CN103247075A - 基于变分机制的室内环境三维重建方法 - Google Patents
基于变分机制的室内环境三维重建方法 Download PDFInfo
- Publication number
- CN103247075A CN103247075A CN201310173608XA CN201310173608A CN103247075A CN 103247075 A CN103247075 A CN 103247075A CN 201310173608X A CN201310173608X A CN 201310173608XA CN 201310173608 A CN201310173608 A CN 201310173608A CN 103247075 A CN103247075 A CN 103247075A
- Authority
- CN
- China
- Prior art keywords
- camera
- formula
- current
- algorithm
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于计算机视觉与智能机器人的交叉领域,公开了一种基于变分机制的大范围室内场景的重建方法,包括:步骤一,获取相机的标定参数,并建立畸变矫正模型;步骤二,建立相机位姿描述与相机投影模型;步骤三,利用基于SFM的单目SLAM算法实现相机位姿估计;步骤四,建立基于变分机制的深度图估计模型,并求解该模型;步骤五,建立关键帧选取机制,实现三维场景的更新。本发明采用RGB相机获取环境数据,针对利用高精度单目定位算法,提出了一种基于变分机制的深度图生成方法,实现了大范围的快速室内三维场景重建,有效地解决了三维重建算法成本与实时性问题。
Description
技术领域
本发明属于计算机视觉与智能机器人的交叉领域,涉及一种室内环境三维重建技术,尤其涉及一种基于变分机制的大范围室内场景的重建方法。
技术背景
随着同时定位与地图创建(Simultaneous Localization And Mapping,SLAM)研究的不断深入,环境三维立体化建模已逐步成为该领域研究热点,引起众多学者的关注。G.Klein等于2007年在增强现实(AR)领域首先提出同时定位与地图创建(Parallel Tracking and Mapping,PTAM)的概念,以解决环境实时建模问题。PTAM将摄像机跟踪与地图生成划分为两个独立线程,利用FastCorner方法更新检测特征点的同时,采用最优的局部与全局光束平差法(Bundle Adjustment,BA),不断实现相机位姿与三维特征点地图的更新。该方法基于稀疏点云建立了环境三维地图,但该地图缺乏对环境的直观三维描述。Pollefeys等人通过多传感器融合实现了大型室外场景的三维重建。但该方法存在计算的高复杂性以及对噪音敏感等缺点。目前在实时跟踪和稠密环境模型重构方面也有了一些尝试性的进步,但是仅仅局限于一些简单物体的重构,并且只能在特定约束条件下可以获得较高的精度。Richard A.Newcombe等人,利用基于SFM(Structure from Moving)的SLAM算法获取空间稀疏特征点云,采用多尺度径向基插值,运用图形图像学中隐式曲面多边形化方法,构造三维空间初始化网格地图,并结合场景流约束与高精度TV-L1光流算法更新网格顶点坐标,以达到逼近真实场景的目的。该算法能获取高精度的环境模型,但由于其算法复杂度较高,在两个图形硬件处理器(GPU)加速情况下,处理一帧图像仍需花费几秒钟的时间。
发明内容
针对现有技术中存在的上述问题,本发明提供了一种基于变分机制的快速三维重建方法,以实现在室内复杂环境下的三维建模。该方法保证环境信息的同时降低了所需处理数据量,能实现大范围的快速室内三维场景重建。有效地解决了三维重建算法成本与实时性问题,提高了重建精度。
本发明采用的技术方案如下:
利用PTAM算法作为相机位姿估计手段,并在关键帧处选取适当图像序列构造基于变分模式的深度图估计能量函数,运用原始对偶算法优化上述能量函数,实现在当前关键帧处环境深度图的获取。由于该算法利用邻近帧信息构造能量函数,且有效利用了特定视角坐标***间的关联性,以及摄像机透视投影变换关系,使得数据项蕴含了多视成像约束,降低了算法模型求解的计算复杂度。在统一计算架构下,本发明利用图形加速硬件实现了算法的并行优化,有效提高了算法实时性。
一种基于变分机制的室内环境三维重建的方法,其特征在于包括以下步骤:
步骤一,获取相机的标定参数,并建立畸变矫正模型。
在计算机视觉应用中,通过相机成像的几何模型,有效建立图像中像素点与空间三维点之间的映射关系。构成相机模型的几何参数须通过实验与计算才能得到,求解上述参数的过程就称之为相机标定。在本发明中相机参数的标定是非常关键的环节,标定参数的精度直接影响最终结果三维地图的准确性。
相机标定的具体过程为:
(1)打印一张棋盘模板。本发明采用一张A4纸,棋盘的间隔为0.25cm。
(2)从多个角度拍摄棋盘。拍摄时,应尽量让棋盘占满屏幕,并保证棋盘的每一个角都在屏幕中,一共拍摄6张模板图片。
(3)检测出图像中的特征点,即棋盘的每一个黑色交叉点。
(4)求取相机的内部参数,方法如下:
RGB相机标定参数主要为相机内参。相机的内参矩阵K为:
式中,u、v为相机平面坐标轴,(u0,v0)是相机像平面中心坐标,(fu,fv)是相机的焦距。
根据标定参数,RGB图像中点与三维空间点的映射关系如下:RGB图像中点p=(u,v)在相机坐标系下的坐标P3D=(x,y,z)表示为:
式中,d表示深度图像中点p的深度值。
本发明中相机坐标系如图2所示,向下为y轴正方向,向前为z轴正方向,向右为x正方向。将相机的起始点位置设定为世界坐标系原点,世界坐标系的X、Y、Z方向与相机的定义相同。
FOV(Field of Viewer)相机矫正模型为:
式中,xu为z=1面的像素坐标,ud为原始图像中像素坐标,ω为FOV相机畸变系数。
步骤二,建立相机位姿描述与相机投影模型。
在已建立起的世界坐标系下,相机位姿可以表示为如下矩阵:
式中,“cw”表示从世界坐标系到当前相机坐标系,Tcw∈SE(3),SE(3)为刚体的旋转平移变换空间。Tcw可由如下六元组μ=(μ1,μ2,μ3,μ4,μ5,μ6)表示,即:
式中,μ1,μ2,μ3分别为Kinect在全局坐标系下的平移量,μ4,μ5,μ6表示局部坐标系下坐标轴的旋转量。
相机的位姿Tcw建立了当前坐标系下空间点云坐标pc到世界坐标pw的变换关系,即:
pc=Tcwpw
在当前标系下,三维空间点云到z=1平面上投影定义为:
π(p)=(xz,yz)T
式中,p∈R3为三维空间点,x,y,z为该点的坐标值。根据当前坐标点深度值d,利用逆向投影法确定当前空间三维点坐标p,其坐标关系可表示为:
π-1(u,d)=dK-1u
步骤三,利用基于SFM的单目SLAM算法实现相机位姿估计。
目前,单目视觉SLAM算法主要包括基于滤波与SFM(Structure from Moving)的SLAM算法。本发明采用PTAM算法实现对相机的定位。该算法是一种基于SFM的单目视觉SLAM方法,通过将***划分为相机跟踪与地图创建两个独立的线程。在相机跟踪线程,***利用相机获取当前环境纹理信息,并构建四层高斯图像金字塔,运用FAST-10角点检测算法提取当前图像中特征信息,采用块匹配的方式建立角点特征间的数据关联。在此基础上,根据当前投影误差,建立位姿估计模型实现相机的精确定位,并结合特征匹配信息与三角测量算法生成当前三维点云地图。相机位姿估计的具体过程为:
(1)稀疏地图的初始化
PTAM算法利用标准立体相机算法模型建立当前环境初始化地图,并在此基础上结合新增加关键帧不断更新三维地图。在地图的初始化过程中,通过人为选择两个独立关键帧,利用图像中FAST角点匹配关系,采用基于随机采样一致性(Random Sample Consensus,RANSAC)的五点法实现上述关键帧间重要矩阵F估计,并计算当前特征点处的三维坐标,同时,结合RANSAC算法选取适当空间点建立当前一致性平面,以确定全局世界坐标系,实现地图的初始化。
(2)相机位姿估计
***利用相机获取当前环境纹理信息,并构建四层高斯图像金字塔,运用FAST-10角点检测算法提取当前图像中特征信息,采用块匹配的方式建立角点特征间数据关联。在此基础上,根据当前投影误差,建立位姿估计模型,其数学描述如下:
根据上述位姿估计模型,选取位于图像金字塔顶层的50个特征匹配点,实现对相机的初始化位姿估计。更进一步,该算法结合相机初始位姿,采用极线收索的方式,建立图像金字塔中角点特征亚像素精度匹配关系,并将上述匹配对带入位姿估计模型,实现相机的精确重定位。
