结合TIN约束与密度聚类的机载LiDAR道路点云提取

针对机载LiDAR道路点云提取过程中自动化提取困难,停车场、水泥地以及与道路相连的地面点难以去除等问题,提出一种三角网约束与密度聚类相结合的机载LiDAR道路点云提取方法。在已有滤波结果的基础上,该方法首先根据道路点云样本的强度信息提取初始道路点,建立Delaunay三角网,运用三角网边长约束精化初始道路点;然后,通过密度聚类算法提取连通性较好且密度较大的独立三角网;最后,采用数学形态学算法优化道路边缘,确定最终道路点。实验选取国际摄影测量与遥感协会提供的两组城市机载LiDAR点云数据进行道路点云提取,结果表明:本文算法可以较好地进行道路点云的自动提取,且对不同类型的道路具有良好的自适应性,验证了算法的可靠性。

扇形格网高程特征图像的车载LiDAR点云道路提取方法

针对传统高程特征图像道路点提取方法中格网分辨率需手动设定和存储资源冗余问题,本文提出了扇形格网高程特征图像的车载LiDAR点云道路提取方法。该方法采用自适应扇形格网投影,根据激光雷达(LiDAR)设备参数,自动建立可缩放的扇形格网,有效优化了传统方形格网分辨率手动设置,解决了存储资源冗余问题。在该方法的具体实施过程中,首先,依据LiDAR设备参数进行自适应扇形格网投影;其次,获取每个格网内点的高程,运用反距离加权法(IDW)建立高程特征图像;最后,基于高程特征图像设定高程阈值,实施道路点提取。为验证本文方法的有效性,从KITTI数据集中选取不同道路类型的6组数据进行实验。结果表明,道路点提取的最高质量为87.1%,平均质量为80.2%。与传统高程特征图像道路点提取方法相比,本文方法的平均质量高出近3个百分点。

基于地图API技术的道路拥堵点交通运行状态分析

以东阳市老城区为例,提出应用地图API技术进行道路拥堵点交通运行状态分析的一般流程。首先,按照一定时间间隔分别截取研究范围的实时路况地图,根据路况颜色和持续时间识别道路拥堵点;其次,将研究范围划分成一定数量的网格,利用地图API技术批量获取各网格中心至拥堵点的预估通行时间,评估当前时刻下拥堵点的可达性;最后,获取堵点周边道路各时段的平均行程速度,评估道路运行状态的时间变化特征。通过地图API进行道路堵点识别和运行状态分析,能够大大减少研究者的前期工作量,为后续研究分析提供相对准确的基础数据。

基于车载LiDAR点云的道路提取方法

针对提取道路点云聚类方法存在欠分割、过分割的问题,提出了一种基于坡度滤波算法和改进欧式距离的区域生长算法相结合的道路点云提取方法。原始点云数据量大且繁杂,采用统计分析进行预处理,去除一定数量悬空的噪声,减少数据量;为防止点云数据精度损失,对预处理后的点云按照格网进行划分,结合坡度滤波算法,去除非地面点干扰,获取地面点云;以法向量夹角和欧氏距离为约束条件,采用改进的区域生长算法提取路面点云。使用两组不同场景下的车载点云数据进行试验,证明了该方法的有效性。

基于反射强度偏度平衡的道路点云提取算法

反射强度信息是机载激光雷达(Li DAR)系统所获取数据的重要组成部分,利用反射强度信息提取道路点云的主要难点在于道路点云通常包含在地面点云中,而区分道路点云与非道路点云的反射强度阈值较难获取。针对该问题,提出了基于偏度平衡的道路点云提取算法,该算法可以自动、准确、无参地确定反射强度阈值,进而获取纯净的道路点云。分别采取位于我国山西省某地和德国某城市的两组Li DAR点云数据来检验该算法在不同地理环境下的有效性。实验结果表明所提算法简单有效,并且能够得到良好的道路点云提取结果。

计算机视觉在道路成像和坑洞检测中的应用研究综述

针对道路坑洞的自动检测和道路状况的客观评估问题,对计算机视觉技术在道路坑洞检测中的应用研究成果进行了全面综述。通常采用摄像机和各类深度传感器获取二维、三维道路数据实现道路成像,并基于计算机视觉技术开展坑洞检测,主要检测算法包括经典二维图像处理、三维点云建模与分割、深度学习及其混合方法,其中混合方法利用各类算法的优势,可大幅提高检测的准确性。然而,现有算法在坑洞检测领域取得良好效果的同时依然面临道路几何重建鲁棒性有待提升、算法复杂度高、模型效果高度依赖大规模良好标注数据集等诸多挑战,故未来应更多关注无监督的立体匹配算法及少样本的深度学习算法。

密集匹配点云的自适应道路提取算法研究

多视倾斜影像密集匹配后能够生成海量点云数据,但数据本身缺乏有效的道路提取信息。针对此问题,提出一种密集匹配点云的自适应道路提取算法。首先对多视影像进行道路感兴趣区特征采样,获取影像区域道路的纹理特征,然后对三维点云进行去噪处理并剔除掉高大建筑物和植被。在点云中选取2个明显的道路点作为初始种子点,搜索种子点一定半径范围内的点,并统计这些点对应的法线与种子点法线的夹角,根据道路边沿法线的突变性提取出道路点。然后利用道路点拟合出道路中心线并根据最小包围矩形优化搜索搜索半径,进而自适应的生成其他道路种子点。实验结果表明,该方法提取的道路能够保持连通性,道路边界清晰,且提取耗时较短,具有较好的稳健性。

基于AHP的道路黑点交通安全影响因素分析及应用

阐述道路黑点交通事故的生成特征,通过AHP法建立交通安全影响因素的层次结构模型,形成了诸因素重要程度量化分析方法,为减少和预防密集型交通事故提供切实依据;应用该方法对某大型交叉口进行了分析和计算,确定了各安全影响因素的权重,提出了相应的安全保障措施。

基于PC-CRASH的城市道路黑点路段交通安全研究

当今社会交通越来越发达,但相对应的交通安全事故也逐年累加。本文以研究计算机仿真再现交通事故的方法为目的,通过对交通事故的特点进行总结,使用PC-Crash软件建立交通事故的仿真模型。通过对仿真试验结果的分析,探讨了不同情况下交通事故的规律,对事故现场进行再现,据此可以帮助指导本地区的交通部门进行黑点路段的治理工作。

基于GIS的道路事故黑点聚类应用研究

由于地理信息系统中数据的多样性和空间复杂性,在GIS数据空间挖掘时原有的挖掘算法会遇到一些新问题。本文针对城市道路网中交通事故黑点发掘问题,对基于密度的DBSCAN算法进行改进,使改进后的算法能够确保聚类仅在连通空间内进行。最后以某市交通事故数据为例对该方法进行验证,实验结果表明此方法是有效的。

道路交通事故黑点路段整改措施及其确定方法

道路交通事故黑点的事故诱发原因是多方面的。改造事故黑点必须针对事故诱因选择合理的改造措施。首先分析针对不同黑点路段的常见整改措施,然后利用交通事故原因统计分析数据,结合粗集理论设计确定某一具体路段的事故诱发原因的方法,据此可以帮助公安机关制定出科学合理的整改建议书,指导本地区本部门的黑点路段的治理工作。

道路交通事故黑点治理的流程、方法与策略

结合现有的道路交通安全管理体制,提出了道路交通事故黑点治理的流程。在分析了已有的各类交通事故黑点鉴别理论的基础上,指出事故次数法与事故率法在我国现阶段仍具有初步筛选的现实意义。最后,结合日益普及的高速公路路网,分析了此类道路黑点的改造策略。

不同类型道路黑点事故诱因分析与治理

道路交通事故黑点的有效鉴别可以显著降低交通事故的发生率与损失后果。首先对道路交通事故多发的黑点路段进行了分类,然后分析了各类路段事故诱发因素,最后针对这些路段的事故诱因提出了相应的治理改造对策。

多点进出城市地下道路污染物扩散特性研究进展

该文基于"复杂结构城市地下道路污染物排放与扩散特性及其建模理论研究"国家自然科学基金的研究成果,基于复杂结构特征的交通通风力的污染物扩散机理,提出一套城市地下道路机动车污染物扩散建模求解方法,为我国城市地下道路通风设计与安全运营、建设项目环境影响评价提供技术方法支撑。

基于十字路口的道路碎部点自动连线方法探讨

提出一种在室内不依靠草图而实现道路碎部点自动连线的方法,该算法充分考虑大比例尺地图下十字路口间道路碎部点的聚类特性,利用坐标方位角、碎部点标号等手段实现道路碎部点间的自动连线。给出具体算法及演示实验,在城区大比例尺地形测绘时,利用本方法可降低手工绘图的劳动强度,提高计算机绘图的自动化水平。

多点进出城市地下道路CO排放特性实测研究

轻型汽油车为主的城市地下道路,主要污染物为CO和NOx。多点进出城市地下道路的隧道结构特性影响主隧道污染物的排放与沿程累积迁移特性。本研究基于实际运营城市地下道路的实测结果,采用反问题方法反演计算出对流传质过程中的源项,重点定量分析分岔隧道结构对CO扩散特性的影响。计算结果表明,主隧道出口处CO总源项累积量平均值为0.37mg/m3s,合流匝道带入CO占总源项的4.8%,分流匝道带出的CO占总源项的5.9%。研究结果可为多点进出城市地下道路通风工程优化设计及环境影响评价提供方法参考。

道路交通事故黑点治理的流程、方法与策略

交通事故黑点的有效鉴别可以显著降低交通事故的发生率与损失后果。首先结合现有的道路交通安全管理体制,提出了道路交通事故黑点治理的流程,然后在分析了已有的各类交通事故黑点鉴别理论的基础上指出,事故次数法与事故率法在我国现阶段仍具有初步筛选的现实意义,最后结合日益普及的高速公路路网,分析了此类道路黑点的改造策略。

道路交通事故黑点整治策略选择的粗集算法

粗集算法比较适合于不完全信息条件下的推理分析。在简要介绍粗集理论的基础上,设计了该理论应用于道路交通事故黑点整治的基本步骤与实施要点,并给出了一个计算示例。结果表明,粗集算法具有较强的实用性与合理性,有助于道路交通管理部门合理选择黑点的整治策略。

基于道路消失点的远距离路面微小障碍物检测

针对自动驾驶汽车,提出一种以道路消失点为导向的结构化道路上远距离障碍物检测方法.分别搭建了现实和虚拟数据采集系统,在现实和虚拟环境中采集了新的数据集.采用深度学习方法,设计了一种新的基于全局特征的道路消失点检测模型,以该模型检测到的道路消失点为导向,确定图像中包含障碍物的区域,在该区域上进行障碍物检测.选择目前主流目标检测网络,在有消失点和无消失点导向的条件下进行对比试验.试验结果表明在增加消失点导向的情况下,对于微小障碍物的检测得到了较好的结果.

一种应用于电子地图道路特征点提取的新方法

电子地图中的道路信息数据往往数据量比较大,在进行地图匹配时,不利于对电子地图的快速搜索,因此需要对道路数据进行压缩,提取道路特征点。为此在对现有的道路特征点提取方法进行分析的基础上,提出了一种基于无限圆逼近曲线的自适应道路特征点提取方法。该算法依据道路的曲率变化,按照自适应步长对道路数据进行压缩。仿真实验结果表明,该算法计算量小、逼真度高,有效地提高了电子地图道路数据压缩效率。