XiaoMi-AI文件搜索系统
World File Search System点云
评估 TLS 点云着色的质量
摘要：地面激光扫描 (TLS) 能够高效生成真实环境的高密度彩色 3D 点云。从视觉和自动解释到逼真的 3D 可视化和体验，越来越多的应用依赖于准确可靠的颜色信息。然而，人们对评估应用 TLS 生成的 3D 点云的着色质量关注不足。我们已经开发了一种用于评估带有集成成像传感器的 TLS 系统的点云着色质量的方法。我们的方法通过测量从 3D 扫描测试图表渲染的 2D 图像的客观图像质量指标来评估几个测试系统重现场景颜色和细节的能力。结果表明，与色彩再现相关的检测问题（即测量到的色彩、白平衡和曝光差异）可以在数据处理中得到缓解，而与细节再现相关的问题（即测量到的锐度和噪声）则不受扫描仪用户的控制。尽管是值得称赞的 3D 测量仪器，但改进着色工具和工作流程以及自动化图像处理管道不仅可以提高彩色 3D 点云的质量和生产效率，还可以提高其适用性。
ratrack：使用4D雷达点云
摘要 - 移动自主权依赖于动态环境的精确感知。在3D世界中强有力地跟踪移动对象，因此在诸如Trajectory预测，避免障碍和路径计划之类的应用中起着关键作用。虽然大多数当前方法利用激光镜或摄像机进行多个对象跟踪（MOT），但4D成像雷达的功能仍未得到探索。认识到4D雷达数据中雷达噪声和点稀疏所带来的挑战，我们引入了Ratrack，这是一种针对基于雷达的轨道量身定制的创新解决方案。绕过对特定对象类型和3D边界框的典型依赖，我们的方法着重于运动分割和聚类，并由运动估计模块丰富。评估在“视图”数据集中，ratrack展示了移动对象的卓越跟踪精度，在很大程度上超过了最新技术的性能。我们在https://github.com/ljacksonpan/ratrack上发布代码和模型。
两种基于图像的点云的全面比较...
计算机视觉和摄影测量的结合可以从图像中生成三维 (3D) 信息，这促进了点云在制图方面的广泛应用。大规模地形图制作需要高精度和准确度的 3D 数据来表示地球表面的真实状况。除了 LiDAR 点云之外，基于图像的匹配也被认为能够从多视图图像中生成可靠且详细的点云。为了检验和分析 LiDAR 和基于图像的匹配在大规模详细制图方面的可能融合，点云由半全局匹配 (SGM) 和运动结构 (SfM) 生成。为了进行全面和公平的比较，本研究使用了同时获取的航空照片和 LiDAR 数据。定性和定量评估已用于评估 LiDAR 和图像匹配点云数据的可视化、几何精度和分类结果。比较结果得出结论，LiDAR 是大规模制图的最佳数据。
发行咨询材料（第5版）
在FAL3中，订户应通过向RP提出身份验证器来验证，除了断言。此处使用的身份验证者也称为绑定的身份验证者和sec。。例如，如果订户在IDP和RP之间执行联邦登录过程，则RP将提示用户提供链接到RP用户帐户的界限验证者。FAL3中介绍的界面验证者不需要与订户对IDP身份验证时使用的身份验证者相同。主张来识别订户，并且BOUND身份验证者给出了试图登录的一方的最高概率是由主张确定的订户。请注意，直到使用界面验证者进行身份验证，RP验证了身份验证器是否正确链接到主张指示的RP订户帐户，才能实现FAL3。
间隙点云配准不确定性调查...
