基于车载激光扫描数据的城市地物三维重建研究

车载激光扫描系统可以精确、快速获取城市建筑物、道路交通设施、隧道等地物的表面信息,非常适用于城市物体三维空间信息的快速精确获取和在此基础上的三维重建.然而点云不是GIS数据,也不是三维模型,要将大量离散的点处理为可使用的三维模型还需要一系列复杂的过程,现阶段针对车载激光点云三维重建的方法还主要依赖于人工交互或半自动化处理,而且没有针对整个城市地物的三维重建方法.针对这一问题,本文仅提供一种基于地物分类的车载激光点云三维重建的方法,数据基础是已分类的彩色点云,重点是充分利用各类地物的特性,对不同地物使用不同的三维建模策略,以首都师范大学自主研制的车载激光扫描系统获取的三亚市点云数据为实验对象,验证了本文提出方法的可行性与实用性.     

基于点云片段法提取道路边界线

车载激光扫描技术作为一种新的数据获取手段,因其可快速获取地物表面的高精度三维信息等特点而逐渐应用于测绘技术中。使用车载激光扫描仪获取的点云数据,采用点云片段法对车载点云数据中的道路边界线提取进行研究。根据高程投影,确定道路边界点所在的大致位置,提取该位置上的点云数据(即点云片段);然后对点云片段上每个点云数据进行斜率计算,根据斜率阀值初步提取道路边界点;最后再对初步提取到的道路边界点进行优化拟合形成道路边界线。点云片段法可通过减少计算过程中的数据量来提高计算效率,可快速而又精确的提取道路边界线,研究结果证明该方法具有可行性。     

一种基于Snake模型的遥感影像道路网半自动提取方法

在遥感影像中,道路不仅是一种重要的基础地理信息,而且还是提取其它地物目标的线索和参考,道路的正确提取对遥感影像的深入应用具有重要意义.然而,到目前为止,遥感影像道路网的全自动化提取仍处于探索阶段,现有研究仍多侧重于道路的半自动提取方法.本研究在归纳和总结现有典型的几种道路半自动提取方法基础上,提出了一种基于Snake模型的遥感影像道路网半自动提取方法,针对该方法中能量函数的构造、收敛迭代条件的设置、道路中角点的判断、角点及道路网中交点的提取等问题进行了讨论.最后对所提出的方法进行了实验验证,结果表明:基于Snake模型的遥感影像道路网半自动提取方法能够从覆盖范围大、场景复杂、噪声较多的遥感影像中实现道路网的提取且只需少量的人机交互,从而极大地提高了道路提取的效率.     

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。     

融合几何特征与全局关系的室内点云语义分割

为充分提取3D点云的深层特征以提高复杂室内点云场景的语义分割精度，提出一种结合局部特征和全局特征的室内点云语义分割网络GSFNet.在局部特征部分，加入几何特征信息，并设计几何与语义特征信息编码模块，以更好地捕获室内点云局部信息.对全局特征部分，在编码解码器结构中间层加入全局关系依赖模块，构建不同邻域对象之间的关系提取有效分割信息.使用斯坦福大规模室内数据集(S3DIS)进行实验验证，在测试数据集上测试的总体精度(OA)和平均交并比(mIoU)分别为87.2%和61.1%,实验结果表明，GSFNet对复杂室内环境有较好的语义分割效果.     

一种基于车载激光扫描点云数据的单株行道树信息提取方法

提出了一种基于分层网格点密度的单株树信息提取方法,从车载激光扫描点云数据中提取出组成单株行道树的激光点,并计算树高、冠幅等特征信息.该方法由建立规则网格,基于高程的点云分层,逐层计算网格点密度,逐层提取激光点,提取单株行道树和计算特征等步骤构成.通过实例证明,提取结果较好地保留了组成单株行道树的激光点,并能较准确地计算特征信息.该方法拓展了车载激光扫描系统的应用领域,并可为城市绿化管理提供新的技术方法.     

基于步行轨迹的复杂道路中心线提取方法

传统的基于GPS轨迹的路网提取多关注使用车载GPS轨迹数据提取城市车道级路网,忽略了校园、社区、景区等小范围区域内的复杂道路信息,该文提出了一种基于步行GPS轨迹数据的复杂道路中心线提取方法.在数据清洗的基础上,基于轨迹点分布密度进行栅格化,然后采用Zhang-Suen快速细化算法对栅格路网细化得到道路中心线,最后采用改进的追踪法实现路网矢量化.以华中师范大学校园为试验区域,提取出了人车混行、小路交错的校园路网,证明了该方法的有效性.     

智能交通系统中道路标识线自动提取方法

近年来,随着激光扫描技术在三维数据采集中广泛应用,为智能车辆和无人驾驶车的研究领域中道路标识线的自动提取提供了解决方法。本文以车载激光扫描点云数据为研究对象,利用点云数据空间分布特征和反射强度信息,结合道路标线的几何特征,提出一种快速有效的从离散点云中提取道路标识线的方法。通过高速公路扫描数据处理案例,实现了高速公路虚实标识线的自动提取,验证了上述道路标识线提取方法的可靠性,应用效果较好。     

基于轨道移动式激光扫描多期点云的隧道断面变形提取方法

针对轨道移动式激光扫描技术监测地铁隧道变形的点云数据特征和隧道断面变形信息提取与分析的问题,本文提出了一种基于轨道移动式激光扫描点云的隧道断面变形提取方法和处理流程.首先采用RANSAC圆柱检测法提取地铁结构特征部位点云,利用提取的隧道结构点云进行点云的粗配准.然后设计了一种基于权重的ICP算法的精配准方法,精配准后的隧道点云通过切片点云降维处理得到二维断面数据,利用断面的k近邻点拟合曲线提取隧道断面变形值,并采用弧线投影的方法对断面变形表达.实验验证表明,提出的基于曲线拟合隧道断面变形分析的方法和过程,能够准确高效地提取到0.7 mm以上的地铁隧道断面变形信息.     

