高精度导航地图数据道路曲率估计方法研究
【图文】:
图 3-2 近景图像投影到三维点云Fig. 3-2 Close-range image projection to 3D point cloud.3.2 区域生长区域增长分割的主要目的是将点云数据划分为若干有意义的区域。这种方法检查种子点的邻域区域,并确定是否将邻域添加到该区域。如果相邻点云属于该区域,们的邻域也会被重复检查,直到没有更多数据添加为止。在一个区域完成区域生长后一个区域再次扩大并带有另一个种子点。这个过程一直运行直到没有更多的数据保域增长算法易于实现并且适用于同时使用多个准则。此外,从当前位置检查可达区是合适的。点云分割中,基于模型拟合方法的替代方法是区域增长算法[40]。Besl 和 Jain 在 19提出来的方法包含两个阶段:第一步,基于平均值和每个点的高斯曲率及其符号化分割;第二步,使用基于变量二元曲面拟合生长的迭代区域对粗分割的结果进行细割。之后,其他人则采用这种方法多次进行三维点云的分割。例如,2002 年,Go用 TIN 三角形作为种子区域[41],根据相邻三角形之间的角度和距离为特征值来进行生长分割,基于此,种子区域用来生长其他三角形达到分割目的。2005 年,Tóv
图 3-3 该区域向四邻域发展Fig.3-3 The region growing toward four neighborhood复持续检查四个邻域中未标记的像素,并且具有区域生长标准的满黑色粗体边界是中点八个相邻的估计法向量。准中的特征类型及其组合对于增强分段结果至关重要。对差和梯度被用来考虑扫描车辆可以从中心点到达的地方。如估计一个点上的局部表面的法向矢量,所述法向矢量被分配差值i ,jdn 由两个法向量的内积得出;下标 i 表示当前点索引,j 表示两个相邻点之间的相关性。梯度i ,jg 表示两点之间的差除以两个连续点之间的距离。光雷达的特点,,与传感器的距离越近,由于传感器噪声量较矢量噪声。因此,导出的特征值通过平均滤波器被平滑,并thresd 内的高度差i ,jdh 交替。区域生长准则由 S 形函数的归一, ,,i j i j thresi jdh if d df ≤ =
【学位授予单位】:北京建筑大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:U463.67;U495
【参考文献】
相关期刊论文 前10条
1 马浩;王留召;;基于车载激光点云的道路边线自动分类与提取[J];测绘科学;2014年06期
2 李明辉;田雪冬;胡维强;;基于车载三维激光扫描的道路线提取研究[J];测绘与空间地理信息;2014年04期
3 方莉娜;杨必胜;;车载激光扫描数据的结构化道路自动提取方法[J];测绘学报;2013年02期
4 王果;崔希民;袁德宝;张强;王立鸿;;车载激光点云领域比较的道路边线提取方法[J];测绘通报;2012年09期
5 贾立山;罗剑;李世其;;基于车道线直线模型的道路曲率估计方法[J];江苏大学学报(自然科学版);2012年04期
6 彭志;李传荣;周梅;;基于最小二乘曲线拟合法的点云滤波算法研究[J];遥感信息;2011年05期
7 王志钢;;中国导航电子地图行业的发展现状和前景[J];数字通信世界;2011年02期
8 刘丹;宋伟东;;基于边界点云数据的3次B样条曲线拟合[J];交通科技与经济;2009年06期
9 唐力明;丁华祥;朱紫阳;;应用车载DGPS数据计算道路线形参数[J];测绘科学技术学报;2008年05期
10 冯晓;李敏;杨佳;张明;;不同类型缓和曲线的正算与反算的通用算法[J];测绘通报;2008年06期
相关硕士学位论文 前5条
1 蔡尚书;车载激光点云地面滤波与道路识别方法研究[D];山东科技大学;2017年
2 李强;无人驾驶车辆的行道线检测方法研究[D];南京理工大学;2017年
3 张莉婷;基于出租车GPS轨迹的导航道路数据更新[D];昆明理工大学;2014年
4 丁宇虹;导航电子地图中道路网增量缩编更新信息的提取[D];首都师范大学;2013年
5 刘丹;基于点云数据的曲线拟合[D];辽宁工程技术大学;2009年
本文编号:2699990
本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2699990.html