基于车载激光点云的城市道路标线提取方法

针对车载激光点云道路标线反射强度特性,提出了一种基于车载激光点云的城市道路标线提取方法。具体而言,首先提出一种联合布料模拟滤波和高差偏度平衡的地面滤波方法,利用偏度平衡滤波的自适应性,剔除布料滤波后残留的低矮植被的问题;随后利用基于法向量密度聚类以提取路面点云,并通过反距离加权插值将路面点云转为强度特征图;为了缓解标线提取出的锯齿状现象,引入快速引导滤波来平滑道路标线的边缘信息;最后采用最大熵阈值分割和形态学比值滤波对道路标线进行精化处理。实验表明,该方法能够有效地提取出道路标线点云,提取的平均召回率为80.98%,平均准确率为96.89%,平均综合评定指标为88.19%,能够利用道路标线点云强度信息较为完整地提取出道路标线点云。     

基于车载激光点云的道路标线提取方法

针对自动驾驶领域中的道路标线提取问题,本文结合道路结构特征和点云回波强度信息,提出了一种道路标线提取方法。首先,采用布料模拟滤波算法获取地面点云;其次,使用基于法向量的区域生长法提取路面点云;然后,采用反距离加权插值法将路面点云投影成强度特征图像,并将其分割成多个子图像,利用最大类间方差将子图像分为纯块和杂块,根据纯块与原始图像灰度均值的相对大小来确定纯块的分割阈值,根据最大类间方差算法确定杂块的分割阈值;最后,经阈值分割、形态学滤波去噪、点云反投影后得到道路标线点云。实际道路的验证结果表明,所提方法的召回率达到92.8%,准确率达到96.8%,综合评价指标达到94.8%,能提取比较完整的道路标线。     

图像平滑在地面激光点云与影像融合中的应用

针对地面激光点云与影像数据的融合,提出一种利用激光点云反射强度值将点云三维数据化为二维图像信息,根据图像的情况从多种图像平滑的方法中利用图像客观质量评价选择出一种最优的图像平滑的方法将激光反射强度图像进行去噪,最后利用激光反射强度图像与影像的匹配得到同名点,从而实现激光点云数据与影像数据的配准达到数据的融合。     

利用车载激光点云的分车带识别及单木分割方法

提出了一种基于车载激光点云数据的城区分车带识别及单木点云分割方法,首先通过布料模拟算法进行点云滤波去除地面点,然后利用基于八叉树连通性分析对非地面点进行聚类并构建聚类单元的最小包围矩形,基于先验知识和高差约束进行分车带识别,最后根据单木的空间几何特征,引入基于局部最高点的区域生长算法实现分车带内点云单木分割。选取北京市某道路的车载激光点云数据进行实验,结果表明:该方法能够从车载激光点云中快速识别出分车带点云并完成单木分割,能达到较好的识别和分割效果,具有抗噪性强和提取精度高的特点。     

基于车载激光点云的铁路轨道检测

铁路轨道的局部变形直接影响火车的高速安全行驶。为实现铁路轨道的自动化巡查,提出一种从车载激光点云中提取轨面与枕木的方法。首先,利用基于高程约束的欧氏聚类对原始点云数据进行预处理,得到路基区域;然后,对路基区域进行网格划分,并对每个网格内的点云进行高程判断,从而提取出轨面点云;最后,利用枕木与砟石的几何形态差异,设计出一种面向轨道点云的动态阈值分割方法,以提取枕木点云。对多个路段的铁路轨道进行实验,结果表明,本文方法仅利用点云坐标信息就能实现不同区域的轨面与枕木的自动检测,平均提取质量分别达到97.8%和93.6%,验证了本文方法的可行性与有效性。     

车载激光雷达三维点云重构与漫游方法

针对车载激光雷达系统,建立了由激光扫描仪数据、载车GPS数据、载车姿态数据进行激光点云解算与重构的数学模型,得到道路及两侧景物的三维点云场景。根据载车行进轨迹,用OpenGL三维引擎技术,实现对道路两侧景物的三维漫游。研究将激光雷达应用于车辆和飞行器的防撞预警,此技术具有快速、主动获取障碍物的高精确度三维坐标,探测距离远,受天气影响小的优势。为能见度低、障碍物较多情况下的车辆和飞行器的防撞提供了一个可行的技术途径。     

基于车载激光点云的高速铁路边坡形变检测

为保障高速铁路运行安全,必须定期地检测沿线边坡的形态变化,及时发现潜在的山体滑坡风险,为铁路安全管理部门提供检测数据支撑.首先利用车载激光雷达获取高速铁路沿线边坡三维点云数据,并将当期点云和基准点云进行配准;采用点云体素化方法降低离散空间点坐标的随机误差,并利用区域生长算法拟合生成多个区域平面.最后,提出边坡形变量计算...     

手持式激光扫描仪激光点云数据拼接方法

现有的手持式激光扫描仪在使用过程中多使用定位标志点,会遮盖部分数据。针对此问题,基于单应矩阵和霍夫直线提取提出了一种新的线结构光点云数据拼接方法,可以避免在扫描过程中粘贴标志点。实验结果证明,该方法能准确得到目标三维点云数据,拼接误差小于1 mm。     

激光点云与密集匹配点云联合测量方法研究

针对地面激光扫描仪在进行作业时,有时因遮挡视线而无法采集数据的问题,设计了一种利用改进的采样一致性初始配准(Sample Consensus Initial Aligment, SAC-IA)算法在异源多视角点云中进行联合测量的方法。将三维激光扫描仪从地面视角采集的点云和倾斜摄影测量从空中视角获取的影像密集匹配点云,使用改进的采样一致性初始配准(SAC-IA)算法进行配准融合,实现了空中和地面视角的集成,大大减轻遮挡对测绘工作的影响。用某建筑物三维激光扫描得到的点云数据和倾斜摄影得到的密集匹配点云数据进行实验,并对配准融合后得到的点云数据进行了精度验证。实验结果表明,使用本算法配准点云数据时,比现有方法精度上有明显的提升,算法效率提高了57.46%～59.73%。同时,使用本方法配准融合的点云数据其精度小于5 cm,满足测图精度要求。     

基于激光点云的电力线悬挂点定位方法

为了解决目前电力线悬挂点定位方法鲁棒性低、定位不精确的问题，采用基于激光点云的结合局部3维重建与迭代搜索的方法对电力线悬挂点定位进行了研究。首先，对电力线点云空间特征进行分析进而推导电力线空间约束条件，以此作为生长准则进行基于空间约束的区域生长，实现跨越多档的单根电力线分割; 然后，对杆塔点云聚类提取杆塔中心点，以杆塔中心点连线的角平分线为基准划定每档电力线的空间分割平面; 之后，对各分割平面附近电力线点云进行空间多项式局部3维重建; 最后，结合分割平面迭代搜索计算重建电力线的交点，实现电力线悬挂点空间位置定位。结果表明，对于3种电压等级线路点云及2种数据质量点云，电力线悬挂点定位平均偏差均在0.09m以内，最小偏差为0.03m。该方法鲁棒性高，可以精确地实现各电压等级及各质量点云数据中的电力线悬挂点定位，为后续基于悬挂点的电力线模拟工况安全分析提供了基础。     

三维点云与可见光图像融合方法及可视化

鉴于三维点云缺少颜色信息和光学图像缺少空间信息,提出一种基于激光雷达与相机自动标定的融合方法,融合后的数据兼有点云的空间信息和光学图像的颜色纹理信息。首先利用平面标定板对激光雷达和光学相机进行分步式自动标定,其次通过共线方程建立坐标关系,将光学图像的颜色纹理信息赋予点云进行融合并进行可视化。实验结果表明：所提方法在提高自动化程度的同时也在一定程度上提高了融合精度;与基于人工匹配的标定融合方法相比,所提方法的精度提升了51.7%;与基于梯形棋盘格标定板的标定融合方法相比,所提方法的精度提升了36.4%。从多角度观测可视化结果,所提方法都能从颜色和空间效果方面更好地还原真实场景。     

基于相位相关滤波与点云特征的激光点云配准方法

文中针对激光点云配准效率低和处理时间长的问题,提出一种基于相位相关滤波结合特征的扫描配准方法。扫描配准算法被解耦为旋转匹配与平移匹配两个步骤。在旋转匹配中,霍夫描述符提取的线段特征结合相位相关滤波得到具体的旋转量。平移匹配主要基于点云的边界特征,使用相位相关滤波处理提取到的特征,得到准确的x和y方向的平移量。与传统的迭代最近点(ICP)相比,提出的配准策略在处理静态数据时错误率降低了89.2%,处理时间降低了91.6%。同时,动态数据实验表明提出的方法具有较低的中位数和更好地一致性。     

基于激光点云数据的遥感图像目标融合技术

不同遥感图像之间存在特征差异性,且图像含有噪声,对融合过程造成了干扰,影响最终融合结果的准确性。基于此,提出基于激光点云数据的遥感图像目标融合方法。对遥感设备获取到的点云数据预处理,去除噪声点;从个体特征和群体特征两方面提取遥感图像目标特征,并将其关联;通过合理分配两幅待融合图像的权重系数,使拼接缝平滑过渡,完成遥感图像目标融合。通过对比实验测试可知,所提方法取得的目标点融合精准,拼接缝不明显,融合效果较好,所提方法的熵、峰值信噪比较高,体现了遥感图像目标融合的优异性能。     

激光三角网格点云孔洞曲面修补方法

三维激光扫描点云在采集和处理后生成的三角化网格,由于测量设备限制或模型自身形状特点常包含孔洞,这类孔洞会给后续三维重建带来障碍.针对孔洞修补问题,提出了一种激光三角网格曲面点云孔洞修补算法.首先对封闭孔洞通过遍历三角网格确定三角面片边界,检测孔洞.其次基于最小角度法在孔洞多边形处快速生成新三角面片,形成初始网格.然后融...     

一种融合激光全局定位的大尺寸点云重建系统标定方法

大尺寸点云重建是飞机等大型装备逆向工程、缺陷检测领域的重要手段之一,在分析大尺寸点云重建系统目标点云全局拼接时高精度激光定位系统和结构光扫描仪坐标系融合统一问题的基础上,提出了一种TCS-Q(过渡坐标系-四元数)参数标定方法。该方法结合点云重建系统模型和点云全局融合原理,建立光电接收器过渡坐标系确定标定对象,分析标定过程的数学模型,研究各坐标系之间转换关系的求解方法。系统仿真实验结果表明标定结果的三轴角分量标准差低于0.016 5°,离散系数小于0.015。对数显尺上光电接收器空间位置进行距离测量实验,实验结果表明,标定完成后的系统测量精度优于±0.1 mm,为实现点云拼接环节的高精度全局定位引导提供了理论基础。     

多传感器融合的激光雷达点云矫正与定位方法

针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题,提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先,以激光雷达数据为时刻基准,利用积分的方法对惯性测量单元和轮速计的数据进行预处理;之后,将融合数据与激光雷达数据融合,以矫正产生畸变的激光点云;最后,利用线性插值的方式来保证传感器间数据的时间同步,并将计算的位姿作为里程计迭代计算的初值,降低计算复杂度并提高里程计的定位精度。实验结果表明,相比没有采用多传感器融合的传统方案（LOAM、FLOAM）,在公开数据集实验中,所提方法的定位均方根误差分别降低了81.11%和21.54%,在自测数据集实验中,定位均方根误差分别降低了52.76%和24.29%。     

基于LightGBM的车载激光雷达点云分类

车载激光扫描系统获取的海量三维点云自动分类对目标识别和重建有着重要意义,传统点云分类需要人工干预,而现有的自动分类算法大多存在分类准确率低和运算成本高等问题。对此,提出了一种基于LightGBM模型的车载点云自动分类方法,该方法首先计算点云的表面变化三维特征、密度特征、高程特征以及快速点特征直方图,并计算点云法向量与其邻域点的法向量夹角及与水平面的夹角作为约束特征,将所有结果合并得到48维特征向量,然后构建LightGBM模型对点云特征向量训练完成分类预测。试验表明该算法能够准确高效地完成车载雷达点云的自动分类,比对照组算法总精度平均提高8.1%,Kappa系数平均提高18.9%,计算时间平均减少73.7%。     

基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题,提出了一种高效的电力线自动提取和重建方法.首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取;采用基于点云间倾斜角度平均值的滤波算法精提取电力线;使用统计滤波算法完成电力线整体点云提取;通过基于随机采样一致性算法的电力线分条提取算...     

基于激光点云的建筑裂缝提取方法研究

提出一种面向对象的激光点云建筑裂缝提取方法,在对激光点云进行分割的基础上,通过计算面片与水平面之间的夹角、面片面积、面片相似度等特征,依据建筑裂缝先验知识,利用面向对象的激光点云分析方法对裂缝周围面片进行识别,选取建筑裂缝数据进行实验,结果表明,该方法可对建筑裂缝进行有效提取。