CN102959355B - 点群数据处理装置、点群数据处理***、点群数据处理方法及点群数据处理程序 - Google Patents

点群数据处理装置、点群数据处理***、点群数据处理方法及点群数据处理程序 Download PDF

Info

Publication number
CN102959355B
CN102959355B CN201180033217.7A CN201180033217A CN102959355B CN 102959355 B CN102959355 B CN 102959355B CN 201180033217 A CN201180033217 A CN 201180033217A CN 102959355 B CN102959355 B CN 102959355B
Authority
CN
China
Prior art keywords
group data
point group
face
point
face region
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.)
Expired - Fee Related
Application number
CN201180033217.7A
Other languages
English (en)
Other versions
CN102959355A (zh
Inventor
北村和男
高地伸夫
伊藤忠之
大谷仁志
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.)
Topcon Corp
Original Assignee
Topcon Corp
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 Topcon Corp filed Critical Topcon Corp
Publication of CN102959355A publication Critical patent/CN102959355A/zh
Application granted granted Critical
Publication of CN102959355B publication Critical patent/CN102959355B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G01C15/002—Active optical surveying means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Image Analysis (AREA)

Abstract

具备：非面区域除去部（101），从将测定对象物的二维图像和构成该二维图像的多个点的三维坐标数据进行关联的点群数据中，除去与运算负担大的非面区域相关的点群数据；面标记部（102），对于除去非面区域的数据后的点群数据，赋予指定面的标签；轮廓线算出部（103），利用基于从赋予标签的面连续的局部区域的局部平面，算出对象物的轮廓线；以及点群数据再取得请求处理部（106），为了提高精度而进行点群数据的再取得的请求。

