CN113280798B - 隧道gnss拒止环境下车载扫描点云的几何纠正方法 - Google Patents

隧道gnss拒止环境下车载扫描点云的几何纠正方法 Download PDF

Info

Publication number
CN113280798B
CN113280798B CN202110820156.4A CN202110820156A CN113280798B CN 113280798 B CN113280798 B CN 113280798B CN 202110820156 A CN202110820156 A CN 202110820156A CN 113280798 B CN113280798 B CN 113280798B
Authority
CN
China
Prior art keywords
point cloud
vehicle
target
cloud data
tunnel
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
Application number
CN202110820156.4A
Other languages
English (en)
Other versions
CN113280798A (zh
Inventor
李升甫
葛旭明
廖知勇
汪镇东
贾洋
汪致恒
刘霜辰
许濒支
姚周祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Sichuan Highway Planning Survey and Design Institute Ltd
Original Assignee
Southwest Jiaotong University
Sichuan Highway Planning Survey and Design Institute Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University, Sichuan Highway Planning Survey and Design Institute Ltd filed Critical Southwest Jiaotong University
Priority to CN202110820156.4A priority Critical patent/CN113280798B/zh
Publication of CN113280798A publication Critical patent/CN113280798A/zh
Application granted granted Critical
Publication of CN113280798B publication Critical patent/CN113280798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G01C15/002—Active optical surveying means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明属于激光扫描测绘领域，提供了一种隧道GNSS拒止环境下车载扫描点云的几何纠正方法，能够解决隧道区域非刚体变形的点云几何纠正问题，从而满足高精度点云采集的需求。本发明中，首先沿隧道延伸方向分组布设标靶；其次，通过车载扫描***测绘获取点云数据，通过实测获取各标靶的校准点坐标；其三，从车载扫描***获得的点云数据中提取对应标靶的同名点三维坐标；然后，分组计算实测标靶坐标和点云标靶坐标间的转换参数，对各组标靶对应的车载扫描***轨迹位置进行纠正，并在其他待纠正的轨迹区域通过插值方法补全移动测量***轨迹；最后利用纠正后的移动测量***的准确轨迹重新解算得到高精度的长隧道点云数据。

