基于车载激光扫描数据的道路要素提取方法研究

发布时间：2020-05-29 21:28

【摘要】：车载移动测量技术作为一种新型的移动测量技术,相较于传统测量技术在快速获取空间信息方面具有明显的优势,它不仅可以快速采集行驶轨迹周围地物表面的高精度三维坐标,还能够获取其纹理、反射强度等信息,在无人驾驶、道路检修、城市规划等领域得到了广泛的应用。车载激光点云数据的提取和分类是众多应用的关键,但由于车载激光扫描数据存在海量性、密度分布不均、场景内目标间的遮挡与自遮挡等问题,导致其实际利用效率低。针对上述问题,本文开展了对车载激光点云数据中目标地物的分类和提取算法的研究,分析了道路环境中各类地物的几何信息及空间分布特征,设计了对道路边界、路面、道路标识线及路灯的提取算法。本文设计的道路要素点云提取算法主要包括以下三个部分:(1)改进的欧氏聚类道路边界及路面提取算法。该算法主要包含四个步骤,第一步通过扫描线的自适应滤波方法滤除地面点;第二步利用平滑度约束下的欧氏聚类算法分割点云,将滤波后的点云进行分割聚类;第三步针对每个聚类的点云进行优化和跟踪,滤除车辆、树木和路灯等其它地物后,完整地提取出道路边界;第四步把道路边界作为约束条件提取路面点云。(2)基于轮廓分析的道路标识线提取和分类算法。该算法先对点云数据进行预处理,移除离群点后计算点云最小包围盒;接着根据包围盒大小和格网间隔计算强度特征图像的分辨率,经过投影生成特征图像;在特征图像上使用Canny算子检测边缘,并通过连通性分析组装轮廓,再对每个轮廓的大小及形状进行分析,滤除非标识线的轮廓后分类道路标识线;最后根据索引将分类后的标线还原为点云,并通过高斯混合模型对标识线点云进行精化,获得精确的道路标识线。(3)基于二三维形态特征的路灯提取算法。该方法根据路灯的形态特征分别进行杆状目标检测和灯头检测来提取路灯点云。首先滤除车载激光点云数据中的道路边界及路面点云;其次根据杆状目标的二三维形态特征提取路灯候选点云;最后在分析路灯灯头和交通标志牌标志面及树木树冠的空间形态差异的基础上,对路灯候选点云进行的遮盖度分析和投影面积分析,提取完整的路灯点云。本论文通过对三组不同场景下的车载点云数据进行实验,实现了道路边界、路面、道路标识线及路灯点云的自动提取,验证了本文提取算法的适用性及可行性。
【图文】：

车载激光扫描系统的出现弥补地面激光扫描系统和机载激光扫描系统的不足。研究者们以车辆作为搭载平台，将全球卫星导航系统 GNSS(Global Navigation SatelliteSystem)、图像传感器 CCD(Charge-coupled Device)和惯性测量系统 INS（Inertial NavigationSystem）与三维激光扫描系统高度集成，构成了车载移动测量系统。作为一种先进的测量方式，其具有信息量丰富、精度高、灵活性强等众多优点，能够快速获取道路及其周围场景的精确三维信息，对高精度地图构建、道路信息维护以及城市三维可视化等方面发挥着数据支撑作用。随着车载移动测量系统各传感器在空间解析度、测量精度等方面的进步，以及三维模型构建、点云数据处理、计算机图形学等相关技术的发展和对数字城市建设的迫切需求，越来越多的科研机构投入精力来研究车载点云的分类和提取算法。虽然近几年取得一定的进展，但由于其扫描数据存在海量性、密度分布不均、无明显几何分布和场景内目标间的遮挡与自遮挡现象等问题，给目标提取带来巨大的挑战，而且由于测量角度和场景复杂度不同，车载激光点云数据也不能直接借用相对成熟的机载点云信息的提取方法。因此，，本文针对车载激光扫描数据进行研究，以道路边界、路面、道路标识线和路

System)[6]。但该车载系统并没有投入商业使用，只是用于对车载移动测量系统集成的探索，不过开创了以车辆为平台的移动测量系统的先河。在二十世纪八十年代末，美国俄亥俄州立大学将两台模拟相机、GPS/INS 组合系统以及里程计进行集成，研发了真正意义上的第一款车载移动测量系统——GPSVan 移动测量系统[7]。通过摄影测量的原理和 GPS/INS 组合系统以及里程计多获取的位置信息，可以解算出目标地物的真三维坐标[8]。随后在 90 年代，加拿大卡尔加里大学的学者对初代 Alberta MHIS 系统进行改装，集成了 GPS/INS 组合导航系统，提升了系统的精度，称为 VISAT 系统[9]。再此之后，随着各个传感器的飞速发展以及三维激光扫描技术的出现，越来越多的国外公司和院校开始对车载移动测量系统进行研究，车载激光扫描系统也进入了蓬勃发展的时代。经过二十多年的研究开发，国外很多院校和公司从最初的原型开发设计发展到了商业化应用阶段，如日本东京大学的 VLMS 系统[10]、英国 3DLM 公司和 ILI 公司共同研发的 StreetMapper360 系统[11]（图 1-2（a））、美国 Trimble 公司集成的 MX9 系统[12]（图 1-2（b））、以及 Riegl 的 VMX-450 系统[13]（图 1-2（c））等。
【学位授予单位】：北京建筑大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U412.2

【相似文献】

相关期刊论文 前10条

1 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期

2 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期

3 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期

4 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期

5 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期

6 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期

7 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期

8 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

9 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期

10 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

相关会议论文 前10条

1 牛雪娟;刘景泰;孙雷;;基于小波变换的栅格点云多分辨率分析[A];第二十七届中国控制会议论文集[C];2008年

2 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

3 赵小祥;刘宝武;;车载点云中建筑物快速提取方法[A];地理信息与人工智能论坛暨江苏省测绘地理信息学会2017年学术年会论文集[C];2017年

4 张舒;谢艾伶;白志辉;王响雷;;三维激光扫描点云粗差剔除方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

7 童艳丽;施昆;李志杰;;机载激光点云与影像的融合与分类技术研究[A];云南省测绘地理信息学会2016年学术年会论文集[C];2016年

8 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

9 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

10 赵四能;张静海;杨映泉;王利党;;基于布料模拟的点云滤波算法应用分析研究[A];云南省测绘地理信息学会2017年学术年会论文集[C];2017年

相关重要报纸文章 前10条

1 本报记者 杨静;私企的天空有点云[N];山西经济日报;2001年

2 记者 张莹莹;指点云岭 激扬文字[N];云南政协报;2012年

3 商报记者 张绪旺;盘点云计算：概念众多 能力存疑[N];北京商报;2011年

4 记者 王力中 通讯员 沈惠芳;世界顶尖点云扫描设备技术入驻德清[N];湖州日报;2015年

5 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

6 VAR记者 张林才　郭宏远 彭敏;点云成金[N];电脑商报;2011年

7 高卫松　蔡列飞;武大师生两论文获美国摄影测量与遥感学会奖[N];中国测绘报;2014年

8 记者 祝桂峰 通讯员 张荣;构建“智慧广州”又添新技术[N];中国矿业报;2012年

9 张立本 彭桂辉;航测局四项科研成果通过鉴定[N];中煤地质报;2014年

10 本报记者 李树

本文编号：2687526