CN107798657B - 一种基于圆柱坐标的车载激光点云滤波方法 - Google Patents
一种基于圆柱坐标的车载激光点云滤波方法 Download PDFInfo
- Publication number
- CN107798657B CN107798657B CN201711040362.3A CN201711040362A CN107798657B CN 107798657 B CN107798657 B CN 107798657B CN 201711040362 A CN201711040362 A CN 201711040362A CN 107798657 B CN107798657 B CN 107798657B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- point cloud
- section
- laser point
- mounted laser
- 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.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 4
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 claims 1
- 108010050014 systemin Proteins 0.000 claims 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 abstract description 15
- 230000000877 morphologic effect Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/604—Rotation of whole images or parts thereof using coordinate rotation digital computer [CORDIC] devices
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于圆柱坐标的车载激光点云滤波方法，首先将车载激光点云从笛卡尔坐标系(x，y，z)转换为圆柱坐标系然后在圆柱坐标系中在平面内将车载激光点云格网化形成规则格网；最后对规则格网进行基于距离约束和角度约束的单断面和多断面滤波得到最终的地面点。本发明能够有效的处理车载激光点云的点密度大、点云分布不均匀、点云中存在大量遮挡区域等问题，同时既能够滤除车载激光点云中存在的大量的大尺寸非地面地物，同时又能保持车载激光点云中的小尺寸地形细节。
Description
技术领域
本发明属于激光雷达遥感测绘技术领域，涉及一种车载激光点云滤波方法，具体涉及一种基于圆柱坐标的车载激光点云滤波方法。
背景技术
车载激光扫描系统在移动平台中集成激光扫描仪(LiDAR，Light Detection AndRanging)、卫星定位系统(GNSS，Global Navigation Satellite System)和惯性导航系统(INS，Inertial Navigation System)等传感器，在平台的运动过程中高效地采集道路及道路周边地物的三维空间信息和属性信息，广泛应用于道路测量、道路设施普查、车道级高精度地图制作等领域。
车载激光点云是车载激光扫描系统的主要数据成果。由于车载激光扫描系统在数据采集过程中对地物进行无差别的扫描采样，因此车载激光点云中包含地面、道路设施、植被等各种地物信息。为了有效地利用车载激光点云中的地物信息，常用的方法是对激光点云进行分类或者从车载激光点云中提取特定地物的点云。车载激光点云滤波即将车载激光点云分为地面点和非地面点的过程。车载激光点云滤波所得到的地面点是道路信息提取和道路地形测绘的重要输入数据，因此车载激光点云滤波是车载激光数据处理的重要预处理过程。
目前已有的激光点云滤波方法主要分为四类：(1)基于坡度的滤波方法；(2)基于形态学的滤波方法；(3)基于曲面的滤波方法；(4)基于分割的滤波方法。基于坡度的滤波方法使用点与其领域内点的高程差作为判断依据将点云分为地面点和非地面点，如果邻域内所有点与当前点的高程均小于阈值，则当前点为地面点，否则为非地面点。基于形态学的滤波方法对点云执行形态学操作，如果执行形态学操作前和操作后的点云的高差小于阈值，则该点为地面点，否则该点位非地面点。基于曲面的的滤波方法分为曲面内插法和渐进三角网法，曲面内插法使用点云内插地表面，距离最终内插曲面的距离小于阈值的点位地面点，否则为非地面点；渐进三角网滤波法使用地点构建三角网，然后将满足距离和角度准则的点判定为地面点并重新构建三角网，直到没有新的点判断为地面点未知，则最终的三角网即为地面点。基于分割的滤波方法先对激光点云进行分割，然后通过分割对象与其周边对象的几何和属性关系判断该对象是否为地面点。
现有的激光点云滤波方法可分为基于坡度的滤波方法、基于形态学的滤波方法、基于曲面的滤波方法以及基于分割的滤波方法等，这些方法主要针对机载激光点云的滤波而设计。与机载激光点云相比，车载激光点云具有点密度大、点云分布不均匀、点云中存在大面积遮挡区域、点云中同时存在大量大尺寸地物以及小尺寸地形细节等特点，目前已有的点云滤波方法用于车载激光点云滤波主要存在如下缺点：
1)由于车载激光点云的点密度大使现有车载激光点云滤波算法的滤波效率较低；
2)由于车载激光点云的分布不均匀，现有滤波算法在滤波窗口大小或者格网大小设置时存在困难；
3)车载激光点云中存在大面积的由于遮挡而造成的数据空洞，现有滤波方法通过内插的方式处理遮挡区域，对滤波结果带来误差；
4)车载激光点云中同时存在大量的大尺寸地物和小尺寸地形细节，现有滤波算法无法实现既滤除大尺寸地物又同时保留小尺寸地形细节。
发明内容
针对车载激光点云的滤波，充分考虑车载激光点云的特点，本发明提供了一种基于圆柱坐标的车载激光点云滤波算法。该算法首先将直角坐标系的xyz坐标转换为圆柱坐标，再在圆柱坐标中将点云格网化，利用圆柱坐标系中的径向距离约束和方位角约束实现车载激光点云的滤波。
本发明所采用的技术方案是：一种基于圆柱坐标的车载激光点云滤波方法，其特征在于，包括以步骤：
步骤1：将车载激光点云从笛卡尔坐标系(x，y，z)转换为圆柱坐标系
步骤2：在圆柱坐标系中在平面内将车载激光点云格网化形成规则格网；
步骤3：对规则格网进行基于距离约束和角度约束的单断面和多断面滤波得到最终的地面点。
相对于现有技术，本发明的有益效果为：
(1)本发明将车载激光点云的笛卡尔坐标(x，y，z)转换为圆柱坐标由于在一个扫描工程中，激光扫描仪的扫描角分辨率固定不变且短时间内车载激光扫描系统平台的运动速度可认为近似不变，因此车载激光点云在圆柱坐标系中均匀分布，避免了车载激光点云在笛卡尔坐标系中点云分布不均匀对滤波带来的影响。
(2)本发明在圆柱坐标系的面内将车载激光点云格网化，格网化后能够极大的提高车载激光点云的滤波效率，同时在该格网中，不存在由于遮挡而造成的大面积空洞数据，避免了由于遮挡而造成的数据确实对车载激光点云滤波带来的影响。
(3)本发明利用距离约束和角度约束对车载激光点云进行滤波，不需要设定滤波窗口大小和最小格网尺寸，能够有效的避免现有滤波方法中滤除大尺度地物和保持小尺寸地形细节的矛盾。
附图说明
图1为本发明实施例的流程图；
图2为本发明实施例的圆柱坐标计算方法原理图；
图3为本发明实施例的车载激光点云横断面在笛卡尔坐标系和在圆柱坐标系的特点示意图；
图4为本发明实施例的基于距离约束和角度约束的多断面滤波示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种车载激光点云滤波算法，本发明充分考虑车载激光点云密度大、点云分布不均匀、点云中存在大量遮挡区域、点云中同时存在大尺寸地物和小尺寸地形细节等特点，克服车载激光点云滤波中由于点云密度大而带来的滤波效率低、由于点云中存在大量遮挡区域而带来的数据内插误差、以及由于点云分布不均匀和点云中同时存在大尺寸地物和小尺寸地形细节而带来的滤波参数设置困难等问题，同时提出基于距离约束和角度约束的新的滤波准则。要实现以上特点，本发明所要解决的技术问题如下：
1)车载激光点云分布不均匀以及存在大量遮挡区域对车载激光点云滤波的影响。在使用基于坡度以及基于形态学的滤波算法对点云进行滤波时，需要设置滤波窗口的大小；使用基于曲面的滤波算法进行滤波时，需要设置格网的大小以得到低点作为初始地面点；在使用基于分割的滤波算法进行滤波时，需要设定点的邻域的大小以对点云进行分割。在机载激光点云滤波中，通常通过点云的平均密度确定相关的参数，车载激光点云的不均匀分布对这些参数的设置带来困扰。车载激光点云中存在大量遮挡区域，目前已有的滤波算法需对遮挡区域进行内插，对遮挡区域的内插带来误差，对滤波结果造成影响。
2)车载激光点云密度大对滤波效率的影响。机载激光点云的密度通常为1-10点每平方米，而车载激光点云的密度可达到3000-5000点每平方米，车载激光点云的高密度使滤波算法的效率较低。
3)车载激光点云中同时存在大尺寸地物和小尺寸地形细节对滤波的影响。在激光点云滤波中，为了滤除大尺寸地物，通常需要设置较大的滤波窗口或者格网大小；而为了保持小尺寸的地形细节，需要设置较小的滤波窗口或者格网大小。车载激光点云中同时存在大量的大尺寸地物和小尺寸的地形细节，使用现有滤波方法难以达到同时滤除大尺寸地物和保留小尺寸地形细节的目的。
针对上述技术问题，本发明提供了一种车载激光点云滤波方法，该滤波方法的输入数据为车载激光点云以及对应的POS数据。该方法分为两大步，首先将车载激光点云从笛卡尔坐标系(x,y,z)转换为圆柱坐标系由于在一个扫描工程中激光扫描仪的角分辨率不变，同时在短时间内车载激光扫描系统平台的速度可认为近似不变，因此在该坐标系内车载激光点云均匀分布。其次，在圆柱坐标系中在平面内将车载激光点云格网化形成规则格网，在该格网中，不存在由于遮挡而造成的大面积空洞，对规则格网进行基于距离约束和角度约束的单断面和多断面滤波得到最终的地面点。
具体请见图1，本发明提供了一种基于圆柱坐标的车载激光点云滤波方法，包括以步骤：
步骤1：将车载激光点云从笛卡尔坐标系(x,y,z)转换为圆柱坐标系
圆柱坐标中，ρ为径向距离，为方位角，d为纵向距离。车载激光点云一般按照扫描时间先后顺序分段存储。将车载激光点云从笛卡尔坐标(x,y,z)转换为圆柱坐标时，以通过第一个激光点且垂直于轨迹数据的平面(平面R)为参考平面，对于任一激光点，以通过该激光点且垂直于轨迹数据的平面(平面T)为目标平面，则圆柱坐标系中坐标d为平面R与平面T之间的轨迹的积分，如图2所示。
对于任一点P(t，x，y，z)，t为点P的时间标签，x、y、z为点P的笛卡尔坐标，通过点P且垂直于轨迹的目标平面T与轨迹的交点为O′(x’0，y’0，z’0，)，x’0、y’0、z’0为点O′的笛卡尔坐标，则圆柱坐标系中坐标ρ通过式(1)计算得到，圆柱坐标系中方位角通过式(2)计算得到；
步骤2：在圆柱坐标系中在平面内将车载激光点云格网化形成规则格网；
首先找出最小的方位角值和最小的纵向距离值dmin，其次确定角分辨率Ra和距离分辨率Rd，则任一点可根据式(3)和式(4)分配到一格网中，如果有多个点分配到同一个格网中，则保留径向距离值最大的点。
步骤3：对规则格网进行基于距离约束和角度约束的单断面和多断面滤波得到最终的地面点。
通过步骤2的方法建立的格网的每一列为道路的一个横断面，车载激光点云在圆柱坐标系下的横断面具有明显的特点，如图3所示，实心圆点为地面点空心圆点为非地面点，在圆柱坐标系中，横断面点的径向距离值从径向距离值最小的点开始往两边递增，该特征可用于滤除横断面中的非地面点，成为距离约束。
距离约束可用式(5)进行表示，式中为第n条横断面中径向距离值最小的点径向距离值，为第n条横断面中径向距离值最小的点方位角值。
通过距离约束对单断面(如图4(a))进行滤波后，地面点中仍然存在少量非地面点，这些非地面点主要可分为两类，一类是在断面两边边缘上的非地面点，一类是断面中间的非地面点，如图4(b)所示。
断面边缘的非地面点可通过断面地面点的最小方向角值和最大方向角值进行剔除，如果断面中点的方向角值小于该断面的地面点的最小方向角值或者大于该断面的最大方向角值，则该点位非地面点，需剔除，如图4(c)所示。断面地面点的最小方向角值和最大方向角值通过多个断面进行估计。
断面中间的非地面点可以通过拟合真实断面进行剔除。断面中间的非地面点的径向距离值小于真实断面的径向距离值。真实断面的径向距离值通过临近的N条断面(N条断面一般覆盖3-5米地面距离)进行拟合，取临近N条断面的径向距离的最大值作为该断面该处的径向距离最大值。
本实施例的一种将车载激光点云笛卡尔坐标xyz转换为圆柱坐标的方法。在圆柱坐标中，车载激光点云分布均匀，消除车载激光点云在笛卡尔坐标系中分布不均匀对车载激光点云滤波的影响。
本实施例的一种在圆柱坐标系中将车载激光点云格网化的方法。在圆柱坐标系中将车载激光点云格网化，一方面减小由于车载激光点云密度大对车载激光点云滤波效率的影响，另一方面在圆柱坐标系中格网化后，格网中不存在由于遮挡而带来的大面积空洞，消除了由于空洞内插对车载激光点云滤波的影响。
本发明能够有效的处理车载激光点云的低密度大、点云分布不均匀、点云中存在大量遮挡区域等问题，同时既能够滤除车载激光点云中存在的大量的大尺寸非地面地物，同时又能保持车载激光点云中的小尺寸地形细节。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
Claims (5)
1.一种基于圆柱坐标的车载激光点云滤波方法，其特征在于，包括以步骤：
步骤1：将车载激光点云从笛卡尔坐标系(x，y，z)转换为圆柱坐标系
步骤2：在圆柱坐标系中在平面内将车载激光点云格网化形成规则格网；
步骤3：对规则格网进行基于距离约束和角度约束的单断面和多断面滤波得到最终的地面点。
2.根据权利要求1所述的基于圆柱坐标的车载激光点云滤波方法，其特征在于，步骤1的具体实现过程是：
圆柱坐标系中，ρ为径向距离，为方位角，d为纵向距离，将车载激光点云从笛卡尔坐标系(x，y，z)转换为圆柱坐标系时，通过第一个激光点且垂直于轨迹数据的平面R为参考平面，对于任一激光点，以通过该激光点且垂直于轨迹数据的平面T为目标平面，则圆柱坐标系中坐标d为平面R与平面T之间的轨迹的积分；
对于任一点P(t，x，y，z)，t为点P的时间标签，x、y、z为点P的笛卡尔坐标，通过点P且垂直于轨迹数据的目标平面T与轨迹数据的交点为O′(x’0，y’0，z’0)，x’0、y’0、z’0为点O′的笛卡尔坐标，则圆柱坐标系中坐标ρ通过式(1)计算得到，圆柱坐标系中方位角通过式(2)计算得到；
3.根据权利要求2所述的基于圆柱坐标的车载激光点云滤波方法，其特征在于，步骤2的具体实现过程是：找出最小的方位角值和最小的纵向距离值dmin，确定角分辨率Ra和距离分辨率Rd，则任一点P，根据式(3)和式(4)分配到一格网中，如果有多个点分配到同一个格网中，则保留径向距离值最大的点；
其中，cellrow以及cellcol是对点云数据进行格网化的角分辨率和距离分辨率。
4.根据权利要求1所述的基于圆柱坐标的车载激光点云滤波方法，其特征在于，步骤3中所述距离约束为：
式中为第n条横断面中径向距离值最小的点径向距离值，为第n条横断面中径向距离值最小的点方位角值；是指在纵向距离第n列格网上的的第i个格网的径向距离、第i个格网的方位角度、第i+1个格网的径向距离、第i-1个格网的径向距离。
5.根据权利要求4所述的基于圆柱坐标的车载激光点云滤波方法，其特征在于：通过距离约束对单断面进行滤波后，地面点中仍然存在少量非地面点，这些非地面点分为两类，一类是在断面两边边缘上的非地面点，一类是断面中间的非地面点；
断面两边边缘的非地面点通过断面地面点的最小方向角值和最大方向角值进行剔除，如果断面中点的方向角值小于该断面的地面点的最小方向角值或者大于该断面的最大方向角值，则该点为非地面点，需剔除；断面地面点的最小方向角值和最大方向角值通过多个断面进行估计；
断面中间的非地面点通过拟合真实断面进行剔除，断面中间的非地面点的径向距离值小于真实断面的径向距离值，真实断面的径向距离值通过临近预设范围内的N条断面进行拟合，取临近预设范围内的N条断面的径向距离的最大值作为该断面该处的径向距离最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711040362.3A CN107798657B (zh) | 2017-10-30 | 2017-10-30 | 一种基于圆柱坐标的车载激光点云滤波方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711040362.3A CN107798657B (zh) | 2017-10-30 | 2017-10-30 | 一种基于圆柱坐标的车载激光点云滤波方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107798657A CN107798657A (zh) | 2018-03-13 |
| CN107798657B true CN107798657B (zh) | 2019-01-04 |
Family
ID=61548521
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711040362.3A Active CN107798657B (zh) | 2017-10-30 | 2017-10-30 | 一种基于圆柱坐标的车载激光点云滤波方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107798657B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10705534B2 (en) * | 2018-04-19 | 2020-07-07 | Faraday&Future Inc. | System and method for ground plane detection |
| CN108984599B (zh) * | 2018-06-01 | 2021-08-20 | 青岛秀山移动测量有限公司 | 一种利用行驶轨迹参考的车载激光点云路面提取方法 |
| CN109188448B (zh) * | 2018-09-07 | 2020-03-06 | 百度在线网络技术（北京）有限公司 | 点云非地面点过滤方法、装置及存储介质 |
| CN110796741B (zh) * | 2019-09-24 | 2023-04-25 | 山东科技大学 | 一种基于双向布料模拟的机载激光测深点云滤波方法 |
| CN111062266B (zh) * | 2019-11-28 | 2022-07-15 | 东华理工大学 | 基于圆柱坐标的人脸点云关键点定位方法 |
| CN112132108A (zh) * | 2020-10-09 | 2020-12-25 | 安徽江淮汽车集团股份有限公司 | 地面点云数据的提取方法、装置、设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140293263A1 (en) * | 2013-03-28 | 2014-10-02 | James Justice | LIDAR Comprising Polyhedron Transmission and Receiving Scanning Element |
| CN104266588B (zh) * | 2014-10-21 | 2017-07-18 | 浙江四维远见信息技术有限公司 | 一种基于车载激光扫描数据自动提取直立筒状地物的算法 |
| CN104408055B (zh) * | 2014-10-29 | 2018-03-13 | 中国石油天然气股份有限公司 | 一种激光雷达点云数据的存储方法及装置 |
| CN106886980B (zh) * | 2015-12-11 | 2020-08-07 | 北京智行者科技有限公司 | 一种基于三维激光雷达目标识别的点云密度增强的方法 |
| CN106056563A (zh) * | 2016-05-20 | 2016-10-26 | 首都师范大学 | 一种机载激光点云数据与车载激光点云数据融合方法 |
| CN106530380B (zh) * | 2016-09-20 | 2019-02-26 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
-
2017
- 2017-10-30 CN CN201711040362.3A patent/CN107798657B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107798657A (zh) | 2018-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107798657B (zh) | 一种基于圆柱坐标的车载激光点云滤波方法 | |
| CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
| Yang et al. | Automated extraction of road markings from mobile LiDAR point clouds | |
| CN110490888B (zh) | 基于机载激光点云的高速公路几何特征矢量化提取方法 | |
| Monnier et al. | Trees detection from laser point clouds acquired in dense urban areas by a mobile mapping system | |
| CN105844629A (zh) | 一种大场景城市建筑物立面点云自动分割方法 | |
| CN104574303A (zh) | 基于空间聚类的机载LiDAR点云地面滤波方法 | |
| CN108062517A (zh) | 基于车载激光点云的非结构化道路边界线自动提取方法 | |
| CN106408581B (zh) | 一种快速的三维点云直线提取方法 | |
| CN103033805A (zh) | 一种机载激光雷达航带间冗余数据自动去除方法 | |
| Zheng et al. | Background noise filtering and clustering with 3D LiDAR deployed in roadside of urban environments | |
| CN114581619A (zh) | 一种基于三维定位和二维建图的煤仓建模方法 | |
| CN110532963A (zh) | 一种车载激光雷达点云驱动的道路标线精准提取方法 | |
| KR101285131B1 (ko) | 퍼지 집합 이론을 이용한 지상 라이다 자료 필터링 방법 | |
| Li et al. | Feature extraction and modeling of urban building from vehicle-borne laser scanning data | |
| Liu et al. | High-resolution DEM generated from LiDAR data for water resource management | |
| CN104898106B (zh) | 面向复杂地形机载激光雷达数据的地面点提取方法 | |
| Jiangui et al. | A method for main road extraction from airborne LiDAR data in urban area | |
| CN113721254A (zh) | 一种基于道路指纹空间关联矩阵的车辆定位方法 | |
| Xu et al. | A method of 3d building boundary extraction from airborne lidar points cloud | |
| KR101737889B1 (ko) | 데이터 마이닝 기법을 이용한 지상 라이다 데이터의 필터링 및 현황선 추출 방법과 그 장치 | |
| CN116977580A (zh) | 一种基于机载LiDAR的山区大比例尺DEM制作方法 | |
| Hu et al. | Forest canopy height estimation based on ICESat/GLAS data by airborne LiDAR | |
| CN117253205A (zh) | 一种基于移动测量系统的道路面点云快速提取方法 | |
| CN112862844B (zh) | 基于车载点云数据的道路边界交互式提取方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230111 Address after: 2-3/F, Building A, Huadian Smart Science and Technology Innovation Park, No. 6, Huanglong East Road, Guandong Street, Donghu New Technology Development Zone, Wuhan, Hubei Province, 430000 Patentee after: WUHAN RGSPACE TECHNOLOGY CO.,LTD. Patentee after: WUHAN University Address before: 7/F, R&D Building, No. 1, Modern Service Industry Base, Huazhong University of Science and Technology Park, No. 13, Daxueyuan Road, Donghu New Technology Development Zone, Wuhan, Hubei Province, 430200 Patentee before: WUHAN RGSPACE TECHNOLOGY CO.,LTD. |