车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

一种基于栅格投影的快速地面点云分割算法

针对激光雷达不同类型点云在不同场景下存在地面点云过分割和欠分割的问题,本文提出一种能够适用于不同类型点云的地面分割算法,该算法先将原始点云栅格化,然后计算栅格单元高度差、平均高度和高度方差信息,综合三个分割指标实现地面点云准确快速分割.分别采用KITTI开源数据集和实测数据进行实验验证,结果表明本文算法针对不同类型点云...     

基于激光扫描的盾构隧道断面提取与变形研究

将三维激光扫描技术应用于盾构隧道变形监测中,提出了一种盾构隧道断面连续提取以及变形分析的方法。首先对拼接完成的点云数据利用随机采样一致性算法提取隧道局部中轴线,基于中轴线对隧道姿态进行调整以截取隧道断面,然后通过聚类去噪算法,基于点到中轴线的距离和灰度值对断面点云进行去噪处理,最后对批量预处理后的点云数据采用椭圆拟合算法获取隧道相对变形信息,提取各断面收敛变形信息,同时基于断面各点变形值生成三维变形云图。采用徕卡Scanstation c10获取上海地铁10号线隧道点云数据,实验证明本文所提出的方法在隧道断面变形监测方面具有实践意义,变形监测精度满足工程需求。     

电缆隧道切片点云的自动提取及几何参数分析

针对基准面与隧道内壁点云法向量及地面的关系,提出了自动提取隧道内壁切片点云数据算法。该算法利用三维激光扫描的隧道内壁点云数据进行法向量的解算,根据正交整体最小二乘进行隧道地面的拟合,利用基准面与地平面垂直及基准面与内壁点云法向量平行的关系进行最佳基准面的搜索,通过搜索到的基准面进行切片点云的提取。通过该算法可以在无标靶情况下自动获取切片点云。通过切片可以计算隧道内部的重心、重心距及重心到顶面的距离等几何参数,利用计算的几何参数可以随时监视隧道内壁的变化状况。对不同时期的隧道切片进行对比分析便可实现不同地段隧道的变形情况。     

基于隧道水平中线的全局断面提取及形变分析EI北大核心CSCD

针对如何使用三维点云数据对隧道进行横断面自动化提取与形变分析这一研究热点,提出一种基于隧道水平中线的横断面信息自动提取及形变分析方法。首先将点云进行水平投影提取出水平中线,考虑到隧道附属物及点云缺失等情况对中线提取精度的影响,采用滑动窗口稳健拟合方法提取出准确中线;然后利用水平中线进行隧道横断面提取并拟合出中轴点;最后依据中轴点及设计值计算隧道各部位的径向位移量,通过可视化渲染即可直观地表述隧道整体变形情况。通过实验表明:(1)随着隧道长度的增加,传统的整体拟合法在拟合隧道中线时误差逐渐增大,而滑动窗口稳健拟合法误差则趋于平稳;(2)滑动窗口稳健拟合法可有效规避障碍物遮挡造成的水平中线偏差;(3)根据空间圆模型拟合出隧道横断面参数后,依据隧道径向位移使用RGB颜色分量对点云进行渲染可较好地反映隧道变形情况,为隧道变形监测工作提供基础依据。     

三维激光点云多尺度去噪算法研究

针对地面激光点云数据中的多尺度噪声问题,提出一种高效、鲁棒的点云分类去噪算法。算法首先以K邻近距离为评价指标,对噪声点云进行尺度分类,并剔除大尺度噪声。然后,引入双边滤波去噪理论,以过邻域内所有点云的滤波平面为因子确定投影权函数,并引入曲面变分因子,对双边滤波因子进行改进。最后,采用改进的双边滤波去噪算法对小尺度噪声进行处理。实验表明,本文提出的算法能够有效减少邻域噪声的影响,具有一定的推广和应用价值。     

布料模拟算法的参数设置对点云分类结果影响分析

无论是通过点云数据建立高精度DEM还是对点云数据进行语义分割,首先需要准确分离地面点与非地面点。布料模拟算法是专门用于地面点与非地面点分割的算法,自提出以来便受到广泛关注。本文选取平地、缓坡、陡坡三种不同地形环境数据通过布料模拟算法对点云进行地面点与非地面点分类,得出布料模拟算法应用特点以及不同场景参数下布料分辨率,最大迭代次数和分类阈值对分类结果的影响,并给出参数设置原则,对使用布料模拟算法进行地面点分类具有一定参考意义。     

基于3D图像的机车机器人闸瓦尺寸算法研究

机车车辆的运行与检修环境复杂,灰尘多、反光等因素使点云存在缺失、噪声、成片虚假点等问题,严重影响机车机器人闸瓦图像检测的准确性。为此,文章提出了一种基于3D图像的机车机器人闸瓦尺寸算法。其首先根据相机透视变换与点云配准算法来实现模板感兴趣区域(region of interest,ROI)与测量ROI的自动变换,一定程度上弥补了机车机器人的重复定位误差。对于反光造成的点云缺失和噪点问题,其采用RANSAC算法对基准ROI进行平面拟合以弥补由此造成的精度损失,并使用有序点云自动滤波算法高效滤除部分刹车盘与闸瓦之间的点云。对于因机车抱闸以及刹车盘表面镜面反射产生的成片虚假点云而导致的边缘区分难度大问题,文章针对性地设计了滤波算子,初步分离闸瓦边缘,提取闸瓦侧面ROI。接着,根据闸瓦的成像特征,使用基于梯度的边缘提取与跟踪算法,实现闸瓦点云边界的精确提取和松闸间隙的精确测量。最后使用排序策略的统计学方法,实现准确的尺寸测量。采用文中所提算法,可实现松闸间隙小于2 mm情况下的精确测量。采用该方法对不同形态、位置、光照复杂环境下的闸瓦进行测量,并用游标卡尺进行实际测量对比,结果显示,机车闸瓦磨耗尺寸测量精度基本控制在±1 mm范围内,具备一定的算法鲁棒性。     

基于椭圆拟合的隧道点云去噪方法

针对地铁隧道这种具有特殊截面特征的狭长形构筑物,提出了一种基于椭圆拟合的点云去噪方法。首先通过建立隧道最小包围盒确定隧道的轴线方向;接着沿该方向用分段投影的方法得到隧道点云切片;最后对切片点云进行椭圆拟合,并根据拟合标准差设定阈值进行去噪。实验表明,该方法简单易行,能有效除去隧道点云数据中的噪声。     

基于点云数据的隧道中轴线自动提取方法研究

隧道中轴线可以反映隧道的整体走势,而中轴线的准确性影响着隧道点云数据的后续处理。对此,该文提出一种自动提取中轴线的方法,将点云数据投影后利用单位圆极坐标相邻角度差来确定边界点,根据RanSAC算法对不同参数模型进行统计,对直线段、缓和曲线及曲线的曲段进行区分,然后利用RanSAC算法对不同区段拟合,提取各区段的中轴线,对各区段中轴线进行加权整体最小二乘法拟合,最终得到整段中轴线。该文采用上海隧道点云数据进行了中轴线自动提取实验。实验证明了该方法能有效提取中轴线。