WO2019242174A1 - 基于激光雷达的建筑结构自动测量及3d模型生成方法 - Google Patents

基于激光雷达的建筑结构自动测量及3d模型生成方法 Download PDF

Info

Publication number
WO2019242174A1
WO2019242174A1 PCT/CN2018/110825 CN2018110825W WO2019242174A1 WO 2019242174 A1 WO2019242174 A1 WO 2019242174A1 CN 2018110825 W CN2018110825 W CN 2018110825W WO 2019242174 A1 WO2019242174 A1 WO 2019242174A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
model
building structure
point
lidar
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.)
Ceased
Application number
PCT/CN2018/110825
Other languages
English (en)
French (fr)
Inventor
张平
郑蓝翔
李方
杜广龙
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Publication of WO2019242174A1 publication Critical patent/WO2019242174A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three-dimensional [3D] modelling for computer graphics
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating three-dimensional [3D] models or images for computer graphics
    • G06T19/20—Editing of three-dimensional [3D] images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Definitions

  • the invention relates to the technical field of three-dimensional building models, in particular to a method based on a lidar sensor, which is applied to the detection of indoor and outdoor building structures and the generation of a 3D editable model.
  • Three-dimensional building model is an important content of urban planning and digital city construction.
  • the 3D building model can be simply divided into an outdoor 3D building model and an indoor 3D building model.
  • the building Through the outdoor building model, the building can be simulated and maintained and evaluated online, which facilitates the generation of high-precision 3D maps.
  • the commonly used building reconstruction methods include vision reconstruction based on depth camera and point cloud reconstruction based on lidar.
  • the domestic work on the reconstruction of lidar buildings mainly includes: "Swing Lidar-based Indoor 3D Point Cloud Map Generation System and Method” by Shanghai Jiaotong University (public number: CN106199626A), and Heilongjiang Institute of Technology's "Based on Lidar and Quadcopter Multi-resolution indoor three-dimensional scene reconstruction device and method "(publication number: CN104503339A),” A depth camera-based 3D modeling method and device for large-scale scenes "by Hangzhou Guangpai Intelligent Technology Co., Ltd. (public number: CN106997614A )Wait.
  • the existing lidar building reconstruction schemes have already achieved good results, it is difficult to filter out complex indoor and outdoor scene interference and obtain intuitive and editable building structure models.
  • the purpose of the present invention is to overcome the shortcomings and deficiencies of the prior art, and provide a method for automatic measurement of building structures and 3D building model generation based on lidar, which can effectively filter out complex obstacles and build a highly accurate editable 3D building.
  • the structure model avoids artificially measuring the size of the indoor building structure and drawing the indoor structure drawing, saving time and effort.
  • a method for automatically measuring and generating a 3D model of a building structure based on lidar includes the following steps:
  • Multi-point cloud matching fusion Matching and fusion of three-dimensional measurement points measured at different positions of the same building structure through matching algorithms to form a complete and dense three-dimensional point cloud data set of building structures;
  • Point cloud preprocessing remove interference points and abnormal points due to the accuracy of the lidar sensor and measurement noise;
  • Editable building structure 3D model generation merge and stitch the extracted planes, filter out various obstacles, and generate a 3D model of the building structure.
  • a two-dimensional laser radar is carried by a swinging mechanism or a rotating mechanism for reciprocating or circular motion, and the three-dimensional point cloud data of the building structure is obtained by swinging or rotating.
  • step S2 specifically includes:
  • Lidar measurement data is polar coordinate data with lidar as the coordinate origin, that is, distance information ⁇ and angle information ⁇ from obstacles, and convert it into standard point cloud information, that is, Space rectangular coordinate system data (x, y, z) with the origin as the lidar;
  • Point cloud matching The nearest point iterative algorithm is used to perform data matching on multiple measured point clouds. By finding the corresponding point pairs between the source point cloud and the target point cloud, a rotation translation matrix is constructed based on the corresponding point pairs. , And use the obtained matrix to transform the source point cloud into the coordinate system of the target point cloud, and estimate the error function between the source point cloud and the target point cloud after the transformation. If the error function value is greater than the threshold, iteratively perform the above operations until it is satisfied Given error requirements;
  • step S3 specifically includes:
  • the surface normal is approximately inferred from the point cloud data set, and the normal vector of a point in the point cloud is approximated to estimate a tangent plane normal of the point cloud surface, which can be converted into a least square method
  • the plane fitting estimation problem is to analyze the eigenvectors and eigenvalues of a covariance matrix. This covariance matrix is created from the nearest neighbors of the query point. After obtaining the normal vector of each point in the point cloud, the normal vector is not removed. The point of existence.
  • step S4 specifically includes:
  • RANSAC plane extraction The RANSAC algorithm plane extraction is performed on the extracted classes, and the parameters of the plane model are estimated from a set of clusters containing outliers in an iterative manner, and the border and area of the plane are calculated.
  • step S5 specifically includes:
  • the editable building structure 3D model generation step further includes an editable 3D model calibration step, calibrating the dimensions of the lidar and the generated 3D model, and automatically adjusting the model size.
  • the distance information and angle information measured by the lidar are calibrated to remove the zero offset.
  • the size calibration will compare the generated model size with the actual size, fine-tune the proportion of the model, and get the final 3D model of the building structure.
  • the present invention has the following advantages and beneficial effects:
  • the present invention is dedicated to generating a high-precision editable three-dimensional building model.
  • the present invention can use two-dimensional lidar instead of expensive three-dimensional lidar to obtain the point cloud information of the building structure, and finally obtain a high-precision editable building structure 3D model after a series of processing.
  • the invention can filter out most obstacles and automatically generate an editable building 3D model.
  • the invention supports the measurement and generation of building structures of various indoor and outdoor structures, and can effectively reduce the time and material consumption of manual measurement and drawing of a three-dimensional room model.
  • FIG. 1 is a general flowchart of the embodiment scheme.
  • FIG. 2 is a multi-point cloud matching fusion flowchart according to the embodiment.
  • FIG. 3 is a flowchart of point cloud preprocessing according to the embodiment.
  • FIG. 4 is a flowchart of extracting a region growth plane according to the embodiment.
  • FIG. 5 is a flowchart of region growth clustering in the embodiment.
  • FIG. 6 is a flowchart of generating a 3D model of an editable building structure according to an embodiment.
  • FIG. 7 is a flowchart of complex cluster filtering in the embodiment.
  • FIG. 8 is an editable 3D model calibration flowchart of the embodiment.
  • FIG. 9 is a schematic diagram of a rotating mechanism according to the embodiment.
  • FIG. 10 is a schematic diagram of a rocking mechanism according to an embodiment.
  • This method is mainly applied to automatic detection of building structures and 3D model generation.
  • the general flow chart is shown in Figure 1.
  • the two-dimensional lidar is fixed on the swing mechanism (as shown in Figure 10) or the rotation mechanism (as shown in Figure 9) to obtain the three-dimensional point cloud information of the building structure.
  • multi-point cloud matching fusion is performed on the point cloud data to obtain high-density and complete building structure information.
  • the area growth algorithm is used to cluster the point cloud, remove complex clusters, and perform plane extraction for each class after clustering.
  • a 3D model of the building structure is generated by merging and splicing the planes.
  • the model is modified by dimensional calibration to finally generate a high-precision 3D model of the building structure.
  • the method flow can be divided into the following six parts: three-dimensional data acquisition of building structure, multi-point cloud matching fusion, point cloud preprocessing, area growth plane extraction, editable building structure 3D model generation, editable 3D model calibration.
  • the specific implementation of each part is as follows:
  • the two-dimensional lidar is combined with a rotating mechanism or a swinging mechanism, and the two-dimensional lidar can scan the three-dimensional data of the room through periodic reciprocating motion or uniform speed rotation.
  • the rotating mechanism carries the lidar with the center of the rotating table as The origin makes a uniform circular motion; as shown in FIG. 10, the swing mechanism carries a lidar for reciprocating motion.
  • the data measured by the lidar is sent to the PC through the serial port, and the data transmission follows the serial port RS232 protocol.
  • Lidar measurement data is polar coordinate data with the lidar as the origin, that is, distance information ⁇ and angle information ⁇ from the obstacle, so it needs to be converted into standard point cloud information, that is, the space rectangular coordinates with the lidar as the origin System data (x, y, z).
  • the lidar emits a laser beam to detect the position of the target during work. There is a certain angular interval between adjacent laser beams. Therefore, the lidar scan will show a feature of denser close-up points and sparse far-off points, so a single scan The obtained point cloud will appear locally dense and sparse. Multiple 3D point clouds of different building structures can be obtained by scanning at different positions multiple times. Multiple point clouds are fused by the point cloud matching algorithm to obtain higher density and more complete structure information.
  • the nearest point iteration algorithm (Iterative Closest Point, ICP) is used to perform data matching on multiple point clouds measured.
  • ICP is characterized by obtaining corresponding point pairs between the source point cloud and the target point cloud, and based on the corresponding points.
  • the rotation and translation matrix is constructed, and the source point cloud is transformed into the coordinate system of the target point cloud by using the obtained matrix.
  • the error function between the source point cloud and the target point cloud is estimated after the transformation. If the error function value is greater than the threshold, iterate The above operation is performed until the given error requirement is satisfied.
  • the density of the point cloud is more uniform than that of a single point cloud, and the number of points in the point cloud also increases significantly.
  • Multipoint cloud matching fusion flowchart is shown in Figure 2.
  • the invention directly infers the surface normal from the point cloud data set directly.
  • Calculating the normal vector of a point in a point cloud approximates the tangent plane normal of the point cloud surface, so it can be converted into a least squares plane fitting estimation problem, that is, analyzing the eigenvectors and eigenvalues of a covariance matrix (Or PCA-principal component analysis), this covariance matrix is created from the nearest neighbors of the query point.
  • PCA-principal component analysis analyzing the eigenvectors and eigenvalues of a covariance matrix
  • the points in the point cloud are clustered according to their characteristics, and planes are extracted from different categories.
  • the points in the point cloud are distributed on multiple objects and planes, and sub-plane extraction is needed to obtain structures such as walls and floors in the building structure, as shown in Figure 4.
  • Due to incomplete matching and fusion of the pre-processed point cloud the phenomenon of multiple wall surfaces will be caused, that is, one plane is divided into multiple planes, so the point cloud is extracted to classify the point cloud.
  • the region growth algorithm is used to cluster the point cloud, and the plane is extracted after clustering.
  • the area growth algorithm determines whether a point belongs to this class by calculating the normal and curvature obtained.
  • the algorithm flow is as follows, as shown in Figure 5:
  • the RANSAC (Random Sample) Consensus algorithm plane extraction is performed on the extracted classes, and the parameters of the plane model are estimated from a set of clusters containing outliers (points not on the same plane) in an iterative manner, and the plane is calculated Border and area.
  • the planar features of building structures are generally simple, while the planar features of obstacles (tables, stools, trees) are generally more complex. Therefore, the clusters with areas smaller than a certain threshold ⁇ and larger than the threshold ⁇ are removed from the cluster. As shown in Figure 7.
  • the planes with similar spatial positions in the remaining planes and the variance of the plane parameters less than a certain threshold ⁇ are merged into the same plane, and the frame and area thereof are modified. Calculate the intersection point between the plane with an area larger than a certain threshold ⁇ and the adjacent plane in the remaining plane, and expand the plane to obtain the final 3D model.
  • the size of the lidar and the generated model is calibrated, and the model size is automatically adjusted.
  • a lidar sensor is a radar system that emits a laser beam to detect the target position, velocity, and other characteristic quantities. Its measurement accuracy is affected by the working environment light and service life, so it needs to be calibrated before use.
  • the size of the 3D model can be calibrated, and the 3D model can be automatically adjusted according to the size ratio of each face of the generated 3D model.
  • the 3D model meets the format requirements of common editable graphics files, such as "STEP", "STL”, “VRML” and other formats, which can be modified in a variety of editable software.
  • Lidar measurement errors are generally zero offset errors, that is, the measurement distance is increased or decreased by a fixed value compared to the actual distance, and the measurement angle is increased or decreased by a fixed value compared to the actual distance. Therefore, before using lidar to measure data, record the distance from the lidar to an obstacle and the angle between the obstruction and the positive direction of the lidar, and compare the error offset with the actual value to obtain an error offset. Add the offset to the data. Measure the actual size of the room, compare the corresponding side in the model with the input size, and modify the length of each side in the model in proportion to generate a 3D model of the final building structure. The generated 3D model of the building structure is saved in accordance with the general editable graphic file format requirements, so as to facilitate modification and editing of the model.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种基于激光雷达的建筑结构自动测量及3D模型生成方法，包括步骤：建筑结构三维数据获取；多点云匹配融合；点云预处理；区域增长平面提取；可编辑建筑结构3D模型生成；可编辑3D模型标定。其可以有效的滤除复杂的障碍物，建立高精度可编辑的3D建筑结构模型。

