JP6745328B2 - 点群データを復旧するための方法及び装置 - Google Patents
点群データを復旧するための方法及び装置 Download PDFInfo
- Publication number
- JP6745328B2 JP6745328B2 JP2018247307A JP2018247307A JP6745328B2 JP 6745328 B2 JP6745328 B2 JP 6745328B2 JP 2018247307 A JP2018247307 A JP 2018247307A JP 2018247307 A JP2018247307 A JP 2018247307A JP 6745328 B2 JP6745328 B2 JP 6745328B2
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- cloud data
- image
- data frame
- point
- 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 description 94
- 238000011084 recovery Methods 0.000 claims description 73
- 238000012549 training Methods 0.000 claims description 27
- 238000013507 mapping Methods 0.000 claims description 25
- 238000013480 data collection Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000013135 deep learning Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V10/443—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 by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Description
図1は、本開示に係る実施形態が実施される例示的環境100の概略図を示す。この例示的環境100において、採集作業車110は、前記採集作業車110に設置されたデータ採集装置111を通じて、各種の場面に対して大規模の場面データ112を取得する。本開示に係る実施形態において、場面データ112は、同じ場面を対象とする点群データと画像データの両者を含むことができる。本開示に係る実施形態において、場面データ112は、点群データと画像データの採集位置および/または時間情報をさらに含むことができる。
[R, T] * P_lidar = P_camera (1)
であり、ここで、P_lidarはLIDARの座標系におけるポイントであり、P_cameraはカメラの座標系におけるポイントである。続いて、カメラを原点とする点群データを画像座標にマッピングさせる。
X_film = fx * X/Z − x_center; Y_film = fy * Y/Z − y_center (2)
であり、ここで、X_filmは画像における点群データのX方向における位置(ピクセルレベル)であり、fxはX方向における焦点距離であり、x_centerは画像の中心点のX方向における位置(ピクセルレベル)であり、Y_filmは画像における点群データのY方向における位置(ピクセルレベル)であり、fyはY方向での焦点距離であり、y_centerは画像中心点のY方向の位置(ピクセルレベル)である。続いて、画像座標をピクセル座標に変換させる。これにより、点群データとピクセルポイントとの間の対応関係を取得することができる。
111 データ採集装置
112 場面データ
120 記憶装置
130 コンピューティングデバイス
131 点群データ復旧モデル
205、210 ブロック
800 デバイス
801 中央処理装置(CPU)
802 ROM
803 RAM
804 バス
805 I/Oインターフェース
Claims (20)
- 点群データ復旧モデルを生成するための方法であって、
第1の点群データフレームに関連付けられた少なくとも一つの2次元(2D)画像を取得する画像取得ステップと、
前記2D画像における物体の属性に基づいて、前記第1の点群データフレームを少なくとも一つの点群データセットに分割する点群分割ステップと、
各点群データセットに対して、
前記少なくとも一つの2D画像から前記第1の点群データフレームとのマッチング画像を確定する画像確定ステップと、
前記マッチング画像は、データの採集位置および/または時間において前記第1の点群データフレームとマッチングされ、
前記第1の点群データフレームと前記第1の点群データフレームに関連付けられた少なくとも一つの第2の点群データフレームとに基づいて、前記マッチング画像におけるピクセルポイントの3次元(3D)位置データを確定する位置確定ステップと、
前記マッチング画像における対応するピクセルポイントの2D位置データと3D位置データとをトレーニングモデルのトレーニング入力データ及びトレーニング出力データとして、深層学習ネットワークを通じて、前記点群データセットの対応する物体のための点群データ復旧モデルを生成するモデル生成ステップと
を含む点群データ復旧モデルを生成するための方法。 - 前記点群分割ステップは、
前記少なくとも一つの2D画像におけるピクセルポイントの対応する物体を確定するために、前記少なくとも一つの2D画像に対して意味分割を行う意味分割ステップと、
前記第1の点群データフレームにおける点群データを前記少なくとも一つの2D画像の座標空間にマッピングする第1のマッピングステップと、
前記ピクセルポイントの対応する物体と前記マッピングとに基づいて、前記第1の点群データフレームにおける点群データに対してクラスタリングを行うことにより、前記少なくとも一つの点群データセットを形成するデータクラスタリングステップと
を含む請求項1に記載の点群データ復旧モデルを生成するための方法。 - 前記少なくとも一つの2D画像は、データの採集位置および/または時間において前記第1の点群データフレームに関連付けられた請求項1又は請求項2に記載の点群データ復旧モデルを生成するための方法。
