CN117708368A - 一种道路定测中的加桩号确定方法 - Google Patents

Abstract

本发明公开一种道路定测中的加桩号确定方法，涉及道路工程测量技术领域，包括以下步骤：步骤1、道路点云数据采集；步骤2、道路点云数据处理：将采集的点云数据进行处理，得到点云数据集，以便后续使用；步骤3、地形线方程提取：提取陡坎处的等高线方程以及道路线方程；步骤4、方程联立求解：将提取的等高线方程以及道路线方程联立求解，得到加桩坐标x，y值；步骤5、获得高程：将步骤4得到的加桩坐标x，y值回代入步骤2得到的点云数据集中，得到加桩点的三维数据，即可获得高程；步骤6、加桩号确定：通过加桩处的坐标以及道路方程，得到加桩里程，确定加桩号。本发明无需人工现场对加桩处进行坐标以及高程测量，提高了工作效率。

Description

一种道路定测中的加桩号确定方法

技术领域

本发明涉及道路工程测量技术领域，具体为一种道路定测中的加桩号确定方法。

背景技术

道路工程测量是工程测量中的重要组成部分，道路的勘测包括初测和定测两个阶段。初测是道路初步设计的基础和依据，其工作内容包括平面和高程控制测量，以及带状地形图的制作。而定测则是道路施工设计的基础和依据，包括道路中线测量和纵横断面的测绘。道路中线测量是按照规定的中线整桩桩号，在实地上标定出这些中桩位置，道路纵断面测绘是测定中桩桩号对应点的地面高程和纵断面图的绘制，横断面测绘是测定各中桩处与道路中线相互垂直方向上地形变化点的高程和横断面图绘制，为计算土石方量和设计路基横断面提供了依据。

道路纵断面测量时为更详细反应沿线的高低起伏形态，通常需要在地形变化点设置加桩，并测量该加桩点的地面高程。以往的纵断面测量主要是利用初测时的水准点，采用水准测量测定中桩位置的地面高程，这种人工现场测量的方法，比较容易发现需要加桩的地形变化点，因此可以通过现场测量变化点与整桩桩号之间的距离，确定加桩桩号，然后再标定加桩桩号对应的实际位置，并测定改位置的地面高程。这种测量方式费时费力，工作效率低，随着现代测绘科技的发展，道路定测可以通过先进的测绘技术完成，比如激光雷达扫描获取地面点云数据，再利用这些数据自动生成纵断面图。在这个过程中，整桩桩号点对应的地面高程，可以根据整桩桩号点的平面坐标在点云数据中自动搜索获得，然而在遇到地形变化需要加桩时，首先需要确定加桩桩号，然后再根据桩号计算对应的平面坐标，由此坐标在点云数据中搜索，获得地面点高程。

目前，自动快速获取加桩桩号及其的面坐标是一个技术难点。本发明就是为解决这一问题而提出，主要是通过道路设计中线与激光点云数据叠加计算，自动计算加桩位置的坐标和高程，由此快递绘制道路纵断面图。

发明内容

发明目的：针对现有技术的不足，本发明提出了一种道路定测中的加桩号确定方法，该方法可以更方便的确定道路定测中加桩处的坐标位置，相较于传统方法提高了效率，更加的方便于道路纵断面图的绘制。

技术方案：一种道路定测中的加桩号确定方法，包括以下步骤：

步骤1、道路点云数据采集：根据测区的地形起伏，使用无人机按航线规划、飞行前准备、飞行过程、回收过程步骤依次推进，对道路数据进行采集；

步骤2、道路点云数据处理：将采集的点云数据进行处理，得到点云数据集；

步骤3、地形线方程提取：提取陡坎处的等高线方程以及道路线方程；

步骤4、方程联立求解：将提取的等高线方程以及道路线方程联立求解，得到加桩坐标x，y值；

步骤5、获得高程：将步骤4得到的加桩坐标x，y值回代入步骤2得到的点云数据集中，得到加桩点的三维数据，即可获得高程；

步骤6、加桩号确定：通过加桩处的坐标以及道路方程，可以得到加桩里程，最终确定加桩号。

进一步的，所述步骤1中，道路点云数据采集具体操作如下：

步骤1.1、选择合适的传感器：选择激光雷达作为道路点云采集的传感器；

步骤1.2、安装传感器：将选择的传感器安装在无人机上；

步骤1.3、设置数据采集参数：配置传感器的数据采集参数，数据采集参数包括采集速度、采样频率和点云密度；

步骤1.4、实施采集：在需要采集数据的区域进行实地采集；

步骤1.5、数据记录：将从传感器获取的点云数据记录下来；点云数据以原始点云格式进行存储。

进一步的，所述步骤2中道路点云数据处理的具体操作如下：

步骤2.1、数据导入：将道路点云数据导入到点云处理软件中；

步骤2.2、数据清理：以去除异常值、离群点或错误数据；

步骤2.3、点云滤波：使用点云滤波技术去除噪声；

步骤2.4、分割地面和非地面点：通过地面分割算法，将地面点与非地面点分开；

步骤2.5、特征提取：提取道路的特征，道路的特征包括道路中心线和边缘；

步骤2.6、道路建模：使用提取的特征构建道路的三维模型；

步骤2.7、车道线提取：提取车道线的信息；

步骤2.8、数据分析：进行进一步的分析，包括交通流量和道路质量评估；

步骤2.9、可视化：利用可视化工具，将处理后的点云数据进行可视化；

步骤2.10、导出结果：根据需求将处理后的数据导出为需要的格式，得到点云数据集。

进一步的，所述步骤3中，地形线方程提取的具体操作如下：

步骤3.1、提取道路线方程：从已有的dwg格式数字地图中提取道路线各段方程，包括直线和圆曲线；提取道路线方程主要有以下步骤：

a)打开DWG文件：使用AutoCAD或其他支持DWG格式的CAD软件打开数字地图；

b)选择道路：使用CAD软件中的选择工具，选择表示道路的线条或多段线；

c)导出几何信息：使用CAD软件的导出功能，将选择的道路几何信息导出为DXF格式；

d)使用MATLAB或Python工具，读取导出的几何信息文件，提取道路的坐标数据；

e)拟合道路方程：利用数学库中MATLAB的polyfit函数或Python的NumPy库对坐标数据进行拟合，得到道路的方程；

步骤3.2、提取等高线方程：从已有的DWG格式数字地形图中提取陡坎处等高线方程，提取等高线方程主要有以下步骤：

a)导入DWG文件：使用AutoCAD或其他支持DWG格式的CAD软件，打开数字地形图；

b)选择陡坎区域：使用CAD软件中的选择工具，选择包含陡坎的区域；

c)导出等高线数据：将所选区域的等高线数据导出为格式化的数据文件，所述格式化的数据文件为DXF或CSV格式；

d)使用数学库NumPy或SciPy，读取导出的等高线数据文件，并进行进一步的处理；

e)数据预处理：对等高线数据进行预处理，包括去噪、滤波、降采样操作；

f)拟合陡坎处等高线的方程：使用数学拟合方法，拟合陡坎区域的等高线数据，以得到陡坎处的数学方程。

进一步的，所述步骤4中，方程联立求解的过程如下：

将步骤3提取出的道路线方程和等高线方程联立求解，道路线方程为一阶直线方程或多次曲线方程，等高线方程为多次曲线方程；一组为道路线方程和等高线方程两个方程，联立两个方程，求解得出陡坎处加桩的平面坐标(x_i，y_i)，最终得到所有加桩处的坐标，通过平面坐标可以确定加桩处的里程。

进一步的，所述步骤5中，获得高程的步骤下：

将步骤4中得到的加桩处平面坐标回代入步骤2处理后得到的点云数据集，即在点云数据集中通过平面坐标查询其对应的三维坐标，即可获取加桩处的高程。

有益效果：

1)无需人工现场对加桩处进行坐标以及高程测量，大大提高了工作效率。

2)通过电子地形图来判断陡坎可以避免人工漏加桩的情况。

3)提供了一种快速获取道路定测中加桩号的确定方法，可直接获取数字化信息，进而为道路的数据化管理提供基础数据。

4)获取的加桩高程可以直接运用于道路纵断面图绘制，使道路定测的整个体系更加完善。

附图说明

图1为获取加桩高程的流程图；

图2为确定加桩号的流程。

具体实施方式

下面通过附图和具体实施例对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

如图1和2所示，一种道路定测中的加桩号确定方法，主要有以下步骤：

步骤1、道路点云数据采集：根据测区的地形起伏，使用无人机按航线规划、飞行前准备、飞行过程、回收过程步骤依次推进，对道路数据进行采集；

所述道路点云数据采集具体为：

1)选择合适的传感器：选择适合道路点云采集的传感器。在本实施例中，选择的激光雷达作为传感器。

2)安装传感器：将选择的传感器安装在采集平台上，确保传感器的安装位置和姿态是正确的，以获取准确的数据。

在本实施例中，将激光雷达安装在无人机上，安装位置：激光雷达安装在无人机飞行器的底部。姿态设置如下：方向设置激光雷达指向垂直向下，以获取地面的高程信息，俯仰角(Pitch)设置为0度，即与飞行器的水平轴平行，横滚角(Roll)设置为0度，确保激光束在水平方向上，偏航角(Yaw)通常保持为0度，使激光雷达朝向飞行器的前方。这样的安装和姿态设置可以确保激光雷达传感器垂直瞄准地面，从而有效地获取地形信息。

3)设置数据采集参数：配置传感器的数据采集参数，包括采集速度、采样频率、点云密度等。这些参数的选择取决于具体应用和要求。

在本实施例中，激光脉冲频率设置为100kHz(即每秒发送100,000个激光脉冲)，激光束宽度设置为0.2mrad，扫描模式为飞机以正常飞行轨迹进行连续扫描，采样间隔设置为10cm，则采样速度＝激光脉冲频率×激光束宽度×采样间隔＝100,000Hz×0.0002rad×0.1m＝2,000个点/秒采集速度8m/s、采样频率设置为160kHZ、点云密度设置为中点云密度1/4即为25％。

4)实施采集：在需要采集数据的区域进行实地采集，这涉及操纵一架搭载激光雷达的无人机飞行。在本实施例中，采集数据的区域指电子地形图显示的实地区域。

5)数据记录：将从传感器获取的点云数据记录下来。数据通常以原始点云格式(例如LAS或PLY)进行存储。在本实施例中，原始点云格式选择LAS格式。

步骤2、道路点云数据处理：将点云数据处理成合适的格式，得到点云数据集，以便后续使用；

所述道路点云数据处理具体为：

1)数据导入：将道路点云数据导入到相应的点云处理软件中。常见的软件包括PointCloud Library(PCL)、LASTools、以及一些商业软件如AutoCAD Civil 3D等。

2)数据清理：数据清理以去除异常值、离群点或错误数据。这个操作可以去除地面上的树木、建筑物等。

3)点云滤波：使用点云滤波技术去除噪声，例如高斯滤波、统计滤波、和/或中值滤波。

4)分割地面和非地面点：道路通常在点云中表现为较平坦的区域。通过地面分割算法，可以将地面点与非地面点分开。

5)特征提取：提取道路的特征，例如道路中心线、边缘等。特征提取可以通过局部表面法线、曲率、点云密度等特征来实现。

6)道路建模：使用提取的特征构建道路的三维模型。道路建模包括拟合道路的平面、曲线或其他几何形状。

7)车道线提取：如果需要，可以进一步提取车道线的信息。车道线提取时需要应用图像处理或者基于几何的方法。

8)数据分析：进行进一步的分析，如交通流量、道路质量评估等。

9)可视化：利用可视化工具，将处理后的点云数据进行可视化。这有助于更好地理解数据的结构和提取的信息。

10)导出结果：根据需求将处理后的数据导出为其他格式，得到点云数据集，以便在其他软件中使用或共享。其中，其他格式包括：

a)XYZ格式：一种简单的文本格式，每行包含一个点的X、Y、Z坐标。易于阅读和处理，但文件体积较大。

b)BIN格式：二进制格式，每个点以二进制形式存储。相较于ASCII格式，文件体积较小，但不易阅读。

c)PLY格式：PLY(Polygon File Format)是一种灵活的文件格式，支持点云、三角网格等。它可以包含颜色、法线等附加信息。

d)OBJ格式：OBJ(Wavefront.obj)通常用于存储三维模型信息，但也可以包含点云数据。支持颜色和法线。

e)PCD格式：PCD(Point CloudData)是PointCloud Library(PCL)中使用的格式，支持点云的存储和读取。

f)LAS格式：如果处理后的点云数据仍然符合LAS格式的规范，你也可以选择保持为LAS格式。

g)SQLite格式：使用SQLite数据库存储点云数据，每个点以表格形式存储，可以支持复杂的查询和索引。

i)HDF5格式：HDF5是一种适用于大规模科学数据的格式，支持层次结构、压缩和元数据存储。

在本实施例中，将处理后的点云数据导出为PCD格式。

步骤3、地形线方程提取：提取陡坎处的等高线方程以及道路线方程；

其中所述地形线方程提取具体为：

1)提取道路线方程：从已有的dwg格式数字地图中提取道路线各段方程，包括直线、圆曲线等，每段道路线方程均不同，在后续的方程联立中选择需要的道路线方程进行方程联立求解。提取道路线方程主要有以下步骤：

a)打开DWG文件：使用AutoCAD或其他支持DWG格式的CAD软件打开数字地图。

b)选择道路：使用CAD软件中的选择工具，选择表示道路的线条或多段线。

c)导出几何信息：使用CAD软件的导出功能，将选择的道路几何信息导出为其他格式，例如DXF。

d)使用MATLAB等工具：使用MATLAB、Python等工具，读取导出的几何信息文件，提取道路的坐标数据。

e)拟合道路方程：利用数学库(如MATLAB的polyfit函数或Python的NumPy库)对坐标数据进行拟合，得到道路的方程。

2)提取等高线方程：从已有的DWG格式数字地形图中提取陡坎处等高线方程，提取等高线方程主要有以下步骤：

a)导入DWG文件：使用AutoCAD或其他支持DWG格式的CAD软件，打开数字地形图。

b)选择陡坎区域：使用CAD软件中的选择工具，选择包含陡坎的区域。这可能涉及到标识陡坎的等高线，或者根据地形特征手动选择区域。

c)导出等高线数据：将所选区域的等高线数据导出为格式化的数据文件，如DXF或CSV。这可以通过CAD软件中的导出功能来完成。

d)使用数学库：利用数学库，如NumPy和SciPy(使用Python)，读取导出的等高线数据文件，并进行进一步的处理。

e)数据预处理：对等高线数据进行预处理，包括去噪、滤波、降采样等操作，以便更好地拟合方程。

f)拟合陡坎处等高线的方程：使用数学拟合方法，如多项式拟合、曲线拟合等，拟合陡坎区域的等高线数据，以得到陡坎处的数学方程。

步骤4、方程联立求解：将提取的等高线方程以及道路线方程联立求解，得到加桩坐标x，y值；

将上一步提取出的方程联立求解，道路线方程可能是一阶直线方程，也可能是多次曲线方程，等高线为多次曲线方程，一组为两个方程，联立两个方程，求解得出陡坎处加桩的平面坐标(x_i，y_i)，最终得到所有加桩处的坐标，通过平面坐标可以确定加桩处的里程。

步骤5、获得高程：将加桩坐标x，y值回代入点云数据集中，得到加桩点的三维数据，即可获得高程；

其中所述获取高程具体为：

将上一步中得到的加桩处平面坐标回代入步骤2处理后得到的点云数据集，即在点云数据集中通过平面坐标查询其对应的三维坐标，即可获取加桩处的高程。

步骤6、加桩号确定：通过加桩处的坐标以及道路方程，可以得到加桩里程，最终确定加桩号。

所述加桩号确定具体为：通过联立方程解得的加桩坐标以及道路线方程可以确定加桩处的里程，从而进一步确定加桩号。例如K1+107表示，在里程1107m处设置加桩。

在本发明实施中，道路线方程提取示例使用Python和NumPy进行二次多项式拟合的代码如下：

import numpy as np

import matplotlib.pyplot as plt

#读取坐标数据(假设坐标数据保存在CSV文件中，每行包含(x,y))

data＝np.genfromtxt('road_geometry.csv',delimiter＝',')

#拟合多项式，这里假设使用2次多项式

coefficients＝np.polyfit(data[:,0],data[:,1],2)

#创建拟合函数

poly_function＝np.poly1d(coefficients)

#绘制原始数据和拟合曲线

plt.scatter(data[:,0],data[:,1],label＝'Original Data')

x_range＝np.linspace(min(data[:,0]),max(data[:,0]),100)

plt.plot(x_range,poly_function(x_range),color＝'red',label＝'FittedCurve')

plt.xlabel('X-axis')

plt.ylabel('Y-axis')

plt.legend()

plt.show()

在本发明实施中，陡坎处等高线方程提取示例使用Python和NumPy进行二次多项式拟合的代码如下：

import numpy as np

import matplotlib.pyplot as plt

#从CSV文件中读取等高线数据，每行包含(x,y,z)

data＝np.genfromtxt('contour_lines.csv',delimiter＝',')

#提取陡坎处的等高线数据，这可能需要根据实际情况进行选择

steep_slope_data＝...

#拟合二次多项式

coefficients＝np.polyfit(steep_slope_data[:,0:2],steep_slope_data[:,2],2)

#创建拟合函数

poly_function＝np.poly1d(coefficients)

#绘制原始数据和拟合曲面

plt.scatter(steep_slope_data[:,0],steep_slope_data[:,1],steep_slope_data[:,2],label＝'Original Data')

x_range＝np.linspace(min(steep_slope_data[:,0]),max(steep_slope_data[:,0]),50)

y_range＝np.linspace(min(steep_slope_data[:,1]),max(steep_slope_data[:,1]),50)

X,Y＝np.meshgrid(x_range,y_range)

Z＝poly_function([X,Y])

plt.plot_surface(X,Y,Z,alpha＝0.5,color＝'red',label＝'FittedSurface')

plt.xlabel('X-axis')

plt.ylabel('Y-axis')

plt.legend()

plt.show()

本发明无需人工现场对加桩处进行坐标以及高程测量，大大提高了工作效率。通过电子地形图来判断陡坎可以避免人工漏加桩的情况。可直接获取数字化信息，进而为道路的数据化管理提供基础数据。获取的加桩高程可以直接运用于道路纵断面图绘制，使道路定测的整个体系更加完善。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (6)

1.一种道路定测中的加桩号确定方法，其特征在于，包括以下步骤：

步骤1、道路点云数据采集：根据测区的地形起伏，使用无人机按航线规划、飞行前准备、飞行过程、回收过程步骤依次推进，对道路数据进行采集；

步骤2、道路点云数据处理：将采集的点云数据进行处理，得到点云数据集；

步骤3、地形线方程提取：提取陡坎处的等高线方程以及道路线方程；

步骤4、方程联立求解：将提取的等高线方程以及道路线方程联立求解，得到加桩坐标x，y值；

步骤5、获得高程：将步骤4得到的加桩坐标x，y值回代入步骤2得到的点云数据集中，得到加桩点的三维数据，即可获得高程；

步骤6、加桩号确定：通过加桩处的坐标以及道路方程，可以得到加桩里程，最终确定加桩号。

2.根据权利要求1所述的一种道路定测中的加桩号确定方法，其特征在于，所述步骤1中，道路点云数据采集具体操作如下：

步骤1.1、选择合适的传感器：选择激光雷达作为道路点云采集的传感器；

步骤1.2、安装传感器：将选择的传感器安装在无人机上；

步骤1.3、设置数据采集参数：配置传感器的数据采集参数，数据采集参数包括采集速度、采样频率和点云密度；

步骤1.4、实施采集：在需要采集数据的区域进行实地采集；

步骤1.5、数据记录：将从传感器获取的点云数据记录下来；点云数据以原始点云格式进行存储。

3.根据权利要求1所述的一种道路定测中的加桩号确定方法，其特征在于，所述步骤2中，道路点云数据处理的具体操作如下：

步骤2.1、数据导入：将道路点云数据导入到点云处理软件中；

步骤2.2、数据清理：以去除异常值、离群点或错误数据；

步骤2.3、点云滤波：使用点云滤波技术去除噪声；

步骤2.4、分割地面和非地面点：通过地面分割算法，将地面点与非地面点分开；

步骤2.5、特征提取：提取道路的特征，道路的特征包括道路中心线和边缘；

步骤2.6、道路建模：使用提取的特征构建道路的三维模型；

步骤2.7、车道线提取：提取车道线的信息；

步骤2.8、数据分析：进行进一步的分析，包括交通流量和道路质量评估；

步骤2.9、可视化：利用可视化工具，将处理后的点云数据进行可视化；

步骤2.10、导出结果：根据需求将处理后的数据导出为需要的格式，得到点云数据集。

4.根据权利要求1所述的一种道路定测中的加桩号确定方法，其特征在于，所述步骤3中，地形线方程提取的具体操作如下：

步骤3.1、提取道路线方程：从已有的dwg格式数字地图中提取道路线各段方程，包括直线和圆曲线；提取道路线方程主要有以下步骤：

a)打开DWG文件：使用AutoCAD或其他支持DWG格式的CAD软件打开数字地图；

b)选择道路：使用CAD软件中的选择工具，选择表示道路的线条或多段线；

c)导出几何信息：使用CAD软件的导出功能，将选择的道路几何信息导出为DXF格式；

d)使用MATLAB或Python工具，读取导出的几何信息文件，提取道路的坐标数据；

e)拟合道路方程：利用数学库中MATLAB的polyfit函数或Python的NumPy库对坐标数据进行拟合，得到道路的方程；

步骤3.2、提取等高线方程：从已有的DWG格式数字地形图中提取陡坎处等高线方程，提取等高线方程主要有以下步骤：

a)导入DWG文件：使用AutoCAD或其他支持DWG格式的CAD软件，打开数字地形图；

b)选择陡坎区域：使用CAD软件中的选择工具，选择包含陡坎的区域；

c)导出等高线数据：将所选区域的等高线数据导出为格式化的数据文件，所述格式化的数据文件为DXF或CSV格式；

d)使用数学库NumPy或SciPy，读取导出的等高线数据文件，并进行进一步的处理；

e)数据预处理：对等高线数据进行预处理，包括去噪、滤波、降采样操作；

f)拟合陡坎处等高线的方程：使用数学拟合方法，拟合陡坎区域的等高线数据，以得到陡坎处的数学方程。

5.根据权利要求1所述的一种道路定测中的加桩号确定方法，其特征在于，所述步骤4中，方程联立求解的过程如下：

将步骤3提取出的道路线方程和等高线方程联立求解，道路线方程为一阶直线方程或多次曲线方程，等高线方程为多次曲线方程；一组为道路线方程和等高线方程两个方程，联立两个方程，求解得出陡坎处加桩的平面坐标(x_i，y_i)，最终得到所有加桩处的坐标，通过平面坐标可以确定加桩处的里程。

6.根据权利要求1所述的一种道路定测中的加桩号确定方法，其特征在于，所述步骤5中，获得高程的步骤下：

将步骤4中得到的加桩处平面坐标回代入步骤2处理后得到的点云数据集，即在点云数据集中通过平面坐标查询其对应的三维坐标，即可获取加桩处的高程。