Description

基于激光雷达的建筑结构自动测量及3D模型生成方法 技术领域
本发明涉及三维建筑模型技术领域，特别涉及一种基于激光雷达传感器、应用于室内外建筑结构检测和3D可编辑模型生成的方法。
背景技术
三维建筑模型是城市规划、数字化城市建设的重要内容。三维建筑模型可以简单分为室外三维建筑模型和室内三维建筑模型。通过室外建筑模型可以对建筑进行模拟维护，在线评估，便于高精度三维地图生成。通过对室内模型进行模拟装饰，预先感受装修效果，有助于数字化、现代化城市的建设。
目前常用的建筑重建方式主要有基于深度摄像头的视觉重建和基于激光雷达的点云重建。国内关于激光雷达建筑重建的工作主要有：上海交通大学的“基于摆动激光雷达的室内三维点云地图生成系统及方法”(公开号：CN106199626A)、黑龙江工程学院的“基于激光雷达和四轴飞行器的多分辨室内三维场景重构装置及方法”(公开号：CN104503339A)，杭州光珀智能科技有限公司的“一种基于深度相机的大规模场景3D建模方法及其装置”(公开号：CN106997614A)等。目前已有的激光雷达建筑重建方案虽然已经有较好的效果，但其难以过滤掉室内外复杂的场景干扰，获取直观的、可编辑建筑结构模型。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于激光雷达的建筑结构自动测量及3D建筑模型生成方法，可以有效的滤除复杂的障碍物，建立高精度可编辑的3D建筑结构模型，避免人为的测量室内建筑结构的尺寸并绘制出室内结构图，省时省力。
本发明的目的通过以下的技术方案实现：
一种基于激光雷达的建筑结构自动测量及3D模型生成方法，包括以下步骤：
S1、建筑结构三维数据获取：通过二维结构运动和二维激光测量获取三维点云数据；
S2、多点云匹配融合：通过匹配算法将同一建筑物结构不同位置测量所得的三维测量点，按其特征进行匹配、融合，形成完整、密集的建筑结构三维点云数据集；
S3、点云预处理：去除由于激光雷达传感器精度和测量噪声引入的干扰点和异常点；
S4、区域增长平面提取：将点云中各点按照其特征聚类，从不同的类别中提取出平面；
S5、可编辑建筑结构3D模型生成：对提取的平面进行合并和拼接，滤除各种障碍物，生成建筑结构3D模型。
优选的，步骤S1中，由一个摆动机构或旋转机构承载二维激光雷达做往复或圆周运动，通过摆动或旋转获取建筑结构三维点云数据。
优选的，步骤S2具体包括：
S2-1、标准点云信息转换：激光雷达测量数据是以激光雷达为坐标原点的极坐标数据，即距离障碍物的距离信息ρ和角度信息θ，将其转换为标准点云信息，即以激光雷达为原点的空间直角坐标系数据(x,y,z)；
S2-2、点云匹配：对测量得到的多个点云使用最近点迭代算法进行数据匹配，通过求取源点云和目标点云之间的对应点对，基于对应点对构造旋转平移矩阵，并利用所求矩阵，将源点云变换到目标点云的坐标系下，估计变换后源点云与目标点云的误差函数，若误差函数值大于阀值，则迭代进行上述运算直到满足给定的误差要求；
S2-3、点云融合。
优选的，步骤S3具体包括：
S3-1、去除离群点：对点云中每个点，计算其与所有临近点的平均距离，平均距离在标准范围外的点，可被定义为离群点并可从数据集中去除掉；
S3-2、去除点云曲率、点法向异常点：在得到点云中各点的法向量后，移除其中法向量不存在的点。
具体的，S3-2中，从点云数据集中近似推断表面法线，计算点云中某点的法向量近似于估计点云表面的一个相切面法线，可将其转换成一个最小二乘法平面拟合估计问题，即分析 一个协方差矩阵的特征矢量和特征值，这个协方差矩阵从查询点的近邻元素中创建，在得到点云中各点的法向量后，移除其中法向量不存在的点。
优选的，步骤S4具体包括：
S4-1、区域增长聚类：使用区域增长算法对点云进行类聚，具体包括：
1)假设某一点为种子点，种子周围的点和种子相比；
2)法线方向是否足够相近；
3)曲率是否足够小；
4)如果同时满足2)、3)则该点可用做种子；
5)如果只满足2)，则归类而不做种；
6)从某个种子出发，其满足条件2)，3)的“子种子”不再出现则一类聚集完成；
7)限制类的规模大小；
S4-2、RANSAC平面提取：对提取出的类进行RANSAC算法平面提取，采用迭代的方式从一组包含离群点的聚类中估算出平面模型的参数，并计算该平面的边框和面积。
优选的，步骤S5具体包括：
S5-1、将提取出的面积小于一定阈值α并且平面数量大于阈值ε的聚类移除；
S5-2、合并类似平面，平面参数方差小于一定阈值β的平面合并成为同一平面，并修改其边框和面积；
S5-3、计算邻近两个平面的相交点，将各个平面延伸至相交得到建筑结构3D模型，并将3D模型保存为通用的可编辑图形文件格式。
优选的，可编辑建筑结构3D模型生成步骤之后还包括可编辑3D模型标定步骤，对激光雷达和生成3D模型的尺寸进行标定，自动调节模型尺寸。
具体的，对激光雷达测得的距离信息和角度信息进行标定，移除零点偏移量。
具体的，尺寸标定将生成模型尺寸与实际尺寸进行对比，对模型进行比例微调，得出最终建筑结构3D模型。
本发明与现有技术相比，具有如下优点和有益效果：
本发明致力于生成高精度可编辑三维建筑模型。本发明可以使用二维激光雷达代替昂贵的三维激光雷达获取建筑结构点云信息，通过一系列处理后最终得到高精度的可编辑建筑结构3D模型。本发明可以过滤掉大部分障碍物，自动生成可编辑建筑3D模型。本发明支持室内外多种结构的建筑结构测量与生成，可以有效减少人工测量和绘制三维房间模型的时间消耗和物质消耗。
附图说明
图1是实施例方案总流程图。
图2是实施例多点云匹配融合流程图。
图3是实施例点云预处理流程图。
图4是实施例区域增长平面提取流程图。
图5是实施例区域增长聚类流程图。
图6是实施例可编辑建筑结构3D模型生成流程图。
图7是实施例复杂聚类滤除流程图。
图8是实施例可编辑3D模型标定流程图。
图9是实施例旋转机构示意图。
图10是实施例摇摆机构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1
本方法主要应用于建筑结构的自动检测与3D模型生成。总流程图如图1所示，二维激光 雷达固定在摇摆机构(如图10所示)或旋转机构(如图9所示)上获取建筑结构的三维点云信息，多次多点测量三维信息后对点云数据进行多点云匹配融合，获取高密度、完整的建筑结构信息。在对点云进行预处理后使用区域增长算法对点云进行聚类、移除复杂聚类，并对聚类后的每一类进行平面提取。通过对平面的合并、拼接生成建筑结构的3D模型，最后通过尺寸标定对模型进行修改最终生成高精度的建筑结构3D模型。方法流程可分为以下六部分：分别是建筑结构三维数据获取，多点云匹配融合，点云预处理，区域增长平面提取，可编辑建筑结构3D模型生成，可编辑3D模型标定。各部分具体实施方式如下：
1、建筑结构三维数据获取
将二维激光雷达与旋转机构或摆动机构相结合，通过周期性往复运动或匀速转动使得二维激光雷达可以扫描房间的三维数据，如图9所示，旋转机构承载激光雷达以旋转台中心为原点做匀速圆周运动；如图10所示，摇摆机构承载激光雷达做往复运动。激光雷达测量的数据通过串口发送到PC，数据传输遵循串口RS232协议。
2、多点云匹配融合
激光雷达测量数据是以激光雷达为坐标原点的极坐标数据，即距离障碍物的距离信息ρ和角度信息θ，因此需要将其转换为标准点云信息，即以激光雷达为原点的空间直角坐标系数据(x,y,z)。
激光雷达在工作时发射激光束探测目标的位置，相邻激光束之间有一定的角度间隔，因此激光雷达扫描时会呈现近距离点较密集，远距离点较稀疏的特征，因此单次扫描获取的点云会呈现出局部密集、局部稀疏的特征。通过多次不同位置的扫描可以获得多个密度不同的建筑结构三维点云，通过点云匹配算法将多个点云融合以便获取密度更高、建筑结构信息更完整的点云。
由于激光雷达单次扫描的点云会呈现密度不均匀的特征，影响后续模型的生成，因此需要在同一建筑结构的不同位置进行多次测量。对测量得到的多个点云使用最近点迭代算法(Iterative Closest Point，简称ICP)进行数据匹配，ICP其特征在于，通过求取源点云和目标点云之间的对应点对，基于对应点对构造旋转平移矩阵，并利用所求矩阵，将源点云变换到目标点云的坐标系下，估计变换后源点云与目标点云的误差函数，若误差函数值大于阀值，则迭代进行上述运算直到满足给定的误差要求。经过匹配、融合后的点云密度比单一点云均匀， 其点云内点的数量也大幅度增加。多点云匹配融合流程图如图2所示。
3、点云预处理
由于激光雷达的测量会受精度的影响引入噪声误差，因此需要对融合后的点云进行预处理，预处理流程图如图3所示。由于激光雷达扫描的结果会有噪声的存在，点云匹配融合不能完全相匹配融合，因此获得的点云中会夹杂着少量的无用点。通过去除点云中的离群点、计算点云各点的曲率和法向量并去除不含法向量的点，进而对获得的点云进行预处理。
对点云中每个点，计算其与所有临近点的平均距离。假设得到的结果是一个高斯分布，其形状由均值和标准差决定，平均距离在标准范围(由全局距离平均值和方差定义)之外的点，可被定义为离群点并可从数据集中去除掉。
本发明直接从点云数据集中近似推断表面法线。计算点云中某点的法向量近似于估计点云表面的一个相切面法线，因此可将其转换成一个最小二乘法平面拟合估计问题，即分析一个协方差矩阵的特征矢量和特征值(或者PCA—主成分分析)，这个协方差矩阵从查询点的近邻元素中创建。在得到点云中各点的法向量后，移除其中法向量不存在的点。
4、区域增长平面提取
将点云中各点按照其特征聚类，从不同的类别中提取出平面。点云内的点分布在多个物体和平面上，需要对其进行子平面提取以便获得建筑结构中的墙壁、地板等结构，如图4所示。经过预处理的点云由于不完全的匹配融合，会造成多重墙面的现象，即一个平面被分成多个平面，因此在平面提取对点云进行类聚。在此使用区域增长算法对点云进行类聚，类聚后对平面进行提取。区域增长算法是通过计算求得的法线和曲率来判断某点是否属于该类。算法的流程如下，如图5所示：
1)假设某一点为种子点，种子周围的点和种子相比；
2)法线方向是否足够相近；
3)曲率是否足够小；
4)如果满足2)，3)则该点可用做种子；
5)如果只满足2)，则归类而不做种子；
6)从某个种子出发，其满足条件2)，3)的“子种子”不再出现则一类聚集完成；
7)限制类的规模大小。
对提取出的类进行RANSAC(Random Sample Consensus)算法平面提取，采用迭代的方式从一组包含离群点(不在同一平面上的点)的聚类中估算出平面模型的参数，并计算该平面的边框和面积。
5、可编辑建筑结构3D模型生成
对提取的平面进行合并和拼接，滤除各种障碍物，生成建筑结构3D模型，如图6所示。计算提取出子平面的面积，删除小于一定阈值的平面。将近似的平面合并，计算其临近的面积大于一定阈值的平面，选取其中最外围的平面作为其临近的墙壁，最终将所有墙壁连接得出其3D模型。
建筑结构的平面特征一般较为简单，而障碍物(桌子，凳子，树木)的平面特征一般较复杂，因此对聚类中提取出面积小于一定阈值α并且平面数量大于阈值ε的聚类移除，如图7所示。将剩余平面中空间位置相近，平面参数方差小于一定阈值β的平面合并成为同一平面，并修改其边框和面积。计算剩余平面中面积大于一定阈值χ的平面与邻近平面的交点，对平面进行扩展得到最终3D模型。
6、可编辑3D模型标定
对激光雷达和生成模型的尺寸进行标定，自动调节模型尺寸。激光雷达传感器是以发射激光束探测目标的位置、速度等特征量的雷达系统。其测量精度受工作环境光照和使用寿命的影响，因此使用前需要对其进行标定。在模型生成后可对3D模型的尺寸进行标定，根据生成3D模型各面的尺寸比例对3D模型进行自动调整。3D模型满足通用可编辑图形文件的格式要求，如“STEP”、“STL”、“VRML”等格式，可以在多种可编辑软件中对其进行修改。
激光雷达测量误差一般为零点偏移误差，即测量距离与实际距离相比增大或减小固定值，测量角度与实际距离相比增大或减小固定值。因此在使用激光雷达测量数据前，记录激光雷达到某一障碍物的距离和障碍物与激光雷达正方向的夹角，并与实际值相比得出误差偏移量，在之后每次测得的数据上加上该偏移量。测量房间实际尺寸，模型中对应边与输入尺寸进行对比，按比例修改模型中各边的长度，生成最终建筑结构3D模型。生成的建筑结构3D模型按照通用的可编辑图形文件格式要求保存，以方便在对模型进行修改编辑。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

  1. 基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，包括以下步骤：
    S1、建筑结构三维数据获取：通过二维结构运动和二维激光测量获取三维点云数据；
    S2、多点云匹配融合：通过匹配算法将同一建筑物结构不同位置测量所得的三维测量点，按其特征进行匹配、融合，形成完整、密集的建筑结构三维点云数据集；
    S3、点云预处理：去除由于激光雷达传感器精度和测量噪声引入的干扰点和异常点；
    S4、区域增长平面提取：将点云中各点按照其特征聚类，从不同的类别中提取出平面；
    S5、可编辑建筑结构3D模型生成：对提取的平面进行合并和拼接，滤除各种障碍物，生成建筑结构3D模型。
  2. 根据权利要求1所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，步骤S1中，由摆动机构或旋转机构承载二维激光雷达做往复或圆周运动，通过摆动或旋转获取建筑结构三维点云数据。
  3. 根据权利要求1所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，步骤S2具体包括：
    S2-1、标准点云信息转换：激光雷达测量数据是以激光雷达为坐标原点的极坐标数据，即距离障碍物的距离信息ρ和角度信息θ，将其转换为标准点云信息，即以激光雷达为原点的空间直角坐标系数据(x,y,z)；
    S2-2、点云匹配：对测量得到的多个点云使用最近点迭代算法进行数据匹配，通过求取源点云和目标点云之间的对应点对，基于对应点对构造旋转平移矩阵，并利用所求矩阵，将源点云变换到目标点云的坐标系下，估计变换后源点云与目标点云的误差函数，若误差函数值大于阀值，则迭代进行上述运算直到满足给定的误差要求；
    S2-3、点云融合。
  4. 根据权利要求1所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，步骤S3具体包括：
    S3-1、去除离群点：对点云中每个点，计算其与所有临近点的平均距离，平均距离在标准范围外的点，可被定义为离群点并可从数据集中去除掉；
    S3-2、去除点云曲率、点法向异常点：在得到点云中各点的法向量后，移除其中法向量不存在的点。
  5. 根据权利要求4所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，S3-2中，从点云数据集中近似推断表面法线，计算点云中某点的法向量近似于估计点云表面的一个相切面法线，可将其转换成一个最小二乘法平面拟合估计问题，即分析一个协方差矩阵的特征矢量和特征值，这个协方差矩阵从查询点的近邻元素中创建，在得到点云中各点的法向量后，移除其中法向量不存在的点。
  6. 根据权利要求1所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，步骤S4具体包括：
    S4-1、区域增长聚类：使用区域增长算法对点云进行类聚，具体包括：假设某一点为种子点，种子周围的点和种子相比：1)法线方向是否足够相近；2)曲率是否足够小；
    如果同时满足1)、2)则该点可用做种子；如果只满足1)，则归类而不做种；从某个种子出发，其满足条件1)、2)的“子种子”不再出现则一类聚集完成；同时需要限制类的规模大小；
    S4-2、RANSAC平面提取：对提取出的类进行RANSAC算法平面提取，采用迭代的方式从一组包含离群点的聚类中估算出平面模型的参数，并计算该平面的边框和面积。
  7. 根据权利要求1所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，步骤S5具体包括：
    S5-1、将提取出的面积小于一定阈值α并且平面数量大于阈值ε的聚类移除；
    S5-2、合并类似平面，平面参数方差小于一定阈值β的平面合并成为同一平面，并修改其边框和面积；
    S5-3、计算邻近两个平面的相交点，将各个平面延伸至相交得到建筑结构3D模型，并将3D模型保存为通用的可编辑图形文件格式。
  8. 根据权利要求1所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，可编辑建筑结构3D模型生成步骤之后还包括可编辑3D模型标定步骤，对激光雷达和生成3D模型的尺寸进行标定，自动调节模型尺寸。
  9. 根据权利要求8所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，对激光雷达测得的距离信息和角度信息进行标定，移除零点偏移量。
  10. 根据权利要求8所述的基于激光雷达的建筑结构自动测量及3D模型生成方法，其特征在于，尺寸标定将生成模型尺寸与实际尺寸进行对比，对模型进行比例微调，得出最终建筑结构3D模型。
PCT/CN2018/110825 2018-06-21 2018-10-18 基于激光雷达的建筑结构自动测量及3d模型生成方法 Ceased WO2019242174A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810642068.8 2018-06-21
CN201810642068.8A CN109509256B (zh) 2018-06-21 2018-06-21 基于激光雷达的建筑结构自动测量及3d模型生成方法

Publications (1)

Publication Number Publication Date
WO2019242174A1 true WO2019242174A1 (zh) 2019-12-26

Family

ID=65745502

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/110825 Ceased WO2019242174A1 (zh) 2018-06-21 2018-10-18 基于激光雷达的建筑结构自动测量及3d模型生成方法

Country Status (2)

Country Link
CN (1) CN109509256B (zh)
WO (1) WO2019242174A1 (zh)