- 前記位置確定ステップは、
前記第1の点群データフレームに隣接する1つまたは複数の点群データフレームを取得して、前記第2の点群データフレームとするデータ取得ステップと、
前記第1の点群データフレーム及び前記第2の点群データフレームにおける点群データを前記マッチング画像の座標空間にマッピングする第2のマッピングステップと、
前記マッピングに基づいて、前記マッチング画像におけるピクセルポイントの3D位置データを確定する位置確定ステップと
を含む請求項1に記載の点群データ復旧モデルを生成するための方法。 - 点群データを復旧するための方法であって、
復旧待ち点群データフレームに関連付けられた少なくとも一つの2次元(2D)画像を取得する画像取得ステップと、
前記2D画像における物体の属性に基づいて、前記復旧待ち点群データフレームを少なくとも一つの点群データセットに分割する点群分割ステップと、
各点群データセットに対して、
前記少なくとも一つの2D画像から前記復旧待ち点群データフレームとのマッチング画像を確定する画像確定ステップと、
前記マッチング画像は、データの採集位置および/または時間において前記復旧待ち点群データフレームとマッチングされ、
前記マッチング画像における対応するピクセルポイントの2D位置データに基づいて、前記点群データセットの対応する物体のための点群データ復旧モデルを通じて、前記点群データセットにおける点群データに対してそれぞれ復旧を行う点群復旧ステップと
を含む点群データを復旧するための方法。 - 前記点群分割ステップは、
前記少なくとも一つの2D画像におけるピクセルポイントの対応する物体を確定するために、前記少なくとも一つの2D画像に対して意味分割を行う意味分割ステップと、
前記復旧待ち点群データフレームにおける点群データを前記少なくとも一つの2D画像の座標空間にマッピングする第1のマッピングステップと、
前記ピクセルポイントの対応する物体と前記マッピングとに基づいて、前記復旧待ち点群データフレームにおける点群データに対してクラスタリングを行うことにより、前記少なくとも一つの点群データセットを形成するデータクラスタリングステップと
を含む請求項5に記載の点群データを復旧するための方法。 - 前記少なくとも一つの2D画像は、データの採集位置および/または時間において前記復旧待ち点群データフレームに関連付けられた請求項5又は請求項6に記載の点群データを復旧するための方法。
- 点群データ復旧モデルを生成するための装置であって、
第1の点群データフレームに関連付けられた少なくとも一つの2次元(2D)画像を取得するように構成された画像取得モジュールと、
前記2D画像における物体の属性に基づいて、前記第1の点群データフレームを少なくとも一つの点群データセットに分割するように構成された点群分割モジュールと、
各点群データセットに対して、前記少なくとも一つの2D画像から前記第1の点群データフレームとのマッチング画像を確定するように構成された画像確定モジュールと、
前記マッチング画像は、データの採集位置および/または時間において前記第1の点群データフレームとマッチングされ、
各点群データセットに対して、前記第1の点群データフレームと前記第1の点群データフレームに関連付けられた少なくとも一つの第2の点群データフレームとに基づいて、前記マッチング画像におけるピクセルポイントの3次元(3D)位置データを確定するように構成された位置確定モジュールと、
各点群データセットに対して、前記マッチング画像における対応するピクセルポイントの2D位置データと3D位置データとをトレーニングモデルのトレーニング入力データ及びトレーニング出力データとして、深層学習ネットワークを通じて、前記点群データセットの対応する物体のための点群データ復旧モデルを生成するように構成されたモデル生成モジュールと
を備える点群データ復旧モデルを生成するための装置。 - 前記点群分割モジュールは、
前記少なくとも一つの2D画像におけるピクセルポイントの対応する物体を確定するために、前記少なくとも一つの2D画像に対して意味分割を行うように構成された意味分割手段と、
前記第1の点群データフレームにおける点群データを前記少なくとも一つの2D画像の座標空間にマッピングするように構成された第1のマッピング手段と、
前記ピクセルポイントの対応する物体と前記マッピングとに基づいて、前記第1の点群データフレームにおける点群データに対してクラスタリングを行うことにより、前記少なくとも一つの点群データセットを形成するように構成されたデータクラスタリング手段と
を備える請求項8に記載の点群データ復旧モデルを生成するための装置。 - 前記少なくとも一つの2D画像は、データの採集位置および/または時間において前記第1の点群データフレームに関連付けられた請求項8又は請求項9に記載の点群データ復旧モデルを生成するための装置。
- 前記位置確定モジュールは、
前記第1の点群データフレームに隣接する1つまたは複数の点群データフレームを取得して、前記第2の点群データフレームとするように構成されたデータ取得手段と、
前記第1の点群データフレームと前記第2の点群データフレームにおける点群データを前記マッチング画像の座標空間にマッピングするように構成された第2のマッピング手段と、
前記マッピングに基づいて、前記マッチング画像におけるピクセルポイントの3D位置データを確定するように構成された位置確定手段と
を備える請求項8に記載の点群データ復旧モデルを生成するための装置。 - 点群データを復旧するための装置であって、
復旧待ち点群データフレームに関連付けられた少なくとも一つの2次元(2D)画像を取得するように構成された画像取得モジュールと、
前記2D画像における物体の属性に基づいて、前記復旧待ち点群データフレームを少なくとも一つの点群データセットに分割するように構成された点群分割モジュールと、
各点群データセットに対して、前記少なくとも一つの2D画像から前記復旧待ち点群データフレームとのマッチング画像を確定するように構成された画像確定モジュールと、
前記マッチング画像は、データの採集位置および/または時間において前記復旧待ち点群データフレームとマッチングされ、
