基于UG的车身点云数据快速对齐方法

根据图形坐标变化理论,提出了基于UG点拟合法的汽车车身点云数据坐标快速对齐方法,介绍了点拟合法的坐标变化理论及汽车车身坐标系与UG系统坐标系的对齐方法.结合工程实例,利用点拟合法快速准确地实现了车身点云数据的坐标对齐,验证了该方法的有效性.     

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。     

基于自注意力机制的自动驾驶场景点云语义分割方法

对车载激光雷达场景点云进行语义分割是自动驾驶环境感知环节的基础性工作。针对现有处理大规模自动驾驶场景点云方法对局部特征提取能力不足和难以捕捉全局上下文信息的问题,本文基于自注意力机制设计了局部和全局自注意力编码器,并搭建了特征聚合模块进行特征提取。实验结果表明,与同样采用局部特征聚合的网络RandLA-Net相比,在SemanticKITTI数据集上本文的方法可将平均交并比提升5.7个百分点,局部自注意力编码器的加入也使车辆和行人等小目标的分割精度提高2个百分点以上。     

基于数字图像处理的隧道围岩形变量测方法

为了克服传统隧道围岩形变量测法观测时间长,易受环境干扰等缺点,本文提出一种基于数字图像处理技术的测量方法,对隧道围岩形变进行量测。通过对隧道围岩断面上若干个观测点进行拍摄,利用图像增强、图像预处理、图像识别等研究方法,经多级图像处理,提高对比度,锐化目标边缘,使围岩观测点更加清晰,从而把重点识别目标从隧道背景中有效分割出来,然后对处理后的图像进行坐标定位比对。基于隧道围岩形变测量方法是一种与传统测量完全不同的新方法,可以快速地、安全地对围岩形变进行测量研究,为非接触量测方法开辟了一条新的途径。     

基于点云密度的结构化道路边界增强检测方法

为快速鲁棒地检测结构化道路边界,提出一种基于HDL-64E激光雷达点云密度的道路边界增强检测方法。通过建立虚拟雷达模型,利用点云密度特征,实现前景与背景分离,并利用随机采样一致性算法得到20m内的道路边界。为解决20~100m内道路边界点云稀疏、检测准确性下降的问题,提出利用光线切割模型对道路边界进行增强检测。在校园道路和城市快速路进行实验,道路边界检测率达到95%以上,有效检测距离可达70m以上,检测周期小于32ms。     

基于自适应阈值DBSCAN的路侧点云分割算法

针对路侧采集的激光雷达点云数据随距离增大而密度下降导致同一目标的点云被分割成多个目标的问题,提出了一种基于自适应阈值DBSCAN的路侧点云分割算法。首先,使用改进GPF和直通滤波对采集的路侧点云进行过滤,提取出道路区域上的非地面点云;然后,基于有效距离和sigmoid函数构建自适应系数函数,对DBSCAN聚类算法集群生长中近邻点搜索时半径阈值的选取规则进行优化;最后,利用自适应阈值DBSCAN聚类算法对非地面点进行聚类,得到隶属于单个目标的点云。采集了1 055帧真实场景的连续数据进行测试,结果显示：C-H系数平均约增加3倍、D-B系数平均减少4.52%、轮廓系数平均增加77.78%,这表明基于自适应阈值DBSCAN的分割算法能提高点云簇的类内一致性和类间差异性,有效减少路侧激光雷达点云的过分割现象,具有较高的工程应用价值。     

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。     

基于三维点云数据的沥青路面裂缝识别方法

针对沥青路面二维裂缝图像识别精度较低的问题,文中借助三维激光扫描技术,利用三维点云数据所提取的裂缝特征验证二维图像裂缝特征的准确性,同时将提取的三维点云数据裂缝指标用于深度学习的准确率提升,以此提高裂缝图像的识别准确率。首先将获取的高精度二维图像进行图像增加、去噪、分割、特征提取等,然后通过对路表三维点云数据进行分类、滤波、融合,重建沥青路面路表三维形态模型,实现沥青路面裂缝的高效高精度识别与裂缝特征参数提取,利用密集卷积神经网络(DenseNet)的裂缝图像识别算法对200张验证图像进行测试。结果表明,通过利用三维点云数据对二维图像进行辅助判别的方法,可大幅提高裂缝图像的识别准确率,具有良好的普适性。     

基坑上跨盾构隧道实测数据分析及保护研究

以某绕城高速公路深基坑上跨运营盾构隧道工程案例为背景,首先以南半幅深基坑违规施工为切入点,通过现场监测、检测与三维扫描普查等实测成果,佐证违规施工对盾构隧道的不利影响程度,其次通过修正惯用法理论计算及Ansys建模分析,评估隧道结构横断面及纵断面的安全性能与安全冗余储备,再次以优化保护措施的北半幅施工为比对研究对象,通过现场实测数据证明分幅、分段、跳仓、限时开挖,增加板凳桩桩长,缩小桩间距,加大盖板厚度,实施土体填充注浆等措施可减少开挖期及工后盾构隧道隆起量,可以缩短工后隆起时间。据此,提出基坑上跨运营盾构隧道在设计、施工相关建议,为该类保护区外部作业及保护工作提供参考。     

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...     

基于点云数据的大型复杂钢拱桥智能虚拟预拼装方法

基于点云数据的虚拟预拼装主要包括点云数据采集、拼接控制点提取和拼接控制点匹配。针对完整点云数据存在采集困难、处理成本高等问题,提出用局部点云数据代替完整点云数据进行虚拟预拼装的策略;针对目前拼接控制点提取存在依赖专用软件、效率低且主观性大等问题,基于随机采样一致性、霍夫变换等经典算法和图像处理技术提出大型复杂构件横截面和侧面点云数据的拼接控制点智能提取方法;针对拼接控制点对应关系需人工设定的问题,基于超四点快速鲁棒匹配算法、迭代最近邻算法和广义普氏算法提出拼接控制点智能匹配方法。以大型复杂钢拱桥为例,采用所提的方法对拱肋牛腿-拱间横梁节段和拱肋节段-拱肋节段进行智能虚拟预拼装。工程应用结果表明：所提出的智能虚拟预拼装方法不依赖专用软件、效率高、自动化程度好。研究成果可为钢桥施工质量和安装效率的提升提供理论和算法支撑。     

基于点云数据的S型螺旋弹簧逆向设计

利用三坐标激光测量仪读取S型螺旋弹簧的点云数据,通过点云数据提取弹簧结构的特征规律,然后采用Image Ware软件进行逆向建模。依据所建模型,利用有限元分析工具ANSYS进行分析计算,得到了该弹簧的力学特性。与试验结果进行的对比表明,所建立的模型准确可靠,对于S型螺旋弹簧的设计具有参考价值。     

基于现场实测的深埋风积沙隧道围岩压力计算方法研究

风积沙作为一种黏聚力低、自稳能力差的不稳定围岩,给隧道设计和施工带来很大困难。 为探究风积沙围岩压力大小和分 布规律,依托蒙华铁路王家湾隧道开展现场量测试验,根据实测的围岩压力分布特征,得到深埋风积沙隧道的围岩压力计算模式, 并通过数值计算分析与现场量测数据对比验证其合理性。 研究结果表明: 深埋风积沙地层围岩压力分布很不均匀,但普遍拱部较 小,初期支护大部分处于受压状态。 计算分析得深埋风积沙隧道围岩压力采用太沙基计算公式是较为合理的,进一步优化得深埋 风积沙隧道垂直方向围岩压力计算图示采用“双峰”形分布,水平方向围岩压力计算图示采用“阶梯”形分布,相比铁路隧道设计规 范的传统模式更安全,与实际衬砌受力状态更符合。     

基于光纤陀螺的有轨结构形变检测方法研究

光纤陀螺(FOG)属于高精度的光纤角速度传感器,将其应用于结构连续形变检测时,检测小车行驶轨迹的偏差易导致系统测量精度不高.文中提出一种基于FOG的有轨结构形变检测新方法,即在待测结构表面敷设一条轨道,通过测量轨道线形来反演待测结构形变,使得系统测量精度得到明显提高.将该方法用于长度为9.5m的模型桥测试,结果表明,光...     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

基于实测数据的黄土高铁隧道三台阶法变形控制基准研究

为更加准确地确定黄土隧道开挖过程中不同黄土类型的变形控制基准,以宝兰客运专线安定隧道等6座隧道中的47个拱顶 沉降实测数据作为研究的样本,根据土层的形成年代及成分,将其分为Q2 黏质黄土、Q2 砂性黄土、Q3 砂性黄土及Q4 砂性黄土4 类,通过研究得到其全位移的回归曲线。 数据表明: 1)在一定范围内的含水率对最终沉降值影响并不明显,而基底承载力、埋深这 2个因素和最终沉降量关系极为密切; 2)对4类黄土的最终沉降的预测值进行分类分析,得到黄土隧道初步的变形控制基准Q2 黏 质黄土为110 mm、Q2 砂性黄土为170 mm、Q3 砂性黄土为300 mm、Q4 砂性黄土为300 mm的结论,再根据埋深和地基承载力进行修 正,形成的控制基准在目前在建的银西铁路隧道中得到了较好的验证。     

基于遗传算法的视频交通量检测图像分割方法

将遗传算法应用于交通量视频检测图像分割中，在Otsu法的基础上，采用多次迭代以获得最优分割阈值，能够在搜索空间内找到全局的最优分割阈值，从而能更有效地把背景和目标分割开来；由于在寻求最优解的过程中采用并行计算，其运算速度优于Otsu法，满足了交通量检测的实时性要求。     

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...     

基于检测的高效自动驾驶实例分割方法

基于深度学习的实例分割算法在大规模通用场景中取得了良好的分割性能,然而面向复杂交通场景的多目标实例分割仍然极具挑战性,尤其在算法的高精度和较快推理速度的权衡方面,而这对于智能汽车的行驶安全性至关重要。鉴于此,本文以实时性算法Orienmask为基础,提出了一种基于单阶段检测算法的多头实例分割框架。具体来说,所提框架由骨干网络、特征融合模块和多头掩码构建模块组成。首先,本文通过在骨干网络中加入残差结构获取更加完整的高维表征信息。其次,为了产生更具判别性的特征表达,本文通过引入自校正卷积重构特征金字塔,并使用全局注意力机制改善信息传播以进一步优化所提框架的特征融合模块。最后,提出的多头掩码构建机制通过细化场景目标尺寸分布显著提高不同目标的分割性能。本文算法在开源数据集BDD100k上进行大量测试与验证,分别在边界框和掩码上获得了23.3%和19.4%的均交并比（mAP@0.5:0.95）,与基线方法相比,平均指标提高了5.2%和2.2%。同时在基于自主搭建的实车平台上进行的道路实验也证明本算法能够较好地适应真实驾驶环境,且满足实时性分割需求。