CN107657636A - 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 - Google Patents
一种基于车载激光雷达数据自动提取道路地形图高程点的方法 Download PDFInfo
- Publication number
- CN107657636A CN107657636A CN201710963341.2A CN201710963341A CN107657636A CN 107657636 A CN107657636 A CN 107657636A CN 201710963341 A CN201710963341 A CN 201710963341A CN 107657636 A CN107657636 A CN 107657636A
- Authority
- CN
- China
- Prior art keywords
- point
- elevational
- vertical line
- road
- elevational 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
Classifications
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于车载激光雷达数据自动提取道路地形图高程点的方法，包括如下步骤：车载激光雷达(LiDAR)点云数据获取，用商业化软件分类地表点和非地表点。根据车载扫描的轨迹线提取道路中心线，再确定要提取的高程点点位，从而获得地形图所需要的高程点三维坐标。与现有技术相比，本发明所提供的方法有如下优点：发明并使用了适合于车载激光点云的地形图高程点位自动获取和高程值自动获取的方法；能够根据车载激光点云数据提取道路区域地形图所需要的高程点。
Description
技术领域
本发明涉及一种基于车载激光雷达数据自动提取道路地形图高程点的方法，本发明所属技术领域为资源环境遥感或测绘科学技术领域，尤其适用于大比例尺地形图数据自动化获取。
背景技术
在大比例尺地形图测绘中，人工使用仪器获得高程点的数据技术上相当成熟。一种是使用全站仪或RTK打点，另一种是用数字摄影测量工作站使用立体测图的方式获得。前者人工方式效率低，但精度高；后者效率较高，但不容易达到大比例尺地形图规范规定的精度要求。所以研究出一种自动获得地形图高程点的方法势在必行，以提高成图的精度和提高效率。随着近年来激光雷达(LiDAR)技术的蓬勃发展，使国内外学者基于LiDAR点云进行城市三维信息提取研究成为可能。其中，基于车载LiDAR点云进行地形图高程点自动获取，可以提高地图的生产效率和数学精度。
车载激光雷达(LiDAR)是整合全球卫星定位系统(GNSS)和惯性测量装置(IMU)技术的激光扫描，激光扫描仪架设在汽车上，可以获得道路以及道路量测物体的三维坐标和其他有关信息。LiDAR传感器发射的激光脉冲能部分穿透树冠遮挡，受可见光线影响很小，直接获取高精度三维点云数据。三维点云数据经过后处理，可以生成高精度的数字高程模型(DEM)、等高线图(CM)和数字地表模型(DSM)等测绘产品，具有传统摄影测量和地面常规测量技术无法替代的优越性。
发明内容
为了克服上述现有技术中的不足，本发明提出一种在测绘时采用全自动方式，不要任何的人为干预，能够高效自动提取城市道路地形图高程点，提高大比例尺地形图生产效率的基于车载激光雷达数据自动提取道路地形图高程点的方法。
本发明的目的是这样实现的：
一种基于车载激光雷达数据自动提取道路地形图高程点的方法，包括如下步骤：
第一步，数据获取：包括车载激光雷达点云数据获取和正射影像收集；利用激光扫描车，在道路上进行激光扫描数据采集；采集时间应选择在夜里道路上车辆较少的时间段，这样可以获得优质道路激光点云数据；正射影像可以收集近期的航空正射影像，影像地面分辨率宜优于10cm；
第二步，道路中心线提取：根据车行轨迹线提取道路中心线；若只有一条轨迹线，直接用轨迹线代替道路中心线；若存在上下行或多条轨迹线，需要求取各条轨迹线的中线，作为道路中心线；
第三步，激光点云分类：激光点云分类，市场上已经有许多商业化的软件可以做到，这里直接用商业化软件完成，分类出地表点；
第四步，地形图高程点位获取：根据地形图比例尺的不同，高程点间距要求不同；根据道路走向、宽度和道路中心线，自动获取合理的高程点点位，也就是获得了高程点的平面位置。第四步包括如下子步骤：
(1)制作道路中心线的水平垂线。从道路中心线的起点开始第一条水平垂线，编号为1，并以此类推；设置垂线之间距离阈值(1:500比例尺间距设置为5m)；获得道路中心线与水平垂线的交点(记为：C1,C2,……,Cn)平面坐标；
