CN107966693B - 一种基于深度渲染的车载激光雷达仿真方法 - Google Patents
一种基于深度渲染的车载激光雷达仿真方法 Download PDFInfo
- Publication number
- CN107966693B CN107966693B CN201711269132.4A CN201711269132A CN107966693B CN 107966693 B CN107966693 B CN 107966693B CN 201711269132 A CN201711269132 A CN 201711269132A CN 107966693 B CN107966693 B CN 107966693B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- laser radar
- simulation
- mounted laser
- depth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开一种基于深度渲染的车载激光雷达仿真方法。将预先设计的测试场景加载到计算机内存中,并根据所需模拟车载激光雷达的型号及特性参数,加载车载激光雷达仿真模型;启动仿真过程,开始进行周期性的仿真计算,得到所仿真的车载激光雷达在测试场景全局坐标系中的位置及角度;根据第二步获得的位置及角度设置虚拟摄像机或虚拟摄像机组的参数,对测试场景进行深度渲染;根据所仿真车载激光雷达的特性参数,从所述深度渲染得到的深度数据中选取部分或全部数据作为激光雷达对应扫描点上的仿真数据;将获得的仿真数据,以指定的接口输出或存储;返回到第二步,直至仿真运行结束。本发明可以大大提高仿真效率,实现各型号车载激光雷达的实时仿真。
Description
技术领域
本发明涉及车载激光雷达仿真技术领域,具体的说是一种基于深度渲染的车载激光雷达仿真方法。
背景技术
智能车辆的研发中,需要进行各类测试。在实车测试前,需首先进行仿真测试。车载激光雷达是智能车辆的核心部件。对车载激光雷达的仿真,是开展仿真测试的重要基础。
发明内容
针对现有技术中存在的上述不足之处,本发明要解决的技术问题是提供一种基于深度渲染的车载激光雷达仿真方法。
本发明为实现上述目的所采用的技术方案是:一种基于深度渲染的车载激光雷达仿真方法,包括以下步骤:
第一步:将预先设计的测试场景加载到计算机内存中,并根据所需模拟车载激光雷达的型号及特性参数,加载车载激光雷达仿真模型;
第二步:启动仿真过程,开始进行周期性的仿真计算,得到所仿真的车载激光雷达在测试场景全局坐标系中的位置及角度;
第三步:根据第二步获得的位置及角度设置虚拟摄像机或虚拟摄像机组的参数,对测试场景进行深度渲染;
第四步:根据所仿真车载激光雷达的特性参数,从所述深度渲染得到的深度数据中选取部分或全部数据作为激光雷达对应扫描点上的仿真数据;
第五步:将获得的仿真数据,以指定的接口输出或存储;
第六步:返回到第二步,直至仿真运行结束。
所述车载激光雷达的特性参数包括:水平视野的角度范围、垂直视野的角度范围、水平分辨率、垂直分辨率、精度、扫描距离和数据传输率。
所述周期性的仿真计算的一个仿真周期包括以下步骤:
获得当前时刻虚拟智能车辆或车辆驾驶仿真器在虚拟交通环境中的运行姿态;
根据所述运行姿态数据及预设的车载激光雷达安装数据计算出所仿真的车载激光雷达在测试场景全局坐标系中的位置坐标及姿态角;所述车载激光雷达安装数据为车载激光雷达在以车辆质心为原点的局部坐标系的坐标和角度。
所述运行姿态包括虚拟车辆质心的XYZ三维位置坐标、速度、加速度,绕XYZ三轴的姿态角度、角速度、角加速度。
所述车载激光雷达在测试场景全局坐标系中的位置坐标为:
PLi=PVe*MRLi*MTLi
其中,PVe为车辆质心在测试场景全局坐标系中的位置坐标,MRLi为车辆局部坐标系旋转矩阵,MTLi为车辆局部坐标系平移矩阵;
所述车载激光雷达在测试场景全局坐标系中的姿态角为:
ALi=AVe+AVLi
其中,AVe为车辆在测试场景全局坐标系中的姿态角,AVLi为车载激光雷达在车辆局部坐标系中的姿态角。
所述虚拟摄像机或虚拟摄像机组的参数满足一下条件:
虚拟摄像机或虚拟摄像机组的水平、垂直视角均大于或等于激光雷达的水平、垂直视角;
虚拟摄像机或虚拟摄像机组的水平输出分辨率大于激光雷达的水平扫描点数量;
虚拟摄像机或虚拟摄像机组的垂直输出分辨率大于激光雷达的垂直扫描数量。