面向智慧交通的移动激光点云树木分割

单树分割有利于提取交通标志牌,减少对交通标志的遮挡影响.针对有效采集到的道路两旁树木的点云数据,提出了一种改进的分水岭车载激光扫描的树木分割方法.该方法包含5个步骤:1)利用RANSAC(random sample consensus)自动检测和剔除地面点;2)压缩所有地面点到图像网格并保留三维信息;3)简化和去除不合格网格;4)利用启发式搜索方法查找树峰;5)应用改进分水岭方法划分单树树冠.通过对福建省厦门市环岛路进行实地采集的点云数据进行实验,验证了所提出的分割模型对于车载林木点云数据具有较好的分割结果.     

MR中融合语义特征传播模型的前景对象感知定位算法

移动主体获得准确的定位信息是构建稳定的混合现实(mixed reality,MR)系统的关键,然而MR中的前景对象对传统定位算法的精度影响较大.现阶段基于深度学习的定位算法可以通过识别前景对象来提升精度,但深度学习模型耗时过高,导致算法实时性下降.针对该问题,提出了一种MR中融合语义特征传播模型的前景对象感知定位算法.该算法依托语义分割网络与一种快速旋转的二进制独立稳定描述子特征(oriented fast and rotated binary robust independent elementary feature,ORB)提取算法构建了语义特征传播模型,实现高速语义特征提取;融合该模型和几何特征检测方法实现算法中的前景对象感知层,并依赖该感知层剔除MR中前景对象的特征点,构建了背景特征点集,实现高精度、高实时性的定位.实验结果表明:在慕尼黑工业大学(Technical University of Munich,TUM)公共数据集的高动态前景对象场景中,相比动态语义视觉同步定位与建图(dynamic semantic visual simultaneous localization...     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

基于粒子群算法的多尺度反卷积特征融合的道路提取

研究基于传统FCN算法下的不同比例的多尺度特征融合对于复杂场景下道路提取准确度的提高.针对复杂的航拍道路场景,设计了针对于农田环境下的FROBIT农田道路数据集,并使用全卷积神经网络（FCN）对FROBIT农田道路数据集和Massachusetts城市道路数据集进行道路提取工作.本文基于传统的FCN的网络,对其反卷积方式进行改进,采用粒子群算法（PSO）设计了不同比例的多尺度特征融合.通过将本文提出的Multi-Scale FCN网络与传统的FCN神经网络在FROBIT数据集和Massachusetts道路数据集上进行对比实验,结果表明Multi-Scale FCN网络相比于传统的FCN神经网络在提取精度上得到了提高.      

变电站巡检机器人道路语义分割方法及其应用

为提升变电站巡检机器人对道路场景的识别理解能力,将深度学习技术应用于变电站巡检机器人中,提出了一种适用于变电站道路场景的全卷积语义分割网络。该网络借鉴ENet编码结构提取图像特征,同时融入多种解码结构来获取更多有效特征,恢复图像目标信息。同时,针对巡检机器人以及变电站道路特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明:所提出的网络有效地提升了图像分割精度,并能较好地适应于实际变电站环境中。研究结果为机器人提供了有效的道路场景信息,辅助机器人导航避障。     

一种面向最近邻分类器和动态Snake模型的血红细胞图像特征提取方法

利用动态可变的Snake活动轮廓模型,并提取相应的特征区域色彩信息,结合改进的最近邻(Nearest Neighbor,NN)分类器核鉴别算法,通过信息融合方法实现对血红细胞图像的特征精确提取,这种方法可应用于临床辅助检测和诊断过程,具有一定的应用价值。     

基于双向窗口特征提取技术的车道线检测算法

为提高车道线检测算法的准确性与稳定性, 提出一种基于双向窗口特征提取技术的车道线检测算法。融合运用Hough 变换与边缘分布函数技术得到车道线的直线特征点; 运用双向窗口特征提取技术获得所有车道线特征点, 包括直线部分与弯曲部分。获得直线与双曲线相结合的车道线模型: 在近视场, 应用直线车道线模型能获得较好的鲁棒性; 在远视场, 使用双曲线模型可有效检测出车道线的弯曲部分。实验结果表明, 相较于已有的车道线检测算法, 该方法可有效提高多种场景下车道线检测的准确性和稳定性。     

基于语义特征提取与层次结构的问题生成方法

针对传统端到端模型在输入文本语义较复杂情况下生成的问题普遍存在语义不完整的情形， 提出一种基于语义特征提取的文本编码器架构. 首先构建双向长短时记忆网络获得基础的上下文信息, 然后采用自注意力机制及双向卷积神经网络模型分别提取语义的全局特征和局部特征, 最后设计一种层次结构, 融合特征及输入自身信息得到最终的文本表示进行问题生成. 在数据集SQuAD上的实验结果表明, 基于语义特征提取与层次结构进行问题生成效果显著, 结果明显优于已有方法, 并且语义特征提取和层次结构在任务的各评价指标上均有提升.     

基于残差注意力和金字塔上采样的图像语义分割

针对图像语义分割中,存在细节信息丢失、分割类别边缘模糊而粗糙的问题,在编码解码结构的基础上,结合残差模块和注意力机制,设计一种残差注意力模块.通过注意力机制加强特征图通道之间的联系,以提升语义分割的细腻度.为提高模型对多尺度物体的识别能力,结合金字塔模型,设计一种金字塔上采样模块.利用编码过程中产生的不同尺度的特征图,...