基于影像与激光数据的小交标检测与地理定位

发布时间：2021-10-31 18:03

　　交通标志等道路设施的空间位置信息是城市三维建模的基本要素之一,也是道路设施养护管理的必要内容。为此,提出一种基于移动测量数据的小型交通标志自动提取方案,基于改进的卷积神经网络SlimNet模型对全景影像上的小交标进行检测,提出一种基于深度图的目标三维空间地理定位方法,并采用以中心点为准的距离判断法提取目标的对角线。选取三类小型交通标志的实测数据对所提方法进行验证分析。实验结果表明,SlimNet模型的平均正确率相比经典的VGG16（Visual Geometry Group 16）模型有4.2个百分点的提升。采用提出的地理定位和矢量化方案,三类目标在实验区的召回率和精确率均达到86%以上,证明整体方案的有效可行性。该方法为城市多类目标的精确三维空间地理定位提供新思路。 

【文章来源】：中国激光. 2020,47(09)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

整体方案的流程示意图

基于SlimNet模型的目标检测流程

从球面坐标系原点发出的射线与激光点云相交得到交点(P1,P2,…,Pn),其三维空间坐标如图4所示。原点与交点之间的距离可表示为图4 交点的三维空间坐标

【参考文献】：
期刊论文
[1]基于深度学习的道路标线自动提取与分类方法[J]. 黄刚,刘先林.  中国激光. 2019(08)
[2]基于地面移动测量系统的井盖快速自动定位与提取方法的研究[J]. 杨蒙蒙,万幼川,刘先林,岳贵杰,王留召,魏占营,陈学霞.  中国激光. 2018(08)
[3]基于改进深度卷积神经网络的交通标志识别[J]. 马永杰,李雪燕,宋晓凤.  激光与光电子学进展. 2018(12)



本文编号：3468599