检索结果-南通市图书馆

测绘通报 2024年第8期 135-140页

作者：何银鑫齐华朱运权卢自来彭世勇刘洋四川省交通勘察设计研究院有限公司四川成都610017 西南交通大学地球科学与环境工程学院四川成都611756 高速铁路运营安全空间信息技术国家地方联合实验室四川成都611756

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和... 详细信息

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法。选取典型高速公路试验样区进行道路标线提取试验,并与常规方法进行了精度对比分析。试验表明,本文方法在道路标线提取精度方面优于其他方法,有望更好地服务于自动驾驶的高精度地图开发应用。

关键词：多损失融合混洗注意力车载LiDAR点云道路标线提取

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

深度学习道路标线提取数据集构建及评估

引用

测绘 2024年第4期47卷 152-157页

作者：唐先祥何银鑫朱运权四川省交通勘察设计研究院有限公司四川成都610017 西南交通大学地球科学与环境工程学院四川成都611756

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。基于深度学习的方法强烈依赖于高质量的训练样本数据集,因此本文根据工程项目需要并在分析道路标线特征信息的基础上,提出了一种深度学习道路标线提取数据集的... 详细信息

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。基于深度学习的方法强烈依赖于高质量的训练样本数据集,因此本文根据工程项目需要并在分析道路标线特征信息的基础上,提出了一种深度学习道路标线提取数据集的构建方法。该方法选用车载激光点云数据,并对点云进行预处理操作,将预处理后得到的点云转换为强度特征图像,然后根据道路标线相关规范,结合原始车载激光点云数据中所涉及的标线进行道路标线信息标注,并研究了数据分块与划分和数据增强与归一化的方法。实验结果表明,本文研究的构建方法是可行的,可为道路标线相关提取工作提供参考。

关键词：车载激光点云深度学习道路标线提取数据集构建

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于注意力感知SA-Unet的车载LiDAR点云道路标线提取方法研究

基于注意力感知SA-Unet的车载LiDAR点云道路标线提取方法研究

引用

作者：何银鑫西南交通大学

学位级别：硕士

道路标线作为最基本的道路要素之一,是不可忽略的研究目标。道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。车载LiDAR点云具有三维空间和反射强度信息丰富,对光照条件不敏感等优势,已成为道路标线自动提取不... 详细信息

道路标线作为最基本的道路要素之一,是不可忽略的研究目标。道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。车载LiDAR点云具有三维空间和反射强度信息丰富,对光照条件不敏感等优势,已成为道路标线自动提取不可或缺的数据来源之一。但当点云存在反射强度与密度分布不均匀或道路标线与周围路面对比度低时,现有的基于阈值的方法很难实现道路标线准确、高效、完整地提取。因此,有必要开展基于车载LiDAR点云的道路标线提取方法研究。深度学习方法利用神经网络从浅层特征自适应学习并提取更抽象、更复杂的高层次特征,在图像分类、目标检测与跟踪等研究中受到广泛关注。本研究引入深度学习技术,为基于车载LiDAR点云的道路标线信息提取探索新的途径。本文从深度学习语义分割的角度研究了基于车载LiDAR点云的道路标线提取方法,主要研究工作包括以下内容:(1)研究了“基于MLPC的DL道路标线提取数据集”构建的技术流程。针对目前暂无开源的利用点云反射强度信息进行道路标线提取数据集的现实,选用车载激光点云数据,并对点云进行预处理操作,将预处理后得到的点云转换为强度特征图像,然后根据道路标线相关规范,结合原始车载激光点云数据中所涉及到的标线进行道路标线信息标注,并研究了数据分块与划分和数据增强与归一化的方法。最后,总结形成了“基于MLPC的DL道路标线提取数据集”构建的技术流程。(2)构建了一种损失函数DC Loss。针对基于U-Net的车载LiDAR点云道路标线提取研究中道路标线区域与路面背景区域样本不平衡,导致常见损失函数不能准确地描述模型误差,模型训练效果不佳的问题。通过结合损失函数Cross Entropy Loss和Dice Loss,构建了一种名为DC Loss的损失函数,以优化U-Net网络的训练效果,从而提高道路标线的提取精度。(3)构建了基于注意力感知SA-Unet的道路标线提取方法。为了进一步提升损失函数改进后的U-Net模型的特征提取能力,通过引入促进通道空间信息充分交互的混洗注意力感知模块SA-Net,从而构建基于注意力感知SA-Unet的道路标线提取方法,以增强模型区分道路标线和路面背景区域的能力,进一步实现道路标线提取精度的提升。研究表明:(1)以道路标线提取为例,本文总结的“基于MLPC的DL道路标线提取数据集”构建技术流程是可行性的。(2)在基于U-Net模型的车载LiDAR点云道路标线提取研究中,相较于其它损失函数,本文构建的损失函数(DC Loss)可以改善网络的训练效果,进而取得更高的道路标线提取精度。(3)引入混洗注意力感知模块SA-Net的思想,可以帮助网络准确地感知道路标线与路面背景的通道空间特征关系,进一步优化模型识别道路标线区域的效果,注意力感知SA-Unet模型可以有效提高道路标线提取的效率和精度。(4)相较于自适应阈值等其它基于阈值的车载LiDAR点云道路标线提取算法,本文方法可以有效解决在反射强度与点密度分布不均,道路标线与路面对比度低时导致的提取效果较差的问题,对道路标线提取精度更高,且模型具有鲁棒性和泛化性。基于注意力感知SA-Unet的车载LiDAR点云道路标线提取方法在道路标线提取方面具有较好的效果,可望更好地服务于自动驾驶的高精度地图开发应用。本文研究结果对提高基于车载LiDAR点云的道路标线提取精度具有一定的参考价值。

关键词：车载LiDAR点云道路标线提取深度学习数据集 DC Loss 注意力感知SA-Unet

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车载激光点云的道路标线提取方法

引用

中国激光 2022年第7期49卷 143-154页

作者：李维刚樊响梅洋赵云涛武汉科技大学冶金自动化与检测技术教育部工程研究中心湖北武汉430081

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... 详细信息

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。

关键词：遥感道路标线提取移动激光扫描强度特征图像动态阈值分割

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

车载激光点云道路标线提取方法

引用

遥感信息 2018年第1期33卷 1-6页

作者：闫利李赞武汉大学测绘学院武汉430079

针对车载激光点云中道路标线的强度随扫描距离与扫描入射角等因素变化较大而难以提取的问题,提出了一种在强度特征图像中进行边缘检测的道路标线提取方法。该方法首先将道路面点云投影成强度特征图像,然后在图像上检测图像边缘,并根据... 详细信息

针对车载激光点云中道路标线的强度随扫描距离与扫描入射角等因素变化较大而难以提取的问题,提出了一种在强度特征图像中进行边缘检测的道路标线提取方法。该方法首先将道路面点云投影成强度特征图像,然后在图像上检测图像边缘,并根据道路标线的几何特征进行连通分析,提取道路标线边缘,最后通过道路标线边缘信息从道路面点云中提取道路标线候选点云,并引入高斯混合模型剔除路面噪声点,得到最终的道路标线点云。3份测试数据的实验结果表明,该方法提取道路标线的平均完整率和平均正确率分别为93%和97%。

关键词：车载激光点云强度特征图像边缘检测高斯混合模型道路标线提取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于无人机的静动态交通信息处理与应用

基于无人机的静动态交通信息处理与应用

引用

作者：白云海辽宁工程技术大学

学位级别：硕士

随着机动车数量的不断增加,城市交通面临着很大的压力,交通拥堵尤为严重,对社会经济的发展和人们的日常生活带来了极大的不便。有效降低交通压力,缓解交通拥堵成为我国城市交通规划、设计和管理等部门面临的重要研究课题,而获取交通信... 详细信息

随着机动车数量的不断增加,城市交通面临着很大的压力,交通拥堵尤为严重,对社会经济的发展和人们的日常生活带来了极大的不便。有效降低交通压力,缓解交通拥堵成为我国城市交通规划、设计和管理等部门面临的重要研究课题,而获取交通信息是处理交通问题的第一步。文章针对交通仿真建模中所需的静动态交通信息以深圳市南山区的主要干道为研究区域以六旋翼无人机为平台采集交通影像分别从中获取静态和动态信息,在静态信息处理方面,在现有的图像运动模糊原理的基础上,对图像进行运动模糊分析,改进了运动模糊方向和运动模糊长度的提取方法,然后通过现有图像复原方法对航拍图像实现复原;道路标线提取研究中,结合最大类间方差法实现道路标线检测。在动态信息处理方面,结合混合高斯背景建模方法实现航拍视频中运动目标的检测,并对运动目标分别采用mean-shift和卡尔曼滤波实现单目标跟踪和多目标跟踪。为了验证改进方法可行性,首先采用仿真模糊图像进行仿真实验,结果证明当模糊长度大于10个像素时,改进的方法对模糊长度与模糊方向的检测精度有所提高,并将其应用于真实航拍图像。通过与现有方法的结合,提高了道路标线的检测精度,并提取出完整的运动目标。为交通仿真建模及其他交通分析提供一定的数据基础。

关键词：无人机影像静动态交通信息运动模糊道路标线提取运动目标跟踪

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多特征融合的全景图道路轮廓自动提取方法及应用研究

基于多特征融合的全景图道路轮廓自动提取方法及应用研究

引用

作者：线冰曦北京工业大学

学位级别：硕士

随着信息技术的不断发展,基于图像的街景技术已经在景点展示、路径查询、自动驾驶等方面有着广泛的应用前景。其中,通过图像进行道路轮廓提取是上述应用实现的基础。目前,很多传统提取方法无法直接适用于全景图场景,随着全景图的产生与... 详细信息

随着信息技术的不断发展,基于图像的街景技术已经在景点展示、路径查询、自动驾驶等方面有着广泛的应用前景。其中,通过图像进行道路轮廓提取是上述应用实现的基础。目前,很多传统提取方法无法直接适用于全景图场景,随着全景图的产生与全景应用需求的不断提高,面向全景图的道路轮廓与道路标线提取成为了该领域需要关注并解决的问题。传统道路提取方法难以适用全景图的主要原因是由于全景图与普通图像有着很大的区别,最明显的区别是全景图在融合时所产生的图像变形。针对上述问题,本文从全景图与道路标线特征出发,利用城市化道路与非道路部分间颜色的差异性、纹理方向以及道路提取的区域先验信息,提出了一种面向全景图的基于多特征融合的道路轮廓自动提取方法。在此基础上,完成了一种基于低秩表示的道路标线自动提取方法。具体完成工作如下:(1)本文进行了道路提取方法的对比及分析。对大津算法、遗传算法还有局部自适应软投票法进行了面向全景图的实验。实验结果表明,这三类方法在面向全景图的道路提取方面无法取得令人满意的结果。其主要原因是由于在全景图的融合过程中,所拍摄到的道路在融合后的图像中有了弯曲和变形,进而影响了方法中的颜色信息和道路模型。(2)采用Gabor小波和局部自适应软投票算法(Local Adaptive Soft-Voting,LASV)估计道路的消失点。随后,采用本文提出的方法对全景图进行道路轮廓提取。考虑到在Gabor小波提取的全景图道路部分纹理方向可以很好地沿着道路指向消失点或边界点,方法中引入了方向一致性特征来提取道路变形部分的道路边界。当我们得到初步的边界轮廓后。采用分水岭方法进一步优化边界轮廓,从而得到更加准确的提取结果。(3)在提取的道路边界轮廓基础上,可以获得一个针对道路标线提取的目标区域。本文采用了基于低秩表示的方法将提取过后的原图像分解出包含道路标线的噪声部分,从而达到提取道路标线的目的。实验结果表明,本文的基于多特征融合的全景图道路轮廓自动提取方法与基于低秩表示的道路标线提取具有理想的实验结果,可以实现不同场景全景图像道路轮廓与标线的自动提取,具有较高的创新性与实用价值。总体而言,本文在分析了传统方法的基础上提出了一种多特征融合的提取方法,该方法可以很好的面向全景图各类场景并自动的提取出道路轮廓和地标线。

关键词：边界提取道路标线提取全景图 Gabor小波低秩表示

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：