处理可以将待处理点云数据中的目标飞机的点云提取出来。由此,在进行后续的配准处理时,可以减少其他噪声数据的干扰,以便得到更高的配准精度。
作为本发明另一种可能的实施例,步骤S101:使用单一激光雷达获取目标航空器在多个视角下产生的多帧待处理点云数据,包括:
步骤S111:获取在时序上相邻的任意两帧候选点云数据的空间重叠系数。空间重叠系数为两帧候选点云数据分别对应的OBB(Oriented bounding box,方向包围盒)在相同方向上的投影之间的重叠部分的面积值。
步骤S121:当空间重叠系数大于重叠阈值时,为两帧候选点云数据赋予同一点云ID。
当任一飞机进入激光雷达的探测范围后,即可连续生成多帧在时间顺序上连续的点云数据。同时由于激光雷达的帧率较高,所以同一飞机在时间上相邻的任意两帧候选点云数据在空间上是存在一定重合的。且不同的飞机在时间上相邻的任意两帧候选点云数据在空间上不会存在重合。由此,通过该特征可以来判定那些点云数据是同一飞机的点云数据。
具体的,在本实施例中可以通过计算两帧候选点云数据中所表示的飞机的OBB的重叠部分的大小来确定空间重叠系数。为了降低计算量,可以直接将两帧候选点云数据分别对应的OBB在水平面上的投影的重叠面积值,作为空间重叠系数。
具体的重叠阈值可以根据实际情况进行设置。由此,可以根据该特征实现对同一飞机的持续跟踪。进而可以保证更加精准的获取到同一飞机在往返过程中产生的两组点云数据,减少点云与飞机不匹配的情况的出现。
同时为了激光雷达可以跟踪到飞机在机场中进行往返运动的完整过程,需要激光雷达的可探测范围可以完全概括飞机的往返区域。
步骤S131:从具有相同点云ID的多帧候选点云数据中,筛选出目标航空器的多帧待处理点云数据。待处理点云数据为点云中包含的点的总数大于体积阈值的候选点云数据。
随着飞机与激光雷达之间的距离的变化,得到的点云的密度也会发生变化,具体为越靠近激光雷达的位置,得到的点云的密度越高。在距离激光雷达较远的位置得到的点云的密度会较低,且该低密度的点云数据,对于三维模型的构建无太大的价值。所以可以根据点云的密度高低来去除无效数据,进而减少计算量,提高计算效率。
作为本发明另一种可能的实施例,在步骤S131:从具有相同点云ID的多帧候选点云数据中,筛选出目标航空器的多帧待处理点云数据之前,该方法还包括:
步骤S122:获取每一点云ID对应的有效判定时段中所包含的候选点云数据。
步骤S123:若有效判定时段中所包含的候选点云数据只能构建一条航行轨迹数据,则将该点云ID对应的所有候选点云数据去除。
通常民航客机在机场的停泊时间基本为旅客的上下机时间,一般在2-5小时之间,所以有效判定时段可以根据该时间间隔范围进行合理设置。
通常需要激光雷达获取到飞机一次往返所产生的点云(两条航行轨迹数据),才可以获得到飞机的完整点云数据。进而可以更加精准的拼接出完整的机身点云数据。所以当在有效判定时段内仅获得目标飞机的一条航行轨迹数据时,即可将该数据进行抛弃。
作为本发明另一种可能的实施例,有效判定时段按照如下步骤获得:
步骤S1221:获取每一点云ID对应的启动时间T1、T2、…、Tn、…、Ty,其中,Tn为第n个点云ID对应的启动时间,启动时间为首个候选点云数据的生成时间,y为点云ID的总数量。n=1、2、…、y。
步骤S1222:获取每一点云ID对应的有效时间间隔K1、K2、…、Kn、…、Ky,其中,Kn为第n个点云ID对应的有效时间间隔。
步骤S1223:根据每一点云ID对应的有效时间间隔及启动时间,生成每一点云ID对应的有效判定时段L1、L2、…、Ln、…、Ly,其中,Ln为第n个点云ID对应的有效判定时段。Ln∈[Tn,Tn+Ln]。
本实施例中,每一点云ID均可以根据自身情况,单独设置更加贴切的有效时间间隔,由此可以更加灵活准确的生成每一个飞机对应的有效判定时段。提高判定的准确性。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
根据本发明的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中,所述储存器存储有程序代码,所述程序代码可以被所述处理器执行,使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(RAM)和/或高速缓存储存器,还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,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权利要求的保护范围为准。
Claims (9)
1.一种航空器三维模型构建方法,其特征在于,所述方法包括如下步骤:
使用单一激光雷达获取目标航空器在进行转向或滑行过程中多个视角下产生的多帧初始点云数据P1、P2、…、Pi、…、Pz;其中,Pi为目标航空器在进行转向及滑行过程中产生第i帧初始点云数据,z为目标航空器在进行转向及滑行过程中产生的初始点云数据的总数量;i=1、2、…、z;且
对P1、P2、P3、…、Pi、…、Pz进行点云配准处理,生成多个对应的对齐因子Q2、Q3、…、Qi、…、Qz,其中,Qi为Pi对应的对齐因子;Qi满足如下条件:
Qi=REG{Pi,[P1∪(P2*Q2)∪(P3*Q3)∪…∪(Pi-1*Qi-1)]};
其中,REG{,}为对两个元素进行配准的处理算法;
根据所述多帧初始点云数据及多个对齐因子,生成所述目标航空器对应的目标点云数据M,M符合如下条件:
M=P1∪(P2*Q2)∪(P3*Q3)∪…∪(Pi*Qi)∪…∪(Pz*Qz);
根据目标点云数据生成所述目标航空器的三维模型;
为所述目标航空器的三维模型配置航空器的基础信息。
2.根据权利要求1所述的方法,其特征在于,使用单一激光雷达获取目标航空器在进行转向或滑行过程中多个视角下产生的多帧初始点云数据,包括:
使用单一激光雷达获取目标航空器在多个视角下产生的多帧待处理点云数据;待处理点云数据包括所述目标航空器的点云数据;
对多帧所述待处理点云数据进行目标分割处理,生成多帧初始点云数据;所述目标分割处理用以获取所述目标航空器对应的点云数据。
3.根据权利要求1所述的方法,其特征在于,REG{,}为GICP算法。
4.根据权利要求2所述的方法,其特征在于,使用单一激光雷达获取目标航空器在多个视角下产生的多帧待处理点云数据,包括:
获取在时序上相邻的任意两帧候选点云数据的空间重叠系数;所述空间重叠系数为两帧所述候选点云数据分别对应的OBB在相同方向上的投影之间的重叠部分的面积值;
当空间重叠系数大于重叠阈值时,为所述两帧候选点云数据赋予同一点云ID;
从具有相同点云ID的多帧所述候选点云数据中,筛选出所述目标航空器的多帧待处理点云数据;所述待处理点云数据为点云中包含的点的总数大于体积阈值的候选点云数据。
5.根据权利要求4所述的方法,其特征在于,在从具有相同点云ID的多帧所述候选点云数据中,筛选出所述目标航空器的多帧待处理点云数据之前,所述方法还包括:
获取每一点云ID对应的有效判定时段中所包含的候选点云数据;
若有效判定时段中所包含的候选点云数据只能构建一条航行轨迹数据,则将该点云ID对应的所有候选点云数据去除。
6.根据权利要求5所述的方法,其特征在于,所述有效判定时段按照如下步骤获得:
获取每一点云ID对应的启动时间T1、T2、…、Tn、…、Ty,其中,Tn为第n个点云ID对应的启动时间,所述启动时间为首个候选点云数据的生成时间,y为点云ID的总数量;n=1、2、…、y;
获取每一点云ID对应的有效时间间隔K1、K2、…、Kn、…、Ky,其中,Kn为第n个点云ID对应的有效时间间隔;
根据每一点云ID对应的有效时间间隔及启动时间,生成每一点云ID对应的有效判定时段L1、L2、…、Ln、…、Ly,其中,Ln为第n个点云ID对应的有效判定时段;Ln∈[Tn,Tn+Ln]。
7.根据权利要求1所述的方法,其特征在于,所述激光雷达的水平视场角α≥120°,所述激光雷达的帧率f≥20Hz,所述激光雷达的探测精度β≤2cm。
8.一种非瞬时性计算机可读存储介质,所述非瞬时性计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种航空器三维模型构建方法。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种航空器三维模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310470650.1A CN116486012B (zh) | 2023-04-27 | 2023-04-27 | 一种航空器三维模型构建方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310470650.1A CN116486012B (zh) | 2023-04-27 | 2023-04-27 | 一种航空器三维模型构建方法、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116486012A CN116486012A (zh) | 2023-07-25 |
CN116486012B true CN116486012B (zh) | 2024-01-23 |
Family
ID=87221168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310470650.1A Active CN116486012B (zh) | 2023-04-27 | 2023-04-27 | 一种航空器三维模型构建方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116486012B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150754B (zh) * | 2023-08-28 | 2024-04-19 | 中国民用航空总局第二研究所 | 基于仿真的激光雷达外参获取方法、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008569A (zh) * | 2014-02-24 | 2014-08-27 | 惠州学院 | 一种基于深度视频的3d场景生成方法 |
CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
CN109202912A (zh) * | 2018-11-15 | 2019-01-15 | 太原理工大学 | 一种基于单目深度传感器和机械臂配准目标轮廓点云的方法 |
CN109272537A (zh) * | 2018-08-16 | 2019-01-25 | 清华大学 | 一种基于结构光的全景点云配准方法 |
CN111340942A (zh) * | 2020-02-25 | 2020-06-26 | 电子科技大学 | 一种基于无人机的三维重建系统及其方法 |
CN113870123A (zh) * | 2021-08-19 | 2021-12-31 | 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 |
CN114708292A (zh) * | 2022-01-05 | 2022-07-05 | 上海交通大学 | 一种对象状态估计方法、装置、计算设备和车辆的改进方法 |
CN115019007A (zh) * | 2022-08-05 | 2022-09-06 | 烟台市地理信息中心 | 一种基于无人机智能航线规划的三维模型制作方法及系统 |
CN115439607A (zh) * | 2022-09-01 | 2022-12-06 | 中国民用航空总局第二研究所 | 一种三维重建方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11538349B2 (en) * | 2020-08-03 | 2022-12-27 | Honeywell International Inc. | Multi-sensor data fusion-based aircraft detection, tracking, and docking |
-
2023
- 2023-04-27 CN CN202310470650.1A patent/CN116486012B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008569A (zh) * | 2014-02-24 | 2014-08-27 | 惠州学院 | 一种基于深度视频的3d场景生成方法 |
CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
CN109272537A (zh) * | 2018-08-16 | 2019-01-25 | 清华大学 | 一种基于结构光的全景点云配准方法 |
CN109202912A (zh) * | 2018-11-15 | 2019-01-15 | 太原理工大学 | 一种基于单目深度传感器和机械臂配准目标轮廓点云的方法 |
CN111340942A (zh) * | 2020-02-25 | 2020-06-26 | 电子科技大学 | 一种基于无人机的三维重建系统及其方法 |
CN113870123A (zh) * | 2021-08-19 | 2021-12-31 | 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 |
CN114708292A (zh) * | 2022-01-05 | 2022-07-05 | 上海交通大学 | 一种对象状态估计方法、装置、计算设备和车辆的改进方法 |
CN115019007A (zh) * | 2022-08-05 | 2022-09-06 | 烟台市地理信息中心 | 一种基于无人机智能航线规划的三维模型制作方法及系统 |
CN115439607A (zh) * | 2022-09-01 | 2022-12-06 | 中国民用航空总局第二研究所 | 一种三维重建方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116486012A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102126724B1 (ko) | 포인트 클라우드 데이터를 복구하기 위한 방법 및 장치 | |
CN108765487A (zh) | 重建三维场景的方法、装置、设备和计算机可读存储介质 | |
CN116486012B (zh) | 一种航空器三维模型构建方法、存储介质及电子设备 | |
WO2023279695A1 (zh) | 一种基于bim和点云测量的输变电工程验收方法 | |
CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
EP4116935B1 (en) | High-definition map creation method and device, and electronic device | |
Tang et al. | Ground stereo vision-based navigation for autonomous take-off and landing of uavs: a chan-vese model approach | |
CN110260856A (zh) | 一种建图方法和装置 | |
CN113012479B (zh) | 一种基于障碍物分析的飞行限重测量方法、装置及系统 | |
CN111679303A (zh) | 一种多源定位信息融合的综合定位方法及装置 | |
KR20220155947A (ko) | 고정밀 지도 생성 방법, 장치, 전자 기기 및 저장 매체 | |
CN114758337A (zh) | 一种语义实例重建方法、装置、设备及介质 | |
CN113298910A (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
CN114092660A (zh) | 高精地图生成方法、装置及用于生成地图的车辆 | |
Blokhinov et al. | Technology for the visual inspection of aircraft surfaces using programmable unmanned aerial vehicles | |
CN110530376B (zh) | 机器人定位方法、装置、机器人及存储介质 | |
CN115793715B (zh) | 一种无人机辅助飞行方法、系统、装置及存储介质 | |
CN109979244B (zh) | 异质飞行器空域拥堵的预测方法和装置 | |
CN110542422A (zh) | 机器人定位方法、装置、机器人及存储介质 | |
CN114091271A (zh) | 一种设备模型的简化方法、装置、电子设备及存储介质 | |
US11887387B2 (en) | Mesh structure equipment detection apparatus, mesh structure equipment detection method and program | |
CN116383330B (zh) | 一种轨迹拟合方法、存储介质及电子设备 | |
Schwab | Construction of ground subtracks for aircraft noise calculations using an estimate of lateral flight dispersion | |
CN117974913B (zh) | 配网电缆机器人控制方法、装置、电子设备和介质 | |
CN113724395B (zh) | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
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 |