(2)求出激光扫描道路边界点平面位置：设置垂线两侧缓冲区阈值(阈值根据激光点密度设定，设定为点距平均值的5倍)，搜索缓冲区内的所有激光点，求道路中心线左右两侧点与垂线交点的最大距离值点，即为道路两侧的激光扫描边界点，左侧点记为：L1,L2,……,Ln；右侧点记为：R1,R2,……,Rn；
(3)对于奇数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值沿垂线向垂线的两端确定点位坐标；间隔阈值与垂线间隔大小相同，根据成图比例尺确定；
(4)对于偶数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值的一半沿垂线向垂线的两端确定第一个点位坐标；其后第一与第二个点，第二与第三个点的间距等于间隔阈值，其后类推。间隔阈值与垂线间隔大小相同，是根据成图比例尺确定；
(5)遍历所有垂线段，获得所有的高程点位平面坐标：遍历截止条件：点位超出道路边界点，并且完成最大编号的垂线；
第五步，地形图高程点提取：按步长阈值搜索激光点中的地面点，对搜索到的激光点进行排序，个数较多(大于5个)的点取平均，个数较少(1到4个点)的点取近值，搜索不到的赋值-9999；
第五步地形图高程点提取，包括如下子步骤：(1)根据高程点位的平面坐标，以一定的半径搜索激光点的地面点；搜索半径阈值的初始值设为0.5m；
(2)搜索到的激光点按到高程点位的距离值从小到大的顺序排序后保存；若搜素到的点小于5个，则按一定的步长(例如：0.1m)扩大搜索半径，继续搜索，直到搜索到5个以上点或搜索半径大于1m为止；对于没有搜索到点的高程点位，直接高程值赋值为“-9999”；
(3)对于搜索到激光点的高程点位，取前5个激光点；若不足5点，则取所有搜索到的激光点。求取高程点位高程，按下列规则：①若搜索到点个数大于等于5个，用公式：H高程点＝(H1+H2+H3+H4+H5)/5计算高程点的高程值(H高程点)；②若搜索到点数在4到1之间，直接赋距离最近激光点的高程值给高程点，并用激光点平面坐标值替换高程点位平面坐标值；
(4)遍历所有高程点位的高程值，记录所有高程值为-9999的高程点，输出报告，为下一步(第六步)工作的输入之一；
第六步，高程点正确性验证：首先制作规则，程序自动检查高程点的正确性。主要检查值域范围应该在最大值和最小值之间，相邻点高差值在一定的范围内，例如0.3m。
第七步，高程点成果输出：高程点成果输出为地形图成图软件要求的格式。
积极有益效果：与现有技术相比，本发明所提供的方法有如下优点：发明并使用了适合于车载激光点云的地形图高程点位自动获取和高程值自动获取的方法；能够根据车载激光点云数据提取道路区域地形图所需要的高程点。
附图说明
图1为本发明一种基于车载激光雷达数据自动提取道路地形图高程点的方法的流程图；
图2为本发明激光点数据示意图，左侧图为高度渲染的激光点图，右侧为与激光点位置对应的正射影像图；
图3为本发明道路中心线与水平垂线示意图，C1,C2,C3,C4为道路中心线与水平垂线之间的交点；
图4为本发明高程点位示意图。背景为彩色点云，L30～L33为道路左边界点，R30～R33为道路右边界点；水平垂线上的圆圈为获得的高程点位。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种基于车载激光雷达数据自动提取道路地形图高程点的方法，包括如下步骤：
第一步，数据获取：包括车载激光雷达点云数据获取和正射影像收集；利用激光扫描车，在道路上进行激光扫描数据采集；采集时间应选择在夜里道路上车辆较少的时间段，这样可以获得优质道路激光点云数据；正射影像可以收集近期的航空正射影像，影像地面分辨率宜优于10cm；
第二步，道路中心线提取：根据车行轨迹线提取道路中心线；若只有一条轨迹线，直接用轨迹线代替道路中心线；若存在上下行或多条轨迹线，需要求取各条轨迹线的中线，作为道路中心线；
第三步，激光点云分类：激光点云分类，市场上已经有许多商业化的软件可以做到，这里直接用商业化软件完成，分类出地表点；
第四步，地形图高程点位获取：根据地形图比例尺的不同，高程点间距要求不同；根据道路走向、宽度和道路中心线，自动获取合理的高程点点位，也就是获得了高程点的平面位置。第四步包括如下子步骤：
(1)制作道路中心线的水平垂线。从道路中心线的起点开始第一条水平垂线，编号为1，并以此类推；设置垂线之间距离阈值(1:500比例尺间距设置为5m)；获得道路中心线与水平垂线的交点(记为：C1,C2,……,Cn)平面坐标；
(2)求出激光扫描道路边界点平面位置：设置垂线两侧缓冲区阈值(阈值根据激光点密度设定，设定为点距平均值的5倍)，搜索缓冲区内的所有激光点，求道路中心线左右两侧点与垂线交点的最大距离值点，即为道路两侧的激光扫描边界点，左侧点记为：L1,L2,……,Ln；右侧点记为：R1,R2,……,Rn；
(3)对于奇数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值沿垂线向垂线的两端确定点位坐标；间隔阈值与垂线间隔大小相同，根据成图比例尺确定；
(4)对于偶数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值的一半沿垂线向垂线的两端确定第一个点位坐标；其后第一与第二个点，第二与第三个点的间距等于间隔阈值，其后类推。间隔阈值与垂线间隔大小相同，是根据成图比例尺确定；
(5)遍历所有垂线段，获得所有的高程点位平面坐标：遍历截止条件：点位超出道路边界点，并且完成最大编号的垂线；
第五步，地形图高程点提取：按步长阈值搜索激光点中的地面点，对搜索到的激光点进行排序，个数较多(大于5个)的点取平均，个数较少(1到4个点)的点取近值，搜索不到的赋值-9999；
第五步地形图高程点提取，包括如下子步骤：(1)根据高程点位的平面坐标，以一定的半径搜索激光点的地面点；搜索半径阈值的初始值设为0.5m；
(2)搜索到的激光点按到高程点位的距离值从小到大的顺序排序后保存；若搜素到的点小于5个，则按一定的步长(例如：0.1m)扩大搜索半径，继续搜索，直到搜索到5个以上点或搜索半径大于1m为止；对于没有搜索到点的高程点位，直接高程值赋值为“-9999”；
(3)对于搜索到激光点的高程点位，取前5个激光点；若不足5点，则取所有搜索到的激光点。求取高程点位高程，按下列规则：①若搜索到点个数大于等于5个，用公式：H高程点＝(H1+H2+H3+H4+H5)/5计算高程点的高程值(H高程点)；②若搜索到点数在4到1之间，直接赋距离最近激光点的高程值给高程点，并用激光点平面坐标值替换高程点位平面坐标值；
(4)遍历所有高程点位的高程值，记录所有高程值为-9999的高程点，输出报告，为下一步(第六步)工作的输入之一；
第六步，高程点正确性验证：首先制作规则，程序自动检查高程点的正确性。主要检查值域范围应该在最大值和最小值之间，相邻点高差值在一定的范围内，例如0.3m。
第七步，高程点成果输出：高程点成果输出为地形图成图软件要求的格式，例如：文本文件、DWG格式文件。
根据图1所示的方法流程，以“南京市黄山路段1:500地形图高程点自动提取”为应用实例，对本发明进一步阐明：
第一步，数据获取。2017年2月21日，利用激光扫描车，在黄山路上进行数据采集，采集到的激光点云图见图2左。搜集到2015年1月南京市0.3m分辨率的航空正射影像，用于辅助点云检查，如图2右。
第二步，道路中心线提取。黄山路车载扫描有上下行两条轨迹线，根据车行轨迹线提取道路中心线。提取步骤：①对路段的轨迹线等分，等分距离为0.5m；②上下行道路中心线首尾等分点逐个坐标取中数，即得到道路中心线，如图3左。
第三步，激光点云分类。激光点云分类，使用TerraSolid软件直接分类出地表点和非地表点。如图3右所示。
第四步，地形图高程点位获取。本次以1:500比例尺地形图为例，根据道路走向、宽度和道路中心线，自动获取高程点平面位置。包括如下子步骤：
(1)制作道路中心线的水平垂线。从道路中心线的起点开始第一条水平垂线，编号为1，并以此类推。设置垂线之间距离阈值为5m。获得道路中心线与水平垂线的交点(记为：C1,C2,……,Cn)平面坐标。本例子中的路段共获得131条水平垂线，也获得131个焦点，坐标如下：
| 编号 | X坐标(m) | Y坐标(m) | Z坐标(m) |
| C1 | 379795.789 | 3542289.052 | 7.208 |
| C2 | 379792.813 | 3542285.003 | 6.522 |
| … | … | … | … |
| C131 | 379411.894 | 3541765.190 | 6.562 |
(2)求出激光扫描道路边界点平面位置。设置垂线两侧缓冲区阈值为25m，搜索缓冲区内的所有激光点，求道路中心线左右两侧点与垂线交点的最大距离值点，即为道路两侧的激光扫描边界点，左侧点记为：L1,L2,……,Ln；右侧点记为：R1,R2,……,Rn。
(3)对于奇数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值沿垂线向垂线的两端确定点位坐标。间隔阈值为5m。
(4)对于偶数编号的垂线，以道路中心线的交点为中心，以2.5m间隔值的沿垂线向垂线的两端确定第一个点位坐标。其后第一与第二个点，第二与第三个点的间距为5m，其后类推。
(5)遍历所有垂线段，获得所有的高程点位平面坐标。遍历截止条件：点位超出道路边界点，并且完成最大编号的垂线。
在本实施方式中，以30-33号水平线为例，获取到如图4所示小圆圈表示的高程点位置。
第五步，地形图高程点提取。按步长阈值搜索激光点中的地面点，对搜索到的激光点进行排序，个数较多(大于5个)的点取平均，个数较少(1到4个点)的点取近值，搜索不到的赋值-9999。第五步包括如下子步骤：
(1)根据高程点位的平面坐标，以0.5m的半径搜索激光点的地面点。
(2)搜索到的激光点按到高程点位的距离值从小到大的顺序排序后保存。若搜素到的点小于5个，则按0.1m步长扩大搜索半径，继续搜索，直到搜索到5个以上点或搜索半径大于1m为止。若还没有搜索到点的高程点位，直接高程值赋值为“-9999”。这里步长扩大可以循环5次，每次判断新是否找到点，找到点立即停止循环。
(3)对于搜索到激光点的高程点位，取前5个激光点。若不足5点，则取所有搜索到的激光点。求取高程点位高程，按下列规则：①若搜索到点个数大于等于5个，用公式：H高程点＝(H1+H2+H3+H4+H5)/5计算高程点的高程值(H高程点)；②若搜索到点数在4到1之间，直接赋距离最近激光点的高程值给高程点，并用激光点平面坐标值替换高程点位平面坐标值。
(4)遍历所有高程点位的高程值，记录所有高程值为-9999的高程点，输出报告，为下一步(第六步)工作的输入之一。报告记录没有找到高程值的点位的XY坐标值。
第六步，高程点正确性验证。建立规则如下：①确定高程点值域范围，在6.030m与8.280m之间。②相邻水平垂线上的高程值对比，找出高差相差大于0.3米的点。③估测没有找到高程值的点的高程值。方法为：寻找该点位前后左右的高程点，对比找的高程点的高程值，若相差小于等于0.3米，则取平均值作为该点的高程值；若相差大于0.3米，则取最小值作为该点的高程值。
第七步，高程点成果输出。文本文件输出(节选)如下：
| 点号 | X(m) | Y(m) | Z(m) |
| c1 | 379795.795 | 3542289.026 | 6.466 |
| gl11 | 379791.827 | 3542292.150 | 6.467 |
| gl12 | 379787.708 | 3542295.115 | 6.391 |
| gr11 | 379799.846 | 3542285.903 | 6.466 |
| gr12 | 379804.022 | 3542282.802 | 6.358 |
| gr13 | 379808.119 | 3542279.642 | 6.391 |
| gr14 | 379812.041 | 3542276.613 | 6.408 |
| gl21 | 379790.824 | 3542286.644 | 6.494 |
| gl22 | 379786.811 | 3542289.581 | 6.426 |
| gl23 | 379782.727 | 3542292.670 | 6.382 |
| gl24 | 379778.640 | 3542295.769 | 6.433 |
| gl25 | 379774.387 | 3542299.014 | 6.604 |
| gl26 | 379769.914 | 3542302.468 | 6.809 |
| gr21 | 379794.718 | 3542283.446 | 6.500 |
| gr22 | 379798.925 | 3542280.341 | 6.400 |
| gr23 | 379803.052 | 3542277.214 | 6.301 |
| gr24 | 379807.047 | 3542274.252 | 6.262 |
| c3 | 379789.864 | 3542280.995 | 6.476 |
| … | … | … | … |
| c131 | 379411.900 | 3541765.188 | 6.560 |
| gl1311 | 379407.986 | 3541768.353 | 6.543 |
| gl1312 | 379403.879 | 3541771.273 | 6.530 |
| gl1313 | 379399.908 | 3541774.401 | 6.537 |
| gl1314 | 379396.058 | 3541777.198 | 6.548 |
| gl1315 | 379391.794 | 3541780.674 | 6.540 |
| gr1311 | 379415.982 | 3541762.052 | 6.568 |
| gr1312 | 379420.137 | 3541758.868 | 6.535 |
| gr1313 | 379424.228 | 3541755.813 | 6.476 |
| gr1314 | 379428.358 | 3541752.769 | 6.425 |
| gr1315 | 379432.148 | 3541749.592 | 6.379 |
与现有技术相比，本发明所提供的方法有如下优点：发明并使用了适合于车载激光点云的地形图高程点位自动获取和高程值自动获取的方法；能够根据车载激光点云数据提取道路区域地形图所需要的高程点。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。
Claims (3)
1.一种基于车载激光雷达数据自动提取道路地形图高程点的方法，其特征在于，包括如下步骤：
第一步，数据获取：包括车载激光雷达点云数据获取和正射影像收集：利用激光扫描车，在道路上进行激光扫描数据采集，采集时间应选择在夜里道路上车辆较少的时间段，这样可以获得优质道路激光点云数据，正射影像可以收集近期的航空正射影像，影像地面分辨率宜优于10cm；
第二步，道路中心线提取：根据车行轨迹线提取道路中心线，若只有一条轨迹线，直接用轨迹线代替道路中心线；若存在上下行或多条轨迹线，需要求取各条轨迹线的中线，作为道路中心线；
第三步，激光点云分类：激光点云分类，市场上已经有许多商业化的软件可以做到，这里直接用商业化软件完成，分类出地表点；
第四步，地形图高程点位获取：根据地形图比例尺的不同，高程点间距要求不同，根据道路走向、宽度和道路中心线，自动获取合理的高程点点位，也就是获得了高程点的平面位置；
第五步，地形图高程点提取：按步长阈值搜索激光点中的地面点，对搜索到的激光点进行排序，个数较多（大于5个）的点取平均，个数较少（1到4个点）的点取近值，搜索不到的赋值-9999；
第六步，高程点正确性验证：首先制作规则，程序自动检查高程点的正确性；主要检查值域范围应该在最大值和最小值之间，相邻点高差值在一定的范围内；
第七步，高程点成果输出：高程点成果输出为地形图成图软件要求的格式，包括文本文件、DWG文件。
2.如权利要求1所述的一种基于车载激光雷达数据自动提取道路地形图高程点的方法，其特征在于：所述的地形图高程点位获取，包括如下子步骤：
（1）制作道路中心线的水平垂线：从道路中心线的起点开始第一条水平垂线，编号为1，并以此类推；设置垂线之间距离阈值（1:500比例尺间距设置为5m）；获得道路中心线与水平垂线的交点（记为：C1,C2,……,Cn）平面坐标；
（2）求出激光扫描道路边界点平面位置：设置垂线两侧缓冲区阈值（阈值根据激光点密度设定，设定为点距平均值的5倍），搜索缓冲区内的所有激光点，求道路中心线左右两侧点与垂线交点的最大距离值点，即为道路两侧的激光扫描边界点，左侧点记为：L1,L2,……,Ln；右侧点记为：R1,R2,……,Rn；
（3）对于奇数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值沿垂线向垂线的两端确定点位坐标；间隔阈值与垂线间隔大小相同，根据成图比例尺确定；
（4）对于偶数编号的垂线，以道路中心线的交点为中心，以一定的间隔阈值的一半沿垂线向垂线的两端确定第一个点位坐标；其后第一与第二个点，第二与第三个点的间距等于间隔阈值，其后类推；间隔阈值与垂线间隔大小相同，是根据成图比例尺确定；
（5）遍历所有垂线段，获得所有的高程点位平面坐标；遍历截止条件：点位超出道路边界点，并且完成最大编号的垂线。
3.如权利要求1所述的一种基于车载激光雷达数据自动提取道路地形图高程点的方法，其特征在于，所述第五步地形图高程点提取，包括如下子步骤：
（1）根据高程点位的平面坐标，以一定的半径搜索激光点的地面点；搜索半径阈值的初始值设为0.5m；
（2）搜索到的激光点按到高程点位的距离值从小到大的顺序排序后保存；若搜素到的点小于5个，则按设定的步长扩大搜索半径，继续搜索，直到搜索到5个以上点或搜索半径大于1m为止；对于没有搜索到点的高程点位，直接高程值赋值为“-9999”；
（3）对于搜索到激光点的高程点位，取前5个激光点；若不足5点，则取所有搜索到的激光点；求取高程点位高程，按下列规则：①若搜索到点个数大于等于5个，用公式：H高程点=(H1+H2+H3+H4+H5)/5计算高程点的高程值（H高程点）；②若搜索到点数在4到1之间，直接赋距离最近激光点的高程值给高程点,并用激光点平面坐标值替换高程点位平面坐标值；