Cited By (172)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111427032A (zh) * 2020-04-24 2020-07-17 森思泰克河北科技有限公司 基于毫米波雷达的房间墙体轮廓识别方法及终端设备
CN111709981A (zh) * 2020-06-22 2020-09-25 高小翎 特征线融合的激光点云与模拟图像的配准方法
CN111815776A (zh) * 2020-02-04 2020-10-23 山东水利技师学院 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法
CN112036407A (zh) * 2020-07-30 2020-12-04 北京农业信息技术研究中心 一种植物群体三维表型原位获取方法及装置
CN112200083A (zh) * 2020-10-10 2021-01-08 辽宁工程技术大学 一种基于多元高斯混合模型的机载多光谱LiDAR数据分割方法
CN112258474A (zh) * 2020-10-22 2021-01-22 深圳集智数字科技有限公司 一种墙面异常检测方法和装置
CN112307971A (zh) * 2020-10-30 2021-02-02 中科新松有限公司 基于三维点云数据的球体目标识别方法及识别装置
CN112363178A (zh) * 2020-11-02 2021-02-12 广东中科如铁技术有限公司 一种接触网隧道吊柱的动态测量方法
CN112598796A (zh) * 2020-12-28 2021-04-02 华东交通大学 基于广义点云的三维建筑物信息模型构建与自动更新的方法
CN112687010A (zh) * 2021-01-08 2021-04-20 中国计量大学 一种端框钻模的数字化计量方法
CN112731440A (zh) * 2020-12-25 2021-04-30 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN112731357A (zh) * 2020-12-30 2021-04-30 清华大学 一种激光点云里程计定位误差的实时修正方法和系统
CN112802041A (zh) * 2021-02-05 2021-05-14 北京工业大学 一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法
CN112907550A (zh) * 2021-03-01 2021-06-04 创新奇智(成都)科技有限公司 一种建筑物检测方法、装置、电子设备及存储介质
CN113093217A (zh) * 2021-02-19 2021-07-09 中铁第一勘察设计院集团有限公司 多线激光扫描隧道三维重构方法
CN113205603A (zh) * 2021-05-07 2021-08-03 无锡信捷电气股份有限公司 一种基于旋转台的三维点云拼接重建方法
CN113281777A (zh) * 2021-04-07 2021-08-20 深圳市异方科技有限公司 一种货物体积动态测量方法及其测量装置
CN113311412A (zh) * 2021-05-13 2021-08-27 哈尔滨工业大学 用于移动机器人的激光雷达传感器六维外参标定方法
CN113325396A (zh) * 2021-04-29 2021-08-31 盎锐（上海）信息科技有限公司 用于激光雷达的拼接标定方法、系统及激光雷达
CN113379656A (zh) * 2021-05-19 2021-09-10 东南大学 一种高速公路路面点云智能拼接方法
CN113436278A (zh) * 2021-07-22 2021-09-24 深圳市道通智能汽车有限公司 标定方法、标定装置、测距系统及计算机可读存储介质
CN113487722A (zh) * 2021-06-18 2021-10-08 浙江大学 一种基于三维激光扫描方法的混凝土构件自动化检测方法
CN113496491A (zh) * 2020-03-19 2021-10-12 广州汽车集团股份有限公司 一种基于多线激光雷达的路面分割方法及装置
CN113506376A (zh) * 2021-07-27 2021-10-15 刘秀萍 地面三维点云多尺度闭合差校验拼接方法
CN113592926A (zh) * 2021-07-23 2021-11-02 浙江工业大学 一种3d激光雷达点云数据预测点的快速选取配准方法
CN113625302A (zh) * 2021-09-03 2021-11-09 国网山东省电力公司济宁供电公司 基于手持式激光雷达的地下廊道危险区识别方法及系统
CN113658329A (zh) * 2021-08-17 2021-11-16 南方电网调峰调频发电有限公司有限责任有限公司 一种建筑物体框模型精细三维建模方法及系统
CN113704851A (zh) * 2021-08-27 2021-11-26 贵州百胜工程建设咨询有限公司 一种基于点云的bim模型转化方法
CN113702985A (zh) * 2021-06-28 2021-11-26 盎锐（上海）信息科技有限公司 用于实测实量的测量方法及激光雷达
CN113721254A (zh) * 2021-08-11 2021-11-30 武汉理工大学 一种基于道路指纹空间关联矩阵的车辆定位方法
CN113759346A (zh) * 2020-10-10 2021-12-07 北京京东乾石科技有限公司 一种激光雷达标定方法、装置、电子设备及存储介质
CN113778078A (zh) * 2021-03-05 2021-12-10 北京京东乾石科技有限公司 定位信息生成方法、装置、电子设备和计算机可读介质
CN113808189A (zh) * 2021-08-27 2021-12-17 上海大学 一种基于迭代K-means算法的微结构台阶高精度表征方法
CN113822896A (zh) * 2021-08-31 2021-12-21 北京市农林科学院信息技术研究中心 一种植物群体三维表型数据采集装置及方法
CN113935081A (zh) * 2021-08-31 2022-01-14 重庆大学 一种面向螺栓连接桥梁工程的连接板后制作方法
CN113936045A (zh) * 2021-10-15 2022-01-14 山东大学 路侧激光雷达点云配准方法及装置
CN113933859A (zh) * 2021-10-09 2022-01-14 江苏徐工工程机械研究院有限公司 一种无人矿卡行驶场景的路面及两侧挡墙检测方法
CN113947552A (zh) * 2021-11-25 2022-01-18 中山大学 一种融合强度与时空几何特征的激光雷达去雪方法和系统
CN113963040A (zh) * 2021-11-02 2022-01-21 云南大学 一种基于深度特征一致性的点云配准方法及系统
CN114002691A (zh) * 2021-10-29 2022-02-01 杭州中科睿鉴科技有限公司 基于激光雷达的全自动站台限界测量方法
CN114022551A (zh) * 2021-10-28 2022-02-08 北京理工大学 一种燃油车加油盖精确识别与位姿估计的方法
CN114037706A (zh) * 2021-10-13 2022-02-11 东南大学 一种基于三维点云模型的预制梁段表面平整度检测方法
CN114049385A (zh) * 2021-10-15 2022-02-15 哈尔滨工业大学（威海） 基于自适应配准的多激光雷达自主建网系统、方法、终端
CN114066953A (zh) * 2021-11-22 2022-02-18 南京大学 一种针对刚性目标的三维多模态图像可变形配准方法
CN114078163A (zh) * 2020-08-10 2022-02-22 中国科学院宁波材料技术与工程研究所 激光雷达与可见光相机的精确标定方法
CN114089376A (zh) * 2021-09-30 2022-02-25 江苏金陵智造研究院有限公司 一种基于单激光雷达的负障碍物检测方法
CN114119488A (zh) * 2021-10-29 2022-03-01 成都建工第一建筑工程有限公司 一种面向工厂化的预制叠合板尺寸质量智能检测方法
CN114140539A (zh) * 2021-11-30 2022-03-04 建科公共设施运营管理有限公司 一种室内物体的位置获取方法和装置
CN114137562A (zh) * 2021-11-30 2022-03-04 合肥工业大学智能制造技术研究院 一种基于改进全局最邻近的多目标跟踪方法
CN114170176A (zh) * 2021-12-02 2022-03-11 南昌大学 一种基于点云的钢格板焊缝自动检测方法
CN114170400A (zh) * 2021-11-24 2022-03-11 太原理工大学 基于三维点云的液压支架群空间直线度测量与调整方法
CN114186588A (zh) * 2021-12-08 2022-03-15 哈尔滨工程大学 一种实时层次化滤波方法
CN114283163A (zh) * 2022-01-07 2022-04-05 长安大学 一种多平台激光雷达大田玉米高通量茎叶分离方法
CN114419445A (zh) * 2022-01-24 2022-04-29 重庆中环建设有限公司 一种基于三维激光扫描隧道围岩信息的识别和提取方法
CN114509778A (zh) * 2020-10-26 2022-05-17 广东博鼎建筑科技有限公司 自升造楼系统、三维矢量地图数据获取方法、装置和介质
CN114519700A (zh) * 2022-01-24 2022-05-20 重庆大学 一种基于滑动窗口原理的房屋质量检测方法
CN114549521A (zh) * 2021-12-13 2022-05-27 大连理工大学 基于加工g代码引导的碳管阵蜂窝面形精度计算方法
CN114545425A (zh) * 2022-01-24 2022-05-27 天亿纵横智能科技(天津)有限公司 一种轨道式小车定位解决方案
CN114580058A (zh) * 2022-02-25 2022-06-03 国网江苏省电力有限公司无锡供电分公司 一种多数据融合输变电工程实体智能验收方法
CN114663519A (zh) * 2022-02-18 2022-06-24 奥比中光科技集团股份有限公司 一种多相机标定方法、装置及相关设备
CN114663855A (zh) * 2022-03-11 2022-06-24 北京航空航天大学 一种面向非结构化道路的路面积水和不平度检测方法
CN114677437A (zh) * 2022-03-18 2022-06-28 易思维（杭州）科技有限公司 一种基于点云信息的螺柱检测方法
CN114708311A (zh) * 2022-03-23 2022-07-05 哈尔滨工业大学（深圳） 三维感知传感器及其面向建筑物的主动重建方法
CN114742867A (zh) * 2022-04-04 2022-07-12 西北大学 一种文物碎片拼接方法、系统、介质、设备及终端
CN114782511A (zh) * 2021-11-15 2022-07-22 中南大学 基于点云数据的建模方法
CN114882460A (zh) * 2022-05-17 2022-08-09 常州大学 一种基于特征层融合的道路车辆检测方法
CN114897967A (zh) * 2022-04-12 2022-08-12 盐城吉研智能科技有限公司 一种面向挖掘装备自主作业的物料形态识别方法
CN114972457A (zh) * 2022-05-24 2022-08-30 东南大学 基于设计-实测点云模型的预制梁体数字预拼装匹配方法
CN114966742A (zh) * 2022-05-17 2022-08-30 山东大学 面向酿造环境的天车三维障碍物检测方法及系统
CN115018925A (zh) * 2022-05-23 2022-09-06 新驱动重庆智能汽车有限公司 一种用于宽体矿卡传感器的标定方法、系统、存储介质
CN115018902A (zh) * 2022-06-10 2022-09-06 北京瓦特曼智能科技有限公司 用于确定媒堆库存的方法及处理器
CN115033959A (zh) * 2022-06-08 2022-09-09 紫金矿业建设有限公司 一种基于三维激光扫描的bim正向设计方法
CN115098912A (zh) * 2022-06-15 2022-09-23 嘉兴南洋职业技术学院 建筑装饰三维模型的对比方法
CN115131574A (zh) * 2022-05-11 2022-09-30 广州大学 一种从钢结构建筑点云中自动提取结构梁线和连接的方法
CN115131417A (zh) * 2022-07-19 2022-09-30 南开大学 激光点云2d-3d双模态交互增强不规则电线检测方法
CN115147433A (zh) * 2021-03-29 2022-10-04 苏州杰锐思智能科技股份有限公司 点云配准方法
CN115170852A (zh) * 2022-07-13 2022-10-11 北京国电富通科技发展有限责任公司 一种基于固态激光雷达点云对悬式绝缘子串上绝缘子片组的识别定位方法
GB2605656A (en) * 2021-04-09 2022-10-12 Motional Ad Llc Adaptive point cloud generation for autonomous vehicles
CN115205898A (zh) * 2022-07-01 2022-10-18 广东省农业科学院动物卫生研究所 一种基于三维重构的血红扇头蜱识别检测方法
CN115205314A (zh) * 2022-06-21 2022-10-18 埃夫特智能装备股份有限公司 一种浴室柜视觉智能喷涂及换色的实现方法
CN115205610A (zh) * 2021-04-08 2022-10-18 阿里巴巴新加坡控股有限公司 感知模型的训练方法、训练装置及电子设备
CN115205352A (zh) * 2022-06-17 2022-10-18 西安工业大学 基于超体素分割和双向最近邻距离比匹配的配准方法
CN115272897A (zh) * 2022-08-12 2022-11-01 东南大学 一种无人机测量悬索桥主缆线形的方法及系统
CN115267815A (zh) * 2022-06-10 2022-11-01 合肥工业大学 一种基于点云建模的路侧激光雷达组群优化布设方法
CN115291243A (zh) * 2022-07-28 2022-11-04 杭州申昊科技股份有限公司 一种激光雷达三维重建方法、装置、电子设备和存储介质
CN115293287A (zh) * 2022-08-22 2022-11-04 西安电子科技大学芜湖研究院 一种基于车载雷达的对目标进行聚类的方法、存储器及电子装置
CN115393842A (zh) * 2022-05-06 2022-11-25 北京信息科技大学 基于体素特征融合的fod目标智能认知的方法及装置
CN115423750A (zh) * 2022-08-01 2022-12-02 深圳煜炜光学科技有限公司 矿车矿量检测方法、装置、设备及存储介质
CN115469328A (zh) * 2022-08-29 2022-12-13 中国电建集团福建省电力勘测设计院有限公司 一种基于激光点云的数字化基坑验收方法
CN115512128A (zh) * 2022-09-15 2022-12-23 广州大学 基于距离编码自适应的三维激光雷达点云特征提取算法
CN115619874A (zh) * 2022-09-30 2023-01-17 中汽创智科技有限公司 传感装置标定方法、装置、存储介质和电子设备
CN115761172A (zh) * 2022-10-10 2023-03-07 哈尔滨工程大学 一种基于点云语义分割与结构拟合的单体建筑三维重建方法
CN115761292A (zh) * 2022-12-07 2023-03-07 中国石油大学(华东) 一种鲁棒的基于贪婪思想的聚类方法
CN115810084A (zh) * 2022-11-22 2023-03-17 北京空间机电研究所 一种用于动目标场景的激光三维点云重构方法
CN115808668A (zh) * 2022-11-28 2023-03-17 南京农业大学 一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法
CN115984509A (zh) * 2023-02-02 2023-04-18 国网福建省电力有限公司电力科学研究院 一种电力线路防风数字化模型构建方法
CN116012613A (zh) * 2023-01-04 2023-04-25 北京数字绿土科技股份有限公司 一种基于激光点云的露天矿的土方量变化测算方法和系统
CN116049941A (zh) * 2022-12-26 2023-05-02 北京建筑大学 装配式环桁架结构构件装配前多维度状态提取及分析方法
CN116051778A (zh) * 2022-09-01 2023-05-02 武汉天际航信息科技股份有限公司 基于三维点云的建筑施工监测方法、设备和存储介质
CN116129086A (zh) * 2023-02-16 2023-05-16 中科计算技术创新研究院 基于激光雷达点云数据的图纸生成方法
CN116152151A (zh) * 2022-11-12 2023-05-23 重庆数字城市科技有限公司 一种建筑变形信息提取方法及系统
CN116165636A (zh) * 2021-11-24 2023-05-26 上海禾赛科技有限公司 激光雷达测距误差的标定方法和标定系统
CN116205956A (zh) * 2021-11-30 2023-06-02 合肥美亚光电技术股份有限公司 点云配准方法、装置以及医疗影像设备
CN116245946A (zh) * 2023-02-17 2023-06-09 北京科技大学 一种基于三维点云的库区多层线卷位置检测方法及系统
CN116295341A (zh) * 2023-03-06 2023-06-23 酷哇科技有限公司 基于建筑物墙面特征提取和匹配的激光定位方法和系统
CN116310192A (zh) * 2022-12-28 2023-06-23 江苏省测绘研究所 一种基于点云的城市级建筑物三维模型单体重建方法
CN116310355A (zh) * 2022-09-08 2023-06-23 东南大学 一种复杂结构件的激光点云去噪和缺陷检测方法
CN116416173A (zh) * 2023-03-24 2023-07-11 哈尔滨工业大学 一种用于薄壁工件加工检测的点云拼接方法及系统
CN116543127A (zh) * 2023-04-25 2023-08-04 湖南湖大瑞格能源科技有限公司 一种建筑全过程数字点云校正处理方法
CN116628828A (zh) * 2023-07-24 2023-08-22 中建安装集团黄河建设有限公司 一种大型建筑物拆除点确定方法、介质及系统
CN116664878A (zh) * 2023-06-06 2023-08-29 中煤科工集团上海有限公司 井下巷道交叉路口几何不动点提取方法及系统
CN116701969A (zh) * 2023-05-30 2023-09-05 西安交通大学 一种用于气膜孔点云的处理及轴线估计方法
CN116778104A (zh) * 2023-08-16 2023-09-19 江西省国土资源测绘工程总院有限公司 一种动态遥感监测的测绘方法及系统
CN116882035A (zh) * 2023-09-07 2023-10-13 湖南省国土资源规划院 一种基于人工智能的空间对象识别与建模方法及相关设备
CN116879865A (zh) * 2023-07-13 2023-10-13 山东大学 一种基于双激光雷达的路沿检测方法及系统
CN116908789A (zh) * 2023-09-13 2023-10-20 长江空间信息技术工程有限公司(武汉) 地基合成孔径雷达干涉测量建筑立面变形信息提取方法
CN116934681A (zh) * 2023-05-19 2023-10-24 浙江银轮智能装备有限公司 钢轨轨面掉块检测方法及设备
CN116935234A (zh) * 2023-09-18 2023-10-24 众芯汉创(江苏)科技有限公司 一种输电线走廊点云数据自动分类和树障预警系统及方法
CN116975956A (zh) * 2023-06-16 2023-10-31 同济大学 一种考虑偏差和变形纠正的竣工bim模型自动生成方法
CN116993750A (zh) * 2023-08-04 2023-11-03 南京航空航天大学 基于多模态结构语义特征的激光雷达slam方法
CN117037000A (zh) * 2023-08-16 2023-11-10 吉林大学 一种基于无人机高清影像的斜坡结构面自动解译方法
CN117078727A (zh) * 2023-07-21 2023-11-17 浙江理工大学 一种由粗到精的旗袍三维点云模型对齐方法
CN117173424A (zh) * 2023-11-01 2023-12-05 武汉追月信息技术有限公司 一种点云坡面边缘线识别方法、系统及可读存储介质
CN117253138A (zh) * 2022-06-10 2023-12-19 中国矿业大学(北京) 一种基于激光雷达的深度学习位置识别算法
CN117315184A (zh) * 2023-08-29 2023-12-29 泰瑞数创科技(北京)股份有限公司 一种自动生成建筑物lod1.3模型的方法
CN117314869A (zh) * 2023-10-10 2023-12-29 武昌理工学院 基于人工智能的智能建筑测量系统及方法
CN117333628A (zh) * 2023-09-28 2024-01-02 苏州苏高新数字科技有限公司 一种适用于园区gis地形数据快速建模的方法
CN117437214A (zh) * 2023-11-25 2024-01-23 兰州交通大学 基于双向布料模拟点云的轨面提取和异物识别方法
CN117496073A (zh) * 2023-12-29 2024-02-02 山东省国土测绘院 一种多时相实景三维模型的构建方法及系统
CN117576087A (zh) * 2024-01-15 2024-02-20 海克斯康制造智能技术(青岛)有限公司 基于点云法线的物体表面凹凸性的检测方法
CN117710893A (zh) * 2023-12-25 2024-03-15 上海盛煌智能科技有限公司 一种多维度数字画像智慧校园数字化系统
CN117708993A (zh) * 2023-12-28 2024-03-15 上海理工大学 一种基于ugnx二次开发的零件测点自动化生成方法
CN117808703A (zh) * 2024-02-29 2024-04-02 南京航空航天大学 一种多尺度大型部件装配间隙点云滤波方法
CN117874473A (zh) * 2024-03-12 2024-04-12 南昌大学 一种老旧建筑构件验伤、拆除及其处理的减碳优化系统
CN118068286A (zh) * 2024-04-16 2024-05-24 上海几何伙伴智能驾驶有限公司 针对影响4d毫米波雷达点云定位实现退化环境检测的方法
CN118097024A (zh) * 2024-03-24 2024-05-28 扬州千米科技有限公司 一种高精度手工建模与倾斜摄影场景融合方法
CN118134973A (zh) * 2024-01-27 2024-06-04 南京林业大学 基于Gocator传感器的点云拼接与配准系统以及方法
CN118196104A (zh) * 2024-05-17 2024-06-14 深圳大学 钢构件质量智能检测方法及系统
CN118196417A (zh) * 2024-03-27 2024-06-14 东北大学 地下金属矿复杂堆叠条件下爆堆块度识别与统计方法
CN118196327A (zh) * 2024-05-13 2024-06-14 广东科学技术职业学院 一种智能绿色建筑施工信息管理方法及系统
CN118226401A (zh) * 2024-05-22 2024-06-21 南京航空航天大学 基于激光雷达三维点云的固定翼飞机位姿测量方法及装置
CN118279500A (zh) * 2024-06-03 2024-07-02 山东科技大学 一种机载激光雷达的点云数据可视化处理方法
CN118296441A (zh) * 2024-06-03 2024-07-05 中国科学院空天信息创新研究院 基于光子计数激光雷达海表及浅海地形的分类方法及装置
CN118334263A (zh) * 2024-06-11 2024-07-12 中国科学技术大学 基于截断符号距离函数的融合激光点云的高精度建模方法
CN118376290A (zh) * 2024-06-21 2024-07-23 浙江省白马湖实验室有限公司 一种基于推耙机点云配准的高斯预测煤堆体积计算方法
CN118424179A (zh) * 2024-07-04 2024-08-02 冠骋信息技术(苏州)有限公司 快速无纸化的质量检验方法及系统
CN118587289A (zh) * 2024-08-06 2024-09-03 国网(山东)电动汽车服务有限公司 电动汽车充电口的多域点云配准自动识别定位方法
CN118736140A (zh) * 2024-09-03 2024-10-01 国网江西省电力有限公司超高压分公司 一种基于三维模型变电站安全预警系统及方法
CN118747725A (zh) * 2024-07-09 2024-10-08 湖南工业大学 基于改进型dbscan的激光雷达点云降噪方法
CN118799496A (zh) * 2024-07-23 2024-10-18 永馨智慧科技(杭州)有限公司 一种基于激光雷达数据的室内建筑结构提取与矢量化重建方法及装置
CN118799365A (zh) * 2024-07-16 2024-10-18 南京航空航天大学 一种面向智能制造的航空cad零件三维检测方法
CN118818492A (zh) * 2024-09-14 2024-10-22 济南市勘察测绘研究院 一种基于地质雷达的地下障碍物监测方法及系统
CN118840492A (zh) * 2024-09-18 2024-10-25 深圳时空数字科技有限公司 一种智能化vr三维数字产品展示系统及方法
CN118839618A (zh) * 2024-08-19 2024-10-25 山西建投云数智科技有限公司 一种基于属性增强PointLSTM模型的群塔防碰撞运动轨迹预测方法
CN118967940A (zh) * 2024-08-22 2024-11-15 电子科技大学 一种基于深度神经网络的倾斜摄影点云建筑物重建方法
CN119091074A (zh) * 2024-11-05 2024-12-06 江苏星湖科技有限公司 一种基于全景点云的电网设施三维模型拟合方法及系统
CN119229040A (zh) * 2024-12-05 2024-12-31 苏交科集团股份有限公司 基于激光雷达与图像融合的航运船队尺寸检测方法
CN119247296A (zh) * 2024-12-04 2025-01-03 湖北水翼信息技术有限公司 一种地基合成孔径边坡雷达大气扰动校正方法及系统
CN119314058A (zh) * 2024-12-16 2025-01-14 广东广量测绘信息技术有限公司 基于激光点云的人行道病害范围自动解析方法
CN119360035A (zh) * 2024-10-11 2025-01-24 南京邮电大学 基于随机样本一致性的三维点云特征提取
CN119559531A (zh) * 2024-12-25 2025-03-04 中建五局第三建设有限公司 基于无人机巡检与点云处理的钢结构施工智能监测方法
CN119600212A (zh) * 2025-02-11 2025-03-11 电子科技大学 一种基于无人机低空影像密集匹配点云的建筑物模型构建方法
CN119879736A (zh) * 2025-03-31 2025-04-25 天津华铁科为科技有限公司 一种用于复杂环境的物体尺寸测量方法
CN119910201A (zh) * 2025-01-02 2025-05-02 华南理工大学 基于数据融合的激光近净成形工作距离监测方法及系统
CN120014191A (zh) * 2025-01-17 2025-05-16 核工业金华勘测设计院有限公司 一种基于遥感技术的工程地质勘查与评估方法
CN120070420A (zh) * 2025-04-25 2025-05-30 北京前往科技有限公司 一种用于建筑工程管理的bim数据处理方法
CN120198618A (zh) * 2025-05-26 2025-06-24 贵州交通职业技术学院 一种面向地形模型构建的机载LiDAR点云快速抽稀方法
CN120374685A (zh) * 2025-03-21 2025-07-25 山东高速工程检测有限公司 一种基于公路设施的天地空一体化多源数据采集融合方法
CN120405612A (zh) * 2025-06-20 2025-08-01 长春大学 一种基于激光雷达的森林景观面积精准测量系统
CN120913081A (zh) * 2025-09-30 2025-11-07 兰笺(苏州)科技有限公司 基于场景图与轨迹分析的穿墙越界合规性判断方法
CN121527357A (zh) * 2026-01-14 2026-02-13 万司信息技术(上海)股份有限公司 融合激光点云与二维矢量的建模系统
CN121558051A (zh) * 2026-01-23 2026-02-24 成都威尔奇空间信息技术有限公司 一种基于线性扫描激光与ai的无人机适航通道规划方法

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110307797A (zh) * 2019-07-18 2019-10-08 广州大学 一种基于激光雷达的风力发电机叶片形变检测系统
CN110751090B (zh) * 2019-10-18 2022-09-20 宁波博登智能科技有限公司 一种三维点云标注方法、装置及电子设备
CN110864663B (zh) * 2019-11-26 2021-11-16 深圳市国测测绘技术有限公司 一种基于无人机技术的房屋面积测量方法
CN110865393A (zh) * 2019-11-29 2020-03-06 广州视源电子科技股份有限公司 基于激光雷达的定位方法及系统、存储介质和处理器
TWI766218B (zh) * 2019-12-27 2022-06-01 財團法人工業技術研究院 三維平面重建方法、三維平面重建系統與計算裝置
CN111060919A (zh) * 2019-12-30 2020-04-24 广东博智林机器人有限公司 基于智能机器人的测量方法和智能机器人
CN111102936A (zh) * 2020-01-06 2020-05-05 青梧桐有限责任公司 一种户型图的扫描及生成系统
CN112560573B (zh) * 2020-10-29 2023-03-28 河北省地震局 一种建筑物震害信息检测提取方法
CN112529963B (zh) * 2020-12-11 2024-12-06 深圳一清创新科技有限公司 一种楼梯检测方法、装置及移动机器人
CN112682270B (zh) * 2020-12-21 2023-01-31 华能安阳能源有限责任公司 一种风电机组高度测量方法
CN112833815B (zh) * 2020-12-30 2022-07-05 广东工业大学 一种基于激光的房屋测量和墙面平整度检测方法
CN113670234B (zh) * 2021-06-21 2024-06-04 盎锐(杭州)信息科技有限公司 用于实测实量的显示方法、测量系统及激光雷达
CN114119860A (zh) * 2021-10-29 2022-03-01 华能华家岭风力发电有限公司 一种风力发电机组叶片三维气动外形扫描建模方法及系统
CN114359499B (zh) * 2022-01-11 2025-05-13 东北大学 基于旋转雷达和imu的巷道三维重建系统
CN114488194B (zh) * 2022-01-21 2025-01-14 常州大学 一种智能驾驶车辆结构化道路下目标检测识别方法
CN114373358B (zh) * 2022-03-07 2023-11-24 中国人民解放军空军工程大学航空机务士官学校 一种基于快速建模的航空飞机维护作业模拟训练系统
CN115557410B (zh) * 2022-09-23 2023-06-16 徐州建机工程机械有限公司 一种基于施工区域内三维环境建模的塔机防碰撞方法
CN115661398B (zh) * 2022-10-08 2025-11-21 武汉大学 一种用于实景三维模型的建筑物提取方法、装置及设备
CN116147484B (zh) * 2023-02-27 2024-04-30 东南大学 一种基于多点云融合的桥梁服役线形识别方法
CN117010268B (zh) * 2023-06-06 2024-02-09 西南交通大学 一种铁路沿线声屏障布置方法
CN119756227A (zh) * 2025-01-23 2025-04-04 中国电建集团西北勘测设计研究院有限公司 一种定日镜背面面型检测方法及系统
CN119828103A (zh) * 2025-02-25 2025-04-15 中国地质大学（武汉） 一种多激光雷达融合的装船机无盲区测量系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366250A (zh) * 2013-07-12 2013-10-23 中国科学院深圳先进技术研究院 基于三维实景数据的市容环境检测方法及系统
WO2014079477A1 (de) * 2012-11-20 2014-05-30 Siemens Aktiengesellschaft Verfahren zum automatischen erstellen von zwei- oder dreidimensionalen gebäudemodellen
CN104809754A (zh) * 2014-01-23 2015-07-29 中冶建筑研究总院有限公司 一种基于三维实景模型的空间同步定位和信息记录系统
CN105354875A (zh) * 2015-09-25 2016-02-24 厦门大学 一种室内环境二维与三维联合模型的构建方法和系统
CN106199626A (zh) * 2016-06-30 2016-12-07 上海交通大学 基于摆动激光雷达的室内三维点云地图生成系统及方法
CN106600690A (zh) * 2016-12-30 2017-04-26 厦门理工学院 基于点云数据的复杂建筑体三维建模方法
CN107230251A (zh) * 2016-03-23 2017-10-03 莱卡地球系统公开股份有限公司 从倾斜成像数据和激光雷达数据创建3d城市模型

