高分辨率遥感影像的车道级高精地图要素提取

高精地图是城市道路场景下自动驾驶必不可少的基础设施之一。针对目前高精地图静态层在生产和更新中存在的采集成本高、周期长、数据处理复杂等问题,本文提出了一整套基于高分辨率遥感影像的高精地图静态层的车道级要素提取方案。首先,通过SURF算法对多时相影像进行配准,同时结合影像的光谱信息对像元进行判断,实现了对车道中动态车辆的检测和去除;然后,基于面向对象的方法提出了一种要素对象的特征选择方法,并结合统计学理论对各要素进行阈值分析,实现了对虚线车道线、人行横道等车道级要素的检测和提取;最后,结合试验数据,验证了本文所提出的基于遥感影像的车道级要素大范围快速提取方案的有效性。     

无人车平台激光点云中线特征提取

随着无人平台的应用越来越广泛,由激光点云提取线特征构建高精度特征地图已成为研究的重点。本文基于深度图像中的二维线特征,提出了一种新的几何模型对其进行优化,得到准确的三维线特征,并使用贝叶斯滤波对多帧结果进行融合,提高了三维再线特征的精度和准确率。     

物联网应用在GIS中需要解决的若干技术问题

作为由多种异构终端密集部署在各个地方构成的一种协同自组织的网络应用系统,物联网具有规模巨大、形式复杂、实时异构、形式多样等特点.本文从异构网络互联、多源数据融合、物联数据模型和信息感知应用等4个方面讨论将物联网应用到GIS领域需要解决的基础理论和技术方法,并通过应用实例说明了物联网与GIS技术结合应用实现的技术方法.     

LiDAR标签和栅格占有图结合的LiDAR/IMU空间标定方法

LiDAR和惯性测量单元(inertial measurement unit, IMU)在智能汽车获得了广泛的应用,比如高精度地图构建、车辆实时定位等。两种传感器进行组合测量时,需要知道两者之间的空间关系,包括空间旋转和平移参数。本文提出了一种基于LiDAR标签的自动化LiDAR/IMU空间标定方法。首先分析了LiDAR/IMU标定参数对LiDAR点云拼接的影响,证明了当车辆近似直线运动时,使用概略标定参数即可利用IMU的姿态信息将LiDAR点云转换到轴向近乎一致的坐标系。基于该结论,提出了一种基于IMU姿态约束的LiDAR栅格占有图构建方法,构建高相对精度的点云地图与LiDAR标签的点云进行地图匹配,获得LiDAR标签在图中的位置,相对于单点云帧互匹配方法,提高标签点云匹配的精度和可靠性。然后基于LiDAR标签的已知高精度位置,采用非线性优化方法解算栅格占有图与LiDAR标签的空间转换关系,进而求解LiDAR/IMU的空间标定参数。试验结果表明,利用本文方法获得的标定参数构建的点云地图,可实现厘米级的绝对位置精度,验证了本文方法的正确性和可行性。