所述深度渲染的分辨率大于所仿真的车载激光雷达的扫描分辨率。
所述第三步中深度渲染得到的深度数据,以浮点数的格式存储在计算机图形卡的显示存储单元中。
所述第四步从图形卡显示存储单元中读取第三步获得深度数据,将这些数据转存到计算机主存储单元中。
所述从所述深度渲染得到的深度数据中选取部分或全部数据作为激光雷达对应扫描点上的仿真数据,具体为:
根据所述仿真激光雷达的扫描采样间隔、虚拟摄像机或虚拟摄像机组进行深度渲染的分辨率这两个参数进行选取。
如果所述仿真激光雷达的扫描采样间隔与虚拟摄像机或虚拟摄像机组进行深度渲染的分辨率完全匹配,则选取全部所述深度渲染得到的深度数据;
否则在所述深度渲染得到的深度数据中,选取与激光雷达扫描采样点对应的深度值。
本发明具有以下优点及有益效果:
1、本发明采用计算机图形学技术实现车载激光雷达快速仿真,可以大大提高仿真效率,实现各型号车载激光雷达的实时仿真。
2、本发明在预先构建的虚拟交通环境中,利用计算机软件对车载激光雷达的工作过程进行仿真,获得与车载激光雷达实测数据相一致的模拟检测数据。
3、本发明根据所需要仿真的车载激光雷达的型号及特性参数来控制仿真激光的强度、探测距离、探测精度、激光间隔、扫描频率等技术特性,以达到对不同类型、不同参数设置的激光雷达进行仿真的目的。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
在进行仿真前,需要根据仿真实验的要求,建立测试场景。这个测试场景是基于图形技术构建的、以精确的三维几何模型及属性信息为主要内容的虚拟交通环境,包括了按照统一比例尺建立的道路、交通设施、道路附属设施、建筑等静态内容,也包括了能够按照指定运动规律在三维空间中运动的机动车、非机动车、行人等动态内容。测试场景以三维模型数据文件的方式存储在计算机硬盘或其它存储器中。
在进行仿真前,用户可以选择或设置所需要仿真的车载激光雷达的型号及特性参数。仿真软件将根据这些参数来控制仿真激光的强度、探测距离、探测精度、激光间隔、扫描频率等技术特性。以达到对不同类型、不同参数设置的激光雷达进行仿真的目的。
仿真过程中,虚拟车载激光雷达安装所模拟的虚拟智能车辆或车辆驾驶仿真器上,跟随车辆运行。用户可以设置车载激光雷达在虚拟测试车辆上的安装位置及角度。
仿真方法为:由用户以人工驾驶或自动驾驶的方式控制车辆驾驶仿真器或虚拟智能车辆在预先构建的虚拟交通环境中运行。在运行过程中,虚拟车载激光雷达不断对虚拟交通场景进行扫描,获得采样的点云数据,并将这些数据通过数据接口向外发送或存储到数据文件中。数据接口或数据存储格式与所仿真的车载激光雷达所使用的数据接口或数据存储格式相一致。
如图1所示,一种基于深度渲染的车载激光雷达仿真方法,包括
第一步:将测试场景加载到计算机内存中,并以树形结构组织及管理虚拟交通环境的数据。根据所需模拟车载激光雷达的型号及特性参数,加载车载激光雷达仿真模型。
第二步:启动仿真过程,开始进行周期性的仿真计算。在一个仿真周期开始后,首先获得当前时刻虚拟智能车辆或车辆驾驶仿真器在虚拟交通环境中的运行姿态,包括虚拟车辆质心的XYZ三维位置坐标、速度、加速度,绕XYZ三轴的姿态角度、角速度、角加速度,并根据这些数据及预设的车载激光雷达安装数据计算出所仿真的车载激光雷达在测试场景全局坐标系中的位置及角度。
第三步:根据第二步获得所仿真车载激光雷达的参数设置虚拟摄像机的参数,对测试场景进行深度渲染。虚拟摄像机或虚拟摄像机组的水平、垂直视角均大于或等于激光雷达的水平、垂直视角;虚拟摄像机或虚拟摄像机组的水平输出分辨率(一条水平扫描线上的像素数量)应超过激光雷达的水平扫描点数量。垂直输出分辨率(水平扫描线的数量)应超过激光雷达的垂直扫描数量。如果一个虚拟摄像机视角或分辨率不够,则自动在同一位置增加相同参数的虚拟摄像机,并偏转一定的角度,以覆盖激光雷达的扫描范围。
将深度渲染得到的深度数据,以浮点数的格式存储在计算机图形卡的显示存储单元中。进行深度渲染时的分辨率,应大于所仿真激光雷达的扫描分辨率。深度渲染过程是现有技术,可以采用Z-Buffer算法或其它相关算法完成。
第四步:从图形卡显示存储单元中读取第三步获得深度数据,将这些数据转存到计算机主存储单元中。根据所仿真车载激光雷达的参数,从获得的深度数据中选取部分或全部数据作为激光雷达对应扫描点上的仿真数据。
第五步:将获得的仿真数据,以指定的接口输出或存储。
第六步:回到第二步,直至仿真运行结束。
在本发明的一个实施例中,可以按照如下步骤实施:
第一步:采用三维建模软件建立所需模拟的交通环境的三维测试场景,并以三维场景模型文件的方式存储。
第二步:根据仿真车载激光雷达的技术参数,配置深度渲染虚拟摄像机的基本参数,包括水平视场角、垂直视场角、水平分辨率、垂直分辨率、远平面距离、***面距离。
第三步:根据虚拟车辆的状态参数及仿真车载激光雷达的安装位置,计算出虚拟摄像机的位置及姿态角,并根据这些参数采用OpenGL或其它图形渲染软件,进行深度数据的渲染计算。如果虚拟摄像机的视场角小于仿真车载激光雷达的扫描角度,可转动虚拟摄像机进行多次渲染,以获得足够的深度数据。
第四步:在计算机图形卡显示存储单元上创建一个纹理,纹理像素存储的格式为浮点型。将从指定摄像机位置获得测试场景深度数据存储到这个纹理。每一个纹理像素存储一个深度数据。
第五步:每帧数据采样完成后由纹理中转到计算机主存储单元中。根据所仿真车载激光雷达的参数模拟其采样过程及采样间隔,从深度数据中提取每个扫描点对应的模拟采样数据。
第六步:将采样数据转换为符合所仿真激光雷达扫描数据格式的采样结果,通过接口输出或保存在外部存储器中。
Claims (8)
1.一种基于深度渲染的车载激光雷达仿真方法,其特征在于,包括以下步骤:
第一步:将预先设计的测试场景加载到计算机内存中,并根据所需模拟车载激光雷达的型号及特性参数,加载车载激光雷达仿真模型;
第二步:启动仿真过程,开始进行周期性的仿真计算,得到所仿真的车载激光雷达在测试场景全局坐标系中的位置及角度;
第三步:根据第二步获得的位置及角度设置虚拟摄像机或虚拟摄像机组的参数,对测试场景进行深度渲染;
第四步:根据所仿真车载激光雷达的特性参数,从所述深度渲染得到的深度数据中选取部分或全部数据作为激光雷达对应扫描点上的仿真数据;
第五步:将获得的仿真数据,以指定的接口输出或存储;
第六步:返回到第二步,直至仿真运行结束;
所述周期性的仿真计算的一个仿真周期包括以下步骤:
获得当前时刻虚拟智能车辆或车辆驾驶仿真器在虚拟交通环境中的运行姿态;
根据所述运行姿态数据及预设的车载激光雷达安装数据计算出所仿真的车载激光雷达在测试场景全局坐标系中的位置坐标及姿态角;所述车载激光雷达安装数据为车载激光雷达在以车辆质心为原点的局部坐标系的坐标和角度;
所述运行姿态包括虚拟车辆质心的XYZ三维位置坐标、速度、加速度,绕XYZ三轴的姿态角度、角速度、角加速度。
2.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述车载激光雷达的特性参数包括:水平视野的角度范围、垂直视野的角度范围、水平分辨率、垂直分辨率、精度、扫描距离和数据传输率。
3.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述车载激光雷达在测试场景全局坐标系中的位置坐标为:
PLi = PVe* MRLi* MTLi
其中,PVe为车辆质心在测试场景全局坐标系中的位置坐标,MRLi为车辆局部坐标系旋转矩阵,MTLi为车辆局部坐标系平移矩阵;
所述车载激光雷达在测试场景全局坐标系中的姿态角为:
ALi = AVe+AVLi
其中,AVe为车辆在测试场景全局坐标系中的姿态角,AVLi为车载激光雷达在车辆局部坐标系中的姿态角。
4.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述虚拟摄像机或虚拟摄像机组的参数满足以下条件:
虚拟摄像机或虚拟摄像机组的水平、垂直视角均大于或等于激光雷达的水平、垂直视角;
虚拟摄像机或虚拟摄像机组的水平输出分辨率大于激光雷达的水平扫描点数量;
虚拟摄像机或虚拟摄像机组的垂直输出分辨率大于激光雷达的垂直扫描数量。
5.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述深度渲染的分辨率大于所仿真的车载激光雷达的扫描分辨率。
6.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述第三步中深度渲染得到的深度数据,以浮点数的格式存储在计算机图形卡的显示存储单元中。
7.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述第四步从图形卡显示存储单元中读取第三步获得深度数据,将这些数据转存到计算机主存储单元中。
8.根据权利要求1所述的一种基于深度渲染的车载激光雷达仿真方法,其特征在于,所述从所述深度渲染得到的深度数据中选取部分或全部数据作为激光雷达对应扫描点上的仿真数据,具体为:
根据所述仿真激光雷达的扫描采样间隔、虚拟摄像机或虚拟摄像机组进行深度渲染的分辨率这两个参数进行选取;
如果所述仿真激光雷达的扫描采样间隔与虚拟摄像机或虚拟摄像机组进行深度渲染的分辨率完全匹配,则选取全部所述深度渲染得到的深度数据;
否则在所述深度渲染得到的深度数据中,选取与激光雷达扫描采样点对应的深度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269132.4A CN107966693B (zh) | 2017-12-05 | 2017-12-05 | 一种基于深度渲染的车载激光雷达仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269132.4A CN107966693B (zh) | 2017-12-05 | 2017-12-05 | 一种基于深度渲染的车载激光雷达仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107966693A CN107966693A (zh) | 2018-04-27 |
CN107966693B true CN107966693B (zh) | 2021-08-13 |
Family
ID=61998328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711269132.4A Active CN107966693B (zh) | 2017-12-05 | 2017-12-05 | 一种基于深度渲染的车载激光雷达仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107966693B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003326B (zh) * | 2018-06-05 | 2021-07-23 | 湖北亿咖通科技有限公司 | 一种基于虚拟世界的虚拟激光雷达数据生成方法 |
CN108732556B (zh) * | 2018-08-17 | 2020-03-27 | 西南交通大学 | 一种基于几何体求交运算的车载激光雷达仿真方法 |
CN109271893B (zh) | 2018-08-30 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 一种仿真点云数据的生成方法、装置、设备及存储介质 |
CN109683175B (zh) * | 2018-12-24 | 2021-03-30 | 广州文远知行科技有限公司 | 激光雷达配置方法、装置、设备和存储介质 |
WO2020133206A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市大疆创新科技有限公司 | 雷达仿真方法及装置 |
CN109814093B (zh) * | 2019-01-29 | 2020-08-25 | 北京奥特贝睿科技有限公司 | 一种基于cpu多核计算的激光雷达仿真方法以及装置 |
CN109917402B (zh) * | 2019-04-11 | 2020-08-11 | 西南交通大学 | 一种车载激光雷达仿真模块仿真精度测定方法及*** |
CN110209592B (zh) * | 2019-06-10 | 2023-10-27 | 深圳市腾讯网域计算机网络有限公司 | 结算测试方法及装置 |
CN111859612B (zh) * | 2020-06-08 | 2024-06-25 | 北京经纬恒润科技股份有限公司 | 激光雷达仿真方法以及装置 |
CN111796256B (zh) * | 2020-07-08 | 2024-03-29 | 宁波傲视智绘光电科技有限公司 | 激光雷达用扫描***的位置设置方法、设备和存储装置 |
CN111830490A (zh) * | 2020-07-22 | 2020-10-27 | 浙江光珀智能科技有限公司 | 一种调频连续波激光雷达的仿真方法 |
CN111624583B (zh) * | 2020-07-30 | 2020-10-30 | 之江实验室 | 一种考虑速度因素的激光雷达测距的快速数值仿真方法 |
CN112991511B (zh) * | 2020-10-13 | 2023-03-24 | 中国汽车技术研究中心有限公司 | 一种点云数据的展示方法 |
CN112288906B (zh) * | 2020-10-27 | 2022-08-02 | 北京五一视界数字孪生科技股份有限公司 | 仿真数据集的获取方法、装置、存储介质和电子设备 |
CN112312113B (zh) * | 2020-10-29 | 2022-07-15 | 贝壳技术有限公司 | 用于生成三维模型的方法、装置和*** |
CN113191032B (zh) * | 2021-07-02 | 2021-11-30 | 北京远度互联科技有限公司 | 一种视角仿真方法、装置、***和存储介质 |
WO2023010540A1 (zh) * | 2021-08-06 | 2023-02-09 | 深圳市大疆创新科技有限公司 | 激光雷达的扫描结果的验证方法、装置、设备及存储介质 |
CN113484851B (zh) * | 2021-09-08 | 2021-11-16 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 车载激光雷达的仿真测试***、方法和整车在环测试*** |
CN114895316B (zh) * | 2022-07-11 | 2022-10-28 | 之江实验室 | 一种多激光雷达测距的快速数值仿真方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982703A (zh) * | 2012-12-12 | 2013-03-20 | 成都合纵连横数字科技有限公司 | 一种汽车驾驶仿真器与虚拟交通环境仿真***的交互方法 |
CN103413473A (zh) * | 2013-08-22 | 2013-11-27 | 北京科技大学 | 一种地下矿用铰接车的驾驶模拟*** |
CN105653350A (zh) * | 2015-12-30 | 2016-06-08 | 南京乐飞航空技术有限公司 | 一种用于飞行模拟器的气象雷达仿真渲染方法 |
CN106094569A (zh) * | 2016-07-06 | 2016-11-09 | 西北工业大学 | 多传感器融合无人机感知与规避仿真***及其仿真方法 |
CN106228591A (zh) * | 2016-07-12 | 2016-12-14 | 江苏奥格视特信息科技有限公司 | 虚拟现实超高速实时渲染方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130016099A1 (en) * | 2011-07-13 | 2013-01-17 | 2XL Games, Inc. | Digital Rendering Method for Environmental Simulation |
CN104133378B (zh) * | 2014-08-05 | 2017-01-25 | 中国民用航空总局第二研究所 | 一种机场活动区监控引导***的实时仿真平台 |
CN105628055B (zh) * | 2016-01-06 | 2018-07-31 | 北京工业大学 | 一种深空探测器着陆自主光学导航目标成像模拟*** |
-
2017
- 2017-12-05 CN CN201711269132.4A patent/CN107966693B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982703A (zh) * | 2012-12-12 | 2013-03-20 | 成都合纵连横数字科技有限公司 | 一种汽车驾驶仿真器与虚拟交通环境仿真***的交互方法 |
CN103413473A (zh) * | 2013-08-22 | 2013-11-27 | 北京科技大学 | 一种地下矿用铰接车的驾驶模拟*** |
CN105653350A (zh) * | 2015-12-30 | 2016-06-08 | 南京乐飞航空技术有限公司 | 一种用于飞行模拟器的气象雷达仿真渲染方法 |
CN106094569A (zh) * | 2016-07-06 | 2016-11-09 | 西北工业大学 | 多传感器融合无人机感知与规避仿真***及其仿真方法 |
