CN112487932A - 基于道路点云的高速公路场景重构***及方法 - Google Patents
基于道路点云的高速公路场景重构***及方法 Download PDFInfo
- Publication number
- CN112487932A CN112487932A CN202011346069.1A CN202011346069A CN112487932A CN 112487932 A CN112487932 A CN 112487932A CN 202011346069 A CN202011346069 A CN 202011346069A CN 112487932 A CN112487932 A CN 112487932A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- road
- highway
- scene
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种基于道路点云的高速公路场景重构***及方法,所述方案利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构。通过上述方案有效解决了高速公路场景重构的问题,提高了重构的真实度及重构效率。
Description
技术领域
本公开涉及高速公路场景重构技术领域,尤其涉及一种基于道路点云的高速公路场景重构***及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着我国道路交通基础设施建设的巨大发展,道路通车里程和机动车保有量均迅速增长,使得道路交通运输业得以快速发展,对国民经济发展起到了重大促进作用。随之带来的交通事故也日趋严重,特别是,特别是群死群伤、重特大交通事故的发生往往造成严重的人员伤亡和巨大的财产损失,产生较大的社会影响,已引起国家管理部门的高度关注。近十几年来我国道路交通事故呈不断上升趋势,目前仍然是世界上交通伤害最严重的国家之一,交通安全形势十分严峻,保障道路交通安全的任务十分艰巨。
随着虚拟现实技术的发展,由于其能够再现真实的环境,使得虚拟现实***可以在许多方面得到广泛应用,随着各种技术的深度融合,虚拟现实技术在教育、艺术娱乐、医疗等领域的应用都有极大的发展;但是,发明人发现,虚拟现实技术在道路交通领域的应用研究较少,其中主要的困难在于高速公路场景的重构,高速公路场景动辄几十公里至上百公里,其三维数据获取量极其庞大,这就导致现有的数据采集以及场景重建方式无法适用于高速公路场景的重构;同时,由于高速公路上指示线、公路标志等等数量极多,现有方法无法对这些细节进行有效采集,导致重建后的高速公路场景与真实场景差异较大,无法用于道路交通的安全检测中;因此,急需一种能够快速准确实现高速功率场景重构的方法。
发明内容
本公开为了解决上述问题,提供一种基于道路点云的高速公路场景重构***及方法,所述方案能够有效解决的高速公路场景重构的问题,提高了重构场景的效率及真实度,为虚拟现实技术在道路交通领域的应用提供了保证。
根据本公开实施例的第一个方面,提供了一种基于道路点云的高速公路场景重构***,包括:
数据采集端,所述数据采集端为载有深度图像采集设备的测量车,其用于沿道路行驶,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站;
基站,所述基站被均匀设置于高速公路沿线,其信号覆盖整个高速公路范围,其用于接收测量车采集的高速公路沿线数据,并将所述数据转发至服务器端;
服务器端,其用于接收并解析测量车采集的数据,实现对点云数据的过滤、拼接,并通过采集的全景图像对拼接后的点云模型进行渲染,实现高速公路场景的重构。
进一步的,所述服务器端还用于,基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度。
进一步的,所述道路边线提取可以利用二维地图上的点云显示模式下进行边线提取;所述道路标线提取利用点云数据转栅格进行处理,经过强度信息的栅格化后,能够精确的提取道路标线;所述道路中心线通过道路标线进行拟合;所述点状地物提取采用三维地图上的点云显示单点或多点采集进行提取。
进一步的,所述数据采集端采集的数据需满足如下条件:
点云线间距小于10cm,全景图像间距小于10m,道路数据采集角度分辨率为0.072度,线频率为204HZ,全景曝光周期2张/s,曝光时长为0.6-1s。
根据本公开实施例的第二个方面,提供了一种基于道路点云的高速公路场景重构方法,其利用了上述的基于道路点云的高速公路重构方法,包括:
利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;
利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;
基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构。
进一步的,所述高速公路沿线数据采集过程中需遵循以下约束:高速公路需按照路线编号、名称及走向进行采集;对公路数据和电子地图进行准确性核对,确保基础属性数据、电子地图与公路实地的桩号保持一致。
进一步的,所述重构方法还包括基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度。
根据本公开实施例的第三个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,所述处理器执行所述程序时实现所述的一种基于道路点云的高速公路场景重构方法。
根据本公开实施例的第四个方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的一种基于道路点云的高速公路场景重构方法。
与现有技术相比,本公开的有益效果是:
(1)本公开所述方案利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构;有效解决了高速公路场景重构的问题,提高了高速公路重构的效率。
(2)本公开所述方案通过基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度,为虚拟现实技术在道路交通领域的应用提供了保证。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一中所述的基于道路点云的高速公路场景重构***结构图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一:
本实施例的目的是提供一种基于道路点云的高速公路场景重构***。
本实施例以青临高速南线的路段为例,对本公开所述的基于道路点云的高速公路场景重构***进行说明,一种基于道路点云的高速公路场景重构***,包括:
数据采集端,所述数据采集端为载有深度图像采集设备的测量车,其用于沿道路行驶,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站;
基站,所述基站被均匀设置于高速公路沿线,其信号覆盖整个高速公路范围,其用于接收测量车采集的高速公路沿线数据,并将所述数据转发至服务器端;
服务器端,其用于接收并解析测量车采集的数据,实现对点云数据的过滤、拼接,并通过采集的全景图像对拼接后的点云模型进行渲染,实现高速公路场景的重构。
进一步的,所述服务器端还用于,基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度。
进一步的,所述道路边线提取可以利用二维地图上的点云显示模式下进行边线提取;所述道路标线提取利用点云数据转栅格进行处理,经过强度信息的栅格化后,能够精确的提取道路标线;所述道路中心线通过道路标线进行拟合;所述点状地物提取采用三维地图上的点云显示单点或多点采集进行提取。
进一步的,所述数据采集端采集的数据需满足如下条件:
点云线间距小于10cm,全景图像间距小于10m,道路数据采集角度分辨率为0.072度,线频率为204HZ,全景曝光周期2张/s,曝光时长为0.6-1s。
进一步的,所述测量车上还携带有5G无线传输模块,通过所述5G无线传输模块可以快速实时的将采集的数据通过基站转发到服务器。
具体的,通过实际的实施过程对本公开所述方案进行详细说明:
(1)基站设置
根据基站架设的距离要求,两基站之间的距离应大于25公里小于40公里,在青临高速南线沿线共架设8个基站;基站架设位置:1号点QLXS1位于青州收费站,2号点为QLXS2位于临朐南收费站,3号点QLXS3位于沂山服务区,4号点QLXS4位于沂水北服务区,5号点QLXS5位于沂水南停车区,6号点QLXS6位于莒县停车区,7号点QLXS7位于临沂东收费站,8号点QLXS8位于临沭收费站;
(2)作业路线规划
整个工程分为2段:第一段从青州牛家村到沂水收费站南300处;第二段从沂水收费站到鲁苏收费站省界处;
在天气环境允许的情况下,第一天控制点的布设与碎部检核点测量同步进行。第一阶段行驶路线为:青州北收费站—经青州西收费站—开始1点—结束1点—沂水南收费站(掉头)—开始2点—结束2点—青州西收费站—青州收费站。基站架设在1号点QLXS1青州收费站、2号点QLXS2临朐南收费站、3号点QLXS3沂山服务区、4号点QLXS4沂水北服务区。测量车共计里程(136公里×2趟)约为272公里,基站输送车共计里程(73公里×2趟)约为146公里。第二阶段行驶路线为:沂水收费站—开始1点—结束1点—省界(班庄收费站)—-开始2点—结束2点—沂水南停车区。基站架设在5号点QKXS5沂水南停车区、6号点QLXS6莒县停车区、7号点QLXS7临沂东收费站、8号点QLXS8临沭收费站。测量车共计里程(127公里×2趟)约为254公里,基站输送车共计里程(90公里×2趟)约为180公里。
(3)数据获取与解析
数据的下载有两种方式:(1)基站数据下载。利用监控端连接接收机,选择所需的数据下载到固定盘中,对数据进行检查和处理。(2)车载数据下载。利用监控端谅解主机,选择对应的文件数据进行下载和整理。数据预处理包括组合导航解算软件(InertialExplorer)和数据解析处理软件(VSursPROCESS2.0)。使用IE软件进行组合导航数据解算;VSursPROCESS数据解析处理软件的功能包括:多传感器原始数据解析、时空融合、空间坐标转换、全景影像处理等。
