LiDAR数据在公路测设中的精度改善技术研究

通过修正LiDAR点云的滤波处理结果,根据工程应用的需求,将高速公路和桥梁上的非地面点提取出来与地面点合并作为地形点.并添加高速公路路面边缘的三维矢量线作为约束条件进行联合建模,以达到补充桥梁和路面数据点的目的,从而提高数模精度.     

基于车载LiDAR数据的公路竖向净空自动化评估

现役道路基础设施管理过程中缺乏大范围区域内不同路段的现状或实时的竖向净空数字化资料，导致部分过高车辆撞击跨线桥或其他上空构造物的事故时有发生，造成了重大财产损失与人员伤亡。针对该问题，基于车载LiDAR数据构建公路竖向净空自动化评估方法框架。通过数据重构方法将复杂道路线形的车载LiDAR点云转化为简单的直线形式，利用基于线性索引的点云数据分块方法实现重构场景下车载LiDAR数据的条形、柱形与体素单元的快速分块，建立柱形单元非平面点初步滤波、基于K-Means与体素聚类的复杂LiDAR点云环境中路面优化分割流程。在基于条形单元划分提取道路边界后，利用体素聚类将路面上方点云进行划分。以提取的路面点云作为二维插值基准面，完成不同物体的竖向净空计算，并利用江苏南京市内的2条公路LiDAR数据的对算法框架进行测试。研究结果表明：所提方法在噪音存在的复杂LiDAR环境中可以有效分割出道路上方物体并完成竖向净空的计算；通过部分算法提取与人工标注结果的对比，显示公路1与公路2的竖向净空平均绝对误差分别为0.94、1.57 cm，具有较好的可靠性；在32 GB内存、Intel® Xeon® E5-1650 v4@3.6 GHz六核处理器的计算机上完成公路1与公路2竖向净空评估的平均时间分别为6.62、7.83 s·km^-1，算法效率可满足大尺度场景下的公路竖向净空自动化计算；相比于已有研究方法，所提方法框架考虑了车载LiDAR点云环境内的路面上测量噪音的存在，对变宽度路面条件复杂场景下的公路竖向净空评估具有更好的适用性。     

基于实测点云数据的隧道分割及形变检测方法

为了解决隧道形变检测准确性低、分析不全面的问题,对隧道三维点云轴线提取、隧道影像生成及分割、隧道点云数据分割和隧道断面形变检测等方面进行研究。对于三维激光扫描仪获取到的隧道原始点云数据,首先基于设计轴线,对RANSAC算法进行改进,来拟合等间距隧道断面圆心,并采用基于最小二乘优化的3次B样条曲线拟合方法,获取隧道实测轴线;其次,通过从点云数据到影像的数据转换方法,生成隧道反射率影像,并进一步利用点云数据几何特征生成几何权重图,应用边界检测提取隧道影像中的边界线;然后,将边界线像素映射至隧道三维点云数据空间,实现隧道点云数据的分割;最后,设计一种精确的隧道断面形变分析方法,分析断面形变。试验表明:本算法可精确分割隧道点云数据,提高隧道断面形变检测的准确度和可靠性。     

基于自适应阈值的三维激光点云地面分割算法研究

针对自动驾驶汽车感知模块中三维激光点云前后背景分割过程存在的误分割问题,提出了一种基于路面波动幅度的自适应阈值地面分割方法。该方法将原始点云进行栅格划分,依据点云数量信息设计了相应的高度阈值分割算法和地面平面模型分割算法。具体地,地面平面模型分割算法首先选取局部区域点集拟合地面平面模型,然后针对地面点云分割中存在的误分割问题,构建路面波动幅度方程,并采用基于点集分布特征的自适应阈值方法实现初步分割,最后借助分割后的地面点云重新优化平面模型与分割阈值。本文中基于开源语义分割数据集Semantic-KITTI提出了统一的算法评价基准数据集Semantic-Nova与性能评价指标,同时基于自研的自动驾驶汽车平台采集的实际场景进行了性能测试。试验结果表明,本文中提出的自适应阈值地面分割算法不仅在基准数据集上能够达到较高的精度,而且在实际场景中满足鲁棒性和实时性要求,具有较高的工程应用价值。     

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...     

基于稀疏卷积神经网络的车载激光雷达点云语义分割方法

对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。     

基于机载LiDAR技术的公路三维设计与可视化系统开发

该文针对机载LiDAR技术在公路勘测设计领域的应用进行了研究,设计和开发了一套利用机载LiDAR技术获取的多源数据进行公路三维设计和三维可视化系统。系统在有效合理组织多源数据的基础上,利用机载LiDAR点云数据得到公路纵横断面,生成公路三维模型,并结合DEM和DOM搭建了公路三维可视化系统。实例证实了该文设计和实现的体系架构与关键技术的有效性。     

基于稀疏彩色点云的自动驾驶汽车3D目标检测方法

针对目前在自动驾驶汽车中,目标检测的点云分割与识别算法的准确率低等问题,提出一种稀疏彩色点云结构,该结构由摄像头采集的图像信息与激光雷达采集的点云信息进行空间匹配与特征叠加后生成。通过改进的PointPillars神经网络算法对融合后的彩色稀疏点云进行运算。实验结果表明,本方法在平均精度上比原算法有较大的提升,尤其是对行人和骑单车人的识别平均精度的提升更为明显,在中等难度下的行人和骑单车人3D检测的平均精度值分别提升13.8%和6.6%,显示了本方法的有效性。     

基于无人机LiDAR的新建公路工程勘测设计

针对新建公路工程精确空间信息快速获取的难题,提出了一种基于无人机LiDAR的勘测设计方法。首先通过分析LiDAR系统主要误差源的影响,介绍无人机LiDAR系统选择方法,然后介绍利用无人机LiDAR数据及与公路CAD协同设计方法。公路工程勘测表明:利用无人机LiDAR获得的激光点云精度高程优于15 cm,可满足新建公路工程定测与施工图设计精度要求,该方法极大增强了公路工程高精度数据获取的灵活性。     

基于三维锥形栅格的激光点云语义分割方法EI北大核心CSCD

激光点云语义分割是自动驾驶系统中道路场景感知的重要分支。虽然主流方法将点云转换为规则的二维图像或笛卡尔栅格进行处理,减少因点云非结构化所带来的计算量,但二维图像方法不可避免地改变点云的三维几何拓扑结构,而笛卡尔栅格忽略了室外激光点云的密度不一致性,从而限制了包括行人和自行车等小物体的语义分割能力。因此,本文中提出了一种基于三维锥形栅格和稀疏卷积的激光点云语义分割方法,利用锥形栅格分区解决了点云的稀疏性和密度不一致的问题;为提高模型推理速度,设计了重参数化三维稀疏卷积网络。在SemanticKITTI和nuScenes两个大规模数据集上对所提方法进行评估。结果表明,与目前最新的点云分割方法相比,所提方法的平均交并比分别提升了1.3%和0.8%,尤其对小物体识别有显著的提升。     

基于C++与PCL的LAS数据读取及显示

点云库PCL(Point Cloud Library)是专门处理点云数据的公开库,LAS则是机载激光雷达(Aiborne LiDAR)的数据格式,需专业软件进行读取。由于PCL无法直接读取LAS数据,给基于PCL的点云数据处理带来了不便。为此解析了LAS数据格式,在此基础上使用C++编程读取LAS数据并进行了可视化显示。以某一区域LAS数据进行试验,结果表明程序运行正常,这为后续基于PCL的点云数据处理提供了数据源。     

基于LiDAR场景建模的智能车路径规划

针对智能车路径规划问题,研究了基于激光雷达(LiDAR)数据的智能车驾驶场景建模方法,采集待建模场景的三维激光雷达点云数据,通过点云分割处理,去除车辆行驶道路上的点云,然后将三维点云进行俯视投影,实现二维栅格地图建模;从搜索邻域和搜索方向2个方面对传统A*算法进行改进:根据当前节点附近障碍物的分布情况,自适应地选择4邻域或8邻域搜索策略,在此基础上研究了一种自适应搜索方向A*算法,所提出的算法将搜索方向缩小至3个,根据路径规划终点相对起点的方向,确定算法的搜索方向.仿真实验表明,相较于传统A*算法(4邻域搜索),所提出的算法在规划的路径长度方面降低了约15.5%,在计算时间上降低约38.2%;对比传统A*算法(8邻域搜索),所提出的算法在计算时间上降低约47.2%,在规划路径长度和计算时间上,所提出的算法明显优于传统算法.      

基于点特征的车载LiDAR与GNSS/IMU联合标定方法研究

激光雷达(LiDAR)、全球导航卫星系统(GNSS)与惯性测量单元(IMU)之间的外部参数标定精度是影响多传感器融合及高精度地图的主要因素。基于此，提出一种适用于无人车的LiDAR与GNSS/IMU标定方法，该方法可实时提取标定板点云中心坐标，并利用点特征进行外部参数标定。首先，分析了LiDAR、GNSS、IMU及通用横墨卡托格网系(UTM)坐标系的变换关系；其次，基于IMU安装平面与地面平行的假设，通过车辆前方地面的法向量计算LiDAR俯仰角和滚转角的初值，并利用标定板中心偏移量计算偏航角初值；然后，假设车辆在平面上保持直线运动，采用恒定姿态运动将旋转角度的求解问题转化为最优化问题，并根据标定板UTM坐标不变的约束求解出平移参数；最后，通过分析算法误差、传感器测量误差以及中心点匹配误差验证了方案的可行性，并通过无人矿车采集LiDAR、GNSS和IMU的同步数据，对所提出的外部参数标定方法进行测试。试验结果表明：提出的方法只需要一定范围的平坦区域和标定板就可以解决3自由度运动估计6自由度外部参数的退化问题，且标定后的外部参数可以保证点云地图在20 m内的拼接误差小于20 cm。     

数学形态学路面裂缝识别算法研究

裂缝的自动识别是公路管理和维护系统的一个重要组成部分。根据路面图像的特点,提出了一个新的基于多结构多尺度数学形态学路面裂缝自动识别算法。首先使用不断增大的结构元素对图像进行交替开闭滤波,平滑图像并去除噪音,然后使用多尺度形态学边缘检测器提取裂缝边缘,最后使用基于标记符的分水岭变换分割出裂缝对象。结果表明,和传统方法相比,文中提出的算法显示出更好的效果。     

三维激光扫描技术在危旧桥梁健康监测中的应用研究

针对现有桥梁健康监测手段主观性强、使用限制大、耗时长和经济性低等缺陷,以大邑县虎跳河大桥为试验对象,采用三维激光扫描技术进行危旧桥梁健康监测研究.通过控制测量、靶标布设、数据预处理、拼接优化等过程控制,使得2次扫描采集点云的拼接精度均优于1.5 mm;通过一定宽度的固定面分割点云数据,采用外侧点绘制桥梁的横断面图和桥墩轮廓线,最低点绘制拱肋拱腹线,复原了桥梁缺失的二维图件,并将拱腹线和轮廓线应用于后续的桥梁变形分析;通过点云结合影像数据制作正射影像图,采用边缘增强和雕刻化的图像处理方法增强病害表征,而后进行裂缝、水迹线、缺陷等的识别、测量和变化对比;利用点云数据制作的桥面模型进行垂向变化对比,结果显示桥墩附近沉降较小,在士1.5 mm内,桥台部分沉降较大,部分区域大于土8.0 mm,-3.0～0.0 mm沉降范围占比最大,达72.03％;通过拱腹线不同跨径位置进行垂向位移分析,结果显示平均沉降为5.08 mm;通过定距等分点的桥墩轮廓线位移分析,结果显示平均水平位移为3.56 mm,位移为0.02～6.24 mm的区间总占比达89.95％;通过桥墩轮廓线计算质心点进行水平位移分析,结果显示桥墩质心向213.81°,即虎跳河下游移动了3.11 mm,位移量结果与轮廓线分析的平均值接近.     

基于实测点云的装配式铺面虚拟装配技术

装配式铺面在施工时可能会由于装配空间不匹配造成装配失败。文中基于三维扫描设备获取实测点云,提出一种装配式铺面虚拟装配技术。基于点云采样、降噪、分割与特征提取等技术,提出装配式铺面板与装配空间的三维重构方法。在CATIA软件中通过虚拟装配实现了装配干涉检测,并在干涉查询表中给出解决方案。     

基于级联YOLOv7的自动驾驶三维目标检测

针对图像和原始点云三维目标检测方法中存在特征信息残缺及点云搜索量过大的问题，以截体点网（frustum PointNet, F-PointNet）结构为基础，融合自动驾驶周围场景RGB图像信息与点云信息，提出一种基于级联YOLOv7的三维目标检测算法。首先构建基于YOLOv7的截体估计模型，将RGB图像目标感兴趣区域（region of interest, RoI）纵向扩展到三维空间，然后采用PointNet++对截体内目标点云与背景点云进行分割。最终利用非模态边界估计网络输出目标长宽高、航向等信息，对目标间的自然位置关系进行解释。在KITTI公开数据集上测试结果与消融实验表明，级联YOLOv7模型相较基准网络，推理耗时缩短40 ms/帧，对于在遮挡程度为中等、困难级别的目标检测平均精度值提升了8.77%、9.81%。     

三维激光扫描技术在公路隧道施工监测中的应用研究

以某一隧道工程施工监测为对象,提出一种基于三维激光扫描技术的隧道断面变形监测。采用隧道外强制对中装置,将测量控制装置置于墙体有效的避免控制点变形而影响测量精度;采用全局拼接方法,通过在隧道两端设定标靶,实现点云各点三维坐标属性、反射强度、三维真彩色信息集合;通过隧道分割,根据三维不变矩平移旋转稳定特性,提取隧道中轴线姿态;利用MDP法(最小距离投影算法)进行隧道断面三维变形计算,确定隧道收敛和扩张变形量。通过降低区段选取长度,对区段间的点云信息抽稀,降低点云的密度。对比未进行抽稀和局部测量的激光扫描数据,可以发现采用该方式有效降低了监测过程中变形信号的标准差,缩短了计算量,提高了测量精度。     

基于LIDAR数据的道路平面线形拟合方法研究

阐述了LIDAR数据滤波与分类方法,提出了一种在原始离散点集中提取道路信息的基于既有知识数学形态学分类方法,结合LIDAR数据的特点提出了一种针对带状离散点云的定步长径向搜索方法以提取道路中轴点列并对点列进行道路平面线形拟合与恢复,试验结果表明,基于既有知识数学形态学分类方法能较好地从LIDAR地面数据点云中提取道路信息;从机载LIDAR数据的离散带状点云中拟合公路平面线形,所采用的搜索算法简单快速,运算效率高.     

逆向工程中扫描数据精简技术研究

在分析最大允许误差数据精简法和包络盒数据精简法工程应用特点的基础上,提出了基于最大允许误差数据精简法和包络盒数据精简法的改进型数据精简方法,即利用包络盒法先将点云数据分割成线性结构的点云数据,再利用最大允许误差数据精简法对线性数据进行逐条精简.通过实例对具有不同型面特征的扫描数据进行了精简验证.