CN115856829B - 一种雷达三维数据转换的图像数据识别方法及*** - Google Patents
一种雷达三维数据转换的图像数据识别方法及*** Download PDFInfo
- Publication number
- CN115856829B CN115856829B CN202310065712.0A CN202310065712A CN115856829B CN 115856829 B CN115856829 B CN 115856829B CN 202310065712 A CN202310065712 A CN 202310065712A CN 115856829 B CN115856829 B CN 115856829B
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- coordinates
- converted
- radar
- 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
-
- 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
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及图像识别技术领域,尤其是涉及一种雷达三维数据转换的图像数据识别方法及***。所述方法包括获取雷达点云数据和需要转换的数据类型;在雷达点云数据中选定出关键信息区域;将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。本发明通过该技术方案可以在三维目标上有效利用各种高效、精准的二维图像识别算法进行目标的甄别和鉴定。
Description
技术领域
本发明涉及图像识别技术领域,尤其是涉及一种雷达三维数据转换的图像数据识别方法及***。
背景技术
随着激光雷达技术的逐渐普及,更多的行业和应用场景中都使用到了雷达设备对目标进行定位、跟踪和测量工作。但是因为点云算法和雷达设备中一些固有的缺陷,如精确度不够(雷达设备的精度一般在±2cm),导致对一些目标的识别工作难以完成,在实际应用中往往需要同时搭配摄像类设备,这无疑增加了应用成本。
其次,传统的摄像类设备往往需要借助合适的可见光强度才能完成目标的捕获,这就导致在一些极端条件下需要增设补光设备才能保证***的正常运作。如果现场不具备增设补光设备的条件,又或者补光设备的角度或强度存在偏差,目标物的捕获工作就可能无法完成,从而导致整个***的工作难以达成预期。
现有技术中心,能够将激光雷达点云信息转换为普通的图像数据,但是没有关于利用图像识别技术对目标进行进一步分析和识别的方案,且在点云向像素数据转换的过程中,除确保有效识别区域的转换之外,其边缘的无效区域需以空白色进行填充,而非继续存储其他点云,而现有的针对雷达三维数据转换的图像数据识别存在精度不高且效率低的问题,因此需要一种雷达三维数据转换的图像数据识别方法及***。
发明内容
为了解决针对雷达三维数据转换的图像数据识别精度不高且效率低的问题,本发明提供一种雷达三维数据转换的图像数据识别方法及***。
第一方面,本发明提供的一种雷达三维数据转换的图像数据识别方法,采用如下的技术方案:
一种雷达三维数据转换的图像数据识别方法,包括:
S1.获取雷达点云数据和需要转换的数据类型;
S2.在雷达点云数据中选定出关键信息区域;
S3.将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;
S4.根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
S5.根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。
进一步地,所述获取雷达点云数据和需要转换的数据类型,包括雷达所探知的目标距离数据、雷达波反射强度数据和热辐射数据。
进一步地,所述在雷达点云数据中选定出关键信息区域,包括根据雷达点云数据生成的图像选定需要进行图像转换的区域,作为关键信息区域。
进一步地,所述根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,包括当与需要转换的数据类型相关的坐标数量为1时,将RGB中的任一色彩值对应点云坐标中与需要转换的数据类型相关的坐标值,并进行数值转换。
进一步地,所述根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,包括当与需要转换的数据类型相关的坐标数量为2时,将RGB值分为RG、RB和GB三种组合,分别对应点云坐标中与需要转换的数据类型相关的坐标值,并进行数值转换。
进一步地,所述根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,包括当与需要转换的数据类型相关的坐标数量为3时,将RGB中的三种色彩值分别对应点云坐标中与需要转换的数据类型相关的坐标值,并进行数值转换。
进一步地,所述进行数值转换,包括将点云坐标中的坐标值与RGB色彩值进行等比例转换。
第二方面,一种雷达三维数据转换的图像数据识别***,包括:
数据获取模块,被配置为,获取雷达点云数据和需要转换的数据类型;
选择模块,被配置为,在雷达点云数据中选定出关键信息区域;
计算模块,被配置为,将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
转换模块,被配置为,根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。
第三方面,本发明提供一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种雷达三维数据转换的图像数据识别方法。
第四方面,本发明提供一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种雷达三维数据转换的图像数据识别方法。
综上所述,本发明具有如下的有益技术效果:
本发明通过一种雷达三维数据转换的图像数据识别方法,将雷达点云数据图像转换为色彩图像,将目标识别物的高度、位置等的差异转换为图像色彩上的差异,最终输出的图像数据为可以完整体现出这种差异信息的彩色区域合集。
该技术方案不但可以在三维目标上有效利用各种高效、精准的二维图像识别算法进行目标的甄别和鉴定,更可以通过三维纹理的固有几何特征进一步增强识别能力,比如解决照片和人脸的辨识问题。
附图说明
图1是本发明实施例的一种雷达三维数据转换的图像数据识别方法的流程示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例1
参照图1,本实施例的一种雷达三维数据转换的图像数据识别方法,包括:
获取雷达点云数据和需要转换的数据类型;
在雷达点云数据中选定出关键信息区域;
将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;
根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。
具体包括以下步骤:
第一步,获取雷达点云数据和需要转换的数据类型,通过雷达设备获取点云数据,雷达点云数据为(x,y,z)形式的float数据集,通过点云数据能够得到目标物的雷达点云图像;然后确定需要转换的数据类型,包括激光雷达所探知的目标距离数据、雷达波反射强度数据、热辐射数据等,具体情况通过根据实际需要选择。
第二步,在雷达点云数据中选定出关键信息区域,包括根据雷达点云数据生成的图像选定需要进行图像转换的区域,作为关键信息区域。
在雷达点云数据中选定出关键信息区域可以通过人工选择,也可以通过其他方式选择,比如模型匹配,目的是圈出接下来需要进行色彩转换的区域,比如需要对雷达点云中的一辆货车进行色彩转换,即将货车的点云图像转换为带色彩的图像,那么就在点云图像中将这辆货车的整体轮廓所在的区域选定出来,即可。
第三步,将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;选定出来需要进行色彩转换的区域之后,首先将该区域内的点云进行标准化处理,将点云数据统一到同一坐标系下,获得点云的坐标值。具体方法,通过公开号CN115359333A,中国发明专利20221118日公开的一种基于多种类数据采集设备的多维度信息融合方法可以获得,步骤包括:捕获雷达设备的点云数据,通过点云数据获取并圈定目标物体的空间范围,其空间范围由环境变量预先设定,即将点云数据的最大坐标和最小坐标之间的区域划定为空间范围。根据检测需求提前设置雷达设备的分辨率,即点云数据的密度;其中,点云数据的密度越大,空间坐标系刻度的划分越小;在确保尽量多的点云数据落在空间坐标系刻度的基础上,寻找最优的空间坐标系刻度。但是由于雷达本身的硬件限制,空间坐标系刻度的最小值为1cm。其中,如图1所示,选定关键区域范围后,预估数据范围和坐标刻度,指的是自定义数据范围和坐标刻度,根据具体工作环境自行设置,比如10米宽15米长2米高,刻度默认是1cm,也可以是5cm或者10cm,这个没有限制。
设置待转化的图像尺寸,指的是根据预估数据范围和坐标刻度直接进行单位计算,比如1920 、1080就是19.2米、 10.8米。
在空间范围内设定原点、X轴、Y轴以及Z轴,并将空间坐标系刻度作为X轴、Y轴以及Z轴的刻度,创建多维数据空间,即空间坐标系。其中,X轴、Y轴以及Z轴的总长度不超出空间范围。
将所述点云数据载入多维数据空间,生成点云数据的二进制数据集:将点云数据载入空间坐标系,并使得尽量多的点云数据落在空间坐标系刻度上。
在点云数据不在空间坐标系刻度的情况下,对点云数据进行矫正,即基于周边点云数据确定该点云数据的趋势,并根据测算原则测算后将该点云数据放置于最近的空间坐标系刻度上。其中,测算原则包括不改变法线以及不超出设定好的空间范围。
任意一个点云数据不在空间坐标系刻度上,则获取该点云数据的周边点云数据,即前值和后值;通过前值和后值计算该点云数据的趋势;其中,为前值,为后值。
若所述空间坐标系刻度上存在点云数据则赋值为1,不存在点云数据则赋值为0。
具体的,使用给空间坐标系刻度赋值的方式区分点云覆盖区域和空白区域,即空间坐标系刻度上存在点云数据则赋值为1,不存在点云数据则赋值为0;赋值为1的区域为点云覆盖区域,赋值为0的区域则为空白区域。另外,对于闭合的空间区域使用1进行填充。
需要说明的是,雷达设备在对目标物体进行扫描,目标物体内部无法扫描的情况下,上层的点云到目标物体底部之间的区域为闭合的空间区域。
根据空间坐标系刻度和设定的总长度,确定数据空间的单向二进制数据长度;
根据所述空间坐标系刻度的赋值,输出所述单向二进制数据长度内的二进制数据集。
具体的,基于设定好的空间坐标系刻度m以及总长度n,得到数据空间的单向二进制数据长度。
比如Z轴方向的总长度为3.2m,空间坐标系刻度为1cm,则其单向二进制数据长度为320,即代表Z轴方向存在320个刻度。根据空间坐标系刻度上是否存在点云数据的区别,可以输出10组32Bit的二进制数据,即:0000 0111 0000 1110 1111 1111 1111 0000这样的数据序列。
第四步,根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
具体的,
需要转换的数据类型,包括激光雷达所探知的目标距离数据、雷达波反射强度数据、热辐射数据等,如需要将货运列车上的煤炭载量的高度转换成色彩差异显示,类似于地形图上,将地形的高度通过不同的色彩值进行差异显示,当今需要利用到点云坐标中的高度值时,那么该高度值仅对应坐标(x,y,z)中的z值,此时让x、y的值均为0。
而当需要货运列车的位置转换成色彩差异进行显示时,类似于汽车遥感,对于距离近的物体,显示红色;对于距离远的物体,显示绿色,通过颜色显示区分不同目标物的距离远近,那么此时就需要对坐标(x,y,z)中的x和y值相关,此时另z值为0;
而若是同时需要转换高度和位置时,那么就需要对坐标(x,y,z)中的x、 y和z值同时进行转换。因此,可以为单一的标定距离信息的坐标,也可以为同时标定目标距离、信号强度和热度等融合信息的坐标。
第五步,根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。
通过前面四个步骤可知,与需要转换的数据类型相关的坐标,要么是x,y,z中的一个,要么是x,y,z中的两两组合,要么是x,y,z三个坐标值,因此,与需要转换的数据类型相关的坐标数量≥1且≤3。
当与需要转换的数据类型相关的坐标数量等于1时,可以选择三个不同的区域分别进行RGB数值的对应(即只改变其中一个值的大小,其他保持为0),以激光雷达进行车辆识别为例,三个不同目标的距离数据可以分别对应到R、G、B三个色彩值的转换上,最终展现出的效果就是红、绿、蓝三辆汽车的彩色图形信息。如此,在进行图像分析的时候就很容易对图像进行分割和处理。
其中,对应关系没有具体要求,可以根据需要自定义,即x可以对应R,也可以对G或者B,对应该哪个,即显示相应的色彩。
当与需要转换的数据类型相关的坐标数量等于2的时候,可以把RGB值分为RG、RB和GB三种组合,与点云坐标进行两两对应。
其中,RGB值与点云坐标(x,y,z)没有固定的对应关系,xy既可以对应RG,也可以对应RG或GB。
当与需要转换的数据类型相关的坐标数量等于3的时候,可以将不同的RBG值分别对应于需要转换的数据类型相关的坐标值,此时只有一种组合关系。
在完成关键信息与色彩逐一匹配组合之后,根据坐标轴刻度与最大取值范围的数据比例,确定每一个值与色彩值(0~255)之间的转换比例。设需要转换的关键信息数据为距离值z,其刻度为1cm,最大取值范围为2.55m,则其与色彩值的转换关系为1:1。
与此同理,进行x、y位置信息与像素坐标之间的等比例转换,确定每一个关键信息的像素点坐标,非关键点信息的图像像素点可以根据需要或图像格式置为空或特定值(如:RGB(0,0,0))。
完成转换工作,输出图像数据。
实施例2
本实施例提供一种雷达三维数据转换的图像数据识别***,包括:
数据获取模块,被配置为,获取雷达点云数据和需要转换的数据类型;
选择模块,被配置为,在雷达点云数据中选定出关键信息区域;
计算模块,被配置为,将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
转换模块,被配置为,根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种雷达三维数据转换的图像数据识别方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种雷达三维数据转换的图像数据识别方法。
以上均为本发明的较佳实施例,并非依此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (7)
1.一种雷达三维数据转换的图像数据识别方法,其特征在于,包括:
S1.获取雷达点云数据和需要转换的数据类型;
S2.在雷达点云数据中选定出关键信息区域;
S3.将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;
S4.根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
S5.根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据;
所述获取需要转换的数据类型,包括雷达所探知的目标距离数据、雷达波反射强度数据和热辐射数据;
所述在雷达点云数据中选定出关键信息区域,包括根据雷达点云数据生成的图像选定需要进行图像转换的区域,作为关键信息区域;
所述根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,包括当与需要转换的数据类型相关的坐标数量为1时,将RGB中的任一色彩值对应点云坐标中与需要转换的数据类型相关的坐标值,并进行数值转换。
2.根据权利要求1所述的一种雷达三维数据转换的图像数据识别方法,其特征在于,所述根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,包括当与需要转换的数据类型相关的坐标数量为2时,将RGB值分为RG、RB和GB三种组合,分别对应点云坐标中与需要转换的数据类型相关的坐标值,并进行数值转换。
3.根据权利要求2所述的一种雷达三维数据转换的图像数据识别方法,其特征在于,所述根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,包括当与需要转换的数据类型相关的坐标数量为3时,将RGB中的三种色彩值分别对应点云坐标中与需要转换的数据类型相关的坐标值,并进行数值转换。
4.根据权利要求3所述的一种雷达三维数据转换的图像数据识别方法,其特征在于,所述进行数值转换,包括将点云坐标中的坐标值与RGB色彩值进行等比例转换。
5.一种基于如权利要求1-4任意一项所述方法的雷达三维数据转换的图像数据识别***,其特征在于,包括:
数据获取模块,被配置为,获取雷达点云数据和需要转换的数据类型;
选择模块,被配置为,在雷达点云数据中选定出关键信息区域;
计算模块,被配置为,将关键信息区域内的点云数据进行标准化处理,得到区域内的点云坐标;根据需要转换的数据类型,确定点云坐标中与需要转换的数据类型相关的坐标;
转换模块,被配置为,根据与需要转换的数据类型相关的坐标数量,将点云坐标转换为像素坐标,得到图像数据。
6.一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种雷达三维数据转换的图像数据识别方法。
7.一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行如权利要求1所述的一种雷达三维数据转换的图像数据识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310065712.0A CN115856829B (zh) | 2023-02-06 | 2023-02-06 | 一种雷达三维数据转换的图像数据识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310065712.0A CN115856829B (zh) | 2023-02-06 | 2023-02-06 | 一种雷达三维数据转换的图像数据识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115856829A CN115856829A (zh) | 2023-03-28 |
CN115856829B true CN115856829B (zh) | 2023-05-16 |
Family
ID=85657602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310065712.0A Active CN115856829B (zh) | 2023-02-06 | 2023-02-06 | 一种雷达三维数据转换的图像数据识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115856829B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385571B (zh) * | 2023-06-01 | 2023-09-15 | 山东矩阵软件工程股份有限公司 | 一种基于多维化动态可变分辨率的点云压缩方法及*** |
CN117745537B (zh) * | 2024-02-21 | 2024-05-17 | 微牌科技(浙江)有限公司 | 隧道设备温度检测方法、装置、计算机设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181546A (zh) * | 2014-08-25 | 2014-12-03 | 中国科学院武汉物理与数学研究所 | 彩色三维扫描激光雷达颜色信息采集显示方法 |
WO2022022694A1 (zh) * | 2020-07-31 | 2022-02-03 | 北京智行者科技有限公司 | 自动驾驶环境感知方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706278A (zh) * | 2019-09-20 | 2020-01-17 | 异起(上海)智能科技有限公司 | 一种基于激光雷达和摄像头的物体识别方法和装置 |
CN111435162B (zh) * | 2020-03-03 | 2021-10-08 | 深圳市镭神智能***有限公司 | 激光雷达与相机同步方法、装置、设备和存储介质 |
CN114529610A (zh) * | 2022-01-11 | 2022-05-24 | 浙江零跑科技股份有限公司 | 一种基于rgb-d相机的毫米波雷达数据标注方法 |
CN115359333B (zh) * | 2022-10-24 | 2023-03-24 | 山东矩阵软件工程股份有限公司 | 基于多种类数据采集设备的多维度信息融合方法 |
-
2023
- 2023-02-06 CN CN202310065712.0A patent/CN115856829B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181546A (zh) * | 2014-08-25 | 2014-12-03 | 中国科学院武汉物理与数学研究所 | 彩色三维扫描激光雷达颜色信息采集显示方法 |
WO2022022694A1 (zh) * | 2020-07-31 | 2022-02-03 | 北京智行者科技有限公司 | 自动驾驶环境感知方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115856829A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115856829B (zh) | 一种雷达三维数据转换的图像数据识别方法及*** | |
CN106651752B (zh) | 三维点云数据配准方法及拼接方法 | |
CN109443196B (zh) | 一种体积测量方法及*** | |
CN111563923B (zh) | 获得稠密深度图的方法及相关装置 | |
US10724848B2 (en) | Method and apparatus for processing three-dimensional vision measurement data | |
CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
CN109801333B (zh) | 体积测量方法、装置、***及计算设备 | |
CN110766758B (zh) | 标定方法、装置、***及存储装置 | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
EP2339292A1 (en) | Three-dimensional measurement apparatus and method thereof | |
CN111383279A (zh) | 外参标定方法、装置及电子设备 | |
EP2396766A1 (en) | Fusion of a 2d electro-optical image and 3d point cloud data for scene interpretation and registration performance assessment | |
CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN113160328A (zh) | 一种外参标定方法、***、机器人和存储介质 | |
WO2022217988A1 (zh) | 传感器配置方案确定方法、装置、计算机设备、存储介质及程序 | |
CN114972532B (zh) | 激光雷达之间的外参标定方法、装置、设备及存储介质 | |
CN113325388A (zh) | 一种自动驾驶中激光雷达泛光噪点的过滤方法和装置 | |
CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
CN116559181B (zh) | 基于光度立体视觉的缺陷检测方法、***、装置及介质 | |
CN112150522A (zh) | 遥感图像的配准方法、装置、设备、存储介质及*** | |
US11748908B1 (en) | Systems and methods for generating point-accurate three-dimensional models with point-accurate color information from a non-cosited capture | |
Trzeciak et al. | Comparison of accuracy and density of static and mobile laser scanners | |
CN115063489A (zh) | 一种外参标定方法、装置、设备和存储介质 | |
CN112270693B (zh) | 一种飞行时间深度相机运动伪差检测方法和装置 | |
CN115423975A (zh) | 一种基于可见光影像及深度学习算法的地面高程提取方法 |
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 |