数据预处理:通过车载数据解析,获得地方坐标系下的测量车行驶轨迹、高精度真彩点云数据和360°全景影像。数据处理时只需设置好相应参数(点过滤参数、去噪参数、坐标转换参数等),软件自动化解析,效率为外业实际采集时长的1/2。
①组合导航数据处理
Inertial Explorer后处理软件是NovAtel公司研发的强大的、可配置度高的事后处理软件,可实现多种方法的GPS、INS数据、车轮编码数据集成处理,包括GPS差分、PPP精密单点定位等处理方式;可直接利用CORS站的静态数据进行解算,可进行信号质量统计分析。
②点云及全景数据解析
利用VSursPROCESS软件,进行点云数据及全景数据的快速自动解析,点云过滤与抽稀,点云与全景自动融合生成真彩点云。
(4)数据质量保证
为保证数据的质量,现采取如下措施进行数据质量的检查以及监督,确保采集数据的可靠性以及完整性:
a)在数据的解算的过程中,其中涉及到的各项参数(IE中的基站仪器高以及架设点的经纬度)都需要至少2位作业人员经过检查之后才可以解算确保数据的正确性,并做好解算过程中的相关记录;
b)在基站的架设的过程中,看守基站的人员需要在开始之前以及结束之前都要测量基站的仪器高度,以免因为输错仪器高而造成的数据解算的错误,并做好手薄的记录;
c)在解算完成之后,对于采集的全景照片需要在生成的轨迹上逐一的检查是否连续,对于点云来说每隔10公里需要进行点云的抽查,确保采集的数据在后期内业的处理中使用。
d)在解数据的时候,相关的人员都经过检查没有错误以后签字才可以通过,在过程中相关的数据都要形成记录表格由负责人签字,确保数据的准确性。
e)使用山东省cors测量基站点和碎部点坐标,进行质量检核。
(5)技术要求
1)基本要求
高速公路必须按调整后路线编、名称及走向进行采集。对公路数据和电子地图进行准确性核对,确保基础属性数据、电子地图与公路实地的桩号保持一致。公路命名编号和里程梳理后不符合国家相关规定的,要重新调整公路实地标识。
a)电子地图的数据格式、坐标***
采用shp格式,各图层应当包含空间及属性数据文件;坐标***采用大地坐标系即WGS84坐标系(3度带投影)。
b)精度要求
根据要求,保证数据精度,为后期应用提供基础,精度须达到以下两方面:采样点平面精度和高程精度达到厘米级;采集电子地图里程与统计里程识差不超过1%。
c)数据要求
要求路线每10-50米采集一个点,针对不同的地形进行加密或疏减,每个测量点包含经度、纬度、高程信息,其它属性数据在原有统计数据库的基础上,进行补充调查测量;
高速公路路线按上下行分别进行采集;
基于移动测量外业数据采集,可获取沿线的高清全景照片、高精度点云数据等多种原始数据。在原始数据解算时,采用3度分带投影处理,保证接边位置误差小于5cm
2)分析要求
提取内容。根据强度栅格提取道路边线,车道中心线及里程桩、服务区、出入口。
提取处理模式:
a)道路边线等边线提取:
道路边线提取可以利用二维地图上的点云显示,利用该模式进行边线提取并录入相应属性。高速公路运营安全虚拟现实评价体系与应急调度***研究研究报告
b)道路标线提取:
道路标线提取可以利用点云数据转栅格进行处理,经过强度信息的栅格化后,对应的标线比较清晰地显示在栅格图中,以此进行提取并录入相应属性。
c)道路中心线提取:
通过道路边线可拟合出道路中心线。
d)点状地物提取:
切换到相应点状地物层,利用三维地图上点云显示单点采集或多点采集提取并录入属性。
实施例二:
本实施例的目的是提供一种基于道路点云的高速公路场景重构方法。
一种基于道路点云的高速公路场景重构方法,其利用了上述的基于道路点云的高速公路重构方法,包括:
利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;
利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;
基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构。
进一步的,所述高速公路沿线数据采集过程中需遵循以下约束:高速公路需按照路线编号、名称及走向进行采集;对公路数据和电子地图进行准确性核对,确保基础属性数据、电子地图与公路实地的桩号保持一致。
进一步的,所述测量车基于移动测量外业数据采集方法,获取沿线的高清全景照片、高精度点云数据;在原始数据解算时,采用3度分带投影处理,保证接边位置误差小于5cm。
进一步的,所述重构方法还包括基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度。
实施例三:
本实施例的目的是提供一种电子设备。
一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述的一种基于道路点云的高速公路场景重构方法及***,包括:
利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;
利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;
