TW202001794A - 用來提升點雲精度之方法與裝置 - Google Patents
用來提升點雲精度之方法與裝置 Download PDFInfo
- Publication number
- TW202001794A TW202001794A TW107119450A TW107119450A TW202001794A TW 202001794 A TW202001794 A TW 202001794A TW 107119450 A TW107119450 A TW 107119450A TW 107119450 A TW107119450 A TW 107119450A TW 202001794 A TW202001794 A TW 202001794A
- Authority
- TW
- Taiwan
- Prior art keywords
- point clouds
- point
- known points
- point cloud
- converted
- Prior art date
Links
Images
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一種用來提升點雲精度之方法與裝置,該方法包含:將一測區中之多群點雲輸入該裝置;選擇兩組已知點,其中該兩組已知點係相異且均勻地分布於該測區;剔除空間差量位於一容許範圍之外的點雲;以座標轉換降低系統誤差,並剔除空間差量位於另一容許範圍之外的點雲;以及對未被剔除的點雲進行權數分配以合併該些點雲。
Description
本發明係關於點雲的處理,尤指一種用來提升點雲精度之方法與裝置。
點雲可透過影像對視差或電磁波發射及接收計算等兩種方式產生。已知影像視差計算所得之點雲精度受限於取像設備本身、影像品質、拍攝影像交會角度、照片密度、觀測物體的角度、物體表面平整程度等等;而電磁波發射及接收計算所得點雲精度受限於電磁波發射接受設備、定位設備或環境干擾。故以往增加精度,會從改良儀器、設法控制實驗環境或訓練操作者處理。但在現實環境,更好的儀器設備數量少及需要更多費用,故需要一種使用原儀器而能提升精度的方法與裝置。
本發明之一目的在於提供一種用來提升點雲精度之方法與裝置,以解決上述問題。
本發明之另一目的在於提供一種用來提升點雲精度之方法與裝置,以在沒有副作用或較不可能帶來副作用之狀況下提升點雲精度。
本發明之至少一實施例提供一種用來提升點雲精度之方法。該方法可包含:(a) 輸入於一測區中之多群點雲;(b) 選擇該多群點雲中之每一者與一參考座標之間的一座標轉換方式;(c) 選擇一組第一已知點以及異於該組第一已知點的一組第二已知點,其中該組第一已知點包含於一參考座標上的多個第一已知點以及於該多群點雲中之每一者的該多個第一已知點,且該組第二已知點包含於該參考座標上的多個第二已知點以及於該多群點雲中之每一者的該多個第二已知點;(d) 分別計算該多個點雲中的每一者的該多個第一已知點與該參考座標上的該多個第一已知點之間的空間差量,當一點雲中的該多個第一已知點的任一者的空間差量位於一第一容許範圍之外,則剔除該點雲,並依據步驟(b)中所選擇之該座標轉換方式,分別將未被剔除之點雲轉換至該參考座標以產生轉換後點雲;(e) 依據步驟(b)中所選擇之該座標轉換方式,分別將該多個點雲轉換至該參考座標以產生該些轉換後點雲,並分別計算該些轉換後點雲中的每一者的該多個第一已知點與該參考座標上的該多個第一已知點之間的空間差量,當一轉換後點雲中的該多個第一已知點的任一者的空間差量位於一第二容許範圍之外,則剔除該轉換後點雲;(f) 收集於步驟(d)與步驟(e)中未被剔除之該些轉換後點雲以作為剩餘轉換後點雲;以及(g) 分別計算該些剩餘轉換後點雲之每一者的該多個第二已知點與該參考座標上的該多個第二已知點之間的空間差量,當一剩餘轉換後點雲中的該多個第二已知點的任一者的空間差量位於一第三容許範圍之外,則剔除該些剩餘轉換後點雲。
本發明之至少一實施例提供一種依據上述之方法來運作之分析裝置。該分析裝置可包含一處理電路,用來執行對應於該方法之一組程式碼,以控制該分析裝置依據該方法來運作。
本發明的好處之一是,本發明能針對點雲本身來提高其精度,並且依據不同的設定,有效地提高點雲的精度或給予重新施測的建議。另外,依據本發明之相關實施例來實施並不會增加許多額外的成本。因此,相關技術的問題可被解決,且整體成本不會增加太多。相較於相關技術,本發明能在沒有副作用或較不可能帶來副作用之狀況下提升點雲精度。
第1圖為依據本發明一實施例之一分析裝置100的示意圖。分析裝置100可包含一處理電路110(其可包含至少一處理器、記憶體、晶片組…等,且上述支元件的至少一部分(例如一部分或全部)可透過匯流排彼此耦接)與至少一儲存裝置120(例如一或多個儲存裝置,諸如可攜式記憶裝置、固態硬碟及/或各種嵌入式儲存裝置)。尤其是,處理電路110可用來執行一組程式碼112C以控制分析裝置100依據本發明所提出之方法來運作,但本發明不限於此。分析裝置100的例子可包含(但不限於):個人電腦(諸如桌上型電腦與膝上型電腦)以及伺服器。
第2圖為該方法於本發明一實施例之工作流程2000的流程圖,其中第3圖為依據本發明一實施例之第2圖所示之工作流程2000中的一子流程2100,以及第4圖為依據本發明一實施例之第2圖所示之工作流程2000中的一子流程2200。
請一併參考第2圖與第5圖,其中第5圖為依據本發明一實施例之多群點雲(諸如點雲{3101
, 3102
, …, 310n
},其中n為一正整數)及一座標(坐標)諸如參考座標300的示意圖。於步驟202中,一使用者可將一測區中之多群點雲(諸如點雲{3101
, 3102
, …, 310n
})輸入至分析裝置100並進入步驟204,其中該多群點雲可為來自不同觀測裝置之針對該測區的多群點雲,或者,透過該測區的多組照片對分別產生該多群點雲,例如:一觀測裝置可針對該測區產生十張照片,該十張照片中之任兩者可產生一群點雲,因此,該十張照片共可產生45群點雲,但本發明不限於此。請注意,將該多群點雲輸入置分析裝置100之方式不限於透過該使用者手動輸入,例如:一影像產生器(或掃描裝置)可耦接至分析裝置100,透過該影像產生器產生一或多群點雲後,分析裝置100可自動地(及/或同步地)將該一或多群點雲儲存於一儲存裝置(諸如儲存裝置120)中以供後續步驟使用,但本發明不限於此。
於步驟204中,分析裝置100(或該使用者)可選擇點雲{3101
, 3102
, …, 310n
}中之每一者與參考座標300之間的一座標轉換方式並進入步驟206,其中該座標轉換方式之例子可包含(但不限於):6參數正型轉換、7參數正型轉換、9參數仿射轉換以及12參數仿射轉換,其中7參數正型轉換可作為一預設座標轉換方式,但本發明不限於此。
於步驟206中,該使用者(或分析裝置100)可選擇一組第一已知點以及異於該組第一已知點的一組第二已知點(其中該組第一已知點以及該第二已知點係均勻分布且盡量地涵蓋該測區)。該組第一已知點可包含於參考座標300上的多個第一已知點(諸如已知點{Ar1
, Ar2
, Ar3
})以及於該多群點雲中之每一者的該多個第一已知點(諸如於點雲3101
上的已知點{A1,1
, A1,2
, A1,3
}、於點雲3102
上的已知點{A2,1
, A2,2
, A2,3
}、……以及於點雲310n
上的已知點{An,1
, An,2
, An,3
}),且該組第二已知點可包含於參考座標300上的多個第二已知點(諸如已知點{Br1
, Br2
, Br3
})以及於該多群點雲中之每一者的該多個第二已知點(諸如於點雲3101
上的已知點{B1,1
, B1,2
, B1,3
}、於點雲3102
上的已知點{B2,1
, B2,2
, B2,3
}、……以及於點雲310n
上的已知點{Bn,1
, Bn,2
, Bn,3
}),接著,進入子流程2100,但本發明不限於此。請注意,選擇該組第一已知點以及該組第二已知點的方式可包含(但不限於):於取得該多群點雲前,使用者可將一已知物體放置於該測區以作為一已知點;於取得該多群點雲後,分析裝置100可採用影像分析之技術(例如:依據影像之灰度或色彩等,辨識出某一物體的邊界點以作為一已知點)辨識出於不同群的點雲中對應至相同位置的資料點(諸如對應至該測區中之相同位置的已知點A1,1
、已知點A2,1
、 …已知點An,1
),並以辨識度較高者(例如:灰度或色彩相對鄰近差異大者)作為已知點以供後續分析使用;一掃描裝置將一雷射光以不同的方向或角度打在一物體上後(或者於不同位置的掃描裝置將雷射光打在該物體上),分析裝置100可依據該雷射光反射回來的強度或色彩等資訊辨識出不同群的點雲中對應至相同位置的資料點,並以辨識度較高者(例如:強度較高者)作為已知點以供後續分析使用;以及,透過前述之反射的雷射光,分析裝置100可依據所測得之該物體的表面特徵(諸如材質、紋理、連續性等,但不在此限)辨識出不同群的點雲中對應至相同位置的資料點,並以辨識度較高者作為已知點以供後續分析使用。
另外,透過相同(或類似)的影像分析之技術,分析裝置100可辨識出該多群點雲中的每一者的至少一部分(一部分或全部)的資料點分別對應之該測區中的位置(或物體),以供後續之步驟作使用,詳細內容將於後續之段落說明。
於本實施例中,該多群點雲中的每一者中的該多個第一已知點的數量需求以及該多群點雲中的每一者中的該多個第二已知點的數量需求均必須滿足前述之該座標轉換方式的最低需求,例如:6參數正型轉換需要至少兩個點、7參數正型轉換需要至少三個點、9參數仿射轉換需要至少三個點、以及12參數仿射轉換需要至少四個點。於本發明之實施例中,點雲{3101
, 3102
, …, 310n
}中的每一者包含有三個第一已知點以及三個第二已知點,例如:已知點{A1,1
, A1,2
, A1,3
}可代表點雲3101
中的三個第一已知點,以及已知點{B1,1
, B1,2
, B1,3
}可代表點雲3101
中的三個第二已知點,點雲{3102
, …, 310n
}以此類推,其每一者均包含三個第一已知點以及三個第二已知點,其中參考座標300上的已知點{Ar1
, Ar2
, Ar3
}(三個第一已知點)以及已知點{Br1
, Br2
, Br3
}(三個第二已知點)分別對應於點雲{3102
, …, 310n
}中的每一者中的六個已知點(三個第一已知點以及三個第二已知點),這只是為了說明之目的而已,並非對本發明之限制。
請一併參考第5圖以及第6圖,其中第6圖為依據本發明一實施例之多群點雲於該參考座標的示意圖。利用前述之該座標轉換方式,分析裝置100可將第5圖所示之點雲{3101
, 3102
, …, 310n
}轉換至參考座標300以產生轉換後點雲(諸如第6圖所示之點雲{4101
, 4102
, …, 410n
}),其中分析裝置100可透過上述之該座標轉換方式將第5圖所示之點雲3101
上的已知點{A1,1
, A1,2
, A1,3
, B1,1
, B1,2
, B1,3
}轉換至參考座標300以產生第6圖所示之點雲4101
上的已知點{Ar1,1
, Ar1,2
, Ar1,3
, Br1,1
, Br1,2
, Br1,3
},點雲{3102
, …, 310n
}中的每一者的該多個已知點均進行類似之操作,詳細內容將於後續之段落說明。
請一併參考參考第3圖以及第5圖,於步驟208中,分析裝置100可分別計算點雲{3101
, 3102
, …, 310n
}中的每一者的該多個第一已知點(諸如於點雲3101
上的已知點{A1,1
, A1,2
, A1,3
}、於點雲3102
上的已知點{A2,1
, A2,2
, A2,3
}、……以及於點雲310n
上的已知點{An,1
, An,2
, An,3
})與參考座標300上之相對應的已知點{Ar1
, Ar2
, Ar3
}之間的空間差量。計算該些空間差量的方式可包含(但不限於):當一點雲上的已知點座標為(X, Y, Z)且一參考座標上之相對應的已知點座標為(Xr
, Yr
, Zr
),則該點雲上的已知點與該參考座標上的已知點之間的空間差量可透過下列方式計算得知:於本實施例中,點雲{3101
, 3102
, …, 310n
}中的每一者包含有三個第一已知點,因此分析裝置100可透過計算得到點雲{3101
, 3102
, …, 310n
}中的每一者的三組空間差量,例如:針對點雲3101
,分析裝置100可透過計算得到已知點A1,1
與已知點Ar1
的空間差量D1,1
、已知點A1,2
與已知點Ar2
的空間差量D1,2
、以及已知點A1,3
與已知點Ar3
的空間差量D1,3
;針對點雲3102
,分析裝置100可透過計算得到已知點A2,1
與已知點Ar1
的空間差量D2,1
、已知點A2,2
與已知點Ar2
的空間差量D2,2
、以及已知點A2,3
與已知點Ar3
的空間差量D2,3
;以此類推,針對點雲310n
,分析裝置100可透過計算得到已知點An,1
與已知點Ar1
的空間差量Dn,1
、已知點An,2
與已知點Ar2
的空間差量Dn,2
、以及已知點An,3
與已知點Ar3
的空間差量Dn,3
。接著,進入步驟210。
於步驟210中,當一點雲中的該多個第一已知點的任一者之相對應的空間差量位於一第一容許範圍之外,分析裝置100可剔除該點雲。於本實施例中,該第一容許範圍可透過計算該些空間差量的標準差與平均值來決定,例如:在分析裝置100計算出空間差量{D1
, D2
, …Dm
,}(其中m為一正整數)後,空間差量{D1
, D2
, …Dm
,}的標準差σ可透過下列兩方式計算得知: 其中Davg
為空間差量{D1
, D2
, …Dm
,}的平均值。接著,使用者可依據各自的需求設定該第一容許範圍,例如:將該第一容許範圍設定為(Davg
- 2*σ)與(Davg
+ 2*σ)之間的區間;又例如:將該第一容許範圍設定為(Davg
- 3*σ)與( Davg
+ 3*σ)之間的區間。但本發明不限於此。
於步驟212中,分析裝置100(或該使用者)可依據一數量閾值NTH1決定是否改變該第一容許範圍,當分析裝置100(或該使用者)判斷需改變該第一容許範圍以增加未被剔除之點雲的數量,則於改變(未顯示於圖示中)後進入步驟210,否則,進入步驟214。例如:使用者可將數量閾值NTH1設定為10,假設此狀況下於步驟210中未被剔除之點雲數量為8,使用者(或分析裝置100)可改變該第一容許範圍(例如:從(Davg
- 2*σ)與(Davg
+ 2*σ)之間的區間改變為(Davg
- 3*σ)與( Davg
+ 3*σ)之間的區間)以增加未被剔除之點雲的數量。
於步驟214中,分析裝置100可依據前述之該座標轉換方式,將於步驟210中未被剔除之點雲轉換至參考座標300以產生轉換後點雲。請參考第7圖,其中第7圖為依據本發明一實施例之透過將未被剔除之點雲轉換至參考座標300所產生之轉換後點雲的示意圖。假設於步驟210中未被剔除之點雲包含有第7圖所示之點雲3101
、點雲3102
、點雲3103
、點雲3104
、點雲3105
、點雲3106
以及點雲3107
,並且於步驟212中分析裝置100(或使用者)決定不改變該第一容許範圍,則分析裝置100可於步驟214中產生如第7圖所示之於參考座標300上的點雲{4101
, 4102
, 4103
, 4104
, 4105
, 4106
, 4107
}。接著,進入子流程2200。請注意,於點雲{4102
, 4103
, 4104
, 4105
, 4106
, 4107
}及點雲{3102
, 3103
, 3104
, 3105
, 3106
, 3107
}中的每一者中的該多個第一已知點以及該多個第二已知點,為簡明起見,在此省略而不顯示於圖示中。
請一併參考第4圖與第6圖,其中第6圖為依據本發明一實施例之多群轉換後點雲(諸如點雲{4101
, 4102
, …, 410n
})於參考座標300的示意圖。於步驟216中,分析裝置100可依據前述之該座標轉換方式,分別將該多群點雲(諸如第5圖所示之點雲{3101
, 3102
, …, 310n
})轉換至參考座標300以產生該多群轉換後點雲(諸如第6圖所示之點雲{4101
, 4102
, …, 410n
}),其中分析裝置100可透過上述之該座標轉換方式將第5圖所示之點雲3101
上的已知點{A1,1
, A1,2
, A1,3
, B1,1
, B1,2
, B1,3
}、於點雲3102
上的已知點{A2,1
, A2,2
, A2,3
, B2,1
, B2,2
, B2,3
}、……以及於點雲310n
上的已知點{An,1
, An,2
, An,3
, Bn,1
, Bn,2
, Bn,3
}轉換至參考座標300以產生第6圖所示之點雲4101
上的已知點{Ar1,1
, Ar1,2
, Ar1,3
, Br1,1
, Br1,2
, Br1,3
}、於點雲4102
上的已知點{Ar2,1
, Ar2,2
, Ar2,3
, Br2,1
, Br2,2
, Br2,3
}、……以及於點雲410n
上的已知點{Arn,1
, Arn,2
, Arn,3
, Brn,1
, Brn,2
, Brn,3
}。但本發明不限於此。
於步驟218中,分析裝置100可分別計算於點雲4101
上的已知點{Ar1,1
, Ar1,2
, Ar1,3
}、於點雲4102
上的已知點{Ar2,1
, Ar2,2
, Ar2,3
}、……以及於點雲410n
上的已知點{Arn,1
, Arn,2
, Arn,3
})與參考座標200上之相對應的已知點{Ar1
, Ar2
, Ar3
}之間的空間差量,例如,針對點雲4101
,分析裝置100可透過計算得到已知點Ar1,1
與已知點Ar1
的空間差量Dr1,1
、已知點Ar1,2
與已知點Ar2
的空間差量Dr1,2
、以及已知點Ar1,3
與已知點Ar3
的空間差量Dr1,3
;針對點雲4102
,分析裝置100可透過計算得到已知點Ar2,1
與已知點Ar1
的空間差量Dr2,1
、已知點Ar2,2
與已知點Ar2
的空間差量Dr2,2
、以及已知點Ar2,3
與已知點Ar3
的空間差量Dr2,3
;以此類推,針對點雲410n
,分析裝置100可透過計算得到已知點Arn,1
與已知點Ar1
的空間差量Drn,1
、已知點Arn,2
與已知點Ar2
的空間差量Drn,2
、以及已知點Arn,3
與已知點Ar3
的空間差量Drn,3
。接著,進入步驟220。
於步驟220中,當一轉換後點雲中的該多個第一已知點的任一者之相對應的空間差量位於一第二容許範圍之外,分析裝置100可剔除該轉換後點雲。於本實施例中,該第二容許範圍可透過與決定該第一容許範圍時類似的方式來決定,為簡明起見,與前述之步驟重複的內容在此不再贅述。
於步驟222中,分析裝置100(或該使用者)可依據一數量閾值NTH2決定是否改變該第二容許範圍,當分析裝置100(或該使用者)判斷需改變該第二容許範圍以增加未被剔除之轉換後點雲的數量,則於改變(未顯示於圖示中)後進入步驟220,否則,進入步驟224。為簡明起見,與前述之步驟重複的內容在此不再贅述。
請一併參考第2圖與第8圖,其中第8圖為依據本發明一實施例之剩餘轉換後點雲於參考座標300上的示意圖。於步驟224中,分析裝置100可收集於子流程2100中所產生的轉換後點雲以及於子流程2200中未被剔除之轉換後點雲,以作為該剩餘轉換後點雲。例如:假設於子流程2100中所產生的轉換後點雲包含點雲{4101
, 4102
, 4103
, 4104
, 4105
, 4106
, 4107
},而於子流程2200未被剔除之轉換後點雲包含點雲{4104
, 4105
, 4106
, 4107
, 4108
, 4109
, 41010
},則分析裝置100可收集上述之轉換後點雲作為剩餘轉換後點雲,包含點雲{4101
, 4102
, 4103
, 4104
, 4105
, 4106
, 4107
, 4104
, 4105
, 4106
, 4107
, 4108
, 4109
, 41010
},請注意,其中點雲{4104
, 4105
, 4106
, 4107
}重複出現於子流程2100中所產生的轉換後點雲以及子流程2200未被剔除之轉換後點雲,為了避免重複採納相同的點雲,分析裝置100可刪除重複之剩餘轉換後點雲,以將該些剩餘轉換後點雲調整為如第8圖所示之點雲{4101
, 4102
, 4103
, 4104
, 4105
, 4106
, 4107
, 4108
, 4109
, 41010
},並進入步驟226。請注意,於點雲{4102
, 4103
, 4104
, 4105
, 4106
, 4107
, 4108
, 4109
, 41010
}中的每一者中的多個第一已知點以及多個第二已知點,為簡明起見,在此省略而不顯示於圖示中。
於步驟226中,分析裝置100可利用於步驟206中所選擇之第二已知點,分別計算於步驟224中的該些剩餘轉換後點雲中的每一者的多個第二已知點與參考座標300上之相對應的已知點{Br1
, Br2
, Br3
}之間的空間差量。例如:假設於步驟224中收集所得到的該些剩餘轉換後點雲包含第8圖所示之點雲{4101
, 4102
, 4103
, 4104
, 4105
, 4106
, 4107
, 4108
, 4109
, 41010
},針對點雲4101
,分析裝置100可透過計算得到已知點Br1,1
與已知點Br1
的空間差量Drb1,1
、已知點Br1,2
與已知點Br2
的空間差量Drb1,2
、以及已知點Br1,3
與已知點Br3
的空間差量Drb1,3
;針對點雲4102
,分析裝置100可透過計算得到已知點Br2,1
與已知點Br1
的空間差量Drb2,1
、已知點Br2,2
與已知點Br2
的空間差量Drb2,2
、以及已知點Br2,3
與已知點Br3
的空間差量Drb2,3
;類似地,針對點雲{4103
, 4104
, 4105
, 4106
, 4107
, 4108
, 4109
, 41010
},分析裝置100均可分別透過計算得到相對應之空間差量。接著,進入步驟228。
於步驟228中,當一剩餘轉換後點雲中的該多個第二已知點的任一者之相對應的空間差量位於一第三容許範圍之外,分析裝置100可剔除該剩餘轉換後點雲。於本實施例中,該第三容許範圍可透過與決定該第一容許範圍及該第二容許範圍時類似的方式來決定,為簡明起見,與前述之步驟重複的內容在此不再贅述。
於步驟230中,分析裝置100(或該使用者)可依據一數量閾值NTH3決定是否改變該第三容許範圍,當分析裝置100(或該使用者)判斷需改變該第三容許範圍以增加未被剔除之剩餘轉換後點雲的數量,則於改變(未顯示於圖示中)後進入步驟228,否則,進入步驟232。為簡明起見,與前述之步驟重複的內容在此不再贅述。
於步驟232中,當未被剔除之剩餘轉換後點雲的數量為0,則進入步驟234,以重新取得異於步驟202所輸入之多群點雲之新的多群點雲,接著,回到步驟202;否則,進入步驟236。
於步驟236中,分析裝置100可合併該些未被剔除之剩餘轉換後點雲,以產生精度提升後的點雲。例如,分析裝置100可依據該些未被剔除之剩餘轉換後點雲於步驟226中所計算得到的空間差量,分配相對應的權數給該些未被剔除之剩餘轉換後點雲,以進行後續之點雲合併(例如:加權平均)。例如:點雲4101
中的多個第二已知點所對應的空間差量較點雲4102
中的多個第二已知點所對應的空間差量小,因此,分析裝置100可分配較高的權數給點雲4101
,並分配較低的權數給點雲4102
;又例如,分析裝置100可依據前述之空間差量的標準差、未被剔除的該些剩餘轉換後點雲之來源影像的地面採樣距離(ground sample distance)、未被剔除的該些剩餘轉換後點雲之該些來源影像的精度(諸如照片解析度)或誤差、或一儀器與該測區或一物體之間的測距比值來進行權數的分配,但本發明不限於此。
於本實施例中,分析裝置100於先前之步驟(諸如步驟206)已可辨識出該多群點雲中的每一者的至少一部分(一部分或全部)的資料點分別對應之該測區中的位置(或物體),因此,熟習此技藝者應可充分地了解點雲合併之操作細節(諸如加權平均),在此不贅述。
請注意,只要不妨礙本發明的實施,一或多個步驟可於該工作流程中被修改、新增或刪除。例如,於步驟212、步驟222或步驟230中,該使用者可依據各自的需求,針對數量閾值NTH1、數量閾值NTH2以及數量閾值NTH3之相關後續步驟作修改(例如:當步驟210之未被剔除之點雲的數量小於數量閾值NTH1(例如:5),則進入步驟234以重新取得多群點雲,並回到步驟202;又例如:當步驟210之未被剔除之點雲的數量等於0,則進入步驟234以重新取得多群點雲,並回到步驟202);再舉一例,於工作流程2000中的子流程2100以及子流程2200的執行順序並非必須依照第2圖所示之順序來進行,換言之,分析裝置100可先進行子流程2200中的步驟,接著在進行子流程2100中的步驟,或者,分析裝置100可並行地進行子流程2100以及子流程2200。再舉一例:依據本實施例,於步驟224中之刪除重複收集之轉換後點雲的操作可於步驟236中進行點雲合併前實施,或者,前述之刪除重複收集之轉換後點雲的操作可於執行步驟224~236的任一者時進行。由於熟習此技藝者在閱讀以上之段落後,已可了解第2圖所示之每一步驟的操作,為簡明起見,相關細節在此不再贅述。
相較於先前技術,本發明所提出之方法能針對點雲本身來提高其精度,而較不受限於使用影像視差計算時因取像設備本身、影像品質、拍攝影像交會角度、照片密度、觀測物體的角度、物體表面平整程度等等的影響,並且利用發達的電腦科學,該使用者能輕易的將大量的點雲資訊輸入至分析裝置100中,快速地完成上述之點雲處理,另外,依據本發明之相關實施例來實施並不會增加許多額外的成本。因此,相關技術的問題可被解決,且整體成本不會增加太多。相較於相關技術,本發明能在沒有副作用或較不可能帶來副作用之狀況下提升點雲精度。 以上所述僅為本發明之較佳實施例,凡依本發明申請專利範圍所做之均等變化與修飾,皆應屬本發明之涵蓋範圍。
100‧‧‧分析裝置110‧‧‧處理電路112C‧‧‧程式碼120‧‧‧儲存裝置2000‧‧‧工作流程2100, 2200‧‧‧子流程202, 204, 206, 208, 210, 212, 214, 216, 218, 220, 222, 224, 226, 228, 230, 232, 234, 236‧‧‧步驟300‧‧‧參考座標3101, 3102, 3103, 3104, 3105, 3106, 3107, …, 310n, 4101, 4102, 4103, 4104, 4105, 4106, 4107, 4108, 4109, 41010, …, 410n‧‧‧點雲Ar1, Ar2, Ar3, Br1, Br2, Br3, A1,1, A1,2, A1,3, B1,1, B1,2, B1,3, A2,1, A2,2, A2,3, B2,1, B2,2, B2,3, …, An,1, An,2, An,3, Bn,1, Bn,2, Bn,3, Ar1,1, Ar1,2, Ar1,3, Br1,1, Br1,2, Br1,3, Ar2,1, Ar2,2, Ar2,3, Br2,1, Br2,2, Br2,3, …, Arn,1, Arn,2, Arn,3, Brn,1, Brn,2, Brn,3‧‧‧已知點
第1圖為依據本發明一實施例之一分析裝置的示意圖。 第2圖為該方法於本發明一實施例之工作流程的流程圖。 第3圖為依據本發明一實施例之第2圖所示之工作流程中的一子流程。 第4圖為依據本發明一實施例之第2圖所示之工作流程中的一子流程。 第5圖為依據本發明一實施例之多群點雲及一參考座標的示意圖。 第6圖為依據本發明一實施例之多群轉換後點雲於該參考座標的示意圖。 第7圖為依據本發明一實施例之透過將未被剔除之點雲轉換至該參考座標所產生之轉換後點雲的示意圖。 第8圖為依據本發明一實施例之剩餘轉換後點雲於該參考座標上的示意圖。
2000‧‧‧工作流程
2100,2200‧‧‧子流程
202,204,206,224,226,228,230,232,234,236‧‧‧步驟
Claims (10)
- 一種用來提升點雲精度之方法,包含: (a) 輸入於一測區中之多群點雲; (b) 選擇該多群點雲中之每一者與一參考座標之間的一座標轉換方式; (c) 選擇一組第一已知點以及異於該組第一已知點的一組第二已知點,其中該組第一已知點包含於一參考座標上的多個第一已知點以及於該多群點雲中之每一者的該多個第一已知點,且該組第二已知點包含於該參考座標上的多個第二已知點以及於該多群點雲中之每一者的該多個第二已知點; (d) 分別計算該多個點雲中的每一者的該多個第一已知點與該參考座標上的該多個第一已知點之間的空間差量,其中當一點雲中的該多個第一已知點的任一者的空間差量位於一第一容許範圍之外,則剔除該點雲,並依據步驟(b)中所選擇之該座標轉換方式,分別將未被剔除之點雲轉換至該參考座標以產生轉換後點雲; (e) 依據步驟(b)中所選擇之該座標轉換方式,分別將該多個點雲轉換至該參考座標以產生該些轉換後點雲,並分別計算該些轉換後點雲中的每一者的該多個第一已知點與該參考座標上的該多個第一已知點之間的空間差量,當一轉換後點雲中的該多個第一已知點的任一者的空間差量位於一第二容許範圍之外,則剔除該轉換後點雲; (f) 收集於步驟(d)與步驟(e)中未被剔除之該些轉換後點雲以作為剩餘轉換後點雲;以及 (g) 分別計算該些剩餘轉換後點雲之每一者的該多個第二已知點與該參考座標上的該多個第二已知點之間的空間差量,當一剩餘轉換後點雲中的該多個第二已知點的任一者的空間差量位於一第三容許範圍之外,則剔除該些剩餘轉換後點雲。
- 如申請專利範圍第1項所述之方法,另包含: 對於步驟(g)中未被剔除的該些剩餘轉換後點雲進行權數分配以進行點雲合併。
- 如申請專利範圍第2項所述之方法,其中對於步驟(g)中未被剔除的該些剩餘轉換後點雲進行權數分配以進行點雲合併之步驟中的該權數分配係依據於步驟(d)中所計算的空間差量、於步驟(e)中所計算的空間差量、於步驟(g)中所計算的空間差量、未被剔除的該些剩餘轉換後點雲之來源影像的地面採樣距離(ground sample distance)、未被剔除的該些剩餘轉換後點雲之該些來源影像的精度或誤差、或一儀器與該測區或一物體之間的測距比值來進行。
- 如申請專利範圍第1項所述之方法,其中於步驟(c)中選擇的該組第一已知點以及該組第二已知點於一點雲中的已知點的最低數量需求係由步驟(b)所選擇之該座標轉換方式來決定。
- 如申請專利範圍第1項所述之方法,其中當於步驟(d)中產生的轉換後點雲的數量為0且於步驟(e)中未被剔除的該些轉換後點雲的數量為0時,重新取得多群點雲並回到步驟一。
- 如申請專利範圍第1項所述之方法,其中當於步驟(g)中未被剔除的該些剩餘轉換後點雲的數量為0時,重新取得多群點雲並回到步驟一。
- 如申請專利範圍第1項所述之方法,其中當於步驟(d)中未被剔除的點雲的數量低於一數量閾值,依據一第一使用者設定選擇性地改變該第一容許範圍、或重新取得多群點雲並回到步驟一。
- 如申請專利範圍第1項所述之方法,其中當於步驟(e)中未被剔除的該些轉換後點雲的數量低於一數量閾值,依據一第二使用者設定選擇性地改變該第二容許範圍、或重新取得多群點雲並回到步驟一。
- 如申請專利範圍第1項所述之方法,其中當於步驟(g)中未被剔除的該些剩餘轉換後點雲的數量低於一數量閾值,依據一第三使用者設定選擇性地改變該第三容許範圍、或重新取得多群點雲並回到步驟一。
- 一種依據如申請專利範圍第1項所述之方法來運作之分析裝置,該分析裝置包含: 一處理電路,用來執行對應於該方法之一組程式碼,以控制該分析裝置依據該方法來運作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107119450A TWI676151B (zh) | 2018-06-06 | 2018-06-06 | 用來提升點雲精度之方法與裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107119450A TWI676151B (zh) | 2018-06-06 | 2018-06-06 | 用來提升點雲精度之方法與裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI676151B TWI676151B (zh) | 2019-11-01 |
TW202001794A true TW202001794A (zh) | 2020-01-01 |
Family
ID=69188640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107119450A TWI676151B (zh) | 2018-06-06 | 2018-06-06 | 用來提升點雲精度之方法與裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI676151B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8793107B2 (en) * | 2011-12-01 | 2014-07-29 | Harris Corporation | Accuracy-based significant point derivation from dense 3D point clouds for terrain modeling |
CN105590335A (zh) * | 2014-10-23 | 2016-05-18 | 富泰华工业(深圳)有限公司 | 点云网格精细化系统及方法 |
CN104318611B (zh) * | 2014-10-27 | 2017-08-25 | 祁海江 | 一种基于激光扫描点云的三维树木重建方法 |
CN105631927A (zh) * | 2014-10-27 | 2016-06-01 | 富泰华工业(深圳)有限公司 | 点云套索选取系统及方法 |
