CN113566839B - 基于三维建模的道路区间最短路程距离测量方法 - Google Patents
基于三维建模的道路区间最短路程距离测量方法 Download PDFInfo
- Publication number
- CN113566839B CN113566839B CN202110835886.1A CN202110835886A CN113566839B CN 113566839 B CN113566839 B CN 113566839B CN 202110835886 A CN202110835886 A CN 202110835886A CN 113566839 B CN113566839 B CN 113566839B
- Authority
- CN
- China
- Prior art keywords
- road
- dimensional
- shortest
- section
- modeling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 238000000691 measurement method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000592183 Eidolon Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于三维建模的道路区间最短路程距离测量方法，所述最短路程距离测量方法将无人机倾斜摄影测量技术和3D道路模型结合，利用Dijkstra算法开发出新的技术用于计算最短行车路线长度，在3D道路模型建立的基础上通过数学模型的计算获取绝对的理论最短行驶路线距离，该测量方法通过三维与平面图中多次映射转换，使得处理器的数据计算量大大减小，能提高最短行车路线长度的准确度，还可以大大提高超速监控的准确性和合理性，对警察交通执法具有重要意义。
Description
技术领域
本发明涉及高速道路检测技术领域，具体涉及一种基于三维建模的道路区间最短路程距离测量方法。
背景技术
随着高速公路建设飞速发展，车辆迅猛增加，保障道路畅通和驾驶安全的形势越加严峻。为保证畅通安全、有效防范并减少交通事故，区间测速系统作为主要测速设备广泛用于警用交通执法。区间测速系统也被称为“区间控制”或“点对点控制”，是基于距离和时间测量机动车行驶速度的测速方式。在OIML最新的国际推荐的交通速度计(OIML R 91)中，要求在区间测速系统中规定路段的最小距离(Minimum of distance)。国际计量组织(OIML)是一个全球性的政府间组织，其主要目的是协调其成员国的国家计量服务机构或相关组织所应用的法规和计量控制。作为OIML的重要成员，中国有义务尽可能接轨OIML的国际建议的标准。
然而现阶段，中国对于区间距离的计算是通过传统机动车行驶法粗略地测量区间道路最短长度(在固定车道进行多次机动车实际行驶，选取最短路程长度)，但这种方法得到的距离都并不是绝对的理论最短行驶路线距离。因为中国对于道路区间最短距离的计算是通过在固定车道进行机动车行驶所获得的区间道路最短长度。此计算方法忽略了机动车变道行驶，因此这个距离并不是机动车可能行驶的最短距离(理论最短行驶路线距离)，且机动车行驶的方式是多样的，例如固定车道行驶、变道行驶和弯道沿直线行驶等方式，而随着行驶方式的改变，机动车实际行驶距离有可能远远小于区间道路最短长度，故理论最短行驶路线距离难以通过实际机动车行驶获得。由此可见，中国现阶段对于区间测速系统区间距离的计量可能并未完全达到OIML的国际建议要求和精度。
故急需设计一种道路区间最短路程距离测量方法，从而提高道路区间的最短路程距离的测量精度，使得区间测速的结果能达到OIML的国际建议要求。
发明内容
(一)要解决的技术问题
针对现有技术的缺陷，本发明提供一种基于三维建模的道路区间最短路程距离测量方法，该方法能进一步提高道路区间的最短路程距离的测量精度，使得区间测速的结果满足OIML的国际建议要求，且数据的计算速度快。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
本发明提供了一种基于三维建模的道路区间最短路程距离测量方法，该测量方法包括如下步骤：
步骤S1：道路区间三维建模：通过无人机的倾斜摄影技术生成赋有纹理的道路区间三维模型，并提取出道路区间的多车道行驶区域边界的相对三维坐标信息；
步骤S2：三维模型投影：通过投影的方式，将所述道路区间三维模型映射在平面的二维道路图下进行路径分析，并基于所述多车道行驶区域边界的相对三维坐标信息和拟合技术，得到道路封闭区间；
步骤S3：搜索最短路径：基于所述道路封闭区间和二维道路图，使用静态路径最短路径算法搜索获得二维道路图下的最短路径；
步骤S4：获得理论最短行驶路线距离：将投影到二维道路图上的所述最短路径映射回所述道路区间三维模型中，通过数值化积分计算得到曲线形式的理论最短行驶路线，并计算得到理论最短行驶路线距离。
优选地，步骤S1中具体包括：将无人机航拍的倾斜摄影数据导入到建模软件中，通过计算机图形计算，结合pos信息处理，生成点云，点云构成格网，格网结合照片生成赋有纹理的道路区间三维模型，利用所述建模软件，从生成的道路区间三维模型中识别出道路边线，并划定高速公路两车道行驶区域，随后自动提取出道路区间的多车道行驶区域边界的相对三维坐标信息。
