共查询到19条相似文献，搜索用时 280 毫秒
1.
面向车载激光扫描点云快速分类的点云特征图像生成方法 总被引：5，自引：0，他引：5
车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。 相似文献
2.
3.
4.
测绘技术硬件、软件技术的发展为三维地理空间数据的高效获取提供了有效便捷,随着测绘新技术的发展与成熟,为实景三维中国、新型基础设施建设等提供重要支撑。基于此,本文基于移动车载激光扫描点云数据,研究并提出一种道路交通指示标志检测方法,提升道路交通指示标志检测效果,探索智能化测绘的实际应用。首先,按照车载激光扫描系统采集车载点云数据时,存储的扫描点反射角度,构造双向扫描线索引,按照扫描线上车载点云数据的空间分布特征,通过移动动态窗口分类交通指示标志与其余地物车载点云数据;其次,通过Canny边缘检测算法,在交通指示标志车载点云数据内,提取交通指示标志边缘信息;最后,在双线性卷积神经网络内输入交通指示标志边缘信息,提取交通指示标志特征,结合支持向量机,输出交通指示标志检测结果。实验证明：该方法可有效采集道路交通环境的车载点云数据;可有效分类交通指示标志与其余物体车载点云数据,并完整提取交通指示标志边缘信息,完成道路交通指示标志检测;在不同光照条件下,该方法的道路交通指示标志检测的一个用来评价二分类模型优劣的常用指标AUC值均接近1,检测精度较高。 相似文献
5.
车载激光扫描技术可以快速获取地物表面的高精度三维信息,作为一种新的数据获取手段,已逐渐应用于地理信息系统产业中。将激光扫描数据分类是对地物进行特征提取以及建模的前提与关键。现今,针对车载激光扫描数据的分类方法还不成熟。根据城市各典型地物空间特征(激光点云在三维空间的高程、与邻近点的斜率,以及其在二维投影平面上的分布、密集程度等),本文提出一种主要适用于城市激光扫描数据的地物分类方法。首先,综合考虑车载激光数据的采集特点、车行GPS轨迹以及扫描数据中同一扫描线上相邻激光点之间的斜率关系,提取出路面。其次,对于非路面的激光点云数据,先使用基于格网化与区域分割相结合的方法进行实体划分,再通过计算地物空间形状特征的几项统计指标(外包围盒、实体高度等),对实体进行分类。最后,以海南三亚市某街道为研究区验证该方法的有效性。实验结果表明,使用该方法能成功地分出研究区的路面、建筑物、树木和路灯四类地物,并进一步在同类地物间分出不同实体。 相似文献
6.
7.
随着激光雷达技术的发展及广泛应用,点云数据的分类及理解成为了目前一个研究热点。本文研究了较复杂的电力线路走廊场景的点云自动分类方法,目标类别为地面、植被、建筑物、电力塔、电力线等。本文首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,本文结合地物空间上的相互关联关系,提出了一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。实际的电力线路走廊的激光扫描点云数据分类实验证明本文研究的分类方法的有效性。 相似文献
8.
基于车载激光扫描数据的目标分类方法 总被引：4，自引：2，他引：2
车裁扫描系统可以获取建筑物、道路、隧道等城市物体的表面信息,非常适用于城市物体三维空间信息的快速有效获取。本文从激光扫描数据中进行建筑物特征提取,重点是车载激光扫描数据分类;设计了一种新的车载激光扫描数据分类和建筑物特征提取方法,此方法充分利用激光扫描数据的空间分布特征和城市环境中各种物体自身的几何特征,将所有数据点投影到水平格网中,对每个格网单元,计算其中所有数据点投影前高度值的最大值,根据此最大值来判定该格网单元中数据点的类别,从分类后的数据中提取建筑物特征。应用所设计的数据处理方法处理车载式三维信息采集系统采集的数据,分析得到了结果。 相似文献
9.
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
10.
11.
移动式三维激光扫描仪在地下管廊测量中的应用 总被引：1，自引：0，他引：1
针对传统地下管廊测量方法中存在的作业效率低、精度差等问题，笔者试验了一种基于移动手持扫描技术的地下管廊测量新方法。本文以济南市福地街旁某地下管廊为例，制定了可行的测量方案，通过GEOSLAM ZEB-REVO移动式三维激光扫描仪获取点云数据，采用Trimble Realworks软件进行数据后处理，并与全站仪测量结果进行对比分析。结果表明，移动式三维激光扫描仪在地下管廊测量中可以明显提高作业效率且满足测量精度要求，具有较好的应用前景。 相似文献
12.
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
13.
14.
欧斌 《测绘与空间地理信息》2013,(12):209-211
采用应用研究与生产相结合的方法,介绍了城市轨道交通工程中结构断面测量的必要性和相关要求,引入地面3维激光扫描技术进行数据采集,并对采集数据进行去噪、拼接、影像匹配、点云数据抽稀、结构断面提取等操作,讨论了地面3维激光扫描技术在城市轨道交通工程结构断面测量中应用的可行性、技术优势、测量方法和数据处理方法。 相似文献
15.
基于机载激光扫描数据提取建筑物的研究现状 总被引：5，自引：3，他引：2
机载激光扫描系统是集成了GPS、惯性导航系统(INS)和扫描激光测距系统并利用飞机作为运行平台,来获取地面的三维位置,进而快速生成数字表面模型(DSM)。随着机载扫描激光测距系统的不断完善和发展,获取城市DSM数据也变得越来越快速,而且方便和经济可靠,地面激光点的密度也大大提高。目前国外激光扫描系统的激光点密度一般都达到了1～20点/m2,因此利用机载激光扫描系统获取的城市DSM提取建筑物也渐渐受到重视。利用激光扫描数据提取建筑物可以分为两大类,第一类是单纯以获取的机载激光测距数据来提取建筑物,第二类是融合激光测距数据和其他相关信息的建筑物提取,如融合航空影像、融合IKONOS高分辨率卫星影像来提取建筑物。本文对国际上利用机载激光扫描测距数据进行建筑物提取的最新研究进展进行了一些分析,同时也给出了应用我国研制的机载激光扫描数据提取建筑物的试验研究和初步结果。 相似文献
16.
盾构隧道收敛监测是地铁运营检测的重要监测部分。针对收敛尺、全站仪、断面仪和巴塞特收敛系统、站式扫描仪等传统监测设备和监测方法的缺陷，本文提出一种基于移动三维激光扫描的新型收敛监测方法。移动三维激光扫描技术是利用二维断面扫描仪结合移动轨道车、惯性导航定位及编码器等多种传感器协同作业，通过人工推行扫描的方式全面获取隧道结构点云数据。结合自动化点云处理软件对管片断面收敛进行分析，实现地铁隧道收敛的快速全面监测，弥补了传统收敛监测效率低、断面监测不完善的缺点。工程应用实例结果表明，该方法不仅可以实现隧道收敛快速、高效监测，而且获取的海量点云数据可进一步深度挖掘，为地铁隧道的安全监测提供基础数据，保障地铁安全运行。 相似文献
17.
18.
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
19.
Accurate and robust positioning of vehicles in urban environments is of high importance for autonomous driving or mobile mapping. In mobile mapping systems, a simultaneous mapping of the environment using laser scanning and an accurate positioning using global navigation satellite systems are targeted. This requirement is often not guaranteed in shadowed cities where global navigation satellite system signals are usually disturbed, weak or even unavailable. We propose a novel approach which incorporates prior knowledge (i.e., a 3D city model of the environment) and improves the trajectory. The recorded point cloud is matched with the semantic city model using a point‐to‐plane iterative closest point method. A pre‐classification step enables an informed sampling of appropriate matching points. Random forest is used as classifier to discriminate between facade and remaining points. Local inconsistencies are tackled by a segmentwise partitioning of the point cloud where an interpolation guarantees a seamless transition between the segments. The general applicability of the method implemented is demonstrated on an inner‐city data set recorded with a mobile mapping system. 相似文献