CN117668574B - 光影秀的数据模型优化方法、装置、设备及存储介质 - Google Patents
光影秀的数据模型优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117668574B CN117668574B CN202410135491.4A CN202410135491A CN117668574B CN 117668574 B CN117668574 B CN 117668574B CN 202410135491 A CN202410135491 A CN 202410135491A CN 117668574 B CN117668574 B CN 117668574B
- Authority
- CN
- China
- Prior art keywords
- data
- space model
- satellite navigation
- error
- matching
- 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 62
- 238000013499 data model Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101150004293 lon2 gene Proteins 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本申请公开了光影秀的数据模型优化方法、装置、设备及存储介质，该方法包括：获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据；基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点；对误差点校正处理，得到优化后的点阵空间模型和卫星导航空间模型。本申请能够提高模型生成的精准度。
Description
技术领域
本申请涉及光影秀数据处理技术领域，特别是涉及光影秀的数据模型构建方法、装置、设备及存储介质。
背景技术
光影秀（Light show）是一种通过灯光和投影技术创造出的视觉表演形式。它通过在建筑物、景点、舞台等特定场景上使用灯光、投影仪等设备，将图案、动画、影像等投射在特定的表演区域上，以营造出精彩而独特的视觉效果。
通常，为了提高光影秀的质量和效率，为观众带来更加震撼和身临其境的视觉体验，相关技术通常需要采用数据模型，对光影秀的场景、灯光、动画等进行详细规划和预设，确保各个设备在正确的时间和位置进行精确的动作，实现对光影秀的精确控制。但是目前生成的模型精度比较差。
发明内容
本申请提供了光影秀的数据模型优化方法、装置、设备及存储介质，能够提高模型生成的精准度。
第一方面，本申请提供一种光影秀的数据模型优化方法，方法包括：
获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据；
基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点；
对误差点校正处理，得到优化后的点阵空间模型和卫星导航空间模型。
其进一步的技术方案为，基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点，包括：
基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到多对匹配点；
获取每一对匹配点的误差；
当误差超过预设误差阈值时，则将误差作为误差点。
其进一步的技术方案为，基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到多对匹配点，包括：
基于第一数据和第二数据，利用点对点的匹配、特征匹配或地标匹配对点阵空间模型和卫星导航空间模型进行匹配，得到多对匹配点。
其进一步的技术方案为，误差为距离误差，获取每一对匹配点的误差，包括：
利用欧氏函数或曼哈顿函数获取每一对匹配点的距离误差。
其进一步的技术方案为，基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点，包括：
将第一数据和第二数据进行预处理，得到预处理后的第一数据和第二数据；
基于预处理后的第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点。
其进一步的技术方案为，将第一数据和第二数据进行预处理，得到预处理后的第一数据和第二数据，包括：
将第一数据和第二数据进行相同坐标系处理，得到相同坐标系下的第一数据和第二数据；和/或
将第一数据和第二数据进行清理和/或筛选，得到有效的第一数据和第二数据。
其进一步的技术方案为，对误差点校正处理，得到优化后的点阵空间模型和卫星导航空间模型，包括：
将所有误差点存储在新建的数据结构中；
分析所有误差点的性质和原因，得到分析结果；
基于分析结果，纠正点阵空间模型和/或卫星导航空间模型，得到优化后的点阵空间模型和卫星导航空间模型。
第二方面，本申请提供了一种光影秀的数据模型优化装置，光影秀的数据模型优化装置包括用于执行如上述方法的单元。
第三方面，本申请提供了一种电子设备，该电子设备包括存储器及处理器，该存储器上存储有计算机程序，用于执行如本申请上述任一项方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序在被处理器执行时，用于实现上述的光影秀的数据模型优化方法。
本申请的有益效果是：区别于现有技术的情况，本申请通过获取点阵空间模型和卫星导航空间模型的数据，将两个模型进行匹配，并对误差点进行校正处理，从而优化了两个模型的精度和匹配度，提高了光影秀的效果和精度，改善了现有技术生成的模型精度比较差的问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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。其中：
图1是本申请提供的光影秀的数据模型优化方法第一实施例的流程示意图；
图2是本申请提供的光影秀的数据模型优化方法第二实施例的流程示意图；
图3是本申请提供的电子设备一实施例的结构示意图；
图4是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
光影秀（Light show）是一种通过灯光和投影技术创造出的视觉表演形式。它通过在建筑物、景点、舞台等特定场景上使用灯光、投影仪等设备，将图案、动画、影像等投射在特定的表演区域上，以营造出精彩而独特的视觉效果。
通常，为了提高光影秀的质量和效率，为观众带来更加震撼和身临其境的视觉体验，相关技术通常需要采用数据模型，对光影秀的场景、灯光、动画等进行详细规划和预设，确保各个设备在正确的时间和位置进行精确的动作，实现对光影秀的精确控制。但是目前生成的模型精度比较差。
因此，为了解决现有技术中生成的模型精度比较差的技术问题，本申请提供了一种光影秀的数据模型优化方法，具体参阅以下实施例。
下面对本申请提供的光影秀的数据模型优化方法进行详细的介绍。具体请参阅图1，图1是本申请提供的光影秀的数据模型优化方法第一实施例的流程示意图。方法包括：
步骤110：获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据。
其中，点阵空间模型的第一数据可以包括点的坐标、颜色、亮度等信息。
卫星导航空间模型是基于全球导航卫星系统数据构建的空间模型，全球导航卫星系统包括GPS系统，北斗系统，伽利略系统和格洛纳斯系统。
卫星导航空间模型的第二数据可以包括卫星导航定位轨迹、位置坐标、地图数据、时间、速度等信息。
第一数据和第二数据可以根据实际情况从传感器、测量设备或其它数据源获取，本申请在此不进行限定。
步骤120：基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点。
其中，在匹配过程中，可能会存在一些误差点，即两个模型之间不匹配的点。这些误差点可能是由于测量误差、传感器误差、数据处理误差等原因引起的。可以通过计算点阵空间模型和卫星导航空间模型之间的相似度或距离来得到误差点。
具体的匹配过程，可以根据实际需求以及获取的数据性质，选择点对点的匹配、特征匹配或基于地标的匹配等方式。
示例性地，以点对点的匹配为例，采用欧氏距离计算点阵空间模型和卫星导航空间模型之间的相似度可以为以下：
比如，选择点阵空间模型中的一个点P1(x1，y1，z1)，和卫星导航空间模型中的一个点P2(lat2，lon2，alt2，time2)。其中，x1，y1，z1是P1在三维空间中的坐标，lat2，lon2，alt2，time2分别是P2的纬度、经度、海拔和时间戳。
在一些具体的实施例中，由于卫星导航空间模型的全球卫星导航位置坐标通常是经纬度坐标，而当计算的是三维空间中的欧几里得距离时，需要将P2的经纬度坐标(lat2，lon2，alt2)转换为笛卡尔坐标(X2，Y2，Z2)。
其中，经纬度坐标的转换过程通常涉及一些复杂的数学运算，包括考虑地球的形状和半径等因素。
在得到P1的笛卡尔坐标(x1，y1，z1)和P2的笛卡尔坐标(X2，Y2，Z2)之后，可以利用欧几里得距离公式计算两点之间的距离。欧几里得距离公式如下：
D=sqrt((x1-X2)²+(y1-Y2)²+(z1-Z2)²)。
其中，sqrt表示平方根运算。
这样，可以计算出点阵空间模型中的一个点和卫星导航空间模型中的一个点之间的欧几里得距离，进而判断两个点之间的匹配程度。
需要注意的是，由于欧几里得距离计算只涉及空间坐标，不涉及时间维度，因此该实施例在将经纬度坐标转换为笛卡尔坐标时并没有使用到time2（时间戳）。
步骤130：对误差点校正处理，得到优化后的点阵空间模型和卫星导航空间模型。
在得到误差点后，可以对这些误差点进行校正处理。其中，校正处理可以通过多种方式实现，例如，可以使用统计方法、插值方法、拟合方法等来对误差点进行修正。
在对误差点校正处理之前，可以先分析一下误差点产生的原因。比如，当误差点是由于信号干扰或测量误差导致的，则可以使用数据滤波技术处理卫星导航定位轨迹中的异常点，如利用卡尔曼滤波器或滑动窗口平均，以平滑轨迹并减少噪声。
当误差点是因数据缺失导致的，则可以采用插值与补全的方式，如对于卫星导航定位数据中的缺失值或异常值，可以使用插值方法（如线性插值或样条插值），通过插值来估计和填补缺失的数据，这样可以减少因数据缺失导致的不准确匹配。
当误差点是因为传感器问题导致的，则可以对传感器进行定期校准，以确保其准确性和精度。其中，校准过程可以通过使用标准参考物或已知精度的设备来进行，从而纠正传感器的偏差和误差。
或者集成其他传感器数据，如惯性测量单元（IMU）或激光雷达，以提高定位和导航的准确性，可以减少卫星导航误差的影响。
需要注意的是，具体的校正方法根据误差的性质、应用场景和数据特点而有所不同。因此，在实际操作中，可能需要结合多种方法来实现更准确的纠正。同时，对于纠正后的卫星导航空间模型，还需要进行验证和评估，以确保纠正效果的可靠性和准确性。
该实施例通过获取点阵空间模型和卫星导航空间模型的数据，将两个模型进行匹配，并对误差点进行校正处理，从而优化了两个模型的精度和匹配度，使得两个模型之间的匹配度更高，从而提高光影秀的效果和精度，改善了现有技术生成的模型精度比较差的问题。
为了提高点阵空间模型和卫星导航空间模型匹配的准确性和效率，为光影秀的应用提供更好的结果和体验。在一些实施例中，可以先对数据进行预处理以改善数据质量，具体可以是先将第一数据和第二数据进行预处理，得到预处理后的第一数据和第二数据；再基于预处理后的第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点。
其中，可以将第一数据和第二数据进行相同坐标系处理，得到相同坐标系下的第一数据和第二数据。
比如第一数据为局部坐标系，第二数据为全球坐标系，则可以根据实际情况的需要，将第一数据的局部坐标系转换为全球坐标系，或者将第二数据的全球坐标系转换为局部坐标系，以实现将两个数据集位于同一坐标系下。
或者将第一数据和第二数据进行清理和/或筛选，得到有效的第一数据和第二数据。
具体地，对于明显错误的数据，如坐标超出场地范围、颜色值异常等，可以进行清理，将这些数据从数据集中删除。
而对于数据筛选，则可以设定一些筛选条件，如根据亮度、颜色、信号强度等进行筛选，只保留符合条件的数据点。
通过清理和筛除一些无效的数据，可以得到更加准确、可靠的数据，从而提高点阵空间模型和卫星导航空间模型匹配的准确性，提高光影秀的效果和质量。
在一些实施例中，步骤130可以包括以下做法：
1）将所有误差点存储在新建的数据结构中。
其中，新建的数据结构可以是列表或数组。
将所有误差点存储在新建的数据结构中，可以方便后续对这些误差点进行分析和处理。
2）分析所有误差点的性质和原因，得到分析结果。
其中，可以使用数据可视化工具，将误差点在地图上标记出来，以便更直观地理解它们的分布。
其中，可以根据误差的性质和表现，对误差点进行分类。比如可以分为定位误差、方向误差、距离误差等。
针对每种类型的误差，深入分析其原因。例如：
对于定位误差，可能是由于全球导航卫星系统的卫星信号弱、多路径效应、接收器故障等原因导致。
对于方向误差，可能是由于磁场干扰、传感器漂移等原因引起。
对于距离误差，可能是因为信号传播延迟、大气条件影响等因素造成。
其中，可以将分析结果进行总结，进一步得到分析报告。报告中可以包含误差点的分类统计、原因分析、验证结果等，为后续纠正模型提供参考依据。
3）基于分析结果，纠正点阵空间模型和/或卫星导航空间模型，得到优化后的点阵空间模型和卫星导航空间模型。
比如，通过误差分析，发现卫星导航空间模型在某一区域的误差较大，原因可能是该区域存在较强的磁场干扰导致全球导航卫星系统卫星信号不准确。
则可以考虑删除这部分数据，或者通过算法修正这部分数据的误差。或者在问题区域增加额外的卫星导航定位数据收集点，以提高该区域的数据覆盖和准确性。或者可以调整卫星导航空间模型的算法或参数，例如引入磁场校正算法。
若通过误差分析，发现点阵空间模型在某一方向上的坐标转换存在系统偏差。则可以对点阵空间模型的坐标转换参数进行调整，以纠正系统偏差。其中，可以调整点阵空间模型的转换矩阵或者校正因子。
在纠正点阵空间模型和/或卫星导航空间模型后，需要进行验证测试。如果通过验证发现误差点减少，则可以认为纠正措施是有效的。否则，可能需要进一步分析原因，并对模型进行进一步的调整和优化。即通过验证测试，可以验证纠正后的模型是否能够更好地匹配数据，以使优化后的模型具有更高的准确性和可靠性。
请参阅图2，图2是本申请提供的光影秀的数据模型优化方法第二实施例的流程示意图。方法包括：
步骤210：获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据。
其中，步骤210与上述实施例具有相同或相似的技术方案，这里不做赘述。
步骤220：基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到多对匹配点。
其中，可以利用点对点的匹配、特征匹配或地标匹配对点阵空间模型和卫星导航空间模型进行匹配，得到多对匹配点。
步骤230：获取每一对匹配点的误差。
其中，误差为距离误差，可以利用欧氏函数或曼哈顿函数获取每一对匹配点的距离误差。
步骤240：当误差超过预设误差阈值时，则将误差作为误差点。
步骤250：对误差点校正处理，得到优化后的点阵空间模型和卫星导航空间模型。
对于步骤220至步骤250，假设获取到的点阵空间模型的第一数据表示为A1，A2，A3，A4，A5，卫星导航空间模型的第二数据表示为B1，B2，B3，B4，B5。