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2457215A (en) * 2007-03-07 2009-08-12 Nikolaos Kokkas Automatic 3D Modelling
US9330435B2 (en) * 2014-03-19 2016-05-03 Raytheon Company Bare earth finding and feature extraction for 3D point clouds
EP3387623A4 (en) * 2015-12-09 2019-07-10 Geomni, Inc. SYSTEM AND METHOD FOR GENERATING COMPUTERIZED MODELS OF STRUCTURES USING GEOMETRY EXTRACTION AND RECONSTRUCTION TECHNIQUES
CN106767527B (zh) * 2016-12-07 2019-06-04 西安知象光电科技有限公司 一种三维轮廓的光学混合检测方法
CN107977992A (zh) * 2017-12-05 2018-05-01 深圳大学 一种基于无人机激光雷达的建筑物变化检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014079477A1 (de) * 2012-11-20 2014-05-30 Siemens Aktiengesellschaft Verfahren zum automatischen erstellen von zwei- oder dreidimensionalen gebäudemodellen
CN103366250A (zh) * 2013-07-12 2013-10-23 中国科学院深圳先进技术研究院 基于三维实景数据的市容环境检测方法及系统
CN104809754A (zh) * 2014-01-23 2015-07-29 中冶建筑研究总院有限公司 一种基于三维实景模型的空间同步定位和信息记录系统
CN105354875A (zh) * 2015-09-25 2016-02-24 厦门大学 一种室内环境二维与三维联合模型的构建方法和系统
CN107230251A (zh) * 2016-03-23 2017-10-03 莱卡地球系统公开股份有限公司 从倾斜成像数据和激光雷达数据创建3d城市模型
CN106199626A (zh) * 2016-06-30 2016-12-07 上海交通大学 基于摆动激光雷达的室内三维点云地图生成系统及方法
CN106600690A (zh) * 2016-12-30 2017-04-26 厦门理工学院 基于点云数据的复杂建筑体三维建模方法