优选地，步骤S2中具体包括：对二维道路图进行分析，基于多车道行驶区域边界的相对三维坐标信息，使用Spline拟合技术，得到道路封闭区间，并使用高精度网格对所述道路封闭区间进行分解。
优选地，所述步骤S3中的静态路径最短路径算法选用Dijkstra算法，所述无人机为大疆公司的无人机，所述建模软件为大疆智图。
在另外一方面，本发明还公开了一种基于三维建模的道路区间最短路程距离测量系统，包括：
至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述任一项所述的基于三维建模的道路区间最短路程距离测量方法。
在另外一方面，本发明还公开了一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述任一项所述的基于三维建模的道路区间最短路程距离测量方法。
(三)有益效果
由上述技术方案可知，本发明具备如下有益效果：
1)本发明将基于无人机倾斜摄影测量技术的道路三维建模与Dijkstra(迪杰斯特拉)等静态路径最短路径算法算法相结合，在模型建立的基础上通过数学模型的计算获取绝对的理论最短行驶路线距离，该测量方法通过3D->2D->3D的路径多次转换计算，使得处理器的计算量大大减小，且同时保证了区间测速时理论最短行驶路线距离计算的准确度。
2)此外，本发明还通过实验将计算出的理论最短行驶路线距离与传统方法获得的区间道路最短长度进行比较，判断哪种方法更符合OIML的国际建议对区间测速系统中规定路段的最小距离要求。实验结果表明，计算出的理论最短行驶路线距离低于区间道路最短长度，由此可见，理论最短行驶路线距离更符合OIML的国际建议对区间测速系统中规定路段的最小距离要求。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1为是本发明基于三维建模的道路区间最短路程距离测量方法的流程图；
图2为本发明的最短路程距离测量方法在python软件中理论最短行驶路线距离的计算方式流程图；
图3是本发明中最短路程距离测量方法的三维航拍现场测试图；其中，图(A)是高速区间路况现场图，图(B)和图(C)是大疆精灵4RTK及其遥控器的实物图，图(D)是大疆精灵4RTK的起飞现场图；
图4是传统机动车行驶方法的现场测试图，其中，上图(A)是出发时的拍摄图，下图(B)是到达目的地后的拍摄图；
图5是本发明中最短路程距离测量方法的航拍图，其中，上图(A)是通过航空摄影生成的云点图，下图(B)是通过航空摄影生成的3D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作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。
本发明是中国首次在数字航空摄影测量的基础上，通过3d模型对高速公路理论最短行驶路线距离进行计量研究，本发明的目的包括：
(1)使用无人机技术精准采集高速公路道路信息并构建三维模型，在此模型的基础上利用Dijkstra(迪杰斯特拉)等静态路径最短路径算法，开发出新的技术以获取到高精度的理论最短行驶路线距离；
(2)比较本研究方法计算的理论最短行驶路线距离与传统机动车行驶法测量的区间道路最短长度，判断哪种方法更符合OIML的国际建议对区间测速系统中规定路段的最小距离要求。
如图1所示，本发明公开了一种基于三维建模的道路区间最短路程距离测量方法，该方法包括如下步骤：
步骤S1：道路区间三维建模：通过无人机的倾斜摄影技术生成赋有纹理的道路区间三维模型，并提取出道路区间的多车道行驶区域边界的相对三维坐标信息；
进一步的，步骤S1中具体包括：将无人机航拍的倾斜摄影数据(如照片影像)导入到建模软件(如大疆智图)中，通过计算机图形计算，结合pos信息空三处理，生成点云，点云构成格网，格网结合照片生成赋有纹理的道路区间三维模型，利用建模软件，从生成的道路区间三维模型中识别出道路边线，并划定高速公路两车道行驶区域，随后自动提取出道路区间的多车道行驶区域边界的相对三维坐标信息。
步骤S2：三维模型投影：通过投影的方式，将所述道路区间三维模型映射在平面的二维道路图下进行路径分析，并基于所述多车道行驶区域边界的相对三维坐标信息和拟合技术，得到道路封闭区间；
进一步的，步骤S2中具体包括：对二维道路图进行分析，基于多车道行驶区域边界的相对三维坐标信息(即给定的边缘道路信息)，使用Spline拟合技术，得到道路封闭区间，并使用高精度网格进行分解，以便于进行后续的最短路径搜索。
该步骤中基于3D->2D的投影方式，使得计算机可以在2D道路图下进行路径分析，由于在2D道路环境下可等效于3D建模进行路径分析的结果，故可以先将多车道行驶区域边界的相对3D坐标信息投影呈2D坐标信息布局展现，以减小后续获得最短路径的计算量，并提高计算速度。
步骤S3：搜索最短路径：基于所述道路封闭区间和二维道路图，使用静态路径最短路径算法搜索获得二维道路图下的最短路径；
进一步的，参见图2可知，步骤3中具体包括：在高精度网格的基础上，静态路径最短路径算法选用Dijkstra(迪杰斯特拉)算法进行最短路径的搜索和分析。Dijkstra算法作为一种求单源、无负权最短路径的经典算法，其时效性较好，从整体上看就是从一个起点，扩散到整个图的过程，然后找到计算一个节点到其它所有节点的最短路径。
步骤S4：获得理论最短行驶路线距离：将投影到二维道路图上的所述最短路径映射回所述道路区间三维模型中，通过数值化积分计算得到曲线形式的理论最短行驶路线，并计算得到理论最短行驶路线距离。
该步骤S4利用了步骤S3中通过网格化建模分析下的最短路径结果，获取其在3D道路空间内的投影曲线，通过对该空间曲线进行数值化微积分处理，可以得到其在3D空间内的准确距离作为理论最短行驶路线距离，以用于高度公路的区间测速。
为验证以上基于三维建模的道路区间最短路程距离测量方法的效果，本发明中进行了以下的现场测试：
(一)测试条件和过程：
本发明在中国湖南省郴州市宜章县宜奉高速选取了一段两车道的高速公路，经纬度为(Latitude：25°41′58″N，longitude：113°96′46″E)。此公路呈S型，高程差约17m，因此高程和弯道对于道路长度都有一定影响。2021年4月2日，本发明使用了传统机动车行驶方法测量路程长度，在车上放置非接触式速度计(瑞士KISTLER公司的L-Motion/5335A)，在固定车道进行6次机动车实际行驶，准确记录行驶路程。2021年4月3日，本发明使用大疆公司的无人机(精灵4RTK、经纬M300 RTK)对这段高速公路进行以倾斜摄影的方式进行拍摄，拍摄高度保持在100m的高度，此高度是根据地面分辨率去设置合理的飞行高度，此高度可以全覆盖、高重叠率拍摄，无人机航拍的情况具体如图3所示。
倾斜摄影技术是无人机技术精准采集高速公路道路信息的关键技术。倾斜摄影技术，通过在同一飞行平台上搭载多台传感器(目前常用的是五镜头相机)或一台传感器通过不同的方位角度，从垂直、倾斜等不同角度采集影像，获取地面物体更为完整准确的信息。步骤S1中的倾斜摄影拍摄完成后，本发明将无人机航拍的倾斜摄影数据(照片影像)导入到建模软件(大疆智图)中，通过计算机图形计算，结合pos信息空三处理，生成点云，点云构成格网，格网结合照片生成赋有纹理的三维模型，并利用大疆智图，从生成的道路三维模型中识别出道路边线，并划定高速公路两车道行驶区域，随后自动提取出的两车道行驶区域边界的相对三维坐标信息。
随后，本发明将二维道路图进行，基于给定的边缘道路信息，使用Spline拟合技术，得到道路封闭区间，使用高精度网格进行分解，以进行最短路径搜索。在高精度网格的基础上，本发明选用Dijkstra(迪杰斯特拉)算法进行最短路径分析。最后通过网格化建模分析下的最短路径结果，获取其在3D道路空间内的投影曲线，通过对该空间曲线进行数值化微积分处理，可以得到其在3D空间内的准确距离。如图2所示，本发明所有的模型分析都是通过python软件进行处理的。
(二)测试结果及其分析：
首先，本发明使用了传统机动车行驶方法。本发明在路段中共驾驶了6次(每个车道行驶3次)，最短的单次行驶长度为2649.81m(2649.81m～2651.61m)，现场情况具体参见图4。
其次，本发明将无人机用于航空摄影，图5示出了通过航空摄影生成的云点图和3D图。本发明在3d图的基础上提取出两车道行驶区域边界的相对三维坐标信息，其中最大的高程落差为17m。本发明用前后边界的相对三维坐标信息计算分别计算出两车道道路宽度(前后两边边界)的长度都分别为7.50m，这个长度与中国标准高速公路两车道道路宽度是7.5m相一致(偏差小于0.1％)，表明本发明的提取的道路三维坐标十分准确，用左右边界的相对三维坐标信息计算两边边界的长度分别为2645.12m和2645.10m。
随后，本发明将相对3D坐标信息投影呈2D坐标信息，利用2D坐标信息本发明计算出2d内两车道道路宽度都为7.50m(与3d空间内长度相等)，左右两边边界的长度分别为2644.62m(比相应的3d空间内长度减少0.50m)和2644.58m(比相应的3d空间内长度减少0.52m)。通过Dijkstra(迪杰斯特拉)算法计算出2d的最短行车路径距离为2639.83m，比2D左右两边边界的长度要少4.79m和4.75m。最后本发明通过对该空间曲线进行数值化微积分处理，可以得到其在3D空间内的准确的最短行驶距离为2640.35m(比相应的2d空间内长度增加了0.52m)。本发明发现通过开发的模型计算法计算出来的最短行驶距离分别比传统机动车行驶方法(2649.81m)得到的距离减小9.46m。
本发明采用倾斜摄影测量技术，此次研究证明发现在三维建模的基础上，准确计算出两车道道路宽度与中国标准高速公路两车道道路宽度相一致(是7.5m)，表明此方法利用无人机作来获取道路信息是精准可靠的。通过测绘传感器，以大范围、高精度、高清晰的方式全面感知复杂场景，通过高效的数据采集设备及专业的数据处理流程生成的数据成果直观反映地物的外观、位置、高度等属性，为真实效果和测绘级精度提供保证。由于大范围高精度3D建模路径分析难以计算，特别是高速公路的实际应用，车辆行驶永远是贴行地面，所以在垂直路面方向是不可以随意移动，这将给3d空间直接计算实际行车路径带来困难，因此本发明将3D投影成2D，通过在2D道路图下进行路径分析。本发明发现利用2D坐标信息计算出2d内两车道道路宽度与3D空间内计算出的两车道道路宽度相等，都为7.50m，这个结果首先证明本发明通过倾斜摄影测量技术所得到的道路信息是十分准确的。同时，本发明发现左右两边边界的长度分别比相应的3d空间内长度分别减少0.50m和0.52m。这些结果表明，3d和2d对于计算道路长度是有一定影响，特别是随着道路长度的增加，其影响程度将慢慢加大。而对于计量工作，本发明为了交通计量的准确，应该对道路长度的计算做到最高，因此通过3d空间对道路长度计算是十分有必要的。本发明也发现传统机动车行驶方法计算的道路长度差异较大本发明通过6次跑车得出的路程最大值与最小值差有约3m，而本发明左右两边边界的长度差异仅有0.02m，这表明无人机技术精准采集高速公路道路信息并构建三维模型得到的道路长度比传统机动车行驶方法更为精准。此外，本发明还通过使用Dijkstra(迪杰斯特拉)算法计算出2d的最短行车路径距离比2D道路图左右两边边界的长度要小少4.79m和4.75m。计算出3D空间内的准确的最短行驶距离分别比传统机动车行驶方法得到的距离减小9.46m。
这些结果表明，本发明在3d模型的基础上开发最小路径算法获取到高精度的理论最短行驶路线距离，这个距离值比传统机动车行驶方法得到的道路值要小。而这个理论最短行驶路线距离应该更加符合国际建议对最短路程的规定。同时理论最短行驶路线距离的确定也有助于高速公路执法的公正性。区间测速系统是基于距离和时间测量机动车行驶速度的测速方式。过去中国的区间测速系统都是基于实际路程长度以及限速标准来设定时间监控系统，如果车辆通过这段区间测速系统的时间小于规定的时间则判为车辆超速。由于理论最短行驶路线距离小于实际路程长度，车辆有可能通过行驶最短路线，导致实际速度并没超过限速标准，但实际行驶时间小于规定的时间，从而导致被记录为超速行驶。这将破坏的高速公路执法的公正性。所以可知本发明的方法对于理论最短行驶路线距离的测量以及超速监控的准确性和合理性具有重要意义。
(三)测试结论：
本发明的研究测试表明，理论分析和模拟的最短距离结果比标注里程距离及实际车辆行驶距离短。因此过去对于区间测速系统道路距离的计算并不完全符合国际建议，而本发明的研究正好弥补这方面的不足。同时，准确计算最短行车路线长度对于区间测速具有重要意义，可以大大提高超速监控的准确性和合理性，对警察交通执法具有重要意义。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (6)
1.一种基于三维建模的道路区间最短路程距离测量方法，其特征在于，该测量方法包括：
道路区间三维建模：通过无人机的倾斜摄影技术生成赋有纹理的道路区间三维模型，并提取出道路区间的多车道行驶区域边界的相对三维坐标信息；
三维模型投影：通过投影的方式，将所述道路区间三维模型映射在平面的二维道路图下进行路径分析，并基于所述多车道行驶区域边界的相对三维坐标信息和拟合技术，得到道路封闭区间；
搜索最短路径：基于所述道路封闭区间和二维道路图，使用静态路径最短路径算法搜索获得二维道路图下的最短路径；
获得理论最短行驶路线距离：将投影到二维道路图上的所述最短路径映射回所述道路区间三维模型中，通过数值化积分计算得到曲线形式的理论最短行驶路线，并计算得到理论最短行驶路线距离。
2.根据权利要求1所述的基于三维建模的道路区间最短路程距离测量方法，其特征在于，道路区间三维建模中具体包括：将无人机航拍的倾斜摄影数据导入到建模软件中，通过计算机图形计算，结合pos信息空三处理，生成点云，点云构成格网，格网结合照片生成赋有纹理的道路区间三维模型，利用所述建模软件，从生成的道路区间三维模型中识别出道路边线，并划定高速公路两车道行驶区域，随后自动提取出道路区间的多车道行驶区域边界的相对三维坐标信息。
3.根据权利要求1所述的基于三维建模的道路区间最短路程距离测量方法，其特征在于，三维模型投影中具体包括：对二维道路图进行分析，基于多车道行驶区域边界的相对三维坐标信息，使用Spline拟合技术，得到道路封闭区间，并使用高精度网格对所述道路封闭区间进行分解。
4.根据权利要求1所述的基于三维建模的道路区间最短路程距离测量方法，其特征在于，所述搜索最短路径中的静态路径最短路径算法选用Dijkstra算法。
5.一种基于三维建模的道路区间最短路程距离测量系统，其特征在于，包括：
至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一项所述的基于三维建模的道路区间最短路程距离测量方法。
6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至4任一项所述的基于三维建模的道路区间最短路程距离测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110835886.1A CN113566839B (zh) | 2021-07-23 | 2021-07-23 | 基于三维建模的道路区间最短路程距离测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110835886.1A CN113566839B (zh) | 2021-07-23 | 2021-07-23 | 基于三维建模的道路区间最短路程距离测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113566839A CN113566839A (zh) | 2021-10-29 |
| CN113566839B true CN113566839B (zh) | 2024-02-06 |
Family
ID=78166565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110835886.1A Active CN113566839B (zh) | 2021-07-23 | 2021-07-23 | 基于三维建模的道路区间最短路程距离测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113566839B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4232167B1 (ja) * | 2007-08-27 | 2009-03-04 | 三菱電機株式会社 | 対象特定装置、対象特定方法および対象特定プログラム |
| CN104504748A (zh) * | 2014-12-03 | 2015-04-08 | 中国科学院遥感与数字地球研究所 | 一种无人机倾斜摄影红外三维成像系统及建模方法 |
| CN105849584A (zh) * | 2013-12-27 | 2016-08-10 | 三菱电机株式会社 | 雷达装置以及距离速度测量方法 |
| CN109598946A (zh) * | 2018-11-19 | 2019-04-09 | 南京理工大学 | 一种基于雷达体制的多车道测速方法 |
| CN110910501A (zh) * | 2019-11-28 | 2020-03-24 | 深圳市信义科技有限公司 | 基于全景地图的网络分析模型构建及路径分析方法 |
| CN111009137A (zh) * | 2019-12-25 | 2020-04-14 | 重庆长安汽车股份有限公司 | 一种基于摄像头与导航数据融合的区间测速提示方法、系统及汽车 |
| CN112053559A (zh) * | 2020-08-25 | 2020-12-08 | 浙江省机电设计研究院有限公司 | 一种高速公路安全态势评估方法及评估系统 |
| CN112213113A (zh) * | 2020-09-02 | 2021-01-12 | 中国第一汽车股份有限公司 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
| CN112258519A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种高精度地图制作中道路的让行线自动化提取方法及装置 |
| CN112307553A (zh) * | 2020-12-03 | 2021-02-02 | 之江实验室 | 一种对三维道路模型进行提取与简化的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2530433B1 (en) * | 2011-06-01 | 2015-04-22 | Harman Becker Automotive Systems GmbH | Method of generating a database for a navigation device |
| KR20180050823A (ko) * | 2016-11-07 | 2018-05-16 | 삼성전자주식회사 | 3차원의 도로 모델을 생성하는 방법 및 장치 |
| WO2019090480A1 (zh) * | 2017-11-07 | 2019-05-16 | 深圳市大疆创新科技有限公司 | 基于无人机航拍的三维重建方法、系统及装置 |
-
2021
- 2021-07-23 CN CN202110835886.1A patent/CN113566839B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4232167B1 (ja) * | 2007-08-27 | 2009-03-04 | 三菱電機株式会社 | 対象特定装置、対象特定方法および対象特定プログラム |
| CN105849584A (zh) * | 2013-12-27 | 2016-08-10 | 三菱电机株式会社 | 雷达装置以及距离速度测量方法 |
| CN104504748A (zh) * | 2014-12-03 | 2015-04-08 | 中国科学院遥感与数字地球研究所 | 一种无人机倾斜摄影红外三维成像系统及建模方法 |
| CN109598946A (zh) * | 2018-11-19 | 2019-04-09 | 南京理工大学 | 一种基于雷达体制的多车道测速方法 |
| CN110910501A (zh) * | 2019-11-28 | 2020-03-24 | 深圳市信义科技有限公司 | 基于全景地图的网络分析模型构建及路径分析方法 |
| CN111009137A (zh) * | 2019-12-25 | 2020-04-14 | 重庆长安汽车股份有限公司 | 一种基于摄像头与导航数据融合的区间测速提示方法、系统及汽车 |
| CN112053559A (zh) * | 2020-08-25 | 2020-12-08 | 浙江省机电设计研究院有限公司 | 一种高速公路安全态势评估方法及评估系统 |
| CN112213113A (zh) * | 2020-09-02 | 2021-01-12 | 中国第一汽车股份有限公司 | 智能驾驶移动装置的现实道路测试场景选择及规划方法 |
| CN112258519A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种高精度地图制作中道路的让行线自动化提取方法及装置 |
| CN112307553A (zh) * | 2020-12-03 | 2021-02-02 | 之江实验室 | 一种对三维道路模型进行提取与简化的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 双天线雷达测速仪的研发;陈红江;张浩;汤灏;吴军;;中国测试(第06期);第83-86+121页 * |
| 移动便携式十米级激光测速系统;汤灏;马兴;;光学与光电技术(第04期);第80-86页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113566839A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102145109B1 (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
| KR102595897B1 (ko) | 차선 결정 방법 및 장치 | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| CN103411609B (zh) | 一种基于在线构图的飞行器返航路线规划方法 | |
| JP5389964B2 (ja) | 地図情報生成装置 | |
| KR20180050823A (ko) | 3차원의 도로 모델을 생성하는 방법 및 장치 | |
| EP3876189A1 (en) | Geographic object detection device, geographic object detection method, and geographic object detection program | |
| CN105667518A (zh) | 车道检测的方法及装置 | |
| CN106774410A (zh) | 无人机自动巡检方法和装置 | |
| US11232582B2 (en) | Visual localization using a three-dimensional model and image segmentation | |
| CN112652065A (zh) | 三维社区建模方法、装置、计算机设备及存储介质 | |
| CN116129067A (zh) | 一种基于多源地理信息耦合的城市实景三维建模方法 | |
| Amin et al. | Reconstruction of 3D accident scene from multirotor UAV platform | |
| CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
| CN112446915A (zh) | 一种基于图像组的建图方法及装置 | |
| Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
| CN113566839B (zh) | 基于三维建模的道路区间最短路程距离测量方法 | |
| Deusch et al. | Improving localization in digital maps with grid maps | |
| WO2020118623A1 (en) | Method and system for generating an environment model for positioning | |
| Tang et al. | Calculation of the minimum distance of driving route for average speed control based on three-dimensional modeling | |
| WO2022021209A9 (zh) | 电子地图生成方法、装置、计算机设备和存储介质 | |
| Huang et al. | Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling | |
| Lee et al. | Semi-automatic framework for traffic landmark annotation | |
| CN112767458A (zh) | 激光点云与图像的配准的方法及系统 | |
| Huang et al. | Ground filtering algorithm for mobile LIDAR using order and neighborhood point information |
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 |