共查询到19条相似文献，搜索用时 153 毫秒
1.
城市环境中的行道树、车辆、杆状交通设施是重要的交通地物,也是智能交通,导航与位置服务,自动驾驶和高精地图等行业应用的核心要素.为了准确识别这些路侧目标,本文提出一种融合点云和多视角图像的深度学习模型PGVNet(point-group-vi ew network),充分利用目标点云数据中空间几何信息及其多视角图像中高级全局特征提升路侧行道树、车辆和杆状设施的分类精度.为了减少视图间的冗余信息并增强显著视图特征,PGVNet模型利用预训练的VGG网络提取多视图特征,对其进行分组赋权获取最优视图特征;采用嵌入注意力机制的融合策略,利用最优视图特征动态调整PGVNet模型对点云不同局部关系的注意力度,学习不同路侧目标的多层次、多尺度显著特征,实现行道树、车辆和杆状交通设施的精确分类.试验采用5份不同车载激光扫描系统获取的不同城市场景数据验证本文方法的有效性,其中行道树、车辆及杆状交通设施分类结果中的准确率、召回率、精度和F1指数分别达(99.19％、94.27％、93.58％、96.63％);(94.20％、97.56％、92.02％、95.68％);(91.48％、98.61％、90.39％、94.87％).结果表明,本文方法融合多视图全局信息和点云局部结构特征可以有效区分城市场景中的行道树、车辆和杆状交通设施,可为高精度地图中要素构建与矢量化提供数据支撑. 相似文献
2.
利用点云卷积网络(PointCNN)为语义分割算法基础处理无序点云来提取行道树点云，经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云，并对三个数据集的应用结果作精度评定，其最终结果的误差在有效范围内，并对PointCNN中的参数进行分析，完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型，且受非行道树点云目标干扰小，在复杂道路环境下的数据分割工作有很好的效果。 相似文献
3.
针对车载LiDAR数据构建格网,提取行道树点云并分割树干点云,首先以格网为单位,进行滤波处理提取非地面点云;再对提取的点云进行降噪处理;然后基于格网对处理后的点云块进行聚类,依据行道树与其他地物的形态以及投影等差异从聚类单元中提取行道树,并对相连树进行分割;最后针对提取的单株行道树依据分层投影的原理,分割行道树树干点云与树冠点云.采用一段车载LiDAR数据进行算法实验并与人工提取方式对比验证算法提取的有效性与准确性. 相似文献
4.
针对道路车载激光扫描点云数据中行道树与其他地物相互遮掩,存在杆状物分类困难的情况,本文提出了一种基于车载激光扫描数据的行道树自动提取方法。首先,构建格网并地形点云滤波,提取非地面点,从而提升后续算法的运算效率;其次,在非地面点的基础上构建空间体元进行邻域分析,提取树干点云,同时建立树冠分层点云投影面积理论,提取得到树冠点云;最后,使用改进分割算法进一步修正树冠点云归属,实现行道树的单体化。使用两组不同类型道路点云数据进行实验,结果显示本文算法提取行道树的平均提取完整率与正确提取率分别为90.73%、91.22%,较对比方法具有一定优势,为行道树的高效、快速、准确提取提供了新的思路。 相似文献
5.
6.
针对在三维点云环境下分离目标物体所出现的过度分割问题,提出一种结合随机抽样一致性和颜色差值区域聚类的分割方法。首先利用RANSAC算法去除场景中大部分平面,使得目标物体和连成片的点云脱离,然后结合点云的距离阈值和目标颜色差值,得到目标点云数据。针对L1中值算法对曲率较大模型的骨架提取存在的不足,进行了改进。通过L1中值算法对点云模型进行骨架提取,得到点云的骨架点,然后沿端点方向向外进行最大内切球的球心提取,最后连接多个球心及骨架末端点,得到符合人类视觉效果的骨架。改进的算法提高了L1中值对曲率较大点云骨架提取的准确性。 相似文献
7.
8.
机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。 相似文献
9.
提出了一种基于点云特征图像和特征值分析的车载LiDAR点云建筑物立面位置边界的自动提取方法。首先利用车载LiDAR点云数据生成扫描区域的点云特征图像,并通过图像处理手段提取可能的建筑物目标点云;然后对提取的目标点云进行剖面分析和特征值分析,识别建筑物目标;最后对建筑物点云进行平面分割,提取建筑物立面,并对立面点云进行特征值分析,得到建筑物立面与地面交接的三维位置边界。实验结果表明,该方法能快速有效地提取车载LiDAR点云数据中的建筑物目标,同时提取的建筑物立面位置边界与原始点云能准确符合。 相似文献
10.
由于三维激光点云的无序性、稀疏性、非结构性以及光谱纹理信息缺乏，使得点云的语义信息提取十分困难，而可以直接对原始非结构化点云进行语义分割的PointNet++网络无法考虑点云的空间相关性。针对这个问题，本文提出了一种结合自注意力机制的多特征融合点云语义分割网络，使用PointNet++和非局部信息统计注意力模块分别提取点云的多尺度特征和空间相关性特征，并融合两种特征以进行最终的点云分割。通过在ISPRS 3D语义分割数据集上进行对比实验，证明本文通过自注意力机制提取的空间相关性特征优于人工设计的特征，可以明显提高点云语义分割的精度，本文方法较PointNet++总体精度提升了4.5%。 相似文献
11.
提出了一种从车载激光扫描数据中层次化提取多类型目标的有效方法。该方法首先利用颜色、激光反射强度、空间距离等特征,生成多尺度超级体素;然后综合超级体素的颜色、激光反射强度、法向量、主方向等特征利用图分割方法对体素进行分割;同时计算分割区域的显著性,以当前显著性最大的区域为种子区域进行邻域聚类得到目标;最后结合聚类区域的几何特性判断目标可能所属的类别,并按照目标类别采用不同的聚类准则重新聚类得到最终目标。试验结果表明,该方法成功地提取出建筑物、地面、路灯、树木、电线杆、交通标志牌、汽车、围墙等多类目标,目标提取的总体精度为92.3%。 相似文献
12.
The existing roadway infrastructures are mostly archived with two-dimensional (2D) drawings that lack the possibility for three-dimensional (3D) interpretation and advanced 3D analysis. The mobile LiDAR system (MLS) is gaining popularity in 3D mapping applications along various types of road corridors. MLS achieves the highest data quality and completeness among the traditional roadway data collection methods. The rural roads in different countries especially in India form a substantial portion of the road network. Therefore the proper maintenance and road safety analysis of rural roads are recommended activity, which could be addressed using detailed 3D road surface information. The absence of raised curb at road boundary, and presence of complexity, heterogeneity and occlusions along the rural roadway settings restrict the use of existing studies for road surface extraction using MLS point cloud data. Therefore considering the above requirement, this research paper proposes a two-stage method. The first stage extract planar ground surfaces which are further used to filter road surface in the second stage. Global properties of road, that is, topology and smoothness and its radiometric response to laser beam of MLS are used in the second stage. MLS point cloud data of rural roadway were used to test the proposed method. The road surface points were accurately extracted without being affected by the absence of raised curb and hanging objects over the road surface, that is, tree canopies and overhead power lines. The quantitative assessment of the proposed method was performed in terms of correctness, completeness and quality, which were 96.3, 94.2, and 90.9%, respectively. 相似文献
13.
提出了一种从车载激光扫描数据中自动提取路面的方法。通过分析车载激光扫描点云的空间特征,提出运用近似平面约束法、有序最小二乘坡度估计法和多尺度窗口迭代分析法进行初始路面种子点提取;然后基于局部坡度滤波方法提取所有的路面点;最后选择两组实际点云数据进行实验。结果表明,该方法能快速准确地提取高速公路路面点云,实验数据的提取准确率为95.74%,完整率为98.11%。 相似文献
14.
为推进深度学习方法在点云配准、语义分割、实例分割等领域的发展,武汉大学联合国内外多家高等院校和研究机构发布了包含多类型场景的地面站点云配准基准数据集WHU-TLS和包含语义、实例的城市级车载点云基准数据集WHU-MLS。其中,WHU-TLS基准数据集涵盖了地铁站、高铁站、山地、公园、校园、住宅、河岸、文化遗产建筑、地下矿道、隧道等10种不同的环境,共包含115个测站、17.4亿个三维点以及点云之间的真实转换矩阵,为点云配准提供了迄今为止最大规模的基准数据集。WHU-MLS基准数据集涵盖了地面特征(机动车道、道路标线、井盖、非机动车道),动态目标(行人、车辆),植被(树木、树丛、低矮植被),杆状地物及其附属结构(电线杆、独立提示牌、路灯、信号灯、独立探头等),建筑和结构设施(房屋、道路隔离结构、围墙和栅栏)以及其他公共和便利设施(垃圾桶、邮筒、消防栓、街头座椅、电力线等)等6大类30余小类地物要素,共包含2亿多个点和超过5000个实例对象,为语义分割、实例分割点云深度学习网络的训练、测试和性能评估提供了当前最为丰富的基准数据集。 相似文献
15.
车载激光扫描数据中实线型交通标线提取 总被引：1，自引：1，他引：0
本文提出一种基于路面点云强度增强的车载激光点云实线型交通标线提取方法。首先通过预处理提取路面点云，获取各激光点与轨迹线的距离。然后逐段对路面进行强度增强，集合多滤波器集成的策略进行强度变换和去噪，消除距离、点密度、磨损等因素对反射强度值影响，增强路面点云和标线的强度差异。基于增强后的反射强度，采用k均值聚类和连通分支聚类等方法对标线进行分割，并利用归一化图割方法优化强度分割结果。最后利用实线型标线的语义信息和空间分布特征从分割后标线对象中识别实线型交通标线。试验采用四份不同车载激光扫描系统获取的数据用于验证本文方法有效性，实线型标线提取结果的准确率达到95.98%，召回率达到91.87%，综合评价指标F1-Measure值达到95.55%以上。试验结果表明本文方法能够有效增强受扫描距离、路面磨损及点密度分布不均等因素影响的点云强度信息，实现不同车载激光扫描获取的复杂道路环境下实线型交通标线的提取。 相似文献
16.
针对车载移动测量系统数据采集特点,构建车载激光点云扫描线索引,提出了一种基于扫描线索引的道路路面与路边点云稳健分类法。首先通过分析扫描线上不同地物剖面的空间分布特征,进行剖面激光点生长聚类,形成完整的地物剖面目标点集;然后根据点集的几何特征因子判断点集类型;最后利用相邻多条扫描线上路边点分布规律进行去噪。对车载移动测量系统获取的两份点云数据进行实验,路面与路边提取的平均完整率分别为94.4%、86%,平均准确率分别为98.9%、99.1%。实验分析表明,该方法能有效减少粗糙路面点的错误分类,适应不同的道路路边条件,降低独立地物对路边提取的干扰。 相似文献
17.
提出一种基于等高线的滤波方法,它先由LIDAR数据生成数字表面模型,并内插出等高线,再根据DSM等高线的特征,如闭合性、首尾点距离、等高线的长度及等高线间距离等,通过设定阈值自动提取出属于自然地面的等高线线段,以获得初始的自然地面点,然后内插生成初始数字地面模型,最后使用迭代逼近法生成最终的(精确的)数字地面模型,即比较初始DTM与DSM,差值小于预设阈值的点视为DTM点,而差值大于预设阈值的点则标记为无数据点,最后,这些无数据点由选择的DTM点内插出.通过与现有表面估计的滤波方法的对比实验以及所提取地物轮廓线与航片的叠加对比试验,证明新方法可适用于地表起伏较大的地形,地物提取精度高、计算量小、效率高. 相似文献
18.
针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题,提出一种超体素随机森林与长短期记忆神经网络（long short-term memory,LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点,对原始点云进行超体素划分,并以超体素为基本单元进行多元特征计算,搭建室内点云超体素随机森林分类模型,实现点云数据的粗分类。在此基础上,引入LSTM对粗分类的超体素邻域连接关系进行神经网络模型训练与预测,实现超体素粗分类结果的优化。基于开放数据集对所提分类方法进行有效性和精度验证,结果显示,该方法在公开数据集中对13类要素的分类精度可达到83.2%;与经典的深度学习框架相比,该方法在小样本训练时可以达到更优的分类精度。 相似文献
19.
本文对车载激光扫描数据进行了研究,将投影点密度(DoPP)与电线杆的几何特点相结合,提出了一种基于激光扫描数据的电线杆自动识别和定位的方法。首先,将车载测量系统获取的激光点云投影到水平面,建立水平格网,设置投影点密度阈值分类出杆状地物所在的格网区域;然后将分类得到的杆状数据拟合成为一条空间直线,以电线杆的几何特性作为期望值和方差,自动识别电线杆;最后,该空间直线与地面网格相交确定电线杆的定位位置。本文算法与T3D Analyst商用软件提取的电线杆进行比较,实验结果表明本文方法行之有效。 相似文献