點(diǎn)云建模
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2026-01-04
點(diǎn)云建模的實(shí)例教程
時(shí)間真快，進(jìn)入2023年第1季度，計(jì)算硬件又開始升級(jí)換代，本方案--衛(wèi)星/無(wú)人機(jī)影像/LiDAR點(diǎn)云處理應(yīng)用硬件配置，我們采用intel第13代超頻處理器和nvidia RTX40系列架構(gòu)，提供最新最快衛(wèi)星影像3D建模的計(jì)算處理硬件方案，從臺(tái)式工作站、便攜現(xiàn)場(chǎng)處理工作站、超頻多機(jī)集群處理方案。。。
通過保證每個(gè)硬件配置和系統(tǒng)架構(gòu)與應(yīng)用實(shí)景建模算法計(jì)算特點(diǎn)匹配，以及對(duì)硬件設(shè)備進(jìn)行優(yōu)化，從而達(dá)到完美最佳計(jì)算處理能力。
試點(diǎn)期間，永川公司創(chuàng)新應(yīng)用了基于傾斜攝影的變電站三維模型采集，點(diǎn)云航線安全校驗(yàn)等技術(shù)，制定了一種安全可靠、經(jīng)濟(jì)實(shí)惠的技術(shù)路線，極大的降低了變電站無(wú)人機(jī)自主巡檢前期成本投入，為其他兄弟單位自主試點(diǎn)探索和規(guī)模化應(yīng)用推廣提供重要保障。
基于傾斜攝影和點(diǎn)云建模的變電站自主巡檢
巡檢期間，無(wú)人機(jī)分別完成了首次飛行安全校驗(yàn)、變電站日常例行巡視、變電站紅外特巡普測(cè)等既定動(dòng)作，全過程均由無(wú)人機(jī)自主智能完成。前期，永川公司輸變電運(yùn)檢中心、智能運(yùn)檢分公司等相關(guān)技術(shù)人員，經(jīng)過多次的研究、談?wù)摚謩e針對(duì)220千伏常規(guī)變電站、220千伏戶外GIS變電站、110千伏常規(guī)變電站等不同場(chǎng)站設(shè)備制定了安全校驗(yàn)、例行巡視、紅外普測(cè)、夜間巡視、檢修施工等多場(chǎng)景的典型應(yīng)用。及時(shí)發(fā)現(xiàn)了站內(nèi)避雷針銹蝕、絕緣子污穢以及部分連接點(diǎn)溫度異常等缺陷。
2021年，永川公司試點(diǎn)變電站無(wú)人機(jī)自主巡檢以來(lái)，積極探索以高空巡檢無(wú)人機(jī)、地面巡檢機(jī)器人、固定工業(yè)視頻、數(shù)字化表計(jì)、設(shè)備感知器等多技術(shù)手段應(yīng)用，構(gòu)建設(shè)備全感知，變電站全視角、無(wú)盲區(qū)的精益化巡檢，為今年電網(wǎng)度冬可靠供電提供保障。
（本文來(lái)自國(guó)網(wǎng)永川公司、金巡獎(jiǎng)、CPEM全國(guó)電力設(shè)備管理網(wǎng)，由電力設(shè)備狀態(tài)監(jiān)測(cè)整理。本號(hào)所刊發(fā)文章僅為學(xué)習(xí)交流之用，無(wú)商業(yè)用途，向原作者致敬。因某些文章轉(zhuǎn)載多次無(wú)法找到原作者在此致歉，若有侵權(quán)請(qǐng)告知，我們將及時(shí)刪除，本文僅供學(xué)習(xí)交流、我們注重分享，勿作商用，版權(quán)歸原作者。）
展開 同時(shí)，由于其能夠提供更多更高質(zhì)量的點(diǎn)云，從而極大得擴(kuò)展了毫米波的應(yīng)用范圍，其點(diǎn)云致密度為環(huán)境信息探測(cè)能力提供了高度信息。在各種天氣和能見度條件下保持魯棒性，并在方位角和仰角上都能達(dá)到1度角分辨率。
總體來(lái)看，高分辨率4D毫米波雷達(dá)主要可以提供如下多方面的感知能力，從而可解決當(dāng)前多方面的感知場(chǎng)景局限。
1）環(huán)向感知能力
4D毫米波雷達(dá)實(shí)現(xiàn)了四個(gè)維度的環(huán)境感知，包括距離、水平和垂直定位以及速度。這種感知能力我們稱之為其具備多維環(huán)向感知能力。
2）環(huán)境建模（Freespace）
4D毫米波雷達(dá)可以通過生成的較多點(diǎn)云提供更多的目標(biāo)識(shí)別反饋信息，從而進(jìn)行有效的環(huán)境目標(biāo)建模，這個(gè)過程類似于激光雷達(dá)的點(diǎn)云信息建模。這種打點(diǎn)聚類的方式，可以輕易的識(shí)別出物體的類型信息。
環(huán)境信息建模
圖片來(lái)源：博世激光雷達(dá)環(huán)境感知團(tuán)隊(duì)
3）自動(dòng)泊車的輔助應(yīng)用
APS這類應(yīng)用，對(duì)于毫米波雷達(dá)來(lái)說(shuō)是典型的短程雷達(dá)的應(yīng)用。。也就是說(shuō)，速度較低，探測(cè)距離較近，但對(duì)分辨率的要求較高。傳統(tǒng)的毫米波雷達(dá)由于其檢測(cè)能力的限制通常情況無(wú)法直接用于泊車場(chǎng)景，而4D毫米波雷達(dá)可以實(shí)現(xiàn)低速近距離場(chǎng)景下的信息有效探測(cè)和分辨，這就可以很好的將超聲波雷達(dá)所生成的信息進(jìn)行有效的感知識(shí)別。
毫米波雷達(dá)車身布置與泊車應(yīng)用
毫米波雷達(dá)在泊車市場(chǎng)中的布局已經(jīng)凸顯的越來(lái)越明顯，有些廠家已經(jīng)開始思索是否可以直接利用毫米波雷達(dá)直接代替超聲波雷達(dá)進(jìn)行泊車控制。
展開 一、從點(diǎn)云到高精地圖的重建
依托獨(dú)家的aiData工具鏈與aiSim仿真平臺(tái)，本文建立了一套高精度數(shù)字孿生地圖構(gòu)建流程，已經(jīng)廣泛應(yīng)用于布達(dá)佩斯 Kolosy廣場(chǎng)、ZalaZone測(cè)試場(chǎng)等真實(shí)道路還原項(xiàng)目。整個(gè)流程包括：
（左）帶有標(biāo)注的HD地圖、（中）裝飾HD地圖、（右）aiSim中渲染
1、數(shù)據(jù)采集
采用搭載激光雷達(dá)（LiDAR）、高精度GNSS/INS系統(tǒng)的測(cè)繪車（如康謀DATALynx ATX4）執(zhí)行移動(dòng)激光掃描（MLS），通過aiData Recorder進(jìn)行錄制，主要路線至少繪制兩次，確保厘米級(jí)空間精度。
數(shù)采車示意圖
2、點(diǎn)云聚合
使用aiData Annotator將多幀點(diǎn)云拼接為統(tǒng)一的全局坐標(biāo)系，結(jié)合反射率、時(shí)間戳等多通道信息形成高密度、低誤差的空間點(diǎn)集。
Tips：詳細(xì)數(shù)據(jù)采集精度和點(diǎn)云數(shù)據(jù)格式可聯(lián)系康謀技術(shù)團(tuán)隊(duì)獲取，可接受第三方數(shù)據(jù)，但建議在采集前與我們技術(shù)團(tuán)隊(duì)溝通優(yōu)化策略。
3、高精地圖建模
基于聚合點(diǎn)云手工標(biāo)注道路元素：車道線、交通標(biāo)志、人行道、護(hù)欄、紅綠燈等。輸出為GeoPackage格式的HD Map，用于自動(dòng)駕駛系統(tǒng)參考。
ZalaZone試驗(yàn)場(chǎng) LiDAR點(diǎn)云建模
ZalaZone試驗(yàn)場(chǎng)衛(wèi)星參考圖像
4、三維建模與裝飾
借助Atlas程序化建模引擎，生成道路、地形等基礎(chǔ)結(jié)構(gòu)，再通過aiSim Unreal插件手工裝飾建筑、植被、街景設(shè)施，最大程度復(fù)現(xiàn)現(xiàn)實(shí)細(xì)節(jié)。
展開 當(dāng)然本章重點(diǎn)還是介紹了毫米波雷達(dá)的感知原理及性能，未來(lái)如果是大域控方案的實(shí)施策略時(shí)，難免不會(huì)考慮利用毫米波輸入的原始點(diǎn)云數(shù)據(jù)進(jìn)行綜合處理。這一過程類似于激光雷達(dá)的點(diǎn)云處理，這又涉及多方面的因素。如傳輸帶寬，點(diǎn)云建模模型以及域控制器綜合處理算法。在縱向感知方面，毫米波最強(qiáng)；橫向方面，激光最強(qiáng)。豐田和本田的方案，都是激光作為獨(dú)立感知，結(jié)果再跟攝像頭融合，最后得出最終目標(biāo)。
點(diǎn)云建模的相關(guān)專題、標(biāo)簽、搜索
點(diǎn)云建模的最新內(nèi)容
1.基于點(diǎn)云的零件智能建模
拿到點(diǎn)云數(shù)據(jù)不用愁！AI全程助力逆向設(shè)計(jì)，快速還原零件三維結(jié)構(gòu)，讓復(fù)雜曲面、精密輪廓的建模工作事半功倍。
2. 基于歷史經(jīng)驗(yàn)的智能建模
除了點(diǎn)云數(shù)據(jù)，工程師的設(shè)計(jì)思路也能被AI“讀懂”。
ZalaZone試驗(yàn)場(chǎng) LiDAR點(diǎn)云建模
ZalaZone試驗(yàn)場(chǎng)衛(wèi)星參考圖像
4、三維建模與裝飾
借助Atlas程序化建模引擎，生成道路、地形等基礎(chǔ)結(jié)構(gòu)，再通過aiSim Unreal插件手工裝飾建筑、植被、街景設(shè)施，最大程度復(fù)現(xiàn)現(xiàn)實(shí)細(xì)節(jié)。
5
PX330T 157192-PDT
intel 14代超頻處理器
(8核5.7GHz）+水冷/128GB DDR5 /RTX4090 /7.68TB NVMe/16TB SATA企業(yè)級(jí)/便攜一體式(750w，三屏17寸高清)
108000
極致型
（三）衛(wèi)星/航空影像/雷達(dá)點(diǎn)云實(shí)景建模集群配置推薦
圖6 仿真點(diǎn)云與CAD建模點(diǎn)云
4 結(jié)語(yǔ)
本文建立的仿真模型動(dòng)態(tài)地模擬了工件表面球銑時(shí)的變化過程，每次步進(jìn)都產(chǎn)生準(zhǔn)確結(jié)果，模型可視化且精度高。下一步工作將在此模型的基礎(chǔ)上，研究使用深度學(xué)習(xí)方法進(jìn)行復(fù)雜工件的銑削工藝設(shè)計(jì)。
文章來(lái)源：現(xiàn)代計(jì)算機(jī)
完美型
6
PX320T 157128-PDT
intel 13代超頻處理器(8核5.7GHz ）+水冷/128GB DDR5/ RTX4090 /7.68TB PCIeSSD/16TB SATA企業(yè)級(jí)/便攜一體式(1500w，三屏17寸4K)
105000
極致型
（三）衛(wèi)星/航空影像/雷達(dá)點(diǎn)云實(shí)景建模集群配置推薦
在雷達(dá)點(diǎn)云數(shù)據(jù)生成方面，Sallab等人 通過構(gòu)建循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)對(duì)雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行建模，并對(duì)模擬數(shù)據(jù)進(jìn)行特征分析生成新的點(diǎn)云數(shù)據(jù)。Yue等人提出了一個(gè)針對(duì)自動(dòng)駕駛場(chǎng)景的點(diǎn)云數(shù)據(jù)生成框架，該框架通過精確地對(duì)游戲場(chǎng)景中的點(diǎn)云數(shù)據(jù)進(jìn)行基于標(biāo)注物體的變異，從而獲得新的數(shù)據(jù)，他們用該方法獲得的變異數(shù)據(jù)重新訓(xùn)練自動(dòng)駕駛系統(tǒng)的點(diǎn)云數(shù)據(jù)處理模塊，得到了較好的精確度提升。
基于傾斜攝影和點(diǎn)云建模的變電站自主巡檢
巡檢期間，無(wú)人機(jī)分別完成了首次飛行安全校驗(yàn)、變電站日常例行巡視、變電站紅外特巡普測(cè)等既定動(dòng)作，全過程均由無(wú)人機(jī)自主智能完成。
如傳輸帶寬，點(diǎn)云建模模型以及域控制器綜合處理算法。在縱向感知方面，毫米波最強(qiáng)；橫向方面，激光最強(qiáng)。豐田和本田的方案，都是激光作為獨(dú)立感知，結(jié)果再跟攝像頭融合，最后得出最終目標(biāo)。
如傳輸帶寬，點(diǎn)云建模模型以及域控制器綜合處理算法。在縱向感知方面，毫米波最強(qiáng)；橫向方面，激光最強(qiáng)。豐田和本田的方案，都是激光作為獨(dú)立感知，結(jié)果再跟攝像頭融合，最后得出最終目標(biāo)。
眾所周知，自動(dòng)駕駛中與常規(guī)汽車中傳感器最大的不同是加入了LiDAR和攝像頭，LiDAR采用激光測(cè)距技術(shù)可以獲得汽車周圍空間的三維點(diǎn)云，實(shí)現(xiàn)環(huán)境建模；而攝像頭則幫助自動(dòng)駕駛系統(tǒng)實(shí)現(xiàn)場(chǎng)景的語(yǔ)義化分割和理解。舉例來(lái)說(shuō)，LiDAR可以檢測(cè)到前方若干米處有一個(gè)標(biāo)牌，而攝像頭則可以幫助理解標(biāo)牌上的內(nèi)容，是限速標(biāo)志還是和駕駛無(wú)關(guān)的廣告等。