采用点对点的匹配方法，将A1与B1、A2与B2、A3与B3等分别进行匹配，得到5对匹配点。
对于每对匹配点，比如A1与B1，可以利用欧氏函数计算它们之间的距离误差，得到误差值e1。同样地，可以以类似的方法得到e2，e3，e4，e5。具体的计算方式可以参考步骤120的相关内容。
假设预设误差阈值为0.5米，如果e3超过了0.5米，则将A3与B3这对匹配点标记为误差点。预设误差阈值可以根据实际需求人为进行设置，本申请在此不进行限定。
其中，可以使用统计方法、机器学习技术或规则自动检测误差点，或者手动检查比对数据并对误差点进行标记。
对于自动检测出的误差点或者人为标记的误差点，比如A3与B3这对误差点，需要进一步分析其误差原因，比如可能是由于全球卫星导航系统卫星信号在B3位置受到了干扰。
当分析出误差原因后，可以考虑采用信号增强技术校正A3与B3这对误差点，或者对卫星导航定位模型在该区域的算法进行调整，以减少信号干扰的影响。
经过校正处理后，若A3与B3的匹配误差降低到预设阈值以下，则可以将校正处理后的模型作为优化后的点阵空间模型和卫星导航空间模型。
需要注意的是，卫星导航定位误差可能由多种因素引起，包括信号遮挡、多径效应、大气干扰等。因此，在确定误差点时，需要综合考虑这些因素，并选择适当的方法处理。并且，误差点的定义和处理方式可能因应用而异，因此可以根据实际的具体情况进行调整，本申请在此不进行限定。
该实施例通过获取点阵空间模型和卫星导航空间模型的数据，将两个模型进行匹配，并对误差点进行校正处理，从而优化了两个模型的精度和匹配度，使得两个模型之间的匹配度更高，从而提高光影秀的效果和精度，改善了现有技术生成的模型精度比较差的问题。
对应于上文实施例的光影秀的数据模型优化方法，本申请还提供光影秀的数据模型优化装置，该光影秀的数据模型优化装置包括获取单元、匹配单元和校正单元。
其中，获取单元用于获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据；匹配单元用于基于所述第一数据和所述第二数据，将所述点阵空间模型和所述卫星导航空间模型进行匹配，得到误差点；校正单元用于对所述误差点校正处理，得到优化后的所述点阵空间模型和所述卫星导航空间模型。
可以理解的，上述单元还用于实现本申请中任一实施例的技术方案。
请参阅图3，图3是本申请提供的电子设备一实施例的结构示意图，电子设备80包括存储器81和处理器82，其中，存储器81上存储有计算机程序；处理器82用于执行计算机程序时实现前述任意一个方法实施例提供的光影秀的数据模型优化方法。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的设备的解析方法的步骤。
请参阅图4，图4是本申请提供的计算机可读存储介质一实施例的结构示意图，计算机可读存储介质90用于存储计算机程序91，计算机程序91在被处理器执行时，用于实现以下的方法步骤：
获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据；基于第一数据和第二数据，将点阵空间模型和卫星导航空间模型进行匹配，得到误差点；对误差点校正处理，得到优化后的点阵空间模型和卫星导航空间模型。
可以理解的，计算机程序91在被处理器执行时，还用于实现本申请中任一实施例的技术方案。
在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述其他实施方式中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (7)
1.一种光影秀的数据模型优化方法，其特征在于，所述方法包括：
获取点阵空间模型对应的第一数据，以及卫星导航空间模型对应的第二数据；
基于所述第一数据和所述第二数据，将所述点阵空间模型和所述卫星导航空间模型进行匹配，得到多对匹配点；
利用欧氏函数或曼哈顿函数获取每一对所述匹配点的距离误差；
当所述距离误差超过预设误差阈值时，则将所述距离误差作为所述误差点，其中，使用统计方法自动检测误差点并对所述误差点进行标记；
将所有标记的所述误差点存储在新建的数据结构中；
分析所有所述误差点的性质和原因，得到分析结果；
基于所述分析结果，纠正所述点阵空间模型和所述卫星导航空间模型，得到优化后的所述点阵空间模型和所述卫星导航空间模型；
其中，所述基于所述分析结果，纠正所述点阵空间模型和所述卫星导航空间模型，得到优化后的所述点阵空间模型和所述卫星导航空间模型，包括：
若所述分析结果表示所述卫星导航空间模型在某一区域的误差较大，则删除所述第二数据中误差较大的相关数据，得到优化后的所述卫星导航空间模型；
若所述分析结果表示所述点阵空间模型在某一方向上的坐标转换存在系统偏差，则调整所述点阵空间模型的转换矩阵或者校正因子，得到优化后的所述点阵空间模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一数据和所述第二数据，将所述点阵空间模型和所述卫星导航空间模型进行匹配，得到多对匹配点，包括：
基于所述第一数据和所述第二数据，利用点对点的匹配、特征匹配或地标匹配对所述点阵空间模型和所述卫星导航空间模型进行匹配，得到多对匹配点。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一数据和所述第二数据，将所述点阵空间模型和所述卫星导航空间模型进行匹配，得到误差点，包括：
将所述第一数据和所述第二数据进行预处理，得到预处理后的所述第一数据和所述第二数据；
基于所述预处理后的所述第一数据和所述第二数据，将所述点阵空间模型和所述卫星导航空间模型进行匹配，得到误差点。
4.根据权利要求3所述的方法，其特征在于，所述将所述第一数据和所述第二数据进行预处理，得到预处理后的所述第一数据和所述第二数据，包括：
将所述第一数据和所述第二数据进行相同坐标系处理，得到相同坐标系下的所述第一数据和所述第二数据；和/或
将所述第一数据和所述第二数据进行清理和/或筛选，得到有效的所述第一数据和所述第二数据。
5.一种光影秀的数据模型优化装置，其特征在于，所述光影秀的数据模型优化装置包括用于执行如权利要求1-4任一项所述方法的单元。
6.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410135491.4A CN117668574B (zh) | 2024-01-31 | 2024-01-31 | 光影秀的数据模型优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410135491.4A CN117668574B (zh) | 2024-01-31 | 2024-01-31 | 光影秀的数据模型优化方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117668574A CN117668574A (zh) | 2024-03-08 |
| CN117668574B true CN117668574B (zh) | 2024-05-14 |
Family
ID=90081091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410135491.4A Active CN117668574B (zh) | 2024-01-31 | 2024-01-31 | 光影秀的数据模型优化方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117668574B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766302A (zh) * | 2015-02-05 | 2015-07-08 | 武汉大势智慧科技有限公司 | 一种利用无人机图像优化激光扫描点云数据的方法及系统 |
| CN110780678A (zh) * | 2019-10-29 | 2020-02-11 | 无锡汉咏科技股份有限公司 | 一种基于点云数据的无人机视觉导航控制方法 |
| CN210225852U (zh) * | 2019-07-30 | 2020-03-31 | 利亚德(成都)文旅科技有限公司 | 一种灯光秀控制系统 |
| CN111599001A (zh) * | 2020-05-14 | 2020-08-28 | 星际（重庆）智能装备技术研究院有限公司 | 基于图像三维重建技术的无人机导航地图构建系统及方法 |
| CN113627445A (zh) * | 2021-08-05 | 2021-11-09 | 福州大学 | 一种多无人机空中媒体的编队规划系统及方法 |
| CN116561530A (zh) * | 2023-05-26 | 2023-08-08 | 深圳大漠大智控技术有限公司 | 一种无人机飞行数据分析方法、装置、设备及介质 |
| CN117029815A (zh) * | 2022-11-10 | 2023-11-10 | 上海毕慕照明设计有限公司 | 基于空间互联网的场景定位方法和相关设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107797129B (zh) * | 2017-10-13 | 2020-06-05 | 重庆市勘测院 | 无gnss信号下的点云数据采集方法及装置 |
-
2024
- 2024-01-31 CN CN202410135491.4A patent/CN117668574B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766302A (zh) * | 2015-02-05 | 2015-07-08 | 武汉大势智慧科技有限公司 | 一种利用无人机图像优化激光扫描点云数据的方法及系统 |
| CN210225852U (zh) * | 2019-07-30 | 2020-03-31 | 利亚德(成都)文旅科技有限公司 | 一种灯光秀控制系统 |
| CN110780678A (zh) * | 2019-10-29 | 2020-02-11 | 无锡汉咏科技股份有限公司 | 一种基于点云数据的无人机视觉导航控制方法 |
| CN111599001A (zh) * | 2020-05-14 | 2020-08-28 | 星际（重庆）智能装备技术研究院有限公司 | 基于图像三维重建技术的无人机导航地图构建系统及方法 |
| CN113627445A (zh) * | 2021-08-05 | 2021-11-09 | 福州大学 | 一种多无人机空中媒体的编队规划系统及方法 |
| CN117029815A (zh) * | 2022-11-10 | 2023-11-10 | 上海毕慕照明设计有限公司 | 基于空间互联网的场景定位方法和相关设备 |
| CN116561530A (zh) * | 2023-05-26 | 2023-08-08 | 深圳大漠大智控技术有限公司 | 一种无人机飞行数据分析方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117668574A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8300048B2 (en) | Three-dimensional shape data recording/display method and device, and three-dimensional shape measuring method and device | |
| US9659378B2 (en) | Point cloud position data processing device, point cloud position data processing system, point cloud position data processing method, and program therefor | |
| CN108638062B (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
| US20130272578A1 (en) | Information processing apparatus, information processing method, and program | |
| US10656259B2 (en) | Method for determining trajectories of moving physical objects in a space on the basis of sensor data of a plurality of sensors | |
| JP2019145085A (ja) | 点群データ収集軌跡を調整するための方法、装置、およびコンピュータ読み取り可能な媒体 | |
| CN107527382B (zh) | 数据处理方法以及装置 | |
| CN116625354B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及系统 | |
| US20140085462A1 (en) | Video-assisted target location | |
| CN111044050B (zh) | 一种基于粒子滤波和卡尔曼滤波的蓝牙定位方法 | |
| WO2022179094A1 (zh) | 车载激光雷达外参数联合标定方法、系统、介质及设备 | |
| US9886772B2 (en) | System for correcting RPC camera model pointing errors using 2 sets of stereo image pairs and probabilistic 3-dimensional models | |
| CN115375870A (zh) | 回环检测优化方法、电子设备及计算机可读存储装置 | |
| US11488324B2 (en) | Joint environmental reconstruction and camera calibration | |
| CN110989619A (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
| WO2024152673A1 (zh) | 移动终端的定位方法、装置、设备及存储介质 | |
| CN117668574B (zh) | 光影秀的数据模型优化方法、装置、设备及存储介质 | |
| CN116819561A (zh) | 一种点云数据匹配方法、系统、电子设备及存储介质 | |
| CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
| CN114742141A (zh) | 基于icp点云的多源信息数据融合研判方法 | |
| CN110866951B (zh) | 一种单目摄像机光轴倾斜的校正方法 | |
| CN115407302A (zh) | 激光雷达的位姿估计方法、装置和电子设备 | |
| CN108387897B (zh) | 基于改进高斯牛顿-遗传混合算法的弹体定位方法 | |
| CN113029166B (zh) | 定位方法、装置、电子设备及存储介质 | |
| JP7576253B1 (ja) | 情報処理システム、情報処理方法、及びコンピュータプログラム |
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 |