TW201643820A (zh) * | 2015-01-06 | 2016-12-16 | 鴻海精密工業股份有限公司 | 點雲邊界擬合系統 |
CN106408604A (zh) * | 2016-09-22 | 2017-02-15 | 北京数字绿土科技有限公司 | 一种点云数据的滤波方法及装置 |
-
2018
- 2018-06-06 TW TW107119450A patent/TWI676151B/zh active
Also Published As
Publication number | Publication date |
---|---|
TWI676151B (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683068B (zh) | 一种三维数字化图像采集方法 | |
JP5538667B2 (ja) | 位置姿勢計測装置及びその制御方法 | |
Peña-Villasenín et al. | Professional SfM and TLS vs a simple SfM photogrammetry for 3D modelling of rock art and radiance scaling shading in engraving detection | |
WO2019119567A1 (en) | Systems and methods for block based edgel detection with false edge elimination | |
CN110285754B (zh) | 基于激光扫描的工件定位方法、装置、系统和存储介质 | |
JP7292979B2 (ja) | 画像処理装置及び画像処理方法 | |
Tuan et al. | In-situ concrete slump test incorporating deep learning and stereo vision | |
CN110763706A (zh) | 分析晶体缺陷的系统和方法 | |
Paixão et al. | Close-range photogrammetry for 3D rock joint roughness evaluation | |
Cerrillo-Cuenca et al. | Computer vision methods and rock art: towards a digital detection of pigments | |
JP2018055199A (ja) | 画像処理プログラム、画像処理装置、及び画像処理方法 | |
JPWO2019215819A1 (ja) | 合成開口レーダ画像解析システム、合成開口レーダ画像解析方法および合成開口レーダ画像解析プログラム | |
CN1411046A (zh) | 图形评价装置、图形评价方法及程序 | |
JP5704909B2 (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
Tuan et al. | Automatic stereo vision-based inspection system for particle shape analysis of coarse aggregates | |
JP2023534175A (ja) | Lfa試験片のニューラル・ネットワーク分析 | |
Anusree et al. | Characterization of sand particle morphology: state-of-the-art | |
JP6733984B2 (ja) | 画像解析装置 | |
CN111583417B (zh) | 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质 | |
Mitropoulou et al. | An automated process to detect edges in unorganized point clouds | |
JP6776004B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
TWI676151B (zh) | 用來提升點雲精度之方法與裝置 | |
JP2021189600A (ja) | モデル生成装置、学習器生成装置、モデル生成方法、及び、学習器生成方法 | |
JP2005293334A (ja) | テンプレートマッチング装置 | |
JPWO2008111290A1 (ja) | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム |