基于机载LiDAR点云数据提取城区道路研究

发布时间：2020-07-31 10:47

【摘要】：道路作为城市中的基础设施,其在交通运输、应急响应和城市建设中扮演着重要的角色。随着城市的快速发展和“智慧城市”的建设,道路网的数据获取和实时更新就变得尤为重要。机载LiDAR系统以其高效、准确、时效的三维坐标信息获取能力,丰富的回波强度属性,使得该数据采集技术成为城市道路快速提取的热门研究方向。针对从机载LiDAR点云数据中提取城区道路,国内外学者已经提出多种算法,但是其中大部分的算法在提取道路点云时都存在自身的缺陷,比如道路点云数据提取的正确度不高,无法有效剔除停车场、露天广场等与道路相连且特征极为相似的区域,道路中心线的提取存在断裂、不连续等现象。本文重点针对如何有效剔除停车场、露天广场等区域开展了以下研究工作:分析了国内外学者在Li DAR点云道路提取方面所取得的成果;研究了机载LiDAR系统的组成及工作原理;分析了机载LiDAR点云的特点以及处理流程,为接下来进行道路点云数据的提取打下基础。研究了目前比较流行的几种滤波算法,最后采用在城市区域表现较好的渐进不规则三角网加密滤波算法,来分离地面点和非地面点,并对该算法原理进行了详细的介绍;研究了机载Li DAR点云数据的强度属性,列举了几种具有代表性的介质的反射率,并介绍了通过统计道路区域数据的强度值,得出整个实验区域道路点云的强度阈值,从而提取出初始道路点云数据。针对停车场、露天广场等与道路相连且特征极为相似的区域难以剔除的问题,首先利用距离分割法剔除分散在道路两侧的离散点云数据,然后采用基于RANSAC算法的点云分割方法进行道路点云数据的提取,通过该方法可以有效剔除停车场、露天广场等区域。为了便于以后对提取的道路点云数据的使用,本文采用数学形态学及Hough变换检测的方法,对道路点云数据进行中心线的提取。最后以荷兰某城市地区的机载LiDAR点云数据为原始数据,在MATLAB 2014和Microsoft Visual Studio2010环境下对上述算法进行实现,并引入正确度(Correctness)、完整度(Completeness)和总体质量(Quality)三个指标对实验结果进行精度评定与分析,结果证明了该算法的有效性。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237
【图文】：

示意图,测量系统,示意图,边角测量

存储数据采集所获得的数据选）获取雷达点云数据的同时获取航空DAR 系统的工作原理测量，一般是利用二维影像的立体像对、影像间的关地表控制点解算出传感器成像过程中的外 , ），达到定位地表目标点的目的[27]。对于机载 L接的对地观测方法，它基本的工作原理是以边角测量面目标发射激光束来测得从激光发射器到地面目标点收系统来测定遥感平台的位置，通过姿态测量系统，然后就可以通过边角测量原理得出被测目标的三维iDAR 测量系统的复杂性，搭载的仪器较多，各个设，各个设备的参数都会存在一些误差，所以在进行观检校。如图 2-2，为机载 LiDAR 系统对地面进行数

定位图,已知点,向量,学位论文

西南交通大学硕士研究生学位论文第 9图 2-3 所示，假设在三维空间中存在一已知点 0 0 0 0P X , Y ,Z ，它到地面点 , , i i i iP X Y Z 的向量为 , , s s sS X Y Z ，则通过对已知点0P 和向量S 算，能够得出iP 点的三维坐标。

高程,点云,突变现象,当局

图 3-1 陡坎、房屋和树木引起的高程突变现象这样，当局部区域内的两个点云，如果高程相差超过一定阈值，则认为高程值较大的点为地物点，高程值较小的点为地面点，进而完成对点云数据的滤波。目前用于机载 LiDAR 点云滤波的算法较多，各种滤波算法的对比分析如表3-1 所示，本文选取几种常用滤波算法进行简要介绍。表 3-1 典型的几种滤波算法及其各自的特性[34]滤波算法提出者数据结构判别原则提取策略处理过程形态学方法 Lindenberger 格网内插区块自下而上迭代移动窗口法 Petzold 格网内插区块自上而下迭代基于坡度方法 Vosselman 点列坡度自下而上一次完成样条插值法 Brovelli 格网内插区块自下而上一次完成迭代最小二乘

【参考文献】