CN110490888A - 基于机载激光点云的高速公路几何特征矢量化提取方法 - Google Patents

基于机载激光点云的高速公路几何特征矢量化提取方法 Download PDF

Info

Publication number
CN110490888A
CN110490888A CN201910689213.2A CN201910689213A CN110490888A CN 110490888 A CN110490888 A CN 110490888A CN 201910689213 A CN201910689213 A CN 201910689213A CN 110490888 A CN110490888 A CN 110490888A
Authority
CN
China
Prior art keywords
highway
cloud
point cloud
point
grid
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
Application number
CN201910689213.2A
Other languages
English (en)
Other versions
CN110490888B (zh
Inventor
周雨舟
杨必胜
李升甫
杨洪
杨天宇
董震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Sichuan Highway Planning Survey and Design Institute Ltd
Original Assignee
Wuhan University WHU
Sichuan Highway Planning Survey and Design Institute Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU, Sichuan Highway Planning Survey and Design Institute Ltd filed Critical Wuhan University WHU
Priority to CN201910689213.2A priority Critical patent/CN110490888B/zh
Publication of CN110490888A publication Critical patent/CN110490888A/zh
Application granted granted Critical
Publication of CN110490888B publication Critical patent/CN110490888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • G01S7/4873—Extracting wanted echo signals, e.g. pulse detection by deriving and controlling a threshold value
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • G01S7/4876—Extracting wanted echo signals, e.g. pulse detection by removing unwanted signals
    • 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
    • G01S7/491—Details of non-pulse systems
    • G01S7/493—Extracting wanted echo signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明提供了一种基于机载激光点云的高速公路几何特征矢量化提取方法，包括利用自适应分区的点云滤波方式，对输入的机载激光扫描点云进行非地面点云滤除，只保留地面点云；对地面点云进行由粗到精的高速公路路面点云提取；基于精化的路面点云，进行高速公路中心线矢量化拟合，包括提取高速公路边界轮廓，基于高速公路边界轮廓计算高速公路中心线点云，对高速公路中心线点云进行分段，最后对分段后的高速公路中心线点云，进行多项式曲线最小二乘拟合；依据矢量化的中心线，输出高速公路上任意一点对应的方向、曲率和横断面。本发明可以为已建成高速公路的勘测和高速公路改扩建的设计提供技术支持。

Description

基于机载激光点云的高速公路几何特征矢量化提取方法
技术领域
本发明涉及三维计算机视觉与测绘工程，具体涉及在高速公路测绘中的三维激光点云数据处理。
背景技术
机载激光雷达扫描作为一种新型的遥感观测手段，融合了GNSS、IMU等传感器，可以快速采集大范围的有地理参考的三维点云数据。鉴于其数据采集方式，机载激光点云具有点位精度高、覆盖范围广、数据密度大、采集时间短的特点。随着交通运输业、车辆制造业的蓬勃发展，很多已经处于运营维护阶段的高速公路迫切需要进行改扩建施工。因此，对于已建成的高速公路的三维线形等几何特征进行测量对于改扩建部门具有非常重要的意义。
采用机载LiDAR进行高速公路勘测具有非常突出的优势：第一，机载LiDAR测绘范围广，作业时间短，更重要的是采用非接触式的测量方式，无需上路测量；第二，机载LiDAR采集到的点位具有比较准确的三维信息，无需单独测量高程；第三，机载LiDAR系统具有多次回波记录，利用激光的穿透性，可以一定程度上避免植被对于地物的遮挡，通过滤波直接获取地面信息。
目前从激光点云中提取路面的方法主要利用路面的反射强度统计特征和条带状空间特征。惠振阳(2017)将点云投影格网化后，利用基于偏度和峰度的方法确定提取路面点云强度的最优阈值。徐景中(2009)，Choi et al.(2008)和Clode et al.(2007)也都利用统计方法确定点云强度上下界阈值，提取路面点云。Zhao et al.(2012)用两侧是非道路区域，中间是道路区域的矩形模板来自适应匹配道路区域并求道路方向。陈卓等(2013)使用角度纹理特征，用一种旋转的窄矩形模板来收集纹理信息，确定道路方向和路口位置。Huet al.(2012)利用多维特征进行均值漂移聚类，提取了道路点云和道路中心线。Clode etal.(2015)用一种圆形相位编码模板，提取道路范围和中心线。
基于点云的路面边界提取和矢量化方法包括alpha-shape法、动态轮廓线法、样条函数法、最小二乘拟合法。
总体而言，目前利用机载激光点云进行高速公路几何特征提取和矢量化仍存在以下问题：第一，没有成熟的普适性强的技术流程；第二，高速公路路面点云提取的自动化程度较低，且很多发明采用栅格化的点云提取道路，精度较低；第三，高速公路边界线、中心线拟合需要大量RTK控制点或需要在点云中手工标点，效率较低。
发明内容
本发明针对以上问题和不足，提出了一种基于机载激光点云的高速公路几何特征提取和矢量化技术。
本发明的技术方案提供一种基于机载激光点云的高速公路几何特征矢量化提取方法，包括以下步骤：
步骤1，利用自适应分区的点云滤波方式，对输入的机载激光扫描点云进行非地面点云滤除，只保留地面点云；
步骤2，对地面点云进行由粗到精的高速公路路面点云提取，包括以下子步骤，
步骤2.1，按照预设的网格尺寸建立水平二维格网，对点云进行分块；
步骤2.2，对分块后的格网逐个计算空间坐标三维协方差矩阵并进行特征值分解，根据预设的最小特征值阈值保留平坦的格网作为潜在的高速公路路面格网；并以最小特征值作为法向量，过格网点云重心的平面作为该格网的局部拟合平面；
步骤2.3，对潜在的高速公路路面格网进行基于局部拟合平面的区域生长，将区域生长后最大的区域作为初始高速公路路面区域；
步骤2.4，基于初始高速公路路面区域，精化路面点云；
步骤3，基于精化的路面点云，进行高速公路中心线矢量化拟合，包括提取高速公路边界轮廓，基于高速公路边界轮廓计算高速公路中心线点云，对高速公路中心线点云进行分段，最后对分段后的高速公路中心线点云，进行多项式曲线最小二乘拟合，并输出矢量拟合成果；
步骤4，依据矢量化的中心线，输出高速公路上任意一点对应的方向、曲率和横断面。
而且，步骤2.2中，最小特征值阈值设定在0.0003-0.0005范围内，小于该阈值的格网视为平坦格网。
而且，步骤2.3中，基于局部拟合平面的区域生长的条件是局部平面间夹角小于预设的阈值Tangle，且格网间的平均高程差小于预设的阈值Theight。
而且，Tangle的取值为5°-15°，Theight的取值为0.05m-0.2m。
而且，步骤2.3中，精化路面点云的实现方式是，对初始路面区域周围的格网点云逐点计算点到相邻局部拟合平面的距离和点与相邻格网点云的强度差异，将这两个参数均小于相应设定阈值的点也加入高速公路路面点云。
而且，步骤3中，采用alpha-shape算法提取高速公路边界轮廓，根据点云平均点间距和轮廓精细程度设定算法中的alpha值。
而且，步骤3中，对道路中心线点云进行分段采用Douglas-Peucker算法进行，同一段点云内，距离该段首尾相连线段最远的点的距离，根据路段曲折程度设定取值。
而且，步骤3中，对分段后的高速公路中心线点云进行多项式曲线最小二乘拟合时，分别建立中心线点云y、z坐标与x坐标的四次多项式模型，通过解最小二乘问题确定模型参数。
而且，步骤4实现方式为，设输入高速公路上任意一点P0平面坐标，找到在XOY投影平面上距离该点最近的公路矢量中心线上的点P1，点P1的方向、曲率和横截面即为P0所对应的方向、曲率和横截面。
本发明技术可以提高利用机载激光点云进行高速公路勘测的自动化程度，提高高速公路特征几何特征提取和矢量化的工作效率。取得的技术效果主要包括：第一，从机载激光点云中自动化提取高速公路路面点云；第二，高速公路中心线自动化提取和矢量化拟合；第三，基于矢量拟合成果和点云计算高速公路的方向、曲率和横断面等几何特征。本发明可以提高利用机载激光点云进行高速公路几何特征提取和矢量化的自动化程度，为已建成高速公路的勘测和高速公路改扩建的设计提供了技术支持。
附图说明
图1是本发明实施例的方法流程图。
具体实施方式
以下结合实施例和附图详细说明本发明技术流程。
