”遥感 激光雷达 点云目标 深度图 角度距离 remote se LiDAR point clo depth ima angle dis“ 的搜索结果

     机载激光雷达点云数据处理之后的三维重建研究问题一直以来都是研究的重点。针对堆料点云数据三维重建中贪婪三角化算法的不足,提出一种基于距离反比插值的贪婪三角化算法。该算法通过插值不仅能得到未测量区域数据,...

     已有基于深度学习的机载激光雷达点云分类方法存在训练时间长、对样本数据需求量较大等问题,无法广泛应用于不同情况下的复杂场景。针对该问题,提出了一种基于迁移学习的小样本机载激光雷达点云分类方法。该方法首先对...

     目前, 机载与地面激光雷达(LiDAR)点云配准方法大多利用三维点云的几何信息来获取机载与地面LiDAR点云的同名特征, 并计算点云坐标转换参数, 实现点云配准；提出了一种基于激光强度分类的配准新方法, 首先对机载与地面...

     针对城区激光雷达点云提出一种全自动分类方法。采用具备一定抗过分割能力的拓扑启发式分割算法对栅格高程图像进行面向对象分割；依据迭代最大类间方差(Otsu)聚类方法及两种拓扑模型实现地面图斑对象与非地面图斑对象...

     内容摘要：点云分类作为机载激光雷达点云目标提取、模型重建等应用的前提，已经得到了广泛研究。目前，这些研究按其分类策略，可以分为三类，即逐点分类、基于分割的点云分类、多实体点云分类。此外，现有研究已经为...

     针对无人车三维激光雷达与全球定位系统/惯性导航系统组合导航系统安装位置关系难以准确测量及相对转角无法直接测量的问题, 提出一种基于多对点云同时匹配迭代生成外参数的方法。首先选择车辆直线往返行驶中位置相近...

     点云转深度图：转化，保存，可视化三维数据的获取方式RGBD相机和深度图代码展示：在pcl中，把点云转为深度图，并保存和可视化 三维数据的获取方式 在计算机视觉和遥感领域，点云可以通过四种主要的技术获得， （1）...

     机载LiDAR技术是指利用机载激光雷达系统，通过发射和接收激光脉冲，测量地物的距离和反射率，从而获取地物的三维信息。它可以提供高精度、高密度、高分辨率的点云数据，适用于各种地形和地物的测绘。 点云数据处理...

     鉴于激光点云和影像数据成像机理的差异以及现有配准基元的可获取性特点，通常采用基于特征的配准算法修正两者之间的转换关系，其中建筑物的边缘及角点为最常用的特征。针对城区建筑物分布密集、形状相似的问题，提出...

     由于多脉冲周期之间每个点的时刻皆不相同,激光雷达与成像目标之间的相对运动会造成目标三维图像重构的畸变,因此必须进行补偿才能够实现真正的高精度三维成像。为此,提出了一种基于相干调频连续波激光雷达速度测量...

     采用多元线性回归方法，建立了各误差因素与点云三维坐标误差之间的多元线性回归方程，获得了标准化回归系数，定量评价了各误差因素对激光点云三维坐标精度的影响显著性，并进行了排序。为机载激光扫描系统的误差分配...

     针对无人船(USV)海上近距离实时性避碰检测的需求,提出一种基于三维激光雷达的USV障碍物自适应栅格表达方法。根据USV周边环境障碍物的激光雷达点云分布,建立障碍物密集度和障碍物表达时间与栅格地图分辨率之间的函数...

     其中深度学习是二维图像目标检测及分类的重要方法,在介绍三维激光雷达点云特点的同时分析了点云深度学习的挑战,最后详细分析了三维点云深度学习在障碍物检测方面的研究现状以及发展趋势,并且介绍了自动驾驶领域的...

10  
9  
8  
7  
6  
5  
4  
3  
2  
1  

推荐文章