CN113506227A - 避免车载点云数据纠正点无效采集的方法及系统 - Google Patents
避免车载点云数据纠正点无效采集的方法及系统 Download PDFInfo
- Publication number
- CN113506227A CN113506227A CN202110771242.0A CN202110771242A CN113506227A CN 113506227 A CN113506227 A CN 113506227A CN 202110771242 A CN202110771242 A CN 202110771242A CN 113506227 A CN113506227 A CN 113506227A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- dimensional coordinate
- road surface
- correction
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 14
- 239000004744 fabric Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
- G01C15/002—Active optical surveying means
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供一种避免车载点云数据纠正点无效采集的方法及系统，通过对劣化数据路段点云进行地面滤波处理，获取路面点云；接收用户在路面点云布设的纠正点，纠正点位于路面点云中标线的非遮挡处；获取纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；获取第一三维坐标和第二三维坐标之间的差值，基于差值对劣化数据路段点云对应的POS文件进行修正。本发明基于点云视角的纠正点精准布设，能够完全避免纠正点无效采集的弊端，从而提高纠正的效率；还通过设置点位布设文件格式为手机移动端地图等识别的通用kmz格式，实现了文件数据量极小，传输效率高的优点。
Description
技术领域
本发明涉及计算机图像处理技术，尤其涉及一种避免车载点云数据纠正点无效采集的方法及系统。
背景技术
基于多传感器集成的车载激光扫描测量系统是城市空间地理信息采集的一项重要技术，已广泛用于街景数据采集、市政管理和道路测量等领域。
在车载激光扫描测量系统普及和实际应用过程中，受到城市环境交通状况复杂、高楼林立以及行道树密集等不利条件的干扰，尤其在复杂环境下的城市道路上进行采集，最终导致点云数据质量严重下降。为此，需要根据车载扫描时的行驶轨迹(参见图1，图1为现有技术车载扫描的行驶路径示意图，其中黑色粗线代表路径)，利用卫星实时动态定位系统(RTK)采集路面上的标线特征点坐标，以此为纠正点对点云数据进行纠正，达到提高点云数据纠正的目的。
然而，实际作业中发现，采用该方法采集的纠正点利用率不高，存在较多点位被路面其他因素所遮挡，还存在部分点位远离扫描车行驶轨迹无法看清等现象，给点云数据纠正带来极大困扰。
发明内容
本发明实施例提供一种避免车载点云数据纠正点无效采集的方法、系统及设备，基于点云视角的纠正点精准布设，能够完全避免纠正点无效采集的弊端，从而提高纠正的效率；还通过设置点位布设文件格式为手机移动端地图等识别的通用kmz格式，实现了文件数据量极小，传输效率高的优点。
本发明实施例的第一方面，提供一种避免车载点云数据纠正点无效采集的方法，包括：
对劣化数据路段点云进行地面点滤波处理，获取路面点云；
接收用户在所述路面点云布设的纠正点，所述纠正点位于所述路面点云中标线的非遮挡处；
获取所述纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；
获取所述第一三维坐标和第二三位坐标之间的差值，基于所述差值对劣化数据段点云对应的POS文件进行修正。
可选地，在第一方面的一种可能实现方式中，在所述对劣化数据路段点云进行地面点滤波处理，获取路面点云之前，还包括：
基于对原始点云的分层数据和/或信号强度数据的判断，获取所述劣化数据路段点云。
可选地，在第一方面的一种可能实现方式中，所述接收用户在所述路面点云布设的纠正点，包括：
根据劣化数据路段点云的分层数据，获取所述纠正点的分布间隔；
用户基于所述分布间隔，在所述路面点云布设所述纠正点。
