TWI667529B - 環景點雲資料的建立方法與建立系統 - Google Patents

環景點雲資料的建立方法與建立系統 Download PDF

Info

Publication number
TWI667529B
TWI667529B TW107113877A TW107113877A TWI667529B TW I667529 B TWI667529 B TW I667529B TW 107113877 A TW107113877 A TW 107113877A TW 107113877 A TW107113877 A TW 107113877A TW I667529 B TWI667529 B TW I667529B
Authority
TW
Taiwan
Prior art keywords
cloud data
point cloud
item
scenic spot
patent application
Prior art date
Application number
TW107113877A
Other languages
English (en)
Other versions
TW201945824A (zh
Inventor
江志宗
陳易呈
黃仕璟
劉義桐
Original Assignee
財團法人工業技術研究院
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人工業技術研究院 filed Critical 財團法人工業技術研究院
Priority to TW107113877A priority Critical patent/TWI667529B/zh
Priority to CN201810392772.2A priority patent/CN110400374B/zh
Application granted granted Critical
Publication of TWI667529B publication Critical patent/TWI667529B/zh
Publication of TW201945824A publication Critical patent/TW201945824A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T19/003—Navigation within 3D models or images

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一種環景點雲資料的建立方法與建立系統。環景點雲資料的建立方法包括以下步驟。以相鄰之二三維掃描器對該些三維掃描器之一重疊區域拍攝至少一參考幾何物件，以獲得二參考點雲資料。自各該參考點雲資料取得一參考特徵平面。依據該些參考特徵平面，獲得一座標轉換矩陣。以該些三維掃描器進行拍攝，以獲得複數個即時點雲資料。依據該座標轉換矩陣，對該些即時點雲資料進行座標轉換，並結合該些即時點雲資料，以獲得一環景點雲資料。

Description

環景點雲資料的建立方法與建立系統
本發明是有關於一種環景點雲資料的建立方法與建立系統。
近年汽車安全逐漸受到重視，並且政府法規要求新上市車款需安裝先進駕駛輔助系統(Advanced Driver Assistance Systems,ADAS)，以保障行車安全。除此之外，隨著人工智慧的快速發展，自動化移動載具與機器人的應用也越來越廣泛。此些應用也需要採用移動輔助系統，來幫助移動載具或機器人進行移動。
目前之駕駛/移動輔助系統通常使用超音波雷達，並利用二維影像來輔助障礙物的判斷。然而，超音波雷達的範圍較小，而需要使用多顆感測器才能消除車輛周圍的偵測死角。另外，亦有駕駛/移動輔助系統採用紅外線雷達感測器。然而，紅外線雷達感測器之感測角度較低，在下雨或濃霧天氣時，容易誤認障礙物。此外，亦有駕駛/移動輔助系統採用二維影像感測器。然 而，二維影像感測器無法以單一感測器得知物體遠近距離，於夜間、下雨或濃霧天氣時，容易誤認障礙物，嚴重時會失效。再者，這些駕駛/移動輔助系統均無法在0.5~5公尺的近距離內獲得精準的三維度量測資訊，使得安全性大打折扣。
本發明係有關於一種環景點雲資料的建立方法與建立系統，其利用點雲資料對準程序進行點雲對準，並進行點雲資料即時擷取程序，以獲得環景點雲資料。環景點雲資料的準確度高，且能夠取得0.5~5公尺的近距離狀況，相當適合應用於駕駛/移動輔助系統上。
根據本發明之一實施例，提出一種環景點雲資料的建立方法。環景點雲資料的建立方法包括以下步驟。以相鄰之二三維掃描器對該些三維掃描器之一重疊區域拍攝至少一參考幾何物件，以獲得二參考點雲資料。自各該參考點雲資料取得一參考特徵平面。依據該些參考特徵平面，獲得一座標轉換矩陣。以該些三維掃描器進行拍攝，以獲得複數個即時點雲資料。依據該座標轉換矩陣，對該些即時點雲資料進行座標轉換，並結合該些即時點雲資料，以獲得一環景點雲資料。
根據本發明之另一實施例，提出一種環景點雲資料之建立系統。環景點雲資料之建立系統包括二三維掃描器、一特徵處理單元及一座標處理單元。該些三維掃描器相鄰設置且用以 對該些三維掃描器之一重疊區域拍攝至少一參考幾何物件，以獲得二參考點雲資料。該特徵處理單元用以自各該參考點雲資料取得一參考特徵平面。該座標處理單元依據該些參考特徵平面，獲得一座標轉換矩陣。該些三維掃描器更用以進行拍攝，以獲得複數個即時點雲資料。該座標處理單元依據該座標轉換矩陣，對該些即時點雲資料進行座標轉換，並結合該些即時點雲資料，以獲得一環景點雲資料。
為了對本發明之上述及其他方面有更佳的瞭解，下文特舉實施例，並配合所附圖式詳細說明如下：
100、200‧‧‧建立系統
110(0)、110(1)、110(2)、110(3)、110(N-1)、110(N)、210(0)、210(1)、210(N)‧‧‧三維掃描器
120‧‧‧特徵處理單元
121‧‧‧雜訊濾除器
122‧‧‧分離器
123‧‧‧抽取器
130、230‧‧‧座標處理單元
140、240‧‧‧資料庫
800‧‧‧移動載具
900‧‧‧參考幾何物件
C0、C1、C2、C3、CN-1、CN、C800‧‧‧座標系統
CD10、CD20、CD11、CD12‧‧‧參考點雲資料
CD10’、CD20’、CD10”、CD20”‧‧‧即時點雲資料
FO‧‧‧前景物件
G1、G2‧‧‧群組
M1’、M1”‧‧‧環景點雲資料
OL‧‧‧重疊區域
PL‧‧‧參考特徵平面
S110、S120、S130、S140、S210、S220‧‧‧步驟
S1‧‧‧點雲資料對準程序
S2‧‧‧點雲資料即時擷取程序
T1、T2、T3、TN-1、TN、TC‧‧‧座標轉換矩陣
第1圖繪示一移動載具及數個三維掃描器之示意圖。
第2圖繪示三維掃描器之重疊區域之示意圖。
第3圖繪示根據一實施例之環景點雲資料的建立系統的示意圖。
第4圖繪示根據一實施例之環景點雲資料之建立方法的流程圖。
第5~9圖繪示第4圖之各步驟的示意圖。
第10圖繪示根據另一實施例之環景點雲資料的建立系統的示意圖。
請參照第1~2圖，第1圖繪示一移動載具800及數個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)之示意圖，第2圖繪示三維掃描器110(0)、110(1)之重疊區域OL之示意圖。在本實施例中，移動載具800例如是一車輛、一自動輸送機、或一機器人。三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)例如是一飛時測距(Time of Flight,ToF)感測器、或一紅外線感測器。此些三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)之拍攝距離為0.5~5公尺。在0.5~5公尺之範圍內，包括坑洞、車輛、人體均能夠精準地偵測到。
本揭露透過多個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)擷取即時點雲資料，經重疊區域OL的疊合，即可組成環景點雲資料。在本實施例中，相鄰之三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)的拍攝角度具有重疊區域OL，此重疊區域OL可以是5~15度(例如是大於10度)。
由於各個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)之座標系統C0、C1、C2、...、CN-2、CN-1、CN與移動載具800之座標系統C800並不一致，故本揭露透過座標轉換技術進行點雲對準(point cloud registration)，讓各個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)所取得之數筆即時點雲資料能夠組合。
舉例來說，三維掃描器110(1)之座標系統C1可以透過座標轉換矩陣T1，轉換至座標系統C0。三維掃描器110(2)之座標系統C2可以透過座標轉換矩陣T2及座標轉換矩陣T1，轉換至座標系統C0。三維掃描器110(3)之座標系統C3可以透過座標轉換矩陣T3、座標轉換矩陣T2及座標轉換矩陣T1，轉換至座標系統C0。同理，三維掃描器110(N-1)之座標系統CN-1可以透過座標轉換矩陣TN-1、TN-2、...，轉換至座標系統C0。三維掃描器110(N)之座標系統CN可以透過座標轉換矩陣TN、TN-1、...，轉換至座標系統C0。如此一來，多個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)所擷取之即時點雲資料，經過座標轉換後，即可組成環景點雲資料。在第1圖之例子中，各個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)透過兩條追溯路徑將座標系統轉換至座標系統C0。在另一實施例中，各個三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)亦可透過一條循環追溯路徑路，環繞地將座標系統轉換至座標系統C0。例如，三維掃描器110(N)之座標系統CN可以透過座標轉換矩陣TN、TN-1、...、T2、T1，轉換至座標系統C0。
請參照第3圖，其繪示根據一實施例之環景點雲資料的建立系統100的示意圖。建立系統100包括至少二三維掃描器110(0)、110(1)、...、110(N)、一特徵處理單元120、一座標處理單元130及一資料庫140。特徵處理單元120用以進行點雲的特徵處理程序，座標處理單元130用以進行座標轉換之計算程序。特徵處理單元120及座標處理單元130例如是一晶片、一電 路、一電路板、或儲存數組程式碼之儲存裝置。資料庫140用以儲存資料，例如是一記憶體、一硬碟、一雲端資料中心或一光碟。以下更搭配一流程圖，詳細說明建立系統100之各項元件的運作。
請參照第4~9圖，第4圖繪示根據一實施例之環景點雲資料之建立方法的流程圖，第5~9圖繪示第4圖之各步驟的示意圖。本實施例之環景點雲資料之建立方法包括點雲資料對準程序S1及點雲資料即時擷取程序S2。在點雲資料對準程序S1之步驟S110中，如第5圖所示例，以相鄰之二三維掃描器110(0)、110(1)對三維掃描器110(0)、110(1)之重疊區域OL拍攝至少一參考幾何物件900，以分別獲得參考點雲資料CD10、CD20。參考幾何物件900例如是一立方體、一平板、或一球體。參考幾何物件900之數量可是一或大於二。如第6圖所示，其示例說明參考點雲資料CD10。在參考點雲資料CD10中，呈現出三維空間中有形物體的各個點。
接著，在點雲資料對準程序S1之步驟S120中，特徵處理單元120自參考點雲資料CD10、CD20取得一參考特徵平面PL。
步驟S120包括數個細部程序，茲透過第6~9圖說明自參考點雲資料CD10取得參考特徵平面PL的過程。如第6~7圖所示，特徵處理單元120之一雜訊濾除器121對第6圖之參考點雲資料CD10濾除雜訊，以獲得第7圖之參考點雲資料CD11。在第7圖之參考點雲資料CD11中，雜訊已被濾除。
接著，特徵處理單元120之一分離器122以一區域成長演算法(region growing algorithm)，依據特徵相似程度，將第7圖之參考點雲資料CD11的影像點分群為數個群組G1、G2。
然後，特徵處理單元120之分離器122自第7圖之參考點雲資料CD11的群組G1、G2中取出群組G1作為前景物件FO。第8圖即為保留前景物件FO之參考點雲資料CD12。
接著，如第8~9圖所示，特徵處理單元120之一抽取器123抽取各前景物件FO之一最大平面為參考特徵平面PL。如第8圖所示，抽取器123係將前景物件FO之影像點轉換到一霍夫空間(hough space)，並以一滑動視窗演算法(Sliding window)搜索霍夫空間之一最大值，以獲得最大平面。
接著，在點雲資料對準程序S1之步驟S130中，座標處理單元130依據參考特徵平面PL，獲得座標轉換矩陣T1。在此步驟中，可以採用K-D樹架構(K-D tree)的疊代最近點演算法(Iterative Closest Points Algorithm,ICP Algorithm)，得到座標轉換矩陣T1。
座標轉換矩陣T1可以儲存於資料庫140中，以供點雲資料即時擷取程序S2使用。
接著，在步驟S140中，判斷是否獲得所有的座標轉換矩陣。若尚未獲得所有的座標轉換矩陣，則回至步驟S110，再次執行點雲資料對準程序S1；若已獲得所有的座標轉換矩陣，則進入點雲資料即時擷取程序S2。
在點雲資料即時擷取程序S2之步驟S210中，此些三維掃描器110(0)、110(1)、110(2)、...、100(N-2)、110(N-1)、110(N)對移動載具800之周圍進行拍攝，以獲得數個即時點雲資料CD10’、CD20’、...。
接著，在點雲資料即時擷取程序S2之步驟S220中，座標處理單元130依據座標轉換矩陣TC、T1、T2、T3、...、TN-1、TN，對此些即時點雲資料CD10’、CD20’、...進行座標轉換，並結合即時點雲資料CD10’、CD20’、...，以獲得一環景點雲資料M1’。
根據上述實施例，環景點雲資料之建立系統100搭載在移動載具800上時，可以利用點雲資料對準程序S1進行點雲對準，並進行點雲資料即時擷取程序S2，以獲得環景點雲資料M1’。環景點雲資料M1’的準確度高，且能夠取得0.5~5公尺的近距離狀況，當移動載具800之移動速度為每小時5~10公里左右時，相當適合應用於駕駛/移動輔助系統上。
在另一實施例中，在座標轉換矩陣TC、T1、T2、T3、...、TN-1、TN已獲得的情況下，可以直接進行點雲資料即時擷取程序S2，而無須再執行點雲資料對準程序S1。請參照第10圖，其繪示根據另一實施例之環景點雲資料的建立系統200的示意圖。建立系統200包括數個三維掃描器210(0)、210(1)、...、210(N)、座標轉換單元230及一資料庫240。座標轉換矩陣TC、T1、T2、T3、...、TN-1、TN已預先儲存於資料庫240，而無須 執行點雲資料對準程序S1。建立系統200可以直接進行點雲資料即時擷取程序S2，座標處理單元230依據座標轉換矩陣T1、...，對此些即時點雲資料CD10”、CD20”’、...進行座標轉換，並結合此些即時點雲資料CD10”、CD20”、...，以獲得一環景點雲資料M1”。環景點雲資料M1”的準確度高，且能夠取得0.5~5公尺的近距離狀況，當移動載具800之移動速度為每小時5~10公里左右時，相當適合應用於駕駛/移動輔助系統上。
綜上所述，雖然本發明已以實施例揭露如上，然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。

Claims (18)

  1. 一種環景點雲資料的建立方法，包括：以相鄰之二三維掃描器對該些三維掃描器之一重疊區域拍攝至少一參考幾何物件，以獲得二參考點雲資料；自各該參考點雲資料取得一參考特徵；依據該些參考特徵，獲得一座標轉換矩陣；以該些三維掃描器進行拍攝，以獲得複數個即時點雲資料；以及依據該座標轉換矩陣，對該些即時點雲資料進行座標轉換，並結合該些即時點雲資料，以獲得一環景點雲資料。
  2. 如申請專利範圍第1項所述之環景點雲資料的建立方法，其中自各該參考點雲資料取得該參考特徵之步驟包括：對各該參考點雲資料濾除雜訊；分離出各該參考點雲資料之一前景物件；以及抽取各該前景物件之一最大平面為該參考特徵。
  3. 如申請專利範圍第2項所述之環景點雲資料的建立方法，其中分離出各該參考點雲資料之該前景物件包括：以一區域成長演算法(region growing algorithm)，依據特徵相似程度，將複數個影像點分群為複數個群組；以及自該些群組中取出該前景物件。
  4. 如申請專利範圍第2項所述之環景點雲資料的建立方法，其中抽取各該前景物件之該最大平面為該參考特徵之步驟包括：將各該前景物件之複數個影像點轉換到一霍夫空間(hough space)；以及以一滑動視窗演算法(Sliding window)搜索該霍夫空間之一最大值，以獲得該最大平面。
  5. 如申請專利範圍第1項所述之環景點雲資料的建立方法，其中該參考幾何物件係為一立方體、一平板、或一球體。
  6. 如申請專利範圍第1項所述之環景點雲資料的建立方法，其中該至少一參考幾何物件之數量大於二。
  7. 如申請專利範圍第1項所述之環景點雲資料的建立方法，其中該些三維掃描器之重疊角度大於10度。
  8. 如申請專利範圍第1項所述之環景點雲資料的建立方法，其中各該三維掃描器之拍攝距離為0.5~5公尺。
  9. 如申請專利範圍第1項所述之環景點雲資料的建立方法，其中該三維掃描器係為一飛時測距(Time of Flight,ToF)感測器、或一紅外線感測器。
  10. 一種環景點雲資料之建立系統，包括：二三維掃描器，該些三維掃描器相鄰設置且用以對該些三維掃描器之一重疊區域拍攝至少一參考幾何物件，以獲得二參考點雲資料；一特徵處理單元，用以自各該參考點雲資料取得一參考特徵；以及一座標處理單元，依據該些參考特徵，獲得一座標轉換矩陣，其中該些三維掃描器更用以進行拍攝，以獲得複數個即時點雲資料，並且該座標處理單元依據該座標轉換矩陣，對該些即時點雲資料進行座標轉換，並結合該些即時點雲資料，以獲得一環景點雲資料。
  11. 如申請專利範圍第10項所述之環景點雲資料之建立系統，其中該特徵處理單元包括：一雜訊濾除器，用以對各該參考點雲資料濾除雜訊；一分離器，用以分離出各該參考點雲資料之一前景物件；以及一抽取器，用以抽取各該前景物件之一最大平面為該參考特徵。
  12. 如申請專利範圍第11項所述之環景點雲資料之建立系統，其中該分離器係以一區域成長演算法(region growing algorithm)，依據特徵相似程度，將複數個影像點分群為複數個群組，並自該些群組中取出該前景物件。
  13. 如申請專利範圍第11項所述之環景點雲資料之建立系統，其中該抽取器係將各該前景物件之複數個影像點轉換到一霍夫空間(hough space)，並以一滑動視窗演算法(Sliding window)搜索該霍夫空間之一最大值，以獲得該最大平面。
  14. 如申請專利範圍第10項所述之環景點雲資料之建立系統，其中該參考幾何物件係為一立方體、一平板、或一球體。
  15. 如申請專利範圍第10項所述之環景點雲資料之建立系統，其中該至少一參考幾何物件之數量大於二。
  16. 如申請專利範圍第10項所述之環景點雲資料之建立系統，其中該些三維掃描器之重疊角度大於10度。
  17. 如申請專利範圍第10項所述之環景點雲資料之建立系統，其中各該三維掃描器之拍攝距離為0.5~5公尺。
  18. 如申請專利範圍第10項所述之環景點雲資料之建立系統，其中該三維掃描器係為一飛時測距(Time of Flight,ToF)感測器、或一紅外線感測器。
TW107113877A 2018-04-24 2018-04-24 環景點雲資料的建立方法與建立系統 TWI667529B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW107113877A TWI667529B (zh) 2018-04-24 2018-04-24 環景點雲資料的建立方法與建立系統
CN201810392772.2A CN110400374B (zh) 2018-04-24 2018-04-27 环景点云数据的建立方法与建立***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107113877A TWI667529B (zh) 2018-04-24 2018-04-24 環景點雲資料的建立方法與建立系統

Publications (2)

Publication Number Publication Date
TWI667529B true TWI667529B (zh) 2019-08-01
TW201945824A TW201945824A (zh) 2019-12-01

Family

ID=68316166

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107113877A TWI667529B (zh) 2018-04-24 2018-04-24 環景點雲資料的建立方法與建立系統

Country Status (2)

Country Link
CN (1) CN110400374B (zh)
TW (1) TWI667529B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11644296B1 (en) 2021-12-17 2023-05-09 Industrial Technology Research Institute 3D measuring equipment and 3D measuring method

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI753344B (zh) * 2019-12-30 2022-01-21 奇景光電股份有限公司 混合型深度估算系統
US11132804B2 (en) 2020-01-07 2021-09-28 Himax Technologies Limited Hybrid depth estimation system
CN113890955A (zh) * 2021-12-08 2022-01-04 天远三维（天津）科技有限公司 一种多套拍照式扫描仪的扫描方法、装置和***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004242048A (ja) * 2003-02-06 2004-08-26 Hitachi Ltd 広視野角・高解像度映像撮影装置
US7499586B2 (en) * 2005-10-04 2009-03-03 Microsoft Corporation Photographing big things
CN101442618A (zh) * 2008-12-31 2009-05-27 葛晨阳 用于车辆辅助驾驶的360度环形视频合成方法
US20120300020A1 (en) * 2011-05-27 2012-11-29 Qualcomm Incorporated Real-time self-localization from panoramic images
CN103150715A (zh) * 2013-03-13 2013-06-12 腾讯科技（深圳）有限公司 图像拼接处理方法及装置
CN104966062A (zh) * 2015-06-17 2015-10-07 浙江大华技术股份有限公司 视频监视方法和装置
TW201739647A (zh) * 2016-05-05 2017-11-16 威盛電子股份有限公司 車輛周圍影像處理方法及裝置
TWI615808B (zh) * 2016-12-16 2018-02-21 旺玖科技股份有限公司 全景即時影像處理方法
TW201812531A (zh) * 2016-08-31 2018-04-01 宅妝股份有限公司 虛擬實境與擴增實境的建置系統及其方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010075726A1 (zh) * 2008-12-30 2010-07-08 华为终端有限公司 立体全景视频流生成方法、设备及视频会议方法和设备
US9324190B2 (en) * 2012-02-24 2016-04-26 Matterport, Inc. Capturing and aligning three-dimensional scenes
US9269155B2 (en) * 2012-04-05 2016-02-23 Mediatek Singapore Pte. Ltd. Region growing method for depth map/color image
CN106407947B (zh) * 2016-09-29 2019-10-22 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的目标物体识别方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004242048A (ja) * 2003-02-06 2004-08-26 Hitachi Ltd 広視野角・高解像度映像撮影装置
US7499586B2 (en) * 2005-10-04 2009-03-03 Microsoft Corporation Photographing big things
CN101442618A (zh) * 2008-12-31 2009-05-27 葛晨阳 用于车辆辅助驾驶的360度环形视频合成方法
US20120300020A1 (en) * 2011-05-27 2012-11-29 Qualcomm Incorporated Real-time self-localization from panoramic images
CN103150715A (zh) * 2013-03-13 2013-06-12 腾讯科技（深圳）有限公司 图像拼接处理方法及装置
CN104966062A (zh) * 2015-06-17 2015-10-07 浙江大华技术股份有限公司 视频监视方法和装置
TW201739647A (zh) * 2016-05-05 2017-11-16 威盛電子股份有限公司 車輛周圍影像處理方法及裝置
TW201812531A (zh) * 2016-08-31 2018-04-01 宅妝股份有限公司 虛擬實境與擴增實境的建置系統及其方法
TWI615808B (zh) * 2016-12-16 2018-02-21 旺玖科技股份有限公司 全景即時影像處理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11644296B1 (en) 2021-12-17 2023-05-09 Industrial Technology Research Institute 3D measuring equipment and 3D measuring method

Also Published As

Publication number Publication date
CN110400374B (zh) 2023-06-13
CN110400374A (zh) 2019-11-01
TW201945824A (zh) 2019-12-01

Similar Documents

Publication Publication Date Title
TWI667529B (zh) 環景點雲資料的建立方法與建立系統
US10694103B2 (en) Building system and building method for panorama point cloud
CN110988912B (zh) 自动驾驶车辆的道路目标与距离检测方法、***、装置
US11474247B2 (en) Methods and systems for color point cloud generation
WO2020192431A1 (en) System and method for ordered representation and feature extraction for point clouds obtained by detection and ranging sensor
CN109598765B (zh) 基于球形标定物的单目相机与毫米波雷达外参联合标定方法
US11019322B2 (en) Estimation system and automobile
Hu et al. A multi-modal system for road detection and segmentation
CN111753609A (zh) 一种目标识别的方法、装置及摄像机
US10109074B2 (en) Method and system for inertial measurement having image processing unit for determining at least one parameter associated with at least one feature in consecutive images
CN112166457A (zh) 点云分割方法、***和可移动平台
Bai et al. Stereovision based obstacle detection approach for mobile robot navigation
CN117994543A (zh) 一种基于深度学习的景象匹配方法
Xiong et al. Road-Model-Based road boundary extraction for high definition map via LIDAR
Sakai et al. Large-scale 3D outdoor mapping and on-line localization using 3D-2D matching
JP6042146B2 (ja) 対象物検出装置および対象物検出方法
Senlet et al. Hierarchical semantic hashing: Visual localization from buildings on maps
CN113971697A (zh) 一种空地协同车辆定位定向方法
CN117523461A (zh) 一种基于机载单目相机的运动目标跟踪与定位方法
Wang et al. Automated mosaicking of UAV images based on SFM method
CN115950435A (zh) 无人机巡检影像的实时定位方法
JP6878067B2 (ja) 地雷検知システム及び地雷検知方法
Strigul et al. Complementing forest inventory data with information from unmanned aerial vehicle imagery and photogrammetry
CN113379738A (zh) 一种基于图像的疫木检测与定位方法及***
Shahista et al. Detection of the traffic light in challenging environmental conditions