Description

隧道GNSS拒止环境下车载扫描点云的几何纠正方法
技术领域
本发明属于激光扫描测绘领域，具体涉及一种隧道GNSS拒止环境下车载扫描点云的几何纠正方法。
背景技术
随着车载移动三维激光测量***的发展，该技术作为一种地理空间数据获取方式，已成为大场景三维点云数据采集的主要数据来源，具有安全、精确、高效的特点，在道路交通等相关领域的应用中发挥着至关重要的作用，在公路的规划管理、运营维护、数字建模及资产要素提取等方面具有巨大的潜力。
但该技术的点云数据采集精度依赖于良好的连续GNSS信号，所述GNSS即GlobalNavigation Satellite System的简称，中文全称为全球导航卫星***。因此，在长度大于3千米的长隧道的测绘中，由于GNSS信号的缺失，车载移动测量***的位姿数据仅能通过惯性导航***和里程计提供，从而导致序贯式的误差累积，造成所采集的隧道内部点云数据空间位置失准，无法满足高精度点云数据采集的需求。
为解决上述位置失准的问题，在现有技术中，通常在移动扫描点云作业中，通过在作业区域的GNSS缺失区域均匀布设密集的控制点，然后通过在具有误差的点云中提取对应的同名点，进行七参数转换来进行点云的纠正。
但该方法在长隧道GNSS拒止环境下，由于点云扫描测绘过程中，仅通过INS（全称Inertial Navigation System，即惯性导航***）提供车载移动扫描***的瞬时位置，通过其解算得到的点云为非刚体变形，并且隧道区域为条状，因此，并不能满足对点云进行几何纠正的要求，且作业难度大，数据量大，具体实施极为困难。
发明内容
本发明所要解决的技术问题是提供一种隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其能有效地解决：在隧道测绘中，尤其是长隧道测绘中，由于测绘过程GNSS信号缺失而导致的所采集点云数据的非刚体变形问题。
本发明解决上述技术问题采用的技术方案是：隧道GNSS拒止环境下车载扫描点云的几何纠正方法，包括以下步骤：
S1、在隧道区域内，进行实地的标靶布设，标靶沿隧道延伸方向分组布设，每组包括4个以上的标靶，组间间隔设置；
S2、通过车载扫描***测绘，获取包括各标靶点云数据在内的隧道点云数据；通过隧道测量控制网，实测各标靶的校准点坐标；
S3、对隧道点云数据进行处理，提取点云数据中对应的各标靶点云数据，并根据提取的各标靶点云数据，进一步获取各标靶点云数据中与实测标靶校准点对应的同名点坐标；
S4、通过实测的各组标靶的校准点坐标及与其对应的标靶点云数据中的同名点坐标，计算得到对应于每组标靶的转换参数，分别利用各组标靶对应的转换参数纠正与其布设位置相对应位置处的车载扫描***的轨迹位置，获取纠正后的车载扫描***的整体移动轨迹；
S5、根据纠正后的车载扫描***的整体移动轨迹，将隧道点云数据从车载扫描***的激光扫描坐标系解算到世界坐标系，并重新生成隧道点云。
作为进一步优化，步骤S1中，各组标靶间沿隧道延伸方向的间距为200~1000m，组内各标靶沿隧道延伸方向的布设长度小于10m，且组内各标靶布设于不同水平面；各标靶沿隧道延伸方向的边长d>0.08*f/v，其中，f为车载扫描***的激光扫描频率，v为车载扫描***的行驶速度。
作为进一步优化，步骤S1布设标靶所采用材料的反射率高于隧道场景的反射率，两者反射率的差异应满足基于强度值的点云数据提取；标靶的形状具备满足基于形状的点云标靶模板匹配所要求的形状特征。
作为进一步优化，步骤S3中，对隧道点云数据进行处理，提取点云数据中对应的各标靶点云数据，并根据提取的各标靶点云数据，进一步获取各标靶点云数据中与实测标靶校准点对应的同名点坐标，具体包括：
S31、对点云数据进行强度采样：在车载扫描***获取的点云数据中，随机选取部分标靶的点云数据进行强度值采样，确定标靶点云数据的强度值范围；
S32、对点云数据进行信息增强：通过S31确定的标靶点云数据的强度值范围，对点云数据进行强度值拉伸；
S33、标靶点云数据的粗提取；通过对S32增强后的点云数据进行直方图统计，根据强度信息剔除点云数据中异于所确定标靶点云数据强度值范围的其他点云数据，得到粗提取的标靶点云数据；
S34、将粗提取获得的标靶点云数据与预制的标准点云标靶模板进行形状匹配，得到精提取的标靶点云数据；
S35、根据精提取的标靶点云数据，提取标靶点云数据中与实测标靶校准点对应的同名点坐标。
作为进一步优化，步骤S4具体包括：
S41、通过实测的各组标靶的校准点坐标及与其对应的标靶点云数据中的同名点坐标，分别计算每组实测校准点坐标及与其对应的点云同名点坐标的转换参数；
S42、通过对应于每组标靶的转换参数，对与其布设位置相对应位置处的车载扫描***的轨迹位置进行纠正；
S43、通过插值方法对相邻各组标靶间的车载扫描***的轨迹位置进行补全，获取纠正后的车载扫描***的整体移动轨迹。
作为进一步优化，步骤S41中，所述计算每组实测校准点坐标及与其对应的点云同名点坐标的转换参数，具体包括：通过奇异值分解的方法计算每组实测校准点坐标及与其对应的点云同名点坐标的旋转矩阵R与平移矩阵T。
作为进一步优化，步骤S42中，所述通过对应于每组标靶的转换参数，对与其布设位置相对应位置处的车载扫描***的轨迹位置进行纠正，具体包括：
S421、根据每组标靶点云数据的激光扫描时刻，在待纠正的车载扫描***的POS数据中，确定扫描该组标靶时的车载扫描***的轨迹位置
Figure 245458DEST_PATH_IMAGE001
；
S422、通过对应组标靶的转换参数，对对应的待纠正车载扫描***轨迹位置
Figure 755199DEST_PATH_IMAGE001
，利用旋转矩阵R与平移矩阵T进行纠正，获得纠正后的车载扫描***轨迹位置
Figure 264459DEST_PATH_IMAGE002
：
Figure 715775DEST_PATH_IMAGE003
。
作为进一步优化，步骤S42中，针对各组标靶，根据组内各标靶对应的扫描时刻，在待纠正的车载扫描***的POS数据中，查找与该标靶扫描时刻时间相邻的轨迹位置采样时刻：
若存在标靶扫描时刻与对应轨迹位置采样时刻相同，则以该轨迹位置采样时刻所采样的轨迹位置，作为该组标靶对应的待纠正的车载扫描***的轨迹位置
Figure 621546DEST_PATH_IMAGE001
，若组内多个标靶均存在标靶扫描时刻与对应轨迹位置采样时刻相同，则随机选取一个；
若不存在标靶扫描时刻与对应轨迹位置采样时刻相同，则确定该标靶扫描时刻时间前后两侧的轨迹位置采样时刻，以满足于
Figure 266021DEST_PATH_IMAGE004
的轨迹位置扫描时刻作为该标靶扫描时刻所对应的轨迹位置采样时刻，其中，
Figure 878005DEST_PATH_IMAGE005
为标靶扫描时刻，
Figure 838789DEST_PATH_IMAGE006
为轨迹位置采样时刻，s为轨迹位置数据的采样间隔时间；根据组内各标靶扫描时刻与其对应的轨迹位置采样时刻的差值，以差值最小的轨迹位置采样时刻所采样的轨迹位置，作为该组标靶对应的待纠正的车载扫描***的轨迹位置
Figure 407305DEST_PATH_IMAGE001
。
作为进一步优化，步骤S43中，通过线性内插方法对相邻各组标靶间的车载扫描***的轨迹位置进行补全，具体包括：
S431、根据相邻两组标靶所对应的轨迹位置的采样时刻
Figure 381384DEST_PATH_IMAGE007
，以及车载扫描***的轨迹位置采样间隔时间s，计算相邻车载扫描***轨迹位置间的待纠正位置点个数n：
Figure 728052DEST_PATH_IMAGE008
S432、通过纠正后的相邻车载扫描***的轨迹位置的三维坐标
Figure 107955DEST_PATH_IMAGE009
，利用线性内插方法计算两点间n个待纠正点，获得纠正后的整体车载***轨迹：
Figure 73637DEST_PATH_IMAGE010
Figure 989641DEST_PATH_IMAGE011
Figure 100685DEST_PATH_IMAGE012
为第i个区间中的第j个待纠正点纠正前的位置坐标，
Figure 938191DEST_PATH_IMAGE013
为第i个区间中的第j个待