CN103605135A - 一种基于断面剖分的道路特征提取方法 - Google Patents
一种基于断面剖分的道路特征提取方法 Download PDFInfo
- Publication number
- CN103605135A CN103605135A CN201310610429.8A CN201310610429A CN103605135A CN 103605135 A CN103605135 A CN 103605135A CN 201310610429 A CN201310610429 A CN 201310610429A CN 103605135 A CN103605135 A CN 103605135A
- Authority
- CN
- China
- Prior art keywords
- subdivision
- section
- cloud
- road
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Abstract
本发明属于激光雷达测量领域,具体公开了一种基于断面剖分的道路特征提取方法,其步骤:用激光雷达测量设备获取激光扫描点云数据;确定出道路特征引导线,提取道路特征附近点云数据;根据道路特征引导线按一定步长生成剖分切片,计算邻近点云在剖分切片坐标系中的坐标,完成激光点云的断面剖分;选取特征信息完整的剖分切片,生成感兴趣的道路特征点云模板;确定道路特征点云模板与剖分切片点云最终的转换模型参数;计算道路特征的空间坐标,根据道路特征自身特性提取所需特征,最终完成道路特征的量测与提取。本发明引入断面剖分思想,实现复杂道路特征的自动量测与提取,在保证量测精度的前提下显著提高工作效率,具有显著的经济和社会效益。
Description
技术领域
本发明涉及激光雷达测量技术领域,具体涉及一种基于断面剖分的道路特征提取方法,该方法可以快速准确地获取沿线道路特征的空间几何位置。
背景技术
随着我国经济和社会的快速发展,不少早期建成的公路服务水平下降,无法满足日益增长的经济社会发展需要,面临改建或者扩建。我国的公路建设事业,已逐渐形成“公路新建与改扩建并重”的局面,公路改扩建将成为未来我国公路建设的重点。
对于公路改扩建勘察设计项目,快速精确地获取既有道路的空间信息资料是关键前提。目前,道路特征如路缘石、护栏、中央隔离带等的量测,主要采用传统的人工外业测量或者基于激光雷达点云人工拾取的方式获得。现有技术中主要存在以下缺点和不足:
1、人工外业测量的方式,需要投入大量的人力资源,不仅测量成本投入高,而且工作效率低下、工作量大;
2、对于公路改扩建,外业测量的方式需要大量的人工上路测量,将干扰道路正常交通,给行车和测量人员均造成严重安全隐患;
3、人工拾取激光点云数据采集道路特征时,人员主观随意性大,位置测量精度无法保证。
为此,本专利申请拟提出一种基于断面剖分的道路特征提取方法,通过引入断面剖分的思想,将所采集的密集三维激光点云数据投影到二维剖分切片中进行处理,方法简单实用,可实现整个道路沿线复杂道路特征的快速精确获取,具有显著的经济和社会效益。
发明内容
本发明针对实际公路工程应用中道路特征难以快速精确获取的难题,提出了一种基于断面剖分的道路特征提取方法。该方法创新性地引入断面剖分的思想,将海量激光点云数据处理由三维简化为二维,可实现复杂道路特征的快速提取。
为了达到上述目的,本发明采用如下技术措施:
一种基于断面剖分的道路特征提取方法,其步骤如下:
(1)激光扫描数据的获取:利用车载激光雷达测量设备,沿道路进行高密度的外业扫描,获取原始激光扫描点云数据;
(2)激光点云的提取:确定出道路特征初略位置的引导线,并提取引导线附近的点云数据;
(3)激光点云的断面剖分:根据引导线按一定步长生成剖分切片,将激光点投影到剖分切片,并计算该激光点在剖分切片坐标系的坐标;
(4)道路特征点云模板的建立:选取特征信息完整的剖分切片,生成感兴趣的道路特征点云模板;
(5)基于道路特征点云模板的精确配准:利用步骤(4)所建立的道路特征点云模板,对每个剖分切片的点云,通过道路特征点云模板初始配准、基于二维迭代最近邻点算法的精确配准实现;
(6)道路特征的量测与提取:首先计算道路特征的空间坐标,然后结合道路特征自身属性提取所需的特征线或特征面,最终完成道路特征的量测与提取。
与现有技术相比,本发明方法的显著优点和效果主要表现在:
(1)引入的断面剖分思想,将复杂的特征量测与识别问题由三维简化为二维,方法简单实用,应用面广;
(2)相比于传统的人工外业测量方法,本发明方法不干扰交通流,消除了测量人员人身安全隐患,而且速度快,精度高;
(3)相比于人工拾取激光点云的方法,本发明的基于点云模板配准的方法,可更好地保证特征量测与提取的精度;
(4)本发明创新性地提出基于断面剖分的道路特征提取方法,可缩短数据获取周期、保障数据质量。本发明方法已经成功应用于多项公路勘察设计项目中,成功获取出路缘石、护栏等道路特征的空间位置,相比人工外业测量方法,工作效率提高5倍以上,解决了道路特征难以获取的技术难题,展现出重大的工程应用价值。
附图说明
图1为本发明的一种基于断面剖分的道路特征提取方法的流程示意图。
具体实施方式
下面申请人将结合附图对本发明做进一步的详细描述。以下实施例仅用于进一步阐述本发明的技术方案,而不应在任何程度上被理解为对本发明权利要求书请求保护范围的限制。
实施例1:
一种基于断面剖分的道路特征提取方法,如图1所示,适用于道路的路面、防护设施等特征的提取。各步骤详细阐述如下:
第一步,激光扫描数据的获取
采用车载激光雷达测量设备,通过车辆在道路上以40~60公里/小时的速度行进,对道路两侧进行高密度的外业扫描,获取外业数据;内业解算时,以同步进行观测的GPS参考站数据为基础,使用车载GPS获取的观测数据和IMU数据进行综合处理,解算得到车辆行驶轨迹线,进而获取到精确的原始激光扫描点云数据,激光点云平均点间距小于5cm,最终完成数据的外业采集和内业数据的初步处理。
第二步,激光点云的提取
首先,人工确定出道路特征初略位置的引导线。
A、当高程变化可反映出道路特征时,通过数字高程模型人工描绘出引导线;
或者,B、利用点云的强度信息提取出车道线,利用道路特征与车道线之间的空间几何位置关系,通过偏移车道线获取引导线;
或者,C、通过融合叠加车载点云和数码照片,人工描绘出引导线。
然后,提取距离引导线一定范围内点云,范围参数根据道路特征具体设定,需综合考虑后继点云模板配准需要、运算效率、减少干扰点云等因素,一般在包含完整道路特征的前提下,取较小的范围参数值。
第三步,激光点云的断面剖分
首先,根据道路特征的引导线,按一定步长进行断面剖分,建立剖分切片。步长参数Sec_Step根据实际情况自行设定。剖分切片与物方坐标系O-XYZ中的Z轴平行,剖分切片的具体建立方法如下:
假设初略位置的引导线有n个节点,节点在物方坐标系O-XYZ中的平面坐标依次为(x1,y1)、(x2,y2)、……、(xn,yn)。以(xi,yi)、(xi+1,yi+1)构成的第i段引导线为例,第i段引导线的方向θ和长度l可利用公式(1)和公式(2)计算得到:
l=sqrt((yi+1-yi)2+(xi+1-xi)2) (2)
根据第i段引导线的长度l和断面剖分的步长参数Sec_Step,可计算第i段引导线中剖分切片的个数Sec_Count。计算每一个剖分切片与引导线的交点,以第n个剖分切片为例,设其与引导线交点坐标为(X0n,Y0n),则其可按公式(3)计算得到:
X0n=xi+(n*Sec_Step)*cos(θ) (3)
Y0n=yi+(n*Sec_Step)*sin(θ)
根据剖分切片在O-XY平面投影线段与引导线相互垂直的几何关系,可以得到第i段引导线中第n个剖分切片在O-XY平面投影线段的左右端点坐标,利用左右端点坐标便可以建立剖分切片在O-XY平面投影线段对应的直线方程。对每段引导线按照上述方法处理,进而生成所有的剖分切片。
对于激光点,设其在物方坐标系中坐标为(XG,YG,ZG),寻找与之垂直距离最近的剖分切片,如果垂直距离小于指定的距离阈值,距离阈值通常取1~2倍的激光点云平均点间距,则计算激光点到与之垂直距离最近的剖分切片投影在物方坐标系中的坐标(XP,YP,ZP)。设该剖分切片在O-XY平面投影线段对应的直线方程为Ax+By+C=0,则(XP,YP,ZP)可通过式(4)计算得到:
XP=(B*B*XG-A*B*YG-A*C)/(A*A+B*B)
YP=(-A*B*XG+A*A*YG-B*C)/(A*A+B*B) (4)
ZP=ZG
并进一步将坐标(XP,YP,ZP)转化为该剖分切片坐标系中的坐标。剖分切片坐标系为二维坐标系,原点位于切片在O-XY平面投影线段左端点,X轴沿剖分切片方向指向右端点,Y轴与物方坐标系Z轴平行,且与X轴满足右手定则。假设该剖分切片在O-XY平面投影线段的左右端点坐标为(xSec_left_n,ySec_left_n)和(xSec_right_n,ySec_right_n),可计算出剖分切片在O-XY平面投影线段的方向角angle为:
则(XP,YP,ZP)与所对应的剖分切片坐标系中的坐标(xsec,ysec)满足如下关系式:
XP=xsec_left_n+xsec*cos(angle)
YP=xsec_left_n+xsec*sin(angle) (6)
ZP=ysec
对于每个激光点,计算其对应的剖分切片坐标系坐标,从而完成激光点云的断面剖分。
第四步,道路特征点云模板的建立
遍历所生成的激光点云剖分切片数据,选择点云信息完整的剖分切片,提取出构成所感兴趣道路特征的点云,保存点云在剖分切片坐标系中的坐标并指定模板原点,从而完成道路特征点云模板的建立。
第五步,基于道路特征点云模板的精确配准
基于道路特征点云模板的精确配准,依次包括如下两个步骤:道路特征点云模板初始配准和基于二维迭代最近邻点算法的精确配准。
(1)道路特征点云模板初始配准,具体实现步骤如下:
1)对道路特征点云模板和剖分切片的点云分别构建K-D树;
2)选取距离道路特征点云模板原点最近的k个近邻点,k为道路特征点云模板的点个数,对道路特征点云模板每个点,利用公式(1)计算其到点云模板原点所构成向量的角度,构成匹配特征向量
3)对于待配准的剖分切片,依据引导线的位置精度仅考虑引导线附近一定范围内的激光点,对每个激光点按照与构造道路特征点云模板的匹配特征向量相同的方法构造待匹配特征向量,即先选取距离该激光点最近的k个近邻点,k为道路特征点云模板的点个数,依次计算近邻点到该激光点所构成向量的角度,进而构成待匹配特征向量
5)根据道路特征点云模板原点和匹配点的坐标,计算偏移量,从而完成道路特征点云模板的初始配准。
(2)基于二维迭代最近邻点算法的精确配准
将三维空间变换矩阵简化为二维平面转换矩阵,通过构建二维迭代最近邻点算法完成道路特征点云模板与剖分切片点云的精确配准。
基于二维迭代最近邻点算法的精确配准,其具体实现步骤如下:
1)对待识别特征的剖分切片点云构建K-D树;
2)对于道路特征点云模板的每个点,利用剖分切片点云所构建的K-D树,通过最近邻搜索算法,寻找与之距离最近的点,视为匹配点;
3)利用步骤2)中所获得的匹配点集,利用随机采样一致性算法估算道路特征点云模板与剖分切片点云之间的平面转换模型。平面转换模型,仅需要考虑二维平面内的旋转、平移和拉伸,具体形式如下:
式中, 表示剖分切片点云在剖分切片坐标系中的坐标, 表示道路特征点云模板在其对应的剖分切片坐标系中的坐标, 为平移参数,λ为比例缩放系数,α为点云的相对旋转角度。
4)利用计算的平面转换模型,更新道路特征点云模板的坐标,重复步骤2)至步骤4)直至满足收敛条件。
当二维迭代最近邻点算法收敛时,即完成道路特征点云模板与剖分切片点云的精确配准,同时得到所需的道路特征点云模板与剖分切片点云最终的平面转换模型参数。
第六步,道路特征的量测与提取
首先,利用所得到的最终的平面转换模型,利用公式(7)计算道路特征点云模板中每个点在第五步中完成精确配准剖分切片对应的剖分切片坐标系中的坐标(xsec,ysec),利用公式(6)计算点(xsec,ysec)在物方坐标系中的真实三维空间坐标。
然后,根据道路特征自身的几何特性,如位于同一条直线上或者同一个平面上,对获取的道路特征点云进行最小二乘计算和拟合,提取所需的特征线或特征面等,最终完成道路特征的量测与提取。
Claims (2)
1.一种基于断面剖分的道路特征提取方法,其步骤如下:
(1)激光扫描数据的获取:利用车载激光雷达测量设备,沿道路进行高密度的外业扫描,获取原始激光扫描点云数据;
(2)激光点云的提取:确定出道路特征初略位置的引导线,并提取引导线附近的点云数据;
(3)激光点云的断面剖分:根据引导线按一定步长生成剖分切片,将激光点投影到剖分切片,并计算该激光点在剖分切片坐标系的坐标;
(4)道路特征点云模板的建立:选取特征信息完整的剖分切片,生成感兴趣的道路特征点云模板;
(5)基于道路特征点云模板的精确配准:利用步骤(4)所建立的道路特征点云模板,对每个剖分切片的点云,通过道路特征点云模板初始配准、基于二维迭代最近邻点算法的精确配准实现;
(6)道路特征的量测与提取:首先计算道路特征的空间坐标,然后结合道路特征自身属性提取所需的特征线或特征面,最终完成道路特征的量测与提取。
2.根据权利要求1所述的基于断面剖分的道路特征提取方法,其步骤如下:
第一步,激光扫描数据的获取
采用车载激光雷达测量设备,通过车辆在道路上以40~60公里/小时的速度行进,对道路两侧进行高密度的外业扫描,获取外业数据;内业解算时,以同步进行观测的GPS参考站数据为基础,使用车载GPS获取的观测数据和IMU数据进行综合处理,解算得到车辆行驶轨迹线,进而获取到精确的原始激光扫描点云数据,激光点云平均点间距小于5cm,最终完成数据的外业采集和内业数据的初步处理;
第二步,激光点云的提取
首先,人工确定出道路特征初略位置的引导线;
A、当高程变化可反映出道路特征时,通过数字高程模型人工描绘出引导线;
或者,B、利用点云的强度信息提取出车道线,利用道路特征与车道线之间的空间几何位置关系,通过偏移车道线获取引导线;
或者,C、通过融合叠加车载点云和数码照片,人工描绘出引导线;
然后,提取距离引导线一定范围内点云,范围参数根据道路特征具体设定;
第三步,激光点云的断面剖分
首先,根据道路特征的引导线,按一定步长进行断面剖分,建立剖分切片;步长参数Sec_Step根据实际情况自行设定;剖分切片与物方坐标系O-XYZ中的Z轴平行,剖分切片的具体建立方法如下:
假设初略位置的引导线有n个节点,节点在物方坐标系O-XYZ中的平面坐标依次为(x1,y1)、(x2,y2)、……、(xn,yn);以(xi,yi)、(xi+1,yi+1)构成的第i段引导线为例,第i段引导线的方向θ和长度l可利用公式(1)和公式(2)计算得到:
l=sqrt((yi+1-yi)2+(xi+1-xi)2) (2)
根据第i段引导线的长度l和断面剖分的步长参数Sec_Step,可计算第i段引导线中剖分切片的个数Sec_Count;计算每一个剖分切片与引导线的交点,以第n个剖分切片为例,设其与引导线交点坐标为(X0n,Y0n),则其可按公式(3)计算得到:
X0n=xi+(n*Sec_Step)*cos(θ) (3)
Y0n=yi+(n*Sec_Step)*sin(θ)
根据剖分切片在O-XY平面投影线段与引导线相互垂直的几何关系,可以得到第i段引导线中第n个剖分切片在O-XY平面投影线段的左右端点坐标,利用左右端点坐标便可以建立剖分切片在O-XY平面投影线段对应的直线方程;对每段引导线按照上述方法处理,进而生成所有的剖分切片;
对于激光点,设其在物方坐标系中坐标为(XG,YG,ZG),寻找与之垂直距离最近的剖分切片,如果垂直距离小于指定的距离阈值,则计算激光点到与之垂直距离最近的剖分切片投影在物方坐标系中的坐标(XP,YP,ZP);设该剖分切片在O-XY平面投影线段对应的直线方程为Ax+By+C=0,则(XP,YP,ZP)可通过式(4)计算得到:
XP=(B*B*XG-A*B*YG-A*C)/(A*A+B*B)
YP=(-A*B*XG+A*A*YG-B*C)/(A*A+B*B) (4)
ZP=ZG
并进一步将坐标(XP,YP,ZP)转化为该剖分切片坐标系中的坐标;剖分切片坐标系为二维坐标系,原点位于切片在O-XY平面投影线段左端点,X轴沿剖分切片方向指向右端点,Y轴与物方坐标系Z轴平行,且与X轴满足右手定则;假设该剖分切片在O-XY平面投影线段的左右端点坐标为(xSec_left_n,ySec_left_n)和(xSec_right_n,ySec_right_n),可计算出剖分切片在O-XY平面投影线段的方向角angle为:
XP=xsec_left_n+xsec*cos(angle)
YP=xsec_left_n+xsec*sin(angle) (6)
ZP=ysec
对于每个激光点,计算其对应的剖分切片坐标系坐标,从而完成激光点云的断面剖分;
第四步,道路特征点云模板的建立
遍历所生成的激光点云剖分切片数据,选择点云信息完整的剖分切片,提取出构成所感兴趣道路特征的点云,保存点云在剖分切片坐标系中的坐标并指定模板原点,从而完成道路特征点云模板的建立;
第五步,基于道路特征点云模板的精确配准
基于道路特征点云模板的精确配准,依次包括如下两个步骤:道路特征点云模板初始配准和基于二维迭代最近邻点算法的精确配准;
(1)道路特征点云模板初始配准,具体实现步骤如下:
1)对道路特征点云模板和剖分切片的点云分别构建K-D树;
3)对于待配准的剖分切片,依据引导线的位置精度仅考虑引导线附近一定范围内的激光点,对每个激光点按照与构造道路特征点云模板的匹配特征向量相同的方法构造待匹配特征向量,即先选取距离该激光点最近的k个近邻点,k为道路特征点云模板的点个数,依次计算近邻点到该激光点所构成向量的角度,进而构成待匹配特征向量
5)根据道路特征点云模板原点和匹配点的坐标,计算偏移量,从而完成道路特征点云模板的初始配准;
(2)基于二维迭代最近邻点算法的精确配准
基于二维迭代最近邻点算法的精确配准,其具体实现步骤如下:
1)对待识别特征的剖分切片点云构建K-D树;
2)对于道路特征点云模板的每个点,利用剖分切片点云所构建的K-D树,通过最近邻搜索算法,寻找与之距离最近的点,视为匹配点;
3)利用步骤2)中所获得的匹配点集,利用随机采样一致性算法估算道路特征点云模板与剖分切片点云之间的平面转换模型;平面转换模型,仅需要考虑二维平面内的旋转、平移和拉伸,具体形式如下:
4)利用计算的平面转换模型,更新道路特征点云模板的坐标,重复步骤2)至步骤4)直至满足收敛条件;
当二维迭代最近邻点算法收敛时,即完成道路特征点云模板与剖分切片点云的精确配准,同时得到所需的道路特征点云模板与剖分切片点云最终的平面转换模型参数;
第六步,道路特征的量测与提取
首先,利用所得到的最终的平面转换模型,利用公式(7)计算道路特征点云模板中每个点在第五步中完成精确配准剖分切片对应的剖分切片坐标系中的坐标(xsec,ysec),利用公式(6)计算点(xsec,ysec)在物方坐标系中的真实三维空间坐标;
然后,根据道路特征自身的几何特性,对获取的道路特征点云进行最小二乘计算和拟合,提取所需的特征线或特征面等,最终完成道路特征的量测与提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310610429.8A CN103605135B (zh) | 2013-11-26 | 2013-11-26 | 一种基于断面剖分的道路特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310610429.8A CN103605135B (zh) | 2013-11-26 | 2013-11-26 | 一种基于断面剖分的道路特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103605135A true CN103605135A (zh) | 2014-02-26 |
CN103605135B CN103605135B (zh) | 2015-09-16 |
Family
ID=50123375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310610429.8A Active CN103605135B (zh) | 2013-11-26 | 2013-11-26 | 一种基于断面剖分的道路特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605135B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050473A (zh) * | 2014-05-20 | 2014-09-17 | 中国人民解放军理工大学 | 一种基于矩形邻域分析的道路数据提取方法 |
CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN106157219A (zh) * | 2016-06-30 | 2016-11-23 | 北京工业大学 | 基于车载扫描系统的道路中心线提取方法和装置 |
CN107092021A (zh) * | 2017-04-05 | 2017-08-25 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
CN107741222A (zh) * | 2017-10-26 | 2018-02-27 | 中国测绘科学研究院 | 一种无序点云的规则化方法及系统 |
CN107798724A (zh) * | 2016-09-02 | 2018-03-13 | 德尔福技术有限公司 | 自动化车辆3d道路模型和车道标记定义系统 |
CN108120389A (zh) * | 2017-11-30 | 2018-06-05 | 长江空间信息技术工程有限公司(武汉) | 基于三维激光点云的封闭曲面变形检测方法 |
CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
CN110068834A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种路沿检测方法和装置 |
CN110780307A (zh) * | 2019-05-29 | 2020-02-11 | 武汉星源云意科技有限公司 | 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法 |
CN111695379A (zh) * | 2019-03-13 | 2020-09-22 | 长沙智能驾驶研究院有限公司 | 基于立体视觉的地面分割方法、装置、车载设备及存储介质 |
CN112965077A (zh) * | 2021-02-09 | 2021-06-15 | 上海同陆云交通科技有限公司 | 一种基于车载激光雷达的道路巡检系统与方法 |
CN114742765A (zh) * | 2022-03-11 | 2022-07-12 | 中铁第一勘察设计院集团有限公司 | 一种基于激光点云测量的隧道断面特征点精确提取方法 |
CN116659460A (zh) * | 2023-05-06 | 2023-08-29 | 中交第二公路勘察设计研究院有限公司 | 一种公路横断面激光点云切片快速生成方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2120009A1 (en) * | 2007-02-16 | 2009-11-18 | Mitsubishi Electric Corporation | Road/feature measuring device, feature identifying device, road/feature measuring method, road/feature measuring program, measuring device, measuring method, measuring program, measured position data, measuring terminal, measuring server device, drawing device, drawing method, drawing program, and drawing data |
CN101825444A (zh) * | 2010-04-09 | 2010-09-08 | 上海辉格科技发展有限公司 | 基于面结构光的车载路谱测试系统 |
CN102445186A (zh) * | 2011-09-28 | 2012-05-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达扫描生成公路设计地表信息方法 |
-
2013
- 2013-11-26 CN CN201310610429.8A patent/CN103605135B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2120009A1 (en) * | 2007-02-16 | 2009-11-18 | Mitsubishi Electric Corporation | Road/feature measuring device, feature identifying device, road/feature measuring method, road/feature measuring program, measuring device, measuring method, measuring program, measured position data, measuring terminal, measuring server device, drawing device, drawing method, drawing program, and drawing data |
CN101825444A (zh) * | 2010-04-09 | 2010-09-08 | 上海辉格科技发展有限公司 | 基于面结构光的车载路谱测试系统 |
CN102445186A (zh) * | 2011-09-28 | 2012-05-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达扫描生成公路设计地表信息方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050473A (zh) * | 2014-05-20 | 2014-09-17 | 中国人民解放军理工大学 | 一种基于矩形邻域分析的道路数据提取方法 |
CN104050473B (zh) * | 2014-05-20 | 2019-07-19 | 中国人民解放军理工大学 | 一种基于矩形邻域分析的道路数据提取方法 |
CN104766058B (zh) * | 2015-03-31 | 2018-04-27 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN106157219A (zh) * | 2016-06-30 | 2016-11-23 | 北京工业大学 | 基于车载扫描系统的道路中心线提取方法和装置 |
CN107798724A (zh) * | 2016-09-02 | 2018-03-13 | 德尔福技术有限公司 | 自动化车辆3d道路模型和车道标记定义系统 |
CN108267747B (zh) * | 2017-01-03 | 2021-10-22 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
CN108345822A (zh) * | 2017-01-22 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法及装置 |
CN107092021B (zh) * | 2017-04-05 | 2020-04-21 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
CN107092021A (zh) * | 2017-04-05 | 2017-08-25 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
CN107741222A (zh) * | 2017-10-26 | 2018-02-27 | 中国测绘科学研究院 | 一种无序点云的规则化方法及系统 |
CN107741222B (zh) * | 2017-10-26 | 2019-12-17 | 中国测绘科学研究院 | 一种无序点云的规则化方法及系统 |
CN108120389A (zh) * | 2017-11-30 | 2018-06-05 | 长江空间信息技术工程有限公司(武汉) | 基于三维激光点云的封闭曲面变形检测方法 |
CN110068834B (zh) * | 2018-01-24 | 2023-04-07 | 北京京东尚科信息技术有限公司 | 一种路沿检测方法和装置 |
CN110068834A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种路沿检测方法和装置 |
CN111695379A (zh) * | 2019-03-13 | 2020-09-22 | 长沙智能驾驶研究院有限公司 | 基于立体视觉的地面分割方法、装置、车载设备及存储介质 |
CN111695379B (zh) * | 2019-03-13 | 2023-09-26 | 长沙智能驾驶研究院有限公司 | 基于立体视觉的地面分割方法、装置、车载设备及存储介质 |
CN110780307B (zh) * | 2019-05-29 | 2023-03-31 | 武汉星源云意科技有限公司 | 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法 |
CN110780307A (zh) * | 2019-05-29 | 2020-02-11 | 武汉星源云意科技有限公司 | 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法 |
CN112965077A (zh) * | 2021-02-09 | 2021-06-15 | 上海同陆云交通科技有限公司 | 一种基于车载激光雷达的道路巡检系统与方法 |
CN112965077B (zh) * | 2021-02-09 | 2022-02-11 | 上海同陆云交通科技有限公司 | 一种基于车载激光雷达的道路巡检系统与方法 |
CN114742765A (zh) * | 2022-03-11 | 2022-07-12 | 中铁第一勘察设计院集团有限公司 | 一种基于激光点云测量的隧道断面特征点精确提取方法 |
CN116659460A (zh) * | 2023-05-06 | 2023-08-29 | 中交第二公路勘察设计研究院有限公司 | 一种公路横断面激光点云切片快速生成方法 |
CN116659460B (zh) * | 2023-05-06 | 2024-03-26 | 中交第二公路勘察设计研究院有限公司 | 一种公路横断面激光点云切片快速生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103605135B (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103605135B (zh) | 一种基于断面剖分的道路特征提取方法 | |
CN103711050B (zh) | 一种激光雷达道路改扩建勘测设计方法 | |
CN110780307B (zh) | 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
CN103759677B (zh) | 基于三角面积比法度量岩体结构面三维粗糙度的方法 | |
CN103217688B (zh) | 一种基于不规则三角网机载激光雷达点云平差计算方法 | |
CN106093963A (zh) | 一种提高铁路车载激光雷达扫描数据精度的方法 | |
CN108844522A (zh) | 一种基于三维激光扫描的盾构隧道断面中心提取方法 | |
CN105627938A (zh) | 一种基于车载激光扫描点云的路面沥青厚度检测方法 | |
CN105469388A (zh) | 基于降维的建筑物点云配准算法 | |
CN103940356A (zh) | 一种基于三维激光扫描技术的建筑物整体变形监测方法 | |
CN103941264A (zh) | 一种室内未知环境下使用激光雷达定位方法 | |
CN104200212A (zh) | 一种基于机载LiDAR数据的建筑物外边界线提取方法 | |
CN101915570B (zh) | 一种基于灭点的地面移动测量影像线段自动提取分类方法 | |
CN103020342A (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN107036561B (zh) | 基于中智数函数的结构面粗糙度各向异性的近似表达方法 | |
CN112818776B (zh) | 一种基于机载LiDAR点云的铁路既有线横断面测量方法 | |
CN105180811A (zh) | 基于同名特征地物的移动测量系统激光扫描仪标定方法 | |
CN108120394A (zh) | 柔性化的高速列车车头曲面质量检测方法 | |
CN103486984A (zh) | 一种风洞内型面同轴度的检测方法 | |
CN103884291A (zh) | 基于nurbs参数曲面的建筑物表面柔性变形监测方法 | |
CN106482674A (zh) | 基于中智数函数的结构面粗糙度尺寸效应的近似表达方法 | |
CN114859374A (zh) | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 | |
CN110306414B (zh) | 一种路面构造深度检测方法 | |
CN113742437B (zh) | 地图更新方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170510 Address after: 430056 science and technology complex of 1C1 block, Wuhan Economic Development Zone, Hubei Patentee after: China planning research and Design Institute of Sino rural urban and Rural Construction Co., Ltd. Address before: 430056 No. 18, pioneering Road, Wuhan economic and Technological Development Zone, Hubei, China Patentee before: China Communications Second Highway Survey Design and Research Institute Co., Lt |