CN111429498B - 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 - Google Patents
一种基于点云和影像融合技术的铁路营业线三维中线制作方法 Download PDFInfo
- Publication number
- CN111429498B CN111429498B CN202010224999.3A CN202010224999A CN111429498B CN 111429498 B CN111429498 B CN 111429498B CN 202010224999 A CN202010224999 A CN 202010224999A CN 111429498 B CN111429498 B CN 111429498B
- Authority
- CN
- China
- Prior art keywords
- line
- point cloud
- railway
- dimensional
- coordinates
- 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
Images
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
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于点云和影像融合技术的铁路营业线三维中线制作方法,包括以下步骤,S1外业控制测量;S2航摄数据获取;S3数据预处理;S4激光点云与影像密集点云配准融合;S5点云切割;S6铁路营业线实景三维重建;S7轨道中心特征点提取;S8铁路线路中心点特征提取;S9铁路三维中线制作。本发明采用激光点云与影像密集点云配准融合,有效提升了激光雷达点云的密度、完整性和平滑性;本发明进行了铁路营业线实景三维重建,该实景三维场景既包含了高精度的几何特征,又包含了丰富的纹理属性,便于量测和判别;本发明有效减少传统铁路营业线测绘的工作量,并大幅提高了外业作业安全性,具有很大的实际应用价值。
Description
技术领域
本发明属于铁路工程勘测和运营维护技术领域,特别涉及一种基于点云和影像融合技术的铁路营业线三维中线制作方法。
背景技术
随着科技的发展,中国铁路建设日新月异,铁路里程和覆盖范围不断增加,截止2019年底我国铁路营运里程超过13万公里,其中高铁3.5万公里,营运铁路中,复线率和电气化率均达到50%以上。为了提升铁路运量和保障铁路运营安全,每年铁路部门都需要对部分铁路进行既有线复测、电气化改造及扩能增二线等工作,这些项目都需要对铁路营业线进行“三贯通”测量,其中铁路三维中线的测量是这些工作的重要基础。
为了保障铁路的正常运行,不仅要有良好的线路和相关设施,而且对这些设置的位置精度要求也在不断提高,线路运行的几何状态尤其重要,已经成为制约铁路扩能或提速的关键因素之一。传统的营业线测量采用钢尺、拉链子等纯人工方式,效率极低,并且精度较差;随着测绘技术的进步,GPS-RTK手段开始逐步应用开来,虽然纯作业效率有了很大提升,但是营业线天窗时间有限,仍然存在着安全性差、上线困难的难题。近年来,随着无人机技术的飞速发展,无人机航摄系统凭借其操控简单、使用灵活、性价比高的特点,在测绘行业和铁路行业的应用优势日渐凸显,应用范围也在不断拓宽,使得基于无人机航摄系统的铁路营业线三维中线测量成为了可能,但是目前仍没有出现成型的技术和方法。
发明内容
本发明为解决公知技术中存在的技术问题提供一种基于点云和影像融合技术的铁路营业线三维中线制作方法,基于该方法能够高效高精度制作线位三维中线,为后续线路中心坐标采集、平面拟合、平面测绘提供基础数据,大幅减少了外业工作量,并能够有效提高铁路营业线测量的安全性。
本发明包括如下技术方案:
一种基于点云和影像融合技术的铁路营业线三维中线制作方法,包括以下步骤:S1外业控制测量;S2航摄数据获取;S3数据预处理;S4激光点云与影像密集点云配准融合;S5点云切割;S6铁路营业线实景三维重建;S7轨道中心特征点提取;S8铁路线路中心点特征提取;S9铁路三维中线制作。
所述S1包括S1-1在研究区按规则沿铁路线位两侧布设平面控制点标志并获取标志点的平面坐标和S1-2在研究区按规则沿铁路线位两侧布设高程控制点标志并获取高程坐标。
所述S2包括S2-1获取研究区的高密度激光点云和S2-2高分辨率数码影像;所述S3包括S3-1激光点云数据预处理和S3-2影像数据预处理;
所述S3-1具体为对步骤S2获取的激光点云处理,利用步骤S1获取的控制点坐标对激光点云进行平面和高程误差改正,然后对改正后的激光点云进行滤波处理,除去噪声点;所述S3-2具体对步骤S2获取的影像进行处理,利用步骤S1获取的控制点坐标辅助影像进行空三加密和逐像素密集匹配;基于影像密集匹配得到的影像点云数据进行滤波处理,除去噪声点;
所述S4具体为基于步骤S3中的激光点云和影像密集点云数据进行点云精确配准,得到融合后点云数据;
所述S5具体为基于步骤S4得到的融合后点云数据,利用铁路营业线矢量线位制作左右各50m的缓冲区,对点云进行切割,得到铁路营业线测绘的有效点云数据;
所述S6具体为基于步骤S3得到的空三加密成果和步骤S5得到的有效点云数据进行实景三维场景重建。具体操作需要利用三维建模软件,如Smart3D等倾斜摄影测量处理软件。
所述S7包括以下步骤,S7-1基于步骤S6得到的实景三维模型,在双轨道上分别拾取种子点,利用区域生长算法提取轨道面;S7-2对轨道面进行边缘检测、细化和线条拟合,剔除粗差点后,每隔2米离散一个特征点;S7-3在实景三维模型上采集步骤S1中的外业控制点坐标,利用外业控制点坐标进行分段平差处理,对轨道离散特征点进行二次改正,得到修正后的双轨轨道特征点精确坐标。
所述S8具体包括以下步骤,S8-1基于步骤S7的成果,选择左轨轨道特征点坐标进行计算分析,根据相邻特征点连线平面斜率变化对线路做直线段和曲线段的分段,并对曲线段的双轨进行内轨和外轨标识;S8-2直线段采用在两轨道上取特征点构建三角网并采用插值算法求取中心点坐标的方式得到线路中心线特征点三维坐标;曲线段采用内轨道特征点沿平面法线向铁路中线方向偏移固定距离,求取铁路中线上特征点三维坐标。
所述S9具体为基于S8获取的铁路线路中心点坐标,利用最小二乘进行中心线平差和拟合,结合铁路既有台账矢量线位,对步骤S8得到的离散线路中心点进行粗差剔除和误差改正,最终通过直线与曲线拟合完成铁路三维中线的制作。
本发明具有的优点和积极效果:
1、本发明采用激光点云与影像密集点云配准融合,有效提升了激光雷达点云的密度、完整性和平滑性。
2、本发明进行了铁路营业线实景三维重建,该实景三维场景既包含了高精度的几何特征,又包含了丰富的纹理属性,便于量测和判别。
3、本发明有效减少传统铁路营业线测绘的工作量,并大幅提高了外业作业安全性,具有很大的实际应用价值。
4、本发明采用低空摄影测量和营业线外布设控制标的作业方式,有效解决了营业线天窗时间短、上线困难的问题,大幅提升了外业工作效率。
5、本发明使用多源数据融合技术,有效弥补了单一数据源信息特征和覆盖度不足的问题,提升了数据的可靠性和应用价值。
附图说明
图1是本发明的流程框图。
图2是轨道标识示意图。
图中,1-左轨;2-右轨;3-外轨;4-内轨。
具体实施方式
为能进一步公开本发明的发明内容、特点及功效,特例举以下实例并结合附图详细说明如下。
实施例:如图1所示,一种基于点云和影像融合技术的铁路营业线三维中线制作方法包括如下步骤:S1:外业控制测量;S2:航摄数据获取;S3:数据预处理;S4:激光点云与影像密集点云配准融合;S5:点云切割;S6:铁路营业线实景三维重建;S7:轨道中心特征点提取;S8:铁路线路中心点特征提取;S9:铁路三维中线制作。
具体实施步骤如下:
S1,外业控制测量:开展航空摄影之前,制定好平面和高程控制点标志布设方案,并在航飞之前完成布设和测量。
S1-1,沿铁路营业线两侧各30米范围之内布设平面控制点标志,可以采用米字型标志杆或者球形标志,起点和终点处布设一对控制点(两侧各一个),中间区域采用“之”字型,每隔1公里布设一个控制点(两侧交替布设),采用GPS快速静态方式测量控制点的平面坐标。
S1-2,沿铁路营业线两侧各30米范围之内布设高程控制点标志,可以采用白漆刷九宫格或者纯色油漆刷矩形标志的方式,起点和终点处各布设一对控制点(两侧各一个),中间区域采用“之”字型,每隔500米布设一个控制点(两侧交替布设),采用二等水准测量控制点的高程坐标。
S2,航摄数据获取:
S2-1,获取研究区的高密度激光点云;沿线位两侧布设航线,避免无人机在铁路营业线正上方飞行,利用多旋翼无人机集成轻量化惯性导航系统(POS),搭载轻型机载激光雷达设备,按预设航线进行航摄,保证营业线上点密度大于300点/平方米。
S2-2,获取研究区的高分辨率数码影像;沿线位两侧布设航线,避免无人机在铁路营业线正上方飞行,利用多旋翼无人机集成轻量化惯性导航系统(POS),搭载飞思相机或者倾斜相机,按预设航线进行航摄,保证航向重叠度大于80%,旁向重叠度大于70%,航带间重叠范围包住铁路线位两侧至少各50米的区域,营业线上影像分辨率优于3厘米。
S3,数据预处理:
S3-1,激光点云数据预处理,即对步骤S2-1中获取的激光点云进行处理;首先,采用点云处理软件对激光点云进行自动分类,对分类后的点云进行颜色渲染,识别出步骤S1中的布设的外业控制点标志;然后,利用步骤S1获取的控制点坐标对激光点云分段进行平面和高程误差改正;最后,对改正后的激光点云进行滤波处理,除去噪声点。
S3-2,影像数据预处理,即对步骤S2获取的影像进行处理;首先,利用S1获取的控制点坐标辅助影像进行空三加密(区域网平差),保证空三精度达到子像素级;然后,基于空三加密成果,对测区影像进行逐像素密集匹配,生成高分辨率影像密集点云;最后,对高分辨率影像密集点云进行滤波处理,除去噪声点。
S4,激光点云与影像密集点云配准融合:无人机激光雷达可以快速获取大场景激光点云,但是由于视角限制和遮挡,轨道的侧面及一些剔除噪声点的区域会有一些漏洞,需要影像密集点云进行补充;通过倾斜摄影或者交会摄影的方式进行航空摄影测量最大的优势就是能够获得高精度的测量纹理,通过密集匹配后,能够获得高密度的视觉点云。二者是通过不同的摄影平台设备获取的数据,虽然在步骤S3中利用外业实测控制点进行了纠正,但是坐标上可能还会存在一定的微小误差。首先,基于步骤S3-1预处理后得到的激光点云和步骤S3-2预处理后得到的影像密集点云数据进行基于特征匹配算法,经过粗匹配和精匹配迭代计算,最终实现激光点云和影像密集匹配点云的精确配准;然后,对激光点云数据和影像密集匹配点云数据进行互改正计算,二者相似度和贴合度高的点云进行融合,相似度和贴合度低的点云进行粗差探测,滤掉二者都不兼容的错点后,再进行融合,融合后的点云,有效提升了激光雷达点云的密度、完整性和平滑性。
S5,点云切割:首先,根据铁路营业线工务台账数据,恢复基于台账的铁路三维矢量线位,根据该矢量线位制作线位平面方向左右各50米的缓冲区范围;然后,利用该范围对步骤S4得到的融合后点云数据进行切割,得到铁路营业线测绘的有效点云数据。
S6,铁路营业线实景三维重建:基于步骤S3得到的空三加密成果和步骤S5得到的有效点云数据,利用三维建模软件(如Smart3D等倾斜摄影测量处理软件)进行实景三维场景重建,该实景三维场景既包含了高精度的几何特征,又包含了丰富的纹理属性,便于量测和判别。
S7,轨道中心特征点提取:
S7-1,基于步骤S6得到的实景三维模型,在双轨道上分别拾取种子点,利用区域生长算法,提取轨道面。
S7-2,对提取轨道面进行边缘检测、细化和线条拟合,剔除粗差点后,每隔2米离散一个特征点,其中左轨上特征点的编号为ZP1、ZP2……ZPi……ZPn,右轨上特征点的编号为YP1、YP2……YPi……YPn。
S7-3,在实景三维模型上采集步骤S1中的外业控制点坐标,利用外业控制点坐标对左右两轨的特征点进行分段平差处理,通过平差后的坐标二次改正,得到修正后的双轨轨道特征点精确坐标。
S8,铁路线路中心点特征提取:
S8-1,基于步骤S7的成果,选择左轨轨道特征点坐标进行计算分析,根据相邻特征点连线平面斜率变化对线路做直线段和曲线段的分段,并对曲线段的双轨进行内轨和外轨标识;
S8-2,铁路线路中心点的编号为OP1、OP2…………OPi……OPn;直线段采用在两轨道上取特征点构建三角网并采用插值算法求取中心点坐标的方式得到线路中心线特征点三维坐标;曲线段采用内轨道特征点沿平面法线向铁路中线方向偏移固定距离0.7525米,求取铁路中线上特征点三维坐标,铁路中线上特征点的平面坐标(Xi,Yi)为内轨特征点平面坐标沿平面法线向铁路中线方向偏移0.7525米计算而来,高程值Zi等于内轨特征点原高程值。其中,铁轨的宽度为0.07米,两条铁轨中心的距离为1.435米,因此铁路内轨中心与铁路中线的距离为0.7525米(=(两轨距)1.435/2+(轨面宽度)0.07/2)。
S9,铁路三维中线制作:基于S8获取的铁路线路中心点坐标,利用最小二乘进行中心线平差和拟合,结合铁路既有台账矢量线位,对步骤S8得到的离散线路中心点进行粗差剔除和误差改正,最终通过直线与曲线拟合完成铁路三维中线的制作。
尽管上面对本发明的优选实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以作出很多形式。这些均属于本发明的保护范围之内。
Claims (3)
1.一种基于点云和影像融合技术的铁路营业线三维中线制作方法,其特征在于,包括以下步骤:S1外业控制测量;S2航摄数据获取;S3数据预处理;S4激光点云与影像密集点云配准融合;S5点云切割;S6铁路营业线实景三维重建;S7轨道中心特征点提取;S8铁路线路中心点特征提取;S9铁路三维中线制作;
所述S1包括S1-1在研究区按规则沿铁路线位两侧布设平面控制点标志并获取标志点的平面坐标和S1-2在研究区按规则沿铁路线位两侧布设高程控制点标志并获取高程坐标;
所述S2包括S2-1获取研究区的高密度激光点云和S2-2获取研究区的高分辨率数码影像;
所述S3包括S3-1激光点云数据预处理和S3-2影像数据预处理;所述S3-1具体为对步骤S2获取的激光点云处理,利用步骤S1获取的控制点坐标对激光点云进行平面和高程误差改正,然后对改正后的激光点云进行滤波处理,除去噪声点;所述S3-2具体为对步骤S2获取的数码影像进行处理,利用步骤S1获取的控制点坐标辅助影像进行空三加密和逐像素密集匹配,基于影像密集匹配得到的影像点云数据进行滤波处理,除去噪声点;
所述S4具体为基于步骤S3中的激光点云和影像密集点云数据进行点云精确配准,得到融合后点云数据;
所述S5具体为基于步骤S4得到的融合后点云数据,利用铁路营业线矢量线位制作左右各50m的缓冲区,对点云进行切割,得到铁路营业线测绘的有效点云数据;
所述S6具体为基于步骤S3得到的空三加密成果和步骤S5得到的有效点云数据进行实景三维场景重建;
所述S7包括以下步骤,S7-1基于步骤S6得到的实景三维模型,在双轨道上分别拾取种子点,利用区域生长算法提取轨道面;S7-2对轨道面进行边缘检测、细化和线条拟合,剔除粗差点后,每隔2米离散一个特征点;S7-3在实景三维模型上采集步骤S1中的外业控制点坐标,利用外业控制点坐标进行分段平差处理,对轨道离散特征点进行二次改正,得到修正后的双轨轨道特征点精确坐标。
2.根据权利要求1所述的基于点云和影像融合技术的铁路营业线三维中线制作方法,其特征在于:所述S8具体包括以下步骤,S8-1基于步骤S7的成果,选择左轨轨道特征点坐标进行计算分析,根据相邻特征点连线平面斜率变化对线路做直线段和曲线段的分段,并对曲线段的双轨进行内轨和外轨标识;S8-2直线段采用在两轨道上取特征点构建三角网并采用插值算法求取中心点坐标的方式得到线路中心线特征点三维坐标;曲线段采用内轨道特征点沿平面法线向铁路中线方向偏移固定距离,求取铁路中线上特征点三维坐标。
3.根据权利要求2所述的基于点云和影像融合技术的铁路营业线三维中线制作方法,其特征在于:所述S9具体为基于S8获取的铁路线路中心点坐标结合铁路既有台账矢量线位,对步骤S8得到的离散线路中心点进行粗差剔除和误差改正,最终通过直线与曲线拟合完成铁路三维中线的制作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224999.3A CN111429498B (zh) | 2020-03-26 | 2020-03-26 | 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224999.3A CN111429498B (zh) | 2020-03-26 | 2020-03-26 | 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429498A CN111429498A (zh) | 2020-07-17 |
CN111429498B true CN111429498B (zh) | 2022-08-30 |
Family
ID=71550329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010224999.3A Active CN111429498B (zh) | 2020-03-26 | 2020-03-26 | 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429498B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932676B (zh) * | 2020-08-24 | 2024-01-05 | 华中科技大学 | 一种铁路轨距快速测量装置和方法 |
CN112197745A (zh) * | 2020-10-16 | 2021-01-08 | 中铁上海设计院集团有限公司 | 一种顾及铁路两侧像控点的最少航带计算方法 |
CN112461205B (zh) * | 2020-11-12 | 2022-08-30 | 中国铁路设计集团有限公司 | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 |
CN112597664B (zh) * | 2020-12-30 | 2022-07-12 | 中国铁路设计集团有限公司 | 一种基于无人机的铁路既有线精细实景三维建模航带设计方法 |
CN112857329B (zh) * | 2021-02-02 | 2022-08-30 | 中国铁路设计集团有限公司 | 铁路既有线岔心测量方法、系统、存储介质及电子设备 |
CN113155098B (zh) * | 2021-04-20 | 2022-08-09 | 中国铁路设计集团有限公司 | 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 |
CN113238205A (zh) * | 2021-05-25 | 2021-08-10 | 珠海市亿点科技有限公司 | 基于人工智能的无人机测绘点云数据偏移校正方法与系统 |
CN113256707B (zh) * | 2021-06-25 | 2021-09-28 | 西南交通大学 | 一种基于轨顶面种子点自动追踪的轨道中心线提取方法 |
CN114379607B (zh) * | 2022-01-26 | 2023-07-14 | 株洲时代电子技术有限公司 | 一种铁路综合巡检方法 |
CN114440767A (zh) * | 2022-01-26 | 2022-05-06 | 株洲时代电子技术有限公司 | 铁路综合巡检方法 |
CN114283070B (zh) * | 2022-03-07 | 2022-05-03 | 中国铁路设计集团有限公司 | 融合无人机影像与激光点云的地形断面制作方法 |
CN114859374B (zh) * | 2022-07-11 | 2022-09-09 | 中国铁路设计集团有限公司 | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 |
CN115661333A (zh) * | 2022-09-07 | 2023-01-31 | 同济大学 | 一种基于图像与点云的数字孪生生成方法及系统 |
CN115908706B (zh) * | 2022-11-15 | 2023-08-08 | 中国铁路设计集团有限公司 | 实景三维模型与影像融合的高速铁路竣工验收方法 |
CN116858195B (zh) * | 2023-06-08 | 2024-04-02 | 中铁第四勘察设计院集团有限公司 | 一种基于无人机激光雷达技术的既有铁路测量方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
CN106087621A (zh) * | 2016-05-31 | 2016-11-09 | 中铁第四勘察设计院集团有限公司 | 一种基于车载激光雷达技术的铁路既有线复测方法 |
CN106093963A (zh) * | 2016-05-31 | 2016-11-09 | 中铁第四勘察设计院集团有限公司 | 一种提高铁路车载激光雷达扫描数据精度的方法 |
CN107796304A (zh) * | 2017-09-07 | 2018-03-13 | 中铁二院工程集团有限责任公司 | 一种三维激光全景的铁路线路调绘方法 |
CN107792115A (zh) * | 2017-09-07 | 2018-03-13 | 中铁二院工程集团有限责任公司 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
CN108978378A (zh) * | 2018-07-17 | 2018-12-11 | 上海华测导航技术股份有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
CN109978791A (zh) * | 2019-03-28 | 2019-07-05 | 苏州市建设工程质量检测中心有限公司 | 一种基于倾斜摄影和三维激光扫描融合的桥梁监测方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
-
2020
- 2020-03-26 CN CN202010224999.3A patent/CN111429498B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
CN106087621A (zh) * | 2016-05-31 | 2016-11-09 | 中铁第四勘察设计院集团有限公司 | 一种基于车载激光雷达技术的铁路既有线复测方法 |
CN106093963A (zh) * | 2016-05-31 | 2016-11-09 | 中铁第四勘察设计院集团有限公司 | 一种提高铁路车载激光雷达扫描数据精度的方法 |
CN107796304A (zh) * | 2017-09-07 | 2018-03-13 | 中铁二院工程集团有限责任公司 | 一种三维激光全景的铁路线路调绘方法 |
CN107792115A (zh) * | 2017-09-07 | 2018-03-13 | 中铁二院工程集团有限责任公司 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
CN108978378A (zh) * | 2018-07-17 | 2018-12-11 | 上海华测导航技术股份有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
CN109978791A (zh) * | 2019-03-28 | 2019-07-05 | 苏州市建设工程质量检测中心有限公司 | 一种基于倾斜摄影和三维激光扫描融合的桥梁监测方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
Non-Patent Citations (3)
Title |
---|
Yukun Zhou,Qijin Chen,Xiaoji Niu.Kinematic Measurement of the Railway Track Centerline Position by GNSS/INS/Odometer Integration.《 IEEE Access》.2019, * |
姚利辉.基于点云数据的道路设计特征点、线的提取方法研究.《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》.2018, * |
林月冠.倾斜摄影技术在灾后建筑物损毁评估巾的应用分析.《地理信息世界》.2016, * |
Also Published As
Publication number | Publication date |
---|---|
CN111429498A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429498B (zh) | 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 | |
CN110986878B (zh) | 基于移动测量系统自动化提取铁轨断面的方法 | |
CN110111608B (zh) | 基于雷达轨迹构建机坪场面运动目标运行意图识别的方法 | |
CN103711050B (zh) | 一种激光雷达道路改扩建勘测设计方法 | |
CN113155098B (zh) | 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 | |
CN109633674A (zh) | 基于激光点云数据的输电巡视三维航迹自动规划方法 | |
CN109685886A (zh) | 一种基于混合现实技术的配网三维场景建模方法 | |
CN108645420B (zh) | 一种基于差分导航的自动驾驶车辆多路径地图的创建方法 | |
CN113125444A (zh) | 一种基于无人机搭载三维扫描仪的铁路桥梁病害监测方法 | |
CN112597664B (zh) | 一种基于无人机的铁路既有线精细实景三维建模航带设计方法 | |
CN110986877B (zh) | 基于高精度车载激光移动测量系统铁路工程限界检测方法 | |
CN114859374B (zh) | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 | |
CN112833861A (zh) | 一种基于倾斜摄影大比例尺地形图的测绘方法和测绘系统 | |
CN115435798A (zh) | 无人车高精地图路网生成系统及方法 | |
CN112465966A (zh) | 一种集倾斜摄影测量与三维激光扫描的陡崖三维建模方法 | |
CN109544607A (zh) | 一种基于道路标志线的点云数据配准方法 | |
CN114897777A (zh) | 顾及空间关系的接触网支撑设施激光点云全自动提取方法 | |
CN112857329B (zh) | 铁路既有线岔心测量方法、系统、存储介质及电子设备 | |
Yang et al. | Discretization–filtering–reconstruction: railway detection in images for navigation of inspection UAV | |
CN117607893A (zh) | 基于无人机非接触测量的铁路既有线复测方法 | |
CN116858195B (zh) | 一种基于无人机激光雷达技术的既有铁路测量方法 | |
He et al. | Construction of 3D Model of Tunnel Based on 3D Laser and Tilt Photography. | |
CN107545601B (zh) | 一种架空输电线路树高断面自动生成方法 | |
WO2023279131A1 (de) | Verfahren zur dreidimensionalen rekonstruktion des verlaufs der schienenmittellinie von schienen eines schienennetzes für schienenfahrzeuge | |
Guo et al. | Frog and blade based branching direction detection in LiDAR data |
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 |