CN109544607B - 一种基于道路标志线的点云数据配准方法 - Google Patents
一种基于道路标志线的点云数据配准方法 Download PDFInfo
- Publication number
- CN109544607B CN109544607B CN201811411270.6A CN201811411270A CN109544607B CN 109544607 B CN109544607 B CN 109544607B CN 201811411270 A CN201811411270 A CN 201811411270A CN 109544607 B CN109544607 B CN 109544607B
- Authority
- CN
- China
- Prior art keywords
- registration
- point cloud
- coordinate data
- elevation
- plane
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000013519 translation Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 239000000284 extract Substances 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于道路标志线的点云数据配准方法,采用激光扫描仪沿道路延伸方向的采集道路标志线的点云数据,根据点云数据中的强度信息生成路面灰度影像,提取每个路面灰度影像中道路标志线的分道线的坐标数据,根据相同的分道线在不同的路面灰度影像中的坐标数据进行多站点平面配准、多站点高程配准、多期平面配准、多期高程配准。本发明的优点是:能够实现在高速公路上沉降监测,提高了点云数据的配准精度,能够在测量车上操作避免了在路面上布设靶球,提好了测量的安全性。
Description
技术领域
本发明属于工程测量技术领域,具体涉及一种基于道路标志线的点云数据配准方法。
背景技术
高速公路的桥头引道在使用过程中易发生不均匀沉降,尤其当车辆高速行驶通过时会出现跳车现象,严重影响行车安全,需定期对公路的桥头引道处进行沉降监测。现有的桥头引道沉降监测采用精密水准测量实现,水准测量方法精度高,但需作业人员在应急车道进行架站扶尺,危险系数高。三维激光扫描技术能够实现非接触测量,具备测量速度快、测量精度高的优点,适用于桥头引道的沉降监测。但现有的三维激光扫描需在现场布设靶标用于多站扫描数据之间的配准,但在高速公路不具备设常规靶球的条件。
发明内容
本发明的目的是根据上述现有技术的不足之处,提供一种基于道路标志线的点云数据配准方法,该点云数据配准方法通过对激光扫描图像识别和点云数据的计算,实现在高速公路上进行沉降监测。
本发明目的实现由以下技术方案完成:
一种基于道路标志线的点云数据配准方法,包括以下步骤:
步骤1,采用激光扫描仪沿道路延伸方向的采集道路标志线的点云数据;
步骤2,根据所述点云数据中的强度信息生成路面灰度影像;
步骤3,提取每个所述路面灰度影像中所述道路标志线的分道线的坐标数据;
步骤4,根据相同的所述分道线在不同的所述路面灰度影像中的所述坐标数据进行多站点平面配准、多站点高程配准、多期平面配准、多期高程配准。
所述步骤3中,所述坐标数据包括所述分道线的四个角点的平面坐标、所述分道线的两条长边及对应的斜率。
所述多站点平面配准包括以下步骤:将多个站点获取的所述坐标数据按照采集顺序进行排序,依次根据同一分道线在相邻的所述站点上获取的两组所述坐标数据进行所述平面配准。
所述多期平面配准包括以下步骤:将多期次获取的所述坐标数据按照采集顺序进行排序,依次根据同一分道线在相邻的所述期次上获取的两组所述坐标数据进行所述平面配准。
所述平面配准包括以下步骤:
步骤a,计算平面坐标转换的旋转角,计算公式为:
步骤b,计算平移参数,计算公式为:
步骤c,根据所述旋转角和所述平移参数对后一所述坐标数据进行配准计算,计算公式为:
所述多站点高程配准包括以下步骤:将多个站点获取的所述坐标数据按照采集顺序进行排序,从相邻的所述站点上获取的所述点云数据的中间区域分别选取位置相同的公共点云集合,依次根据所述公共点云集合进行所述高程配准。
所述多期高程配准包括以下步骤:将多期次获取的所述坐标数据按照采集顺序进行排序,从相邻的所述期次上获取的所述点云数据的测区范围内分别选取位置相同的公共点云集合,依次根据所述公共点云集合进行所述高程配准。
所述高程配准包括以下步骤:
步骤a,根据所述公共点云集合计算平均高程;
所述公共点云集合位于具有稳定路面基础的位置上。
本发明的优点是:能够实现在高速公路上沉降监测,提高了点云数据的配准精度,能够在测量车上操作避免了在路面上布设靶球,提好了测量的安全性。
附图说明
图1为本发明实施例中在高速公路上设置多个站点的示意;
图2为本发明实施例中路面灰度影像的示意图。
具体实施方式
以下结合附图通过实施例对本发明的特征及其它相关特征作进一步详细说明,以便于同行业技术人员的理解:
如图1-2,图中各标记分别为:分道线1、站点2。
实施例:本实施例具体涉及一种基于道路标志线的点云数据配准方法,通过对激光扫描图像识别和点云数据的计算,实现在高速公路上进行沉降监测。
本实施例中,根据图1所示,上述基于道路标志线的点云数据配准方法包括以下步骤:步骤1,采用激光扫描仪沿道路延伸方向的采集道路标志线的点云数据;步骤2,根据点云数据中的强度信息生成路面灰度影像;步骤3,提取每个路面灰度影像中道路标志线的分道线1的坐标数据;步骤4,根据相同的分道线1在不同的路面灰度影像中的坐标数据进行多站点2平面配准、多站点2高程配准、多期平面配准、多期高程配准。
本实施例中,上述的激光扫描仪为3D激光扫描仪,被设置在测量车上,测量车上在高速公路的应急车道上沿着道路延伸方向前进,根据激光扫描仪的扫描范围设定站点2之间的间隔,测量车依次在每个站点2上进行扫描拍摄,从而获取每个站点2上的点云数据,点云数据中包含了至少一条相同道路标志线的图案信息。将待检测的区域上所有站点2完成一次扫描,作为完成一个期次的扫描检测。在一个期次中将所有站点2获取的点云数据进行多站点2平面配准和多站点2高程配准,从而实现对一个期次所有的点云数据进行配准及整合。在一段时间的间隔后再进行一个期次的扫描,通过前后两个期次获取的点云数据进行多期平面配准、多期高程配准,从而获取前后两个期次的时间间隔中道路沉降的情况,将多个期次的点云数据执行上述操作,能够获取一段时间内道路连续沉降的情况。
本实施例中,上述的多站点2平面配准、多站点2高程配准、多期平面配准、多期高程配准均是基于道路标志线中分道线1相对稳定的形状进行计算实现。根据图2所示,上述坐标数据包括分道线1的四个角点A、角点B、角点C、角点D的平面坐标、分道线1的两条长边L1、长边L2及对应的斜率。上述的配准过程均是选取两个相邻的点云数据中同时包括的标志线,通过对标志线对应的坐标进行公式转换求解出两个相邻点云数据的配准。由于上述的站点2和期次都是连续的,将相邻的点云数据扫描顺序依次进行相应的计算,将多个站点2和期次获取的点云数据相互关联起来,实现上述多站点2平面配准、多站点2高程配准、多期平面配准、多期高程配准的效果。
本实施例中,多站点2平面配准包括以下步骤:将多个站点2获取的坐标数据按照采集顺序进行排序,依次根据同一分道线1在相邻的站点2上获取的两组坐标数据进行平面配准。多期平面配准包括以下步骤:将多期次获取的坐标数据按照采集顺序进行排序,依次根据同一分道线1在相邻的期次上获取的两组坐标数据进行平面配准。
上述多站点2平面配准进行单次平面配准包括以下步骤:
步骤a,计算平面坐标转换的旋转角,计算公式为:
步骤b,计算平移参数,计算公式为:
步骤c,根据旋转角和平移参数对后一站点2坐标数据进行配准计算,计算公式为:
本实施例中,将上述的单次平面配准,依次推广至每个相邻站点2的点云数据之间的配准计算上,从而将多个站点2的点云数据进行统一配准,避免了需要布设靶球进行配准的问题。
本实施例中,上述多期平面配准的平面配准步骤与上述多站点2平面配准相同,区别仅在于将前一站点2坐标数据替换为前一期次坐标数据,以及后一站点2坐标数据替换为后一期点坐标数据,计算过程均相同。将上述的单次平面配准,依次推广至每个相邻期次的点云数据之间的配准计算上,从而将多个期次的点云数据进行统一配准,从而获取到每个期次之间道路沉降的情况,避免了需要布设靶球进行配准的问题。
本实施例中,多站点2高程配准包括以下步骤:将多个站点2获取的坐标数据按照采集顺序进行排序,从相邻的站点2上获取的点云数据的中间区域分别选取位置相同的公共点云集合,依次根据公共点云集合进行高程配准。
本实施例中,多期高程配准包括以下步骤:将多期次获取的坐标数据按照采集顺序进行排序,从相邻的期次上获取的点云数据的测区范围内分别选取位置相同的公共点云集合,依次根据公共点云集合进行高程配准。公共点云集合的半径大小为1-3厘米。公共点云集合位于具有稳定路面基础的位置上。
本实施例中,单次的上述高程配准包括以下步骤:
步骤a,根据公共点云集合计算平均高程;
按顺序将上述的高程配准过程推广至所有的相邻站点2或所有的相邻期次,可以将一个期次中所有的站点2进行统一的高程配准计算,以及将多个期次的点云数据进行统一的高程配准计算,从而获取到每个期次之间道路沉降的情况和多个站点2之前道路沉降的情况。
本实施例具有如下优点:能够实现在高速公路上沉降监测,提高了点云数据的配准精度,能够在测量车上操作避免了在路面上布设靶球,提好了测量的安全性。
Claims (6)
1.一种基于道路标志线的点云数据配准方法,其特征在于,包括以下步骤:
步骤1,采用激光扫描仪沿道路延伸方向的采集道路标志线的点云数据;
步骤2,根据所述点云数据中的强度信息生成路面灰度影像;
步骤3,提取每个所述路面灰度影像中所述道路标志线的分道线的坐标数据;
步骤4,根据相同的所述分道线在不同的所述路面灰度影像中的所述坐标数据进行多站点平面配准、多站点高程配准、多期平面配准、多期高程配准;
所述多站点高程配准包括以下步骤:将多个站点获取的所述坐标数据按照采集顺序进行排序,从相邻的所述站点上获取的所述点云数据的中间区域分别选取位置相同的公共点云集合,依次根据所述公共点云集合进行所述高程配准;
所述多期高程配准包括以下步骤:将多期次获取的所述坐标数据按照采集顺序进行排序,从相邻的所述期次上获取的所述点云数据的测区范围内分别选取位置相同的公共点云集合,依次根据所述公共点云集合进行所述高程配准;
所述高程配准包括以下步骤:
步骤a,根据所述公共点云集合计算平均高程;
2.根据权利要求1所述的一种基于道路标志线的点云数据配准方法,其特征在于,所述步骤3中,所述坐标数据包括所述分道线的四个角点的平面坐标、所述分道线的两条长边及对应的斜率。
3.根据权利要求1所述的一种基于道路标志线的点云数据配准方法,其特征在于,所述多站点平面配准包括以下步骤:将多个站点获取的所述坐标数据按照采集顺序进行排序,依次根据同一分道线在相邻的所述站点上获取的两组所述坐标数据进行所述平面配准。
4.根据权利要求1所述的一种基于道路标志线的点云数据配准方法,其特征在于,所述多期平面配准包括以下步骤:将多期次获取的所述坐标数据按照采集顺序进行排序,依次根据同一分道线在相邻的所述期次上获取的两组所述坐标数据进行所述平面配准。
6.根据权利要求1所述的一种基于道路标志线的点云数据配准方法,其特征在于,所述公共点云集合位于具有稳定路面基础的位置上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811411270.6A CN109544607B (zh) | 2018-11-24 | 2018-11-24 | 一种基于道路标志线的点云数据配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811411270.6A CN109544607B (zh) | 2018-11-24 | 2018-11-24 | 一种基于道路标志线的点云数据配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544607A CN109544607A (zh) | 2019-03-29 |
CN109544607B true CN109544607B (zh) | 2021-07-06 |
Family
ID=65849914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811411270.6A Active CN109544607B (zh) | 2018-11-24 | 2018-11-24 | 一种基于道路标志线的点云数据配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544607B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127530B (zh) * | 2019-12-24 | 2023-06-20 | 山东科技大学 | 一种多期道路三维激光点云精确配准方法 |
CN113327276B (zh) * | 2021-06-30 | 2023-08-22 | 江苏海洋大学 | 一种面向移动测量大体量点云数据配准的方法 |
CN113808124B (zh) * | 2021-09-27 | 2024-05-10 | 河南中检工程检测有限公司 | 一种基于点云技术的桥头跳车判定方法 |
CN116817788B (zh) * | 2023-06-06 | 2024-04-05 | 中交第二公路勘察设计研究院有限公司 | 基于道路交通标线的高速公路改扩建多平台激光测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101914890A (zh) * | 2010-08-31 | 2010-12-15 | 中交第二公路勘察设计研究院有限公司 | 一种基于机载激光测量的公路改扩建勘测方法 |
CN103295239A (zh) * | 2013-06-07 | 2013-09-11 | 北京建筑工程学院 | 一种基于平面基准影像的激光点云数据的自动配准方法 |
CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
US9513130B1 (en) * | 2014-09-24 | 2016-12-06 | Rockwell Collins, Inc. | Variable environment high integrity registration transformation system and related method |
-
2018
- 2018-11-24 CN CN201811411270.6A patent/CN109544607B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101914890A (zh) * | 2010-08-31 | 2010-12-15 | 中交第二公路勘察设计研究院有限公司 | 一种基于机载激光测量的公路改扩建勘测方法 |
CN103295239A (zh) * | 2013-06-07 | 2013-09-11 | 北京建筑工程学院 | 一种基于平面基准影像的激光点云数据的自动配准方法 |
CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
US9513130B1 (en) * | 2014-09-24 | 2016-12-06 | Rockwell Collins, Inc. | Variable environment high integrity registration transformation system and related method |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
Non-Patent Citations (3)
Title |
---|
Point Cloud Registration with Virtual Interest Points from Implicit Quadric Surface Intersections;Mirza Tahir Ahmed et al;《2017 International Conference on 3D Vision (3DV)》;20180607;第649-657页 * |
一种基于断面剖分的线状道路特征提取方法;明洋 等;《中外公路》;20160108;第35卷(第6期);第5-8页 * |
精密机载激光扫描测量及道路改扩建设计;陈楚江 等;《公路交通科技》;20120115;第29卷(第1期);第43-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109544607A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544607B (zh) | 一种基于道路标志线的点云数据配准方法 | |
US10755132B2 (en) | Methods for extracting surface deformation feature of object based on linear scanning three-dimensional point cloud | |
CN106093963B (zh) | 一种提高铁路车载激光雷达扫描数据精度的方法 | |
CN102518028B (zh) | 一种激光雷达扫描测量平面坐标精密修正方法 | |
CN110780305A (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN110780307B (zh) | 基于电瓶车车载式激光点云移动测量***获取道路横断面的方法 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
CN109489623B (zh) | 一种采用三维激光扫描仪测量桥头引道不均匀沉降的方法 | |
CN108180912B (zh) | 基于混合导航带的移动机器人定位***及方法 | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
CN106157219B (zh) | 基于车载扫描***的道路中心线提取方法和装置 | |
CN110197157B (zh) | 一种基于历史裂纹数据的路面裂纹生长检测方法 | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
CN112561944A (zh) | 一种基于车载激光点云的车道线提取方法 | |
CN108978378A (zh) | 一种激光雷达道路改扩建勘测设计方法 | |
CN203824548U (zh) | 一种桥梁结构砼表面观测区面积测定仪 | |
CN110660094A (zh) | 一种基于图像识别的地铁隧道移动扫描点云精细划分方法 | |
CN205557277U (zh) | 一种路面裂缝病害检测*** | |
CN110532963A (zh) | 一种车载激光雷达点云驱动的道路标线精准提取方法 | |
CN112595719B (zh) | 一种基于三维激光扫描技术的路面病害精细化检测方法 | |
CN103245309A (zh) | 一种激光平整度测量误差补偿方法 | |
CN114897777A (zh) | 顾及空间关系的接触网支撑设施激光点云全自动提取方法 | |
Liu et al. | Deformation measurement of highway bridge head based on mobile TLS data | |
CN105654084A (zh) | 基于激光器的车牌定位方法、装置及*** | |
CN114119355B (zh) | 一种盾构隧道掉块风险预警方法与*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: No.38 Shuifeng Road, Yangpu District, Shanghai 200092 Patentee after: Shanghai Survey, Design and Research Institute (Group) Co.,Ltd. Address before: No.38 Shuifeng Road, Yangpu District, Shanghai 200092 Patentee before: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd. |
|
CP03 | Change of name, title or address |