(3)相机位姿优化
***经初始化后,地图创建线程将等待新的关键帧进入。若相机与当前关键帧间图像帧数超出阈值条件,且相机跟踪效果最佳时,将自动执行添加关键帧过程。此时,***将会对新增加关键帧中所有FAST角点进行Shi-Tomas评估,以获取当前具有显著特征的角点信息,并选取与之最近的关键帧利用极线收索与块匹配方法建立特征点映射关系,结合位姿估计模型实现相机精确重定位,同时将匹配点投影到空间,生成当前全局环境三维地图。
为了实现全局地图的维护,在地图创建线程等待新关键帧进入的过程中,***将利用局部与全局的Levenberg-Marquardt集束调整算法实现当前地图的一致性优化。该集束调整算法的数学描述为:
式中,σji为在第i个关键帧中,FAST特征点的匹配标准差的无偏估计,ξi表示第i个关键帧位姿的6元组表示,pi为全局地图中的点。
步骤四,建立基于变分机制的深度图估计模型,并求解该模型。
在PTAM精确位姿估计前提下,本发明基于多视重建方法,利用变分机制建立深度求解模型。该方法基于光照不变性与深度图平滑性假设,建立L1型数据惩罚项与变分规则项,该模型由在光照不变性假设的前提下建立数据惩罚项,并利用数据惩罚项保证当前深度图的平滑性,其数学模型如下:
Ed=∫Ω(Edata+λEreg)dx
通过选取当前关键帧为深度图估计算法的参考帧Ir,利用其相邻像序列I={I1,I2,...,In},结合投影模型建立数据惩罚项Edata,其数学描述为:
式中,|I(r)|为当前图像序列中与参考帧具有重合信息的图像帧数量,x′为在当深度d下参考帧x处在Ii处的投影坐标,即:
在深度图平滑性假设前提下,为了确保在图像中边界处的不连续性,引入加权Huber算子构建变分规则项,其数学描述为:
Ereg=g(u)||▽d(u)||α
式中,▽d为深度图的梯度,g(u)为像素梯度权重系数,且g(u)=exp(-a||▽Ir(u)||)
Huber算子||x||α的数学描述为:
式中,α为常量。
根据Legendre-Fenchel变换,能量函数可表示为:
式中,
上述Huber算子的引入为三维重建过程提供了光滑性保证,同时也为确保深度图中存在非连续边界,提高了三维地图创建质量。
针对上述数学模型求解复杂度高、计算量大的问题,引入辅助变量建立凸优化模型,采用交替下降法实现对上述模型的优化,其具体过程如下:
(1)固定h,求解:
式中,θ为二次项常系数,g为变分规则项中梯度权重系数。
根据拉格朗日极值法,上述能量函数达到极值的条件为:
式中,divq为q的散度。
结合偏导数离散化描述,上述极值条件可表示为:
此时可采用原始对偶算法实现能量函数的迭代优化,即:
式中,εq、εd为常数,分别表示最大化与最小化梯度描述系数。
(2)固定d,求解:
在上述能量函数求解过程中,为了有效减少算法的复杂度,同时保证重建过程中的部分细节信息。本发明将深度取值范围[dmin,dmax]划分为S个采样平面,采用穷举的方式获取当前能量函数的最优解。其中步长的选择为:
式中,为k与k-1采样平面间隔。
步骤五,建立关键帧选取机制,实现三维场景的更新。
考虑***冗余信息的消除,为了提高重建结果的清晰度以及实时性,减少***在计算负担,本发明只在关键帧处实现对三维场景的估计,并更新和维护所生成的三维场景。当新增一帧KeyFrame数据后,根据式将当前新增KeyFrame数据转换到世界坐标系中,完成场景数据的更新。
利用深度模型中数据惩罚项,建立当前帧与关键帧间的信息重合程度评估函数,即:
式中,ζ为常数。
若此时N小于图像大小的0.7时,即确定当前帧为新关键帧。
本发明的有益效果是:本发明采用RGB相机获取环境数据。针对利用高精度单目定位算法,提出一种基于变分机制的深度图生成方法,实现了大范围的快速室内三维场景重建,有效地解决了三维重建算法成本与实时性问题。
附图说明
图1为基于变分模型的室内三维场景重建方法流程图;
图2为相机坐标系示意图;
图3为本发明应用实例的三维重建实验结果。
具体实施方式
图1是基于变分模型的室内三维场景重建方法流程图,包括以下步骤:
步骤一,获取相机的标定参数,并建立畸变矫正模型。
步骤二,建立相机位姿描述与相机投影模型。
步骤三,利用基于SFM的单目SLAM算法实现相机位姿估计。
步骤四,建立基于变分机制的深度图估计模型,并求解该模型。
步骤五,建立关键帧选取机制,实现三维场景的更新。
下面给出本发明的一个应用实例。
本实例采用的RGB相机为Point Grey Flea2,图像辨率为640×480,最高帧频为30fps,水平视场角为65°,焦距大约为3.5mm。所使用的PC机配备有GTS450GPU和i5四核CPU。
Claims (3)
1.一种基于变分机制的室内环境三维重建的方法,其特征在于包括以下步骤:
步骤一,获取相机的标定参数,并建立畸变矫正模型;
相机标定的具体过程为:
(1)打印一张棋盘模板;
(2)从多个角度拍摄棋盘,应尽量让棋盘占满屏幕,并保证棋盘的每一个角都在屏幕中,一共拍摄6张模板图片;
(3)检测出图像中的特征点,即棋盘的每一个黑色交叉点;
(4)求取的内部参数,方法如下:
RGB相机标定参数主要为相机内参,相机的内参矩阵K为:
式中,u、v为相机平面坐标轴,(u0,v0)是相机像平面中心坐标,(fu,fv)是相机的焦距;
根据标定参数,RGB图像中点与三维空间点的映射关系如下:RGB图像中点p=(u,v)在相机坐标系下的坐标P3D=(x,y,z)表示为:
式中,d表示深度图像中点p的深度值;
相机坐标系向下为y轴正方向,向前为z轴正方向,向右为x正方向;将相机的起始点位置设定为世界坐标系原点,世界坐标系的X、Y、Z方向与相机的定义相同;
FOV相机矫正模型为:
式中,xu为z=1面的像素坐标,ud为原始图像中像素坐标,ω为FOV相机畸变系数;
步骤二,建立相机位姿描述与相机投影模型,方向如下:
在已建立的世界坐标系下,相机位姿可以表示为如下矩阵:
式中,cw表示从世界坐标系到当前相机坐标系,Tcw∈SE(3),SE(3)为刚体的旋转平移变换空间;Tcw可由如下六元组μ=(μ1,μ2,μ3,μ4,μ5,μ6)表示,即:
式中,μ1,μ2,μ3分别为Kinect在全局坐标系下的平移量,μ4,μ5,μ6表示局部坐标系下坐标轴的旋转量;
相机的位姿Tcw建立了当前坐标系下空间点云坐标pc到世界坐标pw的变换关系,即:
pc=Tcwpw
在当前标系下,三维空间点云到z=1平面上投影定义为:
π(p)=(xz,yz)T
式中,p∈R3为三维空间点,x,y,z为该点的坐标值;根据当前坐标点深度值d,利用逆向投影法确定当前空间三维点坐标p,其坐标关系可表示为:
π-1(u,d)=dK-1u
步骤三,利用基于SFM的单目SLAM算法实现相机位姿估计;
步骤四,建立基于变分机制的深度图估计模型,并求解该模型;
步骤五,建立关键帧选取机制,实现三维场景的更新,方法如下:
利用深度模型中数据惩罚项,建立当前帧与关键帧间的信息重合程度评估函数,即:
式中,ζ为常数;
若此时N小于图像大小的0.7时,即确定当前帧为新关键帧。
2.根据权利要求1所述的一种基于变分机制的室内环境三维重建的方法,其特征在于,步骤三利用基于SFM的单目SLAM算法实现相机位姿估计的方法还包括以下步骤:
(1)稀疏地图的初始化
PTAM算法利用标准立体相机算法模型建立当前环境初始化地图,并在此基础上结合新增加关键帧不断更新三维地图;在地图的初始化过程中,通过人为选择两个独立关键帧,利用图像中FAST角点匹配关系,采用基于随机采样一致性的五点法实现上述关键帧间的重要矩阵F的估计,并计算当前特征点处的三维坐标,同时,结合RANSAC算法选取适当空间点建立当前一致性平面,以确定全局世界坐标系,实现地图的初始化;
(2)相机位姿估计
***利用相机获取当前环境纹理信息,并构建四层高斯图像金字塔,运用FAST-10角点检测算法提取当前图像中特征信息,采用块匹配的方式建立角点特征间的数据关联;在此基础上,根据当前投影误差,建立位姿估计模型,其数学描述如下:
根据上述位姿估计模型,选取位于图像金字塔顶层的50个特征匹配点,实现对相机的初始化位姿估计;更进一步,该算法结合相机初始位姿,采用极线收索的方式,建立图像金字塔中角点特征亚像素精度匹配关系,并将上述匹配对带入位姿估计模型,实现相机的精确重定位;
(3)相机位姿优化
***经初始化后,地图创建线程等待新的关键帧进入;若相机与当前关键帧间图像帧数超出阈值条件,且相机跟踪效果最佳时,将自动执行添加关键帧过程;此时,***将会对新增加的关键帧中所有FAST角点进行Shi-Tomas评估,以获取当前具有显著特征的角点特征信息,并选取与之最近的关键帧利用极线收索与块匹配方法建立特征点映射关系,结合位姿估计模型实现相机精确重定位,同时将匹配点投影到空间,生成当前全局环境三维地图;
为了实现全局地图的维护,在地图创建线程等待新的关键帧进入的过程中,***利用局部与全局的Levenberg-Marquardt集束调整算法实现当前地图的全局一致性优化;该集束调整算法的数学描述为:
式中,σji为在第i个关键帧中,FAST特征点的匹配标准差的无偏估计,ξi表示第i个关键帧位姿的6元组表示,pi为全局地图中的点。
3.根据权利要求1所述的一种基于变分机制的室内环境三维重建的方法,其特征在于,步骤四建立并求解基于变分机制的深度图估计模型的方法如下:
基于变分机制的深度图估计模型,在光照不变性假设的前提下建立数据惩罚项,并利用数据惩罚项保证当前深度图的平滑性,其数学模型如下:
Ed=∫Ω(Edata+λEreg)dx
通过选取当前关键帧为深度图估计算法的参考帧Ir,利用其相邻像序列I={I1,I2,...,In},结合投影模型建立数据惩罚项Edata,其数学描述为:
式中,|I(r)|为当前图像序列中与参考帧具有重合信息的图像帧数量,x′为在当深度d下参考帧x处在Ii处的投影坐标,即:
在深度图平滑性假设前提下,为了确保在图像中边界处的不连续性,引入加权Huber算子构建变分规则项,其数学描述为:
Ereg=g(u)||▽d(u)||α
式中,▽d为深度图的梯度,g(u)为像素梯度权重系数,g(u)=exp(-a||▽Ir(u)||)
Huber算子||x||α的数学描述为:
式中,α为常量;
根据Legendre-Fenchel变换,能量函数变换为:
式中,
鉴于上述数学模型求解复杂度高、计算量大,引入辅助变量建立凸优化模型,采用交替下降法实现对上述模型的优化,具体过程如下:
(1)固定h,求解:
式中,g为变分规则项中梯度权重系数,θ为二次项常系数;
根据拉格朗日极值法,上述能量函数达到极值的条件为:
式中,divq为q的散度;
结合偏导数离散化描述,上述极值条件可表示为:
采用原始对偶算法实现能量函数的迭代优化,即:
式中,εq、εd为常数,分别表示最大化与最小化梯度描述系数;
(2)固定d,求解:
在上述能量函数求解过程中,为了有效减少算法的复杂度,同时保证重建过程中的部分细节信息,将深度取值范围[dmin,dmax]划分为S个采样平面,采用穷举的方式获取当前能量函数的最优解;其中步长的选择为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310173608.XA CN103247075B (zh) | 2013-05-13 | 2013-05-13 | 基于变分机制的室内环境三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310173608.XA CN103247075B (zh) | 2013-05-13 | 2013-05-13 | 基于变分机制的室内环境三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103247075A true CN103247075A (zh) | 2013-08-14 |
CN103247075B CN103247075B (zh) | 2015-08-19 |
Family
ID=48926580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310173608.XA Expired - Fee Related CN103247075B (zh) | 2013-05-13 | 2013-05-13 | 基于变分机制的室内环境三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103247075B (zh) |
Cited By (73)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103901891A (zh) * | 2014-04-12 | 2014-07-02 | 复旦大学 | 一种基于层次结构的动态粒子树slam算法 |
CN103914874A (zh) * | 2014-04-08 | 2014-07-09 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
CN103942832A (zh) * | 2014-04-11 | 2014-07-23 | 浙江大学 | 一种基于在线结构分析的室内场景实时重建方法 |
CN104427230A (zh) * | 2013-08-28 | 2015-03-18 | 北京大学 | 增强现实的方法和增强现实的*** |
CN104463962A (zh) * | 2014-12-09 | 2015-03-25 | 合肥工业大学 | 基于gps信息视频的三维场景重建方法 |
CN104537709A (zh) * | 2014-12-15 | 2015-04-22 | 西北工业大学 | 一种基于位姿变化的实时三维重建关键帧确定方法 |
CN104881029A (zh) * | 2015-05-15 | 2015-09-02 | 重庆邮电大学 | 基于一点ransac和fast算法的移动机器人导航方法 |
WO2015134832A1 (en) * | 2014-03-06 | 2015-09-11 | Nec Laboratories America, Inc. | High accuracy monocular moving object localization |
CN105513083A (zh) * | 2015-12-31 | 2016-04-20 | 新浪网技术(中国)有限公司 | 一种ptam摄像机跟踪方法及装置 |
CN105654492A (zh) * | 2015-12-30 | 2016-06-08 | 哈尔滨工业大学 | 基于消费级摄像头的鲁棒实时三维重建方法 |
CN105678842A (zh) * | 2016-01-11 | 2016-06-15 | 湖南拓视觉信息技术有限公司 | 室内环境三维地图制作方法及装置 |
CN105678754A (zh) * | 2015-12-31 | 2016-06-15 | 西北工业大学 | 一种无人机实时地图重建方法 |
CN105686936A (zh) * | 2016-01-12 | 2016-06-22 | 浙江大学 | 一种基于rgb-ir相机的声音编码交互*** |
CN105825520A (zh) * | 2015-01-08 | 2016-08-03 | 北京雷动云合智能技术有限公司 | 一种可创建大规模地图的单眼slam方法 |
CN105856230A (zh) * | 2016-05-06 | 2016-08-17 | 简燕梅 | 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法 |
CN105869136A (zh) * | 2015-01-22 | 2016-08-17 | 北京雷动云合智能技术有限公司 | 一种基于多摄像机的协作式视觉slam方法 |
CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105955273A (zh) * | 2016-05-25 | 2016-09-21 | 速感科技(北京)有限公司 | 室内机器人导航***及方法 |
CN106052674A (zh) * | 2016-05-20 | 2016-10-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和*** |
CN106097304A (zh) * | 2016-05-31 | 2016-11-09 | 西北工业大学 | 一种无人机实时在线地图生成方法 |