Description

点群数据处理装置、点群数据处理***、点群数据处理方法及点群数据处理程序
技术领域
本发明涉及点群数据处理技术，特别涉及从测定对象物的点群数据提取其特征，自动地且在短时间内生成三维形状的点群数据处理技术。
背景技术
作为从测定对象物的点群数据生成三维形状的方法，存在着连结邻接点而形成多边形的方法。然而，为了对点群数据的数万~数千万的点形成多边形，花费巨大的处理时间，会不方便使用。因此，公开了仅从点群数据提取三维的特征（边缘、面），自动地生成三维复合线的技术（例如，专利文献1~3）。
在专利文献1所记载的发明中，扫描激光装置扫描三维对象，生成点云。基于关于扫描点的深度和法线的变化，将点云分割为边缘点和非边缘点的群。使各群对几何学原图进行拟合，扩充拟合出的几何学原图，使其相交，由此生成三维形状。
在专利文献2所记载的发明中，从点群数据形成片段（三角形），基于邻接的多边形彼此的连续性、法线方向或距离，提取边缘及面。另外，对各片段的点群数据的平面性或曲面性使用最小二乘法，置换为平面方程式或曲面方程式，进行分群，生成三维形状。
在专利文献3所记载的发明中，对三维点群数据设定二维矩形区域，求取与该矩形区域对应的测定点的合成法线向量。以合成法线向量与Z轴方向一致的方式，旋转移动矩形区域内的全部计测点。对矩形区域内的各计测点求取Z值的标准偏差σ，在标准偏差σ超过既定值的情况下，将与矩形区域的中心点对应的计测点作为噪声处理。
现有技术文献
专利文献
专利文献1：日本特表2000－509150号公报；
专利文献2：日本特开2004－272459号公报；
专利文献3：日本特开2005－024370号公报。
发明内容
从激光设备、立体摄像装置等所获得的对象物的三维信息的利用用途之一在于提取对象物的特征获得三维CAD数据这方面。在此重要的是自动地且在短的运算时间内获得期望的数据。在这样的背景下，本发明的目的在于，提供从测定对象物的点群数据提取其特征，自动地且在短时间内生成与对象物的轮廓相关的数据的技术。
权利要求1记载的发明是一种点群数据处理装置，其特征在于，具备：非面区域除去部，基于测定对象物的点群数据除去非面区域的点；面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线；以及点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，所述轮廓线算出部具备：局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，基于所述局部面或所述局部线进行所述轮廓线的算出。
在点群数据中连结有二维图像和三维坐标。即，在点群数据中测定对象物的二维图像的数据、与该二维图像进行对应的多个测定点、以及该多个测定点的三维空间中的位置（三维坐标）相关联。利用点群数据，能够通过点的集合而再现测定对象物的外形。另外，由于判定各点的三维坐标，所以能够把握各点的相对位置关系，能进行旋转画面所显示的对象物的图像，或切换为从不同视点看到的图像的处理。
在权利要求1中，标签是指确定面（或者与其他面进行区分）的标识符。面是指适于作为运算对象而选择的面，包含平面、曲率大的曲面、曲率大而随着其位置的变化小的曲面。在本发明中，根据利用运算在数学上把握（数据化）时的运算量是否为许容的量，对面与非面进行区分。非面包含角、边缘部分、其他曲率小的部分、随着曲率的部位的变化剧烈的部分。在通过运算在数学上把握（数据化）这些部分时，需要大量的运算，导致对运算装置的高负担、运算时间的增大。由于本发明的课题之一是运算时间的缩短，所以将这样的导致对运算装置的高负担、运算时间的增大的面作为非面而除去，尽量不作为运算的对象。
在权利要求1中，关于第1面和第2面，处于中间夹着非面区域的位置关系的面成为对象。一般而言，在除去非面区域的情况下，处于中间夹着该非面区域的位置的两个面成为邻接的第1面和第2面。
所谓轮廓线是为可视地把握测定对象物的外观所需要的、构成该测定对象物的外形的线（outline）。具体而言，弯曲部分、曲率急剧变小的部分为轮廓线。轮廓线不限于仅以外侧的轮廓的部分为对象，也以具有凸状地冒出的部分的特征的边缘的部分、具有凹状地凹进的部分（例如，槽构造的部分）的特征的边缘的部分为对象。通过轮廓线获得所谓线图，能够进行易于把握对象物的外观的图像显示。实际的轮廓线存在于面和面的交界、边缘的部分，但在本发明中，由于这些部分作为非面区域而从点群数据除去，如下述说明那样地通过运算轮廓线进行预计。
在权利要求1记载的发明中，将相对于对象物的角、边缘的部分的区域作为非面区域除去，通过容易作为数据概括处理的面的集合进行对象物的电子地把握。依据该原理，将对象物的外观作为多个面的集合进行把握。因此，能节约处理的数据量，能节约获得对象物的3维数据所需要的运算量。而且，缩短点群数据的处理时间，缩短测定对象物的三维图像的显示、缩短基于其的各种运算的处理时间。
此外，由于需要作为三维CAD数据可视地把握对象物的形状，所以需要对象物的3维轮廓线信息（线图数据）。然而，对象物的轮廓信息存在于面与面之间，所以包含于上述的非面区域。因此，在权利要求1所记载的发明中，首先作为用少的运算量完成的面的集合把握对象物，接着作为在邻接的面与面之间具有轮廓线推定轮廓线。
对象物的轮廓线的部分有时包含边缘等曲率剧烈变化的部分，所以从获得的点群数据进行直接运算，获得轮廓线的数据导致运算量的增大，所以不是高效的。在权利要求1所记载的发明中，首先作为非面区域除去轮廓线附近的点群数据，基于易于计算的面的点群数据提取面。然后取得基于与所获得的面连续、刚才除去的非面区域的点群数据的局部区域，取得与该局部区域拟合的局部面（一维局部空间）或局部线（二维局部空间）。
在此，局部面是与5点×5点那样的局部性区域（局部区域）拟合的局部性面。关于局部面，选择平面（局部平面）时运算更简单，但曲面（局部曲面）也无妨。另外，局部线是与局部区域拟合的曲线线段。关于局部线，也是利用直线（局部直线）时运算更简单，但曲线（局部曲线）也无妨。
在考虑上述局部面的情况下，该局部面成为比第1面更与非面区域的形状拟合的局部性面。该局部面是反映第1面与第2面之间的非面区域的状态不完全的面，所以第1面及第2面的面方向（法线方向）不同。
如上所述，该局部面是反映第1面与第2面之间的非面区域的状态的面，所以通过基于该局部面算出轮廓线，能够获得近似高精度的轮廓线。另外，依据该手法，用局部面来近似非面区域，所以能够抑制运算量。在利用局部线的情况下这方面也同样如此。
在权利要求1所记载的发明中，局部区域可以与第1面邻接，也可以位于从第1面离开的位置。在该情况下，在局部区域位于从第1面离开的位置的情况下，该局部区域与第1面之间通过一个或多个局部区域进行连接。在此，如果第1面和在那里邻接的局部区域中共有点（例如共有边缘的部分），接着在该局部区域和其相邻的局部区域中共有点这一关系，则能确保区域的连续性。
在权利要求1所记载的发明中，基于成为判定是否适合作为面处理指标的参数进行面和非面的区分。作为该参数，能举出（1）局部曲率，（2）局部平面的拟合精度，（3）共平面性。
局部曲率是示出着眼点与其周围的点的法线向量的偏差的参数。例如，在着眼点与其周围的点位于同一平面上的情况下，各点的法线向量没有偏差，所以局部曲率为最小。
所谓局部平面，是用平面近似的局部区域。所谓局部平面的拟合精度，是算出的局部平面与成为该局部平面的基础的局部区域一致的精度。局部区域是例如一边为3~9像素左右的正方区域（矩形区域）。而且，将用容易处理该局部区域的局部性平面（局部平面）近似的作为局部平面，求取各点处的局部平面和该局部区域的距离的平均值。利用该值判定对局部平面的局部区域的拟合精度。例如，如果局部区域为平面，则局部区域和局部平面一致，局部平面的拟合精度成为最高（好）状态。
共平面性是示出邻接或接近的两个面的方向的差异的参数。例如，在邻接的平面以90度相交的情况下，该邻接的平面的法线向量正交。而且两个平面所成的角度越小，两个平面的法线向量所成的角度就越小。利用该性质，判定邻接的两个面位于同一面，而且如果没有位于同一面，判定其差异为何种程度。该程度是共平面性。具体而言，如果与成为对象的两个局部区域的各个拟合的两个局部平面的法线向量和连接其中心点间的向量的内积为0，则判定两局部平面存在于同一平面上。另外，判定为上述内积越大，两个局部平面不在同一面上的程度就越显著。
对于判定上述的（1）局部曲率，（2）局部平面的拟合精度，（3）共平面性的各参数，设定阈值，通过该阈值进行面和非面的区分的判定。一般而言，通过（1）的局部曲率判定通过面的朝向变化而产生的尖锐的三维边缘、通过曲率大的曲面产生的光滑的三维边缘那样的非面区域。由于通过遮挡（深处的物体被跟前的物体遮住而看不见的状态）产生的三维边缘那样的非面区域的点的位置急剧变化，所以主要利用（2）的局部平面的拟合精度进行判定。通过变化面的朝向而产生的尖锐的三维边缘那样的非面区域，主要利用（3）的共平面性进行判定。
区分面与非面的判定能使用上述3种判定基准的一个或多个。例如，对于分别执行上述3种判定，用其中的一个以上做出判定为非面的情况，能举出将对象区域判定为非面区域的情况。
此外，在首先求取标记为上述的面的部分，随后将局部区域设定为非面区域而算出轮廓线的方法中，有时没有需要点群数据的精度的水平，因此不进行高精度的轮廓线的算出（即误差较多），从而在显示器上显示时不能显示对象物的正确的轮廓图像（例如，轮廓的一部分不清晰等）。作为用需要该点群数据的精度的水平没有获得的原因，能举出点群数据的取得时的通过车辆、通行人的影响，天气、照明的影响，点群数据的密度较粗的情况等。
为了应对该问题，在本发明中，基于非面区域除去部、面标记部及所述轮廓线算出部的至少一个处理结果，进行请求再次点群数据的取得的处理。由此，能进行再次的点群数据的取得、基于新的点群数据的再次的运算。而且通过进行再次的运算，能降低或者排除上述那样的使精度下降的因素。另外，在再次的点群数据的取得中，通过比上次提高点群数据的取得密度（即，用于获得测定对象物中的点群数据的测定点的密度），能降低或者排除上述那样的使精度下降的因素。
关于权利要求2所记载的发明，其特征在于，在权利要求1所记载的发明中，所述点群数据再取得请求处理部进行请求所述非面区域的点群数据的取得的处理。运算精度成为问题的是轮廓线的算出精度，其是与非面区域相关的运算。即，在权利要求1的发明中，基于非面区域的点群数据取得局部区域，取得与该局部区域拟合的曲线面或局部线，基于该局部面或局部线算出轮廓线。即，部分地进行基于非面区域的点群数据的运算。因此，在轮廓线的算出精度存在着问题的情况下，质疑非面区域的点群数据存在着误差（或者没有需要的精度）。依据权利要求2所记载的发明，请求非面区域的点群数据的再取得，所以能够提高轮廓线的算出精度。另外，通过不再请求标记的面的点群数据，能够将与点群数据的再取得相关的处理效率化。
关于权利要求3所记载的发明，其特征在于，在权利要求1或2所记载的发明中，具备对所述同一标签的赋予及所述轮廓线的算出的精度进行判定的精度判定部，所述点群数据再取得请求处理部基于所述精度判定部的判定而进行请求所述点群数据的再取得的处理。依据权利要求3所记载的发明，自动判定同一标签的赋予、轮廓线的算出精度，基于其指示点群数据的再取得。因此，即使不进行手册操作也能够提高基于点群数据的再取得及随后的运算的轮廓线的算出精度。
关于权利要求4所记载的发明，其特征在于，在权利要求1~3的任一项所记载的发明中，具备接受部，接受请求所述点群数据的再取得的区域的指定。依据权利要求4所记载的发明，能够提高用户所希望的区域的轮廓线算出精度。依据附图的目的、所请求的内容，有时存在着需要精度的区域和不需要精度的区域。在该情况下，一律要求精度，处理时间消耗在不需要的运算。依据权利要求4所记载的发明，通过用户的操作选择点群数据的再取得区域，基于指示点群数据的再取得，所以能够兼顾所要求的精度和处理时间的缩短。
关于权利要求5所记载的发明，其特征在于，在权利要求1~4的任一项所记载的发明中，请求所述点群数据的再取得的处理是与之前的点群数据的取得相比、请求点的密度高的点群数据的再取得的处理。依据权利要求5所记载的发明，与以前取得点群数据的情况比较，将再次的点群数据的取得所请求的测定对象物的区域（被测定区域）中的点群数据的取得密度设定得高。即，与以前取得点群数据的情况比较，将每单位面积中的测定点的数量设定得高。通过这样，进行更详细的点群数据的取得，能够提高建模的精度。
关于权利要求6所记载的发明，其特征在于，在权利要求1~5的任一项所记载的发明中，所述点群数据包含与来自对象物的反射光的强度相关的信息，还具备基于与所述反射光的强度相关的信息来算出构成赋予所述同一标签的面内的花纹的二维边缘的二维边缘算出部，所述点群数据再取得请求处理部基于所述二维边缘算出部的算出结果进行请求所述点群数据的再取得的处理。
所谓的二维边缘是显示为标记的面中的线的部分。例如，花纹、浓淡的变化、花砖的接缝等的线状花纹、在宽度狭的长度方向上延伸的凸部、部件和部件的接头、分界线等。这些严格而言不是构成测定对象物的轮廓的轮廓线（outline），但与轮廓线同样地是在把握对象物的外观的情况下起作用的线的显示。例如，在把握建筑物的外观的情况下，凹凸少的窗框、外壁部件的区域是二维边缘。依据权利要求6所记载的发明，算出二维边缘，进一步将其作为再运算的对象，由此能够获得更真实的测定对象物的外观的线图数据。
权利要求7所记载的发明是一种点群数据处理装置，其特征在于，具备：旋转照射部，对于测定对象物旋转照射测距光；测距部，基于所述测距光的飞行时间对从自身的位置到测定对象物上的测定点的距离进行测距；照射方向检测部，检测所述测距光的照射方向；三维坐标算出部，基于所述距离及所述照射方向而算出所述测定点的三维坐标；点群数据取得部，基于所述三维坐标算出部算出的结果取得所述测定对象物的点群数据；非面区域除去部，基于测定对象物的点群数据除去非面区域的点；面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线；以及点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，所述轮廓线算出部具备：局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，基于所述局部面或所述局部线进行所述轮廓线的算出。
权利要求8所记载的发明是一种点群数据处理装置，其特征在于，具备：摄影部，在从不同方向重复的摄影区域中对测定对象物进行摄影；特征点对应部，对通过所述摄影部获得的重复图像内的特征点进行对应，摄影位置姿态测定部，测定所述摄影部的位置及姿态；三维坐标算出部，基于所述摄影部的位置及姿态和所述重复图像内的特征点的位置而算出特征点的三维坐标；点群数据取得部，基于所述三维坐标算出部算出的结果取得所述测定对象物的点群数据；非面区域除去部，基于测定对象物的点群数据除去非面区域的点；面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线；以及点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，所述轮廓线算出部具备：局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，基于所述局部面或所述局部线进行所述轮廓线的算出。
权利要求9所记载的发明是一种点群数据处理***，其特征在于，具备：点群数据取得单元，光学地获得测定对象物的点群数据；非面区域除去单元，基于测定对象物的点群数据除去非面区域的点；面标记单元，对于通过所述非面区域除去单元除去的点以外的点，对同一面上的点赋予同一标签；轮廓线算出单元，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线；以及点群数据再取得请求处理单元，基于所述非面区域除去单元、所述面标记单元及所述轮廓线算出单元的至少一个处理结果，进行请求所述点群数据的再取得的处理，所述轮廓线算出单元具备：局部区域取得单元，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及局部空间取得单元，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，基于所述局部面或所述局部线进行所述轮廓线的算出。
权利要求10所记载的发明是一种点群数据处理方法，其特征在于，具备：非面区域除去步骤，基于测定对象物的点群数据除去非面区域的点；面标记步骤，对于通过所述非面区域除去步骤除去的点以外的点，对同一面上的点赋予同一标签；轮廓线算出步骤，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线；以及点群数据再取得请求处理步骤，基于所述非面区域除去步骤、所述面标记步骤及所述轮廓线算出步骤的至少一个处理结果，进行请求所述点群数据的再取得的处理，所述轮廓线算出步骤具备：局部区域取得步骤，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及局部空间取得步骤，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，基于所述局部面或所述局部线进行所述轮廓线的算出。
权利要求11所记载的发明是一种点群数据处理程序，所述程序由计算机读取并执行，其特征在于，使计算机具备：非面区域除去功能，基于测定对象物的点群数据除去非面区域的点；面标记功能，对于通过所述非面区域除去功能除去的点以外的点，对同一面上的点赋予同一标签；轮廓线算出功能，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线；以及点群数据再取得请求处理功能，基于所述非面区域除去功能、所述面标记功能及所述轮廓线算出功能的至少一个处理结果，进行请求所述点群数据的再取得的处理，所述轮廓线算出功能具备：局部区域取得功能，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及局部空间取得功能，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，基于所述局部面或所述局部线进行所述轮廓线的算出。
发明的效果
依据本发明，能提供从测定对象物的点群数据提取其特征，自动地且在短时间内生成与对象物的轮廓相关的数据的技术。
附图说明
图1是实施方式的点群数据处理装置的框图。
图2是示出实施方式的处理顺序的流程图。
图3是示出测定对象物的一个例子的概念图。
图4是示出赋予标签的面的边缘的情况的概念图。
图5是示出算出轮廓线的原理的概念图。
图6是示出算出轮廓线的原理的概念图。
图7是示出轮廓线算出部的一个例子的框图。
图8是示出赋予标签的面的边缘和轮廓线的关系的概念图。
图9是示出实施方式的处理顺序的流程图。
图10是具有三维激光扫描仪功能的点群数据处理装置的概念图。
图11是具有三维激光扫描仪功能的点群数据处理装置的概念图。
图12是实施方式的控制***的框图。
图13是实施方式的运算部的框图。
图14是示出栅格形成顺序的一个例子的概念图。
图15是示出栅格的一个例子的概念图。
图16是使用立体照相机的具有三维信息取得功能的点群数据处理装置的概念图。
图17是实施方式的框图。
标号说明
1、100、200…点群数据处理装置，120…立方体，121…放大部分，122…轮廓线，123…平面，123a…平面121的外边缘，124…平面，124b…平面124的外边缘，125…非面区域，131…平面，131a…平面131的外边缘，132…平面，132a…平面132的外边缘，133…非面区域，134…交线，135…局部平面，136…局部平面，137…局部平面，138…轮廓线，150…轮廓线，1…点群数据处理装置，2…点群数据，22…调平部，23…旋转机构部，24…测距部，25…摄像部，26…控制部，27…主体部，28…旋转照射部，29…底盘，30…下部机壳，31…销，32…调整螺丝，33…拉伸弹簧，34…调平马达，35…调平驱动齿轮，36…调平从动齿轮，37…倾斜传感器，38…水平转动马达，39…水平转动驱动齿轮，40…水平转动齿轮，41…旋转轴部，42…旋转底座，43…轴承部件，44…水平角检测器，45…主体部机壳，46…镜筒，47…光轴，48…分束器，49、50…光轴，51…脉冲激光源，52…带孔的镜，53…束腰变更光学***，54…测距光接收部，55…高低角用转动镜，56…照明光轴，57…聚光透镜，58…图像光接收部，59…照明机壳，60…凸缘部，61…镜保持板，62…转动轴，63…高低角齿轮，64…高低角检测器，65…高低角用驱动马达，66…驱动齿轮，67…准星照门，68…外部存储装置，69…水平驱动部，76、77…摄影部，78…特征投影部，79…校正用拍照对象，80…目标。
具体实施方式
1．第1实施方式
以下，参照附图对点群数据处理装置的一个例子进行说明。本实施方式的点群处理装置具备非面区域除去部，其从将测定对象物即二维图像、与该二维图像对应的多个点的三维坐标数据进行关联的点群数据中、除去与运算负担较大的非面区域相关的点群数据。另外，具备：面标记部，对于除去非面区域的数据后的点群数据，赋予对面进行指定的标签；以及轮廓线算出部，利用基于从赋予标签的面连续的局部区域的局部平面，算出对象物的轮廓线。另外，具备，点群数据再取得请求处理部106，进行与再取得点群数据相关的处理。
（点群数据处理装置的结构）
图1是点群数据处理装置的框图。点群数据处理装置100基于测定对象物的点群数据，提取测定对象物的特征，生成基于该特征的三维形状。通过对测定对象物搜查并照射激光并检测其反射光，使用获得测定对象物的3维坐标的数据作为点群数据的三维位置测定装置（三维激光－扫描仪）、多个摄像装置，取得立体图像信息，并基于其从获得测定对象物的3维坐标的数据作为点群数据的立体图像信息取得装置获得点群数据。在实施方式2对三维激光扫描仪进行说明，在实施方式3对立体图像信息取得装置进行说明。
图1所示的点群处理装置100在笔记本型个人计算机内使用软件构成。因此，安装有进行利用本发明的点群处理的专用软件的个人计算机作为图1的点群处理装置起作用。该程序不限于安装于个人计算机中的状态，也可以是预先记录在服务器、适当的记录介质，再从那里提供的方式。
所利用的个人计算机按照需要具备：键盘、触摸面板显示器等输入部，液晶显示器等显示部，综合了输入部和显示部的作为用户接口的GUI（图形用户接口）功能部，CPU及其他专用运算器件，半导体存储器，硬盘存储部，与光盘等存储介质之间进行信息的交换的盘存储装置驱动部，与USB存储器等便携型存储介质之间进行信息的交换的接口部，进行无线通信、有线通信的通信接口部。此外，个人计算机不限于笔记本型，也可以是便携型、桌上型等其他方式。另外，除利用通用个人计算机以外，也能通过使用ASIC（ApplicationSpecificIntegratedCircuit，专用集成电路）、FPGA（FieldProgrammableGateArray，现场可编程门阵列）等PLD（ProgrammableLogicDevice，可编程逻辑设备）等而构成的专用硬件构成点群处理装置100。
（A）与轮廓线的算出相关的构成
首先，对点群处理装置100中的进行算出轮廓线的处理的结构进行说明。点群处理装置100具备非面区域除去部101、面标记部102、轮廓线算出部103。以下，对这些各功能部进行说明。
（A1：非面区域除去部）
图2是示出在点群数据处理装置100中所进行的处理的一个例子的流程图。在非面区域除去部101中进行图2的步骤S202~S204的处理。非面区域除去部101具备：取得局部区域的局部区域取得部101a，算出局部区域的法线向量的法线向量算出部101b，算出局部区域的局部曲率的局部曲率算出部101c，算出与局部区域拟合的局部平面的局部平面算出部101d。以下，随着处理的流程，对这些功能部进行说明。
局部区域取得部101a基于点群数据，取得以着眼点为中心的一边为3~7个像素左右的正方区域（格子状的区域）作为局部区域。法线向量算出部101b进行局部区域取得部101a所取得的上述局部区域中的各点的法线向量的算出（步骤S202）。在算出该法线向量的处理中，着眼于局部区域中的点群数据而算出各点的法线向量。以全部点群数据为对象进行该处理。即，将点群数据分区为无数的局部区域，在各局部区域中进行各点的法线向量的算出。
局部曲率算出部101c算出上述的局部区域内的法线向量的偏差（局部曲率）（步骤S203）。在此，在着眼的局部区域中，求取各法线向量的3个轴分量的强度值（NVx，NVy，NVz）的平均（mNVx，mNVy，mNVz），而且求取标准偏差（StdNVx，StdNVy，StdNVz）。接着，算出标准偏差的二乘和的平方根作为局部曲率（LocalCurveture：crv）（参照下述数学式1）。
[数学式1]
局部曲率=（StdNVx2+StdNVy2+StdNVz2）1/2
局部平面算出部101d是局部空间取得部的一个例子，求取与局部区域拟合（近似）的局部平面（二维局部空间）（步骤S204）。在该处理中，从所着眼的局部区域的各点的三维坐标求取局部平面的方程式（局部平面拟合）。局部平面是与所着眼的局部区域拟合的平面。在此，使用最小二乘法，算出与该局部区域拟合的局部平面的面的方程式。具体而言，求取多个不同平面方程式，而且对其进行比较，算出与该局部区域拟合的局部平面的面的方程式。假设如果所着眼的局部区域是平面，则局部平面与局部区域一致。
依次偏移局部区域，并且以将全部点群数据作为对象的方式反复进行以上处理，获得各局部区域中的法线向量、局部平面、局部曲率。
接着，基于以上所求取的各局部区域中的法线向量、局部平面、局部曲率，进行除去非面区域的点的处理（步骤S205）。即，为了提取面（平面及曲面），除去预先能够判断为非面的部分（非面区域）。此外，非面区域是指既不是平面也不是曲面的区域，而存在着包含基于下述的（1）~（3）的阈值而曲率较高的曲面的情况。
非面区域除去的处理能够使用以下所示的三个方法之中的至少一个来进行。在此，对上述的局部区域的全部进行基于下述的（1）~（3）的方法的判定，将在1个以上的方法中判定为非面区域的局部区域作为构成非面区域的局部区域进行提取。而且，除去与构成所提取的非面区域的点相关的点群数据。
（1）局部曲率较高的部分
将在步骤S203所求取的局部曲率与预先设定的阈值进行比较，将超过阈值的局部曲率的局部区域判定为非面区域。由于局部曲率表示着眼点与其周边点中的法线向量的偏差，所以在面（平面及曲率较小的曲面）中其值较小，在面以外（非面）其值较大。因此，如果局部曲率比预先决定的阈值大，则将该局部区域判定为非面区域。
（2）局部平面的拟合精度
计算与局部区域的各点对应的与局部平面的距离，在这些距离的平均比预先设定的阈值大的情况下，将该局部区域判定为非面区域。即，如果在局部区域从平面背离的状态下，则其程度越激烈，与该局部区域的各点对应的与局部平面的距离越大。利用该情况来判定该局部区域的非面程度。
（3）共平面性的检查
在此，在邻接的局部区域中，比较对应的局部平面彼此的朝向。在该局部平面的朝向差别超过阈值的情况下，判定作为比较对象的局部区域属于非面区域。具体而言，如果与作为对象的两个局部区域的各个拟合的两个局部平面的法线向量、与连结其中心点间的向量的内积为0，则判定两局部平面存在于同一平面上。另外，上述内积越大，判定为两个局部平面不在同一面上的程度越显著。
在基于上述（1）~（3）的方法的判定中，将在1个以上的方法中判定为非面区域的局部区域作为构成非面区域的局部区域进行提取。而且，从作为算出对象的点群数据中除去与构成该所提取的局部区域的点相关的点群数据。如以上那样，进行图2的步骤S205证的非面区域的除去。这样，在非面区域除去部101中，从输入至点群数据处理装置100的点群数据中除去非面区域的点群数据。此外，由于所除去的点群数据有可能在以后的处理中利用，所以存放于适当的存储区域，使其为能够识别为未除去的点群数据的状态等，预先使其为在以后能够利用的状态。
（A2：面标记部）
接着，参照图2对面标记部102的功能进行说明。面标记部102以通过非面区域除去部101进行了处理的点群数据作为对象，执行图2的步骤S206以下的处理。
对于在非面区域除去部101中除去了非面区域的点群数据后的点群数据，面标记部102基于法线向量的连续性而进行面标记（步骤S205）。具体而言，如果特定着眼点与邻接点的法线向量的角度差为预先决定的阈值以下，则对这些点贴上同一标签。通过反复进行该操作，对连续的平面、连续的缓和的曲面贴上同一标签，能将其识别为一个面。另外，在步骤S205的面标记之后，使用法线向量的角度差、法线向量的3个轴分量的标准偏差，判定标签（面）是平面或者是曲率较小的曲面，将识别该意思的识别数据与各标签关联。
接着，将面积较小的标签（面）作为噪声除去（步骤S207）。此外，该噪声除去也可以与步骤S205的面标记处理同时进行。在该情况下，进行面标记，并且计数同一标签的件数（构成标签的点数），对作为既定以下点数的标签进行取消处理。接着，对于在此时没有标签的点，赋予与最接近的面（最近面）相同的标签。由此，进行已标记面的扩充（步骤S208）。
以下，说明步骤S207的处理的细节。首先，求取添加标签的面的方程式，求取该面与没有标签的点的距离。在没有标签的点的周边存在着多个标签（面）的情况下，选择其距离最短的标签。而且，在没有标签的点依然残留的情况下，变更非面区域除去（步骤S205）、噪声除去（步骤S207）及标签扩充（步骤S208）中的各阈值，进行再次关联处理（再标记）（步骤S209）。例如，在非面区域除去（步骤S205）中，通过提高局部曲率的阈值，使作为非面提取的点数减少。或者在标签扩充（步骤S208）中，通过提高没有标签的点与最接近面的距离的阈值，对于没有标签的点赋予更多的标签。
接着，即使是标签为不同的面也在相同面的情况下对标签进行统一（步骤S210）。在该情况下，即使是不连续的面，也对位置或朝向相等的面彼此添加相同标签。具体而言，通过比较各面的法线向量的位置及朝向，提取不连续的相同面，对任一个面的标签进行统一。以上是面标记部102的功能。
依据该面标记部102的功能，由于能够压缩处理的数据量，所以能够使点群数据的处理高速化。另外能够节约需要的存储器量。另外，能够将测定中混入的通行人、通过的车辆的点群数据作为噪声除去。
以下，说明基于利用面标记部102进行了处理的点群数据的显示图像的一个例子。在图3中示出立方体120作为测定对象物的一个例子。在此，考虑利用三维激光－扫描仪从斜上方的视点扫描立方体120，取得立方体120的点群数据的情况。在该情况下，对于该点群数据，实施图2的步骤S201~S210的处理时，对在图2中看不见的三个面贴上标签，在远处看的情况下，看一眼就能够获取与图3所示的同样的图像数据。
然而，当放大平面123和平面124的交界附近时，如图4所示，面123的面124侧的外边缘123a与平面124的平面123侧的外边缘124b不一致，以大致平行地延伸的状态定位。即，不能正确地再现立方体120的轮廓线122。
这是因为轮廓线122的部分的数据是构成立方体120的平面123与124的交界的部分的边缘部分而作为非面区域125从点群数据中除去。在该情况下，由于以作为贴上（赋予）不同标签的平面123的外侧的边缘的外边缘123a和作为平面124的外侧的边缘的外边缘124b的点群数据作为处理对象，所以进行该部分的显示。然而，由于在外边缘123a与124b之间（非面区域125）没有点群数据，所以不显示与该部分相关的图像信息。
由于该理由，在进行基于面标记部102的输出的图像显示的情况下，不能正确地显示成为平面123和平面124的交界的轮廓线122。在本实施方式中，为了从点群数据处理装置100输出例如上述例示中的轮廓线122，具备接着说明的轮廓线算出部103。
（A3：轮廓线算出部）
轮廓线算出部103基于邻接的面的点群数据算出（推定）轮廓线（图2的步骤S211）。以下，对具体的算出方法进行说明。
（算出方法之1）
在图5中示出算出轮廓线的方法的原理之一。在图5中概念性地示出平面131与平面132的交界附近。在该情况下，通过非面区域除去的处理，除去曲率较小的非面区域133，对邻接的平面131和132作为面贴上标签。此时，由于作为非面区域除去了平面131的平面132侧的外边缘131a和平面132的平面131侧的外边缘132a之间的点群数据，不能够从点群数据直接获得应该位于非面区域133的轮廓线的数据。
因此在该例子中，在轮廓线算出部103中进行以下处理。在该情况下，延长平面132和平面131，算出其交线134。而且，以交线134作为所推定的轮廓线。在该情况下，通过平面131的到延长的交线的部分和平面132的到延长的交线的部分形成多面体，该多面体成为连接平面131和132的近似的连接面。此外，在平面131和平面132是曲面的情况下，考虑具有其外边缘131a及132a的部分的法线向量的平面，将其延长，由此算出交线134。
与其他方法相比较，该方法的运算简单，所以适于高速处理。另一方面，实际的非面区域与算出的轮廓线的距离易于变大，误差较大的可能性较高。然而，在边缘陡峭的情况下、非面区域的宽度狭窄的情况下，误差较小，所以产生了处理时间短就能完成的优越性。
图7（A）示出执行“算出方法之1”的情况下的图1的轮廓线算出部103的结构。在该情况下，轮廓线算出部103具备连接面算出部141，连接面算出部141具备进行延长邻接的第1面和第2面的运算的邻接面延长部142，以及算出延长的第1面和第2面的交线的交线算出部143。
（算出方法之2）
在图6示出算出轮廓线的方法的原理。在图6（A）中示出从观察将与图5相同的面垂直切开的截面的视点的概念图，在图6（B）中示出俯视两个面与其间的轮廓线所观察到的状态的概念图（模型图）。在图6中概念性地示出与图5的情况下同样的平面131和平面132的交界附近。在该情况下，也通过非面区域除去的处理，除去曲率较小的非面区域133，对邻接的平面131和132作为面贴上标签。这方面与图5的情况下相同。
以下，说明处理的一个例子。首先，取得包含平面131的平面132侧的外边缘131a的点、进一步位于平面132侧的局部区域。该局部区域是在边缘部分与平面131的外边缘131a共有，构成非面区域133的一部分的3X3点、5X5点那样的局部正方区域。由于该局部区域与平面131的外边缘131a共有边缘部分，所以成为从平面131连续的区域。而且，取得与该局部区域拟合的局部平面135。由于局部平面135主要受非面区域133的形状影响，所以其法线向量的方向（面的方向）与平面131、132的法线向量的方向（面的方向）不同。此外，局部平面的算出方法与局部平面算出部101c中的算出方法相同。
接着，取得包含平面132的平面131侧的外边缘132a的点，进一步位于平面131侧的局部区域。而且，取得与该局部区域拟合的局部平面137。在此，在局部平面135和137之间存在着进一步设定局部平面的空间的情况下（或者精度追求上有该需要的情况下），反复进行同样的处理，从平面131侧向着平面132侧，另外从平面132侧向着平面131侧，将局部平面与非面区域133上的局部区域拟合。换言之，拼接（継ぎはぎ）局部平面而用多面体近似非面区域133。
在该例子中，由于局部平面135和137之间的距离在阈值以下（即，进一步由于判定为不是设定局部平面的间隔），所以求取处于接近并邻接的位置关系的局部平面135和137的交线，算出轮廓线138。在该情况下，通过局部平面135、局部平面137及到将这些延长的交线的部分形成多面体，该多面体成为连接平面131和132的近似的连接面。依据该方法，由于与非面区域拟合的局部平面相连而形成连接平面131和132的连接面，所以与图5的情况相比也能够提高轮廓线的算出精度。
这样，如图6（B）所示，获取具有局部平面135、137的尺寸程度的长度的轮廓线138（轮廓线的线元）。而且通过沿着非面区域的延伸方向进行上述处理，算出区分平面131和132的轮廓线139。即，在算出图6（A）所示的轮廓线138后，通过利用同样的手法取得局部平面135’、137’，算出其间的轮廓线部分。通过反复进行该处理，延长短的轮廓线138，获得轮廓线139。
以下，例如，说明在局部平面135的平面132侧进一步设定局部平面的情况。在该情况下，取得包含成为局部平面135的基础的局部区域的平面132侧的边缘的点、进一步位于平面132侧的局部区域，取得与其拟合的局部平面。在平面132侧也同样地进行该处理。在两平面侧分别反复进行该处理，连接来自两面的连接面，在其间隙为阈值以下的阶段中，求取以对置的位置关系接近的两个局部面的交线，以其作为轮廓线。
在该情况下，由于从第1面向着第2面接连取得的多个局部区域在邻接的第1面、局部区域共有一部分点，所以分别成为从第1面连续的局部区域。即，如果也按照上述顺序取得位于从第1面离开的位置的局部区域，则能作为从第1面连续的局部区域进行把握。此外，即使邻接的局部平面彼此是与连续的局部区域分别拟合的局部平面，这些也按照非面区域的形状而朝向互相不同的方向。因此，虽然存在着局部平面彼此没有完全连接的情况，正确而言，成为产生间隙的多面体的情况，但是在此忽略其间隙，作为多面体构造的连接面进行把握。
在图7（B）示出在执行算出方法之2的情况下的图1的轮廓线算出部103的结构。在该情况下，轮廓线算出部103具备连接面算出部144。连接面算出部144具备局部区域取得部145、局部平面取得部146、局部平面延长部147、交线算出部148。局部区域取得部145取得为了取得局部平面135、137所需要的局部区域。局部平面取得部146是局部空间取得部的一个例子，局部区域取得部145取得与所取得的局部区域拟合的局部平面。局部平面延长部147进行对从平面131在平面132的方向上延伸的局部平面（图6的情况下为局部平面135）和从平面132在平面131的方向上延伸的局部平面（图6的情况下为局部平面137）进行延长的运算。交线算出部148算出上述延长的两个局部平面的交线。
依据以上所述的方法，用局部平面连接经由非面区域邻接的第1面和第2面之间的间隙（非面区域的部分），使该间隙缓缓变窄，在该间隙变窄到某种程度时，进行算出隔着间隙邻接的局部平面的交线作为轮廓线的运算。此外，作为判定在局部平面135和137之间是否进一步设定局部平面的基准，也可以利用局部平面135和137的法线向量的方向之差。在该情况下，如果局部平面135和137的法线向量的方向之差为阈值以下，则考虑到用利用交线的轮廓线的算出也能够充分地确保精度，不进行新的局部平面的取得，如图示的情况那样，进行基于局部平面135和137的交线的轮廓线的算出。
（算出方法之3）
在该方法中，对于在最初阶段判定为非面区域的区域，进行变更阈值的再次的非面区域的除去及标记，除去进一步限定的非面区域，随后再次进行使用“算出方法之1”或“算出方法之2”的任一个的轮廓线算出。
此外，虽然进行2次、3次变更阈值的再运算，进一步使所除去的非面区域狭窄，也能提高精度，但是变更阈值的反复运算的次数变多时，运算时间变长，因此优选将阈值的变更次数设定为适当的阈值，在进行某种程度再处理的次数的阶段切换至基于其他算出方法的轮廓线算出。
（算出方法之4）
作为与算出方法之2同样的考虑方法，也存在着不使用局部平面，而使用局部直线（一维局部空间）的方法。在该情况下，图1的局部平面算出部101d作为取得一维局部空间的局部空间取得部即局部直线算出部起作用。以下，使用图6进行说明。在该情况下，首先在图6的概念图中，将标号135和137作为局部直线进行把握。在此，局部直线能够作为将局部平面的宽度变窄到1点的量的宽度（在数学上没有宽度）的方式进行把握。考虑方法与局部平面的情况相同，取得与平面131连续的局部区域，与该局部区域拟合，算出在平面132的方向上延伸的局部直线。而且利用该局部直线构成连接平面131和132的连接线（在该情况下，不是面而是线）。
与局部平面的情况相同，通过使用最小二乘法算出与该局部区域拟合的线的方程式而进行局部直线的算出。具体而言，求取并比较多个不同直线的方程式，算出与该局部区域拟合的直线的方程式。假设如果所着眼的局部区域为平面，则局部直线和局部区域平行。此外，由于成为局部直线的拟合对象的局部区域是构成非面区域133的一部分的局部性区域，所以局部直线（在该情况下为标号135）不与平面131及132平行。
另外，在面132侧也进行同样的处理，算出在该情况下用标号137示出的局部直线。而且，两个局部直线的交点（在该情况下为标号138）成为求取的轮廓线的通过点。通过求取多个上述交点，并将其连结而获得实际的轮廓线的算出。此外，虽然也能通过在邻接的部分求取上述局部直线的交点并连接其而算出轮廓线，但是也能通过在隔开跳过多个点的间隔的部分求取多个局部直线彼此的交点并将其连结而算出轮廓线。
此外，也能将局部直线设定为更小的多个，将连接线切得更小，而算出轮廓线。这与在“算出方法之2”中所说明的使用局部平面的轮廓线算出的情况相同。
（其他算出方法）
作为通过求取局部平面的交线来预计轮廓线的方法的其他形式，能举出在连接面的中央部分设定轮廓线的手法。在该情况下，作为算出连接面的中央的方法，能举出（1）轮廓线通过距离上的中央部分而算出轮廓线的方法，（2）基于局部面的法线的变化（面的方向的变化），将具有其变化范围的中央的法线（或与其接近的法线）的局部面的中心点作为轮廓线的通过点的方法，（3）基于局部面的法线的变化（面的方向的变化），以其变化率最大的部分作为轮廓线的通过点的方法等。也能够采用局部曲面作为局部面。在该情况下，选定易于作为数据处理的曲面，将其利用于上述的局部平面的代替。另外，准备多种局部面，从其中选择向局部区域的拟合性高的面的方法也是可能的。
（轮廓线的一个例子）
以下，说明所算出的轮廓线的一个例子。图8是与图4对应的概念图。在图8中示出在图4所示的状态下实施用本实施方式所说明的轮廓线算出处理（轮廓线算出方法之2），算出轮廓线150的情况。在该情况下，在作为非面区域除去的区域中，基于赋予标签的平面123的外边缘123a及平面124的外边缘124b利用“轮廓线算出方法之2”算出连接两平面的连接面（参照图6），求取构成该连接面的两个局部平面的公线，由此算出轮廓线150。通过算出轮廓线150，不明了的图3的测定对象物（在该情况下为立体120）的轮廓的图像变得明确。这样，通过拿进来到三维CAD数据，能够从点群数据获得适于作为CAD数据活用的图像数据。
（A4：二维边缘算出部）
接着对进行图2的步骤S212的处理的图1的二维边缘算出部104进行说明。以下，说明用二维边缘算出部104进行的处理的一个例子。首先，基于来自对象物的反射光的强度分布，使用Laplacian、Prewwit、Sobel、Canny等公知的边缘提取算符（operater），从与片段化（分区）的面对应的二维图像的区域内提取边缘。即，由于通过面内的浓淡的差异识别二维边缘，所以从反射光的强度信息提取该浓淡的差异，对其提取条件设置阈值，由此将浓淡的分界线作为边缘进行提取。接着，将构成所提取的边缘的点的三维坐标的高度（z值）与构成其附近的轮廓线（三维边缘）的点的三维坐标的高度（z值）进行比较，在该差在既定阈值以内的情况下，提取该边缘作为二维边缘。即，判定构成二维图像上的所提取的边缘的点是否位于片段化的面上，在判定为位于面上的情况下将其设定为二维边缘。
在二维边缘的算出（步骤S212）后，综合轮廓线算出部103所算出的轮廓线与二维边缘算出部104所算出的二维边缘。由此，进行基于点群数据的边缘提取（S214）。利用该边缘提取，提取视觉辨认测定对象物时的构成测定对象物的外观的线。由此，获得测定对象物的线图的数据。例如，作为测定对象物选择建筑物，对基于该建筑物的点群数据，通过图2的处理获得线图的数据的情况进行说明。在该情况下，表达该建筑物的外观、外壁的图案、窗等的轮廓作为线图的数据。此外，窗那样的凹凸比较少的部分的轮廓，通过阈值的判定，存在着作为轮廓线处理的情况，也存在着作为二维边缘处理的情况。能够将这样的线图的数据作为3维CAD数据、对象物的下图的数据。
（B）与请求点群数据的再取得的处理相关的结构1
点群数据处理装置100具备点群数据再取得请求处理部106作为与请求点群数据的再取得的处理相关的结构。点群数据再取得请求处理部106基于非面区域除去部101、面标记部102、轮廓线算出部103的至少一个处理的结果，进行与点群数据的再取得的请求相关的处理。以下，对在点群数据再取得请求处理部106中进行的处理进行说明。
（处理之1）
在该情况下，点群数据再取得请求处理部106基于非面区域除去部101的处理结果，进行用于再次获得作为非面区域处理的区域的点群数据的处理。即，进行再取得非面区域的点群数据的请求。以下说明该处理的一个例子。首先，相对粗地设定最初获得的点群数据的密度。而且对于在最初的阶段中作为面标记的部分以外的部分（即非面区域），指示再次的点群数据的取得。通过这样，能够效率良好地取得点群数据，而且，能够提高运算的精度。另外，在上述处理中，也可以采用这样的方式，将设定的点群数据的密度阶段性地设定多个，并反复取得点群数据，缓缓地以数据密度更高的状态取得非面度更大的区域的点群数据。即，也能够采用缓缓筛选需要获得更小的点群数据的区域的手法。
（处理之2）
点群数据再取得请求处理部106基于轮廓线算出部103的处理结果，进行处理来进行轮廓线及其附近的再次的点群数据的取得。在该情况下，对于轮廓线的部分与其周边（例如，用测定点捕获而4~10点的量的宽度），请求再次的点群数据的取得。依据该处理，能够获得更高精度的轮廓线的图像数据。另外，也可能是这样的设定，即：不仅选择轮廓线而且选择二维边缘的部分及其周边作为再次的点群数据的取得对象。
（处理之3）
点群数据再取得请求处理部106基于面标记部102的处理结果，对于面的拟合精度差的部分进行请求再次的点群数据的取得的处理。在该情况下，通过阈值判定标记的面的拟合精度的好/差，进行再次取得判定为拟合精度差的面的点群数据的请求。
（处理之4）
由于遮挡（深处的物体被跟前的物体遮住而看不见深处的物体的状态）而产生的三维边缘那样的非面区域特别容易产生误差。点群数据再取得请求处理部106通过对那样的区域判定局部平面的拟合精度、共平面性，从而进行提取，限定于该区域，进行处理来进行再次的点群数据的取得。在该情况下，基于非面区域除去部101中的处理结果，进行与点群数据的再取得的请求相关的处理。
（处理之5）
由于一些理由，有时产生不进行面的标记、轮廓线的算出而成为空白的部分。例如，在遮挡（深处的物体被跟前的物体遮住而看不见的状态）部分、扫描光以极浅的角度（对于面、边缘的延伸方向接***行的角度）入射到测定对象物的部分中，容易产生该问题。点群数据再取得请求处理部106检测这样的区域，进行处理来进行对该区域的点群数据的再取得。通过有无标签、有无棱线、与其他区域之间的数据的连续性来判别上述的空白部分的检测。在该情况下，基于非面区域除去部101、面标记部102、轮廓线算出部103中的至少一个的处理结果，进行与点群数据的再取得的请求相关的处理。
（处理之6）
点群数据再取得请求处理部106判定综合在边缘综合部105所取得的轮廓线和二维边缘的图像（由线构成的图像：线图图像）的精度。在该情况下，如图所示，点群数据再取得请求处理部106具有精度判定部106’的功能。具体而言，对线不正常、间断、不自然的弯曲（锯齿状显示）这样的作为线的表达不自然的显示进行检测。在该处理中，将成为预先选择的基准的比较对象作为数据而预先准备，通过与该数据比较而判定是否为不自然的显示。在该情况下，基于轮廓线算出部103及二维边缘算出部104的处理结果，进行与点群数据的再取得的请求相关的处理。
（C）与请求点群数据的再取得的处理相关的结构2
作为与请求点群数据的再取得的处理相关的结构，点群数据处理装置100具备点群数据再取得请求信号输出部107、操作输入部110、以及操作输入接受部111。点群数据再取得请求信号输出部107基于点群数据再取得请求处理部106中的处理，生成请求点群数据的再取得的信号，并输出至外部。例如，接受点群数据再取得请求处理部106中的处理结果，对构成点群数据处理装置100的与个人计算机连接的三维激光扫描仪，输出请求指定的区域中的点群数据的再取得的信号。
图1的点群数据处理装置100具备操作输入部110、操作输入接受部111。操作输入部110是进行由用户对点群数据处理装置100的操作的输入装置，例如，利用GUI的操作接口。操作输入接受部111通过用户解释所操作的内容，并变换为各种控制信号。
以下，说明利用操作输入部110的操作的内容。在该例子中，用户能够观察图像显示装置109，并选择希望的部分（例如，轮廓线不清晰的部分）。能够使用GUI进行该操作。此时，使所选择的区域的颜色、浓淡变化，设定为强调显示，进行容易可视地把握的显示控制。
（D）其他结构
点群数据处理装置100具备图像显示控制部108和图像显示装置109。图像显示控制部108进行与所显示的图像的移动、旋转，显示画面的切换，放大缩小显示，涡旋（scroll），其他公知的GUI相关的图像显示装置109中的画面显示的控制。作为图像显示装置109，能举出例如液晶显示器等。将在边缘综合部105获得的线图的数据送出至图像显示控制部108，图像显示控制部108在图像显示装置109上进行基于该线图的数据的附图显示（线图的显示）。
（动作例）
对以上所说明的结构的动作的一个例子进行说明。在图9中，示出在点群数据处理装置100中进行的动作的一个例子。在此，以将用于进行点群数据的取得的三维激光扫描仪与点群数据处理装置100连接的结构作为前提。当开始处理时（步骤S301），首先对三维激光扫描仪指示粗点群数据的取得，并进行粗点群数据的取得（步骤S302）。粗点群数据是在将测定点的密度设定得相对较小（将扫描密度设定得较小）的扫描条件下所获得的数据，是以对于面的提取是充分的、但是对于轮廓线的算出是稍不充分的密度获得点群数据的设定。粗点群数据的点的密度（扫描密度）利用通过实验求取的值。
如果获得粗点群数据，则进行图2所示的处理并进行边缘的提取（步骤S303）。通过该处理，获得利用轮廓线和二维边缘构成的线图的数据。接着，利用点群数据再取得请求处理部106的功能，决定再取得点群数据的区域（步骤S304）。利用在上述的点群数据再取得请求处理部106中所进行的处理的一个或多个而进行该决定。此外，在没有再取得点群数据的区域的情况下，前进至步骤S307。作为没有再取得点群数据的区域的情况，能举出用粗点群数据能获得充分的精度的情况。接着，对再取得点群数据的区域进行获得再次的点群数据的处理（再扫描），取得再次点群数据（步骤S305）。此时，在与步骤S302的情况相比增大相对点群数据的密度（测定点的密度＝扫描密度）的条件下取得再次点群数据。
接着，基于再次获得的点群数据，再次进行图2的处理，进行提取再次边缘的处理（步骤S306）。随后，将所提取的边缘的图像（综合轮廓线和二维边缘的线图图像）显示于图像显示装置109（步骤S307）。在此，用户观看所显示的画面，在存在着请求再次点群数据的取得的部分的情况下，从图1的操作输入装置110操作输入该意思。在该情况下，步骤S308的判定变为存在着再取得区域，返回步骤S304的前一阶段。此时，将由用户指定的测定对象物的区域决定为再取得区域（步骤S304），再次执行步骤S305以下的处理。在步骤S308中，在没有用户的再次的点群数据取得的指示的情况下，结束处理（步骤S309）。
2．第2实施方式
以下，对具备三维激光扫描仪的点群数据处理装置进行说明。在该例子中，点群数据处理装置对测定对象物扫描并照射测距光（激光），基于激光的飞行时间对从自身位置到测定对象物上的多个测定点的距离进行测距。另外，点群数据处理装置检测激光的照射方向（水平角及高低角），基于距离及照射方向运算测定点的三维坐标。另外，点群数据处理装置取得摄像测定对象物的二维图像（各测定点处的RGB强度），形成连结二维图像和三维坐标的点群数据。点群数据处理装置进一步从所形成的点群数据形成示出利用轮廓线构成的对象物的三维轮廓线的线图。点群数据处理装置还具有在第1实施方式中说明的点群数据的再取得功能。
（结构）
图10及图11是示出点群数据处理装置1的结构的截面图。点群数据处理装置1具备调平部22、旋转机构部23、主体部27以及旋转照射部28。主体部27由测距部24、摄像部25、控制部26等构成。此外，为了说明的方便，相对于图10所示的截面方向，图11示出仅从侧方观看旋转照射部28的状态。
调平部22具有底盘（台盤）29，旋转机构部23具有下部机壳30。下部机壳30利用销31和2个调整螺丝32而3点支撑于底盘29。下部机壳30以销31的前端为支点翘起。此外，为了不使底盘29和下部机壳30互相背离，在底盘29与下部机壳30之间设置有拉伸弹簧33。
在下部机壳30的内部设置有2个调平马达34。通过控制部26互相独立地驱动2个调平马达34。通过调平马达34的驱动，调整螺丝32经由调平驱动齿轮35、调平从动齿轮36旋转，调整向调整螺丝32的下方的突出量。另外，在下部机壳30的内部设置有倾斜传感器37（参照图12）。通过倾斜传感器37的检测信号驱动2个调平马达34，由此执行调平。
旋转机构部23在下部机壳30的内部具有水平角用驱动马达38。在水平角用驱动马达38的输出轴嵌合固定水平转动驱动齿轮39。水平转动驱动齿轮39与水平转动齿轮40啮合。水平转动齿轮40设置于旋转轴部41。旋转轴部41设置于旋转底座42的中央部。旋转底座42经由轴承部件43而设置于下部机壳30的上部。
另外，在旋转轴部41设置有例如编码器作为水平角检测器44。水平角检测器44检测相对于下部机壳30的旋转轴部41的相对旋转角（水平角）。将水平角输入至控制部26，控制部26基于该检测结果控制水平角用驱动马达38。
主体部27具有主体部机壳45。主体部机壳45与旋转底座42固接。在主体部机壳45的内部设置有镜筒46。镜筒46具有与主体部机壳45的旋转中心同心的旋转中心。镜筒46的旋转中心与光轴47一致。在镜筒46的内部设置有作为光束分离单元的分束器48。分束器48具有透射可见光并且反射红外光的功能。光轴47通过分束器48与光轴49和光轴50分离。
测距部24设置于镜筒46的外周部。测距部24具有作为发光部的脉冲激光源51。在脉冲激光源51与分束器48之间，配设有带孔的镜52、变更激光的束腰直径的束腰变更光学***53。测距光源部由脉冲激光源51、束腰变更光学***53、带孔的镜52构成。带孔的镜52具有将脉冲激光从孔部52a引导至分束器48，将从测定对象物反射回来的反射激光向着测距光接收部54反射的作用。
脉冲激光源51通过控制部26的控制而以既定定时发出红外脉冲激光。通过分束器48向着高低角用转动镜55反射红外脉冲激光。高低角用转动镜55向着测定对象物反射红外脉冲激光。高低角用转动镜55通过在高低角方向上旋转，将在铅直方向上延伸的光轴47变换为高低角方向的照明光轴56。在分束器48与高低角用转动镜55之间并且在镜筒46的内部配设有聚光透镜57。
经由高低角转动用镜55、聚光透镜57、分束器48、带孔的镜52将来自测定对象物的反射激光引导至测距光接收部54。另外，通过内部参照光路将参照光也引导至测距光接收部54。基于在测距光接收部54光接收反射激光的时间和通过内部参照光路在测距光接收部54光接收激光的时间之差，测定从点群数据处理装置1到测定对象物（测定对象点）的距离。
摄像部25具有图像光接收部58。图像光接收部58设置于镜筒46的底部。图像光接收部58由平面状地集合并排列多个像素的装置、例如CCD（ChargeCoupledDevice，电荷耦合设备）构成。通过光轴50确定图像光接收部58的各像素的位置。例如，以光轴50为原点，假设X－Y坐标，将像素定义为该X－Y坐标的点。
