《基于激光雷达点云数据的路灯提取》文献综述
1前言
彭江帆指出，随着智慧城市的飞速发展,市场对数据采集设备从采集速度、数据精度、处理效率、受干扰因素等方面提出了新的要求,车载激光扫描技术因此成为人们研究的热点。车载激光扫描技术具有非接触、高精度、高速度、大范围、成果直观的特点,已经开始应用在城市规划、道路铁路检查等领域。虽然车载激光扫描技术在理论上能提供足够的商业价值,但因其成本高昂,数据成果巨大、数据分析和应用效率低等因素,导致实际的利用率较低。
2 现状与发展
当前车载激光扫描技术中主要应用了系统集成、成果数据组织与管理、成果数据分析和应用等研究热点的技术。在这些研究基础上,依托现有的设备资源,集成一套车载激光扫描系统,分析其工作原理和成果误差来源,并设计实验对造成误差的主要参数进行了标定,最后分析了整个系统的成果点云数据的精度。确定成果点云精度改善达到具体的应用要求后,采集高速公路的车载激光系统点云数据,对数据进行分析,提出一套自动、高效、准确的提取高速公路道路要素点云的新方法,为实现高速公路规划和养护、公路路面和附属设施普查提供便利。本文提出的高速公路道路要素提取方法,简述如下:对于路面的提取,首先通过点采集时间间隔提取每条扫描线,基于车载激光扫描系统的集成原理得到扫描线上各点采集时刻的扫描仪发射中心投影下来正对的路面点坐标,称为路面轨迹点。通过分析扫描线上各点与对应采集时刻的路面轨迹点坐标之间的斜率提取出最靠近车载激光扫描系统的路面点,称为扫描线上的路面起始点。按点采集顺序分析从起始点开始扫计算描线上各相邻点的斜率和斜率差,查找到显著变化的位置,认为是路面边界点疑惑点,通过分析前后点斜率和斜率差的方法进行确认,最终提取出扫描线上的路面边界点。将扫描线上路面起始点和边界点之间的点作为最终的路面点云。对于道路标线的提取,是对已经提取出来的路面点云的每条扫描线,通过反射率滤波进行初提取,再通过基于4倍点间距的三维格网划分去除离群点的方法进行提取的。对于护栏的提取,首先利用扫描线上的路面边界点与护栏相邻的特点初步分割出带有杂点的护栏点云,由于护栏点云每条扫描线上的主体目标比较集中、杂点相对离散,采用投影到不同高度水平面上提取点状和线状密集区域的方式分别提取出护栏的支撑主柱和波形护栏板点云,最后合并一处。对于路灯的提取,首先利用扫描线上的路面边界点与路灯相邻的特点初步分割出带有杂点的路灯杆状部分点云,再通过提取路面上方空间点云的方法提取出路灯的灯头部分点云,合并一处作为路灯点云初步分割的结果。基于初步分割出的结果中主体目标分布相对独立的特点,采用聚类划分超级体素,计算体素特征并合并轴向相近的体素成为目标,通过统计目标所包含的体素特征选择同时包含水平面状和竖直杆状体素的目标为路灯。本文所提出的方法结合高速公路道路要素的分布特征对原始点云进行初步分割,减少了数据处理量。并且结合道路要素的几何特征对原始点云进行精细提取,保证了提取的准确度。
3 研究内容及任务
3.1 车载激光点云中道路路灯提取方法
针对道路环境中路灯的提取,提出一种车载激光点云中路灯提取方法。该方法首先对原始点云建立三维格网索引,分析灯杆在二维投影平面中的圆弧形态以及在三维空间中的柱状形态,提取杆目标;然后根据树木与路灯上部点云三维形态的差异去除树木,提取候选路灯;最后,建立路灯灯头模板库,通过模板匹配精确去除交通信号灯和交通标志牌等,实现路灯的准确提取。实验证明,该方法可以有效提取实际道路环境中的不同路灯,提取准确率和召回率分别达到94.01%和89.47%,且不需要辅助数据,具有较强的适用性。数据处理效率较现有同类方法有大幅提高。
3.2 提取城市道路边线的点云法向量聚类法
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
