车载激光点云纠正技术研究

随着智慧城市建设发展需求的不断扩大,移动扫描技术在项目应用中的频率不断提升,车载三维激光扫描技术以其高效率、高精度的特点已在项目实践中占有一席之地.但车载三维激光扫描技术受限于卫星信号等情况影响,点云数据为确保达到高精度,通常需进行远超车载扫描本身工作量的点云精度改善工作,即点云纠正,本文使用多个实例数据,通过对不同纠...     

车载移动测量系统点云误差分析及修正

为使车载移动测量系统输出更高精度的基础数据——点云,对车载移动测量系统的定位误差来源进行分析,探索减小作业误差以及利用控制点进行点云修正的方法,通过实例验证控制点布设数量与点云精度提高的密切关系,证明布设位置合理、数量足够的控制点,能大幅提高点云精度。     

车载激光建模测量系统在重庆城区的应用分析

通过对城市老区和城市新区采集点云数据和纠正点数据,进行精度统计,获得纠正点数量、纠正点布设间距的经验数据,为车载激光建模测量的广泛应用提供参考。     

车载LiDAR点云中的建筑物特征提取

针对车载LiDAR点云数据处理复杂、时间长的问题,本文以地物不同特征值作为建筑物自动提取算法的依据,通过点云数据预处理、聚类分析等一系列流程最终实现一般建筑物点云的自动提取。通过两个实验区点云数据的提取与相应的实际地物进行精度分析对比,结果表明本文算法对实例测区环境下的不同建筑物点云提取具有较好的有效性,满足数字城市三维建模的精度要求。     

车载激光点云数据中行道树三维信息自动提取研究

城市行道树三维信息是城市智慧管理的重要基础信息之一,本文研究了一种基于车载激光点云数据的行道树三维信息自动提取方法。首先,根据行道树点云和周围地面点计算树高;然后,针对残缺树冠点云,应用点云不同方位距离对比计算冠幅;最后,根据树干扫描分层点云,运用RANSAC算子拟合圆模型,计算胸径。通过实际测量数据进行验证,本文方法提取出的行道树信息误差较小,精度较高。     

一种新型三维激光扫描隧道测量点云坐标定位方法的精度评估

提出了一种基于三维激光扫描仪特殊定位硬件装置和七参数坐标转换算法,对每个扫描测站点云利用最近的隧道控制点进行绝对定位,将多个隧道扫描测站数据不经过拼接就统一转换成隧道控制测量坐标系坐标的方法——点云绝对定位法,并应用误差传播理论和相应数值模拟计算对该方法的测量成果进行精度评估和重要误差来源分析。最后得出在一定条件下采用该方法获得的隧道扫描测量成果可以满足城市地铁测量规范对竣工测量精度要求的结论。     

复杂地形条件下多密度级无人机LiDAR点云DEM精度研究 ——以2022年北京冬奥会延庆赛区为例

为进一步提升复杂地形条件下无人机激光雷达(Light Detection and Ranging,LiDAR)点云数据构建数字高程模型的效率与精度,以2022年北京冬奥会延庆赛区场馆建设用地为实验区,按照不同抽稀比例,对实验区原始无人机激光雷达点云中分类出的地面点数据进行抽稀处理,利用克里金插值算法对不同密度地面点数据进行插值处理,结合高程中误差、平均绝对误差对生成的数字高程模型进行双重精度评定,得出以下结论:对于复杂地形而言,随着点云数据密度的下降,数字高程模型建模效率明显提升,但地形特征逐渐模糊,数据精度级别逐级降低,其中高程中误差由0.381 m增大至1.914 m,平均绝对误差值由0.335 m增大至1.357 m.在满足精度要求的前提下,对LiDAR点云数据进行适度抽稀处理,可保障生产成本与时效.     

一种基于车载LiDAR点云数据的城区树木三维信息自动提取方法

车载激光雷达(Light Detection and Ranging, LiDAR)是一种具有良好城市植被垂直探测能力的技术。本文提出了一种基于车载LiDAR点云数据的城区树木三维信息自动提取方法,经实际测量验证,该方法具有高精度、低误差的优点。     

城市场景智能手机GNSS/MEMS融合车载高精度定位

智能手机凭借其普遍性、便携性和低成本等优势,已成为大众用户导航与位置服务的主流终端载体,其多频多系统GNSS（global navigation satellite system）观测值的开放进一步激发了手机高精度定位的研究。然而,受限于消费级GNSS器件性能,手机卫星观测值呈现出信号衰减严重、伪距噪声大、粗差周跳多等问题;并且受城市复杂环境影响,手机GNSS定位的连续性、可靠性也难以保证。提出一种城市场景手机GNSS/ MEMS（micro-electro mechanical system）融合的车载高精度定位方案。首先,构建了速度约束的GNSS差分定位模型;然后,通过手机内置MEMS与车辆运动约束,在挑战环境下进行GNSS/MEMS融合精密定位。实验结果表明,在开阔和树荫场景下,速度约束方法可达到分米至米级定位精度,相比于常规方法分别提升了35.2%和78.9%;在高架场景下,GNSS/MEMS融合定位的精度和连续性均提升显著;在隧道场景下,MEMS推算位置累积误差约为2.5%。实验结果初步表明,手机GNSS具备开阔环境下的车道级定位能力,手机GNSS/MEMS融合可提升城市复杂环境下车载定位的精度和连续可用性。     

高速公路勘测中车载激光点云高精度校正可行性分析

目前车载移动测量系统在公路勘测方面的用途日益显著。本文阐述了车载激光点云数据的获取原理,对车载移动测量系统的误差进行了估计,并分析了一定时间和距离内误差传播的规律,论证了利用靶标控制点对车载激光点云数据进行高精度校正的可行性,最后通过高速公路改扩建项目实例对可行性进行了验证。     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。     

利用多元LBP特征自动提取城市道路边界

车载移动测量系统可采集高精度道路三维点云数据,为道路边界自动化提取提供了支撑.为解决车载激光点云中城市道路边界点云提取困难问题,本文引入局部二值模式LBP(Local Binary Pattern),针对各类城市道路边界特征,设计了高度LBP、高程离散度LBP和空间形状LBP3种改进算子;构建多元LBP特征语义识别模型...     

基于SSW点云数据的矢量地图平面精度自动校验方法

常规的矢量地图精度校验采用抽样与实地测量，外业工作量大，自动化程度低。针对这一问题，本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先，使用车载激光扫描器获得道路两侧高精度点云数据，并对点云数据进行滤波、坐标转换和精度检验；其次，基于多特征识别算法，使用SWDY软件提取点云特征点线；最后，利用最近邻法搜索待检矢量图中的同类地物特征点线，并计算匹配点线对的中误差。以兴化城区为试验区，采用该方法检测该地区1：1000比例尺的矢量地图平面精度，试验结果显示，成功匹配了点云数据205个地物特征中的201个，矢量地图的总体中误差为0.26 m，且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量，增加检测样本数量，降低检测过程中的人为干扰因素，有效提升检测的可靠性与检测效率。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

POS辅助机载LiDAR无地面控制点DEM,DOM制作

DEM和DOM已成为航空遥感生产的重要产品,机载Li DAR系统获取的具有三维坐标信息的点云数据,经系统误差校正和滤波分类后,结合机载POS数据和数码影像,可进行无地面控制点的DEM和DOM制作。经实践分析,成果精度满足1∶2 000比例尺DEM和1∶5 000比例尺DOM精度指标,该方法产品制作周期短,成果质量较高,满足了无人区和应急情况下的测绘需求。     

车载LiDAR点云中交通标线的提取方法

交通标线,作为道路上重要的交通标识,为司机和行人提供重要的引导信息。车载激光扫描系统(车载LiDAR)可以快速获得被测目标的表面三维坐标信息,为提取高精度三维交通标线提供了可靠数据源。本文通过分析道路点云数据的平面距离、点云强度、点云密度等特征,将点云数据归化成地理参考强度图像。针对生成的二维参考图像,充分借鉴图像处理中目标分类与识别的手段,将交通标线信息准确提取出来。实验表明,该方法可行、有效。     

利用车载LiDAR点云数据提取城市道路规则多边形

随着自动驾驶高精地图的发展，准确高效地提取道路规则多边形成为必要。本文以苏州市某城市快速路为研究对象，通过使用徕卡车载激光移动测量系统获得城市道路点云数据，观察了解车载点云数据各类属性信息，根据观察结果组合利用点云数据高差、点云灰度差值、点云强度差值，在此基础上再利用网格密度法实现道路规则多边形的提取，然后通过对目标的矢量化得到三维矢量规则多边形。最后对提取的矢量化结果进行精度评定。试验结果表明：该方法在提取道路规则多边形方面能得到较好的结果且能满足高精地图需求。     

激光点云输电线精细提取的残差聚类法

针对输电线点云数据中存在缺失、噪声等复杂环境,提出了一种基于模型残差聚类的激光点云电力线精细提取方法。首先根据归一化高程阈值分割去除近地面点,在此基础上,采用自适应维度特征和方向特征粗提取电力线点;然后以抛物线模型为约束条件,采用改进的建模方法,确定模型残差并对其进行密度聚类,根据聚类结果实现单根电力线精细提取;最后讨论了关键参数的选择对提取结果的影响。两景实测数据试验表明:该方法能快速实现点云部分缺失、噪声干扰等复杂环境下的电力线精细提取,无须电力线数目、点云密度等先验知识,对不同类型分裂导线提取均具有很好的适用性。单根电力线提取准确率达99.17%以上,模型误差最大值为0.167 m,中误差最大值为0.079 m。     

OSM辅助车载LiDAR点云三维道路边界精细提取

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。     

城市复杂地形环境下倾斜模型结合LiDAR点云的大比例尺地形图更新方法北大核心CSCD

针对无人机倾斜摄影技术受遮挡影响较大和难以穿透植被茂密地区的问题,本文提出了城市复杂地形环境下倾斜模型结合LiDAR点云进行小区域大比例尺数字地形图的更新方法。首先采用五镜头六旋翼无人机分别以垂直和平行主要建筑物楼群方向进行2次全区域拍摄,以及无人机机载激光雷达全区域采集点云,并对高度不足10 m的别墅区进行单镜头低空补飞。然后融合倾斜影像点云与机载激光点云建模,经过3种建模方案对比,融合建模的倾斜三维模型的位置精度和模型质量均最优。最后基于此模型进行测图。精度评定结果表明,城市复杂地形环境下在飞行方案和像控点布设合理的情况下,通过倾斜三维模型采集的数字地形图的平面和高程精度完全满足并优于深圳市1∶1000数字地形图动态更新的精度指标。