CN103761711A - 一种车载激光扫描路面点云非均匀抽稀方法 - Google Patents
一种车载激光扫描路面点云非均匀抽稀方法 Download PDFInfo
- Publication number
- CN103761711A CN103761711A CN201410012987.9A CN201410012987A CN103761711A CN 103761711 A CN103761711 A CN 103761711A CN 201410012987 A CN201410012987 A CN 201410012987A CN 103761711 A CN103761711 A CN 103761711A
- Authority
- CN
- China
- Prior art keywords
- point
- vacuate
- vacuation
- elevation
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种车载激光扫描路面点云非均匀抽稀方法,它首先根据车载***记录信息从离散点云中提取出每条扫描线,建立扫描线索引;然后根据要获取的数据精度、调查地物类型、点云密度等因素确定点抽稀和线抽稀尺度;最后基于扫描线索引进行单条扫描线上激光点抽稀和多条扫描线抽稀;在点抽稀过程中,分析以待抽稀点为中心的窗口点集内激光点的高程值和强度值变化,判断是否为信息特征点,予以保留;在线抽稀过程中,根据前一条已抽取的扫描线上信息特征点确定抽稀线上要保留的激光点。本发明提供了一种车载激光扫描路面点云非均匀抽稀方法,该方法在无损路面高程与强度信息的情况下实现了点云的抽稀,给后续数据处理和应用带来便利。
Description
技术领域
本发明涉及车载激光扫描***的数据处理技术。
技术背景
车载激光扫描***能采集大面积、高精度、高密度的海量路面点云数据,通过空间插值可以生成路面数字高程模型、路面强度图等,为进一步分析路面病害、路基沉降等应用提供基础数据。但由于点云数据量大,含有过多冗余信息,给后续数据处理和应用带来很大不便。因此,在不损失信息的前提下,如何对点云数据进行抽稀,用更少的数据表达路面、地物特征具有重要应用价值。
目前点云抽稀方法主要依据数据的空间特征建立抽稀准则,目的在于抽稀地形数据;但对于车载激光点云,不仅记录了地物表面的空间位置信息,还记录了地物强度信息,如果按照传统方法进行处理,则会破坏激光强度反映的信息,所以很需要发明一种新的点云抽稀方法。
发明内容
为了在车载激光扫描路面点云数据抽稀时,能够更好的保留路面空间与强度信息特征,本发明提出一种路面点云非均匀抽稀方法。
一种车载激光扫描路面点云非均匀抽稀方法,包括以下步骤:
第一步:获取车载***采集过程中的行驶轨迹、激光点扫描角度、扫描时间的信息数据,根据已知信息数据进行一系列坐标变换,将点云转化为相应坐标系下的平面坐标系点,然后根据相邻两个扫描点的时间差或角度差把离散的扫描点分割为一系列按照时间排序的扫描线;
第二步:根据需要获取的数据精度、调查地物类型、点云密度等因素确定线抽稀尺度和点抽稀尺度,具体为:
第2.1步:点抽稀尺度的确定
先获取目标地物类型尺寸宽度,比较该尺寸宽度与扫描线上相邻点距的关系,确定出抽稀比例和均匀抽稀间隔点数,然后抽取激光点;
上述抽稀比例=相邻点距/尺寸宽度;例如尺寸宽度为20cm,相邻点距5cm,则抽稀比例为1/4,原来扫描线上100点,则抽稀间隔点数为4,即每4个点抽取一点,共抽取25点;
第2.2步:线抽稀尺度的确定
当要提取的目标地物类型尺寸小于扫描间隔时,不抽稀;当要提取的目标地物类型尺寸大于两倍扫描间隔时,可进行等间隔抽稀;例如扫描线间隔0.08m,路面坑槽宽度为0.2m,则可以从两条相邻扫描线中抽稀一条;
第三步:建立信息特征点判断准则,具体为:
第3.1步:首先构建以抽稀点为中心的窗口点集,根据扫描线上最小尺寸地物宽度,确定窗口点集数量大小W值;
第3.2步:确定高程特征点
以扫描线上路面中间向两侧一定范围内相邻点的高差均值表示路面粗糙度HR值;计算待抽稀点与其他点的高程相近的数量HSN值和相差较大数量HDN值,计算时,两点高差Hd值符合条件Hd≤HR,HSN值增加;当符合条件Hd>HR,HDN值增加;当HDN≥HSN时,为高程特征点;
第3.3步:确定强度特征点
在扫描线上对点云的强度值进行直方图统计,确定同类地物的强度最大范围,以两倍范围作为不同地物强度跳跃值Ij;对抽稀点为中心的窗口点集的强度值进行比较,计算强度相近数量ISN值和相差较大数量IDN值,两点强度差Id值符合条件Id≤Ij,ISN值增加;符合条件Id>Ij,值增加;当IDN≥ISN且IDN<W-1时,为强度特征点;
第四步:对单条扫描线上激光点进行点抽稀
首先,根据第二步确定的点抽稀尺度均匀抽取激光点;然后,逐点判断每个被抽稀点的信息特征,根据第三步信息特征点判断准则,先判断高程信息特征,如果是,保留该高程特征点;当不是高程特征点时,再判断是否为强度信息特征点,如果是,保留该强度特征点;
第五步:对多条扫描线进行线抽稀
首先,根据线抽稀尺度从多条相邻扫描线中抽取一条;然后,根据前一条抽取的扫描线上信息特征点扫描角位置,分析其他待抽稀线上对应角度位置激光点的高程和强度是否相近,如果相近则保留该点。
本发明提供了一种车载激光扫描路面点云非均匀抽稀方法,该方法在无损路面高程与强度信息的情况下实现了点云的抽稀,给后续数据处理和应用带来便利。
附图说明
图1路面点云非均匀抽稀方法数据处理流程图;
图2高程特征判断原理图;
图3强度特征判断原理图;
图4非均匀抽稀过程示意图。
具体实施方式
为了更加清楚的说明本发明的技术方案,下面结合附图对本发明的技术方法做进一步详细描述。
本发明提供的车载激光扫描路面点云非均匀抽稀方法,数据处理流程如图1,描述如下:
第一步:获取车载***采集过程中的行驶轨迹、激光点扫描角度、扫描时间的信息数据,根据已知信息数据进行一系列坐标变换,将点云转化为相应坐标系下的平面坐标系点,然后根据相邻两个扫描点的时间差或角度差把离散的扫描点分割为一系列按照时间排序的扫描线;
第二步:根据需要获取的数据精度、调查地物类型、点云密度等因素确定线抽稀尺度和点抽稀尺度,具体为:
1)点抽稀尺度的确定:先获取目标地物类型尺寸宽度,比较该尺寸宽度与扫描线上相邻点距的关系,确定出抽稀比例和均匀抽稀间隔点数,然后抽取激光点;
上述抽稀比例=相邻点距/尺寸宽度;例如尺寸宽度为20cm,相邻点距5cm,则抽稀比例为1/4,原来扫描线上100点,则抽稀间隔点数为4,即每4个点抽取一点,共抽取25点;
2)线抽稀尺度的确定:当要提取的目标地物类型尺寸小于扫描间隔时,不抽稀;当要提取的目标地物类型尺寸大于两倍扫描间隔时,可进行等间隔抽稀;例如扫描线间隔0.08m,路面坑槽宽度为0.2m,则可以从两条相邻扫描线中抽稀一条;
第三步:建立信息特征点判断准则,具体为:
1)首先构建以抽稀点为中心的窗口点集,根据扫描线上最小尺寸地物宽度确定窗口点集数量大小W值;如路面表面道路标示线最窄,其宽度为0.15m,扫描点间隔0.05,包含的点数为3,确定大于3的最近奇数5作为窗口大小;
2)确定高程特征点
以扫描线上路面中间向两侧一定范围内相邻点的高差均值表示路面粗糙度HR值;然后计算抽稀点与其他点的高程相近的数量HSN值,根据公式(1),计算时高差Hd值符合条件Hd≤HR,HSN值增加;计算高程相差较大的数量HDN值,符合条件Hd>HR时,HDN值增加;当HDN≥HSN时,为高程特征点;
3)确定强度特征点
在扫描线上对点云的强度值进行直方图统计,确定同类地物的强度最大范围,以两倍范围作为不同地物强度跳跃值Ij;对抽稀点为中心的窗口点集的强度值进行比较,计算强度相近数量ISN值和相差较大数量ISN值,根据公式(2),两点强度差Id值符合条件Id≤Ij,ISN值增加;符合条件Id>Ij,IDN值增加;当IDN≥ISN且IDN<W-1时,为强度特征点;
如图2所示,点Pi为待抽稀点,窗口包含5个点,分别计算Pi与其他四个点(Pi-2,Pi-1,Pi+1,Pi+2)的高程差值Hd,根据公式(1)计算相近高程与异常高程的数量HSN和HDN。
图2中窗口点集高程分布4种情况:a:HDN=0,HSN=4;b:HDN=4,HSN=0;c:HDN=3,HSN=1;d:HDN=2,HSN=2;四种情况中,只有a可以抽稀,因此当HDN≥HSN时,为高程特征点;当高程符合a情况时,继续对强度值进行比较,分别计算Pi与其他四个点(Pi-2,Pi-1,Pi+1,Pi+2)的强度差值Id,根据公式(2)获取相近强度与异常强度的数量ISN和IDN。
图3中窗口点集强度分布4种情况:A:IDN=0,ISN=4;B:IDN=4,ISN=0;C:IDN=3,ISN=1;D:IDN=2,ISN=2;由于强度值影响因素较多,根据地物连续分布特性,认为图3中B情况为强度粗差跳跃点,当符合A,B两种情况时,均可抽稀;因此当IDN≥ISN,IDN<W-1时,为强度特征点。
第四步:对单条扫描线上激光点进行点抽稀
首先,根据第二步确定的点抽稀尺度均匀抽取激光点;然后,逐点判断每个被抽稀点的信息特征,根据第三步信息特征点判断准则,确定目标点是否为高程或强度信息特征点;为了保证空间信息准确性、完整性,先判断高程信息特征,如果是,保留该高程特征点;当不是高程特征点时,再判断是否为强度信息特征点,如果是,保留该强度特征点;具体为:
1)确定点抽稀尺度,确定抽稀比例为1/4,设置均匀抽稀间隔点数为4,即每4个点抽取一点;
2)逐点判断每个被抽稀点的信息特征,根据信息特征点判断准则,确定目标点是否为高程或强度信息特征点,为了保证空间信息准确性、完整性,先判断高程信息特征,当不是高程特征点时,再判断是否为强度信息点,保留该特征点,实现扫描线上点的非均匀抽稀。
如图4所示,扫描线Line1上原始点(P0,P1,P2…Pi)、激光点(P0,P4,P8…)为根据抽稀比例均匀抽取的点,图中P6和P14为待抽稀点,根据准则判断P6为高程和强度平滑点,可以抽稀;判断P14为高程或强度特征点,需保留该点。
第五步:对多条扫描线进行线抽稀
首先,根据线抽稀尺度从多条相邻扫描线中抽取一条;然后,根据前一条抽取的扫描线上信息特征点扫描角位置,分析待抽稀线上高程或强度特征点,并保留;具体为:
1)确定线抽稀尺度,当要提取的目标地物类型尺寸小于扫描间隔时,不抽稀;当大于两倍扫描间隔时,可进行等间隔抽稀,例如扫描线间隔0.08m,路面坑槽宽度为0.2m,则可以从两条相邻扫描线中抽稀一条;
2)根据前一条扫描线上信息特征点扫描角位置,分析待抽稀线上对应扫描角度位置激光点的高程和强度是否相近,如果相近则保留,实现扫描线的非均匀抽稀。如图4所示,3条扫描线中间Line2被抽稀去除,根据Line1信息特征点,确定抽稀线Line2上的对应位置的信息特征点被保留。
Claims (2)
1.一种车载激光扫描路面点云非均匀抽稀方法,其特征在于,包括以下步骤:
第一步:获取车载***采集过程中的行驶轨迹、激光点扫描角度、扫描时间的信息数据,根据已知信息数据进行一系列坐标变换,将点云转化为相应坐标系下的平面坐标系点,然后根据相邻两个扫描点的时间差或角度差把离散的扫描点分割为一系列按照时间排序的扫描线;
第二步:根据需要获取的数据精度、调查地物类型和点云密度因素确定线抽稀尺度和点抽稀尺度,具体为:
第2.1步:点抽稀尺度的确定
先获取目标地物类型尺寸宽度,比较该尺寸宽度与扫描线上相邻点距的关系,确定出抽稀比例和均匀抽稀间隔点数,然后抽取激光点;
第2.2步:线抽稀尺度的确定
当要提取的目标地物类型尺寸小于扫描间隔时,不抽稀;当要提取的目标地物类型尺寸大于两倍扫描间隔时,进行等间隔抽稀;
第三步:建立信息特征点判断准则,具体为:
第3.1步:首先构建以抽稀点为中心的窗口点集,根据扫描线上最小尺寸地物宽度,确定窗口点集数量大小W值;
第3.2步:确定高程特征点
以扫描线上路面中间向两侧一定范围内相邻点的高差均值表示路面粗糙度HR值;计算待抽稀点与其他点的高程相近的数量HSN值和相差较大数量HDN值,计算时,两点高差Hd值符合条件Hd≤HR,HSN值增加;当符合条件Hd>HR,HDN值增加;当HDN≥HSN时,为高程特征点;
第3.3步:确定强度特征点
在扫描线上对点云的强度值进行直方图统计,确定同类地物的强度最大范围,以两倍范围作为不同地物强度跳跃值Ij;对抽稀点为中心的窗口点集的强度值进行比较,计算强度相近数量ISN值和相差较大数量IDN值,两点强度差Id值符合条件Id≤Ij,ISN值增加;符合条件Id>Ij,值增加;当IDN≥ISN且IDN<W-1时,为强度特征点;
第四步:对单条扫描线上激光点进行点抽稀
首先,根据第二步确定的点抽稀尺度均匀抽取激光点;然后,逐点判断每个被抽稀点的信息特征,根据第三步信息特征点判断准则,先判断高程信息特征,如果是,保留该高程特征点;当不是高程特征点时,再判断是否为强度信息特征点,如果是,保留该强度特征点;
第五步:对多条扫描线进行线抽稀
首先,根据线抽稀尺度从多条相邻扫描线中抽取一条;然后,根据前一条抽取的扫描线上信息特征点扫描角位置,分析其他待抽稀线上对应角度位置激光点的高程和强度是否相近,如果相近则保留该点。
2.如权利要求1所述的车载激光扫描路面点云非均匀抽稀方法,其特征在于,所述抽稀比例=相邻点距/尺寸宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410012987.9A CN103761711B (zh) | 2014-01-13 | 2014-01-13 | 一种车载激光扫描路面点云非均匀抽稀方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410012987.9A CN103761711B (zh) | 2014-01-13 | 2014-01-13 | 一种车载激光扫描路面点云非均匀抽稀方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761711A true CN103761711A (zh) | 2014-04-30 |
CN103761711B CN103761711B (zh) | 2016-03-30 |
Family
