CN116129086A - 基于激光雷达点云数据的图纸生成方法 - Google Patents
基于激光雷达点云数据的图纸生成方法 Download PDFInfo
- Publication number
- CN116129086A CN116129086A CN202310124911.4A CN202310124911A CN116129086A CN 116129086 A CN116129086 A CN 116129086A CN 202310124911 A CN202310124911 A CN 202310124911A CN 116129086 A CN116129086 A CN 116129086A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- dimensional
- line segment
- plane
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Image Generation (AREA)
Abstract
本发明涉及一种基于激光雷达点云数据的图纸生成方法。本发明的技术方案为：获取激光雷达围绕物体一圈采集的若干帧点云数据；将该若干帧点云数据拼接融合，形成一个整体三维点云数据；对整体三维点云数据进行预处理，得到物体的三维点云数据；将物体的三维点云数据投影至绘图平面，形成物体的二维投影图；在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上。本发明适用于图纸生成技术领域。
Description
技术领域
本发明涉及一种基于激光雷达点云数据的图纸生成方法。适用于图纸生成技术领域。
背景技术
大型货物运输是物流行业的一个分支，在整个物流行业中占据着重要的地位，尤其是一些工业器械、医疗设备和军事用品，其中涉及的货物尺寸以及运输要求也就必须要格外重视了。
目前货运行业的图纸主要为人工测量绘制，需要由专业的测绘人员根据具体货物，提取需要测量的位置，手工测量出具体的尺寸，并根据货物三维外观手绘出草图。最后根据草图利用专业的CAD绘图软件绘制出货物尺寸图纸。
由以上信息可以看出，在大量绘制图纸的过程中，需要较多的专业人员参与，同时不同人员存在测量习惯之间的误差，整体测量效率低下，容易出错，这也导致了目前图纸绘制方法交付周期较长的问题。
雷达设备采集的点云数据高精度特点，已经被众多国内外研究者所关注。具体地，在两个点云数据集合的匹配方面，在经典的ICPSVD论文中，作者利用最小二乘原理，有效地证实了迭代方法的有效性。在目标检测和识别方面，学者也提出可以利用点云信息来进行三维的形状识别和重建，同时在实验上也验证了其可行性。最近，在胶囊网络的设计上，也有人设计了一种新的胶囊网络结构，可以用来进行三维的识别和方向估计。
点云数据高精度的特性，却极少有人用来进行图纸的绘制。具体地，这里涉及到一些关键的技术难题，比如如何保障设备的稳定性采集，又如何能够绘制复杂的物体三维信息等等。随着时间推移和技术发展，固定角度和简单场景下，也有相关的工作结果。具体地，比如机房网络的平面图纸生成，但是该方法设备固定，应用场景非常有限，同时出图类型单一，只能覆盖平面图，对于复杂的场景便无能为力了。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于激光雷达点云数据的图纸生成方法。
本发明所采用的技术方案是：一种基于激光雷达点云数据的图纸生成方法，其特征在于：
获取激光雷达围绕物体一圈采集的若干帧点云数据；
将该若干帧点云数据拼接融合，形成一个整体三维点云数据；此处以雷达采集的初始时刻t0，雷达机体坐标系(发射屏幕法向量为X轴的右手坐标系)为基准进行其他时刻的点云融合，同时以该坐标系作为之后正投影的校准依据；
对整体三维点云数据进行预处理，得到物体的三维点云数据；
将物体的三维点云数据投影至绘图平面，形成物体的二维投影图；
识别出物体的三维点云数据中长度超过设定值的点云线段集合L3d；检测出二维投影图中的平面线段集合L2d；
匹配点云线段集合L3d和平面线段集合L2d中线段的起始点和结束点，根据匹配关系和图像边缘微分信息滤除两个集合中在另一集合中没有相匹配线段的线段，形成点云线段集合L'3d和平面线段集合L'2d；
在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上。
所述将该若干帧点云数据拼接融合，形成一个整体三维点云数据，包括：
利用当前帧点云数据与经校准的前一帧点云数据的重叠部分计算当前帧点云数据相较于前一帧点云数据的旋转矩阵和平移矩阵；
根据旋转矩阵和平移矩阵校准前帧点云数据，并把校准后的前帧点云数据和之前经校准的点云数据一起放入点云数据融合集合；
重复以上步骤至所有点云帧数据都处理完毕，输出点云数据融合集合，该点云数据融合集合为融合后的整体三维点云数据。
所述对整体三维点云数据进行预处理，得到物体的三维点云数据，包括：
选取整体三维点云数据底部的最大平面作为地平面；
从整体三维点云数据中剔除地平面的点云数据，并根据地平面法向量及雷达机体坐标系对剩余点云数据进行X,Y,Z轴方向上的校准，得到校准后点云数据；
利用聚类算法对校准后点云数据进行分类，得到物体的三维点云二次分割结果；
对三维点云二次分割结果进行异常点去除和滤波操作，得到物体的三维点云数据。
一种基于激光雷达点云数据的图纸生成装置，其特征在于，包括：
点云数据获取模块，用于获取激光雷达围绕物体一圈采集的若干帧点云数据；
点云数据拼接模块，用于将该若干帧点云数据拼接融合，形成一个整体三维点云数据；
数据预处理模块，用于对整体三维点云数据进行预处理，得到物体的三维点云数据；
点云数据投影模块，用于将物体的三维点云数据投影至绘图平面，形成物体的二维投影图；
线段识别模块，用于识别出物体的三维点云数据中长度超过设定值的点云线段集合L3d；检测出二维投影图中的平面线段集合L2d；
线段匹配模块，用于匹配点云线段集合L3d和平面线段集合L2d中线段的起始点和结束点，根据匹配关系和图像边缘微分信息滤除两个集合中在另一集合中没有相匹配线段的线段，形成点云线段集合L'3d和平面线段集合L'2d；
尺寸图标记模块，用于在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上。
所述将该若干帧点云数据拼接融合，形成一个整体三维点云数据，包括：
利用当前帧点云数据与经校准的前一帧点云数据的重叠部分计算当前帧点云数据相较于前一帧点云数据的旋转矩阵和平移矩阵；
根据旋转矩阵和平移矩阵校准前帧点云数据，并把校准后的前帧点云数据和之前经校准的点云数据一起放入点云数据融合集合；
重复以上步骤至所有点云帧数据都处理完毕，输出点云数据融合集合，该点云数据融合集合为融合后的整体三维点云数据。
所述对整体三维点云数据进行预处理，得到物体的三维点云数据，包括：
选取整体三维点云数据底部的最大平面作为地平面；
从整体三维点云数据中剔除地平面的点云数据，并根据地平面法向量对剩余点云数据进行Z轴方向上的校准，得到校准后点云数据；
利用聚类算法对校准后点云数据进行分类，得到物体的三维点云二次分割结果；
对三维点云二次分割结果进行异常点去除和滤波操作，得到物体的三维点云数据。
一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：该计算机程序被执行时实现所述基于激光雷达点云数据的图纸生成方法的步骤。
一种计算机设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：该计算机程序被执行时实现所述基于激光雷达点云数据的图纸生成方法的步骤。
一种基于激光雷达点云数据的图纸生成***，其特征在于，包括：
雷达采集设备，用于采集物体的点云数据；
计算机设备，与所述雷达采集设备通讯连接，具有具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：该计算机程序被执行时实现所述基于激光雷达点云数据的图纸生成方法的步骤。
所述雷达采集设备安装于三角架上，该三角架底部配有滑动滚轮。
本发明的有益效果是：本发明包括点云数据采集拼接和点云数据绘制出图两个部分，前者能够基于雷达设备和拼接算法对货物三维点云信息进行整体化融合处理，拼接出物体的完整三维点云图；后者能够根据拼接好的三维点云图，进行物体提取和图像平面转化，同时自动化地标识出其具体的线段尺寸信息。采用本发明绘制出的货物尺寸信息图纸，在物体的主要绘制需求上，实际尺寸精度都可与人工测绘相媲美，可以极大地提高图纸绘制效率和自动化水平，同时在一定程度上规范图纸的生成标准。
附图说明
图1为实施例的流程图。
具体实施方式
本实施例为一种基于激光雷达点云数据的图纸生成方法，包括以下步骤：
S1、获取激光雷达围绕物体一圈采集的若干帧点云数据。点云数据是在时间序列上以一帧一帧的方式保存下来的，由于雷达设备每一帧采集时间较短，在雷达设备移动速度较慢的情况下，同一帧的点云数据可以近似看作一致时间。
S2、将该若干帧点云数据拼接融合，形成一个整体三维点云数据。
按照时间戳先后顺序整理相邻点云帧，由于设备是围绕物体移动的，当前点云帧的左侧点云数据和前一帧的右侧点云数据是部分重叠的，同理当前点云帧的右侧点云数据和后一帧的左侧点云数据也是部分重叠的。根据重叠部分点云的一致性，利用特征描述子来进行具体的匹配工作。
本实施例中特征描述子采用最广泛使用的ICP配准方法，同时预处理采用了自定义截取数据区域的处理方式。具体处理流程如下：
对相邻点云数据帧做点云体素化处理；
截取相邻点云数据帧的匹配区域(当前帧左侧区域数据匹配前一帧右侧数据)；
利用ICP算法匹配当前帧左侧数据和前一帧右侧数据，得到旋转矩阵R和平移矩阵T；
根据匹配的旋转矩阵R和平移矩阵T校准当前帧点云数据；
把校准后的当前帧数据和之前处理过的数据一起放入点云数据融合集合中；
重复上诉操作至所有点云帧数据都处理完毕；
输出点云数据融合集合；
经过上述流程处理之后，输出的点云数据融合集合就是融合后的整体三维点云数据。
S3、对整体三维点云数据进行预处理，得到物体的三维点云数据。
经过点云数据的融合，得到包含物体在内的整体三维点云数据，其中也包含了较多噪声和无关背景，影响了具体的绘图质量，这里需要对其做进一步的预处理。本例总预处理主要分为地平面的拟合分离，噪声处理以及无关背景去除。
根据设备的采集情况，地平面点云数据位于整体三维点云数据的底部，且满足某一平面方程。空间平面方程如下：
AX+BY+CZ+D＝0
利用Ransack算法选取整个点云数据集中的最大平面，同时约束法向量和(0,0,1)单位向量在阈值内(该阈值由多次实验结果得出)。该选取出来的平面则为地平面，将其在整体三维点云数据中剔除。根据地平面法向量为(A,B,C)，对剩余点云数据进行Z轴方向上的校准，得到校准后点云数据。
接着利用聚类算法对校准后点云数据进行分类，选取包含点云数据质心的类别，在该类别中利用区域生长算法进一步做精确分割，得到物体三维点云二次分割结果。该分割结果不再包含无关背景和地平面，仅剩余少量噪声。通过异常点去除和滤波操作对二次分割结果进行处理，得到货物的三维点云数据。
S4、将物体的三维点云数据投影至绘图平面，形成物体的二维投影图，虽然丢失了一个维度的信息，但是却能在二维平面上更清晰地表示各部分之间的关系，形成物体的结构关系图。
S5、识别出物体的三维点云数据中长度超过设定值的点云线段集合L3d；检测出二维投影图中的平面线段集合L2d。
利用Ransack算法识别出点云数据集中长度超过0.5m的线段集合L3d，该集合中的第i条线段以起始点和结束点坐标唯一指定。
利用二维平面中的霍夫直线检测算法检测出二维投影图中的线段L2d，该集合中的第j条线段以起始点和结束点坐标唯一指定。
S6、匹配点云线段集合L3d和平面线段集合L2d中线段的起始点和结束点，根据匹配关系滤除两个集合中在另一集合中没有相匹配线段的线段，形成点云线段集合L'3d和平面线段集合L'2d。
由于二维投影图是由三维点云数据投影而成的，二维投影图中每个像素点在三维点云数据都有对应的三维信息，通过遍历匹配法寻找平面线段集合L2d与点云线段集合L3d中线段的起始点和结束点。在此基础上，结合图像中对于边缘的二阶微分信息，确定线段的置信度，精确标识出符合要求的直线段。
这里我们首先会使用高斯滤波来去除高频噪声：
然后利用拉普拉斯高斯算子来获取信息：
此方法结合了点云信息，同时在绘图平面利用了图像信息，可以得到既满足二维直线线段判断准则，又符合三维直线线段条件的样本。同时这个过程滤除了两个集合中的误判直线线段，经实验验证，效果优于单纯的图像直线检测和点云直线检测。将优化后的平面线段集合命名为L'2d，点云线段集合命名为L'3d。
S7、在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上，得到最终的物体尺寸图。
本实施例还提供一种基于激光雷达点云数据的图纸生成装置，包括：点云数据获取模块、点云数据拼接模块、数据预处理模块、点云数据投影模块、线段识别模块、线段匹配模块和尺寸图标记模块。
本例中点云数据获取模块用于获取激光雷达围绕物体一圈采集的若干帧点云数据；点云数据拼接模块用于将该若干帧点云数据拼接融合，形成一个整体三维点云数据；数据预处理模块用于对整体三维点云数据进行预处理，得到物体的三维点云数据；点云数据投影模块用于将物体的三维点云数据投影至绘图平面，形成物体的二维投影图；线段识别模块用于识别出物体的三维点云数据中长度超过设定值的点云线段集合L3d；检测出二维投影图中的平面线段集合L2d；线段匹配模块用于匹配点云线段集合L3d和平面线段集合L2d中线段的起始点和结束点，根据匹配关系滤除两个集合中在另一集合中没有相匹配线段的线段，形成点云线段集合L'3d和平面线段集合L'2d；尺寸图标记模块用于在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上。
本实施例还提供一种存储介质，其上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于激光雷达点云数据的图纸生成方法的步骤。
本实施例还提供一种计算机设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于激光雷达点云数据的图纸生成方法的步骤。
本实施例还提供一种基于激光雷达点云数据的图纸生成***，包括雷达采集设备和计算机设备，其中雷达采集设备，用于采集物体的点云数据，安装于三角架上，三角架底部配有滑动滚轮；计算机设备与雷达采集设备通讯连接，具有具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于激光雷达点云数据的图纸生成方法的步骤。
本例中雷达采集设备集成了锂电子移动电源，雷达设备和工控机，锂电子移动电源可以持续输出12v稳定电压为雷达和工控机提供电力保障。工控机和雷达通过网线直连，工控机通电后会自动连接雷达，操控雷达进行数据采集工作。三脚架用于固定雷达采集设备，雷达采集设备通过定制的快装板安装在三脚架云台上，云台可通过角度调节器调节采集设备的具体采集角度。滑动滚轮和三脚架之间通过高强度锁扣连结，在滚轮滑动过程中可带动整体设备一起移动，在平滑地面上移动过程中可保证整体设备稳定无抖动，设备装置无脱落现象，同时采集的点云数据无额外波动。
雷达采集设备在数据采集过程中，需以物体为中心，绕着物体以大于3米为半径进行360°均速移动，移动速度不能过快，可以0.2米每秒为基准，速度过快会影响整体点云拼接效果，速度过慢则会影响点云拼接速度，整个过程中滑轮滚动区域需保持一定的光滑度，避免过度的抖动。
Claims (10)
1.一种基于激光雷达点云数据的图纸生成方法，其特征在于：
获取激光雷达围绕物体一圈采集的若干帧点云数据；
将该若干帧点云数据拼接融合，形成一个整体三维点云数据；
对整体三维点云数据进行预处理，得到物体的三维点云数据；
将物体的三维点云数据投影至绘图平面，形成物体的二维投影图；
识别出物体的三维点云数据中长度超过设定值的点云线段集合L3d；检测出二维投影图中的平面线段集合L2d；
匹配点云线段集合L3d和平面线段集合L2d中线段的起始点和结束点，根据匹配关系和图像边缘微分信息滤除两个集合中在另一集合中没有相匹配线段的线段，形成点云线段集合L'3d和平面线段集合L'2d；
在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上。
2.根据权利要求1所述的基于激光雷达点云数据的图纸生成方法，其特征在于，所述将该若干帧点云数据拼接融合，形成一个整体三维点云数据，包括：
利用当前帧点云数据与经校准的前一帧点云数据的重叠部分计算当前帧点云数据相较于前一帧点云数据的旋转矩阵和平移矩阵；
根据旋转矩阵和平移矩阵校准前帧点云数据，并把校准后的前帧点云数据和之前经校准的点云数据一起放入点云数据融合集合；
重复以上步骤至所有点云帧数据都处理完毕，输出点云数据融合集合，该点云数据融合集合为融合后的整体三维点云数据。
3.根据权利要求1所述的基于激光雷达点云数据的图纸生成方法，其特征在于，所述对整体三维点云数据进行预处理，得到物体的三维点云数据，包括：
选取整体三维点云数据底部的最大平面作为地平面；
从整体三维点云数据中剔除地平面的点云数据，并根据地平面法向量及雷达机体坐标系对剩余点云数据进行X,Y,Z轴方向上的校准，得到校准后点云数据；
利用聚类算法对校准后点云数据进行分类，得到物体的三维点云二次分割结果；
对三维点云二次分割结果进行异常点去除和滤波操作，得到物体的三维点云数据。
4.一种基于激光雷达点云数据的图纸生成装置，其特征在于，包括：
点云数据获取模块，用于获取激光雷达围绕物体一圈采集的若干帧点云数据；
点云数据拼接模块，用于将该若干帧点云数据拼接融合，形成一个整体三维点云数据；
数据预处理模块，用于对整体三维点云数据进行预处理，得到物体的三维点云数据；
点云数据投影模块，用于将物体的三维点云数据投影至绘图平面，形成物体的二维投影图；
线段识别模块，用于识别出物体的三维点云数据中长度超过设定值的点云线段集合L3d；检测出二维投影图中的平面线段集合L2d；
线段匹配模块，用于匹配点云线段集合L3d和平面线段集合L2d中线段的起始点和结束点，根据匹配关系和图像边缘微分信息滤除两个集合中在另一集合中没有相匹配线段的线段，形成点云线段集合L'3d和平面线段集合L'2d；
尺寸图标记模块，用于在二维投影图上标示出平面线段集合L'2d中的线段，并根据点云线段集合L'3d中对应起始点和结束点坐标计算该线段的实际长度并标记在二维投影图上。
5.根据权利要求4所述的基于激光雷达点云数据的图纸生成装置，其特征在于，所述将该若干帧点云数据拼接融合，形成一个整体三维点云数据，包括：
利用当前帧点云数据与经校准的前一帧点云数据的重叠部分计算当前帧点云数据相较于前一帧点云数据的旋转矩阵和平移矩阵；
根据旋转矩阵和平移矩阵校准前帧点云数据，并把校准后的前帧点云数据和之前经校准的点云数据一起放入点云数据融合集合；
重复以上步骤至所有点云帧数据都处理完毕，输出点云数据融合集合，该点云数据融合集合为融合后的整体三维点云数据。
6.根据权利要求4所述的基于激光雷达点云数据的图纸生成装置，其特征在于，所述对整体三维点云数据进行预处理，得到物体的三维点云数据，包括：
选取整体三维点云数据底部的最大平面作为地平面；
从整体三维点云数据中剔除地平面的点云数据，并根据地平面法向量对剩余点云数据进行Z轴方向上的校准，得到校准后点云数据；
利用聚类算法对校准后点云数据进行分类，得到物体的三维点云二次分割结果；
对三维点云二次分割结果进行异常点去除和滤波操作，得到物体的三维点云数据。
7.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：该计算机程序被执行时实现权利要求1～3任意一项所述基于激光雷达点云数据的图纸生成方法的步骤。
8.一种计算机设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：该计算机程序被执行时实现权利要求1～3任意一项所述基于激光雷达点云数据的图纸生成方法的步骤。
9.一种基于激光雷达点云数据的图纸生成***，其特征在于，包括：
雷达采集设备，用于采集物体的点云数据；
计算机设备，与所述雷达采集设备通讯连接，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：该计算机程序被执行时实现权利要求1～3任意一项所述基于激光雷达点云数据的图纸生成方法的步骤。
10.根据权利要求9所述的基于激光雷达点云数据的图纸生成***，其特征在于：所述雷达采集设备安装于三角架上，该三角架底部配有滑动滚轮。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310124911.4A CN116129086A (zh) | 2023-02-16 | 2023-02-16 | 基于激光雷达点云数据的图纸生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310124911.4A CN116129086A (zh) | 2023-02-16 | 2023-02-16 | 基于激光雷达点云数据的图纸生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116129086A true CN116129086A (zh) | 2023-05-16 |
Family
ID=86306130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310124911.4A Pending CN116129086A (zh) | 2023-02-16 | 2023-02-16 | 基于激光雷达点云数据的图纸生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116129086A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117744225A (zh) * | 2023-12-26 | 2024-03-22 | 苏交科集团股份有限公司 | 桥梁图纸快速生成方法 |
-
2023
- 2023-02-16 CN CN202310124911.4A patent/CN116129086A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117744225A (zh) * | 2023-12-26 | 2024-03-22 | 苏交科集团股份有限公司 | 桥梁图纸快速生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110415342B (zh) | 一种基于多融合传感器的三维点云重建装置与方法 | |
| CN108428255B (zh) | 一种基于无人机的实时三维重建方法 | |
| CN110070570B (zh) | 一种基于深度信息的障碍物检测***及方法 | |
| US20160253807A1 (en) | Method and System for Determining 3D Object Poses and Landmark Points using Surface Patches | |
| CN110988912A (zh) | 自动驾驶车辆的道路目标与距离检测方法、***、装置 | |
| CN110163904A (zh) | 对象标注方法、移动控制方法、装置、设备及存储介质 | |
| US11783443B2 (en) | Extraction of standardized images from a single view or multi-view capture | |
| Wefelscheid et al. | Three-dimensional building reconstruction using images obtained by unmanned aerial vehicles | |
| CN108389256B (zh) | 二三维交互式无人机电力杆塔巡检辅助方法 | |
| Kang et al. | Accurate fruit localisation using high resolution LiDAR-camera fusion and instance segmentation | |
| CN113743391A (zh) | 应用于低速自主驾驶机器人的三维障碍物检测***与方法 | |
| US11875524B2 (en) | Unmanned aerial vehicle platform based vision measurement method for static rigid object | |
| Wang et al. | An overview of 3d object detection | |
| CN105719352A (zh) | 人脸三维点云超分辨率融合方法及应用其的数据处理装置 | |
| CN113205604A (zh) | 一种基于摄像机和激光雷达的可行区域检测方法 | |
| WO2023207257A1 (zh) | 基于挂轨轨道机器人的尾矿坝表面形变巡检方法 | |
| CN112465849B (zh) | 一种无人机激光点云与序列影像的配准方法 | |
| CN109000621A (zh) | 一种电网树障检测方法 | |
| CN116129086A (zh) | 基于激光雷达点云数据的图纸生成方法 | |
| CN111127556B (zh) | 基于3d视觉的目标物体识别和位姿估算方法以及装置 | |
| CN113537047A (zh) | 障碍物检测方法、装置、交通工具及存储介质 | |
| CN109671109A (zh) | 密集点云生成方法及*** | |
| CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
| Hafiz et al. | Interest point detection in 3D point cloud data using 3D Sobel-Harris operator | |
| Hofmann et al. | Skyline matching based camera orientation from images and mobile mapping point clouds |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230728 Address after: 12 / F, building 4, 108 Xiangyuan Road, Gongshu District, Hangzhou City, Zhejiang Province 310015 Applicant after: Zhongke Computing Technology Innovation Research Institute Address before: 12 / F, building 4, 108 Xiangyuan Road, Gongshu District, Hangzhou City, Zhejiang Province 310015 Applicant before: Zhongke Computing Technology Innovation Research Institute Applicant before: Hangzhou Zhongke Ruijian Technology Co.,Ltd. |