CN117911465B - 一种基于双目立体匹配的自然保护区稠密点云生成方法 - Google Patents
一种基于双目立体匹配的自然保护区稠密点云生成方法 Download PDFInfo
- Publication number
- CN117911465B CN117911465B CN202410318712.1A CN202410318712A CN117911465B CN 117911465 B CN117911465 B CN 117911465B CN 202410318712 A CN202410318712 A CN 202410318712A CN 117911465 B CN117911465 B CN 117911465B
- Authority
- CN
- China
- Prior art keywords
- point
- matching
- pixel
- pixel point
- point cloud
- 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 42
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于双目立体匹配的自然保护区稠密点云生成方法,属于图像处理技术领域,包括步骤:采集自然保护区的图像和点云;相邻两片点云配准,获取t时刻和t+1时刻的图像It和It+1的匹配点;计算It中每个像素点的匹配代价;生成It和It+1的真实视差图,超采样得到、,并计算中每个像素点的匹配代价,生成和的真实视差图I2M,再基于I2M得到稠密三维点云。本发明不仅能生成更高分辨率的点云、更适用于自然保护区这种大场景、还消除对双目相机采集图像必须水平对齐的限制,降低了计算复杂度,提高了整体的鲁棒性和稳定性。
Description
技术领域
本发明涉及图像数据处理技术领域,尤其涉及一种基于双目立体匹配的自然保护区稠密点云生成方法。
背景技术
为了对自然保护区进行更好的监测和分析,往往需要计算其三维信息。
但激光雷达所直接采集的点云空间分辨率太低,难以对整个自然保护区进行高精度的三维重建。
传统的基于双目视觉的三维重建方法,需要用到双目相机模组,但双目相机模组中两个相机之间的基线往往太小,对于自然保护区这种很大的场景难以获得明显的视差,故难以计算较大规模场景的三维信息。
另外,已有的双目立体匹配算法要求双目采集的图像水平方向平齐。但直接对高分辨率的图像进行双目立体匹配,其计算复杂度高;同时约束太少、一次性提供的搜索区域过于大会严重降低算法的鲁棒性。
本发明中,互信息计算方式来自方法半全局匹配,参见论文:“A census-basedstereo vision algorithm using modified Semi-Global Matching and plane fittingto improve matching quality”(一种使用改良半全局匹配和平面拟合提升匹配质量的基于统计的立体视觉算法),来源于 2010 IEEE Computer Society Conference onComputer Vision and Pattern Recognition - Workshops, San Francisco, CA, USA,2010, pp. 77-84, doi: 10.1109/CVPRW.2010.5543769。
发明内容
本发明的目的就在于提供一种解决上述问题,能生成更高空间分辨率的点云、不受限于双目相机模组的视差,更加适用于自然保护区这种大场景、消除对双目相机采集图像必须水平对齐等限制的,一种基于双目立体匹配的自然保护区稠密点云生成方法。
为了实现上述目的,本发明采用的技术方案是这样的:一种基于双目立体匹配的自然保护区稠密点云生成方法,包括以下步骤;
S1,无人机上搭载相机和激光雷达,分别用于采集自然保护区的图像和点云,其中t时刻采集的图像为It、点云为Pt,t+1时刻采集的图像为It+1、点云为Pt+1,所述点云由三维点构成;
S2,相邻两片点云配准,其中t+1时刻的配准为,将Pt变换到了Pt+1的坐标系下,得到Pt对应的变换点云;
S3,获取It和It+1的匹配点,包括S31~ S32;
S31,从或Pt+1中任选一个三维点,分别投影到It和It+1中,若该三维点投影到It中的像素点为pu、到It+1中的像素点为pv,则pu、pv互为匹配点;
S32,按S31依次处理和Pt+1中的每个三维点,得到所有匹配点;
S4,计算It中每个像素点的匹配代价,包括S41~S44;
S41,构建大小为X×Y的第一搜索框,大小为W×H×X×Y的第一四维张量,其中,X、Y分别为第一搜索框的宽度和高度,W、H分别为图像的宽度和高度,X<W,Y<H;
S42,对It上第i个像素点,用第一搜索框在It+1上选定一搜索区域Si,Si的中心点坐标为/>,/>为It中距/>最近的拥有匹配点的像素点/>的坐标,/>为/>的匹配点/>的坐标,1≤i≤W×H;
S43,Si内每个像素点,分别计算与的互信息,得到X×Y个互信息,作为/>的匹配代价存入C1中,其中1个像素点互信息为/>,/>、/>分别为/>的宽度值和高度值,/>、/>为该像素点与/>在宽度和高度上的相对视差;
S44,按步骤S42~S43,得到It中每个像素点的匹配代价;
S5,生成It和It+1的真实视差图,包括步骤S51~S53;
S51,构建能量函数;
,
式中,为/>的邻域,j为/>中第j个像素点/>的编号,1≤j≤8,/>为/>相对视差的模长,/>为/>相对视差的模长/>指当/>时,/>的惩罚值为/>,/>指当/>时,/>的惩罚值为/>,/>、/>分别为预设的第一惩罚值和第二惩罚值;
S52,使用八路聚合的方法最小化,求解每个像素点对应的/>和/>值,构成相对视差图ID;
S53,计算It和It+1的真实视差图IM,IM中第i个像素点真实视差值IM(it)根据下式得到:
,
式中,ID(it+1)为根据坐标it+1从ID中取出的值;
S6,计算中每个像素点的匹配代价,包括S61~S63;
S61,构建大小为A×A的第二搜索框、大小为aW×aH×A×A的第二四维张量C2,A=2a+1;
S62,将IM中每个像素点的像素值乘以a,得到增强视差图,再分别对It、It+1和增强视差图超采样,将图像中1个像素点扩展为a×a个,得到对应的超采样图像、/>、/>;
S63,对中每个像素点,基于第二搜索框计算其匹配代价,存入C2中;
S7,按S5的方法,生成和/>的真实视差图I2M;
S8,根据I2M得到与/>的匹配像素,更新t+1时刻无人机运动的相对位姿,并用三角化算法计算出三维点云,作为稠密三维点云。
作为优选:步骤S1中,相机和激光雷达预先进行过联合标定。
作为优选:步骤S2中,得到的方法为;
采用迭代最近点算法将Pt与Pt+1对齐,得到将Pt与Pt+1对齐的刚性变换矩阵Tt,再根据公式,计算得到/>。
作为优选:搜索区域Si中心点的坐标为it+1,则Si角左上角像素点的坐标为、右下角像素点的坐标为/>。
作为优选:步骤S51中,,/>。
作为优选:S63具体为;
Sa1,对上一像素点/>,用第二搜索框在/>中选定搜索区域S2,包含A×A个像素点,其中心点坐标为/>,/>为/>中位置与/>相同的像素点坐标;
Sa2,S2内每个像素点,分别计算与的互信息,得到A×A个互信息,作为/>的匹配代价存入C2;
Sa3,按Sa1和Sa2,得到中每个像素点的匹配代价,共aW×aH个。
本发明中:关于S31,两片点云的配准目的是为了对齐两个时间点的坐标系,但是由于点云的稀疏性,实际上两片点云几乎不可能同时包含真实三维空间中同一个三维点,故从或Pt+1中任选一个三维点进行投影时,几乎不会出现同一个三维点重复的情况。
关于求解能量函数,实际是对相对视差图上的每个像素点,都要按能量函数的公式,使用八路聚合的方法最小化,找到满足最小化的/>和/>值,作为该像素点在相对视差图中的值。
根据两张图的视差图,就可以得到两张图的匹配像素。利用匹配像素及对极约束对无人机的相对位姿进行求解,然后通过三角化算法,交汇每一对匹配像素的投影射线计算对应3D坐标,最终得到三维点云。
优于本发明是对原始的、/>进行了超采样,在超采样图像/>、/>的基础上得到真实视差图/>,故生成的三维点云包含更多的点,为本发明所述稠密的三维点云。
与现有技术相比,本发明的优点在于:
本发明利用图像的立体匹配,同时进一步对图像进行超采样,使之能生成更高空间分辨率的点云。
本发明利用相机的运动获得更大的基线,使得更远处的视差更加明显,使之不受限于双目相机模组的视差,更加适用于自然保护区这种大场景。
本发明利用点云的配准和投影进行匹配作为搜索初始值,消除对双目相机采集图像必须水平对齐的限制。