各点群データセットに対して、前記マッチング画像における対応するピクセルポイントの2D位置データに基づいて、前記点群データセットの対応する物体のための点群データ復旧モデルを介して、前記点群データセットにおける点群データに対してそれぞれ復旧を行うように構成された点群復旧モジュールと
を備える点群データを復旧するための装置。 - 前記点群分割モジュールは、
前記少なくとも一つの2D画像におけるピクセルポイントの対応する物体を確定するために、前記少なくとも一つの2D画像に対して意味分割を行うように構成された意味分割手段と、
前記復旧待ち点群データフレームにおける点群データを前記少なくとも一つの2D画像の座標空間にマッピングするように構成された第1のマッピング手段と、
前記ピクセルポイントの対応する物体と前記マッピングとに基づいて、前記復旧待ち点群データフレームにおける点群データに対してクラスタリングを行うことにより、前記少なくとも一つの点群データセットを形成するように構成されたデータクラスタリング手段と
を備える請求項12に記載の点群データを復旧するための装置。 - 前記少なくとも一つの2D画像は、データの採集位置および/または時間において前記復旧待ち点群データフレームに関連付けられた請求項12又は請求項13に記載の点群データを復旧するための装置。
- 1つまたは複数のプロセッサと、
1つまたは複数のプログラムを記憶するための記憶装置とを備える装置であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行される場合、請求項1乃至請求項4のうち何れか1項の方法が実現される装置。 - 1つまたは複数のプロセッサと、
1つまたは複数のプログラムを記憶するための記憶装置を備える装置であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行される場合、請求項5乃至請求項7のうち何れか1項の方法が実現される装置。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行される場合、請求項1乃至請求項4のうち何れか1項の方法が実現されるコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
前記プログラムがプロセッサによって実行される場合、請求項5乃至請求項7のうち何れか1項の方法が実現されるコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行されると、請求項1乃至請求項4のうち何れか1項の方法が実現されるコンピュータプログラム。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行されると、請求項5乃至請求項7のうち何れか1項の方法が実現されるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711480175.7A CN108198145B (zh) | 2017-12-29 | 2017-12-29 | 用于点云数据修复的方法和装置 |
CN201711480175.7 | 2017-12-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019149149A JP2019149149A (ja) | 2019-09-05 |
JP6745328B2 true JP6745328B2 (ja) | 2020-08-26 |
Family
ID=62586701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018247307A Active JP6745328B2 (ja) | 2017-12-29 | 2018-12-28 | 点群データを復旧するための方法及び装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10970864B2 (ja) |
EP (1) | EP3506161A1 (ja) |
JP (1) | JP6745328B2 (ja) |
KR (1) | KR102126724B1 (ja) |
CN (1) | CN108198145B (ja) |
Families Citing this family (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201704373D0 (en) * | 2017-03-20 | 2017-05-03 | Rolls-Royce Ltd | Surface defect detection |
KR102061408B1 (ko) * | 2017-03-24 | 2019-12-31 | (주)제이엘케이인스펙션 | 가상 3차원 심층 신경망을 이용하는 영상 분석 장치 및 방법 |
CN109191553B (zh) * | 2018-08-29 | 2023-07-25 | 百度在线网络技术(北京)有限公司 | 点云渲染方法、装置、终端及存储介质 |
WO2020071703A1 (ko) * | 2018-10-01 | 2020-04-09 | 엘지전자 주식회사 | 포인트 클라우드 데이터 전송 장치, 포인트 클라우드 데이터 전송 방법, 포인트 클라우드 데이터 수신 장치 및/또는 포인트 클라우드 데이터 수신 방법 |
US10915793B2 (en) * | 2018-11-08 | 2021-02-09 | Huawei Technologies Co., Ltd. | Method and system for converting point cloud data for use with 2D convolutional neural networks |
CN109493407B (zh) * | 2018-11-19 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 实现激光点云稠密化的方法、装置及计算机设备 |
CN111368852A (zh) * | 2018-12-26 | 2020-07-03 | 沈阳新松机器人自动化股份有限公司 | 基于深度学习的物品识别预分拣系统、方法及机器人 |
CN109859114B (zh) * | 2018-12-27 | 2020-10-16 | 北京大学 | 基于局域平滑性和非局域相似性的三维点云修复方法 |
