CN113052761B - 激光点云地图融合方法、设备以及计算机可读存储介质 - Google Patents
激光点云地图融合方法、设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113052761B CN113052761B CN201911368775.3A CN201911368775A CN113052761B CN 113052761 B CN113052761 B CN 113052761B CN 201911368775 A CN201911368775 A CN 201911368775A CN 113052761 B CN113052761 B CN 113052761B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- map
- cloud map
- point
- clouds
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 101100075995 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fma2 gene Proteins 0.000 description 9
- 101150064138 MAP1 gene Proteins 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种激光点云地图融合方法、设备以及计算机可读存储介质。其中,该方法包括:拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵;通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下;将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵;通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。实现了一种高效的激光点云地图融合方案,提高了建图过程中的容错率。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种激光点云地图融合方法、设备以及计算机可读存储介质。
背景技术
现有技术中,当机器人需要准确地运行至一个目的地,需要类似于人类所绘制的地图。在机器人技术领域中,描述环境、认识环境的过程主要依靠于相关的地图信息。其中,机器人通常利用环境地图来描述自身所在的当前环境信息,并随着使用的算法与传感器差异的不同,采用的地图描述形式也不同。在机器人技术领域中,地图的表示方法主要包括了栅格地图、特征点地图、直接表征法以及拓扑地图这四种。栅格地图是目前机器人应用最为广泛的地图储存方式,它看起来和人们所认知的地图区别不大,其本质上是一张位图图片,其中每个“像素”表示在实际环境中存在障碍物的概率分布。一方面,栅格地图能表示空间环境中的很多特征,机器人可以用它来进行路径规划,另一方面,它又不直接记录传感器的原始数据,相对实现了空间和时间消耗的最优,激光雷达也是使用此种地图。
但是,在现有技术中,使用激光进行地图的构建时,并不能保证每次建图都是成功的,中间可能出现各种错误。例如,若在小场景建图时出现错误,则可以重新进行建图操作,而若在大场景建图时出现错误,例如,当地图超过10000平米的时候,重新进行一次建图可能会消耗大量的时间,而且在重建过程的准确性得不到保障,一旦出现差错,则需要再次进行重新建图。可以看出,现有技术的这类建图方案具有明显的技术缺陷,一方面,***的容错率较低,另一方面,建图的执行效率不高。
发明内容
为了解决现有技术中的上述技术缺陷,本发明提出了一种激光点云地图融合方法,该方法包括:
拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵;
通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下;
将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵;
通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。
可选的,所述拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵之前,包括:
确定一目标区域,在所述第一点云地图中,提取所述目标区域内的所有点云作为所述第一局部点云,同时,在所述第二点云地图中,提取所述目标区域内的所有点云作为所述第二局部点云。
可选的,所述确定一目标区域,在第一点云地图中,提取所述目标区域的第一局部点云,同时,在第二点云地图中,提取所述目标区域的第二局部点云,包括:
将所述第一点云地图与所述第二点云地图同时包含对同一环境的描述作为所述公共区域;
通过预设的形状框框选包含所述公共区域的地图区域,作为所述目标区域。
可选的,所述通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下,包括:
通过所述第一位姿转换矩阵将所述第二点云地图中的所有点云由所述第二点云地图的第二坐标系转换至所述第一点云地图的参考坐标系。
可选的,所述通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,包括:
通过所述第二位姿转换矩阵更新所述第二点云地图中的所有点云在所述参考坐标系下的坐标。
可选的,所述将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合,还包括:
将所述第一点云地图中的所有点云与所述第二点云地图中经更新后的所有点云在所述参考坐标系下进行融合。
可选的,所述将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合,之后还包括:
对融合后的点云地图进行渲染,得到栅格化的激光地图。
可选的,所述对融合后的点云地图进行渲染,得到栅格化的激光地图,之后还包括:
根据地图重建需求,在所述激光地图中通过预设的形状框确定相应的擦除区域,同时,删除所述擦除区域内的所有点云;
确定与所述地图重建需求对应的新建地图,并将所述新建地图融合至经删除处理后的激光地图。
本发明还提出了一种激光点云地图融合设备,该设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的激光点云地图融合方法。
本发明还提出了一种计算机可读存储介质,该计算机可读存储介质上存储有激光点云地图融合程序,所述激光点云地图融合程序被处理器执行时实现如上任一项所述的激光点云地图融合方法的步骤。
本发明的的有益效果在于,通过拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵;通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下;将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵;通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。实现了一种高效、且准确的地图融合方案,提高了建图过程中的容错率,同时,也便于对地图中各个区域的进行更新迭代。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例提供的激光点云地图融合方法的第一流程图。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
实施例一
图1是本发明实施例提供的激光点云地图融合方法的第一流程图。本实施例提出了一种地图融合方法,该方法包括:
S1、拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵;
S2、通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下;
S3、将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵;
S4、通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。
在本实施例中,需要首先说明的是,对于覆盖范围较大的地图,或者,当需要进行规模化的建图时,首先,根据当前的地理位置特征建立具有一定覆盖范围的小地图,或者,建立一定规模的地图单元,然后,对上述各个小地图、或者各个地图单元进行融合,从而得到覆盖完整的地图信息。在以下实施例中,首先,确定已完成单独绘制的第一地图和第二地图,然后,再对第二地图融入第一地图的具体方式进行详细说明。
具体的,首先,拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵。其中,已完成单独绘制的第一地图和第二地图是相邻关系,两者之间具有一定的公共区域,在此基础上,在第一地图中,选择包含上述公共区域的的第一局部点云,同样的,在第二地图中,选择同样的包含上述公共区域的第二局部点云,可以理解的是,上述第一局部点云是建立在第一坐标系下,而上述第二局部点云则是建立在不同于第一坐标系的第二坐标系下。在本实施例中,由于第一局部点云与第二局部点云都包含预先确定的公共区域,且第一局部点云与第二局部点云处于不同的坐标系,因此,将上述第一局部点云与第二局部点云进行拼接匹配操作,从而得到适用于坐标转换的位姿转换矩阵,在此,记为第一位姿转换矩阵。
具体的,当得到第一位姿转换矩阵后,再通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下;以及,将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵。在本实施例中,得到适用于坐标转换的第一位姿转换矩阵后,将针对第二地图中的所有激光点云进行坐标转换操作,也即,将建立在第二坐标系下的第二地图中的所有激光点云,转换至与第一坐标系对应的参考坐标系,从而实现对第二点云地图的投影。
具体的,当初次完成对第二地图所有点云的投影操作后,再通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。此时,得到上述第二位姿转换矩阵的拼接匹配操作,源自处于第一坐标系的第二地图中的所有激光点云,以及第一坐标系的第一地图中的所有激光点云,因此,所得到的上述第二位姿转换矩阵,相较于第一位姿转换矩阵的转换准确度更高。在此基础上,为了提高地图融合的准确性,在本实施例中,将再一次通过所述第二位姿转换矩阵将所述第二点云地图投影至参考坐标系,从而完成对第二地图中的所有激光点云的坐标转换和更新;最后,将更新后的第二地图中的所有激光点云***至第一地图中的所有激光点云,得到由第一地图和第二地图融合后的新地图。
在本实施例中,可选的,在拼接匹配第一局部点云和第二局部点云之前,确定一个或多个目标区域,在第一点云地图中,提取所述目标区域的所有点云作为第一局部点云,同时,在第二点云地图中,提取相同目标区域的所有点云作为第二局部点云。
在本实施例中,可选的,将所述第一点云地图与所述第二点云地图同时包含对同一环境的描述作为所述公共区域。其中,所确定的一个或多个目标区域包含第一地图与第二地图交叉产生的公共区域,可以理解的是,若第一地图与第二地图交叉产生多个独立的公共区域,则根据实际的拼接匹配需求,确定包含一个或多个公共区域的目标区域作为点云提取区域。具体的,首先,确定所述第一点云地图与所述第二点云地图的公共区域,然后,通过预设的形状框框选包含所述公共区域的地图区域,作为所述目标区域,其中,预设的形状框包括但不限于方形框、圆形框等框型。
在本实施例中,可选的,通过所述第一位姿转换矩阵将所述第二点云地图中的所有点云由所述第二点云地图的第二坐标系转换至所述第一点云地图的参考坐标系;或者,若是将第一地图融合至第二地图,则通过所述第一位姿转换矩阵将所述第一点云地图中的所有点云由所述第一点云地图的第一坐标系转换至所述第二点云地图的参考坐标系。
在本实施例中,可选的,通过所述第二位姿转换矩阵更新所述第二点云地图在所述第一坐标下的所有点云;或者,若是将第一地图融合至第二地图,则通过所述第二位姿转换矩阵更新所述第一点云地图在所述第二坐标下的所有点云。
在本实施例中,可选的,通过所述第二位姿转换矩阵更新所述第二点云地图中的所有点云在所述参考坐标系下的坐标;或者,若是将第一地图融合至第二地图,则通过所述第二位姿转换矩阵更新所述第一点云地图中的所有点云在所述参考坐标系下的坐标。
在本实施例中,可选的,对融合后的点云地图进行渲染,得到栅格化的激光地图。
在本实施例中,可选的,根据地图重建需求,在所述激光地图中通过预设的形状框确定相应的擦除区域,同时,删除所述擦除区域内的所有点云;然后,确定与所述地图重建需求对应的新建地图,并所述新建地图融合至经删除处理后的激光地图。
本实施例的有益效果在于,通过拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵;通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下;将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵;通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。实现了一种高效、且准确的地图融合方案,提高了建图过程中的容错率,同时,也便于对地图中各个区域的进行更新迭代。
实施例二
基于上述实施例,在本实施例中,对第二地图map2融合至第一地图map1的具体转换过程做详细说明:
首先,在map1中选取一部分点云,这部分点云大部分或者全部处于map1和map2的重合区域,将选取的点云统一到坐标系O′i下。
其中,坐标系O′i与map1的原始坐标系Oi之间的关系为:
Oi=Ti*Oi
然后,在map2的相同区域,同样选取一部分点云,将这部分点云统一到坐标系O′j下。
其中,坐标系O′j与map2的原始坐标系Oj之间的关系为:
O′j=Tj*Oj
使用这两片激光点云进行拼接匹配,得到一个位姿转换矩阵
其中,位姿转换矩阵与坐标系O′j的关系为:
再然后,将map2的所有点云转换到map1的原始坐标系O′i下,转换公式为:
其中,
Pj为在Oj坐标系下map2的激光点云坐标;
P′i为Oi坐标系下map2的激光点云坐标。
再然后,对P′i点云与map1在Oi坐标系下的激光点云坐标再进行一次匹配拼接,从而得到一个更准确位姿转换矩阵。
最后,通过上述得到的更准确位姿转换矩阵,对所有的P′i点云进行位姿转换,得到P″i。其中,P″i是在Oi坐标系下更新后、且更准确的map2的激光点云坐标。将该P”i***至同样处于Oi坐标系下的map1中,即可得到map1和map2融合后的激光点云地图。
实施例三
基于上述实施例,本发明还提出了一种激光点云地图融合设备,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的激光点云地图融合方法。
需要说明的是,上述设备实施例与方法实施例属于同一构思,其具体实现过程详细见方法实施例,且方法实施例中的技术特征在设备实施例中均对应适用,这里不再赘述。
实施例四
基于上述实施例,本发明还提出了一种计算机可读存储介质,所述计算机可读存储介质上存储有激光点云地图融合程序,所述激光点云地图融合程序被处理器执行时实现如上任一项所述的激光点云地图融合方法的步骤。
需要说明的是,上述介质实施例与方法实施例属于同一构思,其具体实现过程详细见方法实施例,且方法实施例中的技术特征在介质实施例中均对应适用,这里不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种激光点云地图融合方法,其特征在于,所述方法包括:
将第一点云地图与第二点云地图同时包含对同一环境的描述作为公共区域;
拼接匹配包含所述公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵;
通过所述第一位姿转换矩阵将所述第二点云地图中的所有点云投影至所述第一点云地图中点云的参考坐标系下;
将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接,得到第二位姿转换矩阵;
通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合;
其中,
单独绘制的所述第一点云地图和所述第二点云地图是相邻关系。
2.根据权利要求1所述的激光点云地图融合方法,其特征在于,所述拼接匹配包含公共区域的第一局部点云和第二局部点云,得到第一位姿转换矩阵之前,包括:
确定一目标区域,在所述第一点云地图中,提取所述目标区域内的所有点云作为所述第一局部点云,同时,在所述第二点云地图中,提取所述目标区域内的所有点云作为所述第二局部点云。
3.根据权利要求2所述的激光点云地图融合方法,其特征在于,所述确定一目标区域,在第一点云地图中,提取所述目标区域的第一局部点云,同时,在第二点云地图中,提取所述目标区域的第二局部点云,包括:
通过预设的形状框框选包含所述公共区域的地图区域,作为所述目标区域。
4.根据权利要求1所述的激光点云地图融合方法,其特征在于,所述通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下,包括:
通过所述第一位姿转换矩阵将所述第二点云地图中的所有点云由所述第二点云地图的第二坐标系转换至所述第一点云地图的参考坐标系。
5.根据权利要求1所述的激光点云地图融合方法,其特征在于,所述通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下,包括:
通过所述第二位姿转换矩阵更新所述第二点云地图中的所有点云在所述参考坐标系下的坐标。
6.根据权利要求5所述的激光点云地图融合方法,其特征在于,所述将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合,还包括:
将所述第一点云地图中的所有点云与所述第二点云地图中经更新后的所有点云在所述参考坐标系下进行融合。
7.根据权利要求1所述的激光点云地图融合方法,其特征在于,所述将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合,之后还包括:
对融合后的点云地图进行渲染,得到栅格化的激光地图。
8.根据权利要求7所述的激光点云地图融合方法,其特征在于,所述对融合后的点云地图进行渲染,得到栅格化的激光地图,之后还包括:
根据地图重建需求,在所述激光地图中通过预设的形状框确定相应的擦除区域,同时,删除所述擦除区域内的所有点云;
确定与所述地图重建需求对应的新建地图,并将所述新建地图融合至经删除处理后的激光地图。
9.一种激光点云地图融合设备,其特征在于,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-8中任一项所述的激光点云地图融合方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有激光点云地图融合程序,所述激光点云地图融合程序被处理器执行时实现如权利要求1至8中任一项所述的激光点云地图融合方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911368775.3A CN113052761B (zh) | 2019-12-26 | 2019-12-26 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
PCT/CN2020/133821 WO2021129349A1 (zh) | 2019-12-26 | 2020-12-04 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911368775.3A CN113052761B (zh) | 2019-12-26 | 2019-12-26 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113052761A CN113052761A (zh) | 2021-06-29 |
CN113052761B true CN113052761B (zh) | 2024-01-30 |
Family
ID=76505519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911368775.3A Active CN113052761B (zh) | 2019-12-26 | 2019-12-26 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113052761B (zh) |
WO (1) | WO2021129349A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658194B (zh) * | 2021-07-23 | 2024-06-07 | 佛山缔乐视觉科技有限公司 | 一种基于参照物的点云拼接方法、装置及存储介质 |
CN115248441A (zh) * | 2021-09-16 | 2022-10-28 | 上海仙途智能科技有限公司 | 数据处理方法、装置、终端及介质 |
CN114359463A (zh) * | 2022-03-20 | 2022-04-15 | 宁波博登智能科技有限公司 | 一种针对地面标识的点云标注***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761721A (zh) * | 2013-12-30 | 2014-04-30 | 西北工业大学 | 一种适用于空间绳系机器人的立体视觉快速图像拼接方法 |
EP2894602A1 (en) * | 2014-01-13 | 2015-07-15 | Honeywell International Inc. | A method of using image warping for geo-registration feature matching in vision-aided positioning |
CN106339981A (zh) * | 2016-08-25 | 2017-01-18 | 安徽协创物联网技术有限公司 | 一种全景拼接方法 |
CN106504320A (zh) * | 2016-11-02 | 2017-03-15 | 华东师范大学 | 一种基于gpu及面向深度图像的实时三维重构方法 |
CN108257089A (zh) * | 2018-01-12 | 2018-07-06 | 北京航空航天大学 | 一种基于迭代最近点的大视场视频全景图拼接的方法 |
CN109064506A (zh) * | 2018-07-04 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
-
2019
- 2019-12-26 CN CN201911368775.3A patent/CN113052761B/zh active Active
-
2020
- 2020-12-04 WO PCT/CN2020/133821 patent/WO2021129349A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761721A (zh) * | 2013-12-30 | 2014-04-30 | 西北工业大学 | 一种适用于空间绳系机器人的立体视觉快速图像拼接方法 |
EP2894602A1 (en) * | 2014-01-13 | 2015-07-15 | Honeywell International Inc. | A method of using image warping for geo-registration feature matching in vision-aided positioning |
CN106339981A (zh) * | 2016-08-25 | 2017-01-18 | 安徽协创物联网技术有限公司 | 一种全景拼接方法 |
CN106504320A (zh) * | 2016-11-02 | 2017-03-15 | 华东师范大学 | 一种基于gpu及面向深度图像的实时三维重构方法 |
CN108257089A (zh) * | 2018-01-12 | 2018-07-06 | 北京航空航天大学 | 一种基于迭代最近点的大视场视频全景图拼接的方法 |
CN109064506A (zh) * | 2018-07-04 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021129349A1 (zh) | 2021-07-01 |
CN113052761A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052761B (zh) | 激光点云地图融合方法、设备以及计算机可读存储介质 | |
CN110163064B (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
EP4116462A2 (en) | Method and apparatus of processing image, electronic device, storage medium and program product | |
Sohn et al. | An implicit regularization for 3D building rooftop modeling using airborne lidar data | |
CN109903382B (zh) | 点云数据的融合方法及装置 | |
Kim et al. | UAV-UGV cooperative 3D environmental mapping | |
CN112325873A (zh) | 一种环境地图自主更新方法、设备及计算机可读存储介质 | |
US20190051029A1 (en) | Annotation Generation for an Image Network | |
CN112700497B (zh) | 回环检测方法、装置、设备及计算机可读存储介质 | |
CN113298910A (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
CN116433845A (zh) | 一种基于多无人机协同的陌生环境快速建模方法及*** | |
CN114758086A (zh) | 一种城市道路信息模型的构建方法及装置 | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
CN116907471A (zh) | 基于slam的多元联合地图表示与更新方法和装置 | |
JP7347696B2 (ja) | 訓練装置、制御方法、及びプログラム | |
CN113936106A (zh) | 一种监控地图的三维可视化方法、***和相关设备 | |
CN112393719B (zh) | 一种栅格语义地图生成方法、装置以及存储设备 | |
CN113916244A (zh) | 巡检位置设置的方法、装置、电子设备和可读存储介质 | |
CN113625770A (zh) | 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置 | |
CN117058358B (zh) | 一种场景边界检测方法和移动平台 | |
JP7388595B2 (ja) | 画像拡張装置、制御方法、及びプログラム | |
CN117611759B (zh) | 基于三维模型的评分地图生成方法、装置、终端及存储介质 | |
CN113656633B (zh) | 基于ofd文件的地理空间信息传输方法和装置 | |
CN114838729A (zh) | 一种路径规划方法、装置及设备 | |
CN117433509A (zh) | 光伏区路网制作方法、***、光伏区路网故障导航方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518000 Room 401, block D, building 7, Shenzhen International Innovation Valley, Dashi 1st Road, Xili community, Xili street, Nanshan District, Shenzhen, Guangdong Applicant after: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd. Address before: 518000 building 101, building R3b, Gaoxin industrial village, No.018, Gaoxin South 7th Road, community, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |