CN107657621A - 基于线性区域生长的二维激光点云序列实时分割方法 - Google Patents
基于线性区域生长的二维激光点云序列实时分割方法 Download PDFInfo
- Publication number
- CN107657621A CN107657621A CN201710984435.8A CN201710984435A CN107657621A CN 107657621 A CN107657621 A CN 107657621A CN 201710984435 A CN201710984435 A CN 201710984435A CN 107657621 A CN107657621 A CN 107657621A
- Authority
- CN
- China
- Prior art keywords
- region
- dimensional laser
- line segment
- frame
- point cloud
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于线性区域生长的二维激光点云序列实时分割方法,它包括以下步骤:使用二维激光雷达获取一帧点云数据并更新FIFO缓冲区;然后进行帧内线段检测,对区域链表进行基于线段的区域生长;最后遍历区域链表,删除生长结束的区域。本发明的方法能有效提高点云分割效率,提取连通区域,可应用于车载二维激光扫描信息实时提取技术领域。
Description
技术领域
本发明涉及一种激光点云分割方法,尤其是一种基于线性区域生长的二维激光点云序列实时分割方法。
背景技术
车载激光扫描系统能够在高速移动状态下获取道路以及道路两侧建筑物、树木等地物表面的精确三维信息,已成为空间数据快速获取的一种重要手段,被广泛应用于数字城市、基础测绘、城市规划、交通、环保等领域。
点云分割将属性相同或相近、且空间近邻的点划分为一类,是利用车载激光扫描系统对物体进行信息提取和三维重建的基础。已有算法可分为两类:
(1)直接法。许多人造物都可用规划几何形体(如平面、柱体和球体)描述,因此可利用Hough变换直接从点云数据中提取被扫描物体的几何参数,在分割的同时完成几何形体的识别。
(2)间接法。通过计算空间近邻度和几何导出值(如局部表面法向量、曲率),利用渐近算法(如聚类、区域生长)进行点云分割。
已有点云分割算法需多次扫描点云数据,计算代价大,不满足实时处理需求。如何利用二维激光点云序列的线性生长特性,实现点云数据的实时分割是一个研究难点。
发明内容
本发明的目的是提供一种基于线性区域生长的二维激光点云序列实时分割方法,满足车载二维激光扫描信息实时提取的需求。
本发明的技术方案是:
一种基于线性区域生长的二维激光点云序列实时分割方法,包括以下步骤:
步骤一:使用二维激光雷达获取一帧点云数据;
步骤二:更新FIFO缓冲区,将一帧点云数据信息写入FIFO缓冲区;
步骤三:帧内线段检测,判断一帧点云数据内每个扫描点与其上一扫描点的y轴坐标差是否在阈值T内;若坐标差在阈值T内,则判定该扫描点与其上一扫描点连续,继续下一个扫描点的判断,直到坐标差超出阈值T的范围,判定线段检测结束;
步骤四:对区域链表进行基于线段的区域生长;
步骤五:遍历区域链表,删除生长结束的区域。
进一步地,所述的步骤一具体为:使用二维激光雷达获取一帧点云数据极坐标然后将一帧点云数据极坐标变换到直角坐标系yz下,变换公式为:
yi=-ρi cosθi
zi=ρisinθi,
其中,N为当前扫描采集的数据点数,ρi、θi分别为二维激光雷达第i个扫描点的测量距离和扫描角度,x轴为车辆行驶方向,y轴为深度方向,z轴垂直地面向上,yi、zi为第i个扫描点在直角坐标系上y、z轴的坐标,yi表示二维激光雷达第i个扫描点在深度方向的测量距离,zi表示二维激光雷达第i个扫描点在高度方向的测量距离。
进一步地,步骤二中所述的一帧点云数据信息包括
点云y坐标、z坐标、区域标记FIFO缓冲区数据;FIFO缓冲区更新公式为:
FIFO(j)=FIFO(j+1),j=1,2,…,s-1
FIFO(s)=D
其中,j为FIFO缓冲区中第j帧数据,s为FIFO长度,D为最新帧数据。
进一步地,步骤三所述的阈值T的范围为0.005m~0.04m,帧内线段越光滑,阈值T取值越小。
进一步地,所述的步骤四具体为:
遍历区域链表,判断线段是否与区域结点连通,其中,判断准则即区域生长准则为:
其中,Ω表示线段与区域相邻点集;k表示为Ω中的点序号;表示第k个线段扫描点在深度方向的测量距离;表示第k个区域末帧扫描点在深度方向的测量距离;CONNECT_T表示目标连通程度;
若线段与区域结点连通,合并线段与区域,并设置区域连通属性为TRUE;
若线段与多个区域结点均连通,合并线段与前述多个区域,并且保存到第一个连通的区域结点,并删除其余区域结点;
若线段与所有区域结点均无连通区域,新建区域结点,保存当前线段,设置区域连通属性为TRUE,插入区域链表尾端。
进一步地,所述的步骤五具体为:
遍历区域链表,若区域结点连通属性为TRUE,将其改为FALSE;若区域结点连通属性为FALSE,代表区域结束,在FIFO缓冲区中标记该区域,并将其从链表中删除。
进一步地,所述的目标连通程度CONNECT_T的范围为1到10。
进一步地,所述的步骤四中线段及区域用掩膜mask标识。
本发明的有益效果:
本发明利用点云的深度属性,进行以线段为单位的线性区域生长,利用链表这一数据结构实现种子点添加、区域生长及终止,充分利用二维激光点云序列的线性生长特性,提出线性区域生长算法实现点云实时分割;采用链表存储区域掩膜,动态分配数据空间,便于区域快速添加与删除。能有效提高点云分割效率,提取连通区域,可应用于车载二维激光扫描信息实时提取技术领域。
附图说明
图1是本发明的二维激光点云坐标系示意图。
图2是本发明的线段与区域掩膜示意图。
图3是本发明的线段与多个区域连通时区域合并操作示意图。
图4是本发明流程图。
图5是被扫描场景。
图6是感兴趣区域内被扫描场景的二维激光点云序列(投影到xz平面)。
图7是感兴趣区域内被扫描场景的二维激光点云序列帧内分布(横坐标为x轴,纵坐标为点云序号)。
图8是点云分割结果(横坐标为x轴,纵坐标为点云序号)。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1-4所示,一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于包括以下步骤:
步骤一:使用二维激光雷达获取一帧点云数据极坐标然后将一帧点云数据极坐标变换到直角坐标系yz下,变换公式为:
yi=-ρi cosθi
zi=ρisinθi,
其中,N为当前扫描采集的数据点数,ρi、θi分别为二维激光雷达第i个扫描点的测量距离和扫描角度,x轴为车辆行驶方向,y轴为深度方向,z轴垂直地面向上,yi、zi为第i个扫描点在直角坐标系上y、z轴的坐标,yi表示二维激光雷达第i个扫描点在深度方向的测量距离,zi表示二维激光雷达第i个扫描点在高度方向的测量距离。
步骤二:更新FIFO缓冲区,将一帧点云数据信息写入FIFO缓冲区;一帧点云数据信息包括点云y坐标、z坐标、区域标记FIFO缓冲区数据;FIFO缓冲区更新公式为:
FIFO(j)=FIFO(j+1),j=1,2,…,s-1
FIFO(s)=D
其中,j为FIFO缓冲区中第j帧数据,s为FIFO长度,D为最新帧数据。
步骤三:帧内线段检测,判断一帧点云数据内每个扫描点与其上一扫描点的y轴坐标差是否在阈值T内;若坐标差在阈值T内,则判定该扫描点与其上一扫描点连续,继续下一个扫描点的判断,直到坐标差超出阈值T的范围,判定线段检测结束;阈值T的范围为0.005m~0.04m,帧内线段越光滑,阈值T取值越小。
步骤四:对区域链表进行基于线段的区域生长;即遍历区域链表,判断线段是否与区域结点连通,其中,判断准则即区域生长准则为:
其中,Ω表示线段与区域相邻点集;k表示为Ω中的点序号;表示第k个线段扫描点在深度方向的测量距离;表示第k个区域末帧扫描点在深度方向的测量距离;CONNECT_T表示目标连通程度,范围为1到10;
若线段与区域结点连通,合并线段与区域,并设置区域连通属性为TRUE;
若线段与多个区域结点均连通,合并线段与前述多个区域,并且保存到第一个连通的区域结点,并删除其余区域结点;
若线段与所有区域结点均无连通区域,新建区域结点,保存当前线段,设置区域连通属性为TRUE,插入区域链表尾端。
步骤五:遍历区域链表,若区域结点连通属性为TRUE,将其改为FALSE;若区域结点连通属性为FALSE,代表区域结束,在FIFO缓冲区中标记该区域,并将其从链表中删除。
所述的步骤四中线段及区域用掩膜(mask)标识;判断线段与区域连通性时,用与操作获取线段与区域末帧相关部分,不同区域合并用或操作实现。
图3中,线段与区域A、B均连通,合并后删除B保留A。
具体实施时:
采用日本Hokuyo公司生产的二维激光扫描仪UTM-30LX,扫描范围270°,角度分辨率0.25°,扫描周期为25ms,车辆移动速度为1m/s。
被扫描场景如图5所示,包含6棵银杏树,采用车载二维激光雷达获取到的感兴趣区域内的激光点云在xz平面内的投影如图6所示,图7是x为横坐标,点云帧内序号为纵坐标的点云投影图,令T=0.02m,CONNECT_T=2,缓冲区大小s为50,仅对点数大于5的线段进行区域生长,点云分割结果如图8所示(已滤除总点数小于400的区域),提取的连通区域包括6株树干及地面区域。
实验程序采用Matlab R2014b开发,计算机配置如下:i5-4590处理器,主频3.30GHz,内存8GB,每帧平均处理时间为12.04ms,满足点云实时分割需求。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (8)
1.一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于包括以下步骤:
步骤一:使用二维激光雷达获取一帧点云数据;
步骤二:更新FIFO缓冲区,将一帧点云数据信息写入FIFO缓冲区;
步骤三:帧内线段检测,判断一帧点云数据内每个扫描点与其上一扫描点的y轴坐标差是否在阈值T内;若坐标差在阈值T内,则判定该扫描点与其上一扫描点连续,继续下一个扫描点的判断,直到坐标差超出阈值T的范围,判定线段检测结束;
步骤四:对区域链表进行基于线段的区域生长;
步骤五:遍历区域链表,删除生长结束的区域。
2.根据权利要求1所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于所述的步骤一具体为:使用二维激光雷达获取一帧点云数据极坐标然后将一帧点云数据极坐标变换到直角坐标系yz下,变换公式为:
yi=-ρicosθi
zi=ρisinθi,
其中,N为当前扫描采集的数据点数,ρi、θi分别为二维激光雷达第i个扫描点的测量距离和扫描角度,x轴为车辆行驶方向,y轴为深度方向,z轴垂直地面向上,yi、zi为第i个扫描点在直角坐标系上y、z轴的坐标,yi表示二维激光雷达第i个扫描点在深度方向的测量距离,zi表示二维激光雷达第i个扫描点在高度方向的测量距离。
3.根据权利要求1所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于步骤二中所述的一帧点云数据信息包括点云y坐标、z坐标、区域标记FIFO缓冲区数据;FIFO缓冲区更新公式为:
FIFO(j)=FIFO(j+1),j=1,2,…,s-1
FIFO(s)=D
其中,j为FIFO缓冲区中第j帧数据,s为FIFO长度,D为最新帧数据。
4.根据权利要求1所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于步骤三所述的阈值T的范围为0.005m~0.04m,帧内线段越光滑,阈值T取值越小。
5.根据权利要求1所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于所述的步骤四具体为:
遍历区域链表,判断线段是否与区域结点连通,其中,判断准则即区域生长准则为:
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>&Element;</mo>
<mi>&Omega;</mi>
</mrow>
</munder>
<msub>
<mn>1</mn>
<mrow>
<mo>&lsqb;</mo>
<mo>|</mo>
<msubsup>
<mi>y</mi>
<mi>k</mi>
<mi>L</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>k</mi>
<mi>R</mi>
</msubsup>
<mo>|</mo>
<mo>&le;</mo>
<mi>T</mi>
<mo>&rsqb;</mo>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mi>C</mi>
<mi>O</mi>
<mi>N</mi>
<mi>N</mi>
<mi>E</mi>
<mi>C</mi>
<mi>T</mi>
<mo>_</mo>
<mi>T</mi>
</mrow>
其中,Ω表示线段与区域相邻点集;k表示为Ω中的点序号;表示第k个线段扫描点在深度方向的测量距离;表示第k个区域末帧扫描点在深度方向的测量距离;CONNECT_T表示目标连通程度;
若线段与区域结点连通,合并线段与区域,并设置区域连通属性为TRUE;
若线段与多个区域结点均连通,合并线段与前述多个区域,并且保存到第一个连通的区域结点,并删除其余区域结点;
若线段与所有区域结点均无连通区域,新建区域结点,保存当前线段,设置区域连通属性为TRUE,插入区域链表尾端。
6.根据权利要求1所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于所述的步骤五具体为:
遍历区域链表,若区域结点连通属性为TRUE,将其改为FALSE;若区域结点连通属性为FALSE,代表区域结束,在FIFO缓冲区中标记该区域,并将其从链表中删除。
7.根据权利要求5所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于所述的目标连通程度CONNECT_T的范围为1到10。
8.根据权利要求5所述的一种基于线性区域生长的二维激光点云序列实时分割方法,其特征在于所述的步骤四中线段及区域用掩膜mask标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710984435.8A CN107657621B (zh) | 2017-10-20 | 2017-10-20 | 基于线性区域生长的二维激光点云序列实时分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710984435.8A CN107657621B (zh) | 2017-10-20 | 2017-10-20 | 基于线性区域生长的二维激光点云序列实时分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107657621A true CN107657621A (zh) | 2018-02-02 |
CN107657621B CN107657621B (zh) | 2021-04-13 |
Family
ID=61117867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710984435.8A Active CN107657621B (zh) | 2017-10-20 | 2017-10-20 | 基于线性区域生长的二维激光点云序列实时分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657621B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109870118A (zh) * | 2018-11-07 | 2019-06-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
CN111724322A (zh) * | 2020-06-19 | 2020-09-29 | 杭州海康机器人技术有限公司 | 去除激光条纹图像噪点的方法和系统 |
CN113313745A (zh) * | 2020-08-05 | 2021-08-27 | 湖南长天自控工程有限公司 | 一种用于原料场的料堆识别系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839701A (zh) * | 2010-05-27 | 2010-09-22 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
US8004517B1 (en) * | 2005-06-24 | 2011-08-23 | Geomagic, Inc. | Methods, apparatus and computer program products that model three-dimensional surface structures |
CN104143194A (zh) * | 2014-08-20 | 2014-11-12 | 清华大学 | 一种点云分割方法及装置 |
CN104463877A (zh) * | 2014-12-12 | 2015-03-25 | 武汉理工大学 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
CN105046710A (zh) * | 2015-07-23 | 2015-11-11 | 北京林业大学 | 基于深度图分割与代理几何体的虚实碰撞交互方法及装置 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
CN107240141A (zh) * | 2017-05-19 | 2017-10-10 | 华南理工大学 | 一种基于图像处理的纸张纤维素纤维二维结构重建方法 |
-
2017
- 2017-10-20 CN CN201710984435.8A patent/CN107657621B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8004517B1 (en) * | 2005-06-24 | 2011-08-23 | Geomagic, Inc. | Methods, apparatus and computer program products that model three-dimensional surface structures |
CN101839701A (zh) * | 2010-05-27 | 2010-09-22 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN104143194A (zh) * | 2014-08-20 | 2014-11-12 | 清华大学 | 一种点云分割方法及装置 |
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN104463877A (zh) * | 2014-12-12 | 2015-03-25 | 武汉理工大学 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
CN105046710A (zh) * | 2015-07-23 | 2015-11-11 | 北京林业大学 | 基于深度图分割与代理几何体的虚实碰撞交互方法及装置 |
CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
CN107240141A (zh) * | 2017-05-19 | 2017-10-10 | 华南理工大学 | 一种基于图像处理的纸张纤维素纤维二维结构重建方法 |
Non-Patent Citations (4)
Title |
---|
GUOWEI YUE ET AL: "A Method for Extracting Street Trees from Mobile LiDAR Point Clouds", 《THE OPEN CYBERNETICS & SYSTEMICS JOURNAL》 * |
李秋洁等: "基于车载二维激光扫描的树冠体积在线测量", 《农业机械学报》 * |
浮丹丹等: "基于逐线条区域生长的点云平面提取", 《科学技术与工程》 * |
田睿等: "利用动态链接表的二值图像目标区域分割", 《红外与激光工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109870118A (zh) * | 2018-11-07 | 2019-06-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
CN109870118B (zh) * | 2018-11-07 | 2020-09-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
CN111724322A (zh) * | 2020-06-19 | 2020-09-29 | 杭州海康机器人技术有限公司 | 去除激光条纹图像噪点的方法和系统 |
CN111724322B (zh) * | 2020-06-19 | 2023-08-22 | 杭州海康机器人股份有限公司 | 去除激光条纹图像噪点的方法和系统 |
CN113313745A (zh) * | 2020-08-05 | 2021-08-27 | 湖南长天自控工程有限公司 | 一种用于原料场的料堆识别系统及方法 |
CN113313745B (zh) * | 2020-08-05 | 2022-08-26 | 湖南长天自控工程有限公司 | 一种用于原料场的料堆识别系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107657621B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292276B (zh) | 一种车载点云聚类方法及系统 | |
CN105184852B (zh) | 一种基于激光点云的城市道路识别方法及装置 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
CN111079611B (zh) | 一种道路面及其标志线的自动提取方法 | |
US7046841B1 (en) | Method and system for direct classification from three dimensional digital imaging | |
CN106022381B (zh) | 基于车载激光扫描点云的路灯杆自动提取方法 | |
CN107657621A (zh) | 基于线性区域生长的二维激光点云序列实时分割方法 | |
CN109270544A (zh) | 基于杆状物识别的移动机器人自定位系统 | |
CN103778429B (zh) | 一种车载激光扫描点云中道路信息自动提取方法 | |
CN108171131B (zh) | 基于改进MeanShift的Lidar点云数据道路标识线提取方法 | |
CN110349260B (zh) | 一种路面标线自动提取方法及装置 | |
CN107767389A (zh) | 一种基于机载激光点云数据的输电线自动提取方法 | |
CN106225791A (zh) | 一种基于网格划分的gps定位与道路匹配方法 | |
CN103279989A (zh) | 一种三维激光成像系统平面点云数据三角化处理方法 | |
CN106500594B (zh) | 融合反射强度和几何特征的铁路轨道半自动检测方法 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN114119863A (zh) | 一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法 | |
CN110532963B (zh) | 一种车载激光雷达点云驱动的道路标线精准提取方法 | |
CN108831146A (zh) | 生成三维高清道路图交叉路口行车线的半自动点云方法 | |
CN106778749A (zh) | 基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法 | |
CN112561944A (zh) | 一种基于车载激光点云的车道线提取方法 | |
CN110046661A (zh) | 一种基于上下文特征和图割算法的车载点云聚类方法 | |
CN105069395A (zh) | 基于地面三维激光扫描技术的道路标线自动识别方法 | |
CN111858810A (zh) | 一种面向道路dem构建的建模高程点筛选方法 | |
CN115049925A (zh) | 田块田坎提取方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |