城区车载激光扫描数据滤波算法研究

发布时间：2023-04-01 03:36

　　车载激光雷达(Mobile Laser Scanning,MLS)作为一种移动数据采集设备,能够主动获取大场景尺度下的高精度三维空间信息,是无人驾驶、自动导航、精细制图等诸多行业中不可或缺的技术手段。点云滤波是激光雷达数据预处理中的关键过程,也是地物分类、地形建模、环境感知等诸多研究的基础。本文以城区车载激光扫描点云的精确地面识别为研究目标,充分考虑点云空间尺度大、地物类型多、密度分布不均匀等特点,改进并提出了新的滤波算法,利用实际的车载激光扫描数据,对算法进行了实验测试。最后从功能性角度出发,探索了公路场景中车载点云的高精度道路自动化提取方法。该研究为城区不同地面类型点云识别提供了新的思路方法。论文主要研究内容与结论如下:(1)规则体素生长滤波。首先采用八叉树结构在对点云实现规则体素划分的同时,建立起26邻域的关联空间。随后基于向上生长法则,根据点云高程信息设计合理阈值,实现点云滤波。研究表明,该算法具有参数设置简易、滤波精度高、自适应性强等优点。(2)超体素生长滤波。研究在规则体素基础上,采用VCCS算法对点云进行超体素分割,使体素结构与地物轮廓更加吻合。然后根据地面特征,通过体素...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第1章 引言
    1.1 选题背景与意义
    1.2 国内外研究现状
        1.2.1 机载点云滤波
        1.2.2 地形拟合法
        1.2.3 特征图像法
        1.2.4 体素划分法
        1.2.5 监督分类
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文组织结构
第2章 体素生长滤波
    2.1 规则体素划分
        2.1.1 八叉树规则划分
        2.1.2 规则体素生长滤波
        2.1.3 实验结果与分析
    2.2 超体素划分
        2.2.1 VCCS超体素分割原理
        2.2.2 超体素生长滤波
        2.2.3 滤波精度分析
    2.3 小结
第3章 基于分类器学习的地面识别
    3.1 体素特征提取
    3.2 SVM模型分类原理
    3.3 实验与讨论
        3.3.1 体素特征计算
        3.3.2 精度评价
        3.3.3 分类器训练
        3.3.4 实验结果与分析
    3.4 小结
第4章 公路车载点云道路提取
    4.1 车载点云道路分割研究现状
    4.2 基于边缘线识别的道路提取方法
        4.2.1 基本原理与技术路线
        4.2.2 道路分割算法
    4.3 实验与讨论
        4.3.1 实验数据
        4.3.2 结果与分析
    4.4 小结
第5章 结论与展望
    5.1 主要工作和结论
    5.2 创新点
    5.3 研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果



本文编号：3776382