-
公开(公告)号：CN117237789B
公开(公告)日：2025-03-18
申请号：CN202311201945.5
申请日：2023-09-18
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
Abstract: 本发明公开了一种基于全景相机和激光雷达融合生成纹理信息点云地图方法，首先根据实时采集得到的每一帧的激光点云数据和每一帧的IMU数据通过迭代误差扩展卡尔曼滤波算法融合解算得到IMU位姿之后，将激光点云数据根据通过根据IMU位姿和激光雷达外参、IMU外参计算得到的激光雷达位姿进行拼接生成点云地图；然后通过对双目鱼眼相机进行标定后将激光点云数据投影到对双目鱼眼图像进行校正后的针孔相机模型图像上得到投影点；根据投影点将激光点云数据进行分类得到激光点对；根据激光点对以及激光雷达位姿进行视觉里程估计，得到视觉里程计的最优状态信息；最终使用贝叶斯公式对激光点云进行赋色，从而得到有纹理信息点云地图。
-
公开(公告)号：CN118604777A
公开(公告)日：2024-09-06
申请号：CN202410392049.X
申请日：2024-04-02
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G01S7/48
Abstract: 本公开提供了一种激光点云噪点生成方法及装置、电子设备、存储介质。本公开首先采集目标场景中的激光雷达点云数据，确定激光雷达点云数据的坐标信息等；之后获取预先设置的噪点约束信息；之后，针对每种噪点云类别，确定该类点云的边界、中心点、噪点生成半径，并以中心点为中心，噪点生成半径为半径的球体范围内生成候选噪点；利用k‑d树确定与各个候选噪点匹配的原始点云；将与对应的原始点云的距离大于最大距离的候选噪点剔除，将与对应的原始点云的距离小于最小距离的候选噪点剔除，得到有效噪点；按照噪点数量约束从有效噪点中提取目标噪点；最后，将至少一种噪点云类别对应的目标噪点与激光雷达点云数据进行合并，将合并后的点云进行展示。
-
公开(公告)号：CN117496081A
公开(公告)日：2024-02-02
申请号：CN202311480105.7
申请日：2023-11-08
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
Abstract: 本发明公开了一种基于三维激光的纯视觉感知精度提升方法及装置，通过三维激光扫描设备，获取目标区域的点云数据；获取目标区域的目标视觉感知设备的初始位置和目标机属信息：所述目标机属信息包括目标视觉感知设备拍摄的图像和对应的相机内参；构建所述图像与点云数据的同名点对信息；利用相机内参和同名点对信息计算目标视觉感知设备的相机外参；通过所述目标视觉感知设备的相机内参、相机外参和点云数据，构建像素坐标与地理坐标的一一映射关系。上述方法不要求更换视觉感知设备即可实施，可减少设备浪费和不必要的成本投入。
-
公开(公告)号：CN116363326A
公开(公告)日：2023-06-30
申请号：CN202310329860.9
申请日：2023-03-30
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
Abstract: 本发明公开了一种高精度地图制图系统及方法，至少构建道路线图层、车道标线图层、车道向量图层、道路边界线图层；检测当前的道路线图层、车道标线图层、车道向量图层、道路边界线图层是否正确无误后，在检测正常情况下认定整个路网正常，并认定上述四个图层为四个基本道路线图层；在检测当前的整个路网正常情况下，基于四个基本道路线图层生成对应的节点图层，最终基于当前的基本道路线图层和对应的节点图层构成最终的目标路网；基于所述目标路网加载添加道路设施图层，利用上述制图方法可以得到了高精度地图，节约人工资源，提高了制图效率。
-
公开(公告)号：CN118273891A
公开(公告)日：2024-07-02
申请号：CN202410331600.X
申请日：2024-03-22
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
Abstract: 本公开提供了一种风机塔筒倾斜度确定方法及装置、电子设备、存储介质，本公开首先获取包含风机塔筒的目标区域内的点云数据，并提取点云数据中的风机塔筒点云数据；之后按照预设高度对风机塔筒点云数据进行分层，并分别对各层风机塔筒点云数据进行平面圆拟合，以及，确定各平面圆的中心点的坐标；之后，随机选取两个中心点，并利用选取的中心点的坐标进行直线拟合处理，得到多条初始直线，以及，分别确定与各初始直线相匹配的中心点，并将匹配的中心点数量最多的初始直线作为目标直线模型，将与目标直线模型匹配的中心点作为目标中心点；最后，确定目标中心点中的最高点和最低点，并根据最高点的坐标、最低点的坐标，确定风机塔筒的倾斜度。
-
Patent Agency Ranking
公开(公告)号：CN118212469A
公开(公告)日：2024-06-18
申请号：CN202410391348.1
申请日：2024-04-02
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V10/764 , G06V10/762 , G06V10/82
Abstract: 本公开提供了一种基于点云的电力线分类后处理方法及装置、电子设备、存储介质，首先从原始的点云数据中提取得到电力线路点云；之后对电力线路点云进行分段和聚类，确定电力线的目标股数，之后，根据目标股数确定线路类型，并根据不同的线路类型采用不同的方式得到单根电力线点云；之后对单根电力线点云按照抛物线进行拟合，按照预设步长对拟合得到的点云进行采样和填充，得到模拟电力线点云；最后利用KD树搜索距离模拟电力线点云预设距离的激光点，并将搜索到的激光点作为对应根模拟电力线点云的点，以及将激光点的类别设置为电力线。本公开的方案减轻了后期人工对电力线分类结果进行检查和修正的工作量，提高电力线点云分类的准确性和效率。
-
公开(公告)号：CN118212370A
公开(公告)日：2024-06-18
申请号：CN202410391358.5
申请日：2024-04-02
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06T17/05 , G06T17/20 , G06T7/62 , G06V10/762
Abstract: 本公开提供了一种基于点云数据的地形分析方法及装置、电子设备、介质，本公开首先获取两个时间段内的点云数组，并分别提取其中的地面点云；之后确定点云投影平面，并分别将两组地面点云投影到该点云投影平面上，得到投影网格；之后根据投影网格确定缺失点云以及被缺失点云；对集中度高的缺失点云进行分组，并确定对应的塌方区域，以及，对集中度高的被缺失点云进行分组，并确定对应的填方区域；之后，根据塌方区域的边界确定塌方区域的体积，根据填方区域的边界确定填方区域的体积；最后输出各区域的边界以及体积。
-
公开(公告)号：CN116627164B
公开(公告)日：2024-04-26
申请号：CN202310392580.2
申请日：2023-04-13
Applicant: 北京数字绿土科技股份有限公司 , 深圳绿土智新科技有限公司
IPC: G05D1/46
Abstract: 本发明提供了一种基于地形高度的无人机仿地飞行控制方法和系统，其中，无人机仿地飞行控制方法包括获取无人机的点云POS数据，根据点云POS数据计算无人机的当前飞行位置和飞行方向；根据当前飞行位置和飞行方向过滤点云POS数据，得到预定范围内的激光点云数据；根据激光点云数据构建DEM三维体素网格，查找网格内各体素对应平面位置的最低点，构建得到DEM模型；根据DEM模型中任一像素点与相邻像素点的高程差提取地面点；根据DEM模型中地面点的高程值计算DEM模型的地形高度；根据DEM模型的地形高度和无人机的当前飞行位置，计算并调整无人机相对地形的飞行高度。本发明的技术方案能解决现有技术中难以提取有效的地面信息，导致无人机总是同一高度飞行的问题。
-
公开(公告)号：CN117789173A
公开(公告)日：2024-03-29
申请号：CN202410003612.X
申请日：2024-01-02
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06V20/56 , G06N3/0464 , G06N3/084 , G06T7/70
Abstract: 本发明公开了一种基于多任务神经网络的公路隧道异物入侵检测方法，包括如下操作步骤：将隧道机器人采集获取的隧道视频帧待检测的输入图像输入到多任务模型中，多任务模型包括检测任务头；检测任务头包括异物目标检测任务头和车道线检测任务头；异物目标检测任务头识别待检测的输入图像得到输出包含预测边界框的目标异物图像，预测边界框用于框选目标异物；车道线检测任务头对当前待检测的输入图像的车道线检测得到多条车道线；多任务模型判断通过目标异物所在的预测边界框与多条车道线的位置关系进行识别处理，判断得到的预测边界框的目标异物是否在车道线内，根据判断结果实现目标异物入侵的风险警告。
-
公开(公告)号：CN117292382A
公开(公告)日：2023-12-26
申请号：CN202311225308.1
申请日：2023-09-21
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V30/148 , G06V30/18 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的智能巡检避雷器仪表读数识别方法，通过巡检机器人采集避雷器仪表图像，然后对避雷器仪表图像进行检测得到表盘区域图像后，对表盘区域图像进行分别识别处理得到动作次数数值及量程数值，进而对避雷器仪表表盘图像进行识别得到指针读数，最终将动作次数数值及指针读数返回避雷器仪表图像中得到避雷器仪表图像的读数，实现实时的避雷器仪表智能读数操作，并且在进行避雷器仪表表盘图像进行识别得到指针读数过程中，通过深度学习语义分割算法及透视变换等操作解决了避雷器仪表倾斜，表盘较模糊情况下，读数精度差的问题，并支持对避雷器动作次数读数，提高了避雷器监测效率，并增强了读数的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.031 seconds)
