车载激光点云道路标线分类提取方法

利用车载激光道路点云提取道路标线的难度较大。针对此问题,文章采用一种改进的基于点云特征图像的道路标线分类提取方法。首先将道路点云投影生成点云特征图像,通过结合图像梯度分析、图像二值化和连通域分析等操作,进一步进行道路标线像素提取;然后反投影到三维点云后,利用高斯混合模型对道路标线精细优化,从而提取出完整的道路标线点云;最后通过模板匹配分类,对道路标线点云进行分类提取。实验结果表明,该方法对不同道路环境下道路标线提取的准确度、完整度以及综合评价都超过90%。

基于机载LiDAR系统的电力线点云提取方法研究

针对野外地形高度起伏大、走向复杂、杆塔形式多样且点云密度不均匀等造成电力线点云提取精度低的问题,文章提出一种自动化精度高的新型电力线点云提取方法。根据电力线走向对整体点云进行分块处理;使用迭代高程阈值法计算得到最佳高程分割阈值,将地面点、地物点与电力线点进行分割;采用DBSCAN密度聚类法聚类出杆塔点并进行剔除,对于误分到杆塔点的部分电力线点结合点云高程搜索进一步提取出来;使用欧式聚类法对单根电力线点进行精提取。实际输电线路点云数据实验表明,该方法电力线总提取精度为99%,实现了电力线点云的自动、高效提取,可满足实际电力巡检生产需求。

车载点云数据高速公路路面提取方法

利用车载激光扫描数据提取高速公路的道路边界时,不能以路沿作为边界。针对此问题,提出了一种车载点云数据高速公路路面提取方法。根据车载激光扫描数据的特点,设计了逐步提取到精细优化的处理流程。首先,利用改进的RANSAC算法,在条件约束下进行分区自适应阈值粗提取;然后,通过结合RANSAC阈值的形态学滤波和基于点云密度和强度的滤波,进一步进行道路精细提取;最后,利用边缘检测算法对道路边界进行优化,从而提取完整道路点云。利用实际点云数据进行实验,结果表明,该方法提取的道路点云的准确度、完整度、提取质量均超过90%。