可选地，在第一方面的一种可能实现方式中，所述劣化数据路段点云进行地面点滤波处理，获取路面点云，包括：
基于布料模拟滤波模型对劣化数据路段的点云进行地面点滤波处理，获取路面点云；
其中，布料模拟滤波模型的布料分辨率为2米，区分地面与非地面点的分类阈值为0.5米。
可选地，在第一方面的一种可能实现方式中，所述接收用户在所述路面点云布设的纠正点，包括：
对路面点云进行数据结算处理，获取结算数据，其中，数据结算的滤波长度为60米，所述解算数据的平面坐标采用CGCS2000坐标系，高程基准采用1985高程；
基于QTmodeler模型加载所述解算数据，接收用户在QTmodeler模型中布设的纠正点。
可选地，在第一方面的一种可能实现方式中，获取外业坐标采集人员采集的路面标线特征点的第二三维坐标，包括：
将标记好的纠正点到处为shp格式的文件，再利用ArcGIS模型的Toolbox的conversion工具将shp格式文件转为kmz格式，发给外业坐标采集人员作为采集参考；
获取外业坐标采集人员采集的路面标线特征点的第二三维坐标。
可选地，在第一方面的一种可能实现方式中，获取所述第一三维坐标和所述第二三维坐标之间的差值，包括：
将所述劣化数据路段点云导入点云数据纠正模型；
获取与所述第二三维坐标对应的第一三维坐标，并基于预设规则获取所述第三维坐标和第二三维坐标之间的差值。
可选地，在第一方面的一种可能实现方式中，所述预设规则如下：
其中，(ΔX,ΔY,ΔZ)代表差值的数据，(Xp,Yp,Zp)代表第一三维坐标的数据，(Xo，Yo,Zo)代表第二三维坐标的数据。
本发明实施例的第二方面，提供一种避免车载点云数据纠正点无效采集的系统，包括：
滤波模型，用于对劣化数据路段点云进行地面点滤波处理，获取路面点云；
布设模块，用于接收用户在所述路面点云布设的纠正点，所述纠正点位于所述路面点云中标线的非遮挡处；
坐标模块，用于获取所述纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；
修正模块，用于获取所述第一三维坐标和所述第二三维坐标之间的差值，基于所述差值对劣化数据路段点云对应的POS文件进行修正。
本发明实施例的第三方面，提供一种避免车载点云数据纠正点无效采集的设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能涉及的所述方法。
本发明实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能涉及的所述方法。
本发明提供的一种避免车载点云数据纠正点无效采集的方法及系统，方法通过对劣化数据路段点云进行地面滤波处理，获取路面点云；接收用户在路面点云布设的纠正点，纠正点位于路面点云中标线的非遮挡处；获取纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；获取第一三维坐标和第二三维坐标之间的差值，基于差值对劣化数据路段点云对应的POS文件进行修正。本发明基于点云视角的纠正点精准布设，能够完全避免纠正点无效采集的弊端，基于纠正点的偏差纠正为参考，从而实现所有劣化数据路段点云的纠正，提高纠正的效率；还通过设置点位布设文件格式为手机移动端地图等识别的通用kmz格式，实现了文件数据量极小，传输效率高的优点。
附图说明
图1为现有技术车载扫描的行驶路径示意图；
图2是本发明实施例提供的一种避免车载点云数据纠正点无效采集的方法的流程图；
图3为本发明实施例提供的分层现象示意图；
图4a为本发明实施例提供的标线被水体遮挡的示意图；
图4b为本发明实施例提供的标线被车辆遮挡的示意图；
图5为本发明实施例提供的在QTmodeler软件中选择点位的示意图；
图6a为本发明实施例提供的shp文件展点图的示意图；
图6b为本发明实施例提供的kmz文件展点图的示意图；
图7是本发明实施例提供的一种避免车载点云数据纠正点无效采集的系统的结构示意图；
图8是本发明实施例提供的一种避免车载点云数据纠正点无效采集的设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
基于多传感器集成的车载激光扫描测量系统是城市空间地理信息采集的一项重要技术，然而现有技术采用的纠正点利用率不高，存在较多点位被路面行驶的车辆、洒水车的水面所遮挡，还存在部分点位远离扫描车行驶轨迹无法看清等现象，给点云数据纠正带来极大困扰。
图2是本发明实施例提供的一种避免车载点云数据纠正点无效采集的方法的流程图，如图2所示，本实施例中避免车载点云数据纠正点无效采集的方法可以包括步骤S101至步骤S104，具体如下：
S101，对劣化数据路段点云进行路面点滤波处理，获取路面点云。本实施例中，劣化数据往往表现为同一地物在平面位置和高程位置上的不重合，即出现点云分层现象(参考图3，图3为本发明实施例提供的分层现象示意图)，因此需实现后期点云数据的纠正。因此，本方法首先对劣化数据段点云进行地面点滤波，去除大量的地物干扰，只保留路面点云，即获得路面点云。
在一些实施例中，在所述劣化数据路段点云进行地面点滤波处理，获取路面点云之前，还包括：
本实施例在车载扫描完成后，不仅可以根据原始点云的分层数据进行判断，获取劣化数据路段点云，还可以根据信号强度数据获得劣化数据路段点云，例如可以根据信号强弱进行判断。进而对劣化数据段点云进行地面点滤波，去除大量的地物干扰，只保留路面点云，即获得路面点云。
在上述实施例的基础上步骤S101的具体实现方式为基于布料模拟滤波模型对劣化数据路段的点云进行地面点滤波处理，获取路面点云；其中，布料模拟滤波模型的布料分辨率为2米，区分地面与非地面点的分类阈值为0.5米。
本实施例中，点云滤波算法选择布料模拟滤波(cloth simulation filter,CSF)，首先对点云进行翻转，然后假设有一块布料受到重力从上方落下，则最终落下的布料就可以代表当前地形。本实施例中CSF算法参数设置如下：布料分辨率设置为2米，区分地面与非地面点的分类阈值设置为0.5米，无需其他参数设置，因此操作简单，进而提高纠正的效率。
S102，接收用户在所述路面点云布设的纠正点，所述纠正点位于所述路面点云中标线的非遮挡处。
本实施例基于对劣化数据路段点云进行地面点滤波处理后，路边的行道树等噪声干扰会被排除，因此可以清晰呈现路面标线的特征，从而容易判断哪些标线被遮挡，进而方便布设纠正点，因此纠正点位于路面点云中标线的非遮挡处(即排除掉遮挡处)，提高基于点云视角进行纠正点布设的优势，提高纠正的准确性。
在上述实施例的基础上步骤S102中接收用户在所述路面点云布设纠正点的具体实现方式可以是：
根据劣化数据路段点云的分层数据，获取所述纠正点的分布间隔；
用户基于所述分布间隔，在所述路面点云布设所述纠正点。其中分层数据为采集数据存入计算机中形成点云文件，点云可以测量关键界面和边界数据，利用三维空间中的曲面切片将数据分层即得到分层数据。且可以根据点云的分层数据，合理计算获取纠正点的分布间隔，以便在点云中精确地选择标线。因此纠正点位于路面点云中标线的非遮挡处，提高基于点云视角进行纠正点布设的优势，提高纠正的准确性。
由于原始数据路面上会存在较多标线被行驶的车辆、水体所遮挡的现象(如图4a和图4b所示，图4a为本发明实施例提供的标线被水体遮挡的示意图，如图4a中椭圆处的示意，图4b为本发明实施例提供的标线被车辆遮挡的示意图，如图4b中矩形的示意，)，盲目采集纠正点坐标就会造成较多点位不可用的缺点，因此本实施例基于点云视角的纠正点精准布设，能够完全避免纠正点无效采集的弊端，从而提高纠正的效率。
具体地，在上述实施例的基础上步骤S102中接收用户在所述路面点云布设纠正点的具体实现方式可以是：
对路面点云进行数据解算处理，获取解算数据，其中，数据解算的滤波长度为60米，所述解算数据的平面坐标采用CGCS2000坐标系，高程基准采用1985高程；
基于QTmodeler模型加载所述解算数据，接收用户在QTmodeler模型中布设的纠正点。
在车载扫描作业完成后进行数据解算，数据解算的滤波长度根据路面宽度合理设置，通常为60米，即以扫描车行驶方向为中心线，向两边60米范围内存在点云数据。数据成果的平面坐标采用CGCS2000坐标系，高程基准采用1985高程。
将点云加载进QTmodeler软件中，选择明显可见的标线特征点进行标记(如图5所示，图5为本发明实施例提供的在QTmodeler软件中选择点位的示意图，例如Mymarker1等)，将标记好的点位导出为.shp格式的文件(如图6a和图6b所示，图6a为本发明实施例提供的shp文件展点图的示意图，图6b为本发明实施例提供的kmz文件展点图的示意图,如图6a中的数据点与图6b中黑色圆点对应。)，再利用ArcGIS软件Toolbox的conversion工具将.shp格式转为kmz格式(数据坐标系和点云数据保持一致)，即可发给外业坐标采集人员参考进行采集，由于点文件数据相比点云数据量缩小较多量级，在数据处理、数据传输等方面效率大大提升，且简单可行。
S103，获取所述纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标。本实施例中第一三维坐标为QTmodeler软件中的坐标，第二三维坐标为外业坐标采集人员采集的真实坐标，且为路面标线特征点的真实坐标。
结合上述实施例接收用户在所述路面点云布设的纠正点，获取纠正点的第一三维坐标以及外业坐标采集人员采集的路面标线特征点的第二三维坐标，从而可以获取第一三维坐标以及第二三维坐标间的差值等操作。
在上述实施例的基础上步骤S103中获取外业坐标采集人员采集的路面标线特征点的第二三维坐标的具体实现方式可以是：
将标记好的纠正点导出为shp格式的文件，再利用ArcGIS模型的Toolbox的conversion工具将shp格式文件转为kmz格式，发给外业坐标采集人员作为采集参考；
获取外业坐标采集人员采集的路面标线特征点的第二三维坐标。
本实施例中将标记好的纠正点导出为shp格式的文件，再利用ArcGIS模型的Toolbox的conversion工具将shp格式文件转为kmz格式，发给外业坐标采集人员作为采集参考；获取外业坐标采集人员采集的路面标线特征点的第二三维坐标，即获得外业坐标采集人员采集的路面标线特征点的真实坐标。
S104，获取第一三维坐标和第二三维坐标之间的差值，基于所述差值对劣化数据路段点云对应的POS文件进行修正。
本实施例利用利用点云数据纠正软件加载点云数据工程，并将外业采集的路面标线特征点三维坐标数据导入，采用人工交互的方式精确选择与外业采集对应的路面标线特征点，并获取其三维坐标，计算两者之间的差值，利用该差值对该段点云对应的POS文件进行修正。基于纠正点的偏差纠正为参考，从而实现所有劣化数据路段点云的纠正，提高纠正的效率。
在上述实施例的基础上步骤S104中获取所述第一三维坐标和所述第二三维坐标之间的差值的具体实施方式为：
将所述劣化数据路段点云导入点云数据纠正模型；
获取与所述第二三维坐标对应的第一三维坐标，并基于预设规则获取所述第一三维坐标和所述第二三维坐标之间的差值。
其中，所述预设规则如下：
其中，(ΔX,ΔY,ΔZ)代表差值的数据，(Xp,Yp,Zp)代表第一三维坐标的数据，(Xo,Yo,Zo)代表第二三维坐标的数据。
本实施例中对车载激光扫描点云数据上标线的一个特征点坐标P(Xp,Yp,Zp)，均可以找到相对应的外业RTK采集的特征点P坐标真值(Xo,Yo,Zo)，这主要得益于本发明中上述步骤“基于点云视角的纠正点精准布设”，避免了大量无效点位的采集。有了特征点P坐标真值(Xo,Yo,Zo)，进而根据公式一计算差值(ΔX,ΔY,ΔZ)，对点云数据上标线的特征点进行位置修正。表1给出了控制点(纠正点)坐标与点云坐标差值计算示例。
表1
本发明基于点云视角的纠正点精准布设，能够完全避免纠正点无效采集的弊端，基于纠正点的偏差纠正为参考，从而实现所有劣化数据路段点云的纠正，提高纠正的效率；还通过设置点位布设文件格式为手机移动端地图等识别的通用kmz格式，实现了文件数据量极小，传输效率高的优点。
图7是本发明实施例提供的一种避免车载点云数据纠正点无效采集的系统的结构示意图，如图7所示，本实施例的系统10可以包括：
滤波模块11，用于对劣化数据路段点云进行地面点滤波处理，获取路面点云；
布设模块12，用于接收用户在所述路面点云布设的纠正点，所述纠正点位于所述路面点云中标线的非遮挡处；
坐标模块13，用于获取所述纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；
修正模块14，用于获取所述第一三维坐标和所述第二三维坐标之间的差值，基于所述差值对劣化数据路段点云对应的POS文件进行修正。
图7所示实施例的装置对应地可用于执行图2所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。
图8是本发明实施例提供的一种避免车载点云数据纠正点无效采集的设备的结构示意图，该设备20包括：处理器21、存储器22和计算机程序；其中
存储器22，用于存储所述计算机程序，该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器21，用于执行所述存储器存储的计算机程序，以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器2既可以是独立的，也可以跟处理器21集成在一起。
当所述存储器22是独立于处理器21之外的器件时，所述设备还可以包括：
总线23，用于连接所述存储器22和处理器21。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种避免车载点云数据纠正点无效采集的方法，其特征在于，包括：
对劣化数据路段点云进行地面点滤波处理，获取路面点云；
接收用户在所述路面点云布设的纠正点，所述纠正点位于所述路面点云中标线的非遮挡处；
获取所述纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；
获取所述第一三维坐标和所述第二三维坐标之间的差值，基于所述差值对劣化数据路段点云对应的POS文件进行修正。
2.根据权利要求1所述的方法，其特征在于，在所述对劣化数据路段点云进行地面点滤波处理，获取路面点云之前，还包括：
基于对原始点云的分层数据和/或信号强度数据的判断，获取所述劣化数据路段点云。
3.根据权利要求1所述的方法，其特征在于，所述接收用户在所述路面点云布设的纠正点，包括：
根据劣化数据路段点云的分层数据，获取所述纠正点的分布间隔；
用户基于所述分布间隔，在所述路面点云布设所述纠正点。
4.根据权利要求1或2所述的方法，其特征在于，所述对劣化数据路段点云进行地面点滤波处理，获取路面点云，包括：
基于布料模拟滤波模型对劣化数据路段的点云进行地面点滤波处理，获取路面点云；
其中，布料模拟滤波模型的布料分辨率为2米，区分地面与非地面点的分类阈值为0.5米。
5.根据权利要求1或3所述的方法，其特征在于，所述接收用户在所述路面点云布设的纠正点，包括：
对路面点云进行数据解算处理，获取解算数据，其中，数据解算的滤波长度为60米，所述解算数据的平面坐标采用CGCS2000坐标系，高程基准采用1985高程；
基于QTmodeler模型加载所述解算数据，接收用户在QTmodeler模型中布设的纠正点。
6.根据权利要求5所述的方法，其特征在于，所述获取外业坐标采集人员采集的路面标线特征点的第二三维坐标，包括：
将标记好的纠正点导出为shp格式的文件，再利用ArcGIS模型的Toolbox的conversion工具将shp格式文件转为kmz格式，发给外业坐标采集人员作为采集参考；
获取外业坐标采集人员采集的路面标线特征点的第二三维坐标。
7.根据权利要求1所述的方法，其特征在于，所述获取所述第一三维坐标和所述第二三维坐标之间的差值，包括：
将所述劣化数据路段点云导入点云数据纠正模型；
获取与所述第二三维坐标对应的第一三维坐标，并基于预设规则获取所述第一三维坐标和所述第二三维坐标之间的差值。
8.根据权利要求7所述的方法，其特征在于，所述预设规则如下：
其中，(ΔX,ΔY,ΔZ)代表差值的数据，(Xp,Yp,Zp)代表第一三维坐标的数据，(Xo,Yo,Zo)代表第二三维坐标的数据。
9.一种避免车载点云数据纠正点无效采集的系统，其特征在于，包括：
滤波模块，用于对劣化数据路段点云进行地面点滤波处理，获取路面点云；
布设模块，用于接收用户在所述路面点云布设的纠正点，所述纠正点位于所述路面点云中标线的非遮挡处；
坐标模块，用于获取所述纠正点的第一三维坐标，以及外业坐标采集人员采集的路面标线特征点的第二三维坐标；
修正模块，用于获取所述第一三维坐标和所述第二三维坐标之间的差值，基于所述差值对劣化数据路段点云对应的POS文件进行修正。
10.一种避免车载点云数据纠正点无效采集的设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行权利要求1至8任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110771242.0A CN113506227A (zh) | 2021-07-08 | 2021-07-08 | 避免车载点云数据纠正点无效采集的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110771242.0A CN113506227A (zh) | 2021-07-08 | 2021-07-08 | 避免车载点云数据纠正点无效采集的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113506227A true CN113506227A (zh) | 2021-10-15 |
Family
ID=78011643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110771242.0A Pending CN113506227A (zh) | 2021-07-08 | 2021-07-08 | 避免车载点云数据纠正点无效采集的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113506227A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102661736A (zh) * | 2012-05-17 | 2012-09-12 | 天津市星际空间地理信息工程有限公司 | 一种高速公路改扩建勘测方法 |
| CN103745018A (zh) * | 2014-02-11 | 2014-04-23 | 天津市星际空间地理信息工程有限公司 | 一种多平台点云数据融合方法 |
| CN105701862A (zh) * | 2014-11-28 | 2016-06-22 | 星际空间（天津）科技发展有限公司 | 一种基于点云的地物关键点提取方法 |
| CN105844995A (zh) * | 2016-05-20 | 2016-08-10 | 中铁第勘察设计院集团有限公司 | 基于车载LiDAR技术的铁路线路运营维护测量方法 |
| EP3588449A1 (en) * | 2018-06-29 | 2020-01-01 | Thomson Licensing | Devices, systems, and methods for color correcting digital images |
| CN110780307A (zh) * | 2019-05-29 | 2020-02-11 | 武汉星源云意科技有限公司 | 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 |
| CN111598823A (zh) * | 2020-05-19 | 2020-08-28 | 北京数字绿土科技有限公司 | 多源移动测量点云数据空地一体化融合方法、存储介质 |
| CN112050823A (zh) * | 2019-06-06 | 2020-12-08 | 上海博泰悦臻网络技术服务有限公司 | 一种导航目的地修正方法、装置及计算机存储介质 |
| WO2021051539A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技（深圳）有限公司 | 一种人脸识别的方法、装置及终端设备 |
| CN212960695U (zh) * | 2020-08-07 | 2021-04-13 | 江苏省地质测绘院 | 倾斜摄影最优标靶模型 |
-
2021
- 2021-07-08 CN CN202110771242.0A patent/CN113506227A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102661736A (zh) * | 2012-05-17 | 2012-09-12 | 天津市星际空间地理信息工程有限公司 | 一种高速公路改扩建勘测方法 |
| CN103745018A (zh) * | 2014-02-11 | 2014-04-23 | 天津市星际空间地理信息工程有限公司 | 一种多平台点云数据融合方法 |
| CN105701862A (zh) * | 2014-11-28 | 2016-06-22 | 星际空间（天津）科技发展有限公司 | 一种基于点云的地物关键点提取方法 |
| CN105844995A (zh) * | 2016-05-20 | 2016-08-10 | 中铁第勘察设计院集团有限公司 | 基于车载LiDAR技术的铁路线路运营维护测量方法 |
| EP3588449A1 (en) * | 2018-06-29 | 2020-01-01 | Thomson Licensing | Devices, systems, and methods for color correcting digital images |
| CN110780307A (zh) * | 2019-05-29 | 2020-02-11 | 武汉星源云意科技有限公司 | 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 |
| CN112050823A (zh) * | 2019-06-06 | 2020-12-08 | 上海博泰悦臻网络技术服务有限公司 | 一种导航目的地修正方法、装置及计算机存储介质 |
| WO2021051539A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技（深圳）有限公司 | 一种人脸识别的方法、装置及终端设备 |
| CN111598823A (zh) * | 2020-05-19 | 2020-08-28 | 北京数字绿土科技有限公司 | 多源移动测量点云数据空地一体化融合方法、存储介质 |
| CN212960695U (zh) * | 2020-08-07 | 2021-04-13 | 江苏省地质测绘院 | 倾斜摄影最优标靶模型 |
Non-Patent Citations (2)
| Title |
|---|
| 崔红超等: "Cyclone在数字校园三维激光点云数据预处理中的应用", 《北京测绘》, no. 03, 25 March 2020 (2020-03-25), pages 63 - 66 * |
| 谢安全: "车载激光建模测量系统在重庆城区的应用分析", 《地理空间信息》, vol. 17, no. 02, 25 February 2019 (2019-02-25), pages 69 - 71 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101893443B (zh) | 道路数字正射影像地图的制作系统 | |
| CN109100730A (zh) | 一种多车协同快速建图方法 | |
| CN106887020A (zh) | 一种基于LiDAR点云的道路纵横断面获取方法 | |
| CN105448184A (zh) | 地图道路的绘制方法及装置 | |
| CN105551082A (zh) | 一种基于激光点云的路面识别方法及装置 | |
| CN103136789A (zh) | 基于地形图和影像的交通事故道路底图信息处理方法 | |
| CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
| CN105354832A (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
| CN113899360A (zh) | 港口自动驾驶高精度地图的生成与精度评价方法及装置 | |
| CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
| CN108961150A (zh) | 基于无人机影像的自动布控像控点方法 | |
| CN113658262B (zh) | 相机外参标定方法、装置、系统及存储介质 | |
| CN112726351B (zh) | 一种车载便携轻量化智能巡检方法与系统 | |
| CN113050660A (zh) | 误差补偿方法、装置、计算机设备及存储介质 | |
| CN114861475B (zh) | 一种基于传感数据的实时海洋模拟方法及系统 | |
| CN113506227A (zh) | 避免车载点云数据纠正点无效采集的方法及系统 | |
| CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
| CN112525208A (zh) | 城市道路地图快速构建方法和装置及设备 | |
| CN115375864B (zh) | 一种基于无人机的高速铁路竣工验收方法 | |
| CN109859315B (zh) | 一种三维影像的地表植被分离方法 | |
| CN113418510A (zh) | 一种基于多旋翼无人机的高标准农田验收方法 | |
| CN113888713A (zh) | 一种车载激光点云数据恢复路面缺失点的方法 | |
| CN110864678A (zh) | 无人测绘机gps坐标自动测绘方法以及系统 | |
| CN112632198A (zh) | 地图数据的显示方法、装置及电子设备 | |
| CN112415471B (zh) | 一种单站移动测向定位方法 |
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 |