车载激光点云的道路标线提取及语义关联

自动驾驶技术已成为未来智能交通的发展方向之一,高精度地图为L3级及以上自动驾驶实现高精度定位和路径规划提供先验信息,是自动驾驶车辆传感器在遮挡或观测距离受限情况下的重要补充。道路标线的位置和语义信息,比如实线和虚线的绝对位置是高精度地图的基本组成部分。本文从车载激光点云中提取扫描线,根据道路边缘位置几何形态的突变从扫描线中提取道路路面,在此基础上首先利用反距离加权插值的方法把路面点云图像以一定的分辨率转换为栅格图像,其次利用基于积分图的自适应阈值分割方法把栅格图像转化为二值图像,然后利用欧氏聚类的方法从二值图像中提取标线点云,并利用特征属性筛选的方法对提取的标线点云进行语义识别,最后建立交通标线和交通规则之间的语义关联。     

车载测量系统教学试验设计

针对测绘学科从传统测绘到数字化测绘，再到信息化测绘的发展，分析了当前测绘教学模式中存在的一些不足，提出将车载测量系统新技术引入到本科生教学。分析了课堂进行车载测量系统学习的前沿性和可行性，并根据其原理进行课程和试验的模块化设计。结果表明，测绘新产品能够激发学生学习兴趣和创新能力，提高专业技能，符合测绘教育的现代化的要求。     

车载激光扫描系统的动态标定

针对常见的利用靶球对激光断面扫描仪标定的静态、繁琐、低精度、不具实时性,该文设计了一种平面反射片标靶,组合利用里程计与惯性测量单元(IMU)提供的定位和姿态参数,移动扫描获得隧道点云数据,根据反射片的高反射率,通过点集聚类算法与形态学滤波处理,获得标靶中心在扫描仪基准坐标系下的坐标,从而间接实现断面扫描仪的标定。IMU经过倾角掉头实验,完成倾角补偿,得到轨道面下的点云。最后利用隧道环片的设计距离,在隧道壁上布设设计的标靶对里程计进行校准,克服了里程计长距离误差累积的弊端。标定的结果验证了方案的可行性,可快速高精度的实现扫描仪的现场动态标定与里程补偿等,提高点云质量。