基于激光雷达的无人车路面附着系数估计

为获取无人驾驶决策规划和运动控制所需的路面附着系数,基于不同路面材质的激光雷达反射强度差异,设计了一种路面附着系数概率估计模型.首先,通过3σ(σ为标准差)准则进行地面激光点云的粗提取;然后,基于主成分分析法对粗提取的地面点云进行细提取;接着,利用期望最大法对地面点云的反射强度进行主成分提取,滤除噪声,获得地面点云的反射强度分布特征;最后,依据5种典型路面数据库,结合联合概率的思想,实现路面附着系数估计.     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效的遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus,RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于迭代最近点算法的激光点云拼接研究

在采用激光雷达进行建筑物的三维测量过程中,多站点测量获得的激光点云具有不同的三维参考坐标系,因此将多站点三维点云进行精准拼接是实现三维测量成像的关键。采用VLP-16激光雷达在不同测量站点对山东理工大学机械交通实验楼天井及其周边道路进行扫描,获得了多个站点的三维激光点云;对不同站点测量的点云进行了去噪预处理,消除了有噪声的散乱点云;选取不同站点测量点云的公共区域,采用迭代最近点算法,对各个点云进行了拼接处理,获得了完整的扫描区域三维成像。实验结果表明,此方法可实现不同站点激光点云的拼接,具有良好的拼接效果。     

基于倾斜影像点云的建筑物提取算法研究

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建筑物分类信息.针对此问题,提出一种基于倾斜影像点云的建筑物提取算法.首先对三维点云进行去噪处理和植被的剔除,将点云进行空间格网分区后降维到二维平面,通过赋予二维平面格网内每个点一定的权值,进而对格网进行特征值重采样.然后对二维平面进行图像形态学处理,利用骨架提取算法找到建筑物的轮廓,将该轮廓和三维点云进行融合后重新整饰建筑物边缘,提取出最终的建筑物点云.两组实验结果表明,该方法提取的建筑物点云轮廓清晰,建筑物立面提取较好,该算法具有较好的稳健性.     

改进的布料模拟算法在多波束点云粗差剔除中的应用

针对目前多波束滤波需要人工剔除的现状,在布料模拟滤波算法（cloth simulation filtering,CSF）基础上,提出了一种基于点云分割和自适应参数调整改进的CSF算法。先对多波束点云数据进行分割,然后根据点云数据的面积和标准差调整每块CSF算法的参数,再构建布料滤波模型剔除粗差点,最终将分割后的点云拼接生成水下地形点云数据。结果表明,本文算法与CSF算法相比,克服了过度滤波现象,而且对于不同地区与人工方法粗差点剔除比分别从1.03下降到1.01和从1.46下降到1.19;与人工剔除粗差相比,避免了遗漏粗差点,人工干预很少。     

双阈值法地面激光点云强度图像边缘提取

在扩展目标激光测距方程的基础上,根据扫描仪的辐射机制,分析了利用强度图像进行点云边缘提取的可行性及强度图像中非边缘点、边缘点及噪声点的八邻域特征.根据各类点的八邻域特征,提出了一种双阈值判别准则,用于提取强度图像中的非边缘点、边缘点与噪声点.根据判别结果:对非边缘点与噪声点进行中值滤波;对边缘点,其灰度值保持不变.最后利用Canny算子对滤波后的强度图像进行边缘提取,并通过实验对该方法进行了验证,对不同的双阈值选取结果进行了讨论分析.实验结果表明:利用原始激光强度图像可有效实现地面激光点云的边缘提取,双阈值法不仅能去除点云强度图像中的椒盐噪声,同时能保证边缘提取的精度.     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

密集匹配点云下的矿石块度提取

在矿山爆破作业中,评判矿山爆破质量的重要指标是爆破后矿石块度的大小。矿石块度的大小直接影响着后期的生产作业。针对露天矿施工过程中矿石块度测定问题,提出了一种基于密集匹配点云数据的矿石块度测定方法。首先通过寻找矿石堆中最高点与最低点计算不同矿石堆的坡度;然后依据计算得到的矿石堆坡度信息以及点云灰度信息、邻域特征等,采用粗提取与精提取相结合的方式对矿石点云边界线进行提取;依据提取出的边界线实现不同矿石点云的有效分割;最后利用分割得到的单个矿石点云进行块度估算以及矿石分布规律研究。试验表明本文方法可以有效的分割出单个矿石点云,且分割效果较好,研究区内矿石块度大多介于0.5-1.0m。     

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.     

基于线性八叉树的点云简化与特征提取研究

三维激光扫描技术以其数据的高精度与采集的高效率为空间信息的获取提供了一种全新的技术手段。而对点云数据的研究也成为近年的热点。本文尝试在线性八叉树建立点云数据空间索引的基础上,运用聚类法对点云进行数据简化。根据空间单元曲面变化量对点云进行分类,利用曲率分析的方法提取特征点,进而采用最小生成树算法进行特征边的连接,实现特征线的提取。     

移动式激光瞄准系统圆目标中心检测算法

为满足激光瞄准系统中对圆目标中心的测量精度要求,提出一种新的用于移动式激光瞄准系统中圆目标边缘检测及中心定位算法.先利用和RBF神经网络结合的变结构元数学形态学算法进行边缘定位和滤除噪声,再用最小二乘拟合法定位圆目标中心.结果表明,该算法不仅能实现对圆目标轮廓的定位,而且抗噪声、精度高、稳定性好.     

非合目标的激光反射层析投影配准方法

投影配准技术能够从投影回波中提取目标的旋转中心点,旋转中心点的获取直接决定着目标廓像的精确重建,故而投影配准技术是研究激光反射层析必不可少的最重要问题之一。现有的投影配准技术都是基于对合作目标特征点的跟踪提取,极大限制了反射层析技术的应用范围。提出了一种经过改进的特征点跟踪算法,通过跟踪投影回波峰值点变化,并对求得的多个旋转中心点位置信息加权平均以消除估计误差,以取得准确的特征点位置信息。实验证明该算法能够直接获取非合目标的特征点,拓展了激光反射层析技术的应用领域。     

融合边缘检测的 3D 点云语义分割方法研究

针对点云分割中分割目标不明确,边缘不清晰,全局特征与边缘特征未能有效融合等问题,提出 了一种融合边缘检测的 3D 点云语义分割算法。 首先,通过 3D 点云语义分割网络对点云数据进行初步提取 区域内的全局语义特征;然后,采用引入了注意力机制的语义边缘检测网络,能够更好地对点云数据中的物 体进行特征提取增强,抑制非边缘信息的产生,得到了具有丰富的语义信息的边缘特征;最后,通过融合模块 将属于同一物体的语义特征融合起来进行分割细化处理,使得分割目标更精确;此外,使用了双重语义损失 函数,使网络产生具有更好边界的语义分割结果。 通过搭建实验平台和使用 S3DIS 标准数据集进行测试,改 进后的算法在数据集上的平均交互比为 70. 21%,在精度上较 KPConv 语义分割算法有所提高。 实验结果表 明:该算法能够有效改善物体边界分割不清晰、边缘信息模糊等问题,总体分割性能良好。     

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.     

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。     

多尺度空间下的隧道裂缝与渗水区域检测

基于点云影像提出了多尺度空间下的裂缝渗水区域识别检测算法.根据不同尺度隧道裂缝的物理特点,通过定义尺度空间,提出了一种融合型图像检测算子,保持对带状裂缝检测的稳定性,同时对于灰度值较高的小裂缝,可以恢复对其的敏感特性,得到较多的响应边缘像素,实现不同尺度裂缝渗水区域的识别和检测.并通过实例证实了该算法可以有效排除伪裂缝信息的干扰,对不同尺度的裂缝进行准确识别定位和提取.     

基于机载LIDAR数据的建筑物三维重建技术研究

随着城市化进程的加快,城市规划、环境监测和汽车导航等领域对建筑物有了更多的需求。3D GIS、虚拟现实技术的发展使传统的测量方法逐渐暴露出工作效率和精度方面的不足。LIDAR技术的出现为城市建筑物的快速提取提供了一种新的途径。首先从LIDAR点云数据中自动提取建筑物边缘,然后采用一种新的三维重建方法对提取出来的建筑物进行重建。     

散乱点云去噪算法的研究与实现

提出了一种快速去除散乱点云数据表面噪声和离群点的鲁棒滤波算法.应用核密度估计聚类方法,通过Mean-Shift迭代过程将每一个采样点"漂移"到核密度估计函数的局部最大值点,该最大值点确定了点云数据的聚类中心并能准确逼近原始曲面,使点云曲面收敛为一个稳定的三维数字模型.算法中的似然估计函数充分考虑了散乱点的法矢方向,因此不仅可以去除不同幅度的噪点,还可以用简单的阈值条件很容易地检测出离群点的聚类,从而实现了点云数据的高效快速光顺去噪.     

弹载激光成像雷达距离像的目标提取技术

为了实现对弹载激光成像雷达距离像中不同目标的准确分离和提取,提出了一种基于其点云数据特点的距离像目标提取方法.通过对点云数据进行聚类和类间距离校正,实现了不同目标的准确分离;通过提取各目标边缘点和遮挡补偿,实现了对被遮挡目标的提取;根据需要提取目标的尺寸设置结构元素大小,采用形态学滤波方法实现了特定目标的快速提取.对实测距离像目标数据的处理结果表明,所提出的方法可以实现弹载激光成像雷达距离像目标的准确提取.