CN114140459B - 基于原始激光点云的铁路横断面测量方法 - Google Patents

基于原始激光点云的铁路横断面测量方法 Download PDF

Info

Publication number
CN114140459B
CN114140459B CN202111501443.5A CN202111501443A CN114140459B CN 114140459 B CN114140459 B CN 114140459B CN 202111501443 A CN202111501443 A CN 202111501443A CN 114140459 B CN114140459 B CN 114140459B
Authority
CN
China
Prior art keywords
cross
railway
section
data
points
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
Application number
CN202111501443.5A
Other languages
English (en)
Other versions
CN114140459A (zh
Inventor
刘畅
黄华平
胥海燕
蔡建国
赖鸿斌
冯树波
严建
罗明圣
王一川
林春峰
向涛
曹体涛
郑子天
赵龙
陈海军
周震
孙智虎
许懿娜
何沐
田大杰
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.)
China Railway Eryuan Engineering Group Co Ltd CREEC
Original Assignee
China Railway Eryuan Engineering Group Co Ltd CREEC
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 China Railway Eryuan Engineering Group Co Ltd CREEC filed Critical China Railway Eryuan Engineering Group Co Ltd CREEC
Priority to CN202111501443.5A priority Critical patent/CN114140459B/zh
Publication of CN114140459A publication Critical patent/CN114140459A/zh
Application granted granted Critical
Publication of CN114140459B publication Critical patent/CN114140459B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • 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
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • G06T2207/30108—Industrial image inspection

Abstract

本发明提供一种基于原始激光点云的铁路横断面测量方法，能快速生成铁路横断面轮廓。包括步骤：S1，生成铁路中线；S2，通过横断面采集数据生成横断面线，横断面线为垂直于铁路中线的线段，根据横断面线、地形和点密度情况，设置剖切宽度d，剖切点云；S3，根据横断面参数，采用等间距内插提取算法和道格拉斯普克算法提取每个横断面的特征点，获得铁路横断面的轮廓。其基于原始高精度LiDAR点云数据快速生成铁路横断面轮廓，无需点云分类、无需构建TIN、无需构建数字高程模型DEM，减少数据处理时间。还能最大程度保留表达铁路固有特征的地物点，避免生成的铁路横断面轮廓存在缺失和拉花等缺陷。

