检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于车载激光点云的路面坑槽检测方法

中国激光 2023年

作者：马新江岳东杰沈月千刘如飞王旻烨俞家勇张春阳安徽建筑大学土木工程学院山东科技大学测绘与空间信息学院青岛秀山移动测量有限公司河海大学地球科学与工程学院

针对基于车载激光点云的坑槽检测受道路横、纵坡度影响而导致误检和漏检等问题，本文提出了一种联合粗糙度与负偏态分布的路面坑槽检测方法。该方法首先利用垂直度分割路面点云。然后，通过M估计样本一致性（MSAC）拟合局部基准平面，... 详细信息

针对基于车载激光点云的坑槽检测受道路横、纵坡度影响而导致误检和漏检等问题，本文提出了一种联合粗糙度与负偏态分布的路面坑槽检测方法。该方法首先利用垂直度分割路面点云。然后，通过M估计样本一致性（MSAC）拟合局部基准平面，并计算点云的粗糙度；以粗糙度较小的区域作为潜在坑槽区域，并利用密度聚类和连续度实现潜在坑槽的单体化。最后，根据坑槽与邻域路面点云的粗糙度统计特征，结合负偏态分布实现坑槽区域的精确筛选；并提取坑槽的三维几何特征。采用开源数据和实测数据进行实验验证与分析。实验结果表明：实测数据路面中，坑槽检测的召回率达到89.2%，准确率达到76.7%；坑槽几何特征的提取结果与人工实地测量结果的最大相对偏差为9.4%，可为大规模的路面损坏检测提供有力支撑。

关键词：车载激光点云粗糙度偏态分布路面坑槽检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

车载激光点云道路边界提取的Snake方法

测绘学报 2020年第11期49卷 1438-1450页

作者：方莉娜卢丽靖赵志远王昀昀陈崇成福州大学地理空间信息技术国家地方联合工程研究中心福建福州350002 空间数据挖掘与信息共享教育部重点实验室福建福州350002 福州大学数字中国研究院福建福州350002 福建省制图院福建福州350001

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同... 详细信息

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同类型的道路边界初始轮廓;然后基于离散点构建适合多类型道路边界的Snake模型,定义模型内部、外部和约束能量,通过能量函数最小化推动轮廓曲线移动到显著道路边界特征点处,实现不同道路边界的精细提取。本文试验采用3份不同城市场景的车载激光点云数据验证本文方法的有效性,道路边界提取结果的准确率达到97.62%,召回率达到98.04%,F1-Measure值达到97.83%以上,且提取的道路边界结果与软件交互提取的结果有较好的吻合度。试验结果表明,本文方法能够修正噪声、断裂等数据质量对道路边界提取的影响,能够实现各类复杂城市环境中不同形状道路边界的提取,具有较强的稳健性和适用性。

关键词：车载激光点云主动轮廓模型(Snake) 道路提取梯度能量函数

在线全文

学校读者我要写书评

暂无评论

车载激光点云中交通标线自动分类与矢量化

测绘学报 2021年第9期50卷 1251-1265页

作者：方莉娜王爽赵志远付化胜陈崇成福州大学地理空间信息技术国家地方联合工程研究中心福建福州350002 空间数据挖掘与信息共享教育部重点实验室福建福州350002 福州大学数字中国研究院福建福州350002 福建省水利水电勘测设计研究院福建福州350002

交通标线是重要的交通安全设施,其位置、属性和拓扑关系精细刻画道路交通结构,是智能交通、高精地图、位置与导航等应用的基础数据。本文提出一种融合空间上下文信息的车载激光点云标线分类图注意力模型(graph attention network with s... 详细信息

交通标线是重要的交通安全设施,其位置、属性和拓扑关系精细刻画道路交通结构,是智能交通、高精地图、位置与导航等应用的基础数据。本文提出一种融合空间上下文信息的车载激光点云标线分类图注意力模型(graph attention network with spatial context information,GAT_SCNet)。该模型利用图结构建立标线及其邻接对象的出现和依存关系,基于标线几何、拓扑、空间结构关系构建注意力机制进行节点特征动态更新,通过对节点分类实现标线的精细分类。基于分类后标线,设计不同方案实现对分类后标线提取标线矢量化数据。试验采用4份不同车载激光扫描系统获取的城市与高速场景数据验证本文方法的有效性,试验结果中9类标线分类的准确率分别为100.00%、93.77%、100.00%、100.00%、100.00%、96.73%、97.96%、100.00%、98.39%,召回率分别为100.00%、96.36%、100.00%、100.00%、100.00%、97.26%、85.72%、100.00%、94.16%。结果表明,本文方法能实现道路场景中全尺寸、多类型标线对象的精确识别,并对形状相似标线(如虚线、斑马线和停止线)的区分具有较强稳健性。

