【技术实现步骤摘要】
本专利技术涉及道路要素检测，具体涉及一种道路要素变化监测方法及装置。
技术介绍
1、道路是城市中最繁华的交通枢纽，由许多不同的要素组成。这些要素包括路面、行道树、路灯、护栏、交通信号灯和交通标识牌等，它们相互作用并在复杂的环境中运行。由于车流和行人活动频繁，任何单个要素的问题都可能导致道路系统的紊乱。因此，我们需要对道路进行实时监测以确保其正常运行。车载移动测量系统利用激光扫描技术能够快速高效的获取高精度、高密度和高分辨率的三维空间数据，为城市道路信息采集和更新提供强有力的数据支持。
2、在现有技术中，在对道路要素检测的过程中，车载激光点云的场景复杂、目标多样、数据量大且点密度分布不均，导致激光点云数据的数据分析和变化监测难度较大。
3、因此，急需提出一种道路要素变化监测方法及装置，解决现有技术中存在的车载激光点云的场景复杂、目标多样、数据量大且点密度分布不均，导致激光点云数据的数据分析和变化监测难度较大的技术问题。
技术实现思路
1、有鉴于此，有必要提供一种道路要素变化监测方法及装置，用以解决现有技术中存在的车载激光点云的场景复杂、目标多样、数据量大且点密度分布不均，导致激光点云数据的数据分析和变化监测难度较大的技术问题。
2、一方面，本专利技术提供了一种道路要素变化监测方法，包括：
3、获取车辆的初始点云数据；并对所述初始点云数据进行过滤处理，得到预设个数第一点云数据；
4、对所述预设个数第一点云数据进行格网分割，得到
5、根据所述预设个数第一点云数据、所有格网行和所有列号，得到所述每个第一点云数据对应的三角形，并对所有三角形进行检测，得到预设个数第二点云数据；
6、对所述预设个数第二点云数据进行分隔，得到预设个数节点，从而得到所述预设个数节点组成的r树结构，并根据所述r树结构对所述预设个数第二点云数据进行抽稀，得到所述r树结构中的预设个数第三点云数据；
7、对所述预设个数第三点云数据进行分析，得到所述车辆行驶道路上要素的变化。
8、在一些可能的实现方式中，所述对所述初始点云数据进行过滤处理，得到预设个数第一点云数据，包括：
9、对所述预设个数初始点云数据进行随机采样，得到预设个数第一随机点云数据；并对所述预设个数第一随机点云数据进行平面拟合，得到拟合平面；
10、分别对所述预设个数初始点云数据中除所述预设个数第一随机点云数据之外的其他初始点云数据与所述拟合平面之间的距离进行计算，得到每个其他初始点云数据对应的初始距离；
11、分别对每个初始距离进行判断，判断所述第一距离是否小于预设距离；
12、若否，则去除所述初始距离对应的初始点云数据；
13、若是，则将所述初始距离对应的初始点云数据进行保留，从而根据保留下的所有初始点云数据，得到预设个数第一点云数据。
14、在一些可能的实现方式中，所述对所述预设个数第一点云数据进行格网分割，得到预设个数矩形格网，包括：
15、根据所述预设个数第一点云数据的坐标值，确定x坐标的第一最大值和第一最小值与y坐标的第二最大值和第二最小值；
16、根据所述第一最大值、所述第一最小值、所述第二最大值、所述第二最小值和所述预设个数第一点云数据的数据量对所述预设个数第一点云数据进行格网分割，得到预设个数矩形格网。
17、在一些可能的实现方式中，所述对每个第一点云数据的坐标值进行计算，得到所述每个第一点云数据在所述预设个数矩形格网中的格网行和列号，包括：
18、判断所述预设个数第一点云数据中的点云数据是否全部确定了格网行和列号；
19、若否，则从所述预设个数第一点云数据中随机确定一个未确定格网行和列号的第二随机点云数据，并根据所述第二随机点云数据确定第三随机点云数据；所述第三随机点云数据为距离所述第二随机点云数据最近的第一点云数据；
20、根据所述预设个数矩形格网的格网行数、所述第一最大值、所述第一最小值、所述第二最大值、所述第二最小值和格网列数对所述第二随机点云数据和所述第三随机点云数据进行计算，得到所述第二随机点云数据在所述预设个数矩形格网中的格网行和列号；
21、若是，则得到所述每个第一点云数据在所述预设个数矩形格网中的格网行和列号。
22、在一些可能的实现方式中，所述矩形格网包括对应的三角形链表；
23、所述根据所述预设个数第一点云数据、所有格网行和所有列号，得到所述每个第一点云数据对应的三角形，并对所有三角形进行检测，得到预设个数第二点云数据，包括：
24、从所述所有格网行和所述所有列号中，确定最小行号、最大行号、最小列号和最大列号，并根据所述最小行号、所述最大行号、所述最小列号和所述最大列号，得到由预设个数矩形格网组成的目标矩形格网；
25、将所述目标矩形格网中包括的第一点云数据确定为目标点云数据，得到所有目标点云数据；
26、根据所述第二随机点云数据和所述第三随机点云数据分别确定每个目标点云数据对应的三角形，得到所述所有目标点云数据的所有三角形；
27、判断所述目标点云数据对应的三角形的外接圆中是否包括点云数据，且所述目标点云数据对应的矩形格网的三角形链表中是否包括对应的三角形；
28、若否，则将所述三角形保存至所述目标点云数据对应的所述矩形格网的所述三角形链表中；
29、根据所述目标矩形格网中包括的所有矩形格网的所有三角形链表，得到保存的所有三角形，并根据所述所有三角形的所有目标点云数据，得到所有第二点云数据。
30、在一些可能的实现方式中，所述对所述预设个数第二点云数据进行分隔，得到预设个数节点，从而得到所述预设个数节点组成的r树结构，包括：
31、根据预设高差值对每个第二点云数据的高程值进行判断，确定所述预设个数第二点云数据中属于特征点的预设个数特征点云数据；
32、根据所述预设个数特征点云数据的外包围矩形，确定点云数据的大致走向；
33、根据所述大致走向将所述坐标轴中每一行或每一列对应包括的所有矩形格网确定为一个节点，从而得到所有一行或所有一列的所有节点；
34、根据预设子节点数值对每个节点对应的所有矩形格网中包括的所有特征点云数据进行分隔，得到预设个数新节点；并根据所述预设个数新节点，得到r树结构。
35、在一些可能的实现方式中，所述根据所述r树结构对所述预设个数第二点云数据进行抽稀，得到所述r树结构中的预设个数第三点云数据，包括：
36、根据所述r树结构，确定根节点存储的点个数、每个节点所在的层数、所述所有特征点云数据的总点个数、所述所有节点的所有网格数和单个网格包括的特征点云数据的最大点个数；
37本文档来自技高网...
【技术保护点】
1.一种道路要素变化监测方法，其特征在于，包括：
2.根据权利要求1所述的道路要素变化监测方法，其特征在于，所述对所述初始点云数据进行过滤处理，得到预设个数第一点云数据，包括：
3.根据权利要求1所述的道路要素变化监测方法，其特征在于，所述对所述预设个数第一点云数据进行格网分割，得到预设个数矩形格网，包括：
4.根据权利要求3所述的道路要素变化监测方法，其特征在于，所述对每个第一点云数据的坐标值进行计算，得到所述每个第一点云数据在所述预设个数矩形格网中的格网行和列号，包括：
5.根据权利要求4所述的道路要素变化监测方法，其特征在于，所述矩形格网包括对应的三角形链表；
6.根据权利要求1所述的道路要素变化监测方法，其特征在于，所述对所述预设个数第二点云数据进行分隔，得到预设个数节点，从而得到所述预设个数节点组成的R树结构，包括：
7.根据权利要求6所述的道路要素变化监测方法，其特征在于，所述根据所述R树结构对所述预设个数第二点云数据进行抽稀，得到所述R树结构中的预设个数第三点云数据，包括：
8.根据
9.根据权利要求1所述的道路要素变化监测方法，其特征在于，所述对所述预设个数第三点云数据进行分析，得到所述车辆行驶道路上要素的变化，包括：
10.一种道路要素变化监测装置，其特征在于，包括：
...【技术特征摘要】
1.一种道路要素变化监测方法，其特征在于，包括：
2.根据权利要求1所述的道路要素变化监测方法，其特征在于，所述对所述初始点云数据进行过滤处理，得到预设个数第一点云数据，包括：
3.根据权利要求1所述的道路要素变化监测方法，其特征在于，所述对所述预设个数第一点云数据进行格网分割，得到预设个数矩形格网，包括：
4.根据权利要求3所述的道路要素变化监测方法，其特征在于，所述对每个第一点云数据的坐标值进行计算，得到所述每个第一点云数据在所述预设个数矩形格网中的格网行和列号，包括：
5.根据权利要求4所述的道路要素变化监测方法，其特征在于，所述矩形格网包括对应的三角形链表；
6.根据权利要求1所述的道路要素变化监测方法，其特征...
【专利技术属性】
技术研发人员：刘德强，余顺新，庄稼丰，吴游宇，余绍淮，余飞，罗博仁，徐乔，姚金玺，
申请(专利权)人：中交第二公路勘察设计研究院有限公司，
类型：发明
国别省市：
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。