CN115412721B - 一种点云二维规则化平面投影方法及装置 - Google Patents
一种点云二维规则化平面投影方法及装置 Download PDFInfo
- Publication number
- CN115412721B CN115412721B CN202110578726.3A CN202110578726A CN115412721B CN 115412721 B CN115412721 B CN 115412721B CN 202110578726 A CN202110578726 A CN 202110578726A CN 115412721 B CN115412721 B CN 115412721B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- original
- dimensional
- azimuth information
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/30—Image reproducers
- H04N13/327—Calibration thereof
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/30—Image reproducers
- H04N13/363—Image reproducers using image projection screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种点云二维规则化平面投影方法及装置,该方法包括:获取原始点云数据;初始化点云的二维投影平面结构;根据原始点云数据计算点云的水平方位角信息;根据水平方位角信息确定原始点云数据与二维投影平面结构的映射关系,以得到点云的二维规则化投影平面结构。本发明通过点云的水平方位角信息确定原始点云数据与所述二维投影平面结构的映射关系,无需进行二维局部搜索即可将大规模点云投影至二维规则化平面结构中,减小了算法的复杂度,从而降低了点云的二维规则化平面投影所花费的时间,提升了算法性能。
Description
技术领域
本发明属于点云数据处理技术领域,具体涉及一种点云二维规则化平面投影方法及装置。
背景技术
随着计算机技术的发展,三维点云数据在虚拟现实、增强现实、自动驾驶和环境建模等领域得到了广泛的应用。然而由于设备本身测量误差、周围环境等影响,使得获取的大规模原始点云数据往往面临着许多问题,例如非均匀分布、稀疏特性等,这对后续的点云数据处理造成了一定的困难。
基于此,现有技术提出了一种面向大规模点云的二维规则化平面投影方法,为点云的应用提供了一种更易于进行数据处理的表现形式。其大致流程是:首先,初始化点云的二维投影平面结构;然后,确定点云与二维投影平面结构的映射关系,得到点云对应的二维规则化投影平面结构。其中,确定点云与二维投影平面结构的映射关系为关键步骤,直接影响投影精度。
目前,现有的方法主要是通过对点云中的点在二维投影平面结构中进行局部搜索,查找最佳匹配的像素,从而确定点云与二维投影平面结构之间的映射关系。
然而,该方法需要对点云中的每个点在二维投影平面结构中均进行二维的局部搜索,对于大规模的点云数据而言,这无疑会导致算法具有较高的复杂度,使得点云的二维规则化平面投影所花费的时间过多,从而影响算法性能。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种点云二维规则化平面投影方法及装置。本发明要解决的技术问题通过以下技术方案实现:
一种点云二维规则化平面投影方法,包括:
获取原始点云数据;
初始化点云的二维投影平面结构;
根据所述原始点云数据计算点云的水平方位角信息;
根据所述水平方位角信息确定所述原始点云数据与所述二维投影平面结构的映射关系,以得到点云的二维规则化投影平面结构。
在本发明的一个实施例中,所述水平方位角信息的计算公式为:
其中,表示原始点云数据中当前点的水平方位角信息,x、y分别为当前点的笛卡尔坐标分量。
在本发明的一个实施例中,根据所述水平方位角信息确定所述原始点云数据与所述二维投影平面结构的映射关系,包括:
确定所述原始点云数据在所述二维投影平面结构中的行索引;
根据所述水平方位角信息确定所述原始点云数据在所述二维投影平面结构中的列索引。
在本发明的一个实施例中,根据所述水平方位角信息确定所述原始点云数据在所述二维投影平面结构中的列索引,包括:
建立点云的水平方位角信息与原始采集方位角信息之间的关系,得到对应的关系式;
根据上述关系式计算点云的原始采集方位角信息;
根据所述原始采集方位角信息计算所述原始点云数据在所述二维投影平面结构中的列索引。
在本发明的一个实施例中,所述点云的水平方位角信息与原始采集方位角信息之间的关系式为:
其中,表示原始点云数据中当前点的水平方位角信息,/>表示当前点的原始采集方位角信息,α表示当前点所属Laser的水平校正角,Ho表示当前点所属Laser的水平偏移,r表示当前点的深度信息。
在本发明的一个实施例中,所述点云的水平方位角信息与原始采集方位角信息之间的关系式为:
其中,表示原始点云数据中当前点的水平方位角信息,/>表示当前点的原始采集方位角信息,α表示当前点所属Laser的水平校正角,Ho表示当前点所属Laser的水平偏移,r表示当前点的深度信息。
在本发明的一个实施例中,所述原始点云数据在所述二维投影平面结构中的列索引的计算公式为:
其中,j表示原始点云数据中当前点在二维投影平面结构中的列索引,表示当前点的原始采集方位角信息,/>表示Laser的采样角分辨率。
本发明的另一个实施例提供了一种点云二维规则化平面投影装置,包括:
数据获取模块,用于获取原始点云数据;
初始化模块,用于初始化点云的二维投影平面结构;
计算模块,用于根据所述原始点云数据计算点云的水平方位角信息;
映射模块,用于根据所述水平方位角信息确定所述原始点云数据与所述二维投影平面结构的映射关系,以得到点云的二维规则化投影平面结构。
本发明的有益效果:
1、本发明通过点云的水平方位角信息确定原始点云数据与所述二维投影平面结构的映射关系,无需进行二维局部搜索即可将大规模点云投影至二维规则化平面结构中,减小了算法的复杂度,从而降低了点云的二维规则化平面投影所花费的时间,提升了算法性能;
2、本发明通过点云的水平方位角信息与原始采集方位角信息之间的关系确定其所投影到的二维平面结构中的列索引,从而对点云在垂直方向和水平方向上进行了规则化校正,得到点云在二维投影平面结构上的强相关性表示,从而避免了三维表示结构中存在的稀疏性,又更好的体现了点云的空间相关性,为点云的应用提供了一种更易于进行数据处理的表现形式。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种点云二维规则化平面投影方法流程图;
图2是本发明实施例提供的激光雷达的标定示意图;
图3是本发明实施例提供的激光雷达在x-y平面的标定示意图;
图4是本发明实施例提供的点云的二维投影平面结构示意图;
图5是本发明实施例提供的一种点云二维规则化平面投影装置结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1是本发明实施例提供的一种点云二维规则化平面投影方法流程图,包括:
步骤1:获取原始点云数据。
具体地,原始点云数据通常由一组三维空间点组成,每个空间点都记录了自身的几何位置信息,以及颜色、反射率、法线等额外的属性信息。其中,点云的几何位置信息一般是基于笛卡尔坐标系进行表示的,即利用点的x,y,z坐标进行表示。原始点云数据可通过激光雷达扫描获取,也可通过各种平台提供的公共数据集获得。
在本实施例中,设获取到的原始点云数据的几何位置信息基于笛卡尔坐标系进行表示。需要说明的是,原始点云数据的几何位置信息的表示方法不限于笛卡尔坐标。
步骤2:初始化点云的二维投影平面结构。
具体的,本实施例在初始化点云的二维投影平面结构时,需要利用规则化参数实现。其中,规则化参数包括激光雷达的标定参数或者通过优化估计、数据拟合得到的参数。
激光雷达的标定参数通常由制造厂商进行精细测定并作为必备的数据之一提供给消费者,例如激光雷达的采集范围,激光雷达每个Laser(激光扫描器)的采样角分辨率或采样点数,以及每个Laser的距离校正因子、 Laser沿垂直方向和水平方向的偏移信息Vo和Ho、Laser沿俯仰角和水平方位角的偏移信息θ0和α等。
点云的二维规则化投影平面结构为一个包含M行、N列像素的数据结构,原始点云数据中的点经过投影后与该数据结构中的像素对应。二维规则化投影平面的分辨率可由规则化参数获得,如假设二维规则化投影平面的分辨率为M×N,则可利用规则化参数中Laser的个数来初始化M,并利用Laser的采样角分辨率或者Laser的采样点数pointNumPerLaser 来初始化N,具体公式如下,最终即可完成二维投影平面结构的初始化,得到一个包含M×N个像素的平面结构。
M=laserNum;
或N=point NumPerLaser。
步骤3:根据原始点云数据计算点云的水平方位角信息。
例如,本实施例可以采用如下公式计算点云的水平方位角信息:
其中,表示原始点云数据中当前点的水平方位角信息,x、y分别为当前点的笛卡尔坐标分量。
此外,需要说明的是,对于水平方位角的计算,可根据原始点云数据的表现形式进行适应性的改变,对此,本实施例不做具体限定。
步骤4:根据水平方位角信息确定原始点云数据与二维投影平面结构的映射关系,以得到点云的二维规则化投影平面结构。
在本实施例中,关于原始点云数据与二维投影平面结构的映射关系的确定,可以分两步进行。
首先,确定原始点云数据在二维投影平面结构中的行索引。
具体地,原始点云数据中每个点在所述二维投影平面结构中的行索引i 可采用现有的方法确定,求解公式如下:
其中,z为当前点的笛卡尔坐标分量,r为当前点的深度信息且有laserNum表示激光雷达包含的Laser的个数,Vo k为第k个 Laser沿垂直方向的偏移信息,θo k为第k个Laser沿俯仰角的偏移信息,且 Vo k和θo k均属于激光雷达的标定参数。
由于该公式属于优化问题,因此在实际工程中需要按照上述公式计算 laserNum个绝对误差|z-Vo k-r×tanθo k|,其中k=1...laserNum,那么其中令绝对误差最小的序号k-1即为当前点在二维投影平面结构中对应像素的行索引i。
然后,根据水平方位角信息确定原始点云数据在二维投影平面结构中的列索引,具体包括:
a)建立点云的水平方位角信息与原始采集方位角信息之间的关系,得到对应的关系式。
在本实施例中,可以根据激光雷达的采集原理从代数角度确定水平方位角信息与原始采集方位角信息之间的关系。
具体地,激光雷达是由多束沿中心轴两侧分布的Laser组合排列构成,每一个Laser具有一个固定的俯仰角,并且可以看作一个相对独立的采集***。这些Laser共同绕激光雷达的中轴进行360°旋转,在旋转过程中以固定的旋转角间隔进行采样,并返回采样点的原始采集信息即采样点的原始采集距离信息r0、所属Laser的索引号i(θ0)以及原始采集方位角信息此信息是基于其对应Laser为原点的局部柱面坐标系进行表示的,然而为了方便点云的后续处理,需要将点云的原始采集数据转换到以激光雷达底部为统一原点的笛卡尔坐标系下,形成统一笛卡尔坐标系下的激光雷达点云即设备最终采集到的点云,这一转换过程即为激光雷达的标定过程,如图2所示,图2是本发明实施例提供的激光雷达的标定示意图。
其中,激光雷达的标定公式如下,通过该公式将点的原始采集信息转换为笛卡尔坐标(x,y,z),点的原始采集信息中r0为点的原始采集距离信息、i(θ0)为点所属Laser的索引号、/>为点的原始采集方位角信息:
x=(r0+Dcorr)·cosθ0·sinβ-Ho·cosβ;
y=(r0+Dcorr)·cosθ0·cosβ+Ho·sinβ;
z=(r0+Dcorr)·sinθ0+Vo;
其中,Dcorr为该点所属Laser即激光雷达第i个Laser的距离校正因子、 Vo为该点所属Laser的垂直偏移、Ho为该点所属Laser的水平偏移、θ0为该点所属Laser的垂直仰角、α为该点所属Laser的水平校正角,以上参数均属于该Laser的标定参数即规则化参数。
接下来,令投影到x-y平面的r表示当前点(x,y,z)的深度信息,则有:
x=r·sinβ-Ho·cosβ;
y=r·cosβ+Ho·sinβ;
然后,利用辅助角公式进行转换,得到:
则由x和y计算得到的该点的水平方位角信息为:
最后,将代入上述等式,即可得到点云的水平方位角信息/>与原始采集方位角信息/>之间的关系式:
其中,r为点云中的点的深度信息,Ho为点所属Laser的水平偏移,α为点所属Laser的水平校正角,Ho和α均属于该Laser的标定参数即规则化参数。
在本发明的另一个实施例中,还可以从几何角度确定水平方位角信息与原始采集方位角信息之间的关系。
具体地,激光雷达在采集点云的过程中进行了标定,将在Laser局部柱面坐标系下表示的原始采集信息转换到以激光雷达底部为统一原点的笛卡尔坐标系下,形成统一笛卡尔坐标系下的激光雷达点云即设备最终采集到的点云,如图2所示。然而由于点云的方位角是在笛卡尔坐标系的x-y平面中表示的,因此由图2进一步得到图3,图3是本发明实施例提供的激光雷达在x-y平面的标定示意图。
从图3中可推导得到,其中/>为点的深度信息,Ho为该点所属Laser的水平偏移,由于此处Ho 为负值,因此|OworldOlaser|=-Ho。进一步可得/>然后将/>和/>代入即可得到点云的水平方位角信息/>与原始采集方位角信息/>之间的关系式:
其中,r为点云中的点的深度信息,Ho为点所属Laser的水平偏移,α为点所属Laser的水平校正角,Ho和α均属于该Laser的标定参数即规则化参数。需要说明的是,由于从代数角度进行推导时采用了近似处理,因此通过两种方式得到的关系式在形式上有所不同,但关系曲线几乎一致。
b)按照上述关系式计算点云的原始采集方位角信息。
具体地,当采用代数法得到水平方位角信息与原始采集方位角信息之间的关系时,点云的原始采集方位角信息计算公式为:
当采用几何法得到水平方位角信息与原始采集方位角信息之间的关系时,点云的原始采集方位角信息计算公式为:
c)根据原始采集方位角信息计算原始点云数据在二维投影平面结构中的列索引。计算公式如下:
其中,j表示原始点云数据中当前点在二维投影平面结构中的列索引,表示当前点的原始采集方位角信息,/>表示Laser的采样角分辨率。
最终,通过本实施例即得到了当前点在二维投影平面结构中的对应像素(i,j),从而确定了点云与二维投影平面结构的映射关系,当点云中的所有点均完成上述操作后,即完成了点云的二维规则化平面投影,如图4所示,图4是本发明实施例提供的点云的二维投影平面结构示意图,其中,点云中的每个点均被映射至该结构中的对应像素。
本实施例通过点云的水平方位角信息确定原始点云数据与所述二维投影平面结构的映射关系,无需进行二维局部搜索即可将大规模点云投影至二维规则化平面结构中,减小了算法的复杂度,从而降低了点云的二维规则化平面投影所花费的时间,提升了算法性能。
进一步地,本实施例通过点云水平方位角信息与原始采集方位角信息之间的关系确定其所投影到的二维平面结构中的列索引,从而对点云在垂直方向和水平方向上进行了规则化校正,得到点云在二维投影平面结构上的强相关性表示,从而避免了三维表示结构中存在的稀疏性,又更好的体现了点云的空间相关性,为点云的应用提供了一种更易于进行数据处理的表现形式。
实施例二
在上述实施例一的基础上,本实施例提供了一种点云二维规则化平面投影装置,请参见图5,图5是本发明实施例提供的一种点云二维规则化平面投影装置结构示意图,其包括:
数据获取模块1,用于获取原始点云数据;
初始化模块2,用于初始化点云的二维投影平面结构;
计算模块3,用于根据原始点云数据计算点云的水平方位角信息;
映射模块4,用于根据水平方位角信息确定原始点云数据与二维投影平面结构的映射关系,以得到点云的二维规则化投影平面结构。
本实施例提供的装置可以实现上述实施例一提供的点云二维规则化平面投影方法,详细过程在此不再赘述。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (6)
1.一种点云二维规则化平面投影方法,其特征在于,包括:
获取原始点云数据;
初始化点云的二维投影平面结构;
根据所述原始点云数据计算点云的水平方位角信息;
确定所述原始点云数据在所述二维投影平面结构中的行索引;
建立点云的水平方位角信息与原始采集方位角信息之间的关系,得到对应的关系式;
根据上述关系式计算点云的原始采集方位角信息;
根据所述原始采集方位角信息计算所述原始点云数据在所述二维投影平面结构中的列索引,以得到点云的二维规则化投影平面结构;所述原始点云数据在所述二维投影平面结构中的列索引是通过所述原始点云数据中当前点的原始采集方位角信息和当前点所属Laser的采样角分辨率计算得到的。
2.根据权利要求1所述的点云二维规则化平面投影方法,其特征在于,所述水平方位角信息的计算公式为:
其中,表示原始点云数据中当前点的水平方位角信息,x、y分别为当前点的笛卡尔坐标分量。
3.根据权利要求1所述的点云二维规则化平面投影方法,其特征在于,所述点云的水平方位角信息与原始采集方位角信息之间的关系式为:
其中,表示原始点云数据中当前点的水平方位角信息,/>表示当前点的原始采集方位角信息,α表示当前点所属Laser的水平校正角,Ho表示当前点所属Laser的水平偏移,r表示当前点的深度信息。
4.根据权利要求1所述的点云二维规则化平面投影方法,其特征在于,所述点云的水平方位角信息与原始采集方位角信息之间的关系式为:
其中,表示原始点云数据中当前点的水平方位角信息,/>表示当前点的原始采集方位角信息,α表示当前点所属Laser的水平校正角,Ho表示当前点所属Laser的水平偏移,r表示当前点的深度信息。
5.根据权利要求1所述的点云二维规则化平面投影方法,其特征在于,所述原始点云数据在所述二维投影平面结构中的列索引的计算公式为:
其中,j表示原始点云数据中当前点在二维投影平面结构中的列索引,表示当前点的原始采集方位角信息,/>表示Laser的采样角分辨率。
6.一种点云二维规则化平面投影装置,其特征在于,包括:
数据获取模块(1),用于获取原始点云数据;
初始化模块(2),用于初始化点云的二维投影平面结构;
计算模块(3),用于根据所述原始点云数据计算点云的水平方位角信息;
映射模块(4),用于
确定所述原始点云数据在所述二维投影平面结构中的行索引;
建立点云的水平方位角信息与原始采集方位角信息之间的关系,得到对应的关系式;
根据上述关系式计算点云的原始采集方位角信息;
根据所述原始采集方位角信息计算所述原始点云数据在所述二维投影平面结构中的列索引,以得到点云的二维规则化投影平面结构;所述原始点云数据在所述二维投影平面结构中的列索引是通过所述原始点云数据中当前点的原始采集方位角信息和当前点所属Laser的采样角分辨率计算得到的。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578726.3A CN115412721B (zh) | 2021-05-26 | 2021-05-26 | 一种点云二维规则化平面投影方法及装置 |
US18/266,374 US20240112300A1 (en) | 2021-05-26 | 2022-05-18 | Method and apparatus for 2d regularized planar projection of point cloud |
PCT/CN2022/093676 WO2022247714A1 (zh) | 2021-05-26 | 2022-05-18 | 一种点云二维规则化平面投影方法及装置 |
EP22810441.0A EP4243412A1 (en) | 2021-05-26 | 2022-05-18 | Two-dimensional regularized plane projection method and apparatus for point cloud |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578726.3A CN115412721B (zh) | 2021-05-26 | 2021-05-26 | 一种点云二维规则化平面投影方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412721A CN115412721A (zh) | 2022-11-29 |
CN115412721B true CN115412721B (zh) | 2024-05-28 |
Family
ID=84155985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110578726.3A Active CN115412721B (zh) | 2021-05-26 | 2021-05-26 | 一种点云二维规则化平面投影方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240112300A1 (zh) |
EP (1) | EP4243412A1 (zh) |
CN (1) | CN115412721B (zh) |
WO (1) | WO2022247714A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804498B1 (en) * | 2004-09-15 | 2010-09-28 | Lewis N Graham | Visualization and storage algorithms associated with processing point cloud data |
CN103279989A (zh) * | 2013-05-30 | 2013-09-04 | 北京航天控制仪器研究所 | 一种三维激光成像***平面点云数据三角化处理方法 |
CN105574905A (zh) * | 2015-12-15 | 2016-05-11 | 大连理工大学 | 一种三维激光点云数据的二维图像化表述方法 |
WO2016185637A1 (ja) * | 2015-05-20 | 2016-11-24 | 三菱電機株式会社 | 点群画像生成装置および表示システム |
CN109509143A (zh) * | 2018-10-31 | 2019-03-22 | 太原理工大学 | 一种三维点云转换二维图像的方法 |
CN110428372A (zh) * | 2019-07-08 | 2019-11-08 | 希格斯动力科技(珠海)有限公司 | 深度数据与2d激光数据融合方法及装置、存储介质 |
CN111009011A (zh) * | 2019-11-28 | 2020-04-14 | 深圳市镭神智能***有限公司 | 车辆方向角的预测方法、装置、***以及存储介质 |
CN112150595A (zh) * | 2020-09-21 | 2020-12-29 | 广东博智林机器人有限公司 | 一种点云数据处理方法、装置、设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019013430A1 (en) * | 2017-07-10 | 2019-01-17 | Samsung Electronics Co., Ltd. | COMPRESSION OF MAILLAGES AND POINT CLOUDS USING IMAGE / VIDEO CODECS |
US10699444B2 (en) * | 2017-11-22 | 2020-06-30 | Apple Inc | Point cloud occupancy map compression |
US10935650B2 (en) * | 2017-12-22 | 2021-03-02 | Waymo Llc | Radar based three dimensional point cloud for autonomous vehicles |
-
2021
- 2021-05-26 CN CN202110578726.3A patent/CN115412721B/zh active Active
-
2022
- 2022-05-18 WO PCT/CN2022/093676 patent/WO2022247714A1/zh active Application Filing
- 2022-05-18 EP EP22810441.0A patent/EP4243412A1/en active Pending
- 2022-05-18 US US18/266,374 patent/US20240112300A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804498B1 (en) * | 2004-09-15 | 2010-09-28 | Lewis N Graham | Visualization and storage algorithms associated with processing point cloud data |
CN103279989A (zh) * | 2013-05-30 | 2013-09-04 | 北京航天控制仪器研究所 | 一种三维激光成像***平面点云数据三角化处理方法 |
WO2016185637A1 (ja) * | 2015-05-20 | 2016-11-24 | 三菱電機株式会社 | 点群画像生成装置および表示システム |
CN105574905A (zh) * | 2015-12-15 | 2016-05-11 | 大连理工大学 | 一种三维激光点云数据的二维图像化表述方法 |
CN109509143A (zh) * | 2018-10-31 | 2019-03-22 | 太原理工大学 | 一种三维点云转换二维图像的方法 |
CN110428372A (zh) * | 2019-07-08 | 2019-11-08 | 希格斯动力科技(珠海)有限公司 | 深度数据与2d激光数据融合方法及装置、存储介质 |
CN111009011A (zh) * | 2019-11-28 | 2020-04-14 | 深圳市镭神智能***有限公司 | 车辆方向角的预测方法、装置、***以及存储介质 |
CN112150595A (zh) * | 2020-09-21 | 2020-12-29 | 广东博智林机器人有限公司 | 一种点云数据处理方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
Sanghyun Ko et al..3D Point Cloud Matching Based on Its 2D Representation for Visual Odometry.2018 IEEE International Conference on Image Processing, Applications and Systems (IPAS).2019,216-219. * |
Also Published As
Publication number | Publication date |
---|---|
CN115412721A (zh) | 2022-11-29 |
US20240112300A1 (en) | 2024-04-04 |
WO2022247714A1 (zh) | 2022-12-01 |
EP4243412A1 (en) | 2023-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570449B (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
CN110853081B (zh) | 基于单木分割的地面和机载LiDAR点云配准方法 | |
CN113510703B (zh) | 机器人位姿的确定方法、装置、机器人及存储介质 | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN112200203A (zh) | 斜视场下弱相关散斑图像的匹配方法 | |
CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN112396640A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN104615880B (zh) | 一种三维激光雷达点云匹配的快速icp方法 | |
WO2024011764A1 (zh) | 标定参数确定方法、混合标定板、装置、设备和介质 | |
CN114897669A (zh) | 一种标注方法、装置及电子设备 | |
CN114758005B (zh) | 激光雷达与相机外参标定方法及装置 | |
CN115239822A (zh) | 分体式飞行车辆多模块间实时视觉识别定位方法及*** | |
CN110688440A (zh) | 一种适用于子地图重叠部分较少的地图融合方法 | |
CN111145264A (zh) | 多传感器的标定方法、装置及计算设备 | |
CN114049401A (zh) | 双目相机标定方法、装置、设备及介质 | |
CN111812613A (zh) | 一种移动机器人定位监测方法、装置、设备和介质 | |
CN115412721B (zh) | 一种点云二维规则化平面投影方法及装置 | |
CN116203544A (zh) | 一种移动测量***往返测回无控自检校方法、装置及介质 | |
CN115511977A (zh) | 一种基于标定模板的外参标定方法及装置 | |
CN112230194B (zh) | 一种基于平移阵列的解模糊方法、设备及存储介质 | |
CN115407302A (zh) | 激光雷达的位姿估计方法、装置和电子设备 | |
CN115100287A (zh) | 外参标定方法及机器人 | |
CN114387348A (zh) | 一种地基天空背景大视场相机的标定方法 | |
CN113610086A (zh) | 一种垂直刻度指针式仪表读数校正方法、装置及终端设备 | |
CN116100564B (zh) | 一种标定机械手的高精度标定方法及装置 |
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 |