CN106228591A (zh) * | 2016-07-12 | 2016-12-14 | 江苏奥格视特信息科技有限公司 | 虚拟现实超高速实时渲染方法 |
Non-Patent Citations (2)
Title |
---|
CPU/GPU协同运算技术在舰载警戒雷达实验室模拟仿真中的应用;饶世钧 等;《实验室研究与探索》;20170731;第36卷(第7期);第118-121页 * |
自主机器人的快速激光雷达仿真算法研究;李白云 等;《***仿真学报》;20090831;第21卷(第16期);第5075-5079页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107966693A (zh) | 2018-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107966693B (zh) | 一种基于深度渲染的车载激光雷达仿真方法 | |
US11763474B2 (en) | Method for generating simulated point cloud data, device, and storage medium | |
CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
CN113009506B (zh) | 一种虚实结合的实时激光雷达数据生成方法、***及设备 | |
CN109242966B (zh) | 一种基于激光点云数据的3d全景模型建模方法 | |
CN110675496B (zh) | 基于三维城市地质模型的网格剖分和可视化方法及其*** | |
CN110824443B (zh) | 雷达仿真方法、装置、存储介质及电子设备 | |
CN110852952B (zh) | 一种基于gpu的大规模地形实时绘制方法 | |
US11544898B2 (en) | Method, computer device and storage medium for real-time urban scene reconstruction | |
CN110209864B (zh) | 三维立体模型测量改尺标注重新建模的网络平台*** | |
Zhao et al. | Autonomous driving simulation for unmanned vehicles | |
CN114756937A (zh) | 一种基于UE4引擎和Cesium框架的可视化***及方法 | |
Su et al. | A simulation method for LIDAR of autonomous cars | |
JP7375149B2 (ja) | 測位方法、測位装置、ビジュアルマップの生成方法およびその装置 | |
CN112325857A (zh) | 基于倾斜摄影的无人机障碍预警方法 | |
CN114004957B (zh) | 增强现实图片的生成方法、装置、设备和存储介质 | |
Koduri et al. | AUREATE: An Augmented Reality Test Environment for Realistic Simulations | |
CN109657333B (zh) | 一种基于unity3d框架的三维海缆施工过程仿真模拟的方法 | |
CN106875480B (zh) | 一种城市三维数据组织的方法 | |
CN111612883B (zh) | 立方体贴图的处理方法、装置和存储介质 | |
Wang et al. | Improving Construction Demonstrations by Integrating BIM, UAV, and VR | |
CN116719054B (zh) | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 | |
CN102997865A (zh) | 一种钢板测量方法 | |
CN115760667A (zh) | 一种弱约束条件下3D WebGIS视频融合方法 | |
Li et al. | Visualization for hpc data-large terrain model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |