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。

基于车载扫描技术的路灯提取方法研究

为了提高基于车载点云数据的路灯提取召回率与准确度,本文提出了一种新的路灯提取方法。首先,构建三维格网索引,通过分析杆状物点云二、三维形态进行杆目标提取;其次,利用行道树与路灯在上部点云的形态差异将杆目标中的行道树剔除;最后,使用构建的路灯模板库对候选路灯进行匹配,剔除候选路灯中包含的交通牌、信号灯等,精确提取路灯。试验结果表明,新的路灯提取方法可以自适应提取道路点云数据中的路灯,提取结果的召回率与准确率分别达到了89.17%和93.90%,无需其他辅助数据,使用该方法可以准确提取路灯。

基于无人机点云的路灯提取方法

针对三维点云中路灯自动提取的问题,利用无人机点云,提出一种基于样本匹配的路灯点云分层提取方法。该方法首先利用布料模拟滤波(CSF)算法将原始点云划分为灯头层、灯杆层和地面层,并进行分层聚类;然后利用样本匹配的方法提取灯杆点云;最后基于灯头点云到灯杆中心的相对位置约束,对灯头点云进行提取,从而完成整个路灯的提取。试验结果表明,在不同道路环境下,该方法路灯提取的准确率、完整率和F1值均不低于90%,可以实现对路灯的高效完整提取。

基于几何形态的路灯自动提取方法研究

针对道路环境中路灯提取精度不高、受周围地物影响大的问题,考虑路灯在xoy面投影的几何形态,提出了一种基于几何形态的路灯自动提取方法。先对原始点云进行分层,得到灯头层和去灯头层,接着对灯头层点云进行连通域分析,使每个灯头能独立聚为一类并输出;然后根据路灯和行道树在xoy面投影的几何形态差异提取灯头点云;最后利用灯杆拟合圆圆心坐标及半径在去灯头层中搜索灯杆点云,完成路灯点云的提取。对数据进行实验分析,结果表明,文章所提方法对实验路段的路灯提取平均准确率、平均召回率均为95%,可见该方法能较好地完成路灯提取。

车载LiDAR场景中路灯的提取与识别

为解决车载LiDAR城市场景中路灯提取和识别问题,文中提出基于样本的路灯提取算法。先通过人机交互的方式提取路灯的样本参数;再依据数学形态学闭运算提取点云场景中疑似路灯的位置,根据样本参数确定疑似路灯范围并提取疑似路灯点云;然后进行路灯样本和疑似路灯点云的匹配;最后,通过建立路灯样本缓冲区实现路灯判断和提取。通过试验验证,算法不仅可以快速自动提取路灯点云,还能完成路灯单一种类的识别。

车载激光点云数据中路灯的自动化提取与建模

为了解决从车载点云数据中提取要素信息效率慢、建模自动化程度不高的问题,基于SSW车载移动测量系统研究了针对路灯的自动化提取与建模方法。自动化提取大致分三步进行:提取参数调整、一级模型提取和二级模型提取。实验表明,路灯分类提取达到了较高的精度。根据提取的矢量成果提供的位置和方向信息,实现了对实验区域路灯的自动化建模,提高了内业数据处理的效率。

顾及相对距离的路灯点云分层提取方法研究

路灯提取是车载点云目标提取的重要研究方向之一,但由于路灯上部和下部容易产生粘连和遮挡,路灯识别往往存在困难。针对此问题,考虑灯杆中部不易产生粘连和遮挡这一特点,结合灯头与灯杆之间的相对位置关系,提出了顾及相对距离的路灯点云分层提取方法。首先用布料模拟滤波(CSF)算法将原始点云分为灯头层、灯杆层和地面层,在此基础上对灯头层和灯杆层点云进行连通域分析并输出聚类;然后根据灯杆层各聚类矩形对角线长度和拟合圆内部范围提取灯杆点云;最后根据灯头中心与灯杆中心的相对距离搜索灯头点云,从而实现完整路灯点云的提取。对三组数据进行实验分析,结果表明:所提方法对数据1的正确率、完整率、质量和F1值均为100%;对数据2的正确率、完整率、F1值均为87.50%,质量为77.78%;对数据3的完整率和质量均为94.74%,正确率为100%,F1值为97.30%。所提方法能够实现对路灯点云的有效识别和提取。