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。

基于激光雷达点云的道路几何信息提取与数字化建模研究

为实现快速、自动化的道路几何信息提取和数字化建模,基于激光雷达点云提出了一套从道路语义分割、几何线形提取到集成化建模的通用框架。首先,基于空间上下文特征基础框架,将局部特征的最大值和邻域均值进行聚合以作为局部特征,使用径向分布参数与三维坐标描述全局上下文特征,构建道路语义分割网络。其次,基于道路场景分割结果,通过体素降采样和半径滤波法减少点云数据量、去除离群点,并利用可变半径Alpha Shapes(VA-Shapes)算法提取道路边线,结合获取的边线横纵坐标,计算路段几何信息(路宽、纵坡、横坡等),使用inshape函数和插值法构建交叉口的数字高程模型。最后,采用Dynamo for Revit将道路几何信息导入并生成道路路线,通过Revit软件设计道路自适应族构件及不同类别基础设施族构件,实现精细化道路数字建模。利用开源数据集Semantic3D进行训练和测试,分析与评价道路几何信息提取效果。研究结果表明:所提出的算法总体准确度为95%,路面的单类交并比为97.9%,能够很好地实现道路点云场景的自动化语义分割;相比于传统的固定半径Alpha Shapes算法,VA-Shapes算法的时间复杂性较低,可以较好地提取道路边线;通过提取算法与手动测量结果的对比,显示不同几何信息的平均绝对误差较小,说明算法具有可靠的精度。提出的“点云语义分割-几何信息提取-BIM数字建模”过程实现了逆向构建数字化道路模型,对现役道路基础设施智能管理具有重要意义。