CN111626288B (zh) * | 2019-02-28 | 2023-12-01 | 深圳市速腾聚创科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
GB2582266B (en) | 2019-03-05 | 2022-11-30 | Geoslam Ltd | Three-dimensional dataset and two-dimensional image localisation |
JP7103506B2 (ja) * | 2019-03-14 | 2022-07-20 | 日本電気株式会社 | 情報提示方法、情報提示装置及びプログラム |
US11159811B2 (en) * | 2019-03-15 | 2021-10-26 | Tencent America LLC | Partitioning of coded point cloud data |
CN111935642B (zh) * | 2019-05-13 | 2022-10-21 | 北京地平线机器人技术研发有限公司 | 一种可移动设备的定位方法及装置 |
CN110148099B (zh) * | 2019-05-29 | 2021-09-10 | 北京百度网讯科技有限公司 | 投影关系的修正方法及装置、电子设备、计算机可读介质 |
GB2584469B (en) * | 2019-06-05 | 2023-10-18 | Sony Interactive Entertainment Inc | Digital model repair system and method |
US11195064B2 (en) * | 2019-07-11 | 2021-12-07 | Waymo Llc | Cross-modal sensor data alignment |
CN112445929B (zh) * | 2019-08-30 | 2022-05-17 | 浙江商汤科技开发有限公司 | 视觉定位方法及相关装置 |
JP6819758B1 (ja) * | 2019-09-30 | 2021-01-27 | ダイキン工業株式会社 | 点群データ同一性推定装置及び点群データ同一性推定システム |
CN115605918A (zh) | 2019-10-04 | 2023-01-13 | 伟摩有限责任公司(Us) | 时空嵌入 |
CN110852949B (zh) * | 2019-11-07 | 2020-11-24 | 上海眼控科技股份有限公司 | 点云数据补全方法、装置、计算机设备和存储介质 |
CN110827202A (zh) * | 2019-11-07 | 2020-02-21 | 上海眼控科技股份有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
WO2021093718A1 (zh) * | 2019-11-15 | 2021-05-20 | 北京金山云网络技术有限公司 | 视频处理方法、视频修复方法、装置及设备 |
CN111079545A (zh) * | 2019-11-21 | 2020-04-28 | 上海工程技术大学 | 一种基于图像修复的三维目标检测方法和系统 |
CN113316801A (zh) * | 2019-12-09 | 2021-08-27 | 深圳市大疆创新科技有限公司 | 点云孔洞填充方法、装置和存储介质 |
CN111191582B (zh) * | 2019-12-27 | 2022-11-01 | 深圳市越疆科技有限公司 | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 |
CN111223101B (zh) * | 2020-01-17 | 2023-08-11 | 湖南视比特机器人有限公司 | 点云处理方法、点云处理系统和存储介质 |
CN113538552B (zh) * | 2020-02-17 | 2024-03-22 | 天目爱视(北京)科技有限公司 | 一种基于图像排序的3d信息合成图像匹配的方法 |
CN111401194B (zh) * | 2020-03-10 | 2023-09-22 | 北京百度网讯科技有限公司 | 用于自动驾驶车辆的数据处理方法和装置 |
CN111402332B (zh) * | 2020-03-10 | 2023-08-18 | 兰剑智能科技股份有限公司 | 基于slam的agv复合建图与导航定位方法及系统 |
CN111414953B (zh) * | 2020-03-17 | 2023-04-18 | 集美大学 | 点云分类方法和装置 |
CN111402308B (zh) * | 2020-03-17 | 2023-08-04 | 阿波罗智能技术(北京)有限公司 | 障碍物速度的确定方法、装置、设备和介质 |
CN111667563B (zh) * | 2020-06-19 | 2023-04-07 | 抖音视界有限公司 | 图像处理方法、装置、设备和存储介质 |
CN111722245B (zh) | 2020-06-22 | 2023-03-10 | 阿波罗智能技术(北京)有限公司 | 定位方法、定位装置和电子设备 |
CN112150595A (zh) * | 2020-09-21 | 2020-12-29 | 广东博智林机器人有限公司 | 一种点云数据处理方法、装置、设备及介质 |
CN112530027A (zh) * | 2020-12-11 | 2021-03-19 | 北京奇艺世纪科技有限公司 | 一种三维点云修复方法、装置及电子设备 |
CN112835007B (zh) * | 2021-01-07 | 2023-04-18 | 北京百度网讯科技有限公司 | 点云数据转换方法、装置、电子设备和存储介质 |
CN112945205B (zh) * | 2021-01-27 | 2022-09-23 | 西北核技术研究所 | 一种超快多幅二维图像探测方法及装置 |
CN112785611B (zh) * | 2021-01-29 | 2021-10-12 | 昆明理工大学 | 一种3d点云弱监督语义分割方法及系统 |
CN112967219B (zh) * | 2021-03-17 | 2023-12-05 | 复旦大学附属华山医院 | 基于深度学习网络的二阶段牙体点云补全方法及系统 |