本发明提出了一种基于机载激光点云进行高速公路几何特征提取和矢量化的技术流程，该流程主要分为四个关键步骤：自适应分区的非地面点滤除、由粗到精的路面点云自动化提取、高速公路中心线矢量拟合、道路几何特征计算和输出。
参见图1，实施例提供的基于机载激光点云的高速公路几何特征矢量化提取方法，包括以下步骤，其中主要提出了步骤(2)-(4)的设计，具体步骤实现可利用现有的技术：
(1)自适应分区的非地面点滤除
实施例中，步骤1优选利用Yang et al.(2016)提出的自适应分区的点云滤波方法实现，采用该方法可对分区后的面片集进行基于分割的滤波方法，对其他离散独立点云集进行多尺度形态学滤波方法，从而实现将输入的机载激光扫描点云进行地面和非地面的二分类，仅保留地面点云进行后续处理。
具体实施时，可参见Yang B,Huang R,Dong Z,et al.Two-step adaptiveextraction method for ground points and breaklines from lidar point clouds[J].ISPRS Journal of Photogrammetry and Remote Sensing，2016，119：373-389.
(2)由粗到精的路面点云自动化提取
实施例中，包括以下子步骤：
1)对地面点云进行由粗到精的高速公路路面点云提取时，首先按照预设的网格尺寸建立水平二维格网对点云进行分块；
预设的网格尺寸可取值为1-2m，实施例优选取值为1.5m。
2)再对分块后的格网根据公式(1)逐个计算空间坐标三维协方差矩阵C并对其进行特征分解，根据预设的最小特征值阈值保留平坦的格网作为潜在的高速公路路面格网，并以最小特征值作为法向量，过格网点云重心的平面作为该格网的局部拟合平面，平面方程见公式(3)；最小特征值阈值可设定在0.0003-0.0005范围内，实施例优选取值为0.0004。
空间坐标三维协方差矩阵C的计算公式如下，
公式(1)中的cov(x，y)表示点云x和y方向坐标的协方差，根据公式(2)计算得出，公式(1)矩阵中的其他元素计算方法与此同理。
公式(2)中n为格网内的点个数，xi，yi分别是第i个点的x、y坐标，分别是格网内点云x、y方向坐标的平均值。
公式(3)中i、j为格网行列号，Aij、Bij、Cij分别等于协方差矩阵特征分解后，最小特征值对应的归一化的特征向量的XYZ分量，分别为该格网点云的重心坐标的XYZ分量。
3)然后对潜在的高速公路路面格网进行基于局部拟合平面的区域生长，将区域生长后最大的区域作为初始高速公路路面区域；
进一步地，本发明提出区域生长的条件是局部平面间夹角小于阈值Tangle，且格网间的平均高程差小于阈值Theight，Tangle的取值为5°-15°，Theight的取值为0.05m-0.2m。实施例中，优选Tangle的取值为10°，Theight的取值为0.10m。在比较平坦的路段Theight应取较小的值，在坡度较大和有立交桥的路段应取较大值
4)最后基于初始高速公路路面区域，精化路面点云；
实施例中，精化路面点云实现方式为，对初始路面区域周围的格网点云逐点计算点到相邻局部拟合平面的距离和点与相邻格网点云的强度差异，将这两个参数均小于相应设定阈值的点也加入高速公路路面点云，所有符合条件的点计算完毕后输出精化后的路面点云。
实施例中，取距离小于0.03m和强度差小于相邻格网点云强度标准差的点也加入高速公路路面点云，所有符合条件的点计算完毕后输出精化后的路面点云。
(3)高速公路中心线矢量拟合：基于精化的路面点云，进行高速公路中心线矢量化拟合，实现如下，
1)首先利用alpha-shape算法提取高速公路边界轮廓，即实现α-shape轮廓生成；
具体实施时，可根据点云平均点间距和轮廓精细程度设定算法中的alpha值(半径值)，对于我国的高速公路场景，该值建议设定在3-10m之间。实施例优选取5m。
2)再基于边界轮廓，计算高速公路中心线点云；
3)然后对中心线点云利用Douglas-Peucker算法进行分段，即实现DP轮廓分段；
Douglas-Peucker算法中同一段点云内，距离该段首尾相连线段最远的点的距离建议根据路段曲折程度取10-30m之间。实施例优选取10m。
4)最后对分段后的高速公路中心线点云，进行多项式曲线最小二乘拟合，并输出矢量拟合成果；
实施例中，对分段后的道路中心线点云，进行多项式曲线最小二乘拟合，分别建立中心线点云y、z坐标与x坐标的如公式(4)的四次多项式模型，通过解最小二乘问题来确定模型中的参数a,b,c,d,e和m,n,o,p,q，并输出矢量拟合成果。
其中，alpha-shape算法为现有的边缘点检测算法，Douglas-Peucker算法为现有的曲线数据压缩算法，是实施例优选采用的方案，本发明不予赘述。
四次多项式模型如下，
(4)道路几何特征计算和输出：依据矢量化的中心线，输出高速公路上任意一点对应的方向、曲率和横断面。
依据矢量化的中心线，输出高速公路上任意一点对应的方向、曲率和横断面。实现方式为，输入高速公路上任意一点P0平面坐标(x0,y0)，找到在XOY投影平面上距离该点最近的公路矢量中心线上的点P1(x1,y1,z1)，P1点的方向、曲率和横截面即为P0所对应的方向、曲率和横截面。由于矢量线公式(4)中已无未知参数，所以只要给定P1(x1,y1,z1)，即可利用微分几何方法求得该点矢量线切向、曲率、法平面，再将测区地面点云中距离法平面小于设定阈值的点作为横截面点云。
横截面生成时阈值建议设定为1-20m，实施例优选取5m。
其中，曲线切向、曲率、法平面的计算方法有成熟的微分几何算法，本发明不予赘述。
具体实施时，以上流程可采用计算机软件技术实现自动运行流程，运行该流程的装置也应当在本发明的保护范围内。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (9)

1.一种基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于，包括以下步骤：
步骤1，利用自适应分区的点云滤波方式，对输入的机载激光扫描点云进行非地面点云滤除，只保留地面点云；
步骤2，对地面点云进行由粗到精的高速公路路面点云提取，包括以下子步骤，
步骤2.1，按照预设的网格尺寸建立水平二维格网，对点云进行分块；
步骤2.2，对分块后的格网逐个计算空间坐标三维协方差矩阵并进行特征值分解，根据预设的最小特征值阈值保留平坦的格网作为潜在的高速公路路面格网；并以最小特征值作为法向量，过格网点云重心的平面作为该格网的局部拟合平面；
步骤2.3，对潜在的高速公路路面格网进行基于局部拟合平面的区域生长，将区域生长后最大的区域作为初始高速公路路面区域；
步骤2.4，基于初始高速公路路面区域，精化路面点云；
步骤3，基于精化的路面点云，进行高速公路中心线矢量化拟合，包括提取高速公路边界轮廓，基于高速公路边界轮廓计算高速公路中心线点云，对高速公路中心线点云进行分段，最后对分段后的高速公路中心线点云，进行多项式曲线最小二乘拟合，并输出矢量拟合成果；
步骤4，依据矢量化的中心线，输出高速公路上任意一点对应的方向、曲率和横断面。
2.根据权利要求1所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤2.2中，最小特征值阈值设定在0.0003-0.0005范围内，小于该阈值的格网视为平坦格网。
3.根据权利要求1所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤2.3中，基于局部拟合平面的区域生长的条件是局部平面间夹角小于预设的阈值Tangle，且格网间的平均高程差小于预设的阈值Theight。
4.根据权利要求3所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：Tangle的取值为5°-15°，Theight的取值为0.05m-0.2m。
5.根据权利要求1所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤2.3中，精化路面点云的实现方式是，对初始路面区域周围的格网点云逐点计算点到相邻局部拟合平面的距离和点与相邻格网点云的强度差异，将这两个参数均小于相应设定阈值的点也加入高速公路路面点云。
6.根据权利要求1所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤3中，采用alpha-shape算法提取高速公路边界轮廓，根据点云平均点间距和轮廓精细程度设定算法中的alpha值。
7.根据权利要求1所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤3中，对道路中心线点云进行分段采用Douglas-Peucker算法进行，同一段点云内，距离该段首尾相连线段最远的点的距离，根据路段曲折程度设定取值。
8.根据权利要求1所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤3中，对分段后的高速公路中心线点云进行多项式曲线最小二乘拟合时，分别建立中心线点云y、z坐标与x坐标的四次多项式模型，通过解最小二乘问题确定模型参数。
9.根据权利要求1或2或3或4或5或6或7或8所述的基于机载激光点云的高速公路几何特征矢量化提取方法，其特征在于：步骤4实现方式为，设输入高速公路上任意一点P0平面坐标，找到在XOY投影平面上距离该点最近的公路矢量中心线上的点P1，点P1的方向、曲率和横截面即为P0所对应的方向、曲率和横截面。
CN201910689213.2A 2019-07-29 2019-07-29 基于机载激光点云的高速公路几何特征矢量化提取方法 Active CN110490888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910689213.2A CN110490888B (zh) 2019-07-29 2019-07-29 基于机载激光点云的高速公路几何特征矢量化提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910689213.2A CN110490888B (zh) 2019-07-29 2019-07-29 基于机载激光点云的高速公路几何特征矢量化提取方法

Publications (2)

Publication Number Publication Date
CN110490888A true CN110490888A (zh) 2019-11-22
CN110490888B CN110490888B (zh) 2022-08-30

Family

ID=68547653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910689213.2A Active CN110490888B (zh) 2019-07-29 2019-07-29 基于机载激光点云的高速公路几何特征矢量化提取方法

Country Status (1)

Country Link
CN (1) CN110490888B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192310A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 基于激光点云的高速地面快速提取系统及方法
CN111415403A (zh) * 2020-03-10 2020-07-14 重庆长安汽车股份有限公司 基于路面扫描数据建虚拟实验数字路面的方法及存储介质
CN111982152A (zh) * 2020-07-31 2020-11-24 广州文远知行科技有限公司 点云地图量化方法、装置、计算机设备和存储介质
CN112543938A (zh) * 2020-09-29 2021-03-23 华为技术有限公司 占据栅格地图的生成方法和装置
CN112560747A (zh) * 2020-12-23 2021-03-26 苏州工业园区测绘地理信息有限公司 基于车载点云数据的车道边界交互式提取方法
CN112767429A (zh) * 2021-01-18 2021-05-07 南京理工大学 一种地面-雪面点云快速分割方法
CN113269679A (zh) * 2021-02-03 2021-08-17 南京市测绘勘察研究院股份有限公司 一种圆形隧道结构中心线提取方法
CN113434936A (zh) * 2021-06-28 2021-09-24 北京工业大学 道路几何要素估计方法及装置
CN114782925A (zh) * 2022-06-17 2022-07-22 四川省公路规划勘察设计研究院有限公司 一种基于车载lidar数据的高速公路护栏矢量化方法及设备
CN115272177A (zh) * 2022-06-15 2022-11-01 成都理工大学 一种非接触式路面断面信息提取与分析方法
CN115880325A (zh) * 2022-12-07 2023-03-31 重庆市地理信息和遥感应用中心 基于点云维度和空间距离聚类的建筑物轮廓自动提取方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778429A (zh) * 2014-01-24 2014-05-07 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
CN104123730A (zh) * 2014-07-31 2014-10-29 武汉大学 基于道路特征的遥感影像与激光点云配准方法及系统
CN105627938A (zh) * 2016-01-07 2016-06-01 厦门大学 一种基于车载激光扫描点云的路面沥青厚度检测方法
CN106525000A (zh) * 2016-10-31 2017-03-22 武汉大学 基于激光扫描离散点强度梯度的道路标线自动化提取方法
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
US20180058861A1 (en) * 2016-08-26 2018-03-01 Here Global B.V. Automatic localization geometry detection
CN108062517A (zh) * 2017-12-04 2018-05-22 武汉大学 基于车载激光点云的非结构化道路边界线自动提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778429A (zh) * 2014-01-24 2014-05-07 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
CN104123730A (zh) * 2014-07-31 2014-10-29 武汉大学 基于道路特征的遥感影像与激光点云配准方法及系统
CN105627938A (zh) * 2016-01-07 2016-06-01 厦门大学 一种基于车载激光扫描点云的路面沥青厚度检测方法
US20180058861A1 (en) * 2016-08-26 2018-03-01 Here Global B.V. Automatic localization geometry detection
CN106525000A (zh) * 2016-10-31 2017-03-22 武汉大学 基于激光扫描离散点强度梯度的道路标线自动化提取方法
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
CN108062517A (zh) * 2017-12-04 2018-05-22 武汉大学 基于车载激光点云的非结构化道路边界线自动提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BISHENG YANG ET AL.: "3D local feature BKD to extract road information from mobile laser", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 *
LU XIONG ET AL.: "A 3D Estimation of Structural Road Surface Based on Lane-Line Information", 《SCIENCEDIRECT》 *
安瑶军 等: "一种依据点云法向量相似度的结构化道路提取方法", 《测绘通报》 *
陈飞: "基于机载LiDAR点云的道路提取方法研究", 《中国优秀博硕士学位论文全文数据库（硕士） 基础科学辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192310A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 基于激光点云的高速地面快速提取系统及方法
CN111415403A (zh) * 2020-03-10 2020-07-14 重庆长安汽车股份有限公司 基于路面扫描数据建虚拟实验数字路面的方法及存储介质
CN111982152A (zh) * 2020-07-31 2020-11-24 广州文远知行科技有限公司 点云地图量化方法、装置、计算机设备和存储介质
CN112543938B (zh) * 2020-09-29 2022-02-08 华为技术有限公司 占据栅格地图的生成方法和装置
CN112543938A (zh) * 2020-09-29 2021-03-23 华为技术有限公司 占据栅格地图的生成方法和装置
CN112560747A (zh) * 2020-12-23 2021-03-26 苏州工业园区测绘地理信息有限公司 基于车载点云数据的车道边界交互式提取方法
CN112767429A (zh) * 2021-01-18 2021-05-07 南京理工大学 一种地面-雪面点云快速分割方法
CN112767429B (zh) * 2021-01-18 2022-11-01 南京理工大学 一种地面-雪面点云快速分割方法
CN113269679A (zh) * 2021-02-03 2021-08-17 南京市测绘勘察研究院股份有限公司 一种圆形隧道结构中心线提取方法
CN113434936A (zh) * 2021-06-28 2021-09-24 北京工业大学 道路几何要素估计方法及装置
CN115272177A (zh) * 2022-06-15 2022-11-01 成都理工大学 一种非接触式路面断面信息提取与分析方法
CN114782925A (zh) * 2022-06-17 2022-07-22 四川省公路规划勘察设计研究院有限公司 一种基于车载lidar数据的高速公路护栏矢量化方法及设备
CN114782925B (zh) * 2022-06-17 2022-09-02 四川省公路规划勘察设计研究院有限公司 一种基于车载lidar数据的高速公路护栏矢量化方法及设备
CN115880325A (zh) * 2022-12-07 2023-03-31 重庆市地理信息和遥感应用中心 基于点云维度和空间距离聚类的建筑物轮廓自动提取方法