残骸重建和一般紧固件装配过程。在一项关于航空工业点云配准的研究中，孙等[6，7]利用三维点云和测量技术开发了一套拼接飞机残骸的系统。结果表明，其粗配准精度为0.6毫米，可接受的配准精度为0.2毫米。王等[8]提出了一种用于飞机点云配准的通用密度不变框架。结果表明，与其他研究[9-11]相比，他们的方法具有更好的精度（0.6毫米——1.0毫米），以均方根误差（RMSE）评估。虽然精度有所提高，但所提出的方法适用于整个扫描飞机，而不是特定的部件。徐等[12]提出了一种紧固件装配的配准方法，其中利用局部几何特征和迭代最近点（ICP）算法。该配准方法用于扫描数据和 CAD 模型之间。结果表明，与单独使用 ICP 算法相比，所提出的方法具有更好的效率。但是，所提出的注册方法的不确定性并未披露。
对点云城市环境分割和 3D 建模的贡献
前言 本论文总结了我来到斯特拉斯堡国立应用科学学院以来二十年的研究成果。它由两部分组成：第一部分概述了我在每个研究领域所取得的进展；第二部分总结了我过去和现在的教学、研究和行政活动。我的研究重点是通过点云对城市物体进行 3D 建模的特定主题。通过评估根据遗产地获取的数据开发的算法的质量，我们希望为公众相对较少了解的地形专业的推广做出贡献，同时突出建筑、城市和景观遗产我们的领土。论文的第一部分以某种方式强调了地形在从点云到 3D 模型的路径上的重要性。为这项工作做出贡献的众多研究结束项目证明，我们的研究与我们内部提供的培训自然相关，同时丰富了仪器和方法、激光测量、摄影测量、网络补偿、启动研究或甚至产生新的流程，例如最近启动的 BIM（建筑信息模型）流程。回忆录的第二部分见证了这一点。最后，我贡献的多学科主题让我有机会与来自不同专业的专家合作，除了地形学领域的专家，例如考古学、建筑学、地理学、气候学、法律、土木工程、传播学、力学、数学、计算机科学、历史，而且这个列表只会不断增长。围绕这些职业的多样性及其具体问题激发了我的求知欲，并自然地丰富了我的研究，但在所有这些经历中，我首先会记住他们将引起的宝贵的人类遭遇。
移动机器人点云配准算法综述
本综述的主题是机器人中的几何配准。配准算法将数据集关联到一个公共坐标系中。它们已广泛应用于物体重建、检查、医疗应用和移动机器人定位。我们专注于需要配准点云的移动机器人应用。虽然这些算法的基本原理很简单，但已经针对许多不同的应用提出了许多变体。在这篇综述中，我们从历史的角度介绍了配准问题，并表明可以根据一些元素来组织和区分大量的解决方案。因此，我们提出了几何配准的形式化，并将文献中提出的算法投射到该框架中。最后，我们回顾了该框架在移动机器人中的一些应用，这些应用涵盖了不同类型的平台、环境和任务。这些示例使我们能够研究每个用例的具体要求以及导致配准实施的必要配置选择。最终，本评论的目的是为几何配准配置的选择提供指导。
关于汽车雷达点云的数据压缩技术的调查
摘要：在自主驾驶技术不断发展的景观中，光检测和范围（LIDAR）传感器已成为增强环境感知的关键仪器。他们可以在车辆周围提供精确的，高分辨率的实时3D表示，以及在弱光条件下进行远程测量的能力。但是，这些优势是以传感器生成的大量数据为代价的，导致了传输，处理和存储操作的几个挑战，目前可以通过对点云中使用数据压缩技术来减轻这些挑战。本文介绍了用于压缩汽车LIDAR传感器的点云数据的现有方法的调查。它提出了一种全面的分类法，将这些方法分为四个主要群体，并在几个重要指标中进行比较和讨论。
基于传感器融合的运动补偿3D激光点云
摘要：本文提出了一种使用全球定位系统（GPS）和惯性测量单元（IMU）数据的传感器融合来补偿运动引起的3D激光点云数据中失真的方法。通过旋转镜子扫描环境的LIDAR传感器通常假设一个静态视图。但是，自我车辆的运动引入了假定和实际观点之间的差异，从而导致点云数据扭曲。为了解决这个问题，我们的方法融合了从IMU的高频运动动力学的GP的准确定位数据，以估算车辆的探射仪。此数据在东北方（ENU）坐标框架中对齐，并用于在每次激光扫描期间插入车辆的运动。然后根据插值探子仪调整点云中的每个点以纠正变形。利用来自GPS，IMU，相机和LIDAR传感器记录的Udacitic®数据，我们的方法有效地重建了周围环境的准确表示。此过程对于诸如自主驾驶和环境建模等应用程序至关重要，而在此过程中，精确且可靠的点云数据至关重要。
基于点云对齐的藤蔓修剪的视觉伺服
摘要：本文使用机器人技术和基于视觉的反馈控制，解决了葡萄树修剪的挑战，这是农业中至关重要且艰苦的农业任务。由于3D姿势估计和特征提取方面的挑战，藤蔓的复杂结构使视觉致密暗销。是基于迭代最接近点（ICP）点云对准和基于位置的视觉伺服伺服（PBV）的组合，提出了一种基于视觉的藤蔓修剪的新方法。在藤蔓修剪的PBV中比较了四个ICP变体：标准ICP，Levenberg – Marquardt ICP，点对平面ICP和对称ICP。该方法包括一个专用的ICP初始猜测，以提高对齐速度和准确性，以及在修剪位置生成参考点云的过程。实时实验是在配备了立体相机的Franka Emika操纵器上进行的，涉及在实验室条件下的三个真实葡萄藤。