CN113557528B (zh) * | 2021-03-30 | 2023-11-28 | 商汤国际私人有限公司 | 生成点云补全网络及点云数据处理方法、装置和系统 |
CN113424220B (zh) * | 2021-03-30 | 2024-03-01 | 商汤国际私人有限公司 | 生成点云补全网络及点云数据的处理 |
CN113128405B (zh) * | 2021-04-20 | 2022-11-22 | 北京航空航天大学 | 一种结合语义分割与点云处理的植物识别与模型构建方法 |
KR102313918B1 (ko) * | 2021-05-14 | 2021-10-18 | 주식회사 인피닉 | 3d 데이터와 2d 이미지의 동기화 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
TW202305740A (zh) | 2021-06-17 | 2023-02-01 | 日商新唐科技日本股份有限公司 | 物體檢測裝置、物體檢測方法及程式 |
CN113658195B (zh) * | 2021-08-16 | 2024-03-19 | 金地(集团)股份有限公司 | 图像分割方法、装置及电子设备 |
CN113674421B (zh) * | 2021-08-25 | 2023-10-13 | 北京百度网讯科技有限公司 | 3d目标检测方法、模型训练方法、相关装置及电子设备 |
CN114333418B (zh) * | 2021-12-30 | 2022-11-01 | 深兰人工智能(深圳)有限公司 | 用于自动驾驶的数据处理方法及相关装置 |
CN117274116B (zh) * | 2023-11-22 | 2024-03-05 | 广州中望龙腾软件股份有限公司 | 点云修补方法、装置、存储介质及计算机设备 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4978615B2 (ja) * | 2008-11-27 | 2012-07-18 | 三菱電機株式会社 | 対象特定装置 |
JP5620200B2 (ja) * | 2010-09-06 | 2014-11-05 | 株式会社トプコン | 点群位置データ処理装置、点群位置データ処理方法、点群位置データ処理システム、および点群位置データ処理プログラム |
CN103236043B (zh) * | 2013-04-28 | 2015-10-28 | 北京农业信息技术研究中心 | 一种植物器官点云修复方法 |
JP6426968B2 (ja) * | 2014-10-08 | 2018-11-21 | キヤノン株式会社 | 情報処理装置およびその方法 |
US20160159011A1 (en) * | 2014-12-04 | 2016-06-09 | Caterpillar Inc. | Vision System for Selective Tridimensional Repair Using Additive Manufacturing |
US9618459B2 (en) * | 2015-05-18 | 2017-04-11 | Flightware, Inc. | Systems and methods for automated composite layup quality assurance |
CN105405162B (zh) * | 2015-10-16 | 2017-12-05 | 北京师范大学 | 基于局部结构和方向感知的树点云三维重建方法 |
US9984499B1 (en) * | 2015-11-30 | 2018-05-29 | Snap Inc. | Image and point cloud based tracking and in augmented reality systems |
EP3179407B1 (en) * | 2015-12-07 | 2022-07-13 | Dassault Systèmes | Recognition of a 3d modeled object from a 2d image |
US11060853B2 (en) * | 2016-09-14 | 2021-07-13 | Scantech (Hangzhou) Co., Ltd. | Three-dimensional sensor system and three-dimensional data acquisition method |
US20180136332A1 (en) * | 2016-11-15 | 2018-05-17 | Wheego Electric Cars, Inc. | Method and system to annotate objects and determine distances to objects in an image |
GB2559157A (en) * | 2017-01-27 | 2018-08-01 | Ucl Business Plc | Apparatus, method and system for alignment of 3D datasets |
US10726558B2 (en) * | 2017-02-27 | 2020-07-28 | Dolphin AI, Inc. | Machine learning-based image recognition of weather damage |
CN116582682A (zh) * | 2017-08-22 | 2023-08-11 | 松下电器(美国)知识产权公司 | 图像编码器、图像解码器及非暂态计算机可读介质 |
BR112020002205A2 (pt) * | 2017-08-22 | 2020-07-28 | Panasonic Intellectual Property Corporation Of America | codificador de imagem, decodificador de imagem, método de codificação de imagem e método de decodificação de imagem |
