CN111353483B - 一种杆状设施结构特征提取方法及相关设备 - Google Patents
一种杆状设施结构特征提取方法及相关设备 Download PDFInfo
- Publication number
- CN111353483B CN111353483B CN202010447978.8A CN202010447978A CN111353483B CN 111353483 B CN111353483 B CN 111353483B CN 202010447978 A CN202010447978 A CN 202010447978A CN 111353483 B CN111353483 B CN 111353483B
- Authority
- CN
- China
- Prior art keywords
- rod
- shaped
- attachment
- facility
- parts
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种杆状设施结构特征提取方法，包括：通过构建杆状设施的三维模型，确定杆状设施三维模型中所含有的杆状物部件和附着物部件，根据确定出的杆状物部件与附着物部件，获取杆状物部件与附着物部件之间的拓扑特征，基于拓扑特征构建无向图模型，并基于无向图模型得到杆状设施的结构特征。通过将杆状设施分离为杆状物部件和附着物部件，并提取杆状物部件和附着物部件之间的拓扑特征，以进行杆状设施刻画，从而精确表达杆状设施以利于其准确识别。有效的解决了杆状设施在复杂场景中由于特征表达不准确而造成的识别困难的问题，增加表达的准确性、有效性与鲁棒性。此外本发明还公开了一种杆状设施的识别装置及相关设备。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及的是一种杆状设施结构特征提取方法及相关设备。
背景技术
杆状设施是指包含了杆状部分（例如交通标牌、交通灯等）或者整体形状都为杆状（电线杆、部分路灯等）的设施。它们是城市市政基础设施中的重要元素：交通标识和交通灯包含了大量交通指示信息和规则信息，市政部门需快速获取路灯、摄像头等的运行状况，电力部门则需要定期查看和维护电线杆。此外，大部分杆状设施在城市中具有突出、明显、可辨识等特征，可辅助智能驾驶应用中车辆自动定位。准确识别表达不同类型的杆状设施是实现以上应用的前提。
目前已经有众多学者开展了基于目标匹配的三维目标的检测和识别研究。有学者分别对现存的基于内容的形状检索方法和基于特征的形状检索方法作了详细的分类与比较。近年有学者提出了一种针对路灯的形状检索方法，该方法的目标表示方法针对路灯的整体特征进行描述可以有效的描述多种路灯，然而该方法不能覆盖除路灯外的其他杆状设施的检索，如交通标牌，交通灯等。也有学者提出了一种拆解目标物为几何基元并构建其基元之间关系用以匹配的方法，这种方法特别适用于面状物组成的复杂结构，例如建筑物的屋顶，烟囱等，然而该方法无法应用于杆状设施的准确描述和提取。
因此，现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种杆状设施结构特征提取方法及相关设备，旨在解决现有杆状设施在复杂场景中由于特征表达不准确而造成的识别困难的问题。
本发明解决技术问题所采用的技术方案如下：
第一方面，本发明实施例提供了一种杆状设施结构特征提取方法，包括：
构建杆状设施的三维模型；
确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件；
根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征；
基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征。
作为进一步的改进技术方案，所述基于所述杆状物与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征的步骤包括：
以所述杆状物部件或附着物部件代表无向图模型中的各个顶点，以所述杆状物部件和附着物部件之间的连接关系代表无向图模型中的各个边，建立无向图模型；
以所述无向图模型中每条边两端顶点对应部件类型的不同对应不同的预设数值，构建所述无向图模型对应的邻接矩阵；
基于所述邻接矩阵得到所述杆状设施的结构特征。
作为进一步的改进技术方案，所述确定所述杆状设施的三维模型中所含有的杆状物部件和附着物部件的步骤包括：
沿着所述杆状设施的中心线，将所述杆状设施按预设高度进行切分；
若切分出的切分层内包含附着物，则将所述杆状设施在此处打断；
遍历所述杆状设施，将所述杆状设施拆解为杆状物部件和附着物部件。
作为进一步的改进技术方案，所述根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征的步骤包括：
提取所有杆状物部件和附着物部件中任意两个部件之间的距离几何特征；
根据所述距离几何特征确定所述杆状物部件与附着物部件之间的拓扑特征。
作为进一步的改进技术方案，所述提取所有杆状物部件和附着物部件中任意两个部件之间的距离几何特征的步骤包括：
计算所有杆状物部件和附着物部件中任意两个部件几何中心点之间的距离，并判断所述距离是否小于预设阈值；
当小于预设阈值时，计算两个部件几何中心点之间的欧式距离，并以计算出的欧式距离作为提取出的距离几何特征。
作为进一步的改进技术方案，所述预设数值为0、1或2；
所述基于所述邻接矩阵得到所述杆状设施的结构特征的步骤包括：
所述预设数值为0时表示为两两部件之间不邻接；
所述预设数值为1时表示所述杆状物部件和杆状物部件之间邻接；
所述预设数值为2时表示所述杆状物部件和附着物部件之间邻接。
第二方面，本发明实施例提供了一种杆状设施的识别装置，包括：
获取模块，用于构建杆状设施的三维模型；
部件拆解模块，用于确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件；
特征提取模块，用于根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征；
识别模块，用于基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述方法的步骤。
与现有技术相比，本发明实施例具有以下优点：
根据本发明实施方式提供的方法，通过对杆状设施进行拆解，将城市场景中的杆状设施进行分离为杆状物部件和附着物部件，通过提取分离后的杆状物部件和附着物部件之间的拓扑特征，以进行杆状设施刻画，从而精确表达杆状设施以利于其准确识别。本实施例中有效的解决了现有杆状设施在复杂场景中由于特征表达不准确而造成的识别困难的问题，增加表达的准确性、有效性与鲁棒性。
附图说明
图1是本发明杆状设施结构特征提取方法的较佳实施例的流程图；
图2是本发明中原始的杆状设施结构示意图；
图3是本发明中杆状设施拆解后的结构示意图；
图4是本发明中杆状设施拆解后对应的无向图模型；
图5是本发明中杆状设施拆解后对应的无向图模型对应的邻接矩阵；
图6是本发明一种杆状设施的识别装置的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参见图1，图1是本发明杆状设施结构特征提取方法的较佳实施例的流程图。如图1所示，本发明实施例所述的杆状设施结构特征提取方法，包括：
步骤S100、构建杆状设施的三维模型。
本发明实施例中，对于所述杆状设施的三维数据的采集可以通过多种途径获得，例如，使用三维激光扫描仪或照相式扫描仪在特定的场景中得到的点云数据，从获得的点云中获取杆状设施，其中，从特定场景中获取的杆状设施可以有路灯、路牌、交通标识牌等等杆状设施，需要说明的是，对于从三维数据中获取杆状设施的方法为现有技术，在此不做赘述。应理解的是，上述举例中对于采集杆状设施的方式并不是对本发明的唯一限定。
步骤S200、确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件。
本步骤中对所述杆状设施进行拆解：杆状设施的结构根据其上的部件类型可分成杆状物部件和附着物部件两类。
具体的，所述步骤200包括：
步骤S210、沿着所述杆状设施的中心线，将所述杆状设施按预设高度进行切分；
步骤S220、若切分出的切分层内包含附着物，则将所述杆状设施在此处打断；
步骤S230、遍历所述杆状设施，将所述杆状设施拆解为杆状物部件和附着物部件。
在本发明实施例中，请一并参阅图2和图3，杆状设施的具体拆解过程为：沿着杆状设施的中心线，将杆状设施的杆部分沿着杆底部垂直向上按预设高度做分层切分，共切分为若干个切分层，其中，对于杆状设施做分层切分的预设高度本发明不做限定，例如每隔20厘米对杆状设施做分层切分，循环此分层过程直到将杆状设施的所有杆部位遍历完毕。其中，在切分层时，若切分层内同类且相连接的部件为同一部件则为同一层（例如杆状物部件），而切分层内包含了附着物部件则将附着物部件分离出去，同时在此处打断杆状设施作为另一切分层，则可切分出若干个包括杆状物的切分层和包括附着物部件的切分层，最终实现将所述杆状设施分别拆解为杆状物部件和附着物部件。
步骤S300、根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征。
具体的，所述步骤S300包括：
步骤S310、提取所有杆状物部件和附着物部件中任意两个部件之间的距离几何特征；
步骤S320、根据所述距离几何特征确定所述杆状物部件与附着物部件之间的拓扑特征。
在本发明实施例中，对任意两个部件之间的拓扑特征进行提取，拓扑特征主要提取杆状物部件与杆状物部件或杆状物部件与附着物部件之间的邻近关系，即部件之间的几何特征关系。具体过程为针对每一个杆状物部件计算其他所有的杆状物部件和附着物部件是否与该杆状物部件的距离足够近（即彼此之间的距离是否小于某一阈值）。单一杆状物部件与其他所有的杆状物部件和附着物部件的邻近关系可以分为两类：杆状物部件与杆状物部件邻近或杆状物部件与附着物部件邻近。
更具体的，所述步骤S310包括：
步骤S311、计算所有杆状物部件和附着物部件中任意两个部件几何中心点之间的距离，并判断所述距离是否小于预设阈值；
步骤S312、当小于预设阈值时，计算两个部件几何中心点之间的欧式距离，并以计算出的欧式距离作为提取出的距离几何特征。
优选的，在提取任意两个部件之间的距离几何特征时，可计算该任意两个部件几何中心点之间的距离，进而判断所述距离是否小于预设阈值；当两两部件之间的欧式距离小于预设阈值时，则可认为两部件为邻近关系。
举例说明，请参阅图3，所述拆解后的杆状设施，其中1号部件为杆状物部件，2号部件为杆状物部件，5号为附着物部件；则1号部件显然与2号部件为邻接关系，2号部件与5号部件为邻接关系（1号部件与5号部件为不邻接），则可将所述部件之间的邻近关系分为：杆状物部件与杆状物部件邻近或杆状物部件与附着物部件邻近，进一步地，提取邻近部件（即两个部件之间的距离小于预设阈值为邻近）之间的欧式距离作为两个部件之间的距离几何特征存储，以次表达各个部件之间的拓扑特征。
进一步地，还可提取邻近部件之间的方向几何特征。针对每一个部件，使用主成分分析法（Principal Component Analysis，PCA）提取各个部件的第一主方向，并计算各个部件之间第一主方向之间的夹角，例如，使用主成分分析法提取各个杆状物部件的第一主方向，然后计算各个部件之间的第一主方向之间的夹角，通过夹角确定各个部件的相对位置。
步骤S400、基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征。
在本发明实施例中，请一并参阅图3和图4，针对上述杆状物部件和附着物部件之间的拓扑结构特征，通过引入无向图模型来表达这些特征，以此表达杆状物部件与杆状物部件之间的相对关系，以及杆状物部件与附着物部件之间的相对关系。
进一步地，所述步骤S400包括：
步骤S410、以所述杆状物部件或附着物部件代表无向图模型中的各个顶点，以所述杆状物部件和附着物部件之间的连接关系代表无向图模型中的各个边，建立无向图模型；
步骤S420、以所述无向图模型中每条边两端顶点对应部件类型的不同对应不同的预设数值，构建所述无向图模型对应的邻接矩阵；
步骤S430、基于所述邻接矩阵得到所述杆状设施的结构特征。
具体的，请继续参阅图3和图4，以所述杆状物部件或附着物部件代表无向图模型中的各个顶点（图4中1~7号顶点）代表杆状设施中的各个部件，如图3所示，将杆状设施拆解为1~7号部件，其中，1~4号部件表示杆状物部件，5~7号表示附着物部件，进一步地，无向图模型中的边表达部件之间的拓扑结构（既各个顶点的连接线），从而构建表达杆状设施的无向图模型。根据无向图模型中边两端顶点类型的不同（顶点为杆状物部件或附着物部件）赋予无向图模型中的边不同的值，可以构建该无向图模型对应的邻接矩阵。
更具体的，所述预设数值为0、1或2；
所述预设数值为0时表示为两两部件之间不邻接；
所述预设数值为1时表示所述杆状物部件和杆状物部件之间邻接；
所述预设数值为2时表示所述杆状物部件和附着物部件之间邻接。
在本发明实施例中，请参阅图5，通过邻接矩阵的方式表达杆状设施部件各部件之
间的拓扑连接类型关系。以部件类型连接为例，无向图模型为G=(V,E)，设
代
表杆状设施拆解的各种部件；
代表无向图中各顶点之间的关联边，预设数
值为0、1或2；代表杆状设施中杆状物部件和附着物部件之间的部件连接类型关系，连接类
型分为三种，分别为两两部件之间不邻接（用0表示）、杆状物部件和杆状物部件之间邻接
（用1表示）和杆状物部件和附着物部件之间邻接（用2表示）。
设
，称M(G)为无向图模型G的邻接矩阵(n×n阶矩阵)。针对拓扑关系，
值由顶点 i和顶点j所构成的上述邻接关系的类型（0,1或2）决定。针对几何关系，M(G)
中的元素
还可以存储各拆解部件之间的几何距离值以及各拆解部件之间的第一主方向
之间的夹角值。
为了对上述方法进行更加详细的说明，结合,附图2~5以其具体应用实施对本发明所述的方法做更进一步的解析。
较佳的，以路灯为例，获取路灯的三维数据，将路灯进行分层拆解，通过将同一切分层内几何特征和/或光谱特征相同的部件的合并为一个部件，则可将所述杆状设施分别拆解为杆状物部件和附着物部件。随后提取杆状物部件和附着物部件之间的拓扑特征（任意两个部件之间的距离几何特征），将杆状物部件与附着物部件之间的拓扑特征关系分为两类：杆状物部件与杆状物部件邻近，杆状物部件与附着物部件邻近，从而准确描述杆状设施中各部件之间的拓扑关系。最后，引入无向图模型来表达上述各部件之间的拓扑特征，用无向图模型中的各个顶点分别代表杆状物部件和附着物部件，无向图模型中的边表达杆状物部件和附着物部件之间的拓扑结构，根据无向图模型中每条边两端顶点类型的不同赋予无向图模型中的边不同的值，构建所述无向图模型对应的邻接矩阵，所述邻接矩阵用于表达杆状物部件和附着物部件之间的邻接关系和拓扑关系。
由上可见，本发明提供了杆状设施结构特征提取方法，旨在通过将城市场景中的常见的杆状设施进行分离为杆状物部件和附着物部件，通过各部件之间的拓扑特征进行杆状设施刻画，从而精确表达杆状设施以利于其准确识别。
基于上述方法实施例，如图6所示，本发明还提供了一种杆状设施的识别装置，所述识别装置包括：
获取模块100，用于构建杆状设施的三维模型；具体如上所述。
部件拆解模块200，用于确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件。
特征提取模块300，用于根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征；具体如上所述。
识别模块400，用于基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征；具体如上所述。
本实施例提供的装置能够用于执行图1实施例的方法其执行方式和有益效果类似，在这里不再赘述。
在上述方法的基础上，本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现所述方法的步骤。
在上述方法的基础上，本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述的方法的步骤。
本发明提供了一种杆状设施结构特征提取方法及相关设备，通过构建杆状设施的三维模型，确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件，根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征，基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征。本发明通过对杆状设施进行拆解，将城市场景中的杆状设施进行分离为杆状物部件和附着物部件，通过提取分离后的杆状物部件和附着物部件之间的拓扑特征，以进行杆状设施刻画，从而精确表达杆状设施以利于其准确识别。本实施例中有效的解决了现有杆状设施在复杂场景中由于特征表达不准确而造成的识别困难的问题，增加表达的准确性、有效性与鲁棒性。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
Claims (8)
1.一种杆状设施结构特征提取方法，其特征在于，所述方法包括以下步骤：
构建杆状设施的三维模型；
确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件；
根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征；
所述根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征的步骤包括：
提取所述杆状物部件与附着物部件之间的方向几何特征；
所述提取所述杆状物部件与附着物部件之间的方向几何特征包括：针对每一个所述杆状物部件与附着物部件，使用主成分分析法提取各个部件的第一主方向，并计算各个部件之间第一主方向之间的夹角，通过夹角确定各个部件的相对位置；
基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征；
所述基于所述杆状物与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征的步骤包括：
以所述杆状物部件或附着物部件代表无向图模型中的各个顶点，以所述杆状物部件和附着物部件之间的连接关系代表无向图模型中的各个边，建立无向图模型；
以所述无向图模型中每条边两端顶点对应部件类型的不同对应不同的预设数值，构建所述无向图模型对应的邻接矩阵；
基于所述邻接矩阵得到所述杆状设施的结构特征。
2.根据权利要求1所述的杆状设施结构特征提取方法，其特征在于，所述确定所述杆状设施的三维模型中所含有的杆状物部件和附着物部件的步骤包括：
沿着所述杆状设施的中心线，将所述杆状设施按预设高度进行切分；
若切分出的切分层内包含附着物，则将所述杆状设施在此处打断；
遍历所述杆状设施，将所述杆状设施拆解为杆状物部件和附着物部件。
3.根据权利要求1所述的杆状设施结构特征提取方法，其特征在于，所述根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征的步骤包括：
提取所有杆状物部件和附着物部件中任意两个部件之间的距离几何特征；
根据所述距离几何特征确定所述杆状物部件与附着物部件之间的拓扑特征。
4.根据权利要求3所述的杆状设施结构特征提取方法，其特征在于，所述提取所有杆状物部件和附着物部件中任意两个部件之间的距离几何特征的步骤包括：
计算所有杆状物部件和附着物部件中任意两个部件几何中心点之间的距离，并判断所述距离是否小于预设阈值；
当小于预设阈值时，计算两个部件几何中心点之间的欧式距离，并以计算出的欧式距离作为提取出的距离几何特征。
5.根据权利要求1所述的杆状设施结构特征提取方法，其特征在于，所述预设数值为0、1或2；
所述预设数值为0时表示为两两部件之间不邻接；
所述预设数值为1时表示所述杆状物部件和杆状物部件之间邻接；
所述预设数值为2时表示所述杆状物部件和附着物部件之间邻接。
6.一种杆状设施结构特征提取装置，其特征在于，包括：
获取模块，用于构建杆状设施的三维模型；
部件拆解模块，用于确定所述杆状设施三维模型中所含有的杆状物部件和附着物部件；
特征提取模块，用于根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征；
所述用于根据确定出的所述杆状物部件与附着物部件，获取所述杆状物部件与附着物部件之间的拓扑特征包括：
提取所述杆状物部件与附着物部件之间的方向几何特征；
所述提取所述杆状物部件与附着物部件之间的方向几何特征包括：针对每一个所述杆状物部件与附着物部件，使用主成分分析法提取各个部件的第一主方向，并计算各个部件之间第一主方向之间的夹角，通过夹角确定各个部件的相对位置；
识别模块，用于基于所述杆状物部件与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征；
所述用于基于所述杆状物与附着物部件之间的拓扑特征构建无向图模型，并基于所述无向图模型得到所述杆状设施的结构特征包括：
以所述杆状物部件或附着物部件代表无向图模型中的各个顶点，以所述杆状物部件和附着物部件之间的连接关系代表无向图模型中的各个边，建立无向图模型；
以所述无向图模型中每条边两端顶点对应部件类型的不同对应不同的预设数值，构建所述无向图模型对应的邻接矩阵。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010447978.8A CN111353483B (zh) | 2020-05-25 | 2020-05-25 | 一种杆状设施结构特征提取方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010447978.8A CN111353483B (zh) | 2020-05-25 | 2020-05-25 | 一种杆状设施结构特征提取方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111353483A CN111353483A (zh) | 2020-06-30 |
| CN111353483B true CN111353483B (zh) | 2020-10-16 |
Family
ID=71195110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010447978.8A Expired - Fee Related CN111353483B (zh) | 2020-05-25 | 2020-05-25 | 一种杆状设施结构特征提取方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111353483B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104816753A (zh) * | 2014-02-04 | 2015-08-05 | 株式会社捷太格特 | 制造杆状构件的方法以及杆状构件 |
| CN111144388A (zh) * | 2020-04-03 | 2020-05-12 | 速度时空信息科技股份有限公司 | 一种基于单目影像的道路标志标线的更新方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7995054B2 (en) * | 2005-11-21 | 2011-08-09 | Leica Geosystems Ag | Identification of edge regions from 3D point data |
| WO2013041445A1 (en) * | 2011-09-20 | 2013-03-28 | Brian Francis Mooney | Apparatus and method for analysing a golf swing |
| CN105427317B (zh) * | 2015-11-25 | 2017-03-29 | 武汉大学 | 一种适用于多视角自动化配准多站地面激光点云数据的方法 |
| CN106127153B (zh) * | 2016-06-24 | 2019-03-05 | 南京林业大学 | 车载激光扫描点云数据的交通标牌识别方法 |
-
2020
- 2020-05-25 CN CN202010447978.8A patent/CN111353483B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104816753A (zh) * | 2014-02-04 | 2015-08-05 | 株式会社捷太格特 | 制造杆状构件的方法以及杆状构件 |
| CN111144388A (zh) * | 2020-04-03 | 2020-05-12 | 速度时空信息科技股份有限公司 | 一种基于单目影像的道路标志标线的更新方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111353483A (zh) | 2020-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148196B (zh) | 一种图像处理方法、装置以及相关设备 | |
| Wu et al. | Rapid localization and extraction of street light poles in mobile LiDAR point clouds: A supervoxel-based approach | |
| Yang et al. | Computing multiple aggregation levels and contextual features for road facilities recognition using mobile laser scanning data | |
| CN107516077B (zh) | 基于激光点云和影像数据融合的交通标牌信息提取方法 | |
| US10074020B2 (en) | Vehicular lane line data processing method, apparatus, storage medium, and device | |
| Lehtomäki et al. | Object classification and recognition from mobile laser scanning point clouds in a road environment | |
| CN109271861B (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
| Yadav et al. | Identification of pole-like structures from mobile lidar data of complex road environment | |
| CN114413881B (zh) | 高精矢量地图的构建方法、装置及存储介质 | |
| CN110969592B (zh) | 图像融合方法、自动驾驶控制方法、装置和设备 | |
| CN112419505B (zh) | 一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法 | |
| CN110956100A (zh) | 一种高精度地图生成方法、装置、电子设备和存储介质 | |
| CN107679458B (zh) | 一种基于K-Means的道路彩色激光点云中道路标线的提取方法 | |
| CN110796714A (zh) | 一种地图构建方法、装置、终端以及计算机可读存储介质 | |
| CN111383286B (zh) | 定位方法、装置、电子设备及可读存储介质 | |
| CN112819895A (zh) | 一种摄像机标定方法及装置 | |
| CN112434706B (zh) | 一种基于图像点云融合的高精度交通要素目标提取方法 | |
| You et al. | Joint 2-D–3-D traffic sign landmark data set for geo-localization using mobile laser scanning data | |
| CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
| CN113963259A (zh) | 基于点云数据的街景地物多维度提取方法和系统 | |
| CN114758086A (zh) | 一种城市道路信息模型的构建方法及装置 | |
| Avramović et al. | Real-time large scale traffic sign detection | |
| CN113112597A (zh) | 交通元素的显示方法、装置、电子设备及存储介质 | |
| Hazelhoff et al. | Exploiting street-level panoramic images for large-scale automated surveying of traffic signs | |
| CN113189610A (zh) | 地图增强的自动驾驶多目标追踪方法和相关设备 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201016 Termination date: 20210525 |