基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构。
实施例四:
本实施例的目的是提供一种非暂态计算机可读存储介质。
一种非暂态计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的一种基于道路点云的高速公路场景重构方法,包括:
利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;
利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;
基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构。
上述实施例提供的基于道路点云的高速公路场景重构方法及***完全可以实现,具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.基于道路点云的高速公路场景重构***,其特征在于,包括:
数据采集端,所述数据采集端为载有深度图像采集设备的测量车,其用于沿道路行驶,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站;
基站,所述基站被均匀设置于高速公路沿线,其信号覆盖整个高速公路范围,其用于接收测量车采集的高速公路沿线数据,并将所述数据转发至服务器端;
服务器端,其用于接收并解析测量车采集的数据,实现对点云数据的过滤、拼接,并通过采集的全景图像对拼接后的点云模型进行渲染,实现高速公路场景的重构。
2.如权利要求1所述的一种基于道路点云的高速公路场景重构***,其特征在于,所述服务器端还用于,基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度。
3.如权利要求1所述的一种基于道路点云的高速公路场景重构***,其特征在于,所述道路边线提取可以利用二维地图上的点云显示模式下进行边线提取;所述道路标线提取利用点云数据转栅格进行处理,经过强度信息的栅格化后,能够精确的提取道路标线;所述道路中心线通过道路标线进行拟合;所述点状地物提取采用三维地图上的点云显示单点或多点采集进行提取。
4.如权利要求1所述的一种基于道路点云的高速公路场景重构***,其特征在于,所述数据采集端采集的数据需满足如下条件:
点云线间距小于10cm,全景图像间距小于10m,道路数据采集角度分辨率为0.072度,线频率为204HZ,全景曝光周期2张/s,曝光时长为0.6-1s。
5.一种基于道路点云的高速公路场景重构方法,其特征在于,利用了如权利要求1-4任一项所述的基于道路点云的高速公路重构方法,包括:
利用载有深度图像采集设备的测量车,实时采集地方坐标系下的高速公路的沿线数据,并将所述数据上传至基站,并通过所述基站转发给所述服务器;
利用所述服务器对所述测量车采集的数据进行解析,获得地方坐标系下的测量车行驶轨迹、点云数据和全景图像;
基于获得的行驶轨迹对不同路段的点云数据进行拼接,并利用所述全景图像对所述点云数据进行渲染,完成高速公路的场景重构。
6.如权利要求5所述的一种基于道路点云的高速公路场景重构方法,其特征在于,所述高速公路沿线数据采集过程中需遵循以下约束:高速公路需按照路线编号、名称及走向进行采集;对公路数据和电子地图进行准确性核对,确保基础属性数据、电子地图与公路实地的桩号保持一致。
7.如权利要求5所述的一种基于道路点云的高速公路场景重构方法,其特征在于,所述测量车基于移动测量外业数据采集方法,获取沿线的高清全景照片、高精度点云数据;在原始数据解算时,采用3度分带投影处理,保证接边位置误差小于5cm。
8.如权利要求5所述的一种基于道路点云的高速公路场景重构方法,其特征在于,所述重构方法还包括基于所述点云数据,进行道路边线提取、道路标线提取、道路中心线提取以及点状地物提取,并利用提取的内容对所述点云模型进行进一步渲染,提高高速公路重构场景的真实度。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求5-8任一项所述的一种基于道路点云的高速公路场景重构方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求5-8任一项所述的一种基于道路点云的高速公路场景重构方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011346069.1A CN112487932A (zh) | 2020-11-26 | 2020-11-26 | 基于道路点云的高速公路场景重构***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011346069.1A CN112487932A (zh) | 2020-11-26 | 2020-11-26 | 基于道路点云的高速公路场景重构***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112487932A true CN112487932A (zh) | 2021-03-12 |
