一种自动获取车载激光点云行车轨迹异常区域的方法技术

本发明专利技术公开了一种自动获取车载激光点云行车轨迹异常区域的方法，包括如下步骤：步骤一，数据获取：利用车载激光扫描系统，在道路上进行激光点云数据采集，通过系统中的GNSS和IMU装置同时获取行车轨迹数据；步骤二，数据处理：自动提取行车轨迹数据的时间标记信息、经纬度及大地高，利用转换参数将经纬度转换成平面坐标；步骤三，获得异常区域：利用时间标记信息的连续性及各点的三维坐标，分析行车轨迹数据点构成的坐标向量相互关系，根据预先设置的偏移角度阈值和距离阈值，获得行车轨迹数据异常区域；步骤四，异常区域输出：异常区域输出内容包括时间标记信息及三维坐标。本发明专利技术能够提高点云数据精度。高点云数据精度。高点云数据精度。

【技术实现步骤摘要】
一种自动获取车载激光点云行车轨迹异常区域的方法


[0001]本专利技术属于测绘科学
，具体涉及一种自动获取车载激光点云行车轨迹异常区域的方法。

技术介绍

[0002]移动激光扫描技术发展迅速，市场上出现了各类移动激光扫描设备，以机载、车载和背包等测量方式为主。一些项目对产品的精度要求较高，《实景三维地理信息数据激光雷达测量技术规程》(CH/T 3020-2018)对激光扫描成果的检查内容作了规定，其中POS数据检查内容包括站坐标、天线高、GNSS差分质量、GNSS差分结果与IMU数据融合解算质量。项目生产过程中发现车载激光扫描的轨迹线(POS)数据在GNSS差分质量和IMU解算质量通过的情况下，还存在一定的数据漂移的现象，这也直接影响点云数据的质量。所以研究出一种自动获取车载激光点云行车轨迹(POS)异常区域的方法，可以准确把握点云数据的精度，并提高数据生产效率。
[0003]车载激光雷达(LiDAR)是整合全球导航卫星系统(GNSS)和惯性测量装置(IMU)技术的激光扫描，激光扫描仪架设在汽车上，可以获得道路以及道路量测物体的三维坐标和其他有关信息。LiDAR传感器发射的激光脉冲能部分穿透树冠遮挡，受可见光线影响很小，直接获取高精度三维点云数据。三维点云数据经过后处理，可以制作高精度的数字高程模型(DEM)、等高线图(CM)、数字地表模型(DSM)和数字线划图(DLG)等测绘产品，具有传统摄影测量和地面常规测量技术无法替代的优越性。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种自动获取车载激光点云行车轨迹异常区域的方法，在检查时采用全自动检查方式，不需任何人为干预，能够直接找出车载移动测量POS数据的异常区域，根据异常区域再进行下一步处理，提高点云测量精度。
[0005]为实现上述目的，本专利技术采用以下技术方案：一种自动获取车载激光点云行车轨迹异常区域的方法，包括如下步骤：
[0006]步骤一，数据获取：利用车载激光扫描系统，在道路上进行激光点云数据采集，通过系统中的GNSS和IMU装置同时获取行车轨迹数据；
[0007]步骤二，数据处理：自动提取行车轨迹数据的时间标记信息、经纬度及大地高，利用转换参数将经纬度转换成平面坐标；
[0008]步骤三，获得异常区域：利用时间标记信息的连续性及各点的三维坐标，分析行车轨迹数据点构成的坐标向量相互关系，根据预先设置的偏移角度阈值和距离阈值，获得行车轨迹数据异常区域；
[0009]步骤四，异常区域输出：异常区域输出内容包括时间标记信息及三维坐标。
[0010]为优化上述技术方案，采取的具体措施还包括：
[0011]进一步地，步骤二中包括将经纬度通过高斯正算转换成平面坐标。
[0012]进一步地，转换公式如下：
[0013][0014]其中，
[0015]L、B为轨迹数据经纬度，x、y为转换后的平面直角坐标
[0016]p
″
＝180
×
60
×
60
÷
π
[0017]η＝e
′
cos B
[0018]e
′
为椭球的第二偏心率
[0019][0020]a为椭球长半轴，b为椭球短半轴
[0021]t＝tan B
[0022][0023]L0为中央子午线经度
[0024][0025]X为自赤道量起的子午线弧长
[0026][0027]M为子午圈曲率半径
[0028][0029]e为椭球的第一偏心率
[0030]M按照牛顿二项式定理展开级数，取至8次项，则有：
[0031]M＝m0+m
2 sin2B+m
4 sin4B+m
6 sin6B+m
8 sin8B
[0032][0033]将正弦的幂函数展开为余弦的倍数函数：
[0034]M＝a
0-a
2 cos2B+a
4 cos4B-a
6 cos6B+a
8 cos8B
[0035][0036]所以上式进行积分得：
[0037][0038]N为卯酉圈曲率半径，
[0039][0040]进一步地，步骤三包括如下子步骤：
[0041]1)行车轨迹数据重采样：根据车行速度和IMU装置的采样间隔，对行车轨迹数据重采样，数据采集时行车速度一般为30km/h左右，POS数据采样间隔一般为5ms，相邻POS数据坐标变化约0.04m。按照时间间隔40ms对POS数据重采样，将坐标变化提高至0.3m左右，以提升后续坐标间向量夹角分析的速度及可靠性；
[0042]2)确定异常区域起点：按时间顺序计算相邻行车轨迹数据点三维坐标之间的向量，记为向量：(l
i
，l
i+1
)，并计算相邻向量的夹角α
i
；当夹角α
i
大于偏移角度阈值时，初步认定向量l
i
是异常区域的起始向量，同时记录向量l
i
的终点点位a点信息，作为异常区域起点；
[0043]3)确定异常区域终点：步骤2)初步认定了异常区域起点后，继续遍历相邻向量(l
j
，l
j+1
，...，l
j+n
)，分别与l
i
计算夹角(α
j
，α
j+1
...，α
j+n
)；当夹角α
j+n
小于偏移角度阈值时，初步认定向量l
j+n
是异常区域的终止向量，同时记录向量l
j+n
的起始点点位b点信息，作为异常区域终点；
[0044]4)获得异常区域：若a点与b点间的距离大于预设的距离阈值时，则标记a点到b点时间段内的所有行车轨迹数据点构成异常区域；遍历全部行车轨迹数据，获得所有异常区域。
[0045]进一步地，IMU装置的采样间隔为5ms。
[0046]进一步地，步骤三中，出现异常区域时，向量间夹角变化较大，预先设置偏移角度阈值为30
°
，保证异常区域判断不会出现汽车正常转弯的路段。
[0047]进一步地，步骤三中，参照点云产品的精度要求预先设置距离阈值为0.05m，a、b间的距离小于此值时精度满足要求，不列为异常区域。
[0048]进一步地，步骤四中异常区域输出为文本格式。
[0049]本专利技术的有益效果是：与现有技术相比，本专利技术并使用了适合于自动获取车载激光点云行车轨迹异常区域的方法，经处理后，能够提高点云数据精度。
附图说明
[0050]图1为本专利技术的方法流程图。
[0051]图2为本专利技术实施例中车载激光点云行车轨迹线。
[0052]图3为本专利技术车载激光点云行车轨迹线获取异常区域起点示意图。
[0053]图4为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动获取车载激光点云行车轨迹异常区域的方法，其特征在于，包括如下步骤：步骤一，数据获取：利用车载激光扫描系统，在道路上进行激光点云数据采集，通过系统中的GNSS和IMU装置同时获取行车轨迹数据；步骤二，数据处理：自动提取行车轨迹数据的时间标记信息、经纬度及大地高，利用转换参数将经纬度转换成平面坐标；步骤三，获得异常区域：利用时间标记信息的连续性及各点的三维坐标，分析行车轨迹数据点构成的坐标向量相互关系，根据预先设置的偏移角度阈值和距离阈值，获得行车轨迹数据异常区域；步骤四，异常区域输出：异常区域输出内容包括时间标记信息及三维坐标。2.如权利要求1所述的自动获取车载激光点云行车轨迹异常区域的方法，其特征在于，步骤二中包括将经纬度通过高斯正算转换成平面坐标。3.如权利要求2所述的自动获取车载激光点云行车轨迹异常区域的方法，其特征在于，转换公式如下：其中，l、B分别为轨迹数据经度、纬度；x、y为转换后的平面直角坐标；ρ
″
＝180
×
60
×
60
÷
π；η＝e
′
cosB，e
′
为椭球的第二偏心率，a为椭球长半轴，b为椭球短半轴；t＝tanB；L0为中央子午线经度；X为自赤道量起的子午线弧长，M为子午圈曲率半径，e为椭球的第一偏心率，N为卯酉圈曲率半径，4.如权利要求1所述的自动获取车载激光点云行车轨迹异常区域的方法，其特征在于，步骤三包括如下子步骤：1)行车轨迹数据重采样：根据车行速度和IMU装置的采样间隔，对行车轨迹数据重采样；2)确定异常区域起点：按时间顺序计算相邻行车轨迹数据点三维坐标之间的向量，记为向量：(l
i
，l
i+1

【专利技术属性】
技术研发人员：穆耕来，韩文泉，嵇亚炜，
申请(专利权)人：南京市测绘勘察研究院股份有限公司，
类型：发明
国别省市：