US10699135B2 (en) * | 2017-11-20 | 2020-06-30 | Here Global B.V. | Automatic localization geometry generator for stripe-shaped objects |
-
2017
- 2017-12-29 CN CN201711480175.7A patent/CN108198145B/zh active Active
-
2018
- 2018-10-30 KR KR1020180130585A patent/KR102126724B1/ko active IP Right Grant
- 2018-12-26 US US16/232,797 patent/US10970864B2/en active Active
- 2018-12-27 EP EP18248062.4A patent/EP3506161A1/en not_active Ceased
- 2018-12-28 JP JP2018247307A patent/JP6745328B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019149149A (ja) | 2019-09-05 |
KR20190082066A (ko) | 2019-07-09 |
US20190206071A1 (en) | 2019-07-04 |
CN108198145A (zh) | 2018-06-22 |
US10970864B2 (en) | 2021-04-06 |
EP3506161A1 (en) | 2019-07-03 |
CN108198145B (zh) | 2020-08-28 |
KR102126724B1 (ko) | 2020-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6745328B2 (ja) | 点群データを復旧するための方法及び装置 | |
KR102145109B1 (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
US10127670B2 (en) | Computer vision systems and methods for detecting and modeling features of structures in images | |
Rahman et al. | Notice of violation of IEEE publication principles: Recent advances in 3D object detection in the era of deep neural networks: A survey | |
CN111694903A (zh) | 地图构建方法、装置、设备以及可读存储介质 | |
JP2017134814A (ja) | 点群データに基づく車両輪郭検出方法、および装置 | |
CN111739005B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN112862874B (zh) | 点云数据匹配方法、装置、电子设备及计算机存储介质 | |
KR20230042383A (ko) | 포인트 클라우드 데이터 생성 방법 및 장치 | |
WO2020221443A1 (en) | Scale-aware monocular localization and mapping | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN114565916A (zh) | 目标检测模型训练方法、目标检测方法以及电子设备 | |
CN114758337A (zh) | 一种语义实例重建方法、装置、设备及介质 | |
Wen et al. | Cooperative indoor 3D mapping and modeling using LiDAR data | |
CN110068824B (zh) | 一种传感器位姿确定方法和装置 | |
CN113592015B (zh) | 定位以及训练特征匹配网络的方法和装置 | |
CN113724388B (zh) | 高精地图的生成方法、装置、设备以及存储介质 | |
CN111709984A (zh) | 位姿深度预测方法、视觉里程计方法、装置、设备及介质 | |
CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
CN115937449A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN115375836A (zh) | 基于多元置信度滤波的点云融合三维重建方法和系统 | |
CN113870412A (zh) | 一种航空场景图像的处理方法、装置以及电子设备 | |
Funk et al. | Infinite, sparse 3d modelling volumes | |
CN117953058A (en) | Cross-modal pose estimation method and device, electronic equipment and storage medium | |
CN117746133A (zh) | 目标检测方法、模型训练方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190426 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190426 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200529 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200714 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200803 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6745328 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |