应用柱状物和地面点自动配准道路激光点云方法研究

1

作者 姜伟 石宏斌 《工程勘察》 2026年第3期110-116,共7页

针对城区道路情况复杂、难以利用人工标靶配准点云等问题,提出一种利用柱状物和地面点的激光点云自动配准方法。首先按空间范围和预设的格网大小对道路场景点云进行维格网划分,以非空格网单元行、列、高索引号为离散点,并对其作主成分... 针对城区道路情况复杂、难以利用人工标靶配准点云等问题,提出一种利用柱状物和地面点的激光点云自动配准方法。首先按空间范围和预设的格网大小对道路场景点云进行维格网划分,以非空格网单元行、列、高索引号为离散点,并对其作主成分分析和特征计算;然后,在线状格网单元和面状格网单元所对应的点云中,采用随机采样一致性分别检测圆柱特征和平面特征;接着,以柱状物的地面投影点构建任意三角形,以三角形的周长和边长在相邻测站间匹配同名三角形和同名顶点,以迭代的方式确定测站间最优变换模型;最后,以某道路场景的点云数据为例,进行自动配准试验。结果表明,本文方法能够有效解决道路场景下激光点云数据自动配准问题,且具有良好的配准精度。 展开更多

关键词 地面激光扫描 柱状物 三角形 自动配准 随机采样一致性

原文传递

视觉点云质量优化支持的道路杆状物变化检测

2

作者 胡浩鹏 吴杭彬 +2 位作者 战仕浩 温在豪 刘春 《测绘学报》 北大核心 2026年第2期344-358,共15页

视觉传感器是目前道路众源变化检测中最常见的感知传感器。针对视觉SLAM在道路杆状物众源变化检测中的精度与稳健性瓶颈,本文提出一套视觉点云质量优化支持的道路杆状物变化检测技术框架。首先,通过融合语义约束、激光点云深度与GNSS全... 视觉传感器是目前道路众源变化检测中最常见的感知传感器。针对视觉SLAM在道路杆状物众源变化检测中的精度与稳健性瓶颈,本文提出一套视觉点云质量优化支持的道路杆状物变化检测技术框架。首先,通过融合语义约束、激光点云深度与GNSS全局校正,构建视觉点云优化方法,显著提升了轨迹精度与点云质量;其次,基于优化后的视觉点云,实现道路杆状物的精准提取与定位;然后,引入基于哈希映射的快速匹配策略,完成跨期杆状物的鲁棒变化检测;最后,在同济大学周边采集的两期试验数据上验证了整体流程的有效性。试验表明,本文方法的轨迹平均绝对误差(MAE)与均方根误差(RMSE)分别降低68.39%和65.65%,点云密度平均提升57.97%。在要素定位与变化检测任务中,杆状物要素的平均定位误差在单一方向上为2~3 m,平均平面误差约为3.5 m,杆状物匹配精度达到94.8%,新增与移除杆状物的变化检测准确率与召回率均为100%。结果证明了本文方法的有效性和稳定性,证实了多源数据融合与优化技术在道路杆状物变化检测中的应用价值,为高精地图变化检测与道路设施智能化管理提供了可靠的技术路径。 展开更多

关键词 多源数据 视觉点云 道路杆状物 变化检测

在线阅读 下载PDF 职称材料

一种车载激光点云中杆目标自动提取方法 被引量：19

3

作者 王鹏 刘如飞 +2 位作者 马新江 卢秀山 田茂义 《武汉大学学报（信息科学版）》 EI CSCD 北大核心 2020年第7期1035-1042,共8页

杆目标是城市中重要的基础设施,其自动提取对智慧城市数据快速更新具有重要意义。车载移动测量系统可以快速获取道路两侧地物的高精度点云数据。针对车载点云提出了一种基于杆圆弧特征的杆目标自动提取方法,首先根据单条和相邻多条扫描... 杆目标是城市中重要的基础设施,其自动提取对智慧城市数据快速更新具有重要意义。车载移动测量系统可以快速获取道路两侧地物的高精度点云数据。针对车载点云提出了一种基于杆圆弧特征的杆目标自动提取方法,首先根据单条和相邻多条扫描线上目标分布形态,对原始点云中的非杆柱状部分进行聚类去噪;然后运用约束随机抽样一致性(random sample consensus, RANSAC)检验算子搜索圆弧状点集,对其三维特征进行统计分析,精确识别杆柱状部分;最后根据目标点云空间形态动态确定区域生长条件,搜索杆目标的完整点云。实验分析结果表明,该方法能有效降低杆目标提取中邻近非杆地物的干扰,具有较强的自适应能力。 展开更多

关键词 杆目标 激光扫描线 RANSAC 圆弧特征 统计规律

原文传递

车载LiDAR点云数据中杆状地物自动提取与分类 被引量：35

4

作者 李永强 李鹏鹏 +1 位作者 董亚涵 范辉龙 《测绘学报》 EI CSCD 北大核心 2020年第6期724-735,共12页

针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的... 针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下有效提取城市道路场景中的杆状地物,并对提取的杆状地物进行高精度分类。 展开更多

关键词 车载LiDAR 杆状地物 特征提取 地物分类 SVM分类模型

在线阅读 下载PDF 职称材料

一种层次化的车载激光点云中杆状地物提取方法研究 被引量：4

5

作者 朱岩彬 徐启恒 +1 位作者 杨俊涛 莫海林 《地理信息世界》 2019年第6期56-60,共5页

杆状地物识别对于机器人导航、自主驾驶、道路基础设施管理与维护以及详细的三维地图生成至关重要。然而,车载激光雷达点云具有场景复杂、目标丰富、密度不均匀、遮挡和噪声等特点,使得对杆状物体的精确解释一直是一项研究热点。因此,... 杆状地物识别对于机器人导航、自主驾驶、道路基础设施管理与维护以及详细的三维地图生成至关重要。然而,车载激光雷达点云具有场景复杂、目标丰富、密度不均匀、遮挡和噪声等特点,使得对杆状物体的精确解释一直是一项研究热点。因此,提出一种层次化的车载激光点云数据中杆状地物提取方法。根据杆状地物局部线性的特性,利用圆柱模型粗定位杆状地物的位置。同时,采用顾及拓扑关系的垂直区域增长法识别和提取独立完整的杆状地物。为了验证方法的有效性和稳健性,利用Paris-Lille-3D公开数据集进行实验。实验结果表明,提出的方法可以稳健地提取道路廊道两侧的杆状地物。 展开更多

关键词 车载激光扫描 杆状地物 线性结构 垂直区域增长

在线阅读 下载PDF 职称材料

车载点云中杆状地物的形态分析与分类研究 被引量：9

6

作者 杨洲 康志忠 +2 位作者 杨俊涛 周梦蝶 孔民 《测绘科学》 CSCD 北大核心 2020年第1期69-76,共8页

针对车载激光雷达(LiDAR)数据中杆状地物分类效果不理想的问题,该文对从车载LiDAR数据中提取的杆状地物进行形态分析与分类研究。首先,利用基于体素的方法对杆状地物进行提取。其次,对提取出的杆状地物进行形态分析,使用ESF特征、几何... 针对车载激光雷达(LiDAR)数据中杆状地物分类效果不理想的问题,该文对从车载LiDAR数据中提取的杆状地物进行形态分析与分类研究。首先,利用基于体素的方法对杆状地物进行提取。其次,对提取出的杆状地物进行形态分析,使用ESF特征、几何特征及附属物拓扑特征作为杆状地物的特征向量集。最后,利用随机森林分类器对特征向量集进行重要性分析,构建最优特征子集,对杆状地物进行精细分类。该文在3个数据集上进行试验以验证方法的有效性。结果表明,该文方法对杆状地物有较好的分类效果,准确率分别为91.8%、89.23%和88.51%。 展开更多

关键词 形态分析 杆状地物分类 随机森林 ESF特征 车载LiDAR

原文传递

BP神经网络的道路场景杆状地物自动分类 被引量：4

7

作者 李鹏鹏 李永强 +1 位作者 赵上斌 范辉龙 《测绘通报》 CSCD 北大核心 2020年第4期101-105,120,共6页

针对车载激光扫描数据中杆状地物分类精度不高、自动化程度低的问题,本文提出一种基于BP神经网络的分类方法。首先根据杆状地物点云特征选取10个特征值,获取杆状地物聚类单元的特征向量,构建特征矩阵;然后使用样本集训练BP神经网络模型... 针对车载激光扫描数据中杆状地物分类精度不高、自动化程度低的问题,本文提出一种基于BP神经网络的分类方法。首先根据杆状地物点云特征选取10个特征值,获取杆状地物聚类单元的特征向量,构建特征矩阵;然后使用样本集训练BP神经网络模型并保存该分类模型;最后使用BP神经网络分类模型对试验区内的杆状地物进行分类。试验结果表明,该方法对杆状地物的分类精度可达95.34%,验证了文中所述方法对杆状地物分类的有效性。 展开更多

关键词 杆状地物 神经网络 自动分类 特征值 分类模型

原文传递

一种多阶段渐进式复原提取点云中杆状物的方法 被引量：5

8

作者 宋羽 邹敏 +1 位作者 周磊 王利华 《测绘科学》 CSCD 北大核心 2023年第9期141-150,共10页

针对车载激光点云杆状物提取中,出现的点云粘连和部分点云缺失问题,该文提出了一种采用多阶段渐进式复原思路提取点云中杆状物的方法。根据点云投影前后数量一致性进行地面滤波,实现地面点与非地面点的分离;利用一种迭代穿透性因子滤波... 针对车载激光点云杆状物提取中,出现的点云粘连和部分点云缺失问题,该文提出了一种采用多阶段渐进式复原思路提取点云中杆状物的方法。根据点云投影前后数量一致性进行地面滤波,实现地面点与非地面点的分离;利用一种迭代穿透性因子滤波,将非地面点云分割为植被点云和非植被点云;在此基础上,使用圆柱性和垂直性检测杆状点云,并引入豪斯多夫距离合并点云缺失杆状物;利用提取的树干寻找并合并对应的树冠点云,复原完整树木。实现对车载激光点云中人工杆状物和行道树的完整提取。基于城区和郊区车载点云数据的实验结果表明:该文所提方法能适应点云粘连、点云缺失等情况,能够初步改善点云粘连和部分点云缺失情况,也能适应不同的复杂道路环境。 展开更多

关键词 车载移动测量 杆状物 点云粘连 点云缺失 加权主成分分析 穿透性因子

原文传递

利用超体素的车载激光点云杆状目标的提取 被引量：9

9

作者 吴永兴 《测绘地理信息》 CSCD 2021年第4期77-81,共5页

提出了一种利用超体素来提取杆状目标的方法。首先将车载激光点云中的非地面点进行体素化,并在此基础上构建超体素;然后对超体素内的点云进行类型判别,点云大致可分为线型、面型、体型3种类型,杆状目标近似垂直于地面,其点云类型一般为... 提出了一种利用超体素来提取杆状目标的方法。首先将车载激光点云中的非地面点进行体素化,并在此基础上构建超体素;然后对超体素内的点云进行类型判别,点云大致可分为线型、面型、体型3种类型,杆状目标近似垂直于地面,其点云类型一般为线型;由于杆状目标在水平方向上具有一定的独立性,可以通过一种自适应半径的模型来检测主方向近似平行于Z轴的线型超体素是否属于杆状目标;最后依据各类杆状目标的高度和形状的差异,对杆状目标进行细分类。利用该方法对某城市街区进行杆状目标提取,杆状目标的检测率为93.5%,证明了此方法的可行性。 展开更多

关键词 激光雷达点云 体素化 超体素 杆状目标 类型判别 检测率

原文传递

顾及杆状物和车道线的城市道路场景轻量化快速点云自动配准

10

作者 赵辉友 吴学群 夏永华 《光学精密工程》 EI CAS CSCD 北大核心 2024年第4期535-548,共14页

针对激光扫描获取城市场景出现不同时期位置偏差,传统点云配准方法存在效率低和鲁棒性低等局限性,本文提出了顾及杆状物和车道线的点云配准改进方法。首先对滤波后的点云进行体素格网降采样,再利用布料模型滤波对地面点滤波,后使用K均... 针对激光扫描获取城市场景出现不同时期位置偏差,传统点云配准方法存在效率低和鲁棒性低等局限性,本文提出了顾及杆状物和车道线的点云配准改进方法。首先对滤波后的点云进行体素格网降采样,再利用布料模型滤波对地面点滤波,后使用K均值无监督分类非地面点云,后用先验的随机一致抽样法提取杆状物作为目标特征,并根据点云反射强度提出点云灰度图和空间密度分割法提取车道线。利用改进迭代最近点(ICP)算法和法向量约束,将杆状物作和车道线作为配准基元,几何一致算法剔除错误点对,并使用双向KD-tree快速对应特征点的关系,加快配准速度和提高精度。经实验证明,在低重叠度的城市点云场景耗时不到20 s,且只迭代20次,精度可达1.9877×10^(-5)m,可实现城市道路场景点云的高效准确配准。 展开更多

关键词 车载激光扫描 杆状物 地面点滤波 K均值 车道线 改进ICP

在线阅读 下载PDF 职称材料

面向车载激光点云的道路杆状物实例化提取 被引量：1

11

作者 刘晓露 马超群 +3 位作者 李金涛 吴杭彬 杨欢庆 余祖锋 《测绘通报》 CSCD 北大核心 2024年第S02期160-166,共7页

随着自动驾驶技术、智能交通系统和智慧城市管理系统的发展,道路环境的精确感知变得越来越重要。路灯、交通信号灯、交通标志牌等杆状物作为道路环境的重要组成部分,其自动实例化提取对道路的精细化智慧管理具有重要作用。面向车载激光... 随着自动驾驶技术、智能交通系统和智慧城市管理系统的发展,道路环境的精确感知变得越来越重要。路灯、交通信号灯、交通标志牌等杆状物作为道路环境的重要组成部分,其自动实例化提取对道路的精细化智慧管理具有重要作用。面向车载激光扫描系统获取的道路点云数据,本文实现了道路环境中杆状物的实例化提取。首先,基于超体素区域生长的方式识别提取了杆状物中的垂直杆部分;然后,通过聚类的方式对垂直杆的附属物实现了实例化分割;最后,基于空间位置匹配实现了道路环境中杆状物的实例化提取。在长度为6.375 km的路段上测试了本文方法的有效性,试验结果表明,道路环境中的路灯、交通标志牌、交通信号灯、行道树等杆状物可以被有效实例化提取。 展开更多

关键词 杆状物提取 超体素 区域生长 聚类 车载激光点云

原文传递

面向车载LiADR点云的杆状地物分类模型研究

12

作者 付立哲 《测绘与空间地理信息》 2026年第3期184-186,190,共4页

在道路环境中,杆状结构作为基础设施的核心组件,研究其自动化辨识与分类技术,对于城市数据的实时更新和智慧城市的构建起着重要作用。本文利用车载LiDAR采集的点云数据,提出一种改进引导聚集(Bagging)集成学习方法。首先,对点云数据进... 在道路环境中,杆状结构作为基础设施的核心组件,研究其自动化辨识与分类技术,对于城市数据的实时更新和智慧城市的构建起着重要作用。本文利用车载LiDAR采集的点云数据,提出一种改进引导聚集(Bagging)集成学习方法。首先,对点云数据进行预处理,确保地面与非地面元素的精确区分;接着,提取杆状特征点云,构建特征向量,并据此建立分类模型;最后,对比分析传统单一分类器与本研究中改进Bagging方法在杆状结构分类上的表现。实验成果表明,采用多重投票机制的改进Bagging方法,在杆状地物分类中达到了98.47%的高精度,为点云数据的地理特征分类开辟了新的途径。 展开更多

关键词 车载LiDAR点云 杆状地物 改进Bagging集成 分类模型

在线阅读 下载PDF 职称材料