CN109035390B - 基于激光雷达的建模方法及装置 - Google Patents
基于激光雷达的建模方法及装置 Download PDFInfo
- Publication number
- CN109035390B CN109035390B CN201810734306.8A CN201810734306A CN109035390B CN 109035390 B CN109035390 B CN 109035390B CN 201810734306 A CN201810734306 A CN 201810734306A CN 109035390 B CN109035390 B CN 109035390B
- Authority
- CN
- China
- Prior art keywords
- target
- density
- initial
- scanning
- data
- 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
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于激光雷达的建模方法及装置,所述建模方法通过一建模装置实现,所述建模装置包括一雷达模块以及一处理器,所述雷达模块包括一激光雷达,所述建模方法包括:所述雷达模块获取扫描目标的初始扫描数据;所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度;所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据。本发明的基于激光雷达的建模方法及装置能够使获取的3D空间模型保真度大幅度提高,而且通过智能调节测量密度,降低对设备资源的占用并方便后续数据的处理。
Description
技术领域
本发明涉及一种基于激光雷达的建模方法及装置。
背景技术
激光雷达,是以发射激光束探测目标的位置、速度等特征量的雷达***。其工作原理是向目标发射探测信号,然后将接收到的从目标反射回来的信号与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,可以运用在军事、建筑等方面。
现有技术中激光雷达由激光发射机、光学接收机、转台和信息处理***等组成,激光器将电脉冲变成光脉冲发射出去,光接收机再把从目标反射回来的光脉冲还原成电脉冲,送到显示器。
现有的激光雷达存在保真度低,雷达扫描获取的数据处理耗时、耗资源等缺陷。
发明内容
本发明要解决的技术问题是为了克服现有技术中激光雷达存在保真度低,雷达扫描获取的数据处理耗时、耗资源的缺陷,提供一种能够使获取的3D空间模型保真度大幅度提高,而且通过智能调节测量密度,降低对设备资源的占用并方便后续数据的处理的基于激光雷达的建模方法及装置。
本发明是通过下述技术方案来解决上述技术问题:
一种基于激光雷达的建模方法,其特点在于,所述建模方法通过一建模装置实现,所述建模装置包括一雷达模块以及一处理器,所述雷达模块包括一激光雷达,所述建模方法包括:
所述雷达模块获取扫描目标的初始扫描数据;
所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度;
所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据。
较佳地,所述雷达模块获取扫描目标的初始扫描数据包括:
所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取所述初始扫描数据,所述初始测量密度小于所述目标密度。
较佳地,所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度包括:
所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的个数;
所述处理器根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
调节所述激光雷达的测量密度为目标密度。
较佳地,所述雷达模块还包括一RGB镜头或黑白传感器,所述雷达模块获取扫描目标的初始扫描数据包括:
所述雷达模块通过所述RGB镜头或黑白传感器拍摄所述扫描目标以获取所述初始扫描数据。
较佳地,所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度包括:
所述处理器识别所述初始扫描数据中镜头影像中线条以及线条交点的个数,其中,所述镜头影像为RGB镜头或黑白传感器拍摄所述扫描目标获取的影像;
所述处理器根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
调节所述激光雷达的测量密度为目标密度。
较佳地,所述雷达模块还包括一RGB镜头或黑白传感器,所述雷达模块获取扫描目标的初始扫描数据包括:
所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取第一扫描数据,所述初始测量密度小于所述目标密度;
所述雷达模块通过所述RGB镜头或黑白传感器拍摄所述扫描目标以获取第二扫描数据;
所述雷达模块根据第一扫描数据及第二扫描数据获取扫描目标的初始扫描数据。
较佳地,所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度包括:
