CN114485608A - 一种用于高精度地图制作的局部点云快速配准方法 - Google Patents
一种用于高精度地图制作的局部点云快速配准方法 Download PDFInfo
- Publication number
- CN114485608A CN114485608A CN202111523288.7A CN202111523288A CN114485608A CN 114485608 A CN114485608 A CN 114485608A CN 202111523288 A CN202111523288 A CN 202111523288A CN 114485608 A CN114485608 A CN 114485608A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- plane
- point
- obtaining
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的一种用于高精度地图制作的局部点云快速配准方法,其包括以下步骤:S1:点云平面提取源与目标点云取轨迹点范围内的点,采用随机采样一致性算法获取平面参数,由源点云与目标点云平面参数得到变换参数T1,利用该变换参数T1变换源点云;S2:将变换后的源点云和目标电源投影到平面内,并生成投影图Is和Ig;S3:在给定角度范围内,以一个间隔旋转投影图Is,得到Is’,Is’与Ig采用模板匹配算法,得到匹配位置和相关系数值,最后比较所有旋转角度下的相关系数值,取最佳配置位置和旋转角度,得到变换参数T2。而使用本发明的方案,时间消耗在200ms内,对于大量需要配准的道路点云来说,总的效率提升非常大。
Description
技术领域
本发明涉及点云数据处理技术领域,具体涉及一种用于高精度地图制作的局部点云快速配准方法。
背景技术
在高精度电子地图领域,每条道路采集的数据通常包含激光点云数据,而道路要素可能无法一次采集完全,并且也需要时时更新,因此,往往一条道路有多次采集的数据,而由于gps和惯导精度及点云传感器坐标解算的因素,多次采集的数据往往并不完全匹配,需要配准算法把多次采集的点云数据匹配起来。并且在不同时刻,gps和惯导等产生的误差不同,因此需要把点云划分为多个局部区域进行配准,且由于需要从点云中提取要素,点云采集范围比较大,点云密度也大,而目前成熟的点云配准算法基本分为icp和ndt及其变种算法,均需要迭代,且对初值有较高要求,因此对于大量点云,某些条件下迭代很多次都不能达到收敛标准,导致配准时间过长。目前也出现了一些基于深度学***台性能要求高,难以适应几十万数量级的点云,同时基本都避不开大量的最临近搜索计算,和数据预处理算法,导致效率也不高。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种用于高精度地图制作的局部点云快速配准方法。
根据本发明的第一方面,提供了一种用于高精度地图制作的局部点云快速配准方法,其包括以下步骤:
S1:点云平面提取源与目标点云取轨迹点范围内的点,采用随机采样一致性算法获取平面参数,由源点云与目标点云平面参数得到变换参数T1,利用该变换参数T1变换源点云;
S2:将变换后的源点云和目标电源投影到平面内,并生成投影图Is和Ig;
S3:在给定角度范围内,以一个间隔旋转投影图Is,得到Is’,Is’与Ig采用模板匹配算法,得到匹配位置和相关系数值,最后比较所有旋转角度下的相关系数值,取最佳配置位置和旋转角度,得到变换参数T2。
S4:综合变换参数T1和T2得到源与目标点云的配准参数,完成配准。
基于本发明的上述技术方案,还可以作出以下改进:
可选的,所述步骤S1包括:
S11:读取点云数据,把点云数据按区域划分为多个网格,取网格内需要配准的点云、目标点云和采集轨迹点,其中,需要配准的点云记为PTSs,目标点云记为PTSt,并设置偏移,使点云原点为PT,取点云时使目标点云范围比源点云范围大于设定值;
S22:对要配准的点云建立KDTree,搜索采集轨迹点给定半径内的所有需要配准的点云,使用随机采样一致性算法提取平面,设置平面的法向和角度容忍范围,得到平面参数(Sx,Sy,Sz,Sd);进而提取目标点云平面,得到平面参数(Gx,Gy,Gz,Gd),由法向向量(Sx,Sy,Sz)和法向向量(Gx,Gy,Gz)得到旋转矩阵,结合截距Sd和Td得到最终的变换参数T1,利用该参数对PTSs变换,并设置平面(Gx,Gy,Gz,Gd)靠近原点处的某个点为新原点,平移后得到PTS’s和PTS’t,平移参数记为D1.
可选的,所述步骤S2包括:
将PTS’s投影到平面(Gx,Gy,Gz,Gd)上,在平面上以原点为中心,设定分辨率把点云生成图片,多个点云落在同一个像素内的,像素的值取多个点云强度的平均值,得到投影图片Is;
将PTS’t投影到平面(Sx,Sy,Sz,Sd)上,在平面上以原点为中心,设定分辨率把目标点云生成图片,多个目标点云落在同一个像素内的,像素的值取多个目标点云强度的平均值,得到投影图片Ig。
可选的,所述步骤S4中,得到最终变换参数T2和T1并完成该源点云和目标点云的配准后,重复步骤S1~S4得到其他点云的配准。
本发明提供的一种用于高精度地图制作的局部点云快速配准方法,相对于基于icp和ndt及其变种,配准约40万个点的两片点云,根据不同点云特性,时间消耗平均约在秒量级,而使用本发明的方案,时间消耗在200ms内,对于大量需要配准的道路点云来说,总的效率提升非常大。
附图说明
图1为本发明实施例的一种用于高精度地图制作的局部点云快速配准方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明实施例的一种用于高精度地图制作的局部点云快速配准方法的流程图,如图1所示,提供了一种用于高精度地图制作的局部点云快速配准方法,其包括以下步骤:
S1:点云平面提取源与目标点云取轨迹点范围内的点,采用随机采样一致性算法获取平面参数,由源点云与目标点云平面参数得到变换参数T1,利用该变换参数T1变换源点云;
S2:将变换后的源点云和目标电源投影到平面内,并生成投影图Is和Ig;
S3:在给定角度范围内,以一个间隔旋转投影图Is,得到Is’,Is’与Ig采用模板匹配算法,得到匹配位置和相关系数值,最后比较所有旋转角度下的相关系数值,取最佳配置位置和旋转角度,得到变换参数T2。
S4:综合变换参数T1和T2得到源与目标点云的配准参数,完成配准。
基于本发明的上述技术方案,还可以作出以下改进:
其中,所述步骤S1包括:
S11:读取点云数据,把点云数据按区域划分为多个网格,取网格内需要配准的点云、目标点云和采集轨迹点,其中,需要配准的点云记为PTSs,目标点云记为PTSt,并设置偏移,使点云原点为PT,取点云时使目标点云范围比源点云范围大于设定值;
S22:对要配准的点云建立KDTree,搜索采集轨迹点给定半径内的所有需要配准的点云,使用随机采样一致性算法提取平面,设置平面的法向和角度容忍范围,得到平面参数(Sx,Sy,Sz,Sd);进而提取目标点云平面,得到平面参数(Gx,Gy,Gz,Gd),由法向向量(Sx,Sy,Sz)和法向向量(Gx,Gy,Gz)得到旋转矩阵,结合截距Sd和Td得到最终的变换参数T1,利用该参数对PTSs变换,并设置平面(Gx,Gy,Gz,Gd)靠近原点处的某个点为新原点,平移后得到PTS’s和PTS’t,平移参数记为D1.
其中,所述步骤S2包括:
将PTS’s投影到平面(Gx,Gy,Gz,Gd)上,在平面上以原点为中心,设定分辨率把点云生成图片,多个点云落在同一个像素内的,像素的值取多个点云强度的平均值,得到投影图片Is;
将PTS’t投影到平面(Sx,Sy,Sz,Sd)上,在平面上以原点为中心,设定分辨率把目标点云生成图片,多个目标点云落在同一个像素内的,像素的值取多个目标点云强度的平均值,得到投影图片Ig。
其中,所述步骤S4中,得到最终变换参数T2和T1并完成该源点云和目标点云的配准后,重复步骤S1~S4得到其他点云的配准。
可以理解的是,本实施例提供的一种用于高精度地图制作的局部点云快速配准方法,相对于基于icp和ndt及其变种,配准约40万个点的两片点云,根据不同点云特性,时间消耗平均约在秒量级,而使用本发明的方案,时间消耗在200ms内,对于大量需要配准的道路点云来说,总的效率提升非常大。
具体的,作为举例的,其包括以下步骤:
步骤1:读取点云数据,把点云数据按区域划分为多个网格,取网格内需要配准的点云PTSs和目标点云PTSt和采集轨迹点PT((路面上方),并设置偏移,使点云原点为PT,即PT坐标为(0,0,0),取点云时使目标点云范围比源点云范围大2m。
步骤2:对PTSs建立KDTree.搜索轨迹点PT半径5m内的所有点PTSs.使用随机采样一致性(RANSAC)算法提取平面,设置平面的法向(0,0,1),角度容忍范围为20度,得到平面参数(Sx,Sy,Sz,Sd);同样方式提取目标点云平面,得到平面参数(Gx,Gy,Gz,Gd),由法向向量(Sx,Sy,Sz)和法向向量(Gx,Gy,Gz)得到旋转矩阵(旋转轴为两法向量形成平面的法向,旋转角为两法向量的夹角),结合截距Sd和Td得到最终的变换参数T1,利用该参数对PTSs变换,并设置平面(Gx,Gy,Gz,Gd)靠近原点处的某个点为新原点。平移后得到PTS’s和PTS’t,平移参数记为D1。
步骤3:将PTS’s投影到平面(Gx,Gy,Gz,Gd)上,在平面上以原点为中心,(5cm,5cm)分辨率把点云生成图片,多个点云落在同一个像素内的,像素的值取多个点云强度的平均值,得到投影图片Is,同样投影得到图片Ig。
步骤4:在(-5°~5°)范围内以0.1°的分辨率旋转Is,得到I’s,采样模板匹配算法匹配I’s和Ig,得到最佳匹配位置(Ix,Iy)和相关系数。取所有旋转角度中相关系数最大的最佳匹配位置和旋转角度,转换位变换参数T2。
步骤5:综合前面所得变换参数,得到最终变换参数T2*T1,完成该源点云与目标点云配准,之后重复同样步骤得到其他点云对之间的配准。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (4)
1.一种用于高精度地图制作的局部点云快速配准方法,其特征在于,其包括以下步骤:
S1:点云平面提取源与目标点云取轨迹点范围内的点,采用随机采样一致性算法获取平面参数,由源点云与目标点云平面参数得到变换参数T1,利用该变换参数T1变换源点云;
S2:将变换后的源点云和目标电源投影到平面内,并生成投影图Is和Ig;
S3:在给定角度范围内,以一个间隔旋转投影图Is,得到Is’,Is’与Ig采用模板匹配算法,得到匹配位置和相关系数值,最后比较所有旋转角度下的相关系数值,取最佳配置位置和旋转角度,得到变换参数T2;
S4:综合变换参数T1和T2得到源与目标点云的配准参数,完成配准。
2.根据权利要求1所述的一种用于高精度地图制作的局部点云快速配准方法,其特征在于,所述步骤S1包括:
S11:读取点云数据,把点云数据按区域划分为多个网格,取网格内需要配准的点云、目标点云和采集轨迹点,其中,需要配准的点云记为PTSs,目标点云记为PTSt,并设置偏移,使点云原点为PT,取点云时使目标点云范围比源点云范围大于设定值;
S22:对要配准的点云建立KDTree,搜索采集轨迹点给定半径内的所有需要配准的点云,使用随机采样一致性算法提取平面,设置平面的法向和角度容忍范围,得到平面参数(Sx,Sy,Sz,Sd);进而提取目标点云平面,得到平面参数(Gx,Gy,Gz,Gd),由法向向量(Sx,Sy,Sz)和法向向量(Gx,Gy,Gz)得到旋转矩阵,结合截距Sd和Td得到最终的变换参数T1,利用该参数对PTSs变换,并设置平面(Gx,Gy,Gz,Gd)靠近原点处的某个点为新原点,平移后得到PTS’s和PTS’t,平移参数记为D1。
3.根据权利要求2所述的一种用于高精度地图制作的局部点云快速配准方法,其特征在于,所述步骤S2包括:
将PTS’s投影到平面(Gx,Gy,Gz,Gd)上,在平面上以原点为中心,设定分辨率把点云生成图片,多个点云落在同一个像素内的,像素的值取多个点云强度的平均值,得到投影图片Is;
将PTS’t投影到平面(Sx,Sy,Sz,Sd)上,在平面上以原点为中心,设定分辨率把目标点云生成图片,多个目标点云落在同一个像素内的,像素的值取多个目标点云强度的平均值,得到投影图片Ig。
4.根据权利要求3所述的一种用于高精度地图制作的局部点云快速配准方法,其特征在于,所述步骤S4中,得到最终变换参数T2和T1并完成该源点云和目标点云的配准后,重复步骤S1~S4得到其他点云的配准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523288.7A CN114485608B (zh) | 2021-12-13 | 2021-12-13 | 一种用于高精度地图制作的局部点云快速配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523288.7A CN114485608B (zh) | 2021-12-13 | 2021-12-13 | 一种用于高精度地图制作的局部点云快速配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485608A true CN114485608A (zh) | 2022-05-13 |
CN114485608B CN114485608B (zh) | 2023-10-10 |
Family
ID=81494230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111523288.7A Active CN114485608B (zh) | 2021-12-13 | 2021-12-13 | 一种用于高精度地图制作的局部点云快速配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485608B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160063716A1 (en) * | 2014-08-29 | 2016-03-03 | Leica Geosystems Ag | Line parametric object estimation |
DE102016116572A1 (de) * | 2016-09-05 | 2018-03-08 | Navvis Gmbh | Ausrichtung von Punktwolken zur Modellierung von Innenräumen |
US20190146062A1 (en) * | 2017-11-15 | 2019-05-16 | Baidu Online Network Technology (Beijing) Co., Ltd | Laser point cloud positioning method and system |
CN110688440A (zh) * | 2019-09-29 | 2020-01-14 | 中山大学 | 一种适用于子地图重叠部分较少的地图融合方法 |
CN110766731A (zh) * | 2019-10-21 | 2020-02-07 | 武汉中海庭数据技术有限公司 | 一种全景影像与点云自动配准的方法、装置及存储介质 |
CN111815686A (zh) * | 2019-04-12 | 2020-10-23 | 四川大学 | 基于几何特征由粗到细点云配准方法 |
CN111915661A (zh) * | 2020-07-24 | 2020-11-10 | 广州大学 | 基于ransac算法的点云配准方法、***及计算机可读存储介质 |
CN113436238A (zh) * | 2021-08-27 | 2021-09-24 | 湖北亿咖通科技有限公司 | 点云配准精度的评估方法、装置和电子设备 |
CN113706589A (zh) * | 2021-08-25 | 2021-11-26 | 中国第一汽车股份有限公司 | 车载激光雷达点云配准方法、装置、电子设备及存储介质 |
CN113739786A (zh) * | 2021-07-30 | 2021-12-03 | 国网江苏省电力有限公司电力科学研究院 | 一种面向四足机器人的室内环境感知方法、装置及设备 |
-
2021
- 2021-12-13 CN CN202111523288.7A patent/CN114485608B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160063716A1 (en) * | 2014-08-29 | 2016-03-03 | Leica Geosystems Ag | Line parametric object estimation |
DE102016116572A1 (de) * | 2016-09-05 | 2018-03-08 | Navvis Gmbh | Ausrichtung von Punktwolken zur Modellierung von Innenräumen |
US20190146062A1 (en) * | 2017-11-15 | 2019-05-16 | Baidu Online Network Technology (Beijing) Co., Ltd | Laser point cloud positioning method and system |
CN111815686A (zh) * | 2019-04-12 | 2020-10-23 | 四川大学 | 基于几何特征由粗到细点云配准方法 |
CN110688440A (zh) * | 2019-09-29 | 2020-01-14 | 中山大学 | 一种适用于子地图重叠部分较少的地图融合方法 |
CN110766731A (zh) * | 2019-10-21 | 2020-02-07 | 武汉中海庭数据技术有限公司 | 一种全景影像与点云自动配准的方法、装置及存储介质 |
CN111915661A (zh) * | 2020-07-24 | 2020-11-10 | 广州大学 | 基于ransac算法的点云配准方法、***及计算机可读存储介质 |
CN113739786A (zh) * | 2021-07-30 | 2021-12-03 | 国网江苏省电力有限公司电力科学研究院 | 一种面向四足机器人的室内环境感知方法、装置及设备 |
CN113706589A (zh) * | 2021-08-25 | 2021-11-26 | 中国第一汽车股份有限公司 | 车载激光雷达点云配准方法、装置、电子设备及存储介质 |
CN113436238A (zh) * | 2021-08-27 | 2021-09-24 | 湖北亿咖通科技有限公司 | 点云配准精度的评估方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
LINGFEI MA 等: "Mobile Laser Scanned Point-Clouds for Road Object Detection and Extraction:A Review", REMOTE SENSING, vol. 10, no. 10, pages 1 - 33 * |
孟凡文;吴禄慎;罗丽萍;: "逆向工程光栅投影点云模型配准技术的研究", 机床与液压, vol. 38, no. 15, pages 1 - 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN114485608B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Pothole detection based on disparity transformation and road surface modeling | |
CN111340797A (zh) | 一种激光雷达与双目相机数据融合检测方法及*** | |
CN112001955A (zh) | 一种基于二维投影平面匹配约束的点云配准方法及*** | |
CN111080682B (zh) | 点云数据的配准方法及装置 | |
CN109376208A (zh) | 一种基于智能终端的定位方法、***、存储介质及设备 | |
CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及*** | |
CN111143489B (zh) | 基于图像的定位方法及装置、计算机设备和可读存储介质 | |
Huang et al. | A coarse-to-fine algorithm for registration in 3D street-view cross-source point clouds | |
CN112132875B (zh) | 一种基于面特征的多平台点云匹配方法 | |
CN110715646B (zh) | 一种地图修测测量方法及装置 | |
CN111462310B (zh) | 一种基于多视几何的螺栓缺陷空间定位方法 | |
Jiang et al. | Learned local features for structure from motion of uav images: A comparative evaluation | |
CN116518864A (zh) | 一种基于三维点云对比分析的工程结构全场变形检测方法 | |
CN113959437A (zh) | 一种用于移动测量设备的测量方法及*** | |
CN109670557B (zh) | 一种基于杆状构筑物的公路点云自动配准方法 | |
CN116935013A (zh) | 基于三维重建的电路板点云大范围拼接方法及*** | |
CN114485608B (zh) | 一种用于高精度地图制作的局部点云快速配准方法 | |
Kumar et al. | An efficient method for road tracking from satellite images using hybrid multi-kernel partial least square analysis and particle filter | |
CN114399547B (zh) | 一种基于多帧的单目slam鲁棒初始化方法 | |
CN113781639B (zh) | 一种大场景道路基础设施数字化模型快速构建方法 | |
CN108090396A (zh) | 一种指纹匹配方法和装置 | |
Liang et al. | Global Registration of Point Cloud Maps with Low-overlap Regions | |
CN112307971B (zh) | 基于三维点云数据的球体目标识别方法及识别装置 | |
CN113029166B (zh) | 定位方法、装置、电子设备及存储介质 | |
Zhong et al. | Deep Learning-Based UAV Aerial Triangulation without Image Control Points |
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 |