Description

基于原始激光点云的铁路横断面测量方法
技术领域
本发明涉及测绘技术领域，具体涉及一种基于原始激光点云的铁路横断面测量方法。
背景技术
传统的国内铁路横断面采集方法主要包含以下几种：
(1)人工测量方法：人工使用GNSS-RTK、全站仪等设备进行接触式测量，获取指定里程的横断面数据。人工测量不仅存在工作量大的缺点，而且存在效率低、作业风险高等缺点。
(2)航空摄影测量法：通过航空飞行器上的航摄仪器对地面连续摄取像片，结合地面控制点测量获取横断面数据。为了保证精度，须结合全野外高程控制点和大量实测的高程散点。故该方法内业立体测量工作量大。
(3)激光雷达测量法：LiDAR作为一种新型对地观测手段，具有效率高、高精度、全方位、三维直接测量等技术优势。其通过车载、机载或背包等方式采集数据，自动化程度高。LiDAR系统所获取的原始数据是大量密集的点云数据，通过对点云数据进行处理，能够获得铁路横断面轮廓。
随着技术的不断发展，将点云转化为数字高程模型DEM得到广泛应用。DEM是描述区域地貌形态的空间分布的地面模型，DEM能够提取相关的多种地形特征。通过DEM与DOM叠加的方法获得铁路的横断面轮廓，能获得比对比文件精度更高的铁路横断面轮廓。首先，对点云数据进行预处理、点云分类，筛选出地面点。构建TIN生成DEM，与对应区域的DOM正射影像进行叠加，经过长时间大量计算后生成.mpt文件，最后基于.mpt的三维模型利用铁路线路参数对所需铁路横断面进行自动化批量采集，并利用DOM数据人工判识，交互式赋予变化点属性信息。该方法自动化程度高，无需“天窗”时间和上线测量，但是由于点云分类和生成.mpt文件的时间很长，需要耗费大量的人力和时间成本。同时，其应用于铁路横断面测量时存在铁轨等特征位置易被“拉花”或缺失等问题，精度不足。该方法对计算机性能要求亦较高，故实用性不强。
发明内容
本发明所要解决的技术问题是提供一种基于原始激光点云的铁路横断面测量方法，能快速生成铁路横断面轮廓。
本发明解决其技术问题所采用的技术方案是：基于原始激光点云的铁路横断面测量方法，包括步骤：
S1，生成铁路中线；
S2，通过横断面采集数据生成横断面线，横断面线为垂直于铁路中线的线段，根据横断面线、地形和点密度情况，设置剖切宽度d，剖切点云；
S3，根据横断面参数，采用等间距内插提取算法和道格拉斯普克算法提取每个横断面的特征点，获得铁路横断面的轮廓。
进一步的，所述步骤S3之后还包括步骤：
S4，通过对第一数据和第二数据交互处理，添加、删除或修改生成的横断面轮廓线，并编辑特征点的属性；
第一数据包括点云数据、铁路中线数据和横断面数据，第二数据包括俯视角度的DOM正射影像数据。
进一步的，所述步骤S3中的道格拉斯普克算法包括步骤：
S31，横断面轮廓包括多个点，选取两点虚连一条直线线段作为参考线A，该两点之间的其余各点沿参考线A分布，分别求出两点之间的其余各点到参考线A的距离；
S32，将求出的距离值中的最大值与阈值相比较，若最大值大于阈值，则保留距参考线A距离最大的点；若最大值小于阈值，则将该两点之间的其余各点全部舍去，保留选取的两点；
S33，依据所保留的点，重复步骤S31和S32，迭代处理，直至得到满足给定精度限差的曲线点坐标。
进一步的，所述步骤S3中的等间距内插提取算法包括步骤：将离散的点换算成平距、高程，按照自定义的等间距差获取对应平距位置的高程。
进一步的，所述步骤S1、S2和S3中的铁路包括新建铁路、改建铁路或者既有线铁路。
进一步的，所述步骤S1和S2中的铁路中线，通过铁路线性参数数据库文件中的数据或者逐桩文件中的数据，拟合生成。
进一步的，所述步骤S2中的点云数据包括空间坐标数据和色彩数据。
与现有技术相比，本发明的有益效果是：本发明提供一种基于原始激光点云的铁路横断面测量方法，能快速生成铁路横断面轮廓。其基于原始高精度LiDAR点云数据快速生成铁路横断面轮廓，无需点云分类、无需构建TIN、无需构建数字高程模型DEM，减少数据处理时间。还能最大程度保留表达铁路固有特征的地物点，避免生成的铁路横断面轮廓存在缺失和拉花等缺陷。
附图说明
图1是本发明的流程框图；
图2是本发明的点云剖切宽度的示意图；
图3是本发明的等间距内插提取算法的示意图；
图4-图7是本发明的道格拉斯普克算法的示意图；
具体实施方式
下面结合附图和实施例对本发明进一步说明。
点云数据、正射影像数据和横断面采集数据通过激光LiDAR扫描获得。激光点云数据的坐标系统与铁路线位和横断面线的坐标系统保持一致，激光点云数据的高程系统与铁路线位和横断面线的高程系统保持一致。优选采用机载方式进行点云数据的收集，即通过多架次、多航向、多批次飞行获得，数据格式为.LAS，点间距≤4cm，平均点密度应≥180点/m2，点云平面精度优于5cm，高程精度优于2.5cm。
将点云数据、正射影像数据和横断面采集数据导入至横断面采集软件中。多源数据在横断面采集软件中融合，满足多种地形区域的采集需求，尤其在无植被覆盖区域，数据精度高、质量好。多源数据的融合为现有技术。点云数据通过横断面采集软件中的TerraScan模块进行处理。
基于原始激光点云的铁路横断面测量方法，包括步骤：
S1，通过铁路线性参数数据库文件中的数据或者逐桩文件中的数据，拟合生成铁路中线。
铁路线性参数数据库文件中的数据，是指覆盖铁路横断面采集范围的铁路平面线形参数及其里程数据。数据内容主要包括交点坐标、曲线坐标、缓和曲线长度、终点坐标、线位起点里程及其坐标等。铁路线性参数数据库文件的格式为.mdb。
逐桩文件数据，是指覆盖铁路横断面采集范围的铁路平面线形参数及其里程数据。数据内容主要包括里程及其坐标，里程间距为5m。逐桩文件的格式为.txt。
铁路线性参数数据库文件中的数据或者逐桩文件中的数据，在软件中自动拟合生成铁路中线。
S2，通过横断面采集数据生成横断面线，横断面线为垂直于铁路中线且长度固定的线段，根据横断面线、地形和点密度情况，设置剖切宽度d，剖切点云。
横断面采集数据是横断面参数，用于生成横断面线。横断面线是垂直于铁路中线且长度固定的线段，为.xlsx或.txt文件格式。如图2所示，剖切宽度d是指横断面线前后的剖切宽度范围。剖切宽度d≤0.5m，具体实施时，将剖切宽度d设为0.5m。
S3，根据横断面参数，采用等间距内插提取算法和道格拉斯普克算法提取每个横断面的特征点，获得铁路横断面的轮廓。特征点包括路堑特征点、路堤特征点或桥涵特征点。具体包括：挡墙、侧沟、路肩、砟脚、砟肩、轨顶等。在既有铁路线上，横断面上的变化点的排列是规则有序的，变化点即为特征点。
如图4-7所示，道格拉斯普克算法将一系列最低点，按照一定的阈值减少点数量的一种算法。包括步骤：
S31，横断面轮廓包括多个点，选取两点虚连一条直线段作为参考线A，该两点之间的其余各点沿参考线A分布，分别求出两点之间的其余各点到参考线A的距离。如图4所示。
S32，将求出的距离值中的最大值与阈值相比较，若最大值大于阈值，则保留距参考线A距离最大的点；若最大值小于阈值，则将该两点之间的其余各点全部舍去，保留选取的两点。如图5所示，第4点至参考线A的距离大于阈值，保留第4点。
S33，依据所保留的点，重复步骤S31和S32，迭代处理，即仍选距离最大者与阈值比较，依次取舍，直到无点可舍去，最后得到满足给定精度限差的曲线点坐标。如图6、7所示，依次保留第6点、第7点，舍去其他点。
等间距内插提取算法包括步骤：将离散的点换算成平距、高程，按照自定义的等间距差获取对应平距位置的高程。
如图3所示，平距指的是点到铁路中线的距离，从中桩点X起分别向其左右两侧，依次间隔距离L获取点云高程。
通过等间距内插提取算法和道格拉斯普克算法提取每个横断面的特征点，能够去除原始点云数据中的噪音信息，最大程度保留表达铁路固有特征的地物点，获得更为精确的铁路横断面轮廓数据。
若遇有密林等特殊地貌情况，激光点云无法到达地面，采集到的是树冠轮廓线，而不是地面线。为了避免树冠轮廓线等的干涉，优选的，步骤S3之后还包括步骤S4，通过对第一数据和第二数据交互处理，添加、删除或修改生成的横断面轮廓线，并编辑特征点的属性；第一数据包括点云数据、铁路中线数据和剖视角度的横断面数据，第二数据包括俯视角度的DOM正射影像数据。
第一数据包括点云数据、铁路中线数据和横断面数据。根据剖切宽度d＝0.5m，将横断面剖切前后0.25m范围内的点云投影至剖面，并在软件中的窗口1以剖切视角进行显示。第二数据包括俯视角度的DOM正射影像数据。正射影像DOM在软件中的窗口2中以俯视视角进行显示。第一数据与第二数据的交互处理，具体是指通过联动上述两个窗口，结合影像对自动生成的横断面线进行修订，添加、删除或修改横断面轮廓线，并编辑重要特征点的属性。准确表示铁路特征位置的特征点，进一步提高横断面轮廓的准确度。
其中，铁路包括新建铁路、改建铁路或者既有线铁路。
点云数据既包括空间坐标数据，又包括色彩数据。
最后，基于铁路线位数据，按照横断面通用格式导出。
以上为本发明的具体实施方式，从实施过程可以看出，本发明提供一种基于原始激光点云的铁路横断面测量方法，能快速生成铁路横断面轮廓。其基于原始高精度LiDAR点云数据快速生成铁路横断面轮廓，无需点云分类、无需构建TIN、无需构建数字高程模型DEM，减少数据处理时间。还能最大程度保留表达铁路固有特征的地物点，避免生成的铁路横断面轮廓存在缺失和拉花等缺陷。

Claims (5)

1.基于原始激光点云的铁路横断面测量方法，其特征在于，包括步骤：
S1，通过铁路线性参数数据库文件中的数据或者逐桩文件中的数据，拟合生成铁路中线；
铁路线性参数数据库文件中的数据，是指覆盖铁路横断面采集范围的铁路平面线形参数及其里程数据；数据内容主要包括交点坐标、曲线坐标、缓和曲线长度、终点坐标、线位起点里程及其坐标；
逐桩文件数据，是指覆盖铁路横断面采集范围的铁路平面线形参数及其里程数据；数据内容主要包括里程及其坐标；
S2，通过横断面采集数据生成横断面线，横断面线为垂直于铁路中线的线段，根据横断面线、地形和点密度情况，设置剖切宽度d，剖切点云；
剖切宽度d是指横断面线前后的剖切宽度范围；
S3，根据横断面参数，采用等间距内插提取算法和道格拉斯普克算法提取每个横断面的特征点，获得铁路横断面的轮廓；
所述步骤S3中的道格拉斯普克算法包括步骤：
S31，横断面轮廓包括多个点，选取两点虚连一条直线线段作为参考线A，该两点之间的其余各点沿参考线A分布，分别求出两点之间的其余各点到参考线A的距离；
S32，将求出的距离值中的最大值与阈值相比较，若最大值大于阈值，则保留距参考线A距离最大的点；若最大值小于阈值，则将该两点之间的其余各点全部舍去，保留选取的两点；
S33，依据所保留的点，重复步骤S31和S32，迭代处理，直至得到满足给定精度限差的曲线点坐标；
所述步骤S3中的等间距内插提取算法包括步骤：将离散的点换算成平距、高程，按照自定义的等间距差获取对应平距位置的高程。
2.如权利要求1所述的基于原始激光点云的铁路横断面测量方法，其特征在于：所述步骤S3之后还包括步骤：
S4，通过对第一数据和第二数据交互处理，添加、删除或修改生成的横断面轮廓线，并编辑特征点的属性；
第一数据包括点云数据、铁路中线数据和横断面数据，第二数据包括俯视角度的DOM正射影像数据。
3.如权利要求1所述的基于原始激光点云的铁路横断面测量方法，其特征在于：所述步骤S1、S2和S3中的铁路包括新建铁路、改建铁路或者既有线铁路。
4.如权利要求1所述的基于原始激光点云的铁路横断面测量方法，其特征在于：所述步骤S1和S2中的铁路中线，通过铁路线性参数数据库文件中的数据或者逐桩文件中的数据，拟合生成。
5.如权利要求1所述的基于原始激光点云的铁路横断面测量方法，其特征在于：所述步骤S2中的点云数据包括空间坐标数据和色彩数据。
CN202111501443.5A 2021-12-09 2021-12-09 基于原始激光点云的铁路横断面测量方法 Active CN114140459B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111501443.5A CN114140459B (zh) 2021-12-09 2021-12-09 基于原始激光点云的铁路横断面测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111501443.5A CN114140459B (zh) 2021-12-09 2021-12-09 基于原始激光点云的铁路横断面测量方法

Publications (2)

Publication Number Publication Date
CN114140459A CN114140459A (zh) 2022-03-04
CN114140459B true CN114140459B (zh) 2023-04-07

Family

ID=80385675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111501443.5A Active CN114140459B (zh) 2021-12-09 2021-12-09 基于原始激光点云的铁路横断面测量方法

Country Status (1)

Country Link
CN (1) CN114140459B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315273B (zh) * 2023-11-24 2024-02-23 安徽建筑大学 基于点云数据道路纵横断面的自动提取方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007119240A2 (en) * 2006-04-17 2007-10-25 Hepacore Ltd. Methods for bone regeneration using endothelial progenitor cell preparations
CN101671999A (zh) * 2009-09-29 2010-03-17 长安大学 一种水泥混凝土路面平均断面深度测试方法
WO2011120152A1 (en) * 2010-03-31 2011-10-06 Ambercore Software Inc. System and method for extracting features from data having spatial coordinates
CN103927418A (zh) * 2014-04-12 2014-07-16 北京工业大学 基于dem的城市道路渠网化排水通道制作方法
CN106030614A (zh) * 2014-04-22 2016-10-12 史內普艾德有限公司 基于对一台摄像机所拍摄的图像的处理来控制另一台摄像机的系统和方法
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
CN106327536A (zh) * 2016-08-26 2017-01-11 上海工程技术大学 一种基于切面点云的领围测量方法
CN106782654A (zh) * 2015-11-23 2017-05-31 爱思开海力士有限公司 半导体存储装置及其操作方法
CN107545601A (zh) * 2017-09-11 2018-01-05 福建省电力勘测设计院 一种架空输电线路树高断面自动生成方法
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
CN110986878A (zh) * 2019-12-03 2020-04-10 中铁第一勘察设计院集团有限公司 基于移动测量系统自动化提取铁轨断面的方法
CN112132159A (zh) * 2020-09-07 2020-12-25 山东科技大学 一种连续剖面点云特征分析的路面坑槽提取方法
JP2021015120A (ja) * 2019-07-11 2021-02-12 Ｊｆｅスチール株式会社 破面形状評価方法、破面形状データ格納方法、及び破面形状評価装置
CN112461205A (zh) * 2020-11-12 2021-03-09 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
CN112818776A (zh) * 2021-01-20 2021-05-18 中铁二院工程集团有限责任公司 一种基于机载LiDAR点云的铁路既有线横断面测量方法
WO2021203664A1 (zh) * 2020-04-09 2021-10-14 广东博智林机器人有限公司 墙面的截面尺寸的测量方法及装置、系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070050156A1 (en) * 2005-08-31 2007-03-01 Janakiraman Vaidyanathan Method for measuring the nozzle flow area between gas turbine engine vanes

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007119240A2 (en) * 2006-04-17 2007-10-25 Hepacore Ltd. Methods for bone regeneration using endothelial progenitor cell preparations
CN101671999A (zh) * 2009-09-29 2010-03-17 长安大学 一种水泥混凝土路面平均断面深度测试方法
WO2011120152A1 (en) * 2010-03-31 2011-10-06 Ambercore Software Inc. System and method for extracting features from data having spatial coordinates
CN103927418A (zh) * 2014-04-12 2014-07-16 北京工业大学 基于dem的城市道路渠网化排水通道制作方法
CN106030614A (zh) * 2014-04-22 2016-10-12 史內普艾德有限公司 基于对一台摄像机所拍摄的图像的处理来控制另一台摄像机的系统和方法
CN106782654A (zh) * 2015-11-23 2017-05-31 爱思开海力士有限公司 半导体存储装置及其操作方法
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
CN106327536A (zh) * 2016-08-26 2017-01-11 上海工程技术大学 一种基于切面点云的领围测量方法
CN107545601A (zh) * 2017-09-11 2018-01-05 福建省电力勘测设计院 一种架空输电线路树高断面自动生成方法
JP2021015120A (ja) * 2019-07-11 2021-02-12 Ｊｆｅスチール株式会社 破面形状評価方法、破面形状データ格納方法、及び破面形状評価装置
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
CN110986878A (zh) * 2019-12-03 2020-04-10 中铁第一勘察设计院集团有限公司 基于移动测量系统自动化提取铁轨断面的方法
WO2021203664A1 (zh) * 2020-04-09 2021-10-14 广东博智林机器人有限公司 墙面的截面尺寸的测量方法及装置、系统
CN112132159A (zh) * 2020-09-07 2020-12-25 山东科技大学 一种连续剖面点云特征分析的路面坑槽提取方法
CN112461205A (zh) * 2020-11-12 2021-03-09 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
CN112818776A (zh) * 2021-01-20 2021-05-18 中铁二院工程集团有限责任公司 一种基于机载LiDAR点云的铁路既有线横断面测量方法

Also Published As

Publication number Publication date
CN114140459A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN113034689B (zh) 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
CN106529469B (zh) 基于自适应坡度的无人机载LiDAR点云滤波方法
CN108986207B (zh) 一种基于真实路面数据的道路及沿线建筑仿真建模方法
CN110276732B (zh) 一种顾及地形特征线要素的山区点云空洞修复方法
CN103324916B (zh) 基于建筑轮廓的车载和航空LiDAR数据配准方法
CN116310192A (zh) 一种基于点云的城市级建筑物三维模型单体重建方法
Hofmann Analysis of TIN-structure parameter spaces in airborne laser scanner data for 3-D building model generation
CN112818776B (zh) 一种基于机载LiDAR点云的铁路既有线横断面测量方法
CN112729130A (zh) 卫星遥感测量树木冠层高度的方法
Rieger et al. Roads and buildings from laser scanner data within a forest enterprise
CN114140459B (zh) 基于原始激光点云的铁路横断面测量方法
Pfeifer et al. LiDAR data filtering and digital terrain model generation
CN107545601B (zh) 一种架空输电线路树高断面自动生成方法
Elberink et al. 3D modelling of topographic objects by fusing 2D maps and lidar data
Tyagur et al. Digital terrain models from mobile laser scanning data in Moravian Karst
Rahmayudi et al. Comparison of semi automatic DTM from image matching with DTM from Lidar
CN107860375A (zh) 一种基于三维激光扫描技术的滑坡灾害体积快速提取方法
Aringer et al. Calculation and Update of a 3d Building Model of Bavaria Using LIDAR, Image Matching and Catastre Information
CN113344866A (zh) 一种点云综合精度评价方法
Teo et al. Reconstruction of complex buildings using LIDAR and 2D maps
Luo et al. 3D building reconstruction from LIDAR data
CN117708368A (zh) 一种道路定测中的加桩号确定方法
CN117036621B (zh) 基于物联网的地理信息测绘仪数据管理方法
Kovačević et al. Airborne Laser Scanning to Digital Elevation Model–LAStools approach
Zhang et al. 3D building reconstruction from lidar data based on Delaunay TIN approach

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