关键词：车载激光点云标线分类图结构注意力机制标线矢量化

在线全文

学校读者我要写书评

暂无评论

车载激光点云的道路边界图像自动提取方法

上海电机学院学报 2023年第1期26卷 45-50页

作者：王玉宣城职业技术学院信息与财经学院安徽宣城242000

针对道路边界图像提取方法的点云数据预处理不佳,导致方法存在提取效果差的问题,提出基于车载激光点云的道路边界图像自动提取方法。根据不规则三角网构建自适应滤波算法,分区域滤波处理点云数据,获取内插点云的高程数值,从而配准边界... 详细信息

针对道路边界图像提取方法的点云数据预处理不佳,导致方法存在提取效果差的问题,提出基于车载激光点云的道路边界图像自动提取方法。根据不规则三角网构建自适应滤波算法,分区域滤波处理点云数据,获取内插点云的高程数值,从而配准边界正射影像与点云数据;采用道路轮廓曲线方位与能量函数,构建边界自动提取模型,结合最邻近分类算法划分点云数据类别和提取特征,通过引入贝塞尔曲线优化拟合点云数据,实现道路边界图像自动提取。实验结果表明:采用Velodyne HDL-64车载三维激光扫描设备获取的基础数据,本文提取精度高于96%,滤波最大误差为1.3%;与传统方法相比,本文提取精度提高了5%,滤波最大误差降低了0.6%以上,验证了该方法提取精度、降低误差的有效性,以及自动提取效果高、连续性好。

关键词：车载激光点云道路边界图像提取不规则三角网贝塞尔曲线云数据配准

基于CRF模型语义优化的车载激光点云分类方法研究

在线全文

学校读者我要写书评

暂无评论

基于CRF模型语义优化的车载激光点云分类方法研究

作者：邵尤彬东华理工大学

学位级别：硕士

车载激光扫描技术是目前地面空间信息获取的重要技术之一,在智慧城市、道路勘测、无人驾驶等领域被广泛应用。车载激光扫描技术在采集目标表面信息时,无差别地扫描地物,导致采集到的点云缺乏生产应用中所需的语义信息。车载激光点云分... 详细信息

车载激光扫描技术是目前地面空间信息获取的重要技术之一,在智慧城市、道路勘测、无人驾驶等领域被广泛应用。车载激光扫描技术在采集目标表面信息时,无差别地扫描地物,导致采集到的点云缺乏生产应用中所需的语义信息。车载激光点云分类的目的是对点云中的每一个点都分配一个语义标签,是解决车载激光点云数据缺少语义信息的主要方法。针对点云分类中点特征提取邻域大小选择困难问题,以及仅基于单个点自身特征进行分类,而不考虑结合具有相似或相关类别的邻域点,导致复杂环境下产生不符合现实场景的分类结果等问题,本文采用自适应选择最优邻域尺度,并基于条件随机场(Conditional Random Field,CRF)模型语义优化提升车载激光点云分类的精度。主要研究内容及成果如下:(1)基于自适应最优邻域选择的点云单点分类。常用的邻域选择方法以固定尺度对全局范围内的所有点构建邻域。当点云密度不均时,基于固定尺度的邻域难以拟合不同密度点云的局部几何结构。本文采用自适应选择点云最优邻域尺度的方法,可以有效解决这一问题。首先基于特征熵的最优邻域选择方法计算点云中每个点的最佳邻域尺度并根据最佳邻域尺度获取点的局部邻域信息,继而基于局部邻域信息计算点云低层次几何特征,最后利用机器学习中的随机森林算法进行监督分类,得到点云单点分类结果。选择基于固定邻域尺度的点云分类方法与本文方法进行对比实验,实验结果表明本文采用自适应选择最优邻域尺度的点云单点分类方法比基于固定邻域尺度方法的分类精度高0.56%～1.54%,验证了本文采用自适应选择最优邻域尺度方法比基于固定邻域尺度的方法更有优势。(2)基于条件随机场模型的点云语义优化。点云单点分类方法仅利用单个点自身特征,将每个点作为独立实体进行分类,在复杂城区环境下的分类效果较差,存在大量的分类错误。针对这一问题,本文基于条件随机场模型对点云单点分类结果进行语义优化处理。首先建立无向图结构,然后计算出点云的一元势能和二元势能,最后综合无向图结构、一元势能矩阵和二元势能矩阵,经过CRF模型训练与推理解算出后验概率最大的类别标签向量为语义优化后的点云分类结果。选择基于自适应最优邻域选择的点云单点分类方法进行对比实验,实验结果表明,本文基于CRF模型语义优化的点云分类方法比基于自适应最优邻域选择的点云单点分类准确率提高了0.36%～3.68%,验证了本文基于CRF模型语义优化方法的有效性。

关键词：车载激光点云点云分类自适应最优邻域选择条件随机场模型语义优化

基于车载激光点云的城市道路与杆状设施自动提取

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城市道路与杆状设施自动提取

作者：刘晓宇长安大学

学位级别：硕士

城市道路及附属杆状设施信息是城市基础地理信息的重要组成部分,对于“数字城市”建设、城市规划管理和应急响应具有重要意义。车载激光扫描技术能够快速获取地物表面的三维坐标与反射强度信息,具有实时、快速、高精度、高密度等特点,... 详细信息

城市道路及附属杆状设施信息是城市基础地理信息的重要组成部分,对于“数字城市”建设、城市规划管理和应急响应具有重要意义。车载激光扫描技术能够快速获取地物表面的三维坐标与反射强度信息,具有实时、快速、高精度、高密度等特点,被广泛应用于城市基础地理信息的采集。由于城市场景的点云数据量大且地物目标繁多,因此准确高效地从原始点云中提取城市道路,并对道路场景中的杆状设施进行快速提取与分类,是一项意义重大且充满挑战的工作。针对以上问题,本文通过分析国内外的相关研究,提出一种基于车载激光点云的城市道路与杆状设施自动提取方法,所做的研究工作如下:(1)阐述基于规则格网与三维体元建立空间索引的点云数据组织方式,探讨基于线性四叉树与八叉树结构的空间点k邻域搜索算法和通过构建统计滤波器去除点云噪声的数据预处理方法。(2)提出在能够自适应地形起伏变化的同时,能大幅提升大规模场景下地面点提取效率的改进渐进式形态学滤波算法。在此之上,根据城市道路与道路边界点的空间分布特征,提出利用扫描车的行驶轨迹信息,通过法向量聚类与增加约束条件的轨迹探测准确提取道路边界线,最后以道路边界为约束提取道路点云。(3)根据杆状地物的空间分布特征与几何特征,通过构建纵向体元模板初步提取杆部点云,同时引入随机抽样一致性算法提取水平投影呈圆弧状的点集,利用拟合圆的差异度进一步筛选杆部点。依据行道树与人工杆状设施上部结构的水平投影形态差异建立区分标准,进一步筛选人工杆状设施,以方向为约束的区域生长获得完整杆状设施点云。在此基础上根据杆状设施附属结构形态与其相对于杆部的位置构建分类特征变量,利用随机森林分类器对杆状设施进行分类。(4)设计实验验证本文所提方法的有效性。实验结果表明:道路边界提取在两个实验数据集中取得的准确度、完整度和检测质量均大于90%,道路矢量边界与检测值的位置差异小于3cm。杆部提取算法在两个实验数据集中取得的准确率达到96%、召回率达到92%,杆状设施分类的准确率达到92%、召回率达到92%。

关键词：车载激光点云法向量聚类轨迹探测道路点云杆状设施点云随机森林分类

顾及特征可区分性的高速公路车载激光点云语义分割方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

顾及特征可区分性的高速公路车载激光点云语义分割方法

作者：周城宇西南交通大学

学位级别：硕士

高速公路是一种十分重要的交通基础设施,准确提取和识别高速公路中的典型目标如路面、护栏、车辆、标志线等在高速公路智能建设和管理、自动驾驶、高精度地图制作等应用中具有重要的意义。随着激光雷达硬件和点云数据处理技术的发展,基... 详细信息

高速公路是一种十分重要的交通基础设施,准确提取和识别高速公路中的典型目标如路面、护栏、车辆、标志线等在高速公路智能建设和管理、自动驾驶、高精度地图制作等应用中具有重要的意义。随着激光雷达硬件和点云数据处理技术的发展,基于车载激光点云的语义分割正逐渐成为高速公路目标提取与识别的重要技术手段之一。现有的高速公路典型目标提取主要可分为基于传统人工设计特征的方法和基于深度学习的方法。其中,前者需要针对不同目标设计人工特征,不具有普适性。例如,同属于一类的面状物可能包含道路两侧的声屏障、道路外侧的广告牌、道路上方的交通标识牌等形状、大小、高度不同的目标,若要对其进行提取,就需要设置多个不同的特征以及阈值,提取过程繁琐、效率低下,且不能一次性提取多个目标;而基于深度学习的方法通过人工神经网络可学习数据中的通用分布特征,能够实现一次性端到端的多个目标提取。然而,当前主流的基于深度学习的方法在点云下采样时常用的最远点采样方法在大场景点云处理中效率低下,而随机采样方法虽有较高效率却存在关键点丢失和覆盖度不稳定的问题;同时主流的方法中,主要针对点云的几何属性进行编码,没有专门针对点云的附加属性(如RGB)的利用。在高速公路场景下,路面与标志线的几何属性及其相似,仅利用几何信息难以将二者较好地区分开。针对上述问题,本文从车载激光点云的数据采集和存储方式出发,基于车载激光扫描线的点云均匀下采样方法构建了一种深度神经网络结构。该网络能同时保证较高的采样效率和稳定的空间覆盖度。为了克服标志线和路面等几何信息极其相似的误分类问题,本文在所构建的网络模型中设计了一个局部特征空间编码结构,可以有效地增强深度特征的区别性。此外,为了更好的利用点云邻域信息,本文结合局部空间编码模块和注意力机制来提升网络保留几何细节的能力。本文实际采集和标注了一个高速公路车载激光点云语义分割的数据集,以此验证本文方法的有效性。实验结果表明,本文的采样方法和局部特征编码空间有助于提升点云分割效果,并且本文方法的效果明显优于当前的主流方法:在保持同等空间覆盖度的同时,均匀采样方法的时间消耗约为最远点采样方法的4‰;以m Io U和Io U为提取精度评定指标,本文方法在标志线和面状物类别上Io U提升较大,相对于对比方法中最优方法分别提升了3.85%,8.09%,所有类别整体上m Io U提升了4.39%。最后,基于所提出的方法,本文研发了一套基于深度学习的高速公路车载激光点云语义分割原型系统。

关键词：高速公路车载激光点云语义分割均匀采样局部特征空间编码

面向智能驾驶高精度地图的车载激光点云处理方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向智能驾驶高精度地图的车载激光点云处理方法研究

作者：单勇华南理工大学

学位级别：硕士

智能驾驶技术在提高交通效率和减少碳排放方面具有显著潜力。然而,智能驾驶系统的感知定位面临传感器感知范围和精度的限制,尤其在雨雪、大雾等恶劣天气条件下。为了解决这一问题,智能驾驶汽车需要一个包含详细城市静态交通信息的高精... 详细信息

智能驾驶技术在提高交通效率和减少碳排放方面具有显著潜力。然而,智能驾驶系统的感知定位面临传感器感知范围和精度的限制,尤其在雨雪、大雾等恶劣天气条件下。为了解决这一问题,智能驾驶汽车需要一个包含详细城市静态交通信息的高精度地图。高精度地图作为一种超视距传感器,为车辆提供重要的先验知识和安全冗余保障。论文以校企合作高精度地图项目应用为依托,以智能驾驶高精地图为研究对象,针对车载激光点云的数据量大、数据离散、空间和强度分布不均匀和几何特征描述能力弱等问题,开展基于车载激光点云的处理方法研究。论文的主要研究内容如下:首先,设计了一种基于核外八叉树的海量点云快速可视化方法,在Linux系统下实现对海量车载激光点云的快速渲染。该方法主要首先利用八叉树思想设计瓦片式文件存储结构,并构建初始点云的空间索引;然后利用自定义读写插件OCTReader和渲染引擎,对点云文件进行动态渲染。最后通过搭建的地图管理平台进行实验,验证了本文方法的有效性。然后,构建了面向实际场景的激光雷达同步定位与建图系统TM++,实现了将离散点云帧数据构建为高精度点云地图。首先在前端里程计算法中,基于主成分分析对点云帧进行几何特征提取;然后提出了一种结合粗配准与精配准的多尺度混合配准算法—TM-ICP。该算法用于前端算法中的点云畸变补偿、点云帧与子地图之间的位姿估计以及后端优化算法中子地图间的位姿估计,从而实现建图精度的提高。此外,在后端算法中,融入了基于子地图重叠率的闭环检测,并结合位姿图优化算法,实现对全局位姿的优化,从而有效减少里程计累积误差。通过在KITTI数据集以及实际道路数据上的实验,证明了系统方法的有效性和实用性。最后,提出一种基于三图联合分析的动态多阈值分割方法,有效缓解点云强度分布不均的问题,实现对车道标线点云的提取。首先通过建立点云—图像投影模型,生成了点云的强度、密度和高程图像;然后联合三图提取道路面像素;同时利用分块和大津算法思想对图像进行分块、分类与分割,从而实现动态多阈值分割。此外,利用点云的几何特征实现对车道标线的分类,并对分类后的车道标线进行矢量化,最终输出适用于智能驾驶的矢量地图文件。最后,通过对实际点云数据进行测试实验,验证了本文方法的有效性。

关键词：车载激光点云高精度地图核外八叉树同步定位与建图提取分类

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目标分类方法研究

基于车载激光点云的道路目标分类方法研究

作者：龙安洋华南理工大学

学位级别：硕士

近年来,三维激光扫描技术和人工智能快速发展,为数字城市及智能交通的建设提供了坚实的技术支撑。车载激光扫描系统（Mobile Laser Scanning,MLS）能够快速获取复杂道路场景下的高质量点云数据,而基于车载激光点云的目标分类是从海量原... 详细信息

近年来,三维激光扫描技术和人工智能快速发展,为数字城市及智能交通的建设提供了坚实的技术支撑。车载激光扫描系统（Mobile Laser Scanning,MLS）能够快速获取复杂道路场景下的高质量点云数据,而基于车载激光点云的目标分类是从海量原始数据中提取语义信息的关键步骤,对于城市三维数字重建、自动驾驶等实际应用具有重要意义。然而,城市道路场景的点云数据量巨大、类别分布不平衡且密度极不均匀,导致现有的点云分类方法难以满足高精度分类的需求。基于上述背景,本文开展基于车载激光点云数据的分类方法研究,旨在将人工智能算法应用于点云分类任务,提升分类模型的精度及泛化能力,为点云语义信息的自动化提取提供可借鉴方案。本文的主要研究工作及研究成果如下:（1）介绍车载激光扫描系统的组成及基本工作原理,分析车载激光点云数据的主要特点及常见的组织形式,阐述与点云分类相关的深度学习网络结构,并探讨注意力机制在点云分类方法中的应用,为后文的研究奠定技术及理论基础。（2）基于传统机器学习的点云分类模型研究。针对传统自适应邻域难以适应点云密度变化的问题,考虑点云的曲率信息,提出融合曲率的自适应邻域选取方法,根据曲率阈值分割点云数据,并在不同区域内选取适配的邻域参数。为了解决单一机器学习分类器性能不稳健的问题,建立包括支持向量机（SVM）在内的三种子分类器,并采用Fscore加权投票的原理构建组合分类器以优化模型性能。实验结果表明:该分类模型在小规模点云场景中具有良好的分类精度及鲁棒性,总体分类精度可达95.82%。（3）基于深度学习的点云分类模型研究。为了解决现有网络对局部特征提取不充分的问题,基于注意力机制设计了局部特征聚合模块,通过动态地融合邻域点特征以充分捕获局部信息。考虑现有的分类模型不能顾及上下文信息,导致复杂场景下的分类性能受限,构建了上下文感知模块和双注意力模块,从多个维度提取上下文信息,进一步增强特征的表达能力。实验结果表明:该模型在大型点云数据集下具有更高的分类精度及更强的泛化性能（总体分类精度达到96.84%）,更适用于大规模点云分类。

关键词：车载激光点云点云分类自适应邻域注意力机制上下文信息