Cited By (216)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815776A (zh) * 2020-02-04 2020-10-23 山东水利技师学院 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法
CN113496491A (zh) * 2020-03-19 2021-10-12 广州汽车集团股份有限公司 一种基于多线激光雷达的路面分割方法及装置
CN113496491B (zh) * 2020-03-19 2023-12-15 广州汽车集团股份有限公司 一种基于多线激光雷达的路面分割方法及装置
CN111427032A (zh) * 2020-04-24 2020-07-17 森思泰克河北科技有限公司 基于毫米波雷达的房间墙体轮廓识别方法及终端设备
CN111709981A (zh) * 2020-06-22 2020-09-25 高小翎 特征线融合的激光点云与模拟图像的配准方法
CN112036407A (zh) * 2020-07-30 2020-12-04 北京农业信息技术研究中心 一种植物群体三维表型原位获取方法及装置
CN112036407B (zh) * 2020-07-30 2024-02-06 北京农业信息技术研究中心 一种植物群体三维表型原位获取方法及装置
CN114078163A (zh) * 2020-08-10 2022-02-22 中国科学院宁波材料技术与工程研究所 激光雷达与可见光相机的精确标定方法
CN112200083A (zh) * 2020-10-10 2021-01-08 辽宁工程技术大学 一种基于多元高斯混合模型的机载多光谱LiDAR数据分割方法
CN113759346A (zh) * 2020-10-10 2021-12-07 北京京东乾石科技有限公司 一种激光雷达标定方法、装置、电子设备及存储介质
CN112200083B (zh) * 2020-10-10 2024-02-06 辽宁工程技术大学 一种基于多元高斯混合模型的机载多光谱LiDAR数据分割方法
CN112258474A (zh) * 2020-10-22 2021-01-22 深圳集智数字科技有限公司 一种墙面异常检测方法和装置
CN114509778A (zh) * 2020-10-26 2022-05-17 广东博鼎建筑科技有限公司 自升造楼系统、三维矢量地图数据获取方法、装置和介质
CN112307971A (zh) * 2020-10-30 2021-02-02 中科新松有限公司 基于三维点云数据的球体目标识别方法及识别装置
CN112307971B (zh) * 2020-10-30 2024-04-09 中科新松有限公司 基于三维点云数据的球体目标识别方法及识别装置
CN112363178A (zh) * 2020-11-02 2021-02-12 广东中科如铁技术有限公司 一种接触网隧道吊柱的动态测量方法
CN112363178B (zh) * 2020-11-02 2024-03-01 广东中科如铁技术有限公司 一种接触网隧道吊柱的动态测量方法
CN112731440A (zh) * 2020-12-25 2021-04-30 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN112731440B (zh) * 2020-12-25 2023-10-13 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN112598796B (zh) * 2020-12-28 2024-03-22 华东交通大学 基于广义点云的三维建筑信息模型构建与自动更新的方法
CN112598796A (zh) * 2020-12-28 2021-04-02 华东交通大学 基于广义点云的三维建筑物信息模型构建与自动更新的方法
CN112731357A (zh) * 2020-12-30 2021-04-30 清华大学 一种激光点云里程计定位误差的实时修正方法和系统
CN112687010B (zh) * 2021-01-08 2024-03-15 中国计量大学 一种端框钻模的数字化计量方法
CN112687010A (zh) * 2021-01-08 2021-04-20 中国计量大学 一种端框钻模的数字化计量方法
CN112802041A (zh) * 2021-02-05 2021-05-14 北京工业大学 一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法
CN113093217A (zh) * 2021-02-19 2021-07-09 中铁第一勘察设计院集团有限公司 多线激光扫描隧道三维重构方法
CN112907550A (zh) * 2021-03-01 2021-06-04 创新奇智(成都)科技有限公司 一种建筑物检测方法、装置、电子设备及存储介质
CN112907550B (zh) * 2021-03-01 2024-01-19 创新奇智(成都)科技有限公司 一种建筑物检测方法、装置、电子设备及存储介质
CN113778078A (zh) * 2021-03-05 2021-12-10 北京京东乾石科技有限公司 定位信息生成方法、装置、电子设备和计算机可读介质
CN115147433A (zh) * 2021-03-29 2022-10-04 苏州杰锐思智能科技股份有限公司 点云配准方法
CN113281777A (zh) * 2021-04-07 2021-08-20 深圳市异方科技有限公司 一种货物体积动态测量方法及其测量装置
CN115205610A (zh) * 2021-04-08 2022-10-18 阿里巴巴新加坡控股有限公司 感知模型的训练方法、训练装置及电子设备
CN115205610B (zh) * 2021-04-08 2026-01-27 浙江菜鸟供应链管理有限公司 感知模型的训练方法、训练装置及电子设备
GB2605656A (en) * 2021-04-09 2022-10-12 Motional Ad Llc Adaptive point cloud generation for autonomous vehicles
GB2605656B (en) * 2021-04-09 2025-04-02 Motional Ad Llc Adaptive point cloud generation for autonomous vehicles
CN113325396A (zh) * 2021-04-29 2021-08-31 盎锐（上海）信息科技有限公司 用于激光雷达的拼接标定方法、系统及激光雷达
CN113205603A (zh) * 2021-05-07 2021-08-03 无锡信捷电气股份有限公司 一种基于旋转台的三维点云拼接重建方法
CN113311412B (zh) * 2021-05-13 2024-03-01 哈尔滨工业大学 用于移动机器人的激光雷达传感器六维外参标定方法
CN113311412A (zh) * 2021-05-13 2021-08-27 哈尔滨工业大学 用于移动机器人的激光雷达传感器六维外参标定方法
CN113379656A (zh) * 2021-05-19 2021-09-10 东南大学 一种高速公路路面点云智能拼接方法
CN113487722A (zh) * 2021-06-18 2021-10-08 浙江大学 一种基于三维激光扫描方法的混凝土构件自动化检测方法
CN113487722B (zh) * 2021-06-18 2023-10-31 浙江大学 一种基于三维激光扫描方法的混凝土构件自动化检测方法
CN113702985A (zh) * 2021-06-28 2021-11-26 盎锐（上海）信息科技有限公司 用于实测实量的测量方法及激光雷达
CN113702985B (zh) * 2021-06-28 2024-04-02 盎锐(杭州)信息科技有限公司 用于实测实量的测量方法及激光雷达
CN113436278A (zh) * 2021-07-22 2021-09-24 深圳市道通智能汽车有限公司 标定方法、标定装置、测距系统及计算机可读存储介质
CN113592926A (zh) * 2021-07-23 2021-11-02 浙江工业大学 一种3d激光雷达点云数据预测点的快速选取配准方法
CN113592926B (zh) * 2021-07-23 2024-02-02 浙江工业大学 一种3d激光雷达点云数据预测点的快速选取配准方法
CN113506376A (zh) * 2021-07-27 2021-10-15 刘秀萍 地面三维点云多尺度闭合差校验拼接方法
CN113721254A (zh) * 2021-08-11 2021-11-30 武汉理工大学 一种基于道路指纹空间关联矩阵的车辆定位方法
CN113721254B (zh) * 2021-08-11 2023-10-17 武汉理工大学 一种基于道路指纹空间关联矩阵的车辆定位方法
CN113658329A (zh) * 2021-08-17 2021-11-16 南方电网调峰调频发电有限公司有限责任有限公司 一种建筑物体框模型精细三维建模方法及系统
CN113704851A (zh) * 2021-08-27 2021-11-26 贵州百胜工程建设咨询有限公司 一种基于点云的bim模型转化方法
CN113704851B (zh) * 2021-08-27 2024-05-03 贵州百胜数源工程技术管理有限公司 一种基于点云的bim模型转化方法
CN113808189A (zh) * 2021-08-27 2021-12-17 上海大学 一种基于迭代K-means算法的微结构台阶高精度表征方法
CN113822896B (zh) * 2021-08-31 2024-04-23 北京市农林科学院信息技术研究中心 一种植物群体三维表型数据采集装置及方法
CN113822896A (zh) * 2021-08-31 2021-12-21 北京市农林科学院信息技术研究中心 一种植物群体三维表型数据采集装置及方法
CN113935081A (zh) * 2021-08-31 2022-01-14 重庆大学 一种面向螺栓连接桥梁工程的连接板后制作方法
CN113935081B (zh) * 2021-08-31 2024-04-02 重庆大学 一种面向螺栓连接桥梁工程的连接板后制作方法
CN113625302A (zh) * 2021-09-03 2021-11-09 国网山东省电力公司济宁供电公司 基于手持式激光雷达的地下廊道危险区识别方法及系统
CN113625302B (zh) * 2021-09-03 2024-05-21 国网山东省电力公司济宁供电公司 基于手持式激光雷达的地下廊道危险区识别方法及系统
CN114089376A (zh) * 2021-09-30 2022-02-25 江苏金陵智造研究院有限公司 一种基于单激光雷达的负障碍物检测方法
CN113933859A (zh) * 2021-10-09 2022-01-14 江苏徐工工程机械研究院有限公司 一种无人矿卡行驶场景的路面及两侧挡墙检测方法
CN114037706A (zh) * 2021-10-13 2022-02-11 东南大学 一种基于三维点云模型的预制梁段表面平整度检测方法
CN114049385A (zh) * 2021-10-15 2022-02-15 哈尔滨工业大学（威海） 基于自适应配准的多激光雷达自主建网系统、方法、终端
CN113936045A (zh) * 2021-10-15 2022-01-14 山东大学 路侧激光雷达点云配准方法及装置
CN114022551A (zh) * 2021-10-28 2022-02-08 北京理工大学 一种燃油车加油盖精确识别与位姿估计的方法
CN114002691A (zh) * 2021-10-29 2022-02-01 杭州中科睿鉴科技有限公司 基于激光雷达的全自动站台限界测量方法
CN114119488B (zh) * 2021-10-29 2024-05-10 成都建工第一建筑工程有限公司 一种面向工厂化的预制叠合板尺寸质量智能检测方法
CN114119488A (zh) * 2021-10-29 2022-03-01 成都建工第一建筑工程有限公司 一种面向工厂化的预制叠合板尺寸质量智能检测方法
CN113963040A (zh) * 2021-11-02 2022-01-21 云南大学 一种基于深度特征一致性的点云配准方法及系统
CN113963040B (zh) * 2021-11-02 2025-08-22 云南大学 一种基于深度特征一致性的点云配准方法及系统
CN114782511A (zh) * 2021-11-15 2022-07-22 中南大学 基于点云数据的建模方法
CN114066953A (zh) * 2021-11-22 2022-02-18 南京大学 一种针对刚性目标的三维多模态图像可变形配准方法
CN114066953B (zh) * 2021-11-22 2025-01-28 南京大学 一种针对刚性目标的三维多模态图像可变形配准方法
CN116165636A (zh) * 2021-11-24 2023-05-26 上海禾赛科技有限公司 激光雷达测距误差的标定方法和标定系统
CN114170400B (zh) * 2021-11-24 2024-04-09 太原理工大学 基于三维点云的液压支架群空间直线度测量与调整方法
CN114170400A (zh) * 2021-11-24 2022-03-11 太原理工大学 基于三维点云的液压支架群空间直线度测量与调整方法
CN113947552A (zh) * 2021-11-25 2022-01-18 中山大学 一种融合强度与时空几何特征的激光雷达去雪方法和系统
CN114140539A (zh) * 2021-11-30 2022-03-04 建科公共设施运营管理有限公司 一种室内物体的位置获取方法和装置
CN114137562A (zh) * 2021-11-30 2022-03-04 合肥工业大学智能制造技术研究院 一种基于改进全局最邻近的多目标跟踪方法
CN114137562B (zh) * 2021-11-30 2024-04-12 合肥工业大学智能制造技术研究院 一种基于改进全局最邻近的多目标跟踪方法
CN116205956A (zh) * 2021-11-30 2023-06-02 合肥美亚光电技术股份有限公司 点云配准方法、装置以及医疗影像设备
CN114170176B (zh) * 2021-12-02 2024-04-02 南昌大学 一种基于点云的钢格板焊缝自动检测方法
CN114170176A (zh) * 2021-12-02 2022-03-11 南昌大学 一种基于点云的钢格板焊缝自动检测方法
CN114186588A (zh) * 2021-12-08 2022-03-15 哈尔滨工程大学 一种实时层次化滤波方法
CN114549521A (zh) * 2021-12-13 2022-05-27 大连理工大学 基于加工g代码引导的碳管阵蜂窝面形精度计算方法
CN114283163A (zh) * 2022-01-07 2022-04-05 长安大学 一种多平台激光雷达大田玉米高通量茎叶分离方法
CN114419445A (zh) * 2022-01-24 2022-04-29 重庆中环建设有限公司 一种基于三维激光扫描隧道围岩信息的识别和提取方法
CN114519700A (zh) * 2022-01-24 2022-05-20 重庆大学 一种基于滑动窗口原理的房屋质量检测方法
CN114545425A (zh) * 2022-01-24 2022-05-27 天亿纵横智能科技(天津)有限公司 一种轨道式小车定位解决方案
CN114663519A (zh) * 2022-02-18 2022-06-24 奥比中光科技集团股份有限公司 一种多相机标定方法、装置及相关设备
CN114580058A (zh) * 2022-02-25 2022-06-03 国网江苏省电力有限公司无锡供电分公司 一种多数据融合输变电工程实体智能验收方法
CN114663855B (zh) * 2022-03-11 2024-05-24 北京航空航天大学 一种面向非结构化道路的路面积水和不平度检测方法
CN114663855A (zh) * 2022-03-11 2022-06-24 北京航空航天大学 一种面向非结构化道路的路面积水和不平度检测方法
CN114677437A (zh) * 2022-03-18 2022-06-28 易思维（杭州）科技有限公司 一种基于点云信息的螺柱检测方法
CN114708311A (zh) * 2022-03-23 2022-07-05 哈尔滨工业大学（深圳） 三维感知传感器及其面向建筑物的主动重建方法
CN114742867A (zh) * 2022-04-04 2022-07-12 西北大学 一种文物碎片拼接方法、系统、介质、设备及终端
CN114897967A (zh) * 2022-04-12 2022-08-12 盐城吉研智能科技有限公司 一种面向挖掘装备自主作业的物料形态识别方法
CN114897967B (zh) * 2022-04-12 2024-04-26 盐城吉研智能科技有限公司 一种面向挖掘装备自主作业的物料形态识别方法
CN115393842A (zh) * 2022-05-06 2022-11-25 北京信息科技大学 基于体素特征融合的fod目标智能认知的方法及装置
CN115131574A (zh) * 2022-05-11 2022-09-30 广州大学 一种从钢结构建筑点云中自动提取结构梁线和连接的方法
CN114882460A (zh) * 2022-05-17 2022-08-09 常州大学 一种基于特征层融合的道路车辆检测方法
CN114966742A (zh) * 2022-05-17 2022-08-30 山东大学 面向酿造环境的天车三维障碍物检测方法及系统
CN115018925A (zh) * 2022-05-23 2022-09-06 新驱动重庆智能汽车有限公司 一种用于宽体矿卡传感器的标定方法、系统、存储介质
CN114972457A (zh) * 2022-05-24 2022-08-30 东南大学 基于设计-实测点云模型的预制梁体数字预拼装匹配方法
CN115033959A (zh) * 2022-06-08 2022-09-09 紫金矿业建设有限公司 一种基于三维激光扫描的bim正向设计方法
CN115267815A (zh) * 2022-06-10 2022-11-01 合肥工业大学 一种基于点云建模的路侧激光雷达组群优化布设方法
CN115018902A (zh) * 2022-06-10 2022-09-06 北京瓦特曼智能科技有限公司 用于确定媒堆库存的方法及处理器
CN117253138A (zh) * 2022-06-10 2023-12-19 中国矿业大学(北京) 一种基于激光雷达的深度学习位置识别算法
CN115098912A (zh) * 2022-06-15 2022-09-23 嘉兴南洋职业技术学院 建筑装饰三维模型的对比方法
CN115205352A (zh) * 2022-06-17 2022-10-18 西安工业大学 基于超体素分割和双向最近邻距离比匹配的配准方法
CN115205314A (zh) * 2022-06-21 2022-10-18 埃夫特智能装备股份有限公司 一种浴室柜视觉智能喷涂及换色的实现方法
CN115205898A (zh) * 2022-07-01 2022-10-18 广东省农业科学院动物卫生研究所 一种基于三维重构的血红扇头蜱识别检测方法
CN115170852A (zh) * 2022-07-13 2022-10-11 北京国电富通科技发展有限责任公司 一种基于固态激光雷达点云对悬式绝缘子串上绝缘子片组的识别定位方法
CN115131417A (zh) * 2022-07-19 2022-09-30 南开大学 激光点云2d-3d双模态交互增强不规则电线检测方法
CN115291243A (zh) * 2022-07-28 2022-11-04 杭州申昊科技股份有限公司 一种激光雷达三维重建方法、装置、电子设备和存储介质
CN115423750A (zh) * 2022-08-01 2022-12-02 深圳煜炜光学科技有限公司 矿车矿量检测方法、装置、设备及存储介质
CN115272897A (zh) * 2022-08-12 2022-11-01 东南大学 一种无人机测量悬索桥主缆线形的方法及系统
CN115293287A (zh) * 2022-08-22 2022-11-04 西安电子科技大学芜湖研究院 一种基于车载雷达的对目标进行聚类的方法、存储器及电子装置
CN115469328A (zh) * 2022-08-29 2022-12-13 中国电建集团福建省电力勘测设计院有限公司 一种基于激光点云的数字化基坑验收方法
CN116051778A (zh) * 2022-09-01 2023-05-02 武汉天际航信息科技股份有限公司 基于三维点云的建筑施工监测方法、设备和存储介质
CN116310355A (zh) * 2022-09-08 2023-06-23 东南大学 一种复杂结构件的激光点云去噪和缺陷检测方法
CN115512128A (zh) * 2022-09-15 2022-12-23 广州大学 基于距离编码自适应的三维激光雷达点云特征提取算法
CN115619874A (zh) * 2022-09-30 2023-01-17 中汽创智科技有限公司 传感装置标定方法、装置、存储介质和电子设备
CN115761172A (zh) * 2022-10-10 2023-03-07 哈尔滨工程大学 一种基于点云语义分割与结构拟合的单体建筑三维重建方法
CN116152151A (zh) * 2022-11-12 2023-05-23 重庆数字城市科技有限公司 一种建筑变形信息提取方法及系统
CN115810084A (zh) * 2022-11-22 2023-03-17 北京空间机电研究所 一种用于动目标场景的激光三维点云重构方法
CN115808668A (zh) * 2022-11-28 2023-03-17 南京农业大学 一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法
CN115761292A (zh) * 2022-12-07 2023-03-07 中国石油大学(华东) 一种鲁棒的基于贪婪思想的聚类方法
CN116049941B (zh) * 2022-12-26 2024-05-03 北京建筑大学 装配式环桁架结构构件装配前多维度状态提取及分析方法
CN116049941A (zh) * 2022-12-26 2023-05-02 北京建筑大学 装配式环桁架结构构件装配前多维度状态提取及分析方法
CN116310192A (zh) * 2022-12-28 2023-06-23 江苏省测绘研究所 一种基于点云的城市级建筑物三维模型单体重建方法
CN116012613A (zh) * 2023-01-04 2023-04-25 北京数字绿土科技股份有限公司 一种基于激光点云的露天矿的土方量变化测算方法和系统
CN116012613B (zh) * 2023-01-04 2024-01-16 北京数字绿土科技股份有限公司 一种基于激光点云的露天矿的土方量变化测算方法和系统
CN115984509A (zh) * 2023-02-02 2023-04-18 国网福建省电力有限公司电力科学研究院 一种电力线路防风数字化模型构建方法
CN116129086A (zh) * 2023-02-16 2023-05-16 中科计算技术创新研究院 基于激光雷达点云数据的图纸生成方法
CN116245946A (zh) * 2023-02-17 2023-06-09 北京科技大学 一种基于三维点云的库区多层线卷位置检测方法及系统
CN116295341A (zh) * 2023-03-06 2023-06-23 酷哇科技有限公司 基于建筑物墙面特征提取和匹配的激光定位方法和系统
CN116295341B (zh) * 2023-03-06 2025-06-06 酷哇科技有限公司 基于建筑物墙面特征提取和匹配的激光定位方法和系统
CN116416173A (zh) * 2023-03-24 2023-07-11 哈尔滨工业大学 一种用于薄壁工件加工检测的点云拼接方法及系统
CN116543127A (zh) * 2023-04-25 2023-08-04 湖南湖大瑞格能源科技有限公司 一种建筑全过程数字点云校正处理方法
CN116934681A (zh) * 2023-05-19 2023-10-24 浙江银轮智能装备有限公司 钢轨轨面掉块检测方法及设备
CN116701969A (zh) * 2023-05-30 2023-09-05 西安交通大学 一种用于气膜孔点云的处理及轴线估计方法
CN116664878A (zh) * 2023-06-06 2023-08-29 中煤科工集团上海有限公司 井下巷道交叉路口几何不动点提取方法及系统
CN116975956A (zh) * 2023-06-16 2023-10-31 同济大学 一种考虑偏差和变形纠正的竣工bim模型自动生成方法
CN116879865A (zh) * 2023-07-13 2023-10-13 山东大学 一种基于双激光雷达的路沿检测方法及系统
CN117078727A (zh) * 2023-07-21 2023-11-17 浙江理工大学 一种由粗到精的旗袍三维点云模型对齐方法
CN116628828A (zh) * 2023-07-24 2023-08-22 中建安装集团黄河建设有限公司 一种大型建筑物拆除点确定方法、介质及系统
CN116628828B (zh) * 2023-07-24 2023-09-26 中建安装集团黄河建设有限公司 一种大型建筑物拆除点确定方法、介质及系统
CN116993750A (zh) * 2023-08-04 2023-11-03 南京航空航天大学 基于多模态结构语义特征的激光雷达slam方法
CN117037000B (zh) * 2023-08-16 2026-01-06 吉林大学 一种基于无人机高清影像的斜坡结构面自动解译方法
CN116778104A (zh) * 2023-08-16 2023-09-19 江西省国土资源测绘工程总院有限公司 一种动态遥感监测的测绘方法及系统
CN117037000A (zh) * 2023-08-16 2023-11-10 吉林大学 一种基于无人机高清影像的斜坡结构面自动解译方法
CN116778104B (zh) * 2023-08-16 2023-11-14 江西省国土资源测绘工程总院有限公司 一种动态遥感监测的测绘方法及系统
CN117315184B (zh) * 2023-08-29 2024-03-29 泰瑞数创科技(北京)股份有限公司 一种自动生成建筑物lod1.3模型的方法
CN117315184A (zh) * 2023-08-29 2023-12-29 泰瑞数创科技(北京)股份有限公司 一种自动生成建筑物lod1.3模型的方法
CN116882035B (zh) * 2023-09-07 2023-11-21 湖南省国土资源规划院 一种基于人工智能的空间对象识别与建模方法及相关设备
CN116882035A (zh) * 2023-09-07 2023-10-13 湖南省国土资源规划院 一种基于人工智能的空间对象识别与建模方法及相关设备
CN116908789A (zh) * 2023-09-13 2023-10-20 长江空间信息技术工程有限公司(武汉) 地基合成孔径雷达干涉测量建筑立面变形信息提取方法
CN116908789B (zh) * 2023-09-13 2023-12-05 长江空间信息技术工程有限公司(武汉) 地基合成孔径雷达干涉测量建筑立面变形信息提取方法
CN116935234A (zh) * 2023-09-18 2023-10-24 众芯汉创(江苏)科技有限公司 一种输电线走廊点云数据自动分类和树障预警系统及方法
CN116935234B (zh) * 2023-09-18 2023-12-26 众芯汉创(江苏)科技有限公司 一种输电线走廊点云数据自动分类和树障预警系统及方法
CN117333628A (zh) * 2023-09-28 2024-01-02 苏州苏高新数字科技有限公司 一种适用于园区gis地形数据快速建模的方法
CN117314869A (zh) * 2023-10-10 2023-12-29 武昌理工学院 基于人工智能的智能建筑测量系统及方法
CN117173424B (zh) * 2023-11-01 2024-01-26 武汉追月信息技术有限公司 一种点云坡面边缘线识别方法、系统及可读存储介质
CN117173424A (zh) * 2023-11-01 2023-12-05 武汉追月信息技术有限公司 一种点云坡面边缘线识别方法、系统及可读存储介质
CN117437214A (zh) * 2023-11-25 2024-01-23 兰州交通大学 基于双向布料模拟点云的轨面提取和异物识别方法
CN117710893B (zh) * 2023-12-25 2024-05-10 上海盛煌智能科技有限公司 一种多维度数字画像智慧校园数字化系统
CN117710893A (zh) * 2023-12-25 2024-03-15 上海盛煌智能科技有限公司 一种多维度数字画像智慧校园数字化系统
CN117708993A (zh) * 2023-12-28 2024-03-15 上海理工大学 一种基于ugnx二次开发的零件测点自动化生成方法
CN117496073B (zh) * 2023-12-29 2024-03-26 山东省国土测绘院 一种多时相实景三维模型的构建方法及系统
CN117496073A (zh) * 2023-12-29 2024-02-02 山东省国土测绘院 一种多时相实景三维模型的构建方法及系统
CN117576087A (zh) * 2024-01-15 2024-02-20 海克斯康制造智能技术(青岛)有限公司 基于点云法线的物体表面凹凸性的检测方法
CN118134973A (zh) * 2024-01-27 2024-06-04 南京林业大学 基于Gocator传感器的点云拼接与配准系统以及方法
CN117808703B (zh) * 2024-02-29 2024-05-10 南京航空航天大学 一种多尺度大型部件装配间隙点云滤波方法
CN117808703A (zh) * 2024-02-29 2024-04-02 南京航空航天大学 一种多尺度大型部件装配间隙点云滤波方法
CN117874473A (zh) * 2024-03-12 2024-04-12 南昌大学 一种老旧建筑构件验伤、拆除及其处理的减碳优化系统
CN118097024A (zh) * 2024-03-24 2024-05-28 扬州千米科技有限公司 一种高精度手工建模与倾斜摄影场景融合方法
CN118196417A (zh) * 2024-03-27 2024-06-14 东北大学 地下金属矿复杂堆叠条件下爆堆块度识别与统计方法
CN118068286A (zh) * 2024-04-16 2024-05-24 上海几何伙伴智能驾驶有限公司 针对影响4d毫米波雷达点云定位实现退化环境检测的方法
CN118196327A (zh) * 2024-05-13 2024-06-14 广东科学技术职业学院 一种智能绿色建筑施工信息管理方法及系统
CN118196104A (zh) * 2024-05-17 2024-06-14 深圳大学 钢构件质量智能检测方法及系统
CN118226401A (zh) * 2024-05-22 2024-06-21 南京航空航天大学 基于激光雷达三维点云的固定翼飞机位姿测量方法及装置
CN118296441A (zh) * 2024-06-03 2024-07-05 中国科学院空天信息创新研究院 基于光子计数激光雷达海表及浅海地形的分类方法及装置
CN118279500A (zh) * 2024-06-03 2024-07-02 山东科技大学 一种机载激光雷达的点云数据可视化处理方法
CN118334263A (zh) * 2024-06-11 2024-07-12 中国科学技术大学 基于截断符号距离函数的融合激光点云的高精度建模方法
CN118376290A (zh) * 2024-06-21 2024-07-23 浙江省白马湖实验室有限公司 一种基于推耙机点云配准的高斯预测煤堆体积计算方法
CN118424179A (zh) * 2024-07-04 2024-08-02 冠骋信息技术(苏州)有限公司 快速无纸化的质量检验方法及系统
CN118747725A (zh) * 2024-07-09 2024-10-08 湖南工业大学 基于改进型dbscan的激光雷达点云降噪方法
CN118799365A (zh) * 2024-07-16 2024-10-18 南京航空航天大学 一种面向智能制造的航空cad零件三维检测方法
CN118799496A (zh) * 2024-07-23 2024-10-18 永馨智慧科技(杭州)有限公司 一种基于激光雷达数据的室内建筑结构提取与矢量化重建方法及装置
CN118587289A (zh) * 2024-08-06 2024-09-03 国网(山东)电动汽车服务有限公司 电动汽车充电口的多域点云配准自动识别定位方法
CN118839618A (zh) * 2024-08-19 2024-10-25 山西建投云数智科技有限公司 一种基于属性增强PointLSTM模型的群塔防碰撞运动轨迹预测方法
CN118967940B (zh) * 2024-08-22 2025-04-08 电子科技大学 一种基于深度神经网络的倾斜摄影点云建筑物重建方法
CN118967940A (zh) * 2024-08-22 2024-11-15 电子科技大学 一种基于深度神经网络的倾斜摄影点云建筑物重建方法
CN118736140A (zh) * 2024-09-03 2024-10-01 国网江西省电力有限公司超高压分公司 一种基于三维模型变电站安全预警系统及方法
CN118818492A (zh) * 2024-09-14 2024-10-22 济南市勘察测绘研究院 一种基于地质雷达的地下障碍物监测方法及系统
CN118840492B (zh) * 2024-09-18 2024-12-10 深圳时空数字科技有限公司 一种智能化vr三维数字产品展示系统及方法
CN118840492A (zh) * 2024-09-18 2024-10-25 深圳时空数字科技有限公司 一种智能化vr三维数字产品展示系统及方法
CN119360035A (zh) * 2024-10-11 2025-01-24 南京邮电大学 基于随机样本一致性的三维点云特征提取
CN119091074A (zh) * 2024-11-05 2024-12-06 江苏星湖科技有限公司 一种基于全景点云的电网设施三维模型拟合方法及系统
CN119247296A (zh) * 2024-12-04 2025-01-03 湖北水翼信息技术有限公司 一种地基合成孔径边坡雷达大气扰动校正方法及系统
CN119229040A (zh) * 2024-12-05 2024-12-31 苏交科集团股份有限公司 基于激光雷达与图像融合的航运船队尺寸检测方法
CN119314058A (zh) * 2024-12-16 2025-01-14 广东广量测绘信息技术有限公司 基于激光点云的人行道病害范围自动解析方法
CN119559531A (zh) * 2024-12-25 2025-03-04 中建五局第三建设有限公司 基于无人机巡检与点云处理的钢结构施工智能监测方法
CN119910201A (zh) * 2025-01-02 2025-05-02 华南理工大学 基于数据融合的激光近净成形工作距离监测方法及系统
CN120014191A (zh) * 2025-01-17 2025-05-16 核工业金华勘测设计院有限公司 一种基于遥感技术的工程地质勘查与评估方法
CN119600212A (zh) * 2025-02-11 2025-03-11 电子科技大学 一种基于无人机低空影像密集匹配点云的建筑物模型构建方法
CN120374685A (zh) * 2025-03-21 2025-07-25 山东高速工程检测有限公司 一种基于公路设施的天地空一体化多源数据采集融合方法
CN119879736A (zh) * 2025-03-31 2025-04-25 天津华铁科为科技有限公司 一种用于复杂环境的物体尺寸测量方法
CN120070420A (zh) * 2025-04-25 2025-05-30 北京前往科技有限公司 一种用于建筑工程管理的bim数据处理方法
CN120198618A (zh) * 2025-05-26 2025-06-24 贵州交通职业技术学院 一种面向地形模型构建的机载LiDAR点云快速抽稀方法
CN120405612A (zh) * 2025-06-20 2025-08-01 长春大学 一种基于激光雷达的森林景观面积精准测量系统
CN120913081A (zh) * 2025-09-30 2025-11-07 兰笺(苏州)科技有限公司 基于场景图与轨迹分析的穿墙越界合规性判断方法
CN121527357A (zh) * 2026-01-14 2026-02-13 万司信息技术(上海)股份有限公司 融合激光点云与二维矢量的建模系统
CN121558051A (zh) * 2026-01-23 2026-02-24 成都威尔奇空间信息技术有限公司 一种基于线性扫描激光与ai的无人机适航通道规划方法

Also Published As

Publication number Publication date
CN109509256A (zh) 2019-03-22
CN109509256B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN109509256B (zh) 基于激光雷达的建筑结构自动测量及3d模型生成方法
CN110111414B (zh) 一种基于三维激光点云的正射影像生成方法
CN110717983B (zh) 一种基于背包式三维激光点云数据的建筑物立面三维重建方法
Murali et al. Indoor Scan2BIM: Building information models of house interiors
CN112070769B (zh) 一种基于dbscan的分层点云分割方法
CN108010092B (zh) 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法
CN106127857B (zh) 综合数据驱动与模型驱动的机载LiDAR数据建模方法
CN103017739B (zh) 基于激光雷达点云与航空影像的真正射影像的制作方法
CN105572687B (zh) 一种基于车载激光雷达点云制作建筑物数字线划图的方法
CN107025685B (zh) 拓扑感知下的机载建筑屋顶点云建模方法
CN113066162B (zh) 一种用于电磁计算的城市环境快速建模方法
CN107977992A (zh) 一种基于无人机激光雷达的建筑物变化检测方法及装置
CN109887082A (zh) 一种基于点云数据的室内建筑三维建模方法及装置
CN108171780A (zh) 一种基于激光雷达构建室内真实三维地图的方法
CN109146990B (zh) 一种建筑轮廓的计算方法
CN110379004A (zh) 一种对倾斜摄影成果进行地物分类及单体化提取的方法
CN111667574B (zh) 从倾斜摄影模型自动重建建筑物规则立面三维模型的方法
CN114842148A (zh) 根据建筑立面特性的无人机倾斜摄影模型建筑单体化分割方法
CN101976452B (zh) 基于等高线簇分析的机载激光扫描点云整体滤波方法
CN113705582B (zh) 一种建筑立面边缘特征关键点提取方法
CN117036393B (zh) 基于倾斜实景三维模型的建筑物轮廓提取方法
CN103268632A (zh) 一种机载激光雷达扫描生成地形信息的方法
CN110555826B (zh) 一种基于局部离群因子的三维点云特征提取方法
CN120765877A (zh) 一种基于数据融合的城市建筑三维可视轻量化系统
CN113066161B (zh) 一种城市电波传播模型的建模方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18923403

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 11/05/2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18923403

Country of ref document: EP

Kind code of ref document: A1