CN117788310A - 一种多源异构传感器数据融合三维地图空洞互补方法及装置 - Google Patents
一种多源异构传感器数据融合三维地图空洞互补方法及装置 Download PDFInfo
- Publication number
- CN117788310A CN117788310A CN202311815102.4A CN202311815102A CN117788310A CN 117788310 A CN117788310 A CN 117788310A CN 202311815102 A CN202311815102 A CN 202311815102A CN 117788310 A CN117788310 A CN 117788310A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- map
- laser radar
- slice
- line laser
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 238000003169 complementation method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明属于三维地图构建领域，具体说的是一种多源异构传感器数据融合三维地图空洞互补方法及装置，装置包括深度相机、单线激光雷达、IMU、移动机器人、传感器支撑装置、远程通信模块、巷道和遮挡物，方法包括以下步骤：1)计算深度相机、单线激光雷达和IMU之间的坐标转换关系，统一坐标系，并将地图进行配准；2)将配准后的三维地图进行垂直切片并逐对匹配。3)将配对切片进行降维、骨骼化和断点检测处理，输出优势切片到最终结果点云。本发明目的是通过建立深度相机与单线激光雷达垂直状态视场的统一观测，利用深度相机和单线激光雷达垂直扫描时视角场的互补性，达到三维重构地图空洞互补的目的，最终实现高完整度的三维地图重构。
Description
技术领域
本发明属于三维地图构建领域，具体说的是一种多源异构传感器数据融合三维地图空洞互补方法及装置。
背景技术
使用深度相机对井下巷道、隧道和地下长廊等狭长地下空间进行三维地图重构时，因障碍物遮挡致使相机出现观测盲区，重构三维地图中产生空洞，降低三维地图重构完整度，因此需要采用异构传感器弥补单一相机视场的局限性，解决障碍物遮挡的干扰，实现点云空洞互补，获得高完整度的三维地图重构。
现有报道的融合采集系统有安徽农业大学汪达等人提出的一种基于激光雷达的地表三维形貌测量系统及方法，专利申请号CN202111621754.5，其主要用于农业大场景的表面重构。西安交通大学韩九强等人提出的一种双目三维重构方法及系统，专利申请号CN201611208473.6，其主要用于3D打印。大连理工大学仲维等人提出一种相机与三维激光雷达融合系统，专利申请号CN201911146443.0，但三维激光雷达本身点云稀疏，难以获得狭长地下空间的高密度点云重构。鉴于此本发明提供了一种多源异构传感器数据融合三维地图空洞互补方法及装置。
发明内容
为了弥补现有技术的不足，本发明提供了一种多源异构传感器数据融合三维地图空洞互补方法及装置，其主要目的是通过深度相机与单线激光雷达的三维点云数据进行配准融合，利用深度相机和单线激光雷达垂直扫描时视角场的互补性，达到三维重构地图空洞互补的目的，最终实现高完整度的三维地图重构。
本发明解决其技术问题所采用的技术方案是：一种多源异构传感器数据融合三维地图空洞互补装置，其特征在于包括深度相机、单线激光雷达、IMU、移动机器人、传感器支撑装置、远程通信模块、巷道和遮挡物，所述深度相机水平安装在传感器支撑装置顶部，单线激光雷达垂直安装在传感器支撑装置上，IMU水平安装在传感器支撑装置底部，远程通信模块固定在移动机器人上表面。
作为本发明一种优选的技术方案，所述的一种多源异构传感器数据融合三维地图空洞互补方法，具体包括以下步骤：
S1，计算深度相机、单线激光雷达和IMU之间的坐标转换关系，并进行点云地图配准；
S2，将对齐后的三维地图进行垂直切片并配对；
S3，进行切片点云降维与图像预处理，得到切片二维骨骼线；
S4，通过骨格线断点检测与对比，提取优势切片参与点云地图融合。
步骤S1具体为：选取巷道为测量场景，使用移动机器人搭载深度相机采集巷道中的彩色图片和深度图片，结合ORB-SLAM2算法建立视觉三维稠密地图，使用单线激光雷达融合IMU方式对巷道进行垂直扫描，单线激光雷达在IMU坐标系下的外参为：
IMU在单线激光雷达坐标系下的外参为
使用单线激光雷达结合IMU，利用IMU的测量值进行积分，估计出单线激光雷达在每个时间点的位姿，假设当前时刻t的加速度为at，角速度为wt，上一时刻t-1位置为pt-1，速度为vt-1，旋转矩阵为Rt-1，那么位置和速度可以通过以下公式计算：
假设当前时刻单线激光雷达数据为zt，历史时刻单线激光雷达数据为zk，位姿为xk使用ICP配准计算当前时刻单线激光雷达位姿xt。
xt＝arg min||zt-T(xk)*zk||2
从而把连续时刻下单线激光雷达采集的激光点云数据拼接起来，生成完整的三维激光三维稠密地图。
之后将视觉三维稠密地图和激光三维稠密地图导入到CloudCompare点云处理软件中，分别提取出两个地图的参考点坐标系原点、旋转矩阵和边界尺寸，之后以视觉三维稠密地图为基准，计算出激光三维稠密地图到视觉三维稠密地图的相对旋转矩阵、平移向量和缩放尺度，公式如下，表示单线激光雷达到深度相机的转换关系，R11,R12,R13,R21,R22,R23,R31,R32,R33分别表示旋转矩阵的元素，Tx,Ty,Tz表示平移向量的元素，s是缩放因子。
从而完成深度相机和单线激光雷达坐标系及视觉三维稠密地图和激光三维稠密地图的尺度的配准统一。
步骤S2具体为：对步骤S1中经过配准后的视觉三维稠密地图和激光三维稠密地图进行垂直切片处理，对视觉三维稠密地图和激光三维稠密地图，从统一基准后的扫描起始位置开始，按照扫描方向进行n等份连续垂直切片，获得视觉三维稠密地图切片Cs1Cs2……Csn，激光三维稠密地图切片Ls1Ls2……Lsn,两个点云地图之间按照1～n的编号相互对应。
步骤S3具体为：首先进行切片降维处理：保留视觉地图和激光地图中的非扫描方向的二维点云数据，并转换为图像，用像素坐标替代原有点云坐标。
再对降维处理后切片图像进行图像膨胀处理，再进行中值模糊进行滤波处理，使图像平滑。
对平滑后的图像进行骨骼化处理，目的是将图像中存在像素厚度的二维曲线进行细化，在保留原始曲线轮廓的基础上，通过对原始像素的厚度剥离，得到曲线骨骼，具体原理为设二维图片像素八邻域点矩阵模板为：
在这个模板中p1代表当前像素点，p2-p9代表p1周围的八个像素点。细化过程需要迭代两个子过程：
设S(p)是p1周围8个像素中，为黑色的个数，T(p)是p1周围有多少个像素由0变成了1。
过程一，按照顺序顺时针遍历方式，及p2,p3,p4,p5,p6,p7,p8,p9的顺序，去除所有满足以下条件的像素点：
过程二，按照顺序逆时针遍历方式，及p9,p8,p7,p6,p5,p4,p3,p2的顺序，去除所有满足以下条件的像素点：
经过上述判断过程的处理，最终可以得到图像的曲线骨骼。
步骤S4具体为，对曲线骨骼进行断点检测处理，遍历二维图像中的所有像素点，当存在像素点p1的八邻域点的像素值和为真时，则p1为断点；通过遍历二维曲线上所有点，并对所有相邻断点(xi,yi)，(xi+1,yi+1)进行距离检测，公式为：
(xi-xi+1)2+(yi-yi+1)2≤D2
其中，D为距离检测的搜索半径。
对所有n对相邻断点间的距离进行求和，Ci为视觉三维稠密地图的断点距离之和，Li为激光三维稠密地图断点距离之和。
比较视觉地图的切片图像断点距离之和与激光地图的切片图像断点距离之和的大小，若Ci＜Li，则将此视觉三维稠密地图的切片存储到到视觉优势切片容器Cp中；若Ci＞Li，则将此激光三维稠密地图的切片存储到激光优势切片容器Lp中，最终的融合三维点云地图Fcl为：Fcl＝Cp+Lp。
本发明的有益效果是：
(1)直接计算视觉三维稠密地图和激光三维稠密地图点云基准坐标系的转换关系，快速实现重构地图间的配准。
(2)通过单线激光雷达垂直扫描数据结合IMU数据进行变换投影，实现了三维激光地图的稠密重建。
(3)对深度相机数据和单线激光雷达垂直扫描数据进行融合处理，实现了三维重构地图中的空洞互补。
附图说明
下面结合附图和实施方式对本发明进一步说明。
图1是本发明的工作步骤流程图；
图2是本发明的测量装置结构图；
图3是本发明的测量场景结构图；
图4是本发明的关键三处切片提取位置图；
图5是本发明的①号切片处视觉三维稠密地图切片和激光三维稠密地图的图像对比；
图6是本发明的②号切片处视觉三维稠密地图切片和激光三维稠密地图的图像对比；
图7是本发明的③号切片处视觉三维稠密地图切片和激光三维稠密地图的图像对比；
图8是本发明的融合前后的三维地图重构；
图中：单线激光雷达1、深度相机2、IMU3、移动机器人4、传感器支撑装置5、远程通信模块6、巷道7和遮挡物8。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图，进一步阐述本发明。
如图1和图2所示，本发明所述的一种多源异构传感器数据融合三维地图空洞互补装置，其特征在于包括深度相机1、单线激光雷达2、IMU3、移动机器人4、传感器支撑装置5、远程通信模块6、巷道7和遮挡物8，所述深度相机1水平安装在传感器支撑装置5顶部，单线激光雷达2垂直安装在传感器支撑装置5上，IMU3水平安装在传感器支撑装置5底部，远程通信模块6固定在移动机器人4上表面，图中显示的巷道7为三维模型，与真实实验场景有所不同，遮挡物8设置的目的为遮蔽传感器的视角场。
如图3所示，一种多源异构传感器数据融合三维地图空洞互补方法，具体包括以下步骤：
S1，计算深度相机(1)、单线激光雷达(2)和IMU(3)之间的坐标转换关系，并进行点云地图配准；
S2，将对齐后的三维地图进行垂直切片并配对；
S3，进行切片点云降维与图像预处理，得到切片二维骨骼线；
S4，通过骨格线断点检测与对比，提取优势切片参与点云地图融合。
步骤S1中，首先计算深度相机1、单线激光雷达2和IMU3之间的坐标转换关系，统一坐标系，并将地图进行配准对齐，具体为：选取巷道7为测量场景，使用移动机器人4搭载深度相机1和单线激光雷达2进行数据采集，并通过远程通信模块6将数据传输给上位机进行处理，其中深度相机1采集巷道7中的彩色图像和深度图像，结合ORB-SLAM2算法建立视觉三维稠密地图，单线激光雷达2融合IMU3方式对巷道7内壁进行垂直扫描，单线激光雷达2在IMU3坐标系下的外参为：
IMU3在单线激光雷达2坐标系下的外参为
使用单线激光雷达2结合IMU3，利用IMU3的测量值进行积分，估计出单线激光雷达2在每个时间点的位姿，假设当前时刻t的加速度为at，角速度为wt，上一时刻t-1位置为pt-1，速度为vt-1，旋转矩阵为Rt-1，那么位置和速度可以通过以下公式计算：
假设当前时刻单线激光雷达2数据为zt，历史时刻单线激光雷达2数据为zk，位姿为xk使用ICP配准计算当前时刻单线激光雷达2位姿xt。
xt＝arg min||zt-T(xk)*zk||2
从而把连续时刻下单线激光雷达2采集的激光点云数据拼接起来，生成完整的三维激光三维稠密地图。
之后将视觉三维稠密地图和激光三维稠密地图导入到CloudCompare点云处理软件中，分别提取出两个地图的参考点坐标系原点、旋转矩阵和边界尺寸，之后以视觉三维稠密地图为基准，计算出激光三维稠密地图到视觉三维稠密地图的相对旋转矩阵、平移向量和缩放尺度，公式如下，表示单线激光雷达到深度相机的转换关系，R11,R12,R13,R21,R22,R23,R31,R32,R33分别表示旋转矩阵的元素，Tx,Ty,Tz表示平移向量的元素，s是缩放因子。
从而完成深度相机和单线激光雷达坐标系及视觉三维稠密地图和激光三维稠密地图的尺度的配准统一。
步骤S2中，如图3所示，将对齐后的三维地图进行垂直切片并配对，具体为：对步骤S1中经过配准后的视觉三维稠密地图和激光三维稠密地图进行垂直切片处理，对视觉三维稠密地图和激光三维稠密地图，从统一基准后的扫描起始位置开始，按照扫描方向进行n等份连续垂直切片，获得视觉三维稠密地图切片Cs1Cs2……Csn，激光三维稠密地图切片Ls1Ls2……Lsn,两个点云地图之间按照1～n的编号相互对应。
步骤S3中，如图3所示，将配对切片进行降维、骨骼化和断点检测处理，输出优势切片到最终结果点云，具体为：
首先进行切片降维处理：保留视觉地图和激光地图中的非扫描方向的二维点云数据，并转换为图像，用像素坐标替代原有点云坐标。
再对降维处理后切片图像进行图像膨胀处理，再进行中值模糊进行滤波处理，使图像平滑。
对平滑后的图像进行骨骼化处理，目的是将图像中存在像素厚度的二维曲线进行细化，在保留原始曲线轮廓的基础上，通过对原始像素的厚度剥离，得到曲线骨骼，具体原理为设二维图片像素八邻域点矩阵模板为：
在这个模板中p1代表当前像素点，p2-p9代表p1周围的八个像素点。细化过程需要迭代两个子过程：
设S(p)是p1周围8个像素中，为黑色的个数，T(p)是p1周围有多少个像素由0变成了1。
过程一，按照顺序顺时针遍历方式，及p2,p3,p4,p5,p6,p7,p8,p9的顺序，去除所有满足以下条件的像素点：
过程二，按照顺序逆时针遍历方式，及p9,p8,p7,p6,p5,p4,p3,p2的顺序，去除所有满足以下条件的像素点：
经过上述判断过程的处理，最终可以得到图像的曲线骨骼。
步骤S4中，对曲线骨骼进行断点检测处理，遍历二维图像中的所有像素点，当存在像素点p1的八邻域点的像素值和为真时，则p1为断点；通过遍历二维曲线上所有点，并对所有相邻断点(xi,yi)，(xi+1,yi+1)进行距离检测，公式为：
(xi-xi+1)2+(yi-yi+1)2≤D2
其中，D为距离检测的搜索半径。
对所有n对相邻断点间的距离进行求和，Ci为视觉三维稠密地图的断点距离之和，Li为激光三维稠密地图断点距离之和。
比较视觉三位稠密地图的切片图像断点距离之和与激光三位稠密地图的切片图像断点距离之和的大小，若Ci＜Li，则将此视觉三维稠密地图的切片存储到到视觉优势切片容器Cp中；若Ci＞Li，则将此激光三维稠密地图的切片存储到激光优势切片容器Lp中，最终的融合三维点云地图Fcl为：Fcl＝Cp+Lp。
如图4、图5、图6和图7所示，提取标注在巷道7的①②③处位置的视觉三维稠密地图切片和激光三维稠密地图切片。图5、图6和图7中的(a)图代表三维模型切片图像，(b)图代表视觉三维稠密地图切片图像，(c)图代表激光三维稠密地图切片图像。
图5对应①号位置的切片，①号位置落点于遮挡物8上，由图可见，(b)图中深度相机1可以采集到①号位置的大部分数据，(c)图中由于单线激光雷达2垂直扫描的方式，只能扫描到遮挡物8的侧面轮廓，Ci＜Li，因此①号位置切片为视觉优势切片，存储到Cp中。
图6对应②号位置的切片，②号位置落点于遮挡物8的后方，由图可见，(b)图中由于深度相机1视场角被遮挡物8遮挡，导致深度相机2无法采集到遮挡物后方部分区域的数据，从而在切片图像中出现大片断点，(c)图中，得益于单线激光雷达2的垂直扫描方式，基本采集到了②号位置的所有数据，Ci＞Li，因此②号位置切片为激光优势切片，存储到Lp中。
图7对应③号位置的切片，③号位置落点于巷道尽头的垂直壁面上，由图可见，(b)图中深度相机1的视角场可完全覆盖③号位置，因此采集到了完整的垂直壁面数据，(c)图中，因单线激光雷达2垂直扫描的方式，扫描视角场和垂直壁面平行，无法扫描到垂直壁面的任何数据，Ci＜Li，因此③号位置切片为视觉优势切片，存储到Cp中。
如图8所示，(a)图为Cp中所有的视觉优势切片，(b)图为Lp中所有的激光优势切片，(c)图为最终Cp和Lp融合的三维点云地图。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中的描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种多源异构传感器数据融合三维地图空洞互补装置，其特征在于包括深度相机(1)、单线激光雷达(2)、IMU(3)、移动机器人(4)、传感器支撑装置(5)、远程通信模块(6)、巷道(7)和遮挡物(8)，所述深度相机(1)水平安装在传感器支撑装置(5)顶部，单线激光雷达(2)垂直安装在传感器支撑装置(5)上，IMU(3)水平安装在传感器支撑装置(5)底部，远程通信模块(6)固定在移动机器人(4)上表面。
2.一种多源异构传感器数据融合三维地图空洞互补方法，具体包括以下步骤:
S1，计算深度相机(1)、单线激光雷达(2)和IMU(3)之间的坐标转换关系，并进行点云地图配准；
S2，将对齐后的三维地图进行垂直切片并配对；
S3，进行切片点云降维与图像预处理，得到切片二维骨骼线；
S4，通过骨格线断点检测与对比，提取优势切片参与点云地图融合。
3.根据权利要求2所述的方法，步骤S1具体为：选取巷道(7)为测量场景，使用移动机器人(4)搭载深度相机(1)采集巷道(7)中的彩色图片和深度图片，结合ORB-SLAM2算法建立视觉三维稠密地图，使用单线激光雷达(2)融合IMU(3)方式对巷道(7)进行垂直扫描，单线激光雷达(2)在IMU(3)坐标系下的外参为：
IMU(3)在单线激光雷达(2)坐标系下的外参为
使用单线激光雷达(2)结合IMU(3)，利用IMU(3)的测量值进行积分，估计出单线激光雷达(2)在每个时间点的位姿，假设当前时刻t的加速度为at，角速度为wt，上一时刻t-1位置为pt-1，速度为vt-1，旋转矩阵为Rt-1，那么位置和速度可以通过以下公式计算：
vt＝vt-1+at*dt，pt＝pt-1+Rt-1*vt*dt，
假设当前时刻单线激光雷达(2)数据为zt，历史时刻单线激光雷达(2)数据为zk，位姿为xk使用ICP配准计算当前时刻单线激光雷达(2)位姿xt：
xt＝argmin||zt-T(xk)*zk||2
从而把连续时刻下单线激光雷达(2)采集的激光点云数据拼接起来，生成完整的三维激光三维稠密地图；
之后将视觉三维稠密地图和激光三维稠密地图导入到CloudCompare点云处理软件中，分别提取出两个地图的参考点坐标系原点、旋转矩阵和边界尺寸，之后以视觉三维稠密地图为基准，计算出激光三维稠密地图到视觉三维稠密地图的相对旋转矩阵、平移向量和缩放尺度，公式如下，表示单线激光雷达到深度相机的转换关系，R11,R12,R13,R21,R22,R23,R31,R32,R33分别表示旋转矩阵的元素，Tx,Ty,Tz表示平移向量的元素，s是缩放因子：
从而完成深度相机和单线激光雷达坐标系及视觉三维稠密地图和激光三维稠密地图的尺度的配准统一。
4.根据权利要求2所述的方法，步骤S2具体为：对步骤S1中经过配准后的视觉三维稠密地图和激光三维稠密地图，从统一基准后的扫描起始位置开始，按照扫描方向进行n等份连续垂直切片，获得视觉三维稠密地图切片Cs1Cs2……Csn，激光三维稠密地图切片Ls1Ls2……Lsn,两个点云地图之间按照1～n的编号相互对应。
5.根据权利要求2所述的方法，步骤S3具体为：首先对视觉地图和激光地图分别进行切片降维处理，保留视觉地图和激光地图中横截面二维点云数据，并转换为图像，用像素坐标替代原有点云坐标；
再对降维处理后切片图像进行图像膨胀处理，再进行中值模糊进行滤波处理，使图像平滑；
对平滑后的图像进行骨骼化处理，目的是将图像中存在像素厚度的二维曲线进行细化，在保留原始曲线轮廓的基础上，通过对原始像素的厚度剥离，得到曲线骨骼，具体原理为设二维图片像素八邻域点矩阵模板为：
在这个模板中p1代表当前像素点，p2-p9代表p1周围的八个像素点。细化过程需要迭代两个子过程：
设S(p)是p1周围8个像素中，为黑色的个数，T(p)是p1周围有多少个像素由0变成了1；
过程一，按照顺序顺时针遍历方式，及p2,p3,p4,p5,p6,p7,p8,p9的顺序，去除所有满足以下条件的像素点：
过程二，按照顺序逆时针遍历方式，及p9,p8,p7,p6,p5,p4,p3,p2的顺序，去除所有满足以下条件的像素点：
经过上述判断过程的处理，得到图像的曲线骨骼。
6.根据权利要求2所述的方法，步骤S4具体为：对曲线骨骼进行断点检测处理，遍历二维图像中的所有像素点，当存在像素点p1的八邻域点的像素值和为真时，则p1为断点；通过遍历二维曲线上所有点，并对所有相邻断点(xi,yi)，(xi+1,yi+1)进行距离检测，公式为：
(xi-xi+1)2+(yi-yi+1)2≤D2
其中，D为距离检测的搜索半径；
对所有n对相邻断点间的距离进行求和，Ci为视觉三维稠密地图的断点距离之和，Li为激光三维稠密地图断点距离之和；
比较视觉三维稠密地图的切片图像断点距离之和与激光三位稠密地图的切片图像断点距离之和的大小，若Ci＜Li，则将此视觉三维稠密地图的切片存储到到视觉优势切片容器Cp中；若Ci＞Li，则将此激光三维稠密地图的切片存储到激光优势切片容器Lp中，最终的融合三维点云地图Fcl为：Fcl＝Cp+Lp。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311815102.4A CN117788310A (zh) | 2023-12-26 | 2023-12-26 | 一种多源异构传感器数据融合三维地图空洞互补方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311815102.4A CN117788310A (zh) | 2023-12-26 | 2023-12-26 | 一种多源异构传感器数据融合三维地图空洞互补方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117788310A true CN117788310A (zh) | 2024-03-29 |
Family
ID=90384670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311815102.4A Pending CN117788310A (zh) | 2023-12-26 | 2023-12-26 | 一种多源异构传感器数据融合三维地图空洞互补方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788310A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118224991A (zh) * | 2024-04-18 | 2024-06-21 | 中国长江三峡集团有限公司 | 隧洞围岩的变形分析方法、装置、设备及存储介质 |
-
2023
- 2023-12-26 CN CN202311815102.4A patent/CN117788310A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118224991A (zh) * | 2024-04-18 | 2024-06-21 | 中国长江三峡集团有限公司 | 隧洞围岩的变形分析方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Andrés et al. | Generation of virtual models of cultural heritage | |
| EP2913796B1 (en) | Method of generating panorama views on a mobile mapping system | |
| CN106839977B (zh) | 基于光栅投影双目成像技术的盾构渣土体积实时测量方法 | |
| CN112254637B (zh) | 一种基于多种融合数据的隧道开挖面扫描装置及检测方法 | |
| CN111006601A (zh) | 三维激光扫描在变形监测中的关键技术 | |
| Yang et al. | 3D reconstruction of building facade with fused data of terrestrial LiDAR data and optical image | |
| CN108846860B (zh) | 一种破损圆柱形排水管道内壁三维重建方法 | |
| Moussa et al. | An automatic procedure for combining digital images and laser scanner data | |
| CN114022798A (zh) | 一种基于数字孪生技术的变电站巡检机器人避障方法 | |
| Zeibak et al. | Change detection via terrestrial laser scanning | |
| CN116910876A (zh) | 一种基于无人机遥感辅助滑坡应急治理工程勘查设计方法 | |
| CN117788310A (zh) | 一种多源异构传感器数据融合三维地图空洞互补方法及装置 | |
| CN110617772A (zh) | 一种非接触式线径测量装置及方法 | |
| Abdul-Rahman et al. | Innovations in 3D geo information systems | |
| CN105279786A (zh) | 物体三维模型的获取方法和系统 | |
| CN110942516B (zh) | 一种基于激光扫描数据的隧道漫游视频生成方法 | |
| Vincke et al. | Vision based metric for quality control by comparing built reality to BIM | |
| Böhm et al. | Model refinement by integrated processing of laser scanning and photogrammetry | |
| CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
| Rüther et al. | Challenges in heritage documentation with terrestrial laser scanning | |
| JP2011048507A (ja) | ３次元データ生成装置、３次元データ生成方法およびプログラム | |
| AU2019319766B2 (en) | Wall visualisation from virtual point of view | |
| CN112862879A (zh) | 一种基于tin模型的地铁隧道三维模型构建方法 | |
| CN115797784B (zh) | 公路边坡地质监测方法及监测系统 | |
| CN112017259A (zh) | 一种基于深度相机与热像仪的室内定位与建图方法 |
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 |