车载激光点云数据中路灯的自动化提取与建模

发布时间：2021-11-16 21:53

　　为了解决从车载点云数据中提取要素信息效率慢、建模自动化程度不高的问题,基于SSW车载移动测量系统研究了针对路灯的自动化提取与建模方法。自动化提取大致分三步进行:提取参数调整、一级模型提取和二级模型提取。实验表明,路灯分类提取达到了较高的精度。根据提取的矢量成果提供的位置和方向信息,实现了对实验区域路灯的自动化建模,提高了内业数据处理的效率。 

【文章来源】：智能城市. 2020,6(07)

【文章页数】：3 页

【部分图文】：

路灯自动化提取的成果示意图

为了验证该文研究方法的可行性,挑选了某街区的一段道路作为实验区域。图2为该区域点云数据场景的侧视图,包含了城市道路、行道树、建筑物、路灯、交通标志牌、车辆行人等丰富的地物信息,非常适合用于该文的研究。经过一级模型提取中的双线棍提取后,主要从地物点云数据中提取出来了三类粗立柱,即路灯、树干和电线杆,如图3。

经过一级模型提取中的双线棍提取后,主要从地物点云数据中提取出来了三类粗立柱,即路灯、树干和电线杆,如图3。统计结果表明,该实验区域的路灯高度在10 m左右,则将粗立柱中顶端距离路面9～14 m范围内的立柱判定为路灯并向上进行生长。将待生长点的y值与本构件上所有点y值的均值之差设置为0.5 m,将路灯顶端生长部分的范围设置在0.5～2 m之内,将路灯顶端生长部分的范围设置在0.1～1 m之内,以此控制灯头部分的点云,防止其他地物的点被误生长出来。经统计,该路段长1 000 m左右,路两侧一共有路灯60个,提取56个,漏分了3个路灯,误分了1个路灯,分类提取的精度达到了93.3%,可见提取路灯的效果较好。

【参考文献】：
期刊论文
[1]大数据时代数字化城市管理智慧应用实践[J]. 吴江寿,王洪深,张洁.  地理信息世界. 2015(03)
[2]展望智慧地球时代的测绘地理信息学——李德仁院士专访[J]. 牛汝辰,邓国臣.  测绘科学. 2014(01)
[3]车载LiDAR点云数据分割与半自动化建模方法[J]. 朱红,张正鹏.  国土资源遥感. 2014(01)
[4]激光测量采集车在城市部件调查中的应用[J]. 徐建新,张光伟,羌鑫林,蒋莹,高磊.  测绘与空间地理信息. 2013(S1)
[5]基于地物特征提取的车载激光点云数据分类方法[J]. 李婷,詹庆明,喻亮.  国土资源遥感. 2012(01)
[6]车载激光扫描数据的地物分类方法[J]. 谭贲,钟若飞,李芹.  遥感学报. 2012(01)
[7]基于车载激光扫描数据的目标分类方法[J]. 吴芬芳,李清泉,熊卿.  测绘科学. 2007(04)

硕士论文
[1]面向快速建模的车载激光点云的城市典型地物分类方法研究[D]. 韦江霞.首都师范大学 2014



本文编号：3499636