利用由粗到细的思路进行分层计算,将其搜索的计算复杂度由降低到;O是数据结构中描述计算复杂度的符号,与数据量的最高幂次有关,忽略常数系数。本发明中从4次幂的复杂度降低到2次幂的复杂度。同时,这种方式能逐步限制搜索范围,使得整个计算更加鲁棒,提升整个系统的稳定性。
附图说明
图1为本发明流程图。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例1:参见图1,一种基于双目立体匹配的自然保护区稠密点云生成方法,包括以下步骤;
S1,无人机上搭载相机和激光雷达,分别用于采集自然保护区的图像和点云,其中t时刻采集的图像为It、点云为Pt,t+1时刻采集的图像为It+1、点云为Pt+1,所述点云由三维点构成;
S2,相邻两片点云配准,其中t+1时刻的配准为,将Pt变换到了Pt+1的坐标系下,得到Pt对应的变换点云;
S3,获取It和It+1的匹配点,包括S31~ S32;
S31,从或Pt+1中任选一个三维点,分别投影到It和It+1中,若该三维点投影到It中的像素点为pu、到It+1中的像素点为pv,则pu、pv互为匹配点;
S32,按S31依次处理和Pt+1中的每个三维点,得到所有匹配点;
S4,计算It中每个像素点的匹配代价,包括S41~S44;
S41,构建大小为X×Y的第一搜索框,大小为W×H×X×Y的第一四维张量,其中,X、Y分别为第一搜索框的宽度和高度,W、H分别为图像的宽度和高度,X<W,Y<H;
S42,对It上第i个像素点,用第一搜索框在It+1上选定一搜索区域Si,Si的中心点坐标为/>,/>为It中距/>最近的拥有匹配点的像素点/>的坐标,/>为/>的匹配点/>的坐标,1≤i≤W×H;
S43,Si内每个像素点,分别计算与的互信息,得到X×Y个互信息,作为/>的匹配代价存入C1中,其中1个像素点互信息为/>,/>、/>分别为/>的宽度值和高度值,/>、/>为该像素点与/>在宽度和高度上的相对视差;
S44,按步骤S42~S43,得到It中每个像素点的匹配代价;
S5,生成It和It+1的真实视差图,包括步骤S51~S53;
S51,构建能量函数;
,
式中,为/>的邻域,j为/>中第j个像素点/>的编号,1≤j≤8,/>为/>相对视差的模长,/>为/>相对视差的模长/>指当/>时,/>的惩罚值为/>,/>指当/>时,/>的惩罚值为/>,/>、/>分别为预设的第一惩罚值和第二惩罚值;
S52,使用八路聚合的方法最小化,求解每个像素点对应的/>和/>值,构成相对视差图ID;
S53,计算It和It+1的真实视差图IM,IM中第i个像素点真实视差值IM(it)根据下式得到:
,
式中,ID(it+1)为根据坐标it+1从ID中取出的值;
S6,计算中每个像素点的匹配代价,包括S61~S63;
S61,构建大小为A×A的第二搜索框、大小为aW×aH×A×A的第二四维张量C2,A=2a+1;
S62,将IM中每个像素点的像素值乘以a,得到增强视差图,再分别对It、It+1和增强视差图超采样,将图像中1个像素点扩展为a×a个,得到对应的超采样图像、/>、/>;
S63,对中每个像素点,基于第二搜索框计算其匹配代价,存入C2中;
S7,按S5的方法,生成和/>的真实视差图I2M;
S8,根据I2M得到与/>的匹配像素,更新t+1时刻无人机运动的相对位姿,并用三角化算法计算出三维点云,作为稠密三维点云。
步骤S1中,相机和激光雷达预先进行过联合标定。
步骤S2中,得到的方法为;
采用迭代最近点算法将Pt与Pt+1对齐,得到将Pt与Pt+1对齐的刚性变换矩阵Tt,再根据公式,计算得到/>。
搜索区域Si中心点的坐标为it+1,则Si角左上角像素点的坐标为、右下角像素点的坐标为/>。
步骤S51中,,/>。
S63具体为;
Sa1,对上一像素点/>,用第二搜索框在/>中选定搜索区域S2,包含A×A个像素点,其中心点坐标为/>,/>为/>中位置与/>相同的像素点坐标;
Sa2,S2内每个像素点,分别计算与的互信息,得到A×A个互信息,作为/>的匹配代价存入C2;
Sa3,按Sa1和Sa2,得到中每个像素点的匹配代价,共aW×aH个。
本发明不仅可以消除双目相机采集图像必须水平对齐的限制,还能降低计算复杂度,基于图像、点云和本发明的方法,生成更加稠密的点云。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于双目立体匹配的自然保护区稠密点云生成方法,其特征在于:包括以下步骤;
S1,无人机上搭载相机和激光雷达,分别用于采集自然保护区的图像和点云,其中t时刻采集的图像为It、点云为Pt,t+1时刻采集的图像为It+1、点云为Pt+1,所述点云由三维点构成;
S2,相邻两片点云配准,其中t+1时刻的配准为,将Pt变换到了Pt+1的坐标系下,得到Pt对应的变换点云;
S3,获取It和It+1的匹配点,包括S31~ S32;
S31,从或Pt+1中任选一个三维点,分别投影到It和It+1中,若该三维点投影到It中的像素点为pu、到It+1中的像素点为pv,则pu、pv互为匹配点;
S32,按S31依次处理和Pt+1中的每个三维点,得到所有匹配点;
S4,计算It中每个像素点的匹配代价,包括S41~S44;
S41,构建大小为X×Y的第一搜索框,大小为W×H×X×Y的第一四维张量,其中,X、Y分别为第一搜索框的宽度和高度,W、H分别为图像的宽度和高度,X<W,Y<H;
S42,对It上第i个像素点,用第一搜索框在It+1上选定一搜索区域Si,Si的中心点坐标为/>,/>为It中距/>最近的拥有匹配点的像素点/>的坐标,/>为/>的匹配点/>的坐标,1≤i≤W×H;
S43,Si内每个像素点,分别计算与的互信息,得到X×Y个互信息,作为/>的匹配代价存入C1中,其中1个像素点互信息为/>,/>、/>分别为/>的宽度值和高度值,、/>为该像素点与/>在宽度和高度上的相对视差;
S44,按步骤S42~S43,得到It中每个像素点的匹配代价;
S5,生成It和It+1的真实视差图,包括步骤S51~S53;
S51,构建能量函数;
,
式中,为/>的邻域,j为/>中第j个像素点/>的编号,1≤j≤8,/>为/>相对视差的模长,/>为/>相对视差的模长/>指当/>时,/>的惩罚值为,/>指当/>时,/>的惩罚值为/>,/>、/>分别为预设的第一惩罚值和第二惩罚值;
S52,使用八路聚合的方法最小化,求解每个像素点对应的/>和/>值,构成相对视差图ID;
S53,计算It和It+1的真实视差图IM,IM中第i个像素点真实视差值IM(it)根据下式得到:
,
式中,ID(it+1)为根据坐标it+1从ID中取出的值;
S6,计算中每个像素点的匹配代价,包括S61~S63;
S61,构建大小为A×A的第二搜索框、大小为aW×aH×A×A的第二四维张量C2,A=2a+1;
S62,将IM中每个像素点的像素值乘以a,得到增强视差图,再分别对It、It+1和增强视差图超采样,将图像中1个像素点扩展为a×a个,得到对应的超采样图像、/>、/>;
S63,对中每个像素点,基于第二搜索框计算其匹配代价,存入C2中;
S7,按S5的方法,生成和/>的真实视差图I2M;
S8,根据I2M得到与/>的匹配像素,更新t+1时刻无人机运动的相对位姿,并用三角化算法计算出三维点云,作为稠密三维点云。
2.根据权利要求1所述的一种基于双目立体匹配的自然保护区稠密点云生成方法,其特征在于:步骤S1中,相机和激光雷达预先进行过联合标定。
3.根据权利要求1所述的一种基于双目立体匹配的自然保护区稠密点云生成方法,其特征在于:步骤S2中,得到的方法为;
采用迭代最近点算法将Pt与Pt+1对齐,得到将Pt与Pt+1对齐的刚性变换矩阵Tt,再根据公式,计算得到/>。
4.根据权利要求1所述的一种基于双目立体匹配的自然保护区稠密点云生成方法,其特征在于:搜索区域Si中心点的坐标为it+1,则Si角左上角像素点的坐标为、右下角像素点的坐标为/>。
5.根据权利要求1所述的一种基于双目立体匹配的自然保护区稠密点云生成方法,其特征在于:步骤S51中,,/>。
6.根据权利要求1所述的一种基于双目立体匹配的自然保护区稠密点云生成方法,其特征在于:S63具体为;
Sa1,对上一像素点/>,用第二搜索框在/>中选定搜索区域S2,包含A×A个像素点,其中心点坐标为/>,/>为/>中位置与/>相同的像素点坐标;
Sa2,S2内每个像素点,分别计算与的互信息,得到A×A个互信息,作为/>的匹配代价存入C2;
Sa3,按Sa1和Sa2,得到中每个像素点的匹配代价,共aW×aH个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410318712.1A CN117911465B (zh) | 2024-03-20 | 2024-03-20 | 一种基于双目立体匹配的自然保护区稠密点云生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410318712.1A CN117911465B (zh) | 2024-03-20 | 2024-03-20 | 一种基于双目立体匹配的自然保护区稠密点云生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117911465A CN117911465A (zh) | 2024-04-19 |
CN117911465B true CN117911465B (zh) | 2024-05-17 |
Family
ID=90682396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410318712.1A Active CN117911465B (zh) | 2024-03-20 | 2024-03-20 | 一种基于双目立体匹配的自然保护区稠密点云生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911465B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596975A (zh) * | 2018-04-25 | 2018-09-28 | 华南理工大学 | 一种针对弱纹理区域的立体匹配算法 |
JP6580761B1 (ja) * | 2018-07-11 | 2019-09-25 | 株式会社フォーディーアイズ | 偏光ステレオカメラによる深度取得装置及びその方法 |
CN111008660A (zh) * | 2019-12-03 | 2020-04-14 | 北京京东乾石科技有限公司 | 语义地图的生成方法、装置、系统、存储介质及电子设备 |
CN112434709A (zh) * | 2020-11-20 | 2021-03-02 | 西安视野慧图智能科技有限公司 | 基于无人机实时稠密三维点云和dsm的航测方法及系统 |
CN113965742A (zh) * | 2021-02-28 | 2022-01-21 | 北京中科慧眼科技有限公司 | 基于多传感融合的稠密视差图提取方法、系统和智能终端 |
CN114119864A (zh) * | 2021-11-09 | 2022-03-01 | 同济大学 | 一种基于三维重建与点云匹配的定位方法和装置 |
CN116129033A (zh) * | 2023-01-09 | 2023-05-16 | 天津工业大学 | 一种基于单幅单频的双目结构光动态三维重建方法 |
CN117456114A (zh) * | 2023-12-26 | 2024-01-26 | 北京智汇云舟科技有限公司 | 基于多视图的三维图像重建方法及系统 |
CN117557733A (zh) * | 2024-01-11 | 2024-02-13 | 江西啄木蜂科技有限公司 | 基于超分辨率的自然保护区三维重建方法 |
-
2024
- 2024-03-20 CN CN202410318712.1A patent/CN117911465B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596975A (zh) * | 2018-04-25 | 2018-09-28 | 华南理工大学 | 一种针对弱纹理区域的立体匹配算法 |
JP6580761B1 (ja) * | 2018-07-11 | 2019-09-25 | 株式会社フォーディーアイズ | 偏光ステレオカメラによる深度取得装置及びその方法 |
CN111008660A (zh) * | 2019-12-03 | 2020-04-14 | 北京京东乾石科技有限公司 | 语义地图的生成方法、装置、系统、存储介质及电子设备 |
CN112434709A (zh) * | 2020-11-20 | 2021-03-02 | 西安视野慧图智能科技有限公司 | 基于无人机实时稠密三维点云和dsm的航测方法及系统 |
CN113965742A (zh) * | 2021-02-28 | 2022-01-21 | 北京中科慧眼科技有限公司 | 基于多传感融合的稠密视差图提取方法、系统和智能终端 |
CN114119864A (zh) * | 2021-11-09 | 2022-03-01 | 同济大学 | 一种基于三维重建与点云匹配的定位方法和装置 |
CN116129033A (zh) * | 2023-01-09 | 2023-05-16 | 天津工业大学 | 一种基于单幅单频的双目结构光动态三维重建方法 |
CN117456114A (zh) * | 2023-12-26 | 2024-01-26 | 北京智汇云舟科技有限公司 | 基于多视图的三维图像重建方法及系统 |
CN117557733A (zh) * | 2024-01-11 | 2024-02-13 | 江西啄木蜂科技有限公司 | 基于超分辨率的自然保护区三维重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117911465A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945220B (zh) | 一种基于双目视觉的重建方法 | |
CN104376552B (zh) | 一种3d模型与二维图像的虚实配准方法 | |
CN103106688B (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN110189399B (zh) | 一种室内三维布局重建的方法及系统 | |
JP2022537984A (ja) | 情報処理方法、測位方法及び装置、電子機器並びに記憶媒体 | |
CN112434709A (zh) | 基于无人机实时稠密三维点云和dsm的航测方法及系统 | |
Coorg et al. | Acquisition of a large pose-mosaic dataset | |
WO2024045632A1 (zh) | 基于双目视觉和imu的水下场景三维重建方法及设备 | |
CN110211169B (zh) | 基于多尺度超像素和相位相关的窄基线视差的重构方法 | |
CN106683163B (zh) | 一种视频监控的成像方法及系统 | |
CN111508030A (zh) | 一种计算机视觉的立体匹配方法 | |
CN113298947A (zh) | 一种基于多源数据融合的变电站三维建模方法介质及系统 | |
EP4073756A1 (en) | A method for measuring the topography of an environment | |
CN114627237A (zh) | 一种基于实景三维模型的正视影像图生成方法 | |
CN112150518A (zh) | 一种基于注意力机制的图像立体匹配方法及双目设备 | |
CN117115336A (zh) | 一种基于遥感立体影像的点云重建方法 | |
Li et al. | Research on multiview stereo mapping based on satellite video images | |
Nagy et al. | Development of an omnidirectional stereo vision system | |
CN114543787A (zh) | 基于条纹投影轮廓术的毫米级室内建图定位方法 | |
Liu et al. | Dense stereo matching strategy for oblique images that considers the plane directions in urban areas | |
CN117911465B (zh) | 一种基于双目立体匹配的自然保护区稠密点云生成方法 | |
CN111429571A (zh) | 一种基于时空图像信息联合相关的快速立体匹配方法 | |
CN114255279A (zh) | 一种基于高精度定位和深度学习的双目视觉三维重建方法 | |
CN115719320B (zh) | 基于遥感影像的倾斜校正稠密匹配方法 | |
CN116878524A (zh) | 一种基于金字塔l-k光流与多视角几何约束的动态slam稠密地图构建方法 |
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 |