Also Published As

Publication number Publication date
CN110490888B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN110490888A (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
CN110570428B (zh) 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
CN110320504B (zh) 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN103226833B (zh) 一种基于三维激光雷达的点云数据分割方法
CN103778429B (zh) 一种车载激光扫描点云中道路信息自动提取方法
CN103020342B (zh) 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法
CN106780524A (zh) 一种三维点云道路边界自动提取方法
CN109256028B (zh) 一种用于无人驾驶的高精度路网自动生成的方法
CN103106632B (zh) 一种基于均值漂移的不同精度三维点云数据的融合方法
CN103020637B (zh) 一种基于K-plane算法的建筑物顶面点云数据分割方法
CN106199557A (zh) 一种机载激光雷达数据植被提取方法
CN106529431B (zh) 基于车载激光扫描数据的路坎点自动提取及矢量化方法
CN109410265B (zh) 一种基于往期dem辅助的tin滤波改进算法
WO2020072673A1 (en) Mesh validation
CN107798657B (zh) 一种基于圆柱坐标的车载激光点云滤波方法
CN103927788A (zh) 基于城市竖向规划的建筑地物分层dem模型制作方法
CN112132840B (zh) 一种车载行道树点云分类与特征信息提取方法
CN111832582B (zh) 一种利用点云密度与旋转信息对稀疏点云进行分类与分割的方法
CN101930483A (zh) 应用参数化设计模型化简数字地图居民地多边形的方法
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
CN109146990B (zh) 一种建筑轮廓的计算方法
CN103400416A (zh) 一种基于概率多层地形的城市环境机器人导航方法
CN115063555A (zh) 高斯分布区域生长的车载LiDAR点云行道树提取方法
CN111340822B (zh) 一种多尺度自适应机载LiDAR点云建筑物单体化分割方法
CN104457691B (zh) 一种建筑物主体高程信息获取方法

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