ID=50528944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410012987.9A Active CN103761711B (zh) | 2014-01-13 | 2014-01-13 | 一种车载激光扫描路面点云非均匀抽稀方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761711B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761312A (zh) * | 2016-02-06 | 2016-07-13 | 中国农业大学 | 一种微地形表面重建方法 |
CN106291584A (zh) * | 2016-10-12 | 2017-01-04 | 中国林业科学研究院资源信息研究所 | 一种基于激光雷达扫描特征的点云抽稀方法 |
CN107038687A (zh) * | 2016-10-12 | 2017-08-11 | 深圳市数字城市工程研究中心 | 抽稀图像的生成方法及装置 |
CN109684297A (zh) * | 2018-04-19 | 2019-04-26 | 沧州子芩信息科技有限公司 | 一种三维激光扫描海量点数据存储方法 |
CN109741450A (zh) * | 2018-12-29 | 2019-05-10 | 征图三维(北京)激光技术有限公司 | 一种基于扫描线的路面点云自动提取方法及装置 |
CN113239136A (zh) * | 2021-05-17 | 2021-08-10 | 北京车和家信息技术有限公司 | 一种数据处理方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458818A (zh) * | 2008-09-26 | 2009-06-17 | 深圳市路畅科技有限公司 | 一种基于折线抽稀算法的图形数据压缩处理方法 |
US20100002222A1 (en) * | 1999-09-03 | 2010-01-07 | Arete Associates | Lidar with streak-tube imaging, including hazard detection in marine applications; related optics |
CN102568009A (zh) * | 2010-12-17 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 用于电子地图的线段抽稀装置及其方法 |
CN102930509A (zh) * | 2012-09-18 | 2013-02-13 | 广州建通测绘技术开发有限公司 | 一种机载激光点云数据的智能化滤波方法 |
CN103309859A (zh) * | 2012-03-06 | 2013-09-18 | 腾讯科技(深圳)有限公司 | 数据抽稀方法及装置 |
-
2014
- 2014-01-13 CN CN201410012987.9A patent/CN103761711B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100002222A1 (en) * | 1999-09-03 | 2010-01-07 | Arete Associates | Lidar with streak-tube imaging, including hazard detection in marine applications; related optics |
CN101458818A (zh) * | 2008-09-26 | 2009-06-17 | 深圳市路畅科技有限公司 | 一种基于折线抽稀算法的图形数据压缩处理方法 |
CN102568009A (zh) * | 2010-12-17 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 用于电子地图的线段抽稀装置及其方法 |
CN103309859A (zh) * | 2012-03-06 | 2013-09-18 | 腾讯科技(深圳)有限公司 | 数据抽稀方法及装置 |
CN102930509A (zh) * | 2012-09-18 | 2013-02-13 | 广州建通测绘技术开发有限公司 | 一种机载激光点云数据的智能化滤波方法 |
Non-Patent Citations (1)
Title |
---|
缪志修等: "基于机载LiDAR数据构建的DEM抽稀算法研究", 《铁道勘察》, no. 4, 30 April 2010 (2010-04-30) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761312A (zh) * | 2016-02-06 | 2016-07-13 | 中国农业大学 | 一种微地形表面重建方法 |
CN105761312B (zh) * | 2016-02-06 | 2018-11-30 | 中国农业大学 | 一种微地形表面重建方法 |
CN106291584A (zh) * | 2016-10-12 | 2017-01-04 | 中国林业科学研究院资源信息研究所 | 一种基于激光雷达扫描特征的点云抽稀方法 |
CN107038687A (zh) * | 2016-10-12 | 2017-08-11 | 深圳市数字城市工程研究中心 | 抽稀图像的生成方法及装置 |
CN107038687B (zh) * | 2016-10-12 | 2020-04-24 | 深圳市数字城市工程研究中心 | 抽稀图像的生成方法及装置 |
CN109684297A (zh) * | 2018-04-19 | 2019-04-26 | 沧州子芩信息科技有限公司 | 一种三维激光扫描海量点数据存储方法 |
CN109684297B (zh) * | 2018-04-19 | 2024-01-09 | 河北雄安兴诺科技服务有限公司 | 一种三维激光扫描海量点数据存储方法 |
CN109741450A (zh) * | 2018-12-29 | 2019-05-10 | 征图三维(北京)激光技术有限公司 | 一种基于扫描线的路面点云自动提取方法及装置 |
CN109741450B (zh) * | 2018-12-29 | 2023-09-19 | 征图三维(北京)激光技术有限公司 | 一种基于扫描线的路面点云自动提取方法及装置 |
CN113239136A (zh) * | 2021-05-17 | 2021-08-10 | 北京车和家信息技术有限公司 | 一种数据处理方法、装置、设备及介质 |
CN113239136B (zh) * | 2021-05-17 | 2023-12-19 | 北京车和家信息技术有限公司 | 一种数据处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103761711B (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761711B (zh) | 一种车载激光扫描路面点云非均匀抽稀方法 | |
CN103778429A (zh) | 一种车载激光扫描点云中道路信息自动提取方法 | |
CN101702200B (zh) | 一种机载激光雷达点云数据的自动分类方法 | |
CN109522804B (zh) | 一种道路边沿识别方法及*** | |
CN106056614A (zh) | 一种地面激光点云数据的建筑物分割与轮廓线提取方法 | |
CN110333543B (zh) | 基于反射系数分析的低阻体解释及成像方法与*** | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN103439738A (zh) | 地震勘探单炮记录异常道识别方法 | |
CN103591942B (zh) | 基于声速最大偏移的声速剖面快速精简与自动优选方法 | |
CN109741450B (zh) | 一种基于扫描线的路面点云自动提取方法及装置 | |
CN104062642A (zh) | 一种对激光雷达波形数据进行高斯回波分解的方法 | |
CN103020649A (zh) | 一种基于纹理信息的森林类型识别方法 | |
CN103440657A (zh) | 一种在线道路裂缝筛查方法 | |
CN104866856A (zh) | 基于连通域等价对处理的成像测井图像溶洞信息拾取方法 | |
CN107832849A (zh) | 一种基于知识库的电力线廊道三维信息提取方法及装置 | |
CN106952242A (zh) | 一种基于体素的渐进不规则三角网点云滤波方法 | |
CN116881812A (zh) | 基于多源遥感数据和随机森林法估测森林碳储量的方法 | |
CN114779206A (zh) | 道路边界的识别方法及装置、存储介质、设备 | |
CN110554409B (zh) | 一种凹障碍物检测方法及*** | |
CN105139032B (zh) | 一种岩石的识别分类方法及*** | |
CN113487555B (zh) | 一种基于点云网格化的输电线路隐患点快速检测方法 | |
CN102033936A (zh) | 一种用于时间序列相似性比较的方法 | |
US20160163102A1 (en) | Computing device and method for processing point clouds | |
CN103714528A (zh) | 物体分割装置和方法 | |
CN114236624B (zh) | 基于电磁法估算压裂改造空间体积的方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |