CN117690095A - 一种基于三维场景的智慧社区管理系统 - Google Patents

一种基于三维场景的智慧社区管理系统 Download PDF

Info

Publication number
CN117690095A
CN117690095A CN202410152369.8A CN202410152369A CN117690095A CN 117690095 A CN117690095 A CN 117690095A CN 202410152369 A CN202410152369 A CN 202410152369A CN 117690095 A CN117690095 A CN 117690095A
Authority
CN
China
Prior art keywords
point cloud
community
data set
scene
cloud data
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.)
Granted
Application number
CN202410152369.8A
Other languages
English (en)
Other versions
CN117690095B (zh
Inventor
马海霞
赵宏达
颜亭
马赛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Kunyu Space Technology Co ltd
Original Assignee
Chengdu Kunyu Space Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Kunyu Space Technology Co ltd filed Critical Chengdu Kunyu Space Technology Co ltd
Priority to CN202410152369.8A priority Critical patent/CN117690095B/zh
Publication of CN117690095A publication Critical patent/CN117690095A/zh
Application granted granted Critical
Publication of CN117690095B publication Critical patent/CN117690095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于三维场景的智慧社区管理系统，涉及管理系统技术领域。其中，该系统包括：图像数据获取单元，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集；导航数据获取单元，与上述社区场景还原单元连接，用于获取导航传感器发送的导航数据集；点云数据获取单元，与上述社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；上述社区场景还原单元，用于在基于三维场景的智慧社区管理系统内根据获取到的上述点云数据集、上述导航数据集以及上述图像数据集还原上述预设社区的现实场景。本申请可以实现还原预设社区的现实场景。

Description

一种基于三维场景的智慧社区管理系统
技术领域
本发明涉及管理系统技术领域，尤其涉及一种基于三维场景的智慧社区管理系统。
背景技术
智慧社区实名就是要提供各种流程、系统和产品，促进社区发展和可持续性，为其居民、经济以及社区赖以生存的生态大环境带来利益。通过应用信息技术规划、设计、建造和运营社区基础设施，改善生活质量和经济福利。然而，目前的智慧社区的一些功能不健全，例如，展示社区的现实场景。
因此，提出一种基于三维场景的智慧社区管理系统。
发明内容
本发明目的在于提供一种基于三维场景的智慧社区管理系统，以解决上述技术问题。
本申请提供了一种基于三维场景的智慧社区管理系统，包括：图像数据获取单元，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集，并将上述图像数据集存储至图像云数据库，其中，上述多个摄像头分别位于上述预设社区的不同位置；导航数据获取单元，与上述社区场景还原单元连接，用于获取导航传感器发送的导航数据集；点云数据获取单元，与上述社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；上述社区场景还原单元，用于在基于三维场景的智慧社区管理系统内根据获取到的上述点云数据集、上述导航数据集以及上述图像数据集还原上述预设社区的现实场景。
进一步地，上述根据获取到的上述点云数据集、上述导航数据集以及上述图像数据集还原上述预设社区的现实场景，包括：将上述导航数据集中的每个导航数据转换到预设坐标下，得到每个上述导航数据对应的预设位姿数据；对上述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据；根据上述压缩点云数据对上述图像数据集进行处理，得到校正图像数据集；对上述预设位姿数据、上述压缩点云数据以及上述校正图像数据集进行配准，以还原上述现实场景。
进一步地，对上述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据，包括：对上述点云数据集中的每个点云数据进行上采样，得到多组采样中心点云；将上述多组采样中心点云输入点云特征编码网络进行特征提取，得到全局特征向量；将上述全局特征向量输入循环卷积神经网络，得到上述压缩点云数据。
进一步地，在上述将上述全局特征向量输入循环卷积神经网络之前，上述方法还包括：基于上述全局特征向量确定高斯分布参数，以及基于上述高斯分布参数计算上述循环卷积神经网络的损失函数，回传上述损失函数梯度更新网络权重直至网络训练完成。
进一步地，上述基于三维场景的智慧社区管理系统还包括：三维场景显示单元，用于将还原出的上述现实场景显示在客户端的屏幕上。
进一步地，上述多个摄像头每隔预设周期进行拍摄。
进一步地，上述基于三维场景的智慧社区管理系统还包括：社区场景推荐模块，用于根据社区居民的浏览记录，计算上述社区居民对各类现实场景的浏览频率，根据上述浏览频率确定并优先展示上述社区居民的感兴趣现实场景。
进一步地，上述获取雷达传感器发送的点云数据集包括：利用低空无人机机载激光雷达以及双面相机，获取上述点云数据集。
进一步地，上述各类现实场景包括绿化类、街道类以及高楼类。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明提供的基于三维场景的智慧社区管理系统包括的社区场景还原单元可以根据图像数据获取单元获取到的预设社区的图像数据集、导航数据获取单元获取到的导航数据集以及点云数据获取单元获取到的点云数据集，还原预设社区的现实场景。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为根据本申请实施例提供的一种可选的基于三维场景的智慧社区管理系统的结构图；
图2为根据本申请实施例提供的一种可选的还原预设社区的现实场景的流程图；
图3为根据本申请实施例提供的一种可选的得到压缩点云数据的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。需要说明的是，本发明已经处于实际研发使用阶段。
可选地，作为一种可选的实施方式，如图1所示，本申请提供的基于三维场景的智慧社区管理系统包括：
图像数据获取单元101，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集，并将图像数据集存储至图像云数据库，其中，多个摄像头分别位于预设社区的不同位置；
导航数据获取单元102，与社区场景还原单元连接，用于获取导航传感器发送的导航数据集；
点云数据获取单元103，与社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；
社区场景还原单元104，用于在基于三维场景的智慧社区管理系统内根据获取到的点云数据集、导航数据集以及图像数据集还原预设社区的现实场景。
可选地，作为一种可选的实施方式，如图2所示，根据获取到的点云数据集、导航数据集以及图像数据集还原预设社区的现实场景，包括：
S201，将导航数据集中的每个导航数据转换到预设坐标下，得到每个导航数据对应的预设位姿数据；
在本申请的一些实施例中，预设坐标系可以是大地坐标系或者空间直角坐标系。例如，可以将导航数据集中的每个导航数据转换到空间直角坐标系下的数据。或者，可以将导航数据集中的每个导航数据转换到大地坐标系下的数据，可以根据大地坐标系下的数据确定姿态数据，其中，姿态数据可以包括横滚角、俯仰角和偏航角。其中，俯仰角是指物体运动时，物体前后轴线与水平面之间的夹角；物体绕前后轴线转动的角度为横滚角；偏航角就是实际航线和计划航线之间的夹角。
S202，对点云数据集中的每个点云数据进行特征提取，得到压缩点云数据；
可选地，作为一种可选的实施方式，获取雷达传感器发送的点云数据集包括：利用低空无人机机载激光雷达以及双面相机，获取点云数据集。
在本申请的一些实施例中，低空无人机通机载激光雷达以及双面相机到达预设社区后，设定点云发射频率，启动设备，通过发射激光脉冲信号。点云发射频率是激光传感器每秒可以发射激光脉冲的多少，发射频率越高，单位时间内获取的点云越多，物体的细节越高，数据量越大。在实际执行中，发射频率不能设置太高或太低，太高会导致激光穿透率下降，太低则会降低工作效率，导致相同时间内获取的点云数据会偏少，增加工作时间。
在本申请的一些实施例中，点云数据（point cloud data）是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity）。
S203，根据压缩点云数据对图像数据集进行处理，得到校正图像数据集；
S204，对预设位姿数据、压缩点云数据以及校正图像数据集进行配准，以还原现实场景。
可选地，作为一种可选的实施方式，如图3所示，对点云数据集中的每个点云数据进行特征提取，得到压缩点云数据，包括：
S301，对点云数据集中的每个点云数据进行上采样，得到多组采样中心点云；
S302，将多组采样中心点云输入点云特征编码网络进行特征提取，得到全局特征向量；
S303，将全局特征向量输入循环卷积神经网络，得到压缩点云数据。
在本申请的一些实施例中，待压缩的点云数据集中的每个点云数据可以是对预设社区中的任何场景或者对象进行点云数据采集得到的。其中，对象可以包括但不限于人、动物以及植物等。
基于本申请提供的实施例，对点云数据集进行压缩处理，可以提高卷积神经网络的率失真性能。
可选地，作为一种可选的实施方式，在将全局特征向量输入循环卷积神经网络之前，方法还包括：
基于全局特征向量确定高斯分布参数，以及基于高斯分布参数计算循环卷积神经网络的损失函数，回传损失函数梯度更新网络权重直至网络训练完成。
在本申请的一些实施例中，高斯分布的参数包括均值和标准差，它们对于描述数据的中心位置和分散程度非常重要。均值是高斯分布的中心位置,它表示数据的平均值。
可选地，作为一种可选的实施方式，基于三维场景的智慧社区管理系统还包括：
三维场景显示单元，用于将还原出的现实场景显示在客户端的屏幕上。
在本申请的一些实施例中，回传的三维场景信息可以通过WIFI接收，客户端可以通过安装的实时三维场景信息显示软件对数据进行解码后查看。
可选地，作为一种可选的实施方式，多个摄像头每隔预设周期进行拍摄。
可选地，作为一种可选的实施方式，基于三维场景的智慧社区管理系统还包括：
社区场景推荐模块，用于根据社区居民的浏览记录，计算社区居民对各类现实场景的浏览频率，根据浏览频率确定并优先展示社区居民的感兴趣现实场景。
可选地，作为一种可选的实施方式，各类现实场景包括绿化类、街道类以及高楼类。
需要说明的是，对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于三维场景的智慧社区管理系统，其特征在于，包括：
图像数据获取单元，与社区场景还原单元连接，用于利用数据网关接收多个摄像头拍摄得到的预设社区的图像数据集，并将所述图像数据集存储至图像云数据库，其中，所述多个摄像头分别位于所述预设社区的不同位置；
导航数据获取单元，与所述社区场景还原单元连接，用于获取导航传感器发送的导航数据集；
点云数据获取单元，与所述社区场景还原单元连接，用于获取雷达传感器发送的点云数据集；
所述社区场景还原单元，用于在基于三维场景的智慧社区管理系统内根据获取到的所述点云数据集、所述导航数据集以及所述图像数据集还原所述预设社区的现实场景。
2.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述根据获取到的所述点云数据集、所述导航数据集以及所述图像数据集还原所述预设社区的现实场景，包括：
将所述导航数据集中的每个导航数据转换到预设坐标下，得到每个所述导航数据对应的预设位姿数据；
对所述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据；
根据所述压缩点云数据对所述图像数据集进行处理，得到校正图像数据集；
对所述预设位姿数据、所述压缩点云数据以及所述校正图像数据集进行配准，以还原所述现实场景。
3.根据权利要求2所述的基于三维场景的智慧社区管理系统，其特征在于，对所述点云数据集中的每个点云数据进行特征提取，得到压缩点云数据，包括：
对所述点云数据集中的每个点云数据进行上采样，得到多组采样中心点云；
将所述多组采样中心点云输入点云特征编码网络进行特征提取，得到全局特征向量；
将所述全局特征向量输入循环卷积神经网络，得到所述压缩点云数据。
4.根据权利要求3所述的基于三维场景的智慧社区管理系统，其特征在于，在将所述全局特征向量输入循环卷积神经网络之前，还包括：
基于所述全局特征向量确定高斯分布参数，以及基于所述高斯分布参数计算所述循环卷积神经网的损失函数，回传所述损失函数梯度更新网络权重直至网络训练完成。
5.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述基于三维场景的智慧社区管理系统还包括：
三维场景显示单元，用于将还原出的所述现实场景显示在客户端的屏幕上。
6.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述多个摄像头每隔预设周期进行拍摄。
7.根据权利要求1所述的基于三维场景的智慧社区管理系统，其特征在于，所述基于三维场景的智慧社区管理系统还包括：
社区场景推荐模块，用于根据社区居民的浏览记录，计算所述社区居民对各类现实场景的浏览频率，根据所述浏览频率确定并优先展示所述社区居民的感兴趣现实场景。
8.根据权利要求3所述的基于三维场景的智慧社区管理系统，其特征在于，所述获取雷达传感器发送的点云数据集包括：
利用低空无人机机载激光雷达以及双面相机，获取所述点云数据集。
9.根据权利要求3所述的基于三维场景的智慧社区管理系统，其特征在于，
所述各类现实场景包括绿化类、街道类以及高楼类。
CN202410152369.8A 2024-02-03 2024-02-03 一种基于三维场景的智慧社区管理系统 Active CN117690095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410152369.8A CN117690095B (zh) 2024-02-03 2024-02-03 一种基于三维场景的智慧社区管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410152369.8A CN117690095B (zh) 2024-02-03 2024-02-03 一种基于三维场景的智慧社区管理系统

Publications (2)

Publication Number Publication Date
CN117690095A true CN117690095A (zh) 2024-03-12
CN117690095B CN117690095B (zh) 2024-05-03

Family

ID=90133826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410152369.8A Active CN117690095B (zh) 2024-02-03 2024-02-03 一种基于三维场景的智慧社区管理系统

Country Status (1)

Country Link
CN (1) CN117690095B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109410321A (zh) * 2018-10-17 2019-03-01 大连理工大学 基于卷积神经网络的三维重建方法
CN113706594A (zh) * 2021-09-10 2021-11-26 广州中海达卫星导航技术股份有限公司 三维场景信息生成的系统、方法及电子设备
WO2021249918A1 (en) * 2020-06-08 2021-12-16 Blickfeld GmbH Point-cloud processing
US11315339B1 (en) * 2021-01-17 2022-04-26 SparX App Ltd. Registration of 3D augmented scene to structural floor plans
CN115053260A (zh) * 2020-02-17 2022-09-13 元平台公司 数据集生成方法、神经网络生成方法和场景模型构建方法
CN115330966A (zh) * 2022-08-15 2022-11-11 北京城市网邻信息技术有限公司 户型图生成方法、系统、设备及存储介质
CN115655262A (zh) * 2022-12-26 2023-01-31 广东省科学院智能制造研究所 基于深度学习感知的多层级语义地图构建方法和装置
CN116258817A (zh) * 2023-02-16 2023-06-13 浙江大学 一种基于多视图三维重建的自动驾驶数字孪生场景构建方法和系统
CN116258835A (zh) * 2023-05-04 2023-06-13 武汉大学 基于深度学习的点云数据三维重建方法和系统
CN116968758A (zh) * 2023-09-19 2023-10-31 江西五十铃汽车有限公司 一种基于三维场景表示的车辆控制方法及装置
CN117197374A (zh) * 2023-08-29 2023-12-08 安徽中科超清元宇宙有限公司 一种基于数字孪生的智慧社区系统
CN117372868A (zh) * 2023-10-20 2024-01-09 四川成润智慧科技有限公司 一种智慧社区绿化物种的监测和维护管理方法
CN117392328A (zh) * 2023-12-07 2024-01-12 四川云实信息技术有限公司 一种基于无人机集群的三维实景建模方法及系统
CN117437357A (zh) * 2023-10-31 2024-01-23 国网北京市电力公司 模型构建方法、装置、非易失性存储介质及电子设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109410321A (zh) * 2018-10-17 2019-03-01 大连理工大学 基于卷积神经网络的三维重建方法
CN115053260A (zh) * 2020-02-17 2022-09-13 元平台公司 数据集生成方法、神经网络生成方法和场景模型构建方法
US20230162395A1 (en) * 2020-06-08 2023-05-25 Blickfeld GmbH Point-Cloud Processing
WO2021249918A1 (en) * 2020-06-08 2021-12-16 Blickfeld GmbH Point-cloud processing
US11315339B1 (en) * 2021-01-17 2022-04-26 SparX App Ltd. Registration of 3D augmented scene to structural floor plans
CN113706594A (zh) * 2021-09-10 2021-11-26 广州中海达卫星导航技术股份有限公司 三维场景信息生成的系统、方法及电子设备
CN115330966A (zh) * 2022-08-15 2022-11-11 北京城市网邻信息技术有限公司 户型图生成方法、系统、设备及存储介质
CN115655262A (zh) * 2022-12-26 2023-01-31 广东省科学院智能制造研究所 基于深度学习感知的多层级语义地图构建方法和装置
CN116258817A (zh) * 2023-02-16 2023-06-13 浙江大学 一种基于多视图三维重建的自动驾驶数字孪生场景构建方法和系统
CN116258835A (zh) * 2023-05-04 2023-06-13 武汉大学 基于深度学习的点云数据三维重建方法和系统
CN117197374A (zh) * 2023-08-29 2023-12-08 安徽中科超清元宇宙有限公司 一种基于数字孪生的智慧社区系统
CN116968758A (zh) * 2023-09-19 2023-10-31 江西五十铃汽车有限公司 一种基于三维场景表示的车辆控制方法及装置
CN117372868A (zh) * 2023-10-20 2024-01-09 四川成润智慧科技有限公司 一种智慧社区绿化物种的监测和维护管理方法
CN117437357A (zh) * 2023-10-31 2024-01-23 国网北京市电力公司 模型构建方法、装置、非易失性存储介质及电子设备
CN117392328A (zh) * 2023-12-07 2024-01-12 四川云实信息技术有限公司 一种基于无人机集群的三维实景建模方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YAO YAO等: "Recurrent MVSNet for High-resolution Multi-view Stereo Depth Inference", 2019 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), 9 January 2020 (2020-01-09), pages 5520 - 5529 *
乔川等: "基于地理位置信息的图像配准方法及精度分析", 光学学报, vol. 37, no. 08, 10 August 2017 (2017-08-10), pages 325 - 335 *
彭孝东等: "基于激光雷达和Kinect相机点云融合的单木三维重建", 华中农业大学学报, vol. 42, no. 02, 13 January 2023 (2023-01-13), pages 224 - 232 *

Also Published As

Publication number Publication date
CN117690095B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
CN110400363A (zh) 基于激光点云的地图构建方法和装置
US6674391B2 (en) System and method of simulated image reconstruction
CN112101209B (zh) 用于路侧计算设备的确定世界坐标点云的方法和装置
CN113989450A (zh) 图像处理方法、装置、电子设备和介质
CN113409459A (zh) 高精地图的生产方法、装置、设备和计算机存储介质
CN115375868B (zh) 地图显示和遥感地图显示方法、计算设备以及存储介质
CN112652062B (zh) 一种点云地图构建方法、装置、设备和存储介质
CN115880555B (zh) 目标检测方法、模型训练方法、装置、设备及介质
CN110634138A (zh) 一种基于视觉感知的桥梁变形的监测方法、装置及设备
CN112991440B (zh) 车辆的定位方法和装置、存储介质和电子装置
US20240012702A1 (en) Sensor data generation method, apparatus and system and storage medium
CN115357041A (zh) 基于5g机动组网的无人机群监测方法、系统和电子设备
CN117197388A (zh) 一种基于生成对抗神经网络和倾斜摄影的实景三维虚拟现实场景构建方法及系统
CN114140592A (zh) 高精地图生成方法、装置、设备、介质及自动驾驶车辆
CN114299230A (zh) 一种数据生成方法、装置、电子设备及存储介质
CN112927356B (zh) 一种无人机图像的三维显示方法
CN114531700A (zh) 一种非人工的基站天线工参采集系统及方法
CN113932796A (zh) 高精地图车道线生成方法、装置和电子设备
CN117690095B (zh) 一种基于三维场景的智慧社区管理系统
CN115790621A (zh) 高精地图更新方法、装置及电子设备
CN115773759A (zh) 自主移动机器人的室内定位方法、装置、设备及存储介质
CN115346081A (zh) 基于多数据融合的输电线路点云数据分类方法
CN115019167A (zh) 基于移动终端的融合定位方法、系统、设备及存储介质
CN114723923A (zh) 一种传动解决方案模拟展示系统和方法
CN114390270B (zh) 实时智能站点全景查勘方法、装置和电子设备

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