Family
ID=74935129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011346069.1A Pending CN112487932A (zh) | 2020-11-26 | 2020-11-26 | 基于道路点云的高速公路场景重构***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487932A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359463A (zh) * | 2022-03-20 | 2022-04-15 | 宁波博登智能科技有限公司 | 一种针对地面标识的点云标注***及方法 |
CN116912451A (zh) * | 2022-09-20 | 2023-10-20 | 梅卡曼德(北京)机器人科技有限公司 | 点云图像获取方法、装置、设备及存储介质 |
-
2020
- 2020-11-26 CN CN202011346069.1A patent/CN112487932A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359463A (zh) * | 2022-03-20 | 2022-04-15 | 宁波博登智能科技有限公司 | 一种针对地面标识的点云标注***及方法 |
CN116912451A (zh) * | 2022-09-20 | 2023-10-20 | 梅卡曼德(北京)机器人科技有限公司 | 点云图像获取方法、装置、设备及存储介质 |
CN116912451B (zh) * | 2022-09-20 | 2024-05-07 | 梅卡曼德(北京)机器人科技有限公司 | 点云图像获取方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101932623B1 (ko) | 3차원 도로 모델의 모델링 방법, 장치 및 저장 매체 | |
CN203786891U (zh) | 基于gis的移动监测融合平台 | |
CN105905132B (zh) | 一种轨道状态智能巡检装置和方法 | |
CN104573733A (zh) | 一种基于高清正射影像图的高精细地图生成***及方法 | |
CN108320515B (zh) | 一种交通事故地点路网自动匹配校验方法及*** | |
CN103778681A (zh) | 一种车载高速公路巡检***及数据获取和处理方法 | |
CN104851043B (zh) | 基于地理信息系技术的税源核查监控方法 | |
CN101335431A (zh) | 基于机载激光雷达数据的架空送电线路优化选线方法 | |
CN102506823B (zh) | 基于差分gps的交通事故现场勘查方法 | |
CN104280036A (zh) | 一种交通信息的检测与定位方法、装置及电子设备 | |
CN112487932A (zh) | 基于道路点云的高速公路场景重构***及方法 | |
Jalayer et al. | A comprehensive assessment of highway inventory data collection methods | |
CN110490975B (zh) | 一种基于正射影像数据的施工总平面图制作方法 | |
CN103559745A (zh) | 一种逆向复现汽车事故现场的*** | |
CN103411619A (zh) | 一种三维道路生成***及方法 | |
CN104281746A (zh) | 一种基于点云的交通安全道路特征图成图方法 | |
CN104679822A (zh) | 一种地理国情外业调绘方法 | |
Macay Moreia et al. | From DSM to 3D building models: a quantitative evaluation | |
Leslar et al. | Using mobile lidar to survey a railway line for asset inventory | |
CN112348952A (zh) | 艰险山区多源地理信息数据融合的三维场景构建方法 | |
CN111089560A (zh) | 一种基于三维实景模型的地铁结构健康监测预警*** | |
Van Son et al. | A framework for reliable three-dimensional underground utility mapping for urban planning | |
CN102750369A (zh) | 一种基于pgis的交通违法事故地点快速定位方法 | |
CN111539100A (zh) | 井场虚拟建设模型的生成方法、装置、设备及存储介质 | |
CN105787003A (zh) | 实现逼真的三维城市道路地图的方法 |
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 |