摘要
本发明涉及三维数据采集方法的技术领域,具体涉及基于slam和ai的地下管廊设备三维数据采集方法,包括以下步骤:选取一个防火分区,使用激光扫描仪器扫描并获取高精度点云数据;在高精度点云数据中手动标记设备类型和位置,并导出为带有标签的数据集;使用带有标签的数据集训练ai模型,并形成训练好的ai模型;对其余的防火分区,使用手持slam仪器扫描并获取低精度点云数据;将低精度点云数据中的特征点匹配高精度点云数据中的特征点且校正误差,并形成校正后的点云数据;使用训练好的ai模型修复校正后的点云数据,并形成修复后的点云数据;将修复后的点云数据输入训练好的ai模型中,自动标记设备类型和位置。上述提供更加全面、准确的空间信息。
技术关键词
三维数据采集方法
地下管廊设备
激光扫描仪器
点云
自动标记设备
校正误差
防火分区
RANSAC算法
ICP算法
纹理特征
标签
精度
姿态校正
学习设备
特征点
位置校正
学习算法
系统为您推荐了相关专利信息
面向航空发动机
鲸鱼算法
线激光传感器
叶片
非线性
多任务深度学习模型
患者
支具设计
数据对齐模块
多任务卷积神经网络
机器人自动作业
激光点云数据
点云配准算法
栅格
激光雷达
航空发动机叶片
角度测量方法
三维扫描仪
点云数据预处理
三角形