所述处理器识别所述初始扫描数据中镜头影像中线条以及线条交点的第一个数,且所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的第二个数,其中所述镜头影像为RGB镜头或黑白传感器拍摄所述扫描目标获取的影像;
所述处理器根据平均值与扫描角度的比例与测量密度的对应关系获取所述目标密度,其中所述平均值为所述第一个数与第二个数的平均值。
较佳地,所述建模方法包括:
所述处理器获取初始扫描数据的等级,并根据所述等级与测量密度的对应关系获取所述目标密度,其中,每一等级均通过若干预设扫描数据进行训练。
较佳地,所述建模方法包括:
所述处理器根据所述初始扫描数据获取若干测量密度,每一测量密度均与一扫描角度范围对应;
所述激光雷达进行扫描时,目标密度为激光雷达当前角度所在扫描角度范围对应的测量密度。
本发明还提供一种基于激光雷达的建模装置,其特点在于,所述建模装置用于实现如上所述的建模方法。
本发明的积极进步效果在于:本发明的基于激光雷达的建模方法及装置能够使获取的3D空间模型保真度大幅度提高,而且通过智能调节测量密度,降低对设备资源的占用并方便后续数据的处理。
附图说明
图1为本发明实施例1的建模装置的结构示意图。
图2为本发明实施例1的建模方法的流程图。
图3为本发明实施例1的建模方法的流程图。
图4为本发明实施例2的建模方法的流程图。
图5为本发明实施例3的建模方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
参见图1,本实施例提供一种建模装置1,所述建模装置包括一雷达模块11以及一处理器12,所述雷达模块11包括一激光雷达111。所述处理器包括一调节模块121、一生成模块122以及一获取模块123。
本实施例中,所述处理器为一电脑,所述处理器还可以为云端服务器,通过将数据传输至云端服务器,利用云端服务器进行数据运算。
所述雷达模块用于获取扫描目标的初始扫描数据;
具体地,在本实施例中,所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取所述初始扫描数据。
所述调节模块用于根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度;
所述激光雷达用于利用所述目标密度进行扫描以获取所述扫描目标的模型数据。
本实施例的建模装置提供一种具体的通过初试扫描数据生成测量密度的方式,通过下述模块实现:
所述生成模块用于根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的个数。
所述获取模块用于根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
所述调节模块调节所述激光雷达的测量密度为目标密度。
所述初始测量密度小于所述目标密度
本实施例提供一种激光雷达的新颖的扫描机构,其能够确保建筑物信息建模和其他测量类型应用时具备足够的测量密度。
激光雷达是利用飞行时间原理精确估计光源与目标表面之间距离的***。当光源扫描周围环境时,可以推断出相应的三维空间。所得到的3D空间的保真度取决于几个关键因素:1、整体范围测量的密度;2、每个范围测量的精度;3、扫描机制的精度。
为了提高保真度,本实施例提高激光雷达的测量密度。
本实施例提供激光雷达的扫描方式:1、将旋转光源/多个光源放置在固定的三脚架上并以均匀的方式或均匀的网格扫描周围环境;2、将旋转光源/多个光源放置在固定的平台上,由人手操作,操作人员在地面上围绕目标3D空间走动,同时摆动所述平台。如果摆动模式是足够随机的,则应该有足够的范围测量密度以支持在所产生的3D表面中的任意两点之间的3D测量。
如果直接利用高测量密度来扫描目标的话,会增加计算量,使数据的处理变得缓慢,本申请先利用低测量密度检测一下环境,通过对检测结果的分析可以判断出环境的复杂程度,从而在第二次扫描时,提高测量密度到满足环境复杂层度的目标密度。所述分析过程可以通过人工智能、神经网络等算法实现。
本实施例中判断环境的复杂程度通过识别初始扫描数据所描述模型中点和线的复杂程度,所述个数与扫描角度的比例越大则目标密度的数值就越大。
参见图2,利用上述建模装置,本实施例还提供一种建模方法,包括:
步骤100、所述雷达模块获取扫描目标的初始扫描数据;
步骤101、所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度;
步骤102、所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据。
其中步骤100具体为:
所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取所述初始扫描数据,所述初始测量密度小于所述目标密度。
参见图3,步骤101包括:
步骤1011、所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的个数。
步骤1012、所述处理器根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度。
步骤1013、调节所述激光雷达的测量密度为目标密度,然后步骤102。
本实施例的基于激光雷达的建模方法及装置够使获取的3D空间模型保真度大幅度提高,而且通过智能调节测量密度,降低对设备资源的占用并方便后续数据的处理。
实施例2
本实施例与实施例1基本相同,不同之处仅在于:
所述雷达模块还包括一RGB镜头,所述雷达模块用于通过所述RGB镜头拍摄所述扫描目标以获取所述初始扫描数据。所述处理器还用于识别所述初始扫描数据中镜头影像中线条以及线条交点的个数,并根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
