CN116659548A - 一种基于强度特征的地面激光扫描仪自主校准方法 - Google Patents
一种基于强度特征的地面激光扫描仪自主校准方法 Download PDFInfo
- Publication number
- CN116659548A CN116659548A CN202310608340.1A CN202310608340A CN116659548A CN 116659548 A CN116659548 A CN 116659548A CN 202310608340 A CN202310608340 A CN 202310608340A CN 116659548 A CN116659548 A CN 116659548A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- point cloud
- calibration
- intensity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000000844 transformation Methods 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001134 F-test Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- 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)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开一种基于强度特征的地面激光扫描仪自主校准方法。该方法无额外布设成本,可同时标定校准模型中双面敏感以及非双面敏感的参数,并且对偏移量和角度参数分别实现毫米/亚毫米级和角秒级精度。包括步骤S1:在两个测站分别获取点云数据,并利用点云配准方法粗略计算测站间的相对位姿;步骤S2:从点云中均匀选择若干核心点,并根据其附近的点生成强度图像;步骤S3:提取强度图像中的特征点并匹配;步骤S4:构建线性方程组,求解校准模型参数。
Description
技术领域
本发明涉及地面激光扫描技术领域,尤其涉及一种基于强度特征的地面激光扫描仪自主校准方法。
背景技术
地面激光扫描仪(Terrestrial Laser Scanner,TLS)是一种高效和高精度的三维数据采集和建模工具。它被广泛用于各种领域,如大地测量、工程、建筑和考古等。由于扫描仪内部光学机械部件的失准,制造商通常会预先对其进行校准。然而在长期工作后,扫描仪内部组件的相对位置会发生变化,导致向测量结果中引入系统误差,从而超出扫描仪的标称精度。这对于具有高精度需求的用户而言将是一个严重的问题。
近年来,研究人员一直致力于在用户端对扫描仪进行校准。其中,在特定的校准场地安装分布良好的靶标是科研工作中的一种常用方案。利用从不同扫描中观察到的靶标中心的等效条件,如果扫描来自多个站,则可以同时估计校准模型参数与扫描仪姿态参数。得益于精确的靶标中心估计(Target Center Estimation,TCE),基于靶标的扫描仪校准可以实现仪器手册中给出的测量精度。
此外,各类几何特征也可用于扫描仪配准和校准,例如周围环境中的平面、圆柱体、抛物面和点特征。在基于点特征的方法中,可将一些经典的特征算子,如尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算子用于特征点匹配。这些特征算子通常用于点云的粗配准,随后再与迭代最近点法(Iterative Closest Point,ICP)相结合以实现精配准。此外,近年来许多先进的关键点提取算法,包括一些基于学习的三维特征点检测,也已成功用于点云配准。
但是,基于靶标的方法对于实验场地以及人力成本的要求较高,实施时较为繁琐,而理想的扫描仪校准方案是在常规扫描项目期间原地校准扫描仪,并且不需要额外的人工作业。基于环境特征的方法中,尽管圆柱体和抛物面具有实现高精度扫描仪校准的潜力,但这些特征在一般的扫描项目中并不常见。此外,一些基于平面的自校准方法可以实现与基于靶标的方法类似的精度,然而,目前一般的基于平面的校准算法需要手动提取平面或人工布设平面目标,并不是完全自主式的。此外,平面特征虽然广泛存在于城市环境,但在地理监测应用中,我们无法在山区作业时依赖平面特征。有学者对基于点云强度特征的TLS校正算法进行了研究,但当前算法只能对来自同一测站不同观测面的点云进行特征匹配,从而只能对TLS双面敏感参数进行校准。
发明内容
为了克服现有技术存在的缺陷,本发明所要解决的技术问题是提供一种基于强度特征的地面激光扫描仪自主校准方法。该方法无额外布设成本,可同时标定校准模型中双面敏感以及非双面敏感的参数,并且对偏移量和角度参数分别实现毫米/亚毫米级和角秒级精度。
为了实现上述目的,本发明提供以下技术方案:
一种基于强度特征的地面激光扫描仪自主校准方法,包括如下步骤:
步骤S1:在两个测站分别获取点云数据,并利用点云配准方法粗略计算测站间的相对位姿;
步骤S2:从点云中均匀选择若干核心点,并根据其附近的点生成强度图像;
步骤S3:提取强度图像中的特征点并匹配;
步骤S4:构建线性方程组,求解校准模型参数;
所述步骤S1包括:
步骤S11:相隔一定距离架设两个测站,采集到的点云数据分别记作点云1和点云2,两个点云之间应保证>50%的重叠度;
步骤S12:利用迭代最近点法或其他点云配准算法获取点云1和点云2之间的初始相对位姿;
所述步骤S2包括:
步骤S21:选择核心点;
为了减少计算负担的同时确保能够识别出所有不同的特征,对点云1进行体素划分,每个体素中最靠近中心的点将被选为核心点;
步骤S22:生成强度图像;
对于每个核心点,利用其周围一定半径内的点生成对应的强度图像;该半径通过如下经验公式确定:
其中,ρ1和ρ2分别为核心点到两个测站的距离,并且R的值被限制在0.3m到4.0m之间;若某核心点邻域内包含的点低于100个,其将不参与后续处理;反之,若某核心点邻域内包含的点超过1000000个,则对其周围的点进行降采样;对核心点Cp邻域内的点使用主成分分析(Principal Component Analysis,PCA),并以三个主方向为坐标轴,以核心点为原点构建局部坐标系O-XYZl;所有邻近点将被投影至像平面O-XYl上,并通过Matlab中的griddata函数对强度值进行内插生成尺寸为mI×mI的强度图像,图像的像素大小可通过下式计算:
本发明中对于分辨率为3mm@10m的观测数据,我们取mI=1001以获得亚像素级匹配精度(随着分辨率的提高,mI可相应增大);为了获取后续用于匹配的图像对,利用初始相对位姿对核心点Cp进行坐标转换得到C′ p,同样地,C′ p在点云2中的邻近点将被投影至同一像平面O-XYl上并生成对应的强度图像;
所述步骤S3包括:
步骤S31:利用算子定位图像中的显著特征,随后基于ORB(OrientedFAST and Rotated BRIEF)算法提取和匹配像对中的特征点;
步骤S32:利用估计样本一致性算法探测并移除误匹配的特征点对;
步骤S33:计算二维特征点对应的三维坐标;
根据特征点的像素坐标和像素尺寸可直接计算出其XYl坐标,Zl分量则通过对邻近点的Zl坐标进行线性插值得到;随后,将上述三维坐标转至各自的测站坐标系下,并用极坐标的形式表示;此外,为进一步排除潜在的误匹配,利用匹配特征点的三维坐标估计点云间的刚体变换,其中残差超出阈值(同站间残差不超过10mm,异站间残差不超过200mm)的特征点对将被舍弃;
所述步骤S4包括:
步骤S41:构造条件方程;
根据步骤S33所获取的特征点三维坐标可构建如下方程:
其中,i=1…I,n=1…N,I和N分别为特征点和条件方程的个数。k和k′为测站的编号,Rl和Tl为测站坐标系与全局坐标系之间的旋转和平移。和为校准后的特征点坐标;[fx,n fy,n fz,n]T为一对特征点在全局坐标系下的坐标差异,通过使其达到最小可以求得扫描仪的校准参数和位姿参数;
对观测值的校准可通过以下式子进行:
其中,ξ为校准参数,[ri.k θi,k αi,k]T为测站k下第i个特征点的极坐标。校准模型可采用简化后的NIST模型;
步骤S42:求解条件方程组;
首先对各个方程进行线性化,随后采用Gauss-Helmert模型估计参数。假设观测值的各个坐标分量不相关,定义其协方差矩阵为:
所有观测值的协方差矩阵则为一个分块对角矩阵:
Qf=diag([q1…qu…qU])U×U#(7)
其中,U为特征点的个数。初始值分别为3.5mm,20″,20″;在迭代求解的过程中,通过方差分量估计(Variance Component Estimation,VCE)和F检验对观测值方差进行更新并使用Danish方法根据残差重新定权;同时,残差超出三倍中误差的观测值将被剔除。
以上技术方案仅为本发明的一种可行的技术方案而已,本发明的保护范围并不仅限于此,本领域技术人员可根据实际需求合理调整具体设计。
上述发明具有如下优点或者有益效果:
现有的高精度TLS标定方法往往依赖于人工目标,增加了标定的人力物力成本。而基于当前环境已有特征的标定方法则面临着几何特征不可用和标定精度较低的问题。本发明充分利用环境中的强度特征,能够适用于多种场景,不需要额外布设成本的同时实现高精度的校准参数标定。此外,本发明可同时标定校准模型中双面敏感以及非双面敏感的参数,相较于现有基于强度特征的TLS标定,该方法能够实现更为全面的TLS参数校准。
附图说明
图1是本发明地面激光扫描仪自主校准方法流程示意图;
图2是本发明特征点提取与匹配示意图。
具体实施方式
下面结合附图和具体的实施例对本发明中的结构作进一步的说明,但是不作为本发明的限定。
针对Leica RTC360的高精度校正问题,我们在利用在波恩大学75×33×9m校正场采集的两个测站的数据开展实验。
步骤S1:在两个测站分别获取点云数据,并利用一般点云配准方法粗略计算测站间的相对位姿;
具体的,步骤S1包括:
步骤S11:相隔一定距离架设两个测站,采集到的点云数据分别记作点云1和点云2,两者之间应保证足够的重叠度;
步骤S12:利用迭代最近点法或其他点云配准算法获取点云1和点云2之间的初始相对位姿;
步骤S2:从点云中均匀选择若干核心点,并根据其附近的点生成强度图像;
具体的,步骤S2包括:
步骤S21:选择核心点;
为了减少计算负担的同时确保能够识别出所有不同的特征,对点云1进行体素划分,每个体素中最靠近中心的点将被选为核心点。
步骤S22:生成强度图像;
对于每个核心点,利用其周围一定半径内的点生成对应的强度图像。该半径R通过如下经验公式确定:
其中,ρ1和ρ2分别为核心点到两个测站的距离,并且R的值被限制在0.3m到4.0m之间。若某核心点邻域内包含的点低于100个,其将不参与后续处理;反之,若某核心点邻域内包含的点超过1000000个,则对其周围的点进行降采样。对核心点Cp邻域内的点使用主成分分析(Principal Component Analysis,PCA),并以三个主方向为坐标轴,以核心点为原点构建局部坐标系O-XYZl。所有邻近点将被投影至像平面O-XYl上,并通过Matlab中的griddata函数对强度值进行内插生成尺寸为mI×mI的强度图像,图像的像素大小可通过下式计算:
本实施例中取mI=1001。为了获取后续用于匹配的图像对,利用初始相对位姿对核心点Cp进行坐标转换得到C′p,同样地,C′p在点云2中的邻近点将被投影至同一像平面O-XYl上并生成对应的强度图像;
步骤S3:提取强度图像中的特征点并匹配;
具体的,步骤S3包括:
步骤S31:利用算子定位图像中的显著特征,随后基于ORB(OrientedFAST and Rotated BRIEF)算法提取和匹配像对中的特征点;
步骤S32:利用估计样本一致性算法(MSAC)算法探测并移除误匹配的特征点对;
步骤S33:计算二维特征点对应的三维坐标;
根据特征点的像素坐标和像素尺寸可直接计算出其XYl坐标,Zl分量则通过对邻近点的Zl坐标进行线性插值得到。随后,将上述三维坐标转至各自的测站坐标系下,并用极坐标的形式表示。此外,为进一步排除潜在的误匹配,利用匹配特征点的三维坐标估计点云间的刚体变换,其中残差超出一定阈值的特征点对将被舍弃。
步骤S4:构建线性方程组,求解校准模型参数;
具体的,步骤S4包括:
步骤S41:构造条件方程;
根据步骤S33所获取的特征点三维坐标可构建如下方程:
其中,i=1…I,n=1…N,I和N分别为特征点和条件方程的个数。k和k′为测站的编号,Rl和Tl为测站坐标系与全局坐标系之间的旋转和平移。和为校准后的特征点坐标。[fx,n fy,n fz,n]T为一对特征点在全局坐标系下的坐标差异,通过使其达到最小可以求得扫描仪的校准参数和位姿参数。
对观测值的校准可通过以下式子进行:
其中,ξ为校准参数,[ri.kθi,kαi,k]T为测站k下第i个特征点的极坐标。校准模型可采用简化后的NIST模型。
步骤S42:求解条件方程组;
首先对各个方程进行线性化,随后采用Gauss-Helmert模型估计参数。假设观测值的各个坐标分量不相关,定义其协方差矩阵为:
所有观测值的协方差矩阵则为一个分块对角矩阵:
Qf=diag([q1…qu…qU])U×U#(7)
其中,U为特征点的个数。初始值分别为3.5mm,20″,20″。在迭代求解的过程中,通过方差分量估计(Variance Component Estimation,VCE)和F检验对观测值方差进行更新并使用Danish方法根据残差重新定权。同时,残差超出三倍中误差的观测值将被剔除。
综上,本发明基于强度特征的地面激光扫描仪自主校准方法,通过从点云中提取强度特征点,并根据它们的对应关系构建条件方程组,能够实现对TLS校准参数的高精度标定。
利用在波恩大学采集的TLS点云数据对本发明的效果进行验证,对于含有10个参数的简化NIST模型,各参数的标定精度如下表所示:
从上表可以看出,本发明对于校准模型中的偏移量和角度参数可分别实现亚毫米级和角秒级的标定精度。
本领域技术人员应该理解,本领域技术人员在结合现有技术以及上述实施例可以实现变化例,在此不做赘述。这样的变化例并不影响本发明的实质内容,在此不予赘述。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (7)
1.一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:包括如下步骤:
步骤S1:在两个测站分别获取点云数据,并利用点云配准方法粗略计算测站间的相对位姿;
步骤S2:从点云中均匀选择若干核心点,并根据其附近的点生成强度图像;
步骤S3:提取强度图像中的特征点并匹配;
步骤S4:构建线性方程组,求解校准模型参数;
所述步骤S3包括:
步骤S31:利用算子定位图像中的显著特征,随后基于ORB算法提取和匹配像对中的特征点;
步骤S32:利用估计样本一致性算法探测并移除误匹配的特征点对;
步骤S33:计算二维特征点对应的三维坐标;
根据特征点的像素坐标和像素尺寸可直接计算出其XYl坐标,Zl分量则通过对邻近点的Zl坐标进行线性插值得到;随后,将上述三维坐标转至各自的测站坐标系下,并用极坐标的形式表示;利用匹配特征点的三维坐标估计点云间的刚体变换,其中残差超出阈值的特征点对将被舍弃。
2.根据权利要求1所述的一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:所述步骤S1包括:
步骤S11:相隔一定距离架设两个测站,采集到的点云数据分别记作点云1和点云2,要求两个点云之间应保证重叠度;
步骤S12:利用迭代最近点法或其他点云配准算法获取点云1和点云2之间的初始相对位姿。
3.根据权利要求1所述的一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:所述步骤S2包括:
步骤S21:选择核心点;
为了减少计算负担的同时确保能够识别出所有不同的特征,对点云1进行体素划分,每个体素中最靠近中心的点将被选为核心点;
步骤S22:生成强度图像;
对于每个核心点,利用其周围半径内的点生成对应的强度图像。
4.根据权利要求1所述的一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:所述步骤S4包括:
步骤S41:构造条件方程;
根据步骤S33所获取的特征点三维坐标可构建如下方程:
其中,i=1…I,n=1…N,I和N分别为特征点和条件方程的个数;k和k′为测站的编号,Rl和Tl为测站坐标系与全局坐标系之间的旋转和平移;和为校准后的特征点坐标;[fx,n fy,n fz,n]T为一对特征点在全局坐标系下的坐标差异,通过使其达到最小可以求得扫描仪的校准参数和位姿参数;
对观测值的校准可通过以下式子进行:
其中,ξ为校准参数,[ri,k θi,k αi,k]T为测站k下第i个特征点的极坐标;校准模型采用简化后的NIST模型;
步骤S42:求解条件方程组;
首先对各个方程进行线性化,随后采用Gauss-Helmert模型估计参数;假设观测值的各个坐标分量不相关,定义其协方差矩阵为:
所有观测值的协方差矩阵则为一个分块对角矩阵:
Qf=diag([q1…qu…qU])U×U#(7)
其中,U为特征点的个数;初始值可以根据激光雷达扫描精度与配准精度在1~10mm,10″~50″,10″~50″区间取概略值;在迭代求解的过程中,通过方差分量估计和F检验对观测值方差进行更新并使用Danish方法根据残差重新定权;同时,残差超出三倍中误差的观测值将被剔除。
5.根据权利要求1所述的一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:所述步骤S33中的阈值为:同站间残差不超过10mm,异站间残差不超过200mm。
6.根据权利要求2所述的一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:所述步骤S11中的重叠度>50%。
7.根据权利要求3所述的一种基于强度特征的地面激光扫描仪自主校准方法,其特征在于:所述步骤S22中的半径通过如下经验公式确定:
其中,ρ1和ρ2分别为核心点到两个测站的距离,并且R的值被限制在0.3m到4.0m之间;若某核心点邻域内包含的点低于100个,其将不参与后续处理;反之,若某核心点邻域内包含的点超过1000000个,则对其周围的点进行降采样;对核心点Cp邻域内的点使用主成分分析,并以三个主方向为坐标轴,以核心点为原点构建局部坐标系O-XYZl;所有邻近点将被投影至像平面O-XYl上,并通过Matlab中的griddata函数对强度值进行内插生成尺寸为mI×mI的强度图像,图像的像素大小可通过下式计算:
取mI≥1001;为了获取后续用于匹配的图像对,利用初始相对位姿对核心点Cp进行坐标转换得到C′p,同样地,C′p在点云2中的邻近点将被投影至同一像平面O-XYl上并生成对应的强度图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310608340.1A CN116659548A (zh) | 2023-05-27 | 2023-05-27 | 一种基于强度特征的地面激光扫描仪自主校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310608340.1A CN116659548A (zh) | 2023-05-27 | 2023-05-27 | 一种基于强度特征的地面激光扫描仪自主校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116659548A true CN116659548A (zh) | 2023-08-29 |
Family
ID=87709090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310608340.1A Pending CN116659548A (zh) | 2023-05-27 | 2023-05-27 | 一种基于强度特征的地面激光扫描仪自主校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116659548A (zh) |
-
2023
- 2023-05-27 CN CN202310608340.1A patent/CN116659548A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110021046B (zh) | 相机与激光雷达组合传感器的外参数标定方法及系统 | |
CN109839624A (zh) | 一种多激光雷达位置标定方法及装置 | |
CN112802124B (zh) | 多台立体相机的标定方法及装置、电子设备及存储介质 | |
US20150287196A1 (en) | Method of calibrating a camera and a system therefor | |
CN105066962B (zh) | 一种多分辨率大视场角高精度摄影测量装置 | |
CN116433737A (zh) | 一种激光雷达点云与图像配准的方法、装置及智能终端 | |
Rüther et al. | A comparison of close-range photogrammetry to terrestrial laser scanning for heritage documentation | |
CN108564532B (zh) | 大尺度地距星载sar图像镶嵌方法 | |
CN111768337B (zh) | 一种图像处理方法、装置和电子设备 | |
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 | |
US20230386085A1 (en) | Calibrating system for colorizing point-clouds | |
Oh | Novel approach to epipolar resampling of HRSI and satellite stereo imagery-based georeferencing of aerial images | |
US20210264561A1 (en) | Automatic multi-image 3d ground control point extraction | |
CN116170569A (zh) | 一种高光谱影像正摄校正方法及装置、存储介质 | |
CN113706635B (zh) | 一种基于点特征和线特征融合的长焦距相机标定方法 | |
JP2020038550A (ja) | ラインセンサカメラのキャリブレーション装置及び方法 | |
Ravi et al. | Least squares adjustment with a rank-deficient weight matrix and its applicability to image/lidar data processing | |
Jiang et al. | Systematic error compensation based on a rational function model for Ziyuan1-02C | |
CN108917722B (zh) | 植被覆盖度计算方法及装置 | |
CN116659548A (zh) | 一种基于强度特征的地面激光扫描仪自主校准方法 | |
Zhang et al. | Automatic processing of Chinese GF-1 wide field of view images | |
KR102015817B1 (ko) | 입체 위성영상의 제공 rpc 자동 보정 방법 | |
SOUKUP et al. | Elastic conformal transformation of digital images | |
CN112750165B (zh) | 参数标定方法、智能驾驶方法及其装置、设备和存储介质 | |
Hlotov et al. | The proposal of determining the focal length of a non-metric digital camera for UAV |
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 |