基于车载激光扫描系统的道路扩改建测量

以具体道路改扩建项目为例,本文通过将传统道路测量技术与车载激光扫描技术分别用于2段道路数据采集中,重点分析了车载激光扫描系统实现道路测量的关键技术,构建了完整的技术流程。试验结果表明,基于车载激光扫描系统的道路测量成果满足精度要求,具有传统技术手段不可比拟的技术优势,其安全、高效、可靠的作业方式具有很好的应用前景。

基于车载激光雷达点云数据的预处理研究

随着人们对数字化城市的探索以及点云数据获取方式飞速的发展,点云已成为继二维栅格的影像数据和结构化的矢量地图数据后的第三类空间数据,具有最接近物理世界刻画的数据表征能力。点云数据的预处理包含点云下采样、点云去噪和点云滤波等,点云预处理是后续进行点云分割、三维重建等操作的关键步骤。以车载激光雷达点云数据为研究内容,提出布料模拟滤波算法对车载点云数据进行滤波操作,并与数字形态学滤波和坡度值滤波进行对比,结果表明布料模拟滤波算法的Ⅱ类误差在10%以内,要小于其余两种算法,且参数设置较为简单,更有利于点云归一化。

面向车载激光点云的道路杆状物实例化提取

随着自动驾驶技术、智能交通系统和智慧城市管理系统的发展,道路环境的精确感知变得越来越重要。路灯、交通信号灯、交通标志牌等杆状物作为道路环境的重要组成部分,其自动实例化提取对道路的精细化智慧管理具有重要作用。面向车载激光扫描系统获取的道路点云数据,本文实现了道路环境中杆状物的实例化提取。首先,基于超体素区域生长的方式识别提取了杆状物中的垂直杆部分;然后,通过聚类的方式对垂直杆的附属物实现了实例化分割;最后,基于空间位置匹配实现了道路环境中杆状物的实例化提取。在长度为6.375 km的路段上测试了本文方法的有效性,试验结果表明,道路环境中的路灯、交通标志牌、交通信号灯、行道树等杆状物可以被有效实例化提取。

车载激光扫描在城市道路沉降监测中的应用

为提高城市道路沉降监测的效率,全面了解道路整体沉降情况,本文基于车载激光扫描技术研究城市道路沉降监测的方法。采用车载激光扫描对城市道路进行点云数据的采集,通过KD-tree算法对Delaunay 2.5D道路模型进行领域搜索完成沉降量的快速统计,实现沉降路段的自动筛选,再提取断面数据完成相关路段的定量分析。实际应用结果表明:基于车载激光扫描的道路沉降监测方法可以实现道路沉降的快速分析,为城市道路的交通安全提供数据支撑。

车载激光雷达参数问题研究进展

随着自动驾驶和智能交通系统的快速发展,车载激光雷达已成为这一领域的关键技术。作为自动驾驶核心组成部分,车载激光雷达的高效运作和精确测量对系统整体性能发挥起着决定性作用。本文首先介绍了车载激光雷达的基本概念及其结构特点;随后深入讨论了各种评价参数和硬件参数在评估车载激光雷达系统性能时的重要性及其对系统性能的具体影响,归纳了不同参数的研究进展,最终总结了对车载激光雷达性能优化的一系列设想,并对车载激光雷达的未来发展趋势进行了展望。

车载激光雷达下新能源汽车无人驾驶障碍检测

新能源汽车无人驾驶障碍检测过程中,受道路上的多种障碍物以及复杂的天气如雨雪、雾霾等影响,数据采集难度较大,导致驾驶障碍检测精度偏低。为此,提出车载激光雷达下新能源汽车无人驾驶障碍检测方法。采取水平安装的方式,将两个32线激光雷达以对称方式布置在无人驾驶汽车上,采集路面结构三维点云数据并用坐标转换同步数据;基于统计特征的离散点滤波算法,计算点云数据集的标准差和全局距离平均值,以此去除离散噪声点;采用基于密度的带有噪声的空间聚类(Density Based Spatial Clustering of Applications with Noise,DBSCAN)聚类算法实现新能源汽车无人驾驶的障碍检测。实验结果表明,所提方法抗噪能力较高,平均识别距离为82 m,障碍检测准确率均在92%以上,误检率最高为1.8%,且检测耗时仅为1.09 ms。

基于车载激光扫描点云数据的杆状地物提取方法研究

杆状物作为道路场景中重要的公共设施,研究如何对其进行自动化精确分类十分重要。本文基于车载激光扫描点云数据,提出一种基于聚类的杆状物自动提取方法。主要实现步骤为:首先,对原始道路车载激光点云数据进行水平面投影并构建格网,以格网为单位进行地物点提取;其次,基于格网对地物点进行聚类;最后,以聚类结果的单个点云块为处理单元,根据地物的空间表达特征实现杆状物的精细提取与分类。为了对本文提出杆状物方法的有效性进行检验,使用实测道路点云数据进行实验,并将杆状物提取结果与人工提取结果进行对比,结果表明,灯杆与行道树均取得较高的探测率,证明了算法的正确性与优越性。

基于车载激光扫描点云数据的杆状物提取方法

针对移动车载激光扫描点云数据中杆状物分类精度不理想的问题,本文从杆状物的空间形态特征出发,构建一种基于支持向量机(SVM)模型的杆状物分类算法。首先,根据杆状物空间形态特征确定10个特征值并建立特征矩阵;其次,进行SVM模型训练并建立分类模型;最后,使用训练好的最优SVM模型进行杆状物分类。选取某段城市道路的点云数据进行试验,结果表明,本文分类模型无须人工干预与阈值设定,自动化程度高,其中杆状物的最高分类精度能够达到94.23%。该算法具有有效性与优越性,可为基于激光点云数据的地物分类提供一定借鉴与参考。

基于移动车载激光扫描技术的城市部件自动化采集

为了提高城市部件采集效率及精度,本文结合移动车载激光扫描技术在城市道路空间三维数据采集中的优势,提出将移动车载激光扫描技术应用到城市部件提取中。首先,通过外业采集试验区点云数据及基准站坐标数据,解算得到原始点云数据;其次,通过对原始数据进行去噪、抽稀等预处理后,得到满足城市部件提取要求的高精度点云数据;最后,使用自动提取平台提取得到试验区城市部件数据。通过将GNSS-RTK测量数据与本文提取部件数据进行对比,结果表明,基于移动车载激光扫描技术的城市部件采集技术能够满足城市部件采集的精度要求,可大大提高城市部件采集效率。本文的研究可为智慧城市建设中城市部件管理提供了有益借鉴。

基于车载激光LiDAR点云数据的路面坑槽自动提取方法研究

以车载激光LiDAR扫描道路点云数据为研究对象,提出一种基于点云剖面特征描述的坑槽提取方法。首先,对原始点云数据进行滤波处理,获取地面点数据;其次,对道路横纵剖面进行道格拉斯-普克算法的轮廓拟合,将积分不变性与微分特征作为描述算法进行坑槽提取;最后,使用约束条件进行点云聚类实现噪声点的剔除,进一步识别确定提取坑槽。为了验证本文方法的有效性,使用某段道路点云数据进行实验,结果表明,本文方法能够有效提取得到道路面坑槽点,不受坑槽形状的限制,具有较高的精度。

车载激光扫描点云数据的道路标线自动提取方法

随着无人驾驶、智慧城市建设技术的发展,能够高效、准确地提取城市道路标线尤为必要,本文根据道路标线在车载激光扫描点云空间场景中的强度特征以及几何形态,提出了一种联合布料模拟滤波(CSF)算法、强度特征图像以及边缘检测的道路标线提取新方法。首先利用CSF算法从原始车载点云数据中提取出地面点;其次将地面点转换生成强度特征图像,基于强度特征特性图像进行图像边缘检测以及连通分析提取的标线边缘;最后引入高斯混合模型(Gaussian mixed model)对标线候选点进行分类,剔除地面噪声点。为检验本文提出算法的效果,使用两种不同类型道路点云数据进行实验,结果表明,本文提出算法道路标线提取结果的平均完整率、准确率以及综合提取质量分别为92.5%、85.9%、89.0%,均优于对比模型,验证了本文提出算法的可靠性与优越性。

一种改进的车载激光扫描点云滤波算法

为了提高车载激光扫描点云滤波精度,同时解决目前点云滤波算法中存在的人机交互多、参数不易把控等问题,本文在经典不规则三角网(Triangulated Irregular Network,TIN)迭代加密滤波算法的基础上,优化地面种子点选取与进行格网大小自适应变化,提出了一种改进的TIN迭代加密滤波算法。该改进滤波算法实现非地面点滤波的主要途径为:首先,对原始车载点云数据构建格网,通过计算邻域卷积以及构造虚拟种子点实现地面种子点的确定;其次,根据设置阈值条件将待判断激光点加密至TIN中;最后,通过自适应改变格网大小并进行迭代滤波完成地面点提取。使用两段城市典型道路车载激光扫描点云数据进行实验,结果表明本文改进滤波算法的滤波性能更好,具有较好的地形适应性。

基于车载激光扫描点云数据的道路边线提取方法研究

为了在移动车载激光扫描点云数据中尽可能完整准确地提取道路边线,本文根据道路边界在点云场景中分布特征,提出了一种自动化的道路边线提取方法。首先,为消除无用点对道路边线提取的影响,在原始渐进式形态学滤波算法的基础上提出了一种改进的点云滤波算法,用于非地面点滤波,从而提高了点云滤波的运算效率和精度;其次,将地面点投影至二维图像上,并通过直线段检测算法(LSD)得到道路边线直线段;最后,通过直线连接和直线特征匹配实现最终的道路边线提取。通过对两组道路点云数据进行算法验证,结果表明,本文算法提取道路边线的完整率、准确率以及F-Measure均达到90%以上,验证了本文方法的有效性与适应性。

基于车载激光雷达的铁路轨道线形测量高程精度提升研究

为了提高铁路轨道线形测量的效率,降低安全风险,结合西部某既有普速铁路提速改造项目,采用车载激光雷达技术,从系统设备制定、车载激光雷达配置、水准控制点加密和GNSS测量方案优化等几方面提升车载激光雷达高程测量精度。首先构建测量方案并实施轨道及铁路构筑物扫描,然后通过点云匹配建立特征点,解算WGS84线形坐标和RTK采集的特征点施工坐标成果的对应关系,构建坐标转换数学模型,再利用该模型将点云的坐标空间映射到设计的铁路施工独立空间坐标,之后通过软件提取轨道坐标及高程信息,进而实现车载激光雷达技术对铁路轨道线性的测量。结果表明:基于车载激光雷达扫描进行扩能铁路轨道线形测量,在水准点沿线按照四等水准精度间距加密至500 m左右,其高程精度可控制在2 cm之内,高程、百米标丈量及拨距获取质量可满足扩能铁路轨道线形测量精度要求。

SZT-R1000车载激光雷达测量系统在道路工程测量中的应用

本文针对道路工程测量的难点问题,采用SZT-R1000车载激光雷达测量系统,进行道路数据采集。对该方法应用于道路工程测量中的关键问题进行了探讨,同时提出了基于距离将误差值反向加权平差的方法对点云数据进行精度优化。经对比分析:该方案不仅数据采集效率高,而且数据精度可靠。经精度优化后的点云数据平面精度可以达到5 cm以内,高程精度可以达到3 cm以内,在道路工程项目中有广阔的应用前景。

基于SSW车载激光移动测量建模系统的3D数字地图作业技术方案

为了满足日益增长的3D数字地图应用需求,更好地了解城市的多层次空间,一些城市实施了全域3D数字地图作业。3D数字地图生产中,车载移动测量是其中一项关键性任务。本文结合实例项目,提出利用SSW车载激光移动测量建模系统进行道路数据的采集及制作的技术方案。通过组合导航解算、点云纠正、影像坐标解算、影像模糊处理、点云赋色、点云去噪、Orbit GT数据制作等处理,实现了带地理参考坐标的彩色点云数据、360?全景影像数据、单个影像数据的快速制作,探索出适用城市3D数字地图生产作业的技术方案。本方案所生产成果经检验合格,并在空间数据共享平台(portal.csdi.gov.hk)上作为首批可视化三维地图数据提供给公众免费使用,受到社会各界的广泛关注和好评。本方案不仅可推动基于SSW车载激光移动测量建模系统的推广,也可为类似的城市车载移动测量作业提供有效的借鉴和参考。

车速对车载激光点云精度的影响分析

车载三维激光扫描系统作为一个多传感器集成的新兴测绘设备,被广泛应用在公路改扩建、城市信息化等项目中。在工程实践方面,点云的精度是影响成果质量的关键所在,本文从数据采集效率和成本核算出发,以传统高精度测绘手段获取的标靶点三维坐标作为真值,与点云数据中的同名特征点进行分析,针对不同车速状况下车载激光扫描系统获取的点云数据进行了精度评价。从统计结果看,Trimble MX2车载三维激光扫描系统的平面误差在±0.10 m左右和高程在±0.06 m左右,车速对点云精度影响较小,不同车速点云精度略有不同,但基本能够满足中小比例尺城市道路测量及城市部件普查工作的基本要求。

基于车载激光点云的道路几何信息自动化提取

为了高效地进行道路设施信息采集与数字化建模,利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性,通过网格降采样和半径滤波精简点云规模、去除噪音点;通过栅格单元划分进行点云组织和索引,合理利用点云的空间局部性、缩减运算规模;利用道路要素在高程上的层次性与路面结构的连续性、光滑性,设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法,实现从原始点云到路面点云的精确分割;利用采集车辆的行驶轨迹信息获取道路走向,利用其方向向量与法向量进行道路横截面的划分;切取横截面后投影至二维平面,并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比,在复杂街区和郊区公路两个实验数据集,点云分割准确性均超过87%,完整性均超过97%,提取质量均超过86%,几何信息的平均相对误差较小,说明算法具有良好的提取质量。有限算力条件下,两个数据集中点云处理时间分别是6.864与10.078 s/km,几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度,在复杂街区和郊区公路环境下具有良好的适用性,可为道路设施的健康评定和三维重建提供参考。

基于车载激光雷达数据的多种道路要素自动提取分类

基于车载点云数据开展道路要素的自动提取与分类是三维激光扫描技术服务于城市运维活动的一项重要应用。基于现阶段的行业研究情况,本文首先开展了针对不同类型道路要素对象进行方法及算法汇总,然后基于应用实例开展了车载激光雷达(LiDAR)点云用于道路结构、路面标识以及道路区域杆状地物等主要道路要素的自动提取与分类的应用,对其实用性和准确性进行了评价。

用于车载激光雷达的高速窄脉冲栅极驱动器

针对车载激光雷达高频率、高精度的探测需求,提出了一种高速窄脉冲栅极驱动器,用于驱动激光雷达发射系统中的GaN HEMT开关管。基于0.18μm CMOS工艺进行驱动器的电路与版图设计,采用新型施密特触发器结构,并集成欠压锁存和过温保护功能。该驱动器选用晶圆级芯片封装(WLCSP)技术,最大程度上降低栅极路径上的寄生电感。对芯片进行测试,结果表明:驱动器最小输出脉冲宽度为1.06 ns,其上升时间为480 ps,下降时间为380 ps,输入信号到输出信号的延迟时间为3 ns,脉冲频率最高可达60 MHz。该驱动器具有脉宽窄、延时短、频率高、体积小等特点,可应用于车载激光雷达系统。