所述调节模块调节所述激光雷达的测量密度为目标密度。
本实施例中在激光雷达扫描之前,先用RGB镜头进行扫描,获取环境的复杂程度,所述复杂程度可以通过如上图像识别进行获取,也可以通过色彩变化的频率进行获取,如,将镜头影像划分为若干区域,获取每一区域限速点色彩平均值,通过对比相邻区域的色彩平均值,能够判断出色彩的变化频率,频率越高测量密度调节的越大。
参见图4,利用上述建模装置,本实施例的建模方法包括:
步骤200、所述雷达模块通过所述RGB镜头拍摄所述扫描目标以获取所述初始扫描数据。
步骤201、所述处理器识别所述初始扫描数据中镜头影像中线条以及线条交点的个数;
步骤202、所述处理器根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
步骤203、调节所述激光雷达的测量密度为目标密度。
步骤204、所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据。
本实施例中,所述RGB镜头还可以替换为黑白传感器,通过黑白传感器获取所述初始扫描数据并根据黑白镜头拍摄镜头影像来识别所述个数。所述镜头影像为RGB镜头或黑白传感器拍摄所述扫描目标获取的影像。
实施例3
本实施例与实施例2基本相同,不同之处仅在于:
所述雷达模块用于通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取第一扫描数据,所述初始测量密度小于所述目标密度;
所述雷达模块用于通过所述RGB镜头拍摄所述扫描目标以获取第二扫描数据;
所述雷达模块用于根据第一扫描数据及第二扫描数据获取扫描目标的初始扫描数据。
所述处理器还用于识别所述初始扫描数据中镜头影像中线条以及线条交点的第一个数,且所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的第二个数;
所述处理器还用于根据平均值与扫描角度的比例与测量密度的对应关系获取所述目标密度,其中所述平均值为所述第一个数与第二个数的平均值。
参见图5,利用上述建模装置,本实施例的建模方法包括:
步骤300、所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取第一扫描数据,所述初始测量密度小于所述目标密度;
步骤301、所述雷达模块通过所述RGB镜头拍摄所述扫描目标以获取第二扫描数据;
步骤302、所述雷达模块根据第一扫描数据及第二扫描数据获取扫描目标的初始扫描数据。
步骤303、所述处理器识别所述初始扫描数据中镜头影像中线条以及线条交点的第一个数,且所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的第二个数;
步骤304、所述处理器根据平均值与扫描角度的比例与测量密度的对应关系获取所述目标密度,其中所述平均值为所述第一个数与第二个数的平均值。
步骤305、所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据。
本实施例中,所述RGB镜头还可以替换为黑白传感器,通过黑白传感器获取所述初始扫描数据并根据黑白镜头拍摄镜头影像来识别所述个数。所述镜头影像为RGB镜头或黑白传感器拍摄所述扫描目标获取的影像。
实施例4
本实施例与实施例1基本相同,不同之处仅在于:
所述处理器用于获取初始扫描数据的等级,并根据所述等级与测量密度的对应关系获取所述目标密度,其中,每一等级均通过若干预设扫描数据进行训练。
本实施例通过人工智能对测量密度进行进一步的优化,过程如下:
先选取对每一个建筑模型(扫描数据)进行评级,同一级别的大量建筑模型作为训练样本进行训练,通过训练后的处理器能够判断初始扫描数据等级,根据所述等级对应的测量密度获取所述目标密度。
实施例1中步骤101具体为:
所述处理器获取初始扫描数据的等级,并根据所述等级与测量密度的对应关系获取所述目标密度,其中,每一等级均通过若干预设扫描数据进行训练。
实施例5
本实施例与实施例1基本相同,不同之处仅在于:
所述处理器用于根据所述初始扫描数据获取若干测量密度,每一测量密度均与一扫描角度范围对应;
所述激光雷达进行扫描时,目标密度为激光雷达当前角度所在扫描角度范围对应的测量密度。
本实施例的建模装置能够根据环境的复杂程度实时调节测量密度。
实施例1中的步骤101、102具体为:
步骤101、所述处理器根据所述初始扫描数据获取若干测量密度,每一测量密度均与一扫描角度范围对应;
步骤102、所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据,其中,所述激光雷达进行扫描时,目标密度为激光雷达当前角度所在扫描角度范围对应的测量密度。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种基于激光雷达的建模方法,其特征在于,所述建模方法通过一建模装置实现,所述建模装置包括一雷达模块以及一处理器,所述雷达模块包括一激光雷达,所述建模方法包括:
所述雷达模块获取扫描目标的初始扫描数据;
所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度;
所述激光雷达利用所述目标密度进行扫描以获取所述扫描目标的模型数据;
其中,所述雷达模块获取扫描目标的初始扫描数据包括:
所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取所述初始扫描数据,所述初始测量密度小于所述目标密度;
其中,所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度包括:
所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的个数;
所述处理器根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
调节所述激光雷达的测量密度为目标密度。
2.如权利要求1所述的建模方法,其特征在于,所述雷达模块还包括一RGB镜头或黑白传感器,所述雷达模块获取扫描目标的初始扫描数据包括:
所述雷达模块通过所述RGB镜头或黑白传感器拍摄所述扫描目标以获取所述初始扫描数据。
3.如权利要求2所述的建模方法,其特征在于,所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度包括:
所述处理器识别所述初始扫描数据中镜头影像中线条以及线条交点的个数,其中,所述镜头影像为RGB镜头或黑白传感器拍摄所述扫描目标获取的影像;
所述处理器根据所述个数与扫描角度的比例所对应的测量密度获取所述目标密度;
调节所述激光雷达的测量密度为目标密度。
4.如权利要求1所述的建模方法,其特征在于,所述雷达模块还包括一RGB镜头或黑白传感器,所述雷达模块获取扫描目标的初始扫描数据包括:
所述雷达模块通过所述激光雷达利用一初始测量密度扫描所述扫描目标以获取第一扫描数据,所述初始测量密度小于所述目标密度;
所述雷达模块通过所述RGB镜头或黑白传感器拍摄所述扫描目标以获取第二扫描数据;
所述雷达模块根据第一扫描数据及第二扫描数据获取扫描目标的初始扫描数据。
5.如权利要求4所述的建模方法,其特征在于,所述处理器根据所述初始扫描数据调节所述激光雷达的测量密度为目标密度包括:
所述处理器识别所述初始扫描数据中镜头影像中线条以及线条交点的第一个数,且所述处理器根据所述初始扫描数据生成初始模型并获取所述初始模型中线条以及线条交点的第二个数,其中所述镜头影像为RGB镜头或黑白传感器拍摄所述扫描目标获取的影像;
所述处理器根据平均值与扫描角度的比例与测量密度的对应关系获取所述目标密度,其中所述平均值为所述第一个数与第二个数的平均值。
6.如权利要求1所述的建模方法,其特征在于,所述建模方法包括:
所述处理器获取初始扫描数据的等级,并根据所述等级与测量密度的对应关系获取所述目标密度,其中,每一等级均通过若干预设扫描数据进行训练。
7.如权利要求1所述的建模方法,其特征在于,所述建模方法包括:
所述处理器根据所述初始扫描数据获取若干测量密度,每一测量密度均与一扫描角度范围对应;
所述激光雷达进行扫描时,目标密度为激光雷达当前角度所在扫描角度范围对应的测量密度。
8.一种基于激光雷达的建模装置,其特征在于,所述建模装置用于实现如权利要求1至7中任意一项所述的建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810734306.8A CN109035390B (zh) | 2018-07-06 | 2018-07-06 | 基于激光雷达的建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810734306.8A CN109035390B (zh) | 2018-07-06 | 2018-07-06 | 基于激光雷达的建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035390A CN109035390A (zh) | 2018-12-18 |
CN109035390B true CN109035390B (zh) | 2023-04-25 |
Family
ID=64641190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810734306.8A Active CN109035390B (zh) | 2018-07-06 | 2018-07-06 | 基于激光雷达的建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035390B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347664B (zh) * | 2021-01-11 | 2021-03-23 | 苏州澳昆智能机器人技术有限公司 | 一种非规整装车空间的建模方法及装置 |
CN113064145B (zh) * | 2021-03-24 | 2024-03-29 | 盎锐(杭州)信息科技有限公司 | 基于激光雷达的水平标定方法、***及激光雷达 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004201061A (ja) * | 2002-12-19 | 2004-07-15 | Fuji Xerox Co Ltd | 画像形成方法、画像形成装置、プログラム |
CN101658428A (zh) * | 2008-08-28 | 2010-03-03 | 西门子(中国)有限公司 | 灌注成像技术中对位图进行处理的方法和*** |
CN102053258A (zh) * | 2010-12-15 | 2011-05-11 | 中国石油集团川庆钻探工程有限公司 | 基于复杂地质构造的自适应三维射线追踪方法 |
CN106408011A (zh) * | 2016-09-09 | 2017-02-15 | 厦门大学 | 基于深度学习的激光扫描三维点云树木自动分类方法 |
CN106725570A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 成像方法及*** |
CN108169730A (zh) * | 2016-12-07 | 2018-06-15 | 岭纬公司 | 基于区域的激光雷达变密度扫描***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6753107B2 (ja) * | 2016-03-29 | 2020-09-09 | 富士通株式会社 | 距離測定装置、距離測定方法及びプログラム |
-
2018
- 2018-07-06 CN CN201810734306.8A patent/CN109035390B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004201061A (ja) * | 2002-12-19 | 2004-07-15 | Fuji Xerox Co Ltd | 画像形成方法、画像形成装置、プログラム |
CN101658428A (zh) * | 2008-08-28 | 2010-03-03 | 西门子(中国)有限公司 | 灌注成像技术中对位图进行处理的方法和*** |
CN102053258A (zh) * | 2010-12-15 | 2011-05-11 | 中国石油集团川庆钻探工程有限公司 | 基于复杂地质构造的自适应三维射线追踪方法 |
CN106408011A (zh) * | 2016-09-09 | 2017-02-15 | 厦门大学 | 基于深度学习的激光扫描三维点云树木自动分类方法 |
CN108169730A (zh) * | 2016-12-07 | 2018-06-15 | 岭纬公司 | 基于区域的激光雷达变密度扫描***及方法 |
CN106725570A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 成像方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109035390A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949372B (zh) | 一种激光雷达与视觉联合标定方法 | |
CN109212510B (zh) | 用于测量多线激光雷达的角分辨率的方法和装置 | |
CN109477710B (zh) | 基于点的结构化光***的反射率图估计 | |
JP2020534518A5 (zh) | ||
CN109816697B (zh) | 一种无人模型车建立地图的***及方法 | |
US10140722B2 (en) | Distance measurement apparatus, distance measurement method, and non-transitory computer-readable storage medium | |
CN110031830B (zh) | 一种基于激光线扫描成像的测距方法 | |
CN109035390B (zh) | 基于激光雷达的建模方法及装置 | |
CN115421127A (zh) | 一种激光雷达仿真模型的生成方法、装置及电子设备 | |
US20230314618A1 (en) | Optoelectronic measuring device having scanning functionality | |
CN115077414A (zh) | 一种水下航行器测量海面目标物底部轮廓的装置和方法 | |
JP6876445B2 (ja) | データ圧縮装置、制御方法、プログラム及び記憶媒体 | |
CN115773720A (zh) | 一种基于光学视觉的水下目标尺寸测量装置和方法 | |
CN113160292B (zh) | 一种基于智能移动终端的激光雷达点云数据三维建模装置及方法 | |
CN116990830B (zh) | 基于双目和tof的距离定位方法、装置、电子设备及介质 | |
CN117095038A (zh) | 用于激光扫描仪的点云滤波方法及*** | |
JP6881986B2 (ja) | データ圧縮装置、データ解凍装置、制御方法、プログラム及び記憶媒体 | |
CN111127436B (zh) | 一种用于桥梁的位移检测预警方法 | |
CN115824170A (zh) | 一种摄影测量与激光雷达融合测量海洋波浪的方法 | |
CN113895482B (zh) | 基于轨旁设备的列车测速方法及装置 | |
CN105182360A (zh) | 一种非扫描高速激光三维成像方法及*** | |
CN115409861A (zh) | 基于图像处理的激光雷达地面点云分割方法、装置、设备及介质 | |
CN109934228B (zh) | 基于人工智能的3d点云处理方法及装置 | |
WO2020133206A1 (zh) | 雷达仿真方法及装置 | |
CN109151458B (zh) | 测试模型构造方法、景深模组光学中心测试方法及设备 |
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 |