（4）遍历所有高程点位的高程值，记录所有高程值为-9999的高程点，输出报告，为第六步工作的输入之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710963341.2A CN107657636B (zh) | 2017-10-16 | 2017-10-16 | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710963341.2A CN107657636B (zh) | 2017-10-16 | 2017-10-16 | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107657636A true CN107657636A (zh) | 2018-02-02 |
| CN107657636B CN107657636B (zh) | 2021-07-30 |
Family
ID=61118546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710963341.2A Active CN107657636B (zh) | 2017-10-16 | 2017-10-16 | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107657636B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320317A (zh) * | 2018-02-09 | 2018-07-24 | 长江水利委员会长江科学院 | 一种基于高分辨率数字地形的堤防线数据提取方法 |
| CN108459319A (zh) * | 2018-03-13 | 2018-08-28 | 燕山大学 | 一种车辆行驶区域地形高度快速扫描系统 |
| CN110083673A (zh) * | 2019-04-30 | 2019-08-02 | 河海大学 | 一种基于高程散点的河道或堤防智能搜索方法 |
| 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 |
| CN113192194A (zh) * | 2021-04-27 | 2021-07-30 | 天津水运工程勘察设计院有限公司 | 一种植被区地形图的绘制方法 |
| CN115171376A (zh) * | 2022-06-27 | 2022-10-11 | 广州小鹏汽车科技有限公司 | 地图数据处理方法、服务器和存储介质 |
| CN115661215A (zh) * | 2022-10-17 | 2023-01-31 | 北京四维远见信息技术有限公司 | 一种车载激光点云数据配准方法、装置、电子设备及介质 |
| CN117146854A (zh) * | 2023-10-26 | 2023-12-01 | 北京世冠金洋科技发展有限公司 | 配置车辆移动轨迹的方法及其相关装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
| 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 |
| CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
-
2017
- 2017-10-16 CN CN201710963341.2A patent/CN107657636B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
| 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 |
| CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320317B (zh) * | 2018-02-09 | 2021-04-09 | 长江水利委员会长江科学院 | 一种基于高分辨率数字地形的堤防线数据提取方法 |
| CN108320317A (zh) * | 2018-02-09 | 2018-07-24 | 长江水利委员会长江科学院 | 一种基于高分辨率数字地形的堤防线数据提取方法 |
| CN108459319A (zh) * | 2018-03-13 | 2018-08-28 | 燕山大学 | 一种车辆行驶区域地形高度快速扫描系统 |
| CN110083673A (zh) * | 2019-04-30 | 2019-08-02 | 河海大学 | 一种基于高程散点的河道或堤防智能搜索方法 |
| CN110083673B (zh) * | 2019-04-30 | 2020-12-15 | 河海大学 | 一种基于高程散点的河道或堤防智能搜索方法 |
| 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 |
| 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 |
| CN113192194A (zh) * | 2021-04-27 | 2021-07-30 | 天津水运工程勘察设计院有限公司 | 一种植被区地形图的绘制方法 |
| CN115171376A (zh) * | 2022-06-27 | 2022-10-11 | 广州小鹏汽车科技有限公司 | 地图数据处理方法、服务器和存储介质 |
| CN115171376B (zh) * | 2022-06-27 | 2024-01-05 | 肇庆小鹏新能源投资有限公司广州分公司 | 地图数据处理方法、服务器和存储介质 |
| CN115661215A (zh) * | 2022-10-17 | 2023-01-31 | 北京四维远见信息技术有限公司 | 一种车载激光点云数据配准方法、装置、电子设备及介质 |
| CN117146854A (zh) * | 2023-10-26 | 2023-12-01 | 北京世冠金洋科技发展有限公司 | 配置车辆移动轨迹的方法及其相关装置 |
| CN117146854B (zh) * | 2023-10-26 | 2024-01-26 | 北京世冠金洋科技发展有限公司 | 配置车辆移动轨迹的方法及其相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107657636B (zh) | 2021-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657636A (zh) | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 | |
| CN104143194B (zh) | 一种点云分割方法及装置 | |
| CN103778429B (zh) | 一种车载激光扫描点云中道路信息自动提取方法 | |
| CN106093963B (zh) | 一种提高铁路车载激光雷达扫描数据精度的方法 | |
| CN103390169B (zh) | 一种车载激光扫描点云数据的城市地物分类方法 | |
| CN107944018A (zh) | 一种基于激光点云数据的矢量地图位置精度自动质检方法 | |
| CN102645203B (zh) | 基于机载激光雷达数据的电力线路交叉跨越测量方法 | |
| CN103711050B (zh) | 一种激光雷达道路改扩建勘测设计方法 | |
| CN103020342B (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
| CN102620721B (zh) | 一种基于精细数字地面模型的公路测设方法 | |
| CN106887020A (zh) | 一种基于LiDAR点云的道路纵横断面获取方法 | |
| CN104376595B (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
| 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 | |
| CN104866670B (zh) | 基于gps时空轨迹的路网拓扑变化自动检测方法及系统 | |
| CN106199558A (zh) | 障碍物快速检测方法 | |
| CN103679655A (zh) | 一种基于坡度与区域生长的LiDAR点云滤波方法 | |
| CN105355042B (zh) | 一种基于出租车gps的道路网络提取方法 | |
| CN104050474A (zh) | 一种基于LiDAR数据的海岛岸线自动提取方法 | |
| CN103196368A (zh) | 基于车载激光扫描数据的单株树三维绿量自动估算方法 | |
| CN101929858B (zh) | 一种大比例尺平地0.25米等高距精密测绘方法 | |
| CN112750135B (zh) | 一种无人机倾斜摄影测量像控点优化方法及系统 | |
| CN108828608A (zh) | 车辆检测方法中激光雷达背景数据滤除方法 | |
| CN105740505A (zh) | 一种基于gps-rtk技术的道路空间线形恢复方法 | |
| CN107167815A (zh) | 一种公路公路地面线数据的自动生成系统及方法 | |
| CN104657968A (zh) | 车载三维激光点云立面分类及轮廓线提取自动化方法 |
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 |