旋转照射部28收纳于照明机壳59的内部。照明机壳59的周壁的一部分成为照明窗。如图11所示，在镜筒46的凸缘部60对置地设置有一对镜保持板61。在镜保持板61中架设有转动轴62。高低角用转动镜55固定于转动轴62。在转动轴62的一端部嵌合固定高低角齿轮63。在转动轴62的另一端侧设置有高低角检测器64。高低角检测器64检测高低角用转动镜55的转动角，将其检测结果输出至控制部26。
在镜保持板61的一个安装有高低角用驱动马达65。在高低角用驱动马达65的输出轴嵌合固定驱动齿轮66。驱动齿轮66与安装于旋转轴62的高低角齿轮63啮合。基于高低角检测器64的检测结果，通过控制部26的控制而适当驱动高低角用驱动马达65。
在照明机壳59的上部设置有准星照门67。准星照门67用于对测定对象物进行概略准直。使用准星照门67的准直方向设定为相对于照明光轴56的延伸方向及转动轴62的延伸方向正交的方向。
图12是控制部的框图。将来自水平角检测器44、高低角检测器64、倾斜传感器37的检测信号输入至控制部26。另外，控制部26从操作部6输入操作指示信号。控制部26驱动控制水平角用驱动马达38、高低角用驱动马达65、调平马达34，并且控制显示操作状况、测定结果等的显示部7。存储器卡、HDD等外部存储装置68设定为可装卸于控制部26。
控制部26由运算部4、存储部5、水平驱动部69、高低驱动部70、调平驱动部71、距离数据处理部72、图像数据处理部73等构成。存储部5存放进行测距、高低角和水平角的检测所需要的序列程序、运算程序、执行测定数据的处理的测定数据处理程序、进行图像处理的图像处理程序、从点群数据提取面并进一步算出轮廓线的程序、用于将该算出的轮廓线显示于显示部7的图像显示程序、控制与点群数据的再取得相关的动作的程序等各种程序，并且存放用于综合管理这些各种程序的综合管理程序等。另外，存储部5存放测定数据、图像数据等各种数据。水平驱动部69驱动控制水平角用驱动马达38，高低驱动部70驱动控制高低角用驱动马达65，调平驱动部71驱动控制调平马达34。距离数据处理部72处理通过测距部24获得的距离数据，图像数据处理部73处理通过摄像部25获得的图像数据。
图13是运算部4的框图。运算部4具备三维坐标运算部74、链接形成部75、栅格形成部9、点群数据处理部100’。从距离数据处理部72输入测定对象点的距离数据，并从水平角检测器44及高低角检测器64输入测定对象点的方向数据（水平角及高低角）至三维坐标运算部74。三维坐标运算郜74基于所输入的距离数据和方向数据，算出以点群数据处理装置1的位置作为原点（0，0，0）的各测定点的三维坐标（正交坐标）。
将从图像数据处理部73算出图像数据及三维坐标运算部74的各测定点的三维坐标的坐标数据输入至链接形成部75。链接形成部75形成连结图像数据（各测定点的RGB强度）和三维坐标的点群数据2。即，在链接形成部75着眼于测定对象物的某点的情况下，作成关联其着眼点的二维图像中的位置与其着眼点的三维坐标的数据。对全部的测定点算出该关联的数据，其成为点群数据2。
点群数据处理装置1能从不同方向取得所测定的测定对象物的点群数据2。因此，以一个测定方向为1块时，点群数据2能够由多个块的二维图像和三维坐标构成。
另外，链接形成部75将以上点群数据2输出至栅格形成部9。在点群数据2的邻接点的点间距离不固定的情况下，栅格形成部9形成等间隔的栅格（网格），向栅格的交点注册最接近点。或者，栅格形成部9使用线性内插法、双三次（bicubic）法将全部点修正到栅格的交点位置。此外，在点群数据2的点间距离固定的情况下，能够省略栅格形成部9的处理。
以下，对栅格的形成顺序进行说明。图14是示出点间距离不固定的点群数据的图，图15是示出所形成的栅格的图。如图14所示，求取各列的平均水平间隔H1~N，进一步算出列间的平均水平间隔的差量ΔHi，j，将其平均设定为栅格的水平间隔ΔH（数学式2）。关于垂直方向的间隔，算出与各列中的垂直方向的邻接点的距离ΔHVN，H，将图像尺寸W，H的图像整体中的ΔVN，H的平均设定为垂直间隔ΔV（数学式3）。而且，如图15所示，形成所算出的水平间隔ΔH及垂直间隔ΔV的栅格。
[数学式2]
（ΣΔHi,j）/（N－1）＝ΔH
[数学式3]
（ΣΔVi,j）/（W×H）＝ΔV
接着，向形成的栅格的交点注册最接近点。此时，对从交点到各点的距离设置既定阈值，对注册进行限制。例如，将阈值设定为水平间隔ΔH及垂直间隔ΔV的1/2。此外，也可以像线性内插法、双三次法那样，添加与交点的距离对应的权重对全部点进行修正。但是，在进行内插的情况下，成为本来未计测的点。
将如以上那样获得的点群数据输出至点群数据处理部100’。点群数据处理部100’进行在第1实施方式中说明的动作，其结果是在作为液晶显示器的显示部7显示所获得的图像。这方面与关于第1实施方式而说明的情况相同。
点群数据处理部100’具有在图1点群数据处理装置100中省略图像显示装置109和操作输入部110的结构。在该情况下，通过利用FPGA的专用集成电路用硬件构成点群数据处理部100’。点群数据处理部100’与点群数据处理装置100同样地进行对点群数据的处理。
（其他）
控制部26的结构成为组合使用从栅格形成部9将点群数据输出的方式与第1实施方式的点群数据处理装置的三维激光扫描仪。另外，通过设定为将设定为从栅格形成部9输出点群数据的方式的三维扫描仪和接受该三维扫描仪的输出并进行在实施方式1中所说明的动作的图1的点群数据处理装置1组合的***，能获得利用本发明的点群数据处理***。
3．第3实施方式
以下，对具备图像计测装置的点群数据处理装置进行说明，该图像计测装置具备立体照相机。对于与第1及第2实施方式同样的结构，使用相同的标号，并省略其说明。
（点群数据处理装置的结构）
在图16中示出点群数据处理装置200。点群数据处理装置200具有综合具备立体照相机的图像计测功能和利用本发明的点群数据处理功能的结构。点群数据处理装置200在从不同方向重复的摄影区域中对测定对象物摄影，与重复图像内的特征点，基于预先求取的摄影部的位置及姿态和重复图像内的特征点的位置，运算特征点的三维坐标。另外，点群数据处理装置200基于重复图像中的特征点的视差、计测空间以及基准方式，形成连结二维图像和三维坐标的点群数据。并且，点群数据处理装置200基于所获得的点群数据，进行面标记处理及轮廓线数据的算出。另外，点群数据处理装置200具有在第1实施方式中说明的点群数据的再取得及进行基于其的再运算的功能。
图16是示出点群数据处理装置200的结构的框图。点群数据处理装置200具备用于获得立体图像的摄影部76、77，特征投影部78，图像数据处理部73，运算部4，存储部5，操作部6，显示部7，数据输出部8。对于摄影部76、77，使用数码相机、视频照相机、工业计测用CCD照相机（ChargeCoupledDeviceCamera，电荷耦合设备照相机）、CMOS照相机（ComplementaryMetalOxideSemiconductorCamera，互补型金属氧化物半导体照相机）等。摄影部76、77作为从不同摄影位置在重复的摄影区域中对测定对象物进行摄影的立体照相机起作用。此外，摄像部的数量不限于2台，也可以是3台以上。
对于特征投影部78，使用投影仪、激光装置等。特征投影部78对于测定对象物投影随机点图案、点状的斑点光、线状的狭缝光等图案。由此，使测定对象物的缺乏特征的部分具有特征，使图像处理容易。特征投影部78主要在没有花纹的中小型人工物的精密计测的情况下使用。在通常位于屋外的比较的大的测定对象物的计测、不需要精密计测的情况下，或者，测定对象物具有特征的情况下、能够涂敷花纹的情况下，能够省略特征投影部78。
图像数据处理部73将摄像部76、77所摄影的重复图像变换为能够用运算部4处理的图像数据。存储部5存放测定摄影位置及姿态的程序、从重复图像内提取特征点并进行对应的程序、基于摄影位置及姿态和重复图像内的特征点的位置运算三维坐标的程序、判定误对应点并形成点群数据的程序、从点群数据提取面进一步算出轮廓线的程序、用于在显示部7显示该算出的轮廓线的图像显示程序、控制与点群数据的再取得相关的动作的程序等各种程序，并且存放用于综合管理这些各种程序的综合管理程序等。另外，在存储部5存储点群数据、图像数据等各种数据。
操作部6通过用户进行操作，将操作指示信号输出至运算部4。显示部7显示运算部4的处理数据，数据输出部8将运算部4的处理数据输出至外部。从图像数据处理部73将图像数据输入至运算部4。在使用固定的2台以上的照相机的情况下，运算部4基于校正用拍照对象79的摄影图像测定摄像部76、77的位置及姿态，从测定对象物的重复图像内提取特征点并进行对应。运算部4计算摄像部76、77的位置及姿态，而且基于重复图像内的特征点的位置，运算测定对象物的三维坐标，形成点群数据2。运算郜4进一步从点群数据2提取面，算出测定对象物的轮廓线。
图17是运算部4的框图。运算部4具备点群数据处理部100’、摄影位置姿态测定部81、特征点对应部82、背景除去部83、特征点提取部84、对应点搜索部85、三维坐标运算部86、误对应点判定部87、视差判定部88、空间判定部89、形态判定部90。
点群数据处理部100’具有图1的点群数据处理装置100中省略图像显示装置109和操作输入部110的结构。在此，通过利用FPGA的专用集成电路用硬件构成点群数据处理部100’。点群数据处理部100’与点群数据处理装置100同样地进行对点群数据的处理。
将摄像部76、77摄影的重复图像的图像数据从图像数据处理部73输入至摄影位置姿态测定部81。如图16所示，在校正用拍照对象79以既定间隔贴上靶80（怀旧靶（retrotarget）、或码靶（codetarget）、或彩色码靶（colorcodetarget）），摄影位置姿态测定部81从校正用拍照对象79的摄影图像检测目标80的图像坐标，使用公知的相互标定法或单照相标定法或DLT（DirectLinearTransformation，直接线性变换）法，或者Bundle调整法，测定摄影部76、77的位置及姿态。此外，也可以单独使用也可以组合使用相互标定法、单照相标定法或DLT法、Bundle调整法。
特征点对应部82从图像数据处理部73输入测定对象物的重复图像，从重复图像提取测定对象物的特征点并进行对应。特征点对应部82由背景除去部83、特征点提取部84、对应点搜索部85构成。背景除去部83通过从拍照测定对象物的摄影图像区分未拍照测定对象物的背景图像、利用操作部6算符指定想要测定的部位，或者自动提取测定部位（预先注册的模型的利用、自动检测特征丰富的部位），从而生成仅拍照测定对象物的背景除去图像。此外，在不需要除去背景的情况下，能够省略背景除去部83的处理。
特征点提取部84从背景除去图像提取特征点。对于特征点的提取，使用Sobel、Laplacian、Prewwit、Roberts等的微分滤波器。对应点搜索部85在另一个图像内搜索与在一个图像中所提取的特征点对应的对应点。关于对应点的搜索，使用残差逐次检验法（SequentialSimiLarityDetectionAlgorithmMethod（序贯相似性检测算法）：SSDA）、归一化相关法、方向标号照合法（OrientationCodeMatching（取向码匹配）：OCM）等的模板匹配。
三维坐标运算部86基于用摄影位置姿态测定部81测定的摄像部76、77的位置及姿态、用特征点对应部82进行对应的特征点的图像坐标，运算各特征点的三维坐标。误对应点判定部87基于视差、计测空间及基准方式中的至少一个来判定误对应点。误对应点判定部87由视差判定部88、空间判定部89、形态判定部90构成。
视差判定部88作成重复图像中对应的特征点的视差的直方图，将具有从视差的平均值未处于既定范围内的视差的特征点判定为误对应点。例如，将平均值±1.5σ（标准偏差）设定为阈值。空间判定部89将从校正用拍照对象70的重心位置既定距离的空间定义为计测空间，在用三维坐标运算部86运算出的特征点的三维坐标从其计测空间突出的情况下，将其特征点判定为误对应点。形态判定部90从用三维坐标运算部86运算出的特征点的三维坐标，形成或输入测定对象物的基准方式（粗糙面），基于与基准方式和特征点的三维坐标的距离判定误对应点。例如，基于特征点，形成具有既定长度以上的边的TIN（TriangulatedIrregularNetwork（不规则三角网）），删除边较长的TIN，从而形成粗糙面。接着，基于与粗糙面和特征点的距离判定误对应点。
误对应点判定部87形成除去所判定的误对应点的点群数据2。点群数据2具有连结二维图像和三维坐标的直接链接构造。在点群数据2的邻接点的点间距离不固定的情况下，如用第2实施方式所说明的那样，运算部4在误对应点判定部87和点群数据处理装置100’之间需要具备栅格形成部9。在该情况下，栅格形成部9形成等间隔的栅格（网格），向栅格的交点注册最接近点。随后，如用第1实施方式所说明的那样，从点群数据2提取面，进一步进行测定对象物的轮廓线的算出。另外，进行需要取得再次点群数据的区域中的点群数据的取得。
关于本实施方式中的点群数据的再取得，有两种方法。其第1是通过摄影部76、77进行再次的摄影，并进行指定的区域的点群数据的再取得的情况。这在通过的车辆移动而点群数据中混入噪声的情况下、由于天气不能正确获得点群数据的情况下等利用。其第2是使用与前次相同的摄影图像的数据，进行使特征点的密度更高的运算，获得再次点群数据的情况。与第2实施方式的三维激光扫描仪的情况不同，由于摄影部76、77所摄影的图像的密度（精细度）依赖于利用的照相机的性能，所以如果在相同条件下，即使进行再次摄影也不能获得更高密度的图像。在该情况下，在指定区域中，再次进行提高特征点的密度的运算，由此获得更高密度的点群数据的方法有效。
依据第3实施方式，能够通过图像计测装置取得由二维图像和三维坐标构成的点群数据。另外，通过设定为将设定为从误对应点判定部87输出点群数据的方式的图像计测装置和接受该图像形成装置的输出并进行在实施方式1中所说明的动作的图1的点群数据处理装置1组合的***，能获得利用本发明的点群数据处理***。
产业上的可利用性
本发明能够利用于进行三维信息的测定的技术。

Claims (8)

1.一种点群数据处理装置，具备：
非面区域除去部，基于测定对象物的点群数据除去非面区域的点；
面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；以及
轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线，其特征在于，
所述点群数据处理装置，还具备：
点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，
所述轮廓线算出部具备：
局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及
局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，
基于所述局部面或所述局部线进行所述轮廓线的算出，
所述点群数据再取得请求处理部进行请求所述非面区域的点群数据的再取得的处理，
请求所述点群数据的再取得的处理是与之前的点群数据的取得时相比、请求点的密度高的点群数据的再取得的处理。
2.如权利要求1所述的点群数据处理装置，其特征在于，
具备对所述同一标签的赋予及所述轮廓线的算出的精度进行判定的精度判定部，
所述点群数据再取得请求处理部基于所述精度判定部的判定而进行请求所述点群数据的再取得的处理。
3.如权利要求1所述的点群数据处理装置，其特征在于，
具备接受部，接受请求所述点群数据的再取得的区域的指定。
4.一种点群数据处理装置，具备：
非面区域除去部，基于测定对象物的点群数据除去非面区域的点；
面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；以及
轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线，其特征在于，
所述点群数据处理装置，还具备：
点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，
所述轮廓线算出部具备：
局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及
局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，
基于所述局部面或所述局部线进行所述轮廓线的算出，
所述点群数据包含与来自对象物的反射光的强度相关的信息，
还具备基于与所述反射光的强度相关的信息来算出构成赋予所述同一标签的面内的花纹的二维边缘的二维边缘算出部，
所述点群数据再取得请求处理部基于所述二维边缘算出部的算出结果进行请求所述点群数据的再取得的处理。
5.一种点群数据处理装置，具备：
旋转照射部，对于测定对象物旋转照射测距光；
测距部，基于所述测距光的飞行时间对从自身的位置到测定对象物上的测定点的距离进行测距；
照射方向检测部，检测所述测距光的照射方向；
三维坐标算出部，基于所述距离及所述照射方向而算出所述测定点的三维坐标；
非面区域除去部，基于测定对象物的点群数据除去非面区域的点；
面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；以及
轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线，其特征在于，
所述点群数据处理装置，还具备：
点群数据取得部，基于所述三维坐标算出部算出的结果取得所述测定对象物的点群数据；以及
点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，
所述轮廓线算出部具备：
局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及
局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，
基于所述局部面或所述局部线进行所述轮廓线的算出，
所述点群数据再取得请求处理部进行请求所述非面区域的点群数据的再取得的处理，
请求所述点群数据的再取得的处理是与之前的点群数据的取得时相比、请求点的密度高的点群数据的再取得的处理。
6.一种点群数据处理装置，具备：
摄影部，在从不同方向重复的摄影区域中对测定对象物进行摄影；
三维坐标算出部，基于所述摄影部的位置及姿态和所述重复图像内的特征点的位置而算出特征点的三维坐标；
非面区域除去部，基于测定对象物的点群数据除去非面区域的点；
面标记部，对于通过所述非面区域除去部除去的点以外的点，对同一面上的点赋予同一标签；以及
轮廓线算出部，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线，其特征在于，
所述点群数据处理装置，还具备：
特征点对应部，对通过所述摄影部获得的重复图像内的特征点进行对应；
摄影位置姿态测定部，测定所述摄影部的位置及姿态；
点群数据取得部，基于所述三维坐标算出部算出的结果取得所述测定对象物的点群数据；
以及
点群数据再取得请求处理部，基于所述非面区域除去部、所述面标记部及所述轮廓线算出部的至少一个处理结果，进行请求所述点群数据的再取得的处理，
所述轮廓线算出部具备：
局部区域取得部，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及
局部空间取得部，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，
基于所述局部面或所述局部线进行所述轮廓线的算出，
所述点群数据再取得请求处理部进行请求所述非面区域的点群数据的再取得的处理，
请求所述点群数据的再取得的处理是与之前的点群数据的取得时相比、请求点的密度高的点群数据的再取得的处理。
7.一种点群数据处理***，具备：
点群数据取得单元，光学地获得测定对象物的点群数据；
非面区域除去单元，基于测定对象物的点群数据除去非面区域的点；
面标记单元，对于通过所述非面区域除去单元除去的点以外的点，对同一面上的点赋予同一标签；以及
轮廓线算出单元，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线，其特征在于，
所述点群数据处理***，还具备：
点群数据再取得请求处理单元，基于所述非面区域除去单元、所述面标记单元及所述轮廓线算出单元的至少一个处理结果，进行请求所述点群数据的再取得的处理，
所述轮廓线算出单元具备：
局部区域取得单元，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及
局部空间取得单元，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，
基于所述局部面或所述局部线进行所述轮廓线的算出，
所述点群数据再取得请求处理单元进行请求所述非面区域的点群数据的再取得的处理，
请求所述点群数据的再取得的处理是与之前的点群数据的取得时相比、请求点的密度高的点群数据的再取得的处理。
8.一种点群数据处理方法，具备：
非面区域除去步骤，基于测定对象物的点群数据除去非面区域的点；
面标记步骤，对于通过所述非面区域除去步骤除去的点以外的点，对同一面上的点赋予同一标签；以及
轮廓线算出步骤，在中间夹着所述非面区域、赋予不同标签的第1面及第2面之间的部分中，算出区分所述第1面和所述第2面的轮廓线，其特征在于，
所述点群数据处理方法，还具备：
点群数据再取得请求处理步骤，基于所述非面区域除去步骤、所述面标记步骤及所述轮廓线算出步骤的至少一个处理结果，进行请求所述点群数据的再取得的处理，
所述轮廓线算出步骤具备：
局部区域取得步骤，在所述第1面和所述第2面之间，取得与所述第1面连续并且基于所述非面区域的点群数据的局部区域，以及
局部空间取得步骤，进行与所述局部区域拟合并具有与所述第1面及所述第2面不同面方向的局部面、或与所述局部区域拟合并且不与所述第1面及所述第2面平行的局部线的取得，
基于所述局部面或所述局部线进行所述轮廓线的算出，
所述点群数据再取得请求处理步骤，进行请求所述非面区域的点群数据的再取得的处理，
请求所述点群数据的再取得的处理是与之前的点群数据的取得时相比、请求点的密度高的点群数据的再取得的处理。
CN201180033217.7A 2010-07-05 2011-06-28 点群数据处理装置、点群数据处理***、点群数据处理方法及点群数据处理程序 Expired - Fee Related CN102959355B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010-153318 2010-07-05
JP2010153318A JP5462093B2 (ja) 2010-07-05 2010-07-05 点群データ処理装置、点群データ処理システム、点群データ処理方法、および点群データ処理プログラム
PCT/JP2011/064756 WO2012005140A1 (ja) 2010-07-05 2011-06-28 点群データ処理装置、点群データ処理システム、点群データ処理方法、および点群データ処理プログラム

Publications (2)

Publication Number Publication Date
CN102959355A CN102959355A (zh) 2013-03-06
CN102959355B true CN102959355B (zh) 2016-03-02

Family

ID=45441123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180033217.7A Expired - Fee Related CN102959355B (zh) 2010-07-05 2011-06-28 点群数据处理装置、点群数据处理***、点群数据处理方法及点群数据处理程序

Country Status (4)

Country Link
US (1) US20130121564A1 (zh)
JP (1) JP5462093B2 (zh)
CN (1) CN102959355B (zh)
WO (1) WO2012005140A1 (zh)

Families Citing this family (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5389964B2 (ja) * 2012-02-21 2014-01-15 株式会社パスコ 地図情報生成装置
JP6192938B2 (ja) * 2013-01-15 2017-09-06 株式会社東芝 三次元合成処理システムおよび三次元合成処理方法
WO2014192316A1 (ja) * 2013-05-31 2014-12-04 パナソニックＩｐマネジメント株式会社 モデリング装置、３次元モデル生成装置、モデリング方法、プログラム、レイアウトシミュレータ
JP6156922B2 (ja) * 2013-06-07 2017-07-05 Ｎｅｃソリューションイノベータ株式会社 三次元データ生成装置、三次元データ生成方法、及びプログラム
CN103295239B (zh) * 2013-06-07 2016-05-11 北京建筑工程学院 一种基于平面基准影像的激光点云数据的自动配准方法
JP6259262B2 (ja) * 2013-11-08 2018-01-10 キヤノン株式会社 画像処理装置および画像処理方法
US11080286B2 (en) * 2013-12-02 2021-08-03 Autodesk, Inc. Method and system for merging multiple point cloud scans
JP6282725B2 (ja) * 2014-03-28 2018-02-21 株式会社日立産機システム 画像データ編集装置および画像データ編集方法ならびに画像データ編集プログラム
JP6468757B2 (ja) * 2014-08-25 2019-02-13 株式会社ミツトヨ 三次元モデル生成方法、三次元モデル生成システム及び三次元モデル生成プログラム
EP3190380B1 (en) 2014-09-03 2022-03-23 Nikon Corporation Image pickup device, information processing device, and image pickup system
DE102014115851A1 (de) * 2014-10-30 2016-05-04 Physikalisch - Technische Bundesanstalt Verfahren und Vorrichtung zur Berechnung, Darstellung und Weiterverarbeitung von lokalen Gütemaßen aus einem Volumenbilddatensatz
WO2016084389A1 (ja) * 2014-11-28 2016-06-02 パナソニックＩｐマネジメント株式会社 モデリング装置、３次元モデル生成装置、モデリング方法、プログラム
JP2016217941A (ja) * 2015-05-22 2016-12-22 株式会社東芝 ３次元データ評価装置、３次元データ測定システム、および３次元計測方法
CN105261061B (zh) * 2015-09-07 2018-10-26 深圳市易尚展示股份有限公司 一种识别冗余数据的方法及装置
US10268740B2 (en) * 2015-10-14 2019-04-23 Tharmalingam Satkunarajah 3D analytics actionable solution support system and apparatus
KR101693811B1 (ko) * 2015-12-08 2017-01-06 한국기술교육대학교 산학협력단 밸브 모델링 방법 및 장치
WO2017154706A1 (ja) * 2016-03-09 2017-09-14 株式会社ニコン 検出装置、情報処理装置、検出方法、検出プログラム、及び検出システム
JP6691837B2 (ja) * 2016-06-27 2020-05-13 株式会社キーエンス 測定装置
US10325403B2 (en) * 2016-08-24 2019-06-18 Google Llc Image based rendering techniques for virtual reality
CN108573522B (zh) * 2017-03-14 2022-02-25 腾讯科技（深圳）有限公司 一种标志数据的展示方法及终端
JP6392922B1 (ja) * 2017-03-21 2018-09-19 ファナック株式会社 検査システムの検査対象外となる領域を算出する装置、および検査対象外となる領域を算出する方法
EP3415866B1 (en) 2017-06-12 2020-06-03 Hexagon Technology Center GmbH Device, system, and method for displaying measurement gaps
JP6981802B2 (ja) * 2017-08-03 2021-12-17 東芝テック株式会社 寸法測定装置
US11348265B1 (en) * 2017-09-15 2022-05-31 Snap Inc. Computing a point cloud from stitched images
US10334232B2 (en) 2017-11-13 2019-06-25 Himax Technologies Limited Depth-sensing device and depth-sensing method
US11561283B2 (en) 2017-11-16 2023-01-24 Nec Corporation Distance measurement apparatus, distance measurement method and program
US11042146B2 (en) * 2017-11-17 2021-06-22 Kodak Alaris Inc. Automated 360-degree dense point object inspection
TWI646504B (zh) * 2017-11-21 2019-01-01 奇景光電股份有限公司 深度感測裝置及深度感測方法
US10989795B2 (en) * 2017-11-21 2021-04-27 Faro Technologies, Inc. System for surface analysis and method thereof
JP2019113553A (ja) * 2017-12-25 2019-07-11 シナノケンシ株式会社 三次元レーザー光走査装置
CN110163960A (zh) * 2018-02-08 2019-08-23 河南工业大学 一种快速精准非接触测绘古建筑的方法
JP6880512B2 (ja) 2018-02-14 2021-06-02 オムロン株式会社 ３次元測定装置、３次元測定方法及び３次元測定プログラム
CN109102569A (zh) * 2018-06-13 2018-12-28 东莞时谛智能科技有限公司 一种重构脚部点云模型处理方法及***
JP6821712B2 (ja) * 2018-06-25 2021-01-27 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド 自然光景中での統合センサの較正
CN109191584B (zh) * 2018-08-16 2020-09-18 Oppo广东移动通信有限公司 三维模型处理方法、装置、电子设备及可读存储介质
JP7112929B2 (ja) * 2018-09-28 2022-08-04 株式会社トプコン 点群データ表示システム
US11200430B2 (en) * 2018-11-05 2021-12-14 Tusimple, Inc. Systems and methods for detecting trailer angle
JP7242431B2 (ja) * 2019-05-31 2023-03-20 公益財団法人かずさＤｎａ研究所 三次元計測装置、三次元計測方法および三次元計測用プログラム
US11158075B2 (en) * 2019-06-03 2021-10-26 Zebra Technlogies Corporation Method, system and apparatus for depth sensor artifact removal
US11393127B2 (en) 2019-09-13 2022-07-19 Toyota Research Institute, Inc. 2D to 3D line-based registration with unknown associations
JP7314447B2 (ja) * 2019-10-25 2023-07-26 株式会社トプコン スキャナシステム及びスキャン方法
CN111127312B (zh) * 2019-12-25 2023-08-22 武汉理工大学 一种复杂物体点云提取圆的方法及扫描装置
US11074708B1 (en) * 2020-01-06 2021-07-27 Hand Held Products, Inc. Dark parcel dimensioning
CN111241353B (zh) * 2020-01-16 2023-08-22 支付宝(杭州)信息技术有限公司 一种图数据的分区方法、装置以及设备
CN111325138B (zh) * 2020-02-18 2023-04-07 中国科学院合肥物质科学研究院 一种基于点云局部凹凸特征的道路边界实时检测方法
CN111445385B (zh) * 2020-03-28 2023-06-09 哈尔滨工程大学 一种基于rgb色彩模式的三维物体平面化方法
US11354547B2 (en) 2020-03-31 2022-06-07 Toyota Research Institute, Inc. Systems and methods for clustering using a smart grid
CN111612902B (zh) * 2020-04-20 2023-07-11 杭州鼎控自动化技术有限公司 一种基于雷达点云数据的煤矿巷道三维模型构建方法
JP7447661B2 (ja) 2020-04-23 2024-03-12 Tdk株式会社 板状対象物の配列検出装置およびロードポート
CN111813882B (zh) * 2020-06-18 2024-05-14 浙江华睿科技股份有限公司 一种机器人地图构建方法、设备及存储介质
CN112199802A (zh) * 2020-08-15 2021-01-08 中建安装集团有限公司 基于轨行区点云大数据的管线预制安装方法
US11740360B2 (en) * 2020-11-02 2023-08-29 Motional Ad Llc Light detection and ranging (LiDaR) scan smoothing
CN112767319B (zh) * 2020-12-30 2024-06-25 无锡祥生医疗科技股份有限公司 基于点云数据分割的乳腺超声成像方法、装置及存储介质
CN116615670A (zh) * 2021-01-13 2023-08-18 松下知识产权经营株式会社 测距***
CN112818776B (zh) * 2021-01-20 2023-07-21 中铁二院工程集团有限责任公司 一种基于机载LiDAR点云的铁路既有线横断面测量方法
CN113291847A (zh) * 2021-03-31 2021-08-24 湖南千盟工业智能***股份有限公司 一种基于三维成像的散料智能堆取料方法
CN113516695B (zh) * 2021-05-25 2023-08-08 中国计量大学 激光轮廓仪平面度测量中的点云配准策略
CN113344866B (zh) * 2021-05-26 2024-06-14 长江水利委员会水文局长江上游水文水资源勘测局 一种点云综合精度评价方法
CN114609591B (zh) * 2022-03-18 2022-12-20 湖南星晟智控科技有限公司 一种基于激光点云数据的数据处理方法
CN114627020B (zh) * 2022-03-18 2023-06-20 易思维（杭州）科技有限公司 一种曲面工件反光噪点去除方法
CN115423835B (zh) * 2022-11-02 2023-03-24 中汽创智科技有限公司 杆状物点云数据处理方法、装置、电子设备及存储介质
CN116167668B (zh) * 2023-04-26 2023-07-14 山东金至尊装饰工程有限公司 基于bim的绿色节能建筑施工质量评价方法及***
CN117525763B (zh) * 2023-11-08 2024-05-14 金寨国轩新能源有限公司 一种软包电芯分层式极耳及其弯折检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
CN101153796A (zh) * 2006-09-25 2008-04-02 株式会社拓普康 测量方法、测量***和测量数据处理程序

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08252668A (ja) * 1995-03-15 1996-10-01 Nippon Steel Corp 鋼片の開先突合せ点検出方法
JP4427656B2 (ja) * 2003-07-01 2010-03-10 学校法人東京電機大学 測量データの処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
CN101153796A (zh) * 2006-09-25 2008-04-02 株式会社拓普康 测量方法、测量***和测量数据处理程序

Also Published As

Publication number Publication date
US20130121564A1 (en) 2013-05-16
WO2012005140A1 (ja) 2012-01-12
JP2012013660A (ja) 2012-01-19
JP5462093B2 (ja) 2014-04-02
CN102959355A (zh) 2013-03-06

Similar Documents

Publication Publication Date Title
CN102959355B (zh) 点群数据处理装置、点群数据处理***、点群数据处理方法及点群数据处理程序
US9117281B2 (en) Surface segmentation from RGB and depth images
JP5343042B2 (ja) 点群データ処理装置および点群データ処理プログラム
US9207069B2 (en) Device for generating a three-dimensional model based on point cloud data
Rocchini et al. A low cost 3D scanner based on structured light
US6747260B2 (en) Method and apparatus for three-dimensional color scanning
CN112384891B (zh) 用于点云着色的方法和***
US20100328308A1 (en) Three Dimensional Mesh Modeling
Pound et al. A patch-based approach to 3D plant shoot phenotyping
CN115330958A (zh) 基于激光雷达的实时三维重建方法及装置
Honauer et al. The hci stereo metrics: Geometry-aware performance analysis of stereo algorithms
Flores-Fuentes et al. 3D spatial measurement for model reconstruction: A review
Yang et al. Noise-resilient reconstruction of panoramas and 3d scenes using robot-mounted unsynchronized commodity rgb-d cameras
Shufelt Geometric constraints for object detection and delineation
Elkhrachy Feature extraction of laser scan data based on geometric properties
JPH05135155A (ja) 連続シルエツト画像による３次元モデル構成装置
Agouris et al. Automated spatiotemporal change detection in digital aerial imagery
CN109377562B (zh) 一种自动三维测量的视点规划方法
JPH11211831A (ja) 複数移動物体の位置計測方法及びその位置計測プログラムを記載した記録媒体ならびに複数移動物体の位置計測システム
Savarese et al. Implementation of a shadow carving system for shape capture
Elgazzar et al. Active range sensing for indoor environment modeling
Huynh Feature-based stereo vision on a mobile platform
Tate et al. Depth map construction from range-guided multiresolution stereo matching
CN113343739B (zh) 可移动设备的重定位方法和可移动设备
Gray Development of Fixed-Site Photogrammetric Applications and Optimization for Slope Hazard Monitoring

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160302

Termination date: 20160628

CF01 Termination of patent right due to non-payment of annual fee