CN109559374A - 基于点云数据的高效测绘*** - Google Patents
基于点云数据的高效测绘*** Download PDFInfo
- Publication number
- CN109559374A CN109559374A CN201811386814.8A CN201811386814A CN109559374A CN 109559374 A CN109559374 A CN 109559374A CN 201811386814 A CN201811386814 A CN 201811386814A CN 109559374 A CN109559374 A CN 109559374A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- point
- website
- intervisibility
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 16
- 239000012535 impurity Substances 0.000 claims abstract description 4
- 238000011946 reduction process Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 60
- 238000012986 modification Methods 0.000 claims description 13
- 230000004048 modification Effects 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及站点布设***技术领域,具体为基于点云数据的高效测绘***,包括站点布设模块、站点数据获取模块、数据拼接模块、数据处理模块、模型重建模块、测绘图生成模块;站点布设模块用于供用户对观测站点进行布设,站点数据获取模块用于从布设的各个观测站点获取站点数据,数据拼接模块用于将各个观测站点采集的站点数据进行拼接与合成,形成完整的点云数据,数据处理模块用于对点云数据进行除杂降噪处理,模型重建模块用于根据点云数据重建目标物的三维观测模型,测绘图生成模块用于根据点云数据生成测绘图纸。本发明提供的基于点云数据的高效测绘***,可以将数据接入整个平台,自动得到标准化的图纸和重建的模型,提高数据处理效率。
Description
技术领域
本发明涉及站点布设***技术领域,具体为基于点云数据的高效测绘***。
背景技术
三维激光扫描技术可大面积、高精度、非接触地快速获取被测对象表面的三维坐标点云数据。维激光扫描技术突破了传统的单点测量方法,进化到面测量方式,它提供了一个全自动、高精度的快速立体扫描方式,能够直接获取目标点坐标和灰度信息,为空间信息的采集带来了一场新的革命。
在地形图测绘领域中,采用三维激光扫描技术进行野外数据采集将逐渐取代传统的全站仪和RTK采集方式。但是相对于全站仪和RTK采集技术,如果使用三维激光扫描技术进行大面积地形测绘时,需要提前部署相应的观测站点。测站选取通常通过野外现场的方式进行,这种方式可能会花费较长时间去判断去哪个位置才能达到较好效果,且当我们到达某个地方准备架设仪器后,会发现许多地方因为地形的起伏而不在视场范围内,这样不得不架设多的测站。具有很大的盲目性和不确定性,在实际生产中会花费大量的时间,效率低。
发明内容
本发明意在提供基于点云数据的高效测绘***,能够解决现有地形测绘中存在的效率低的问题。
为了解决上述技术问题,本申请提供如下技术方案:
基于点云数据的高效测绘***,包括站点布设模块、站点数据获取模块、数据拼接模块、数据处理模块、模型重建模块、测绘图生成模块;所述站点布设模块用于供用户对观测站点进行布设,所述站点数据获取模块用于从布设的各个观测站点获取站点数据,所述数据拼接模块用于将各个观测站点采集的站点数据进行拼接与合成,形成完整的点云数据,所述数据处理模块用于对点云数据进行除杂降噪处理,所述模型重建模块用于根据点云数据重建目标物的三维观测模型,所述测绘图生成模块用于根据点云数据生成测绘图纸;所述站点布设模块包括:
数据输入模块,用于供用户输入地图数据以及站点坐标数据;
通视分析模块,用于根据地图数据以及站点的站点坐标数据分析站点按照站点坐标数据部署后其周围的通视情况;
地图标记模块,所述地图标记模块用于根据通视分析模块的分析结果,将地图上可通视区域与不可通视区域进行标记;
站点推荐模块,站点推荐模块用于判断地图上是否全部为可通视区域,若是,则完成站点布设,若否则根据未布设站点的区域,计算推荐的站点坐标数据。
本发明技术方案建立了一个完整的测绘数据平台,统一了数据标准,针对于数据获取、数据处理、数据管理、数据分发等多种需求场景进行设计,通过观测站点采集数据,就可以将数据接入整个平台,然后经过自动化的处理和分析即可得到标准化的图纸和重建的模型,极大的简化了工作流程,降低了数据处理的难度,提高了测绘工作效率。并且本申请中,针对于站点的部署和位置选择,通过通视分析模块,利用地图的数据以及站点坐标数据即可分析每个站点周围的通视情况,并由地图标记模块对可通视区域与不可通视区域进行标记,用户可以直观的观察到每个站点布设后的通视情况,进而为站点布设提供依据,通过站点推荐模块,可以从未布设站点的区域推荐站点坐标,帮助用户快速进行站点布设,因为三维激光扫描技术进行一次扫描就可以获取测程范围内的整个可见区域,因此合理选取测站可以减少工作量、也可以避免重复扫描,从而提高测绘的工作效率。
进一步,还包括存档管理模块,所述存档管理模块用于对生成的测绘图纸、三维观测模型进行存档管理。
进一步,还包括改造方案导入模块和改造预览模块,所述改造方案导入模块用于导入改造方案,所述改造预览模块用于对按照改造方案改造后的方案进行预览。
进一步,所述测绘图生成模块包括平面图生成模块、立面图生成模块以及剖面图生成模块,所述测绘图纸包括平面图、立面图以及剖面图。
进一步,所述通视分析模块包括坐标转换模块、范围生成模块、点集提取模块、通视区域提取模块和结果生成模块;所述坐标转换模块用于将地图数据的所有点进行极坐标转换,所述范围生成模块用于按照预设的角度初始值和角度步长生成递增的角度提取范围,所述点集提取模块用于从极坐标转换之后的地图数据中提取对应的角度提取范围内的数据,通视区域提取模块用于从点集提取模块提取的地图数据中提取与站点最近的连续区域作为通视区域,所述结果生成模块用于根据通视区域提取模块的提取结果,生成通视区域点集和不通视区域点集。将地图数据坐标转化为极坐标,可以直观展示出每个点距离站点的距离,简化计算复杂度。
进一步,所述通视区域提取模块包括通视点集提取模块以及连续区域提取模块,所述通视点集提取模块用于提取与站点位置最近的点集并将这个点集作为初始通视点集,所述连续区域提取模块用于提取与初始通视点集中的点距离相差小于阈值的点集,并将提取出的点集加入到初始通视点集中进行再次迭代,并在无法找到与初始通视点集中的点距离相差小于阈值的点集时,结束提取。
进一步,所述通视分析模块还包括参数设置模块,所述参数设置模块用于供用户设置角度初始值和角度步长。方便用户对参数进行调整。
进一步,所述数据拼接模块包括空间抽稀模块、特征数据集提取模块、最优解计算模块、旋转模块以及拼接模块,所述空间抽稀模块用于将站点数据进行空间抽稀,所述特征数据集提取模块用于从空间抽稀后的站点数据中提取特征数据集,所述最优解计算模块用于计算最优旋转角度,所述旋转模块用于根据最优旋转角度旋转原始的站点数据,所述拼接模块用于将旋转后的站点数据进行数据拼接。通过空间抽稀模块以及特征提取模块,将原始数据进行简化,既可以保留原始数据特征,又可以有效地减小计算量,加快处理速度。
进一步,所述最优解计算模块包括残差计算模块,所述残差计算模块用于计算旋转残差,所述最优解提取模块用于根据旋转残差计算最优解。
附图说明
图1为本发明基于点云数据的高效测绘***实施例的逻辑框图;
图2为本发明基于点云数据的高效测绘***实施例的站点布设模块的算法流程图;
图3为图2中通视算法的流程图;
图4为本发明基于点云数据的高效测绘***实施例的数据拼接模块的算法流程图;
图5为图4中空间抽稀算法的流程图;
图6为图4中确定最优旋转角度的算法流程图;
图7为图6中计算旋转残差的算法流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
如图1所示,本实施例的基于点云数据的高效测绘***,包括站点布设模块、站点数据获取模块、数据拼接模块、数据处理模块、模型重建模块、测绘图生成模块;所述站点布设模块用于供用户对观测站点进行布设,所述站点数据获取模块用于从布设的各个观测站点获取站点数据,所述数据拼接模块用于将各个观测站点采集的站点数据进行拼接与合成,形成完整的点云数据,所述数据处理模块用于对点云数据进行除杂降噪处理,所述模型重建模块用于根据点云数据重建目标物的三维观测模型,本申请中,模型重建模块基于Altizure技术实现,所述测绘图生成模块用于根据点云数据生成测绘图纸;具体的,站点布设模块包括:
数据输入模块、通视分析模块、地图标记模块以及站点推荐模块,数据输入模块用于供用户输入地图数据以及站点坐标数据;通视分析模块用于根据地图数据以及站点的站点坐标数据分析站点按照站点坐标数据部署后其周围的通视情况。
本实施例中,通视分析模块包括坐标转换模块、范围生成模块、点集提取模块、通视区域提取模块以及结果生成模块;坐标转换模块用于将地图数据的所有点进行极坐标转换,范围生成模块用于按照预设的角度初始值和角度步长生成递增的角度提取范围,点集提取模块用于从极坐标转换之后的地图数据中提取对应的角度提取范围内的数据,通视区域提取模块用于从点集提取模块提取的地图数据中提取与站点最近的连续区域作为通视区域,结果生成模块用于根据通视区域提取模块的提取结果,生成通视区域点集和不通视区域点集。通视分析模块还包括参数设置模块,参数设置模块用于供用户设置角度初始值和角度步长。
通视区域提取模块包括通视点集提取模块以及连续区域提取模块,通视点集提取模块用于提取与站点位置最近的点集并将这个点集作为初始通视点集,连续区域提取模块用于提取与初始通视点集中的点距离相差小于阈值的点集,并将提取出的点集加入到初始通视点集中进行再次迭代,并在无法找到与初始通视点集中的点距离相差小于阈值的点集时,结束提取。
地图标记模块用于根据通视分析模块的分析结果,将地图上可通视区域与不可通视区域进行标记;本实施例中,地图标记模块用于将可通视区域标记为绿色,将不可通视区域标记为红色。
站点推荐模块用于判断地图上是否全部为可通视区域,若是,则完成站点布设,若否则根据未布设站点的区域,计算推荐的站点坐标数据。还包括存档管理模块,存档管理模块用于对生成的测绘图纸、三维观测模型进行存档管理。还包括改造方案导入模块和改造预览模块,改造方案导入模块用于导入改造方案,改造预览模块用于对按照改造方案改造后的方案进行预览。测绘图生成模块包括平面图生成模块、立面图生成模块以及剖面图生成模块,测绘图纸包括平面图、立面图以及剖面图。
数据拼接模块包括空间抽稀模块、特征数据集提取模块、最优解计算模块、旋转模块以及拼接模块,空间抽稀模块用于将站点数据进行空间抽稀,特征数据集提取模块用于从空间抽稀后的站点数据中提取特征数据集,最优解计算模块用于计算最优旋转角度,旋转模块用于根据最优旋转角度旋转原始的站点数据,拼接模块用于将旋转后的站点数据进行数据拼接。最优解计算模块包括残差计算模块,残差计算模块用于计算旋转残差,最优解提取模块用于根据旋转残差计算最优解。
站点布设模块运行时,如图2所示,用户输入地图数据,可视化模块将初始输入的地图标记为红色,然后输入站点坐标数据,通视分析模块通过通视算法获取当前站点坐标数据对应的通视区域点集和不通区域点集,然后地图标记模块将通视区域标记为绿色,将不通视区域标记为红色,站点推荐模块判断当前地图数据是否全部为可通视区域,若是,则完成站点的部署,若否,则在未部署站点的区域计算推荐的站点坐标数据,本实施中,默认推荐区域的中心位置,即横纵两个方向上的中垂线的交点位置为推荐的站点坐标位置。通视算法如图3所示,坐标转换模块首先对输入的地图数据围绕站点位置进行极坐标转换,然后通过参数设置模块设置角度步长,即角度分辨率,以及角度初始值,本实施例中,角度初始值为0度,然后设置距离阈值β,范围生成模块按照角度初始值和角度步长生成递增的角度提取范围,点集提取模块从极坐标转换之后的地图数据中提取对应的角度提取范围内的数据得到数据集A,通视区域提取模块从A中提取与站点最近的连续区域作为通视区域,具体的,通视点集提取模块提取与站点位置最近的点集并将这个点集作为初始通视点集B,连续区域提取模块用于提取与初始通视点集中的点距离相差小于距离阈值β的点集C,并将提取出的点集加入到初始通视点集B中进行再次迭代,并在无法找到与初始通视点集中的点距离相差小于距离阈值的点集时,结束提取。
结果生成模块用于根据通视区域提取模块的提取结果,生成通视区域点集R和不通视区域点集M。
数据拼接模块执行时,如图4所示,执行以下步骤:首先获取站点原始数据和站点初始位置;然后进行空间抽稀,然后从站点原始数据中筛选出特征数据集;然后以站点初始位置为基准,将特征数据集放置初始位置处对特征数据集数据进行旋转操作,找出最优旋转角度;然后由旋转模块将站点原始数据按照最优旋转角度进行旋转,然后由拼接模块使用现有的开源ICP拼接算法进行高精度拼接。
空间抽稀模块运行时,执行以下步骤,如图5所示,首先以原始数据为数据集A;然后从A中选取任意一个未处理的点S;然后计算剩余的所有其他点到S的距离,并从A中剔除距离小于预设值的点,本实施中剔除距离小于0.1cm的点;然后将点S标记为已处理,判断A中是否还存在未处理的点,若是,则重新从A中选取未处理的点进行迭代;若否,则以数据集A作为原始数据抽稀后的数据集。通过距离作为条件值来对数据进行抽稀,可以快速的完成抽稀处理,并且有效的保留地形特征。
特征数据集提取模块运行时,执行以下步骤:计算空间特征量,得到X、Y、Z三个维度的特征值,分别用feature_x、feature_y、feature_z表示;本实施例中以X轴维度方向的特征值为例,特征数据集提取模块计算某个点在X轴维度方向上的特征值时执行以下步骤:
首先从数据集中筛选出在Y-Z平面上的投影与当前数据点在Y-Z平面上的投影的距离小于预设值的数据点,形成点集K;然后将点集K中的点按照预设的间隔沿着当前X方向划分为多个方块;找到K中X坐标最大的点所在的方块的中心点的X坐标值Xmax;并找到K中X坐标最小的点所在的方块的中心点的X坐标值Xmin;然后计算Xmin到Xmax之间所有的方块中包含有点集K中的点的方块的数量C;最后计算C/(Xmax-Xmin),并以该结果为当前点在X维度方向上的特征值feature_x。采用同样的计算方式,即可得到该点在Y轴和Z轴维度方向上的特征值feature_y和feature_z。
特征数据集提取模块将至少一个维度的特征值大于预设值的数据提取出来,即可得到特征数据集,本实施例中,将feature_x、feature_y或feature_z中任一项大于0.9的数据点提取出来构成特征数据集。
如图6所示,最优解计算模块按以下步骤计算最优解:首先设置旋转角度步长为γ,设置旋转角度θ的初始值为γ,本实施中γ设置为5度,并设置一个残差阈值,残差阈值的初始值为一个较大的数据,本实施例中为1000;对特征数据集中的所有数据沿一个维度轴转动θ度;计算旋转残差,并判断旋转残差是否小于残差阈值,若是,设置最优旋转角度为θ并更新残差阈值为上一步计算出来的旋转残差;若否,将θ角度增加γ,即5度,并判断增加后的θ是否大于360度,若是则结束,若否则重新进行旋转残差的计算和判断。
其中,旋转残差的计算如图7所示,包括以下步骤:
获取站点匹配队列,设置α=0,count=0,dis=0,并对匹配队列中每一对需要拼接的站点对,均执行一下步骤;以当前站点对中的一个站点中所有的数据形成点集P,针对点集P中每一个点Pj,均计算站点对的另一个站点中所有点距离点Pj的距离的最小值min_dis,判断min_dis是否小于预设值,本实施例中为0.5m,若是,则另count=count+1,并令dis=dis+min_dis;令α=α+dis/count;将α作为旋转残差。通过计算匹配队列中拼接站点对的各个点之间的距离的平均值,来计算旋转的残差。
本实施例的方案建立了一个完整的测绘数据平台,统一了数据标准,针对于数据获取、数据处理、数据管理、数据分发等多种需求场景进行设计,通过观测站点采集数据,就可以将数据接入整个平台,然后经过自动化的处理和分析即可得到标准化的图纸和重建的模型,极大的简化了工作流程,降低了数据处理的难度,提高了测绘工作效率
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.基于点云数据的高效测绘***,其特征在于:包括站点布设模块、站点数据获取模块、数据拼接模块、数据处理模块、模型重建模块、测绘图生成模块;所述站点布设模块用于供用户对观测站点进行布设,所述站点数据获取模块用于从布设的各个观测站点获取站点数据,所述数据拼接模块用于将各个观测站点采集的站点数据进行拼接与合成,形成完整的点云数据,所述数据处理模块用于对点云数据进行除杂降噪处理,所述模型重建模块用于根据点云数据重建目标物的三维观测模型,所述测绘图生成模块用于根据点云数据生成测绘图纸;所述站点布设模块包括:
数据输入模块,用于供用户输入地图数据以及站点坐标数据;
通视分析模块,用于根据地图数据以及站点的站点坐标数据分析站点按照站点坐标数据部署后其周围的通视情况;
地图标记模块,所述地图标记模块用于根据通视分析模块的分析结果,将地图上可通视区域与不可通视区域进行标记;
站点推荐模块,站点推荐模块用于判断地图上是否全部为可通视区域,若是,则完成站点布设,若否则根据未布设站点的区域,计算推荐的站点坐标数据。
2.根据权利要求1所述的基于点云数据的高效测绘***,其特征在于:还包括存档管理模块,所述存档管理模块用于对生成的测绘图纸、三维观测模型进行存档管理。
3.根据权利要求2所述的基于点云数据的高效测绘***,其特征在于:还包括改造方案导入模块和改造预览模块,所述改造方案导入模块用于导入改造方案,所述改造预览模块用于对按照改造方案改造后的方案进行预览。
4.根据权利要求3所述的基于点云数据的高效测绘***,其特征在于:所述测绘图生成模块包括平面图生成模块、立面图生成模块以及剖面图生成模块,所述测绘图纸包括平面图、立面图以及剖面图。
5.根据权利要求4所述的基于点云数据的高效测绘***,其特征在于:所述通视分析模块包括坐标转换模块、范围生成模块、点集提取模块、通视区域提取模块和结果生成模块;所述坐标转换模块用于将地图数据的所有点进行极坐标转换,所述范围生成模块用于按照预设的角度初始值和角度步长生成递增的角度提取范围,所述点集提取模块用于从极坐标转换之后的地图数据中提取对应的角度提取范围内的数据,通视区域提取模块用于从点集提取模块提取的地图数据中提取与站点最近的连续区域作为通视区域,所述结果生成模块用于根据通视区域提取模块的提取结果,生成通视区域点集和不通视区域点集。
6.根据权利要求5所述的基于点云数据的高效测绘***,其特征在于:所述通视区域提取模块包括通视点集提取模块以及连续区域提取模块,所述通视点集提取模块用于提取与站点位置最近的点集并将这个点集作为初始通视点集,所述连续区域提取模块用于提取与初始通视点集中的点距离相差小于阈值的点集,并将提取出的点集加入到初始通视点集中进行再次迭代,并在无法找到与初始通视点集中的点距离相差小于阈值的点集时,结束提取。
7.根据权利要求6所述的基于点云数据的高效测绘***,其特征在于:所述通视分析模块还包括参数设置模块,所述参数设置模块用于供用户设置角度初始值和角度步长。
8.根据权利要求7所述的基于点云数据的高效测绘***,其特征在于:所述数据拼接模块包括空间抽稀模块、特征数据集提取模块、最优解计算模块、旋转模块以及拼接模块,所述空间抽稀模块用于将站点数据进行空间抽稀,所述特征数据集提取模块用于从空间抽稀后的站点数据中提取特征数据集,所述最优解计算模块用于计算最优旋转角度,所述旋转模块用于根据最优旋转角度旋转原始的站点数据,所述拼接模块用于将旋转后的站点数据进行数据拼接。
9.根据权利要求8所述的基于点云数据的高效测绘***,其特征在于:所述最优解计算模块包括残差计算模块,所述残差计算模块用于计算旋转残差,所述最优解提取模块用于根据旋转残差计算最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811386814.8A CN109559374B (zh) | 2018-11-20 | 2018-11-20 | 基于点云数据的高效测绘*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811386814.8A CN109559374B (zh) | 2018-11-20 | 2018-11-20 | 基于点云数据的高效测绘*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109559374A true CN109559374A (zh) | 2019-04-02 |
CN109559374B CN109559374B (zh) | 2023-05-05 |
Family
ID=65866685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811386814.8A Active CN109559374B (zh) | 2018-11-20 | 2018-11-20 | 基于点云数据的高效测绘*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109559374B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402415A (zh) * | 2020-03-12 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 对象物体立面图生成方法、装置及存储介质和终端设备 |
CN113796014A (zh) * | 2020-03-30 | 2021-12-14 | 腾讯美国有限责任公司 | 对点云编码的属性进行编码的方法 |
CN118115676A (zh) * | 2024-04-28 | 2024-05-31 | 威海市城市规划技术服务中心有限公司 | 一种用于工程测量的多测点互联测绘*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279305A (zh) * | 2015-07-03 | 2016-01-27 | 贵州省水利水电勘测设计研究院 | 一种地面三维激光扫描技术测站选取方法 |
CN107909645A (zh) * | 2017-11-16 | 2018-04-13 | 青岛市光电工程技术研究院 | 建筑物视图生成方法、装置及*** |
CN108133507A (zh) * | 2017-11-16 | 2018-06-08 | 西安建筑科技大学 | 基于三维点云扫描技术的临夏砖雕数字化信息采集方法 |
-
2018
- 2018-11-20 CN CN201811386814.8A patent/CN109559374B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279305A (zh) * | 2015-07-03 | 2016-01-27 | 贵州省水利水电勘测设计研究院 | 一种地面三维激光扫描技术测站选取方法 |
CN107909645A (zh) * | 2017-11-16 | 2018-04-13 | 青岛市光电工程技术研究院 | 建筑物视图生成方法、装置及*** |
CN108133507A (zh) * | 2017-11-16 | 2018-06-08 | 西安建筑科技大学 | 基于三维点云扫描技术的临夏砖雕数字化信息采集方法 |
Non-Patent Citations (1)
Title |
---|
葛宝臻;周天宇;陈雷;田庆国: ""基于改进ISS特征点与人工蜂群算法的点云拼接方法"", 《天津大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402415A (zh) * | 2020-03-12 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 对象物体立面图生成方法、装置及存储介质和终端设备 |
CN113796014A (zh) * | 2020-03-30 | 2021-12-14 | 腾讯美国有限责任公司 | 对点云编码的属性进行编码的方法 |
CN113796014B (zh) * | 2020-03-30 | 2023-11-03 | 腾讯美国有限责任公司 | 一种对视频数据进行解码的方法和装置 |
CN118115676A (zh) * | 2024-04-28 | 2024-05-31 | 威海市城市规划技术服务中心有限公司 | 一种用于工程测量的多测点互联测绘*** |
Also Published As
Publication number | Publication date |
---|---|
CN109559374B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104656097B (zh) | 基于旋转式二维激光三维重构***的标定装置及方法 | |
CN105157609B (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
CN111578916B (zh) | 基于bim技术在装饰工程中智能放线施工方法 | |
CN109559374A (zh) | 基于点云数据的高效测绘*** | |
CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
CN109508508B (zh) | 一种露天矿山治理勘查设计方法 | |
US20030147553A1 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
CN108334802A (zh) | 道路特征物的定位方法及装置 | |
CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
CN112282847B (zh) | 一种煤矿井下巷道形变监测方法 | |
CN111191307B (zh) | 一种基于bim+gis技术的土方工程虚拟施工方法 | |
CN108332759A (zh) | 一种基于3d激光的地图构建方法及*** | |
CN109961510B (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
KR20200034869A (ko) | 굴삭기 전용 3d 스캐너를 이용한 토공 지형정보 실시간 모델링 시스템 및 방법 | |
CN109035392A (zh) | 一种用于变电站三维模型的建模方法 | |
CN104933223A (zh) | 一种输电线路通道数字化测绘方法 | |
CN105005580B (zh) | 一种用于显示水库地形的方法及其装置 | |
CN105574812A (zh) | 多角度三维数据配准方法及装置 | |
WO2023207257A1 (zh) | 基于挂轨轨道机器人的尾矿坝表面形变巡检方法 | |
CN114419445A (zh) | 一种基于三维激光扫描隧道围岩信息的识别和提取方法 | |
CN115272815A (zh) | 一种基于图像的电缆隧道环境异常识别方法 | |
CN116977590A (zh) | 一种基于倾斜摄影技术的建筑基坑监测方法 | |
KR102207792B1 (ko) | 지중 구조물의 3차원 모델링 장치 및 그 방법 | |
CN111008602A (zh) | 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法 | |
CN113763570B (zh) | 隧道点云高精度快速自动拼接方法 |
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 |