一种基于平均高程面三角网的地形图高程抽稀算法

    公开(公告)号:CN107590203A

    公开(公告)日:2018-01-16

    申请号:CN201710721659.X

    申请日:2017-08-22

    Abstract: 本发明涉及一种基于平均高程面三角网的地形图高程抽稀算法。所述抽稀算法包括以下步骤:构造三角网;获取平均高程面;设置阈值;重新构造三角网;求取高程梯度;筛选特征高程点;获取高程点最值;设置高差和距离阈值;删除三角网;所述三角网(TIN)是指采用Delaunay三角网生成的不规则三角形网。本发明基于三角网的地形图高程点抽稀算法,尽可能地保留能够显著反映地形起伏变化的高程点,较好地表达了所要进行抽稀范围内的地形变化;本发明不仅能够使得高程点在图面内平均分布,而且也较好地反映高差变化显著和微小的区域地形起伏情况;本发明利用平均高程面及高程梯度等方法,对高程点进行筛选抽稀,达到合理的地形图缩编效果。

    联合点云强度和几何结构的道路标志提取方法及系统

    公开(公告)号:CN114004951B

    公开(公告)日:2024-07-12

    申请号:CN202111274991.9

    申请日:2021-10-29

    Abstract: 本发明提供一种联合点云强度和几何结构的道路标志提取方法及系统,包括根据二元核描述符,得到道路交通标志的初始外包围框;建立局部坐标系,水平投影得到交通标志强度影像,基于Resnet预训练结果对交通标志二维强度影像进行分类;联合标准和Resnet得到的分类结果,对每个交通标志构建由有序节点确定的交通标志模板;道路标志模版匹配,包括匹配能量函数构建,匹配能量函数求解;道路标志形变优化,使重建的交通标志模型更精准表示现实道路场景中的交通标志。本发明对点云的密度变化、强度衰减具有较强的鲁棒性,在交通标志磨损或遮挡严重的场景中仍能获得完整且位置准确的矢量化模型,可应用于面向自动驾驶的高精地图生产及交通标志的磨损检测分析等。

    机载点云辅助的移动测量系统安置参数检校方法及系统

    公开(公告)号:CN114004949A

    公开(公告)日:2022-02-01

    申请号:CN202111181073.1

    申请日:2021-10-11

    Abstract: 本发明提出一种机载点云辅助的移动测量系统安置参数检校方法及系统,包括利用原始安置参数对移动测量系统进行解算,得到原始点云;将原始点云作为参考点云,与在同一测图坐标系的同区域高质量点云利用Trimmed ICP方法进行配准,将同一区域总平面特征进行对齐;对机载点云按预设大小划分体素,对体素利用主成分分析方法和随机采样一致性方法进行平面特征的提取以及参数计算,并将原始点云与平面特征进行对应;将激光坐标系轴向与IMU坐标框架轴向对齐,构建虚拟激光坐标系,转换后将安置参数表示为安置偏移量和安置角;联合平面特征以及对应的原始点观测值,根据平面特征参数,建立观测方程,利用Gauss‑Helmert平差模型求解安置参数,实现移动测量系统安置参数检校。

    一种矢量道路数据变化信息识别与提取方法和装置

    公开(公告)号:CN113902034A

    公开(公告)日:2022-01-07

    申请号:CN202111281235.9

    申请日:2021-11-01

    Abstract: 本申请公开的一种矢量道路数据变化信息识别与提取方法和装置,该方法包括:确定源匹配集、以及目标匹配集,其中,源匹配集和目标匹配集中均包括多条道路网数据;将源匹配集中包括各项道路网数据作为匹配对象,并利用空间格网索引技术和近似缓冲区叠加算法,从目标匹配集中筛选出与匹配对象相对应的被匹配对象;确定相似性度量指标,相似性度量指标包括长度、角度以及空间距离中的至少一种几何指标;基于相似性度量指标,结合几何特征相似度、以及空间场景结构相似度度量方式,确定匹配对象与被匹配对象之间的匹配关系。

    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

    公开(公告)号:CN113313081B

    公开(公告)日:2021-11-09

    申请号:CN202110852461.1

    申请日:2021-07-27

    Abstract: 本发明提供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,包括如下步骤,获取点云和影像数据;剔除点云中的地面点得到预分割体,进行切片并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;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;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;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,利用杆状物点云在全景影像中的范围对其进行精细分类。本发明所述的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,实现了对点云中杆状物的精准定位和精细分类。

    基于地图网格的众源图库共享云平台

    公开(公告)号:CN104715075A

    公开(公告)日:2015-06-17

    申请号:CN201510169152.9

    申请日:2015-04-10

    Abstract: 本发明涉及一种基于地图网格的众源图库共享云平台,由客户端和云服务器端构成;客户端是安装在用户移动设备上的应用软件“拍拍哒”,服务端则部署在云端。云服务器接收具有位置的大量照片,对地理位置进行网格化计算,按位置将照片置于网格化地理底图中,实现基于地理网格的照片浏览和管理。本发明的积极效果:解决了日益剧增的用户照片数量存储及照片管理、分类、恢复、回溯等问题。同时建立大数据分析应用模型库,对不断增长的照片数据进行应用,辅助应急事件相应、地理信息更新、规划指导等。

    机载点云辅助的移动测量系统安置参数检校方法及系统

    公开(公告)号:CN114004949B

    公开(公告)日:2024-09-24

    申请号:CN202111181073.1

    申请日:2021-10-11

    Abstract: 本发明提出一种机载点云辅助的移动测量系统安置参数检校方法及系统,包括利用原始安置参数对移动测量系统进行解算,得到原始点云;将原始点云作为参考点云,与在同一测图坐标系的同区域高质量点云利用Trimmed ICP方法进行配准,将同一区域总平面特征进行对齐;对机载点云按预设大小划分体素,对体素利用主成分分析方法和随机采样一致性方法进行平面特征的提取以及参数计算,并将原始点云与平面特征进行对应;将激光坐标系轴向与IMU坐标框架轴向对齐,构建虚拟激光坐标系,转换后将安置参数表示为安置偏移量和安置角;联合平面特征以及对应的原始点观测值,根据平面特征参数,建立观测方程,利用Gauss‑Helmert平差模型求解安置参数,实现移动测量系统安置参数检校。

    联合点云强度和几何结构的道路标志提取方法及系统

    公开(公告)号:CN114004951A

    公开(公告)日:2022-02-01

    申请号:CN202111274991.9

    申请日:2021-10-29

    Abstract: 本发明提供一种联合点云强度和几何结构的道路标志提取方法及系统,包括根据二元核描述符,得到道路交通标志的初始外包围框;建立局部坐标系,水平投影得到交通标志强度影像,基于Resnet预训练结果对交通标志二维强度影像进行分类;联合标准和Resnet得到的分类结果,对每个交通标志构建由有序节点确定的交通标志模板;道路标志模版匹配,包括匹配能量函数构建,匹配能量函数求解;道路标志形变优化,使重建的交通标志模型更精准表示现实道路场景中的交通标志。本发明对点云的密度变化、强度衰减具有较强的鲁棒性,在交通标志磨损或遮挡严重的场景中仍能获得完整且位置准确的矢量化模型,可应用于面向自动驾驶的高精地图生产及交通标志的磨损检测分析等。

    基于车载三维点云的道路标志线自动分类与矢量化方法

    公开(公告)号:CN113378800B

    公开(公告)日:2021-11-09

    申请号:CN202110851888.X

    申请日:2021-07-27

    Abstract: 本发明提供基于车载三维激光点云的道路标志线自动分类与矢量化方法,包括如下步骤:利用采集的车载轨迹信息并按照定义长度及定义宽度将车载激光点云切割为多块点云;构建KD树,通过KD树搜索分块点云中各点的邻域点并计算其法向量特征;构建基于法向量的生长算法,将点云分割为预分割体,对各预分割体进行特征提取,通过构建预分割体的特征约束来提取道路路面点;构建基于点云强度特征的生长算法,在道路地面点中提取道路标志线;构建道路标志线模板,按照模板对道路标志线进行分类并矢量化。本发明所述的基于车载三维激光点云的道路标志线自动分类与矢量化方法自动化程度高,且稳定性良好。

    基于车载三维点云的道路标志线自动分类与矢量化方法

    公开(公告)号:CN113378800A

    公开(公告)日:2021-09-10

    申请号:CN202110851888.X

    申请日:2021-07-27

    Abstract: 本发明提供基于车载三维激光点云的道路标志线自动分类与矢量化方法,包括如下步骤:利用采集的车载轨迹信息并按照定义长度及定义宽度将车载激光点云切割为多块点云;构建KD树,通过KD树搜索分块点云中各点的邻域点并计算其法向量特征;构建基于法向量的生长算法,将点云分割为预分割体,对各预分割体进行特征提取,通过构建预分割体的特征约束来提取道路路面点;构建基于点云强度特征的生长算法,在道路地面点中提取道路标志线;构建道路标志线模板,按照模板对道路标志线进行分类并矢量化。本发明所述的基于车载三维激光点云的道路标志线自动分类与矢量化方法自动化程度高,且稳定性良好。

Patent Agency Ranking