共查询到10条相似文献,搜索用时 546 毫秒
1.
道路是建设数字交通和数字城市的重要组成部分,也是空间地理信息的重要元素。针对传统遥感技术提取道路效率低、自动化程度不高以及易受周围环境影响等问题,基于无人机搭载LiDAR测量系统获取的某城郊结合区的点云数据,提出一种点云数据预处理、道路点云分级提取和道路边界提取算法。该算法首先对获取的LiDAR点云原始数据进行去噪处理,再结合曲面拟合滤波和点云几何特征提取包含道路在内的地面点云,然后利用点云的强度信息初提取道路点云,针对与道路材质相似的停车场等地物点云,在构建TIN的基础上,使用边长和面积约束进一步对道路点云进行精提取,最后使用α-shape算法对道路边界进行提取,并利用算法对实测的点云数据进行道路提取,以准确率和误分率对本文算法进行定量分析,结果表明提出的道路提取算法能够快速准确地提取道路点云。 相似文献
2.
根据以往研究发现,统计滤波算法可以去除道路周围的大部分离群点,使道路边界更加明确清晰,但是统计滤波精化后的道路点云中仍然存在部分混合在道路内部及与道路相连特征相似的非道路点云。而使用双边滤波算法对道路内部近地面点滤波,效果较优,但无法去除与道路相连、特征相似的边缘非道路点。基于此两种算法的优缺点,本文提出一种结合双边滤波与倾斜度信息的滤波算法——倾斜度滤波算法,使之在保持原算法优点的基础上,提高其对点云的特征保持以及对道路边缘点的滤波能力。实验表明:(1)倾斜度滤波后道路边缘处的非道路点云明显去除;(2)倾斜度滤波后提取的最终直路点云准确性相较于双边滤波算法提升了5.98%,倾斜度滤波后提取的最终弯路点云准确性相较于双边滤波算法提升了3.53%。因此,倾斜度滤波算法可进一步提高点云滤波的精度。 相似文献
3.
4.
5.
为应对行驶中变化的道路环境,划分当前车前道路的可行驶区域,本文提出一种基于多特征融合差分的车前道路检测方法。该算法通过形态学滤波法对原始点云进行地面点云提取,统计归纳地面点云数据,进而界定运算域,在运算域内划分不同纵深的差分元尺寸和起点,在差分元内进行特征参数的融合,形成特征矩阵,求解差分矩阵后再进行阈值滤波,进而实现车前道路点云的提取。本文首先与相关道路点云的提取算法进行对比,表明其性能优良;然后针对所采数据不同纵深的道路提取效果进行对比,证明该算法的有效性。 相似文献
6.
数据分割是点云数据处理流程中的一项关键技术,本文针对点云数据分割这一问题,分析了基于几何模型的分割法、欧几里德簇分割法和区域生长分割法三种点云数据分割方法的原理和算法流程,并利用实际工程数据检验了三种分割方法的效果。针对以上三种方法的优势及缺陷,本文实现了附条件的欧几里德簇分割法,该算法对欧几里德簇分割法和区域生长分割法进行融合改进,利用同一点云数据对该算法与上述算法进行比较分析,最后用一处复杂建筑物点云数据对该算法的分割效果进行再次检验,分割效果较为明显,再次证实了该算法具有较强的实用性。 相似文献
7.
8.
《测绘科学技术学报》2018,(5)
针对大数据量机载LiDAR点云数据整体处理时效率低下、分块处理时容易破坏地物空间结构特征的问题,提出了一种顾及点云覆盖区域地形地貌特征的快速区域分割方法。首先构建离散点云的虚拟格网,利用格网邻域内的高程突变实现区域边界上的各类障碍物自动检测;其次为提高分割处理效率,在点云覆盖区域矩形初始分割的基础上,利用流水模型及坐标轴向的方向约束对矩形分割边界线进行自动更新;最终实现了大数据量点云的快速区域分割处理。实验证明,该算法能够合理避开各类典型地形及地物障碍,实现区域分割边界线的自动化生成,算法的适应性与处理效率较高,能够较好地应用于大数据量点云数据的快速处理与应用。 相似文献
9.
道路边界精确提取建模是城市道路管理、智能交通规划和高精度地图制作等领域的重要课题之一。本文提出了一种基于车载激光雷达点云数据和开源街道地图(OSM)的三维道路边界精确提取方法。首先,针对原始车载LiDAR点云数据应用布料模拟滤波分离地面点,再结合相对高程分析获取道路边界点候选数据集。然后,应用OSM矢量道路网数据的节点辅助道路边界点候选点集进行分段。最后,在各分段点云数据集中基于随机抽样一致性算法获得三维道路边界点集。通过直道、弯道及高密度复杂场景3种不同类型的城区道路边界路段分类提取试验。结果表明,利用该方法进行道路边界提取的准确率和召回率分别达96.12%和95.17%,F1值达92.11%,本文方法可用于高精度道路边界的三维精细提取与矢量化,进而为智能交通与无人驾驶导航提供支撑。 相似文献