检索结果-南通市图书馆

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

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2024年第4期32卷 535-548页

作者：赵辉友吴学群夏永华昆明理工大学国土资源工程学院云南昆明600093

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... 详细信息

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。

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

改进PointNet++模型在道路杆状物提取中的应用

在线全文

学校读者我要写书评

暂无评论

测绘通报 2023年第11期 95-99页

作者：孙端正高飞叶周润吴言安张树峰谢荣晖合肥工业大学土木与水利工程学院安徽合肥230009 中国科学院精密测量科学与技术创新研究院大地测量与地球动力学国家重点实验室湖北武汉430077 安徽开源路桥有限责任公司安徽合肥230093

针对现有道路杆状物提取大多需要针对数据类型人工设计特征、泛用性差、自动化程度低等问题,本文提出一种基于改进PointNet++深度学习网络的道路杆状物语义分割方法,实现了对道路杆状物的提取。首先对原网络模型的感受野、分块大小等参... 详细信息

针对现有道路杆状物提取大多需要针对数据类型人工设计特征、泛用性差、自动化程度低等问题,本文提出一种基于改进PointNet++深度学习网络的道路杆状物语义分割方法,实现了对道路杆状物的提取。首先对原网络模型的感受野、分块大小等参数进行调整,使得该模型更适合道路点云数据;然后针对点云数据不平衡的问题,采用焦点损失函数作为模型的损失函数,使占比较少的类别得到充分训练;最后针对PointNet++网络提取特征时没有考虑邻域内各点特征影响关系的问题,采用邻域特征聚合模块融合邻域信息,提升该网络模型对点云特征的学习能力。为验证所提方法的有效性,使用改进后的网络模型在自建的道路点云组成的数据集上进行了试验,相对于经典PointNet++网络,杆状物类的分割精度明显提升,在简单道路和复杂道路上的交并比(IoU)分别提升了8.44%、15.25%,达到了98.88%、92.50%。

关键词：三维激光点云语义分割 PointNet++ 杆状物深度学习

一种多阶段渐进式复原提取点云中杆状物的方法

在线全文

学校读者我要写书评

暂无评论

测绘科学 2023年第9期48卷 141-150页

作者：宋羽邹敏周磊王利华济南市勘察测绘研究院济南250101 烟台市地理信息中心山东烟台264003 山东科技大学山东青岛264200

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... 详细信息

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。

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

在线全文

学校读者我要写书评

暂无评论

杆状物攀爬机器人关键技术综述

计算机测量与控制 2018年第1期26卷 1-5页

作者：张连滨葛浙东刘传泽曹正彬周玉成山东建筑大学信息与电气工程学院济南250101

人工高空作业具有一定危险性,且工作效率低、工作难度大,采用攀爬机器人代替人工作业在安全性、稳定性及精确性等方面具有明显优势;杆状物攀爬机器人作为一个新兴的研究领域,国内外虽有较多研究,但仍处于试验阶段,未达到大规模推广使用... 详细信息

人工高空作业具有一定危险性,且工作效率低、工作难度大,采用攀爬机器人代替人工作业在安全性、稳定性及精确性等方面具有明显优势;杆状物攀爬机器人作为一个新兴的研究领域,国内外虽有较多研究,但仍处于试验阶段,未达到大规模推广使用的条件;因此,有必要总结现有成果,更好地完善攀爬机器人系统的研发与应用;文章通过分析国内外杆状物攀爬机器人技术和应用现状,从运动机构分析、自主行为控制与导航、远程通信、监测与遥操作4个方面,详细阐述了现存爬树爬杆类机器人的关键性技术问题,旨为杆状物攀爬机器人下一阶段的研究提供新的想法和方向。

关键词：杆状物攀爬机器人运动机构自主行为控制

在线全文

学校读者我要写书评

暂无评论

杆状物对舰载比幅测向的影响研究

航天电子对抗 2014年第3期30卷 42-45页

作者：张志辉周文辉中国人民解放军91404部队

通过对杆状物信号反射的分析,研究了舰上杆状物对无源比幅测向的影响,对其中杆状物与天线距离、杆状物截面半径、长度、入射雷达信号波长等因素造成的无源比幅测向误差进行了定量分析。

关键词：无源测向测向误差杆状物

在线全文

学校读者我要写书评

暂无评论

基于车载激光扫描点云数据的杆状物提取方法

北京测绘 2024年第6期38卷 880-885页

作者：朱丹太原市国土空间规划测绘院(太原市城市雕塑研究院) 山西太原030002

针对移动车载激光扫描点云数据中杆状物分类精度不理想的问题,本文从杆状物的空间形态特征出发,构建一种基于支持向量机(SVM)模型的杆状物分类算法。首先,根据杆状物空间形态特征确定10个特征值并建立特征矩阵;其次,进行SVM模型训练并... 详细信息

针对移动车载激光扫描点云数据中杆状物分类精度不理想的问题,本文从杆状物的空间形态特征出发,构建一种基于支持向量机(SVM)模型的杆状物分类算法。首先,根据杆状物空间形态特征确定10个特征值并建立特征矩阵;其次,进行SVM模型训练并建立分类模型;最后,使用训练好的最优SVM模型进行杆状物分类。选取某段城市道路的点云数据进行试验,结果表明,本文分类模型无须人工干预与阈值设定,自动化程度高,其中杆状物的最高分类精度能够达到94.23%。该算法具有有效性与优越性,可为基于激光点云数据的地物分类提供一定借鉴与参考。

关键词：车载激光扫描点云杆状物支持向量机(SVM) 特征值

目标性创新模型在杆状物存输系统研究中的应用

在线全文

学校读者我要写书评

暂无评论

科学技术创新 2020年第22期 189-190页

作者：张荟如魏鹏范志远岳甫毅山东理工大学机械工程学院山东淄博255049 山东理工大学电气与电子工程学院山东淄博255049

为提高杆状物在存储与输送过程中的效率,减少磨损、便于计数,本文以目标性创新模型作为该类问题的解决工具,通过该模型中的逆向思维模式与TRIZ解题思路对杆类物的存输系统进行创新研究,并提出一种杆类产品输送系统的创新设计方案。

关键词：目标性创新模型 TRIZ 杆状物系统研究

基于人机交互的车载道路点云杆状物特征提取方法

在线全文

学校读者我要写书评

暂无评论

基于人机交互的车载道路点云杆状物特征提取方法

第二十二届华东六省一市测绘学会学术交流会

作者：徐洋洋孙博周先峰洪艳戴心野华东冶金地质勘查局测绘总队河海大学地球科学与工程学院武汉大学测绘学院

针对三维高精度地图矢量元素自动化提取仍存在较大局限性的问题,提出了一种基于人机交互的车载道路点云杆状物特征提取方法。通过点云分块编号的方法对点云数据建立空间索引,提高点云数据交互操作的可行性和速率,然后通过人机交互及点... 详细信息

针对三维高精度地图矢量元素自动化提取仍存在较大局限性的问题,提出了一种基于人机交互的车载道路点云杆状物特征提取方法。通过点云分块编号的方法对点云数据建立空间索引,提高点云数据交互操作的可行性和速率,然后通过人机交互及点云分割处理,实现杆状物的智能提取。实验结果表明,提出的基于人机交互的杆状物特征提取方法具有一定的实用性,满足高精度地图生产需要。

关键词：人机交互点云杆状物特征提取

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于三维点云的室外场景分类与重建方法研究

基于三维点云的室外场景分类与重建方法研究

作者：楚良西安理工大学

学位级别：硕士

伴随着自动驾驶、数字城市等创新技术的提出,基于三维点云数据的室外场景语义分割对自动驾驶路况的分析和智能自主导航等应用的快速发展具有重要的作用。在数字城市建设方面,室外场景重建技术在城市规划、建筑物修复、增强现实等领域都... 详细信息

伴随着自动驾驶、数字城市等创新技术的提出,基于三维点云数据的室外场景语义分割对自动驾驶路况的分析和智能自主导航等应用的快速发展具有重要的作用。在数字城市建设方面,室外场景重建技术在城市规划、建筑物修复、增强现实等领域都有实际的应用。因此,室外场景的语义分割和重建问题越来越多的受到国内外学者的关注,并逐渐成为计算机视觉、计算机图形学等领域的研究热点。目前针对三维点云室外场景语义分割方法在自动化程度和算法复杂度方面仍然存在一些问题,本文针对复杂室外点云场景的自动语义分割技术和基于语义分割结果的室外场景重建方法展开研究。主要工作如下:(1)本文通过对DGCNN网络进行改进,利用卷积神经网络完成点云场景的语义分割。改进后的卷积神经网络结构直接将原始点云的三维坐标作为输入,去除对齐网络,利用DGCNN中的边缘卷积(EdgeConv)提取特征,在网络结构上减少了卷积层层数,降低了网络的参数量,使得网络结构更加轻量化;然后利用黄石公共数据集对本文改进后的深度学习网络进行验证;最后,将本文网络的语义分割结果与对比方法DGCNN网络进行对比,并从总体精度和交并比(Intersection over Union,IoU)对本文方法进行了评价。实验结果表明,本文改进后的深度学习卷积神经网络模型在室外场景语义分割中的表现要优于DGCNN网络,特别是室外场景中杆状物和电线的语义分割结果要优于DGCNN网络模型。(2)本文基于语义分割结果对建筑物墙面、杆状物、电线和地面点云分别进行了重建。针对场景中不同物体的数据特点和几何特性,利用“分而治之”的思想对不同的物体选择不同的方法进行重建。在对建筑物墙面的重建中,使用基于栅格化的区域增长方法将墙面分割为单个平面,针对每个平面求取构成平面的顶点,最后根据顶点对墙面进行重建。在对杆状物的重建中,首先基于欧式距离的聚类方法对杆状物进行分割,然后计算每个杆状物的高度和端点坐标,最后利用圆柱完成杆状物的重建。在对电线点云的重建中,首先采用欧式聚类对电线进行分割,然后计算每个电线两端的顶点和电线的长度完成对电线的重建。在地面点云的重建中,根据地面点云数据分布均匀的特点,使用了贪婪投影三角化的重建方法。本课题以直接获取的三维激光点云数据作为处理对象,探讨与研究基于三维点云的室外场景分类方法和基于语义分割结果的重建方法。通过使用卷积神经网络完成室外点云场景的语义分割,为点云数据的处理和场景重建领域的发展应用起到一些作用。

关键词：三维激光点云杆状物语义分割室外场景卷积神经网络场景重建