CN106127739A (zh) * | 2016-06-16 | 2016-11-16 | 华东交通大学 | 一种结合单目视觉的rgb‑d slam方法 |
CN106289099A (zh) * | 2016-07-28 | 2017-01-04 | 汕头大学 | 一种单目视觉***及基于该***的三维尺寸快速测量方法 |
CN106485744A (zh) * | 2016-10-10 | 2017-03-08 | 成都奥德蒙科技有限公司 | 一种同步定位与地图构建方法 |
CN106529838A (zh) * | 2016-12-16 | 2017-03-22 | 湖南拓视觉信息技术有限公司 | 虚拟装配方法及装置 |
CN106595601A (zh) * | 2016-12-12 | 2017-04-26 | 天津大学 | 一种无需手眼标定的相机六自由度位姿精确重定位方法 |
CN106780588A (zh) * | 2016-12-09 | 2017-05-31 | 浙江大学 | 一种基于稀疏激光观测的图像深度估计方法 |
CN106780576A (zh) * | 2016-11-23 | 2017-05-31 | 北京航空航天大学 | 一种面向rgbd数据流的相机位姿估计方法 |
CN106803275A (zh) * | 2017-02-20 | 2017-06-06 | 苏州中科广视文化科技有限公司 | 基于相机位姿估计和空间采样的2d全景视频生成 |
CN106875437A (zh) * | 2016-12-27 | 2017-06-20 | 北京航空航天大学 | 一种面向rgbd三维重建的关键帧提取方法 |
CN106875446A (zh) * | 2017-02-20 | 2017-06-20 | 清华大学 | 相机重定位方法及装置 |
CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及*** |
CN106997614A (zh) * | 2017-03-17 | 2017-08-01 | 杭州光珀智能科技有限公司 | 一种基于深度相机的大规模场景3d建模方法及其装置 |
CN107004275A (zh) * | 2014-11-21 | 2017-08-01 | Metaio有限公司 | 用于确定实物的至少一部分的处于绝对空间比例的3d重构件的空间坐标的方法和*** |
CN107160395A (zh) * | 2017-06-07 | 2017-09-15 | 中国人民解放军装甲兵工程学院 | 地图构建方法及机器人控制*** |
CN107292949A (zh) * | 2017-05-25 | 2017-10-24 | 深圳先进技术研究院 | 场景的三维重建方法、装置及终端设备 |
CN107481279A (zh) * | 2017-05-18 | 2017-12-15 | 华中科技大学 | 一种单目视频深度图计算方法 |
CN107506040A (zh) * | 2017-08-29 | 2017-12-22 | 上海爱优威软件开发有限公司 | 一种空间路径规划方法及*** |
CN107657640A (zh) * | 2017-09-30 | 2018-02-02 | 南京大典科技有限公司 | 基于orb slam的智能巡防巡检管理方法 |
CN107818592A (zh) * | 2017-11-24 | 2018-03-20 | 北京华捷艾米科技有限公司 | 协作式同步定位与地图构建的方法、***及交互*** |
CN107833245A (zh) * | 2017-11-28 | 2018-03-23 | 北京搜狐新媒体信息技术有限公司 | 基于单目视觉特征点匹配的slam方法及*** |
CN107862720A (zh) * | 2017-11-24 | 2018-03-30 | 北京华捷艾米科技有限公司 | 基于多地图融合的位姿优化方法及位姿优化*** |
CN107909643A (zh) * | 2017-11-06 | 2018-04-13 | 清华大学 | 基于模型分割的混合场景重建方法及装置 |
CN108062537A (zh) * | 2017-12-29 | 2018-05-22 | 幻视信息科技(深圳)有限公司 | 一种3d空间定位方法、装置及计算机可读存储介质 |
CN108122263A (zh) * | 2017-04-28 | 2018-06-05 | 上海联影医疗科技有限公司 | 图像重建***及方法 |
CN108154531A (zh) * | 2018-01-03 | 2018-06-12 | 深圳北航新兴产业技术研究院 | 一种计算体表损伤区域面积的方法和装置 |
CN108171787A (zh) * | 2017-12-18 | 2018-06-15 | 桂林电子科技大学 | 一种基于orb特征检测的三维重建方法 |
CN108242079A (zh) * | 2017-12-30 | 2018-07-03 | 北京工业大学 | 一种基于多特征视觉里程计和图优化模型的vslam方法 |
CN108447116A (zh) * | 2018-02-13 | 2018-08-24 | 中国传媒大学 | 基于视觉slam的三维场景重建方法和装置 |
CN108629843A (zh) * | 2017-03-24 | 2018-10-09 | 成都理想境界科技有限公司 | 一种实现增强现实的方法及设备 |
CN108898669A (zh) * | 2018-07-17 | 2018-11-27 | 网易(杭州)网络有限公司 | 数据处理方法、装置、介质和计算设备 |
WO2018214086A1 (zh) * | 2017-05-25 | 2018-11-29 | 深圳先进技术研究院 | 场景的三维重建方法、装置及终端设备 |
CN109191526A (zh) * | 2018-09-10 | 2019-01-11 | 杭州艾米机器人有限公司 | 基于rgbd摄像头和光编码器的三维环境重建方法及*** |
CN109254579A (zh) * | 2017-07-14 | 2019-01-22 | 上海汽车集团股份有限公司 | 一种双目视觉相机硬件***、三维场景重建***及方法 |
CN109697753A (zh) * | 2018-12-10 | 2019-04-30 | 智灵飞(北京)科技有限公司 | 一种基于rgb-d slam的无人机三维重建方法、无人机 |
CN109739079A (zh) * | 2018-12-25 | 2019-05-10 | 广东工业大学 | 一种提高vslam***精度的方法 |
CN109870118A (zh) * | 2018-11-07 | 2019-06-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
CN110059651A (zh) * | 2019-04-24 | 2019-07-26 | 北京计算机技术及应用研究所 | 一种相机实时跟踪注册方法 |
CN110555883A (zh) * | 2018-04-27 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
CN110751640A (zh) * | 2019-10-17 | 2020-02-04 | 南京鑫和汇通电子科技有限公司 | 一种基于角点配对的深度图像的四边形检测方法 |
CN110966917A (zh) * | 2018-09-29 | 2020-04-07 | 深圳市掌网科技股份有限公司 | 移动终端室内三维扫描***及方法 |
CN111145238A (zh) * | 2019-12-12 | 2020-05-12 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
CN111340864A (zh) * | 2020-02-26 | 2020-06-26 | 浙江大华技术股份有限公司 | 基于单目估计的三维场景融合方法及装置 |
CN111652901A (zh) * | 2020-06-02 | 2020-09-11 | 山东大学 | 一种基于置信度和特征融合的无纹理三维物体跟踪方法 |
CN112221132A (zh) * | 2020-10-14 | 2021-01-15 | 王军力 | 一种三维围棋应用于网络游戏的方法及*** |
CN112348869A (zh) * | 2020-11-17 | 2021-02-09 | 的卢技术有限公司 | 通过检测和标定恢复单目slam尺度的方法 |
CN112348868A (zh) * | 2020-11-06 | 2021-02-09 | 养哇(南京)科技有限公司 | 一种通过检测和标定恢复单目slam尺度的方法及*** |
CN112597334A (zh) * | 2021-01-15 | 2021-04-02 | 天津帕克耐科技有限公司 | 通信数据中心的数据处理方法 |
CN112634371A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于输出信息、标定相机的方法和装置 |
CN113034606A (zh) * | 2021-02-26 | 2021-06-25 | 嘉兴丰鸟科技有限公司 | 一种运动恢复结构计算方法 |
CN113902847A (zh) * | 2021-10-11 | 2022-01-07 | 岱悟智能科技(上海)有限公司 | 基于三维特征约束的单目深度图像位姿优化方法 |
US11348260B2 (en) * | 2017-06-22 | 2022-05-31 | Interdigital Vc Holdings, Inc. | Methods and devices for encoding and reconstructing a point cloud |
WO2022142049A1 (zh) * | 2020-12-29 | 2022-07-07 | 浙江商汤科技开发有限公司 | 地图构建方法及装置、设备、存储介质、计算机程序产品 |
CN117214860A (zh) * | 2023-08-14 | 2023-12-12 | 北京科技大学顺德创新学院 | 基于孪生特征金字塔和地面分割的激光雷达里程计方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701811B (zh) * | 2016-01-12 | 2018-05-22 | 浙江大学 | 一种基于rgb‐ir相机的声音编码交互方法 |
CN108645398A (zh) * | 2018-02-09 | 2018-10-12 | 深圳积木易搭科技技术有限公司 | 一种基于结构化环境的即时定位与地图构建方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07182541A (ja) * | 1993-12-21 | 1995-07-21 | Nec Corp | 3次元モデルの作成方法 |
CN101369348A (zh) * | 2008-11-07 | 2009-02-18 | 上海大学 | 汇聚式相机的多视点采集/显示***中新视点重建方法 |
CN102800127A (zh) * | 2012-07-18 | 2012-11-28 | 清华大学 | 一种基于光流优化的三维重建方法及装置 |
-
2013
- 2013-05-13 CN CN201310173608.XA patent/CN103247075B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07182541A (ja) * | 1993-12-21 | 1995-07-21 | Nec Corp | 3次元モデルの作成方法 |
CN101369348A (zh) * | 2008-11-07 | 2009-02-18 | 上海大学 | 汇聚式相机的多视点采集/显示***中新视点重建方法 |
CN102800127A (zh) * | 2012-07-18 | 2012-11-28 | 清华大学 | 一种基于光流优化的三维重建方法及装置 |
Non-Patent Citations (2)
Title |
---|
TAGUCHI.Y ,ETAL: "SLAM using both points and planes for hand-held 3D sensors", 《MIXED AND AUGMENTED REALITY (ISMAR), 2012 IEEE INTERNATIONAL SYMPOSIUM ON》 * |
刘鑫,等: "基于GPU和Kinect的快速物体重建", 《自动化学报》 * |
Cited By (122)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104427230A (zh) * | 2013-08-28 | 2015-03-18 | 北京大学 | 增强现实的方法和增强现实的*** |
CN104427230B (zh) * | 2013-08-28 | 2017-08-25 | 北京大学 | 增强现实的方法和增强现实的*** |
US9367922B2 (en) | 2014-03-06 | 2016-06-14 | Nec Corporation | High accuracy monocular moving object localization |
WO2015134832A1 (en) * | 2014-03-06 | 2015-09-11 | Nec Laboratories America, Inc. | High accuracy monocular moving object localization |
WO2015154601A1 (zh) * | 2014-04-08 | 2015-10-15 | 中山大学 | 一种基于无特征提取的紧致sfm三维重建方法 |
CN103914874A (zh) * | 2014-04-08 | 2014-07-09 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
CN103914874B (zh) * | 2014-04-08 | 2017-02-01 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
US9686527B2 (en) | 2014-04-08 | 2017-06-20 | Sun Yat-Sen University | Non-feature extraction-based dense SFM three-dimensional reconstruction method |
CN103942832B (zh) * | 2014-04-11 | 2016-07-06 | 浙江大学 | 一种基于在线结构分析的室内场景实时重建方法 |
CN103942832A (zh) * | 2014-04-11 | 2014-07-23 | 浙江大学 | 一种基于在线结构分析的室内场景实时重建方法 |
CN103901891A (zh) * | 2014-04-12 | 2014-07-02 | 复旦大学 | 一种基于层次结构的动态粒子树slam算法 |
CN107004275A (zh) * | 2014-11-21 | 2017-08-01 | Metaio有限公司 | 用于确定实物的至少一部分的处于绝对空间比例的3d重构件的空间坐标的方法和*** |
CN107004275B (zh) * | 2014-11-21 | 2020-09-29 | 苹果公司 | 确定实物至少一部分的3d重构件空间坐标的方法和*** |
US10846871B2 (en) | 2014-11-21 | 2020-11-24 | Apple Inc. | Method and system for determining spatial coordinates of a 3D reconstruction of at least part of a real object at absolute spatial scale |
US11741624B2 (en) | 2014-11-21 | 2023-08-29 | Apple Inc. | Method and system for determining spatial coordinates of a 3D reconstruction of at least part of a real object at absolute spatial scale |
