【技术实现步骤摘要】
融合车载三维激光点云与影像的道路交通杆状物分类方法
本专利技术属于图像识别与测绘领域，具体涉及融合车载三维激光点云与影像的道路交通杆状物分类方法。
技术介绍
近年来随着城镇化进程的快速推进以及个人汽车的广泛普及，城市交通拥堵问题愈发严重，给城市居民的日常生活造成极大困扰，城市交通拥堵问题已经成为城市管理中的重要议题，为解决该问题，欧美等发达国家研发智能交通系统并投入使用，该系统使城市交通拥堵问题得到极大缓解。道路交通杆状物作为智能交通系统的重要组成部分，其精细分类对构建智能交通系统起到重要作用。除此之外，道路交通杆状物作为5G基站的重要挂靠对象，其自动识别对5G基站布局也具有重要意义。车载三维激光扫描系统因其机动性良好和采集数据精度高被广泛应用于城市道路场景的三维数据采集，车载三维激光扫描系统采集的高精度三维点云与车载影像为道路交通杆状物的自动识别提供有力的支持，而城市道路场景复杂、物体类别较多，存在严重的遮挡、噪音与粘连现象，这些问题严重影像道路交通杆状物的自动识别精度。现阶段的道路交通杆状物的精细分类严重依赖人工翻译，因...
【技术保护点】
1.融合车载三维激光点云与影像的道路交通杆状物分类方法，其特征在于，包括如下步骤：/nS1、获取点云和与所述点云对应的影像数据；/nS2、剔除点云中的地面点得到预分割体，然后按照预设高度沿竖直方向对预分割体进行水平切片得到连续切片集合，通过切片的二维特征和同心圆柱特征对连续切片集合进行特征约束，将符合特征约束的连续切片集合作为杆状物原始种子点；/nS3、通过生长算法对杆状物原始种子点进行生长，得到完整的杆状物点云，以获得杆状物点云的精确位置信息；/nS4、根据点云与全景影像的对应关系，将杆状物点云投射到全景影像上得到杆状物点云相应的影像范围；/nS5、利用训练后的MaskR...
【技术特征摘要】
1.融合车载三维激光点云与影像的道路交通杆状物分类方法，其特征在于，包括如下步骤：
S1、获取点云和与所述点云对应的影像数据；
S2、剔除点云中的地面点得到预分割体，然后按照预设高度沿竖直方向对预分割体进行水平切片得到连续切片集合，通过切片的二维特征和同心圆柱特征对连续切片集合进行特征约束，将符合特征约束的连续切片集合作为杆状物原始种子点；
S3、通过生长算法对杆状物原始种子点进行生长，得到完整的杆状物点云，以获得杆状物点云的精确位置信息；
S4、根据点云与全景影像的对应关系，将杆状物点云投射到全景影像上得到杆状物点云相应的影像范围；
S5、利用训练后的MaskRCNN对影像进行实例分割，得到杆状物的实例分割信息，利用步骤S4中得到的杆状物点云在全景影像中的范围对其进行精细分类。
2.根据权利要求1中所述的方法，其特征在于，步骤S2具体包括如下步骤，
S201、通过如下公式筛选点云中的地面点：
；
其中：
代指点是地面的条件；
指点的轨迹点高度与三维激光扫描仪的安装高度相差的绝对值小于一定阈值，该阈值范围为0.25m；
代指点的邻域点的局部变化高程小于0.15m；
是从点云中随机选取的一个点；
是点的轨迹点高度，通过获取点云时的该点轨迹信息与时间标签匹配得到；
是车载三维激光扫描仪距离地面的高度；
是点的点云局部高程变化值，通过如下公式计算：
；
其中：
是点云中该点的个最邻近点的点集；
是点集中的任意两个点；
是点的高程值；
S202、遍历点云中的所有点，从中剔除所有地面点，得到预分割体集；
S203、沿竖直方向以0.25m的高度对预分割体集中的每个预分割体进行水平切片；
S204、提取切片中各点之间的二维最大距离、以及切片之间于二维平面方向的偏移量，同时构建包括内圆柱和外圆柱的同心圆柱模型，然后，通过基于二维特征和同心圆柱特征的过滤公式对切片进行过滤，过滤公式如下：
其中：
指分割体是杆状物的条件；
指分割体中连续切片集的数量大于5；
指预分割体中连续切片集在二维平面方向的最大偏移量小于0.25m；
指预分割体中连续切片集中的点至少存在85%落入内圆柱中；
是一个预分割体中二维最大距离小于距离阈值的竖直方向连续切片集的数目，距离阈值为0.2-0.5m；
是连续切片集在二维平面方向的最大偏移量；
C
1
与C2是基于连续切片集拟合的内外圆柱，是落在内圆柱C1内的点，是落在外圆柱C2内的点，且，＜1，为同心圆柱模型比例阈值，r1为内圆柱半径，r2为外圆柱半径；
S205、遍历预分割体集中每个预分割体的所有切片，过滤后...
【专利技术属性】
技术研发人员：李发帅，肖建华，李海亭，王诗云，段梦梦，郭明武，刘剑，王闪，
申请(专利权)人：武汉市测绘研究院，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。