基于车载激光扫描与人工智能的目标识别定位系统及方法技术方案

本发明专利技术属于城市三维数字化建设技术领域，尤其涉及基于车载激光扫描与人工智能的目标识别定位系统及方法，包括目标检测系统主要是对图像中的目标进行分类和定位；数据采集系统主要是采集道路及道路两侧物体的点云数据和全景影像；数据处理系统主要包括数据解压、轨迹解算、坐标转换、点云影像处理、点云纠正、点云去噪、点云裁切等流程；质量检查系统主要是对数据处理的结果进行质量检查。本发明专利技术实现以车载激光扫描、人工智能融合为基础的目标识别定位关键技术，高效率、高精度的提取城市部件信息，提高对城市场景各类目标的检测感知能力，大幅提高城市相关普查工作效率，推动城市数字孪生、智慧城市建设工作的快速发展。智慧城市建设工作的快速发展。智慧城市建设工作的快速发展。

【技术实现步骤摘要】
基于车载激光扫描与人工智能的目标识别定位系统及方法


[0001]本专利技术属于城市三维数字化建设
，尤其涉及基于车载激光扫描与人工智能的目标识别定位系统及方法。

技术介绍

[0002]随着智慧城市的广泛推广和发展，城市三维数字化建设越来越受到重视。然而在城市三维数字化的建设过程中，如何高效率、高精度的获取城市路灯、广告牌等目标的坐标、图像、内容等数据信息是当前面临的重要问题。
[0003]然而，现在全景影像多数仅运用在数据浏览和图像视觉方面，不能得到三维空间坐标。同时由于三维激光点云数据不能得到周围物体的色彩信息，因此在移动测量系统中，单一传感器获取的数据不能完成三维重建，不同的传感器设备只能获取扫描目标的部分信息，不能实现目标检测的同时获取其坐标。另外，通过激光雷达和全景相机等传感器将数据采集回来后，还需要人工进行内业整理，识别城市部件并标注坐标，效率依然不够高。
[0004]随着智慧城市的广泛推广和发展，城市三维数字化建设越来越受到重视，需要普查大量的城市信息，如灯杆、井盖、广告牌、店铺等城市部件，具有广阔的市场需求和前景。然而目前主要通过人工普查、标注、统计的形式，成本高、效率低，严重阻碍了智慧城市的发展进度。以点云数据与全景影像融合为基础的目标检测、定位算法，是实现高效普查、三维数字化建设的关键技术之一，对该领域的研究，不但有深刻的理论价值，更有广阔的应用前景，能够推动城市数字孪生、智慧城市建设快速发展。
[0005]对此，提成基于车载激光扫描与人工智能的目标识别定位系统及方法，解决或改善城市部件信息低效率，低精度的问题。

技术实现思路

[0006]为了解决或者改善城市部件信息低效率，低精度的问题，本专利技术提供了基于车载激光扫描与人工智能的目标识别定位系统及方法，具体技术方案如下：本专利技术提供基于车载激光扫描与人工智能的目标识别定位系统，包括：目标检测系统，目标检测系统用于检测目标，进行图像的特征提取，主要是对图像中的目标进行分类和定位。
[0007]数据采集系统，数据采集系统主要是通过将车载移动测量系统设备安装在汽车等载体上，按照预先规划的路线，采集道路及道路两侧物体的点云数据和全景影像。
[0008]数据处理系统，数据处理系统主要包括数据解压、轨迹解算、坐标转换、点云影像处理、点云纠正、点云去噪、点云裁切等流程。
[0009]质量检查系统，质量检查系统主要是对数据处理的结果进行质量检查。
[0010]优选的，目标检测主要采用GAN算法，GAN 是一种生成学习算法，可以使用少量样本有效地挖掘数据集的内在分布。
[0011]优选的，GAN是通过训练两个神经来实现生成模型，其中两个模型分别是生成器模
型和判别器模型。判别器使用真实数据和假数据一起来进行训练来更新权值，而生成器只能使用完整模型（冻结的判别器，输入假的数据，但标记为真）通过判别器的误差来反馈到前面实现权值更新。
[0012]优选的，为了提升对畸变广告牌文字的识别效果，将对常规的文字识别算法进行优化，优化思路是先检测单个字符及字符间的连接关系，然后根据字符间的连接关系确定最终的文本行，即将一个character视为一个检测目标对象，而不是一个word（所有的word都由character构成）。
[0013]优选的，数据处理主要是采用高斯热度图来生成region score和affinity score，能很好地处理没有严格包围的边界区域。
[0014]优选的，特征 region score标签生成采用近似估计的方法来生成标签，具体步骤如下：（1），准备一个二维的高斯图；（2），计算高斯图区域和每个文字框的透视变换；（3），将高斯图变换到文字框区域。
[0015]本专利技术还提出基于车载激光扫描与人工智能的目标识别定位方法，包括以下步骤：步骤一，使用全景图像数据集对算法模型进行训练；步骤二，进行系统检校，为保证数据采集精度，在开始采集作业前应对系统进行检校；步骤三，进行数据采集，得到道路及道路两侧物体的点云数据和全景影像；步骤四，对步骤三采集的数据进行数据处理，将AI与车载激光雷达点云和全景影像融合，实现城市部件的自动、高效识别与定位；步骤五，对步骤四做出的数据处理结果进行成果质量检查；步骤六，通过步骤五的成果质量检查得到各类广告和文字的识别与定位。
[0016]优选的，数据采集分为基站架设和外业采集两个过程。
[0017]优选的，基站架设是根据测区范围，在测区中心位置架设基站进行静态观测，基站需满足以下要求：（1）、要求基站上空尽可能开阔，在10
°‑
15
°
高度角以上不能有成片的障碍物；（2）、在测站周围约200m范围内不能有强电磁波干扰源，如大功率无线电发射设施、高压输电线；（3）、基站应远离对电磁波信号反射强烈的地形、地物，如高层建筑、成片水域；（4）、每次扫描前，GNSS 基站应提前0.5h开机，使得基站接收的GNSS 信号稳定优选的，成果质量检查主要包含三个方面：点云质量检查、影像质量检查和成果精度检查，点云质量检查主要检查点云采集的完整性；点云密度是否超限；点云粗差率是否超限；点云是否分层错位；点云坐标系。影像质量检查主要检查全景相机、侧面相机和地面相机数据是否完整；影像质量是否达到要求；影像外方位元素是否输出完整；通过影像赋色得到的点云是否存在明显的影像接缝等。成果精度检查主要检查点云的平面精度和高程精度是否超限。
[0018]本专利技术的有益效果为：
本专利技术实现以车载激光扫描、人工智能融合为基础的目标识别定位关键技术，高效率、高精度的提取城市部件信息，提高对城市场景各类目标的检测感知能力，大幅提高城市相关普查工作效率，推动城市数字孪生、智慧城市建设工作的快速发展。
附图说明
[0019]图1是基于车载激光扫描与人工智能的目标识别定位系统的功能模块图；图2是基于车载激光扫描与人工智能的目标识别定位方法的流程示意图。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0022]还应当理解，在本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0023]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于车载激光扫描与人工智能的目标识别定位系统，其特征在于，包括：目标检测系统，目标检测系统用于检测目标，进行图像的特征提取，主要是对图像中的目标进行分类和定位；数据采集系统，数据采集系统主要是通过将车载移动测量系统设备安装在汽车等载体上，按照预先规划的路线，采集道路及道路两侧物体的点云数据和全景影像；数据处理系统，数据处理系统主要包括数据解压、轨迹解算、坐标转换、点云影像处理、点云纠正、点云去噪、点云裁切等流程；质量检查系统，质量检查系统主要是对数据处理的结果进行质量检查。2.根据权利要求1所述的基于车载激光扫描与人工智能的目标识别定位系统，其特征在于：目标检测主要采用GAN算法，GAN 是一种生成学习算法，可以使用少量样本有效地挖掘数据集的内在分布。3.根据权利要求2所述的基于车载激光扫描与人工智能的目标识别定位系统，其特征在于：GAN是通过训练两个神经来实现生成模型，其中两个模型分别是生成器模型和判别器模型。判别器使用真实数据和假数据一起来进行训练来更新权值，而生成器只能使用完整模型（冻结的判别器，输入假的数据，但标记为真）通过判别器的误差来反馈到前面实现权值更新。4.根据权利要求1所述的基于车载激光扫描与人工智能的目标识别定位系统，其特征在于：为了提升对畸变广告牌文字的识别效果，将对常规的文字识别算法进行优化，优化思路是先检测单个字符及字符间的连接关系，然后根据字符间的连接关系确定最终的文本行，即将一个character视为一个检测目标对象，而不是一个word（所有的word都由character构成）。5.根据权利要求1所述的基于车载激光扫描与人工智能的目标识别定位系统，其特征在于：数据处理主要是采用高斯热度图来生成region score和affinity score，能很好地处理没有严格包围的边界区域。6.根据权利要求5所述的基于车载激光扫描与人工智能的目标识别定位系统，其特征在于：特征 region score标签生成采用近似估计的方法来生成标签，具体步骤如下：（1），准备一个二维的高斯图；（2）...

【专利技术属性】
技术研发人员：肖云龙，梁祖安，兰度，晏明星，农智翔，李冠宇，王少炜，
申请(专利权)人：南宁市勘测设计院集团有限公司，
类型：发明
国别省市：