CN104463962A (zh) * | 2014-12-09 | 2015-03-25 | 合肥工业大学 | 基于gps信息视频的三维场景重建方法 |
CN104463962B (zh) * | 2014-12-09 | 2017-02-22 | 合肥工业大学 | 基于gps信息视频的三维场景重建方法 |
CN104537709B (zh) * | 2014-12-15 | 2017-09-29 | 西北工业大学 | 一种基于位姿变化的实时三维重建关键帧确定方法 |
CN104537709A (zh) * | 2014-12-15 | 2015-04-22 | 西北工业大学 | 一种基于位姿变化的实时三维重建关键帧确定方法 |
CN105825520A (zh) * | 2015-01-08 | 2016-08-03 | 北京雷动云合智能技术有限公司 | 一种可创建大规模地图的单眼slam方法 |
CN105869136A (zh) * | 2015-01-22 | 2016-08-17 | 北京雷动云合智能技术有限公司 | 一种基于多摄像机的协作式视觉slam方法 |
CN104881029A (zh) * | 2015-05-15 | 2015-09-02 | 重庆邮电大学 | 基于一点ransac和fast算法的移动机器人导航方法 |
CN104881029B (zh) * | 2015-05-15 | 2018-01-30 | 重庆邮电大学 | 基于一点ransac和fast算法的移动机器人导航方法 |
CN105654492A (zh) * | 2015-12-30 | 2016-06-08 | 哈尔滨工业大学 | 基于消费级摄像头的鲁棒实时三维重建方法 |
CN105654492B (zh) * | 2015-12-30 | 2018-09-07 | 哈尔滨工业大学 | 基于消费级摄像头的鲁棒实时三维重建方法 |
CN105513083A (zh) * | 2015-12-31 | 2016-04-20 | 新浪网技术(中国)有限公司 | 一种ptam摄像机跟踪方法及装置 |
CN105513083B (zh) * | 2015-12-31 | 2019-02-22 | 新浪网技术(中国)有限公司 | 一种ptam摄像机跟踪方法及装置 |
CN105678754A (zh) * | 2015-12-31 | 2016-06-15 | 西北工业大学 | 一种无人机实时地图重建方法 |
CN105678842A (zh) * | 2016-01-11 | 2016-06-15 | 湖南拓视觉信息技术有限公司 | 室内环境三维地图制作方法及装置 |
CN105686936A (zh) * | 2016-01-12 | 2016-06-22 | 浙江大学 | 一种基于rgb-ir相机的声音编码交互*** |
CN105686936B (zh) * | 2016-01-12 | 2017-12-29 | 浙江大学 | 一种基于rgb‐ir相机的声音编码交互*** |
CN105928505B (zh) * | 2016-04-19 | 2019-01-29 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105856230B (zh) * | 2016-05-06 | 2017-11-24 | 简燕梅 | 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法 |
CN105856230A (zh) * | 2016-05-06 | 2016-08-17 | 简燕梅 | 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法 |
CN106052674B (zh) * | 2016-05-20 | 2019-07-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和*** |
CN106052674A (zh) * | 2016-05-20 | 2016-10-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和*** |
CN105955273A (zh) * | 2016-05-25 | 2016-09-21 | 速感科技(北京)有限公司 | 室内机器人导航***及方法 |
CN106097304A (zh) * | 2016-05-31 | 2016-11-09 | 西北工业大学 | 一种无人机实时在线地图生成方法 |
CN106097304B (zh) * | 2016-05-31 | 2019-04-23 | 西北工业大学 | 一种无人机实时在线地图生成方法 |
CN106127739B (zh) * | 2016-06-16 | 2021-04-27 | 华东交通大学 | 一种结合单目视觉的rgb-d slam方法 |
CN106127739A (zh) * | 2016-06-16 | 2016-11-16 | 华东交通大学 | 一种结合单目视觉的rgb‑d slam方法 |
CN106289099A (zh) * | 2016-07-28 | 2017-01-04 | 汕头大学 | 一种单目视觉***及基于该***的三维尺寸快速测量方法 |
CN106289099B (zh) * | 2016-07-28 | 2018-11-20 | 汕头大学 | 一种单目视觉***及基于该***的三维尺寸快速测量方法 |
CN106485744B (zh) * | 2016-10-10 | 2019-08-20 | 成都弥知科技有限公司 | 一种同步定位与地图构建方法 |
CN106485744A (zh) * | 2016-10-10 | 2017-03-08 | 成都奥德蒙科技有限公司 | 一种同步定位与地图构建方法 |
CN106780576B (zh) * | 2016-11-23 | 2020-03-17 | 北京航空航天大学 | 一种面向rgbd数据流的相机位姿估计方法 |
CN106780576A (zh) * | 2016-11-23 | 2017-05-31 | 北京航空航天大学 | 一种面向rgbd数据流的相机位姿估计方法 |
CN106780588A (zh) * | 2016-12-09 | 2017-05-31 | 浙江大学 | 一种基于稀疏激光观测的图像深度估计方法 |
CN106595601A (zh) * | 2016-12-12 | 2017-04-26 | 天津大学 | 一种无需手眼标定的相机六自由度位姿精确重定位方法 |
CN106595601B (zh) * | 2016-12-12 | 2020-01-07 | 天津大学 | 一种无需手眼标定的相机六自由度位姿精确重定位方法 |
CN106529838A (zh) * | 2016-12-16 | 2017-03-22 | 湖南拓视觉信息技术有限公司 | 虚拟装配方法及装置 |
CN106875437A (zh) * | 2016-12-27 | 2017-06-20 | 北京航空航天大学 | 一种面向rgbd三维重建的关键帧提取方法 |
CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及*** |
CN106940186B (zh) * | 2017-02-16 | 2019-09-24 | 华中科技大学 | 一种机器人自主定位与导航方法及*** |
CN106875446B (zh) * | 2017-02-20 | 2019-09-20 | 清华大学 | 相机重定位方法及装置 |
CN106803275A (zh) * | 2017-02-20 | 2017-06-06 | 苏州中科广视文化科技有限公司 | 基于相机位姿估计和空间采样的2d全景视频生成 |
CN106875446A (zh) * | 2017-02-20 | 2017-06-20 | 清华大学 | 相机重定位方法及装置 |
CN106997614A (zh) * | 2017-03-17 | 2017-08-01 | 杭州光珀智能科技有限公司 | 一种基于深度相机的大规模场景3d建模方法及其装置 |
CN108629843B (zh) * | 2017-03-24 | 2021-07-13 | 成都理想境界科技有限公司 | 一种实现增强现实的方法及设备 |
CN108629843A (zh) * | 2017-03-24 | 2018-10-09 | 成都理想境界科技有限公司 | 一种实现增强现实的方法及设备 |
CN108122263A (zh) * | 2017-04-28 | 2018-06-05 | 上海联影医疗科技有限公司 | 图像重建***及方法 |
US11062487B2 (en) | 2017-04-28 | 2021-07-13 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
CN108122263B (zh) * | 2017-04-28 | 2021-06-25 | 上海联影医疗科技股份有限公司 | 图像重建***及方法 |
US11455756B2 (en) | 2017-04-28 | 2022-09-27 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
CN107481279A (zh) * | 2017-05-18 | 2017-12-15 | 华中科技大学 | 一种单目视频深度图计算方法 |
CN107292949A (zh) * | 2017-05-25 | 2017-10-24 | 深圳先进技术研究院 | 场景的三维重建方法、装置及终端设备 |
CN107292949B (zh) * | 2017-05-25 | 2020-06-16 | 深圳先进技术研究院 | 场景的三维重建方法、装置及终端设备 |
WO2018214086A1 (zh) * | 2017-05-25 | 2018-11-29 | 深圳先进技术研究院 | 场景的三维重建方法、装置及终端设备 |
CN107160395A (zh) * | 2017-06-07 | 2017-09-15 | 中国人民解放军装甲兵工程学院 | 地图构建方法及机器人控制*** |
US11348260B2 (en) * | 2017-06-22 | 2022-05-31 | Interdigital Vc Holdings, Inc. | Methods and devices for encoding and reconstructing a point cloud |
CN109254579A (zh) * | 2017-07-14 | 2019-01-22 | 上海汽车集团股份有限公司 | 一种双目视觉相机硬件***、三维场景重建***及方法 |
CN107506040A (zh) * | 2017-08-29 | 2017-12-22 | 上海爱优威软件开发有限公司 | 一种空间路径规划方法及*** |
CN107657640A (zh) * | 2017-09-30 | 2018-02-02 | 南京大典科技有限公司 | 基于orb slam的智能巡防巡检管理方法 |
CN107909643B (zh) * | 2017-11-06 | 2020-04-24 | 清华大学 | 基于模型分割的混合场景重建方法及装置 |
CN107909643A (zh) * | 2017-11-06 | 2018-04-13 | 清华大学 | 基于模型分割的混合场景重建方法及装置 |
CN107862720B (zh) * | 2017-11-24 | 2020-05-22 | 北京华捷艾米科技有限公司 | 基于多地图融合的位姿优化方法及位姿优化*** |
CN107862720A (zh) * | 2017-11-24 | 2018-03-30 | 北京华捷艾米科技有限公司 | 基于多地图融合的位姿优化方法及位姿优化*** |
CN107818592A (zh) * | 2017-11-24 | 2018-03-20 | 北京华捷艾米科技有限公司 | 协作式同步定位与地图构建的方法、***及交互*** |
CN107833245A (zh) * | 2017-11-28 | 2018-03-23 | 北京搜狐新媒体信息技术有限公司 | 基于单目视觉特征点匹配的slam方法及*** |
CN107833245B (zh) * | 2017-11-28 | 2020-02-07 | 北京搜狐新媒体信息技术有限公司 | 基于单目视觉特征点匹配的slam方法及*** |
CN108171787A (zh) * | 2017-12-18 | 2018-06-15 | 桂林电子科技大学 | 一种基于orb特征检测的三维重建方法 |
CN108062537A (zh) * | 2017-12-29 | 2018-05-22 | 幻视信息科技(深圳)有限公司 | 一种3d空间定位方法、装置及计算机可读存储介质 |
CN108242079B (zh) * | 2017-12-30 | 2021-06-25 | 北京工业大学 | 一种基于多特征视觉里程计和图优化模型的vslam方法 |
CN108242079A (zh) * | 2017-12-30 | 2018-07-03 | 北京工业大学 | 一种基于多特征视觉里程计和图优化模型的vslam方法 |
CN108154531B (zh) * | 2018-01-03 | 2021-10-08 | 深圳北航新兴产业技术研究院 | 一种计算体表损伤区域面积的方法和装置 |
CN108154531A (zh) * | 2018-01-03 | 2018-06-12 | 深圳北航新兴产业技术研究院 | 一种计算体表损伤区域面积的方法和装置 |
CN108447116A (zh) * | 2018-02-13 | 2018-08-24 | 中国传媒大学 | 基于视觉slam的三维场景重建方法和装置 |
CN110555883B (zh) * | 2018-04-27 | 2022-07-22 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
CN110555883A (zh) * | 2018-04-27 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
CN108898669A (zh) * | 2018-07-17 | 2018-11-27 | 网易(杭州)网络有限公司 | 数据处理方法、装置、介质和计算设备 |
CN109191526A (zh) * | 2018-09-10 | 2019-01-11 | 杭州艾米机器人有限公司 | 基于rgbd摄像头和光编码器的三维环境重建方法及*** |
CN109191526B (zh) * | 2018-09-10 | 2020-07-07 | 杭州艾米机器人有限公司 | 基于rgbd摄像头和光编码器的三维环境重建方法及*** |
CN110966917A (zh) * | 2018-09-29 | 2020-04-07 | 深圳市掌网科技股份有限公司 | 移动终端室内三维扫描***及方法 |
CN109870118B (zh) * | 2018-11-07 | 2020-09-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
CN109870118A (zh) * | 2018-11-07 | 2019-06-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
CN109697753A (zh) * | 2018-12-10 | 2019-04-30 | 智灵飞(北京)科技有限公司 | 一种基于rgb-d slam的无人机三维重建方法、无人机 |
CN109697753B (zh) * | 2018-12-10 | 2023-10-03 | 智灵飞(北京)科技有限公司 | 一种基于rgb-d slam的无人机三维重建方法、无人机 |
CN109739079B (zh) * | 2018-12-25 | 2022-05-10 | 九天创新(广东)智能科技有限公司 | 一种提高vslam***精度的方法 |
CN109739079A (zh) * | 2018-12-25 | 2019-05-10 | 广东工业大学 | 一种提高vslam***精度的方法 |
CN110059651B (zh) * | 2019-04-24 | 2021-07-02 | 北京计算机技术及应用研究所 | 一种相机实时跟踪注册方法 |
CN110059651A (zh) * | 2019-04-24 | 2019-07-26 | 北京计算机技术及应用研究所 | 一种相机实时跟踪注册方法 |
CN112634371A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于输出信息、标定相机的方法和装置 |
CN112634371B (zh) * | 2019-09-24 | 2023-12-15 | 阿波罗智联(北京)科技有限公司 | 用于输出信息、标定相机的方法和装置 |
CN110751640A (zh) * | 2019-10-17 | 2020-02-04 | 南京鑫和汇通电子科技有限公司 | 一种基于角点配对的深度图像的四边形检测方法 |
WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
CN111145238A (zh) * | 2019-12-12 | 2020-05-12 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
CN111145238B (zh) * | 2019-12-12 | 2023-09-22 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
CN111340864A (zh) * | 2020-02-26 | 2020-06-26 | 浙江大华技术股份有限公司 | 基于单目估计的三维场景融合方法及装置 |
CN111340864B (zh) * | 2020-02-26 | 2023-12-12 | 浙江大华技术股份有限公司 | 基于单目估计的三维场景融合方法及装置 |
CN111652901B (zh) * | 2020-06-02 | 2021-03-26 | 山东大学 | 一种基于置信度和特征融合的无纹理三维物体跟踪方法 |
CN111652901A (zh) * | 2020-06-02 | 2020-09-11 | 山东大学 | 一种基于置信度和特征融合的无纹理三维物体跟踪方法 |
CN112221132A (zh) * | 2020-10-14 | 2021-01-15 | 王军力 | 一种三维围棋应用于网络游戏的方法及*** |
CN112348868A (zh) * | 2020-11-06 | 2021-02-09 | 养哇(南京)科技有限公司 | 一种通过检测和标定恢复单目slam尺度的方法及*** |
CN112348869A (zh) * | 2020-11-17 | 2021-02-09 | 的卢技术有限公司 | 通过检测和标定恢复单目slam尺度的方法 |
WO2022142049A1 (zh) * | 2020-12-29 | 2022-07-07 | 浙江商汤科技开发有限公司 | 地图构建方法及装置、设备、存储介质、计算机程序产品 |
CN112597334A (zh) * | 2021-01-15 | 2021-04-02 | 天津帕克耐科技有限公司 | 通信数据中心的数据处理方法 |
CN113034606A (zh) * | 2021-02-26 | 2021-06-25 | 嘉兴丰鸟科技有限公司 | 一种运动恢复结构计算方法 |
CN113902847A (zh) * | 2021-10-11 | 2022-01-07 | 岱悟智能科技(上海)有限公司 | 基于三维特征约束的单目深度图像位姿优化方法 |
CN113902847B (zh) * | 2021-10-11 | 2024-04-16 | 岱悟智能科技(上海)有限公司 | 基于三维特征约束的单目深度图像位姿优化方法 |
CN117214860A (zh) * | 2023-08-14 | 2023-12-12 | 北京科技大学顺德创新学院 | 基于孪生特征金字塔和地面分割的激光雷达里程计方法 |
CN117214860B (zh) * | 2023-08-14 | 2024-04-19 | 北京科技大学顺德创新学院 | 基于孪生特征金字塔和地面分割的激光雷达里程计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103247075B (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103247075B (zh) | 基于变分机制的室内环境三维重建方法 | |
CN111968129B (zh) | 具有语义感知的即时定位与地图构建***及方法 | |
CN109003325B (zh) | 一种三维重建的方法、介质、装置和计算设备 | |
CN103400409B (zh) | 一种基于摄像头姿态快速估计的覆盖范围3d可视化方法 | |
CN105096386B (zh) | 大范围复杂城市环境几何地图自动生成方法 | |
CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
US9613420B2 (en) | Method for locating a camera and for 3D reconstruction in a partially known environment | |
Turner et al. | Fast, automated, scalable generation of textured 3D models of indoor environments | |
CN103106688B (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN112001926B (zh) | 基于多维语义映射rgbd多相机标定方法、***及应用 | |
CN106485675B (zh) | 一种基于3d局部刚性和深度图引导各向异性平滑的场景流估计方法 | |
CN108564616A (zh) | 快速鲁棒的rgb-d室内三维场景重建方法 | |
CN106960442A (zh) | 基于单目红外的夜间机器人视觉大视场三维构建方法 | |
CN105809687A (zh) | 一种基于图像中边沿点信息的单目视觉测程方法 | |
Pretto et al. | Omnidirectional dense large-scale mapping and navigation based on meaningful triangulation | |
CN108133496B (zh) | 一种基于g2o与随机蕨类算法的稠密地图创建方法 | |
GB2580691A (en) | Depth estimation | |
CN103260008B (zh) | 一种影像位置到实际位置的射影转换方法 | |
Liu et al. | Dense stereo matching strategy for oblique images that considers the plane directions in urban areas | |
CN114529681A (zh) | 一种手持双相机建筑物温度场三维模型构建方法和*** | |
CN102663812A (zh) | 基于变分光流的三维运动检测与稠密结构重建的直接方法 | |
CN106408654B (zh) | 一种三维地图的创建方法及*** | |
Jacquet et al. | Real-world normal map capture for nearly flat reflective surfaces | |
Kurz et al. | Bundle adjustment for stereoscopic 3d | |
Chen et al. | Densefusion: Large-scale online dense pointcloud and dsm mapping for uavs |
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: 20150819 Termination date: 20200513 |
|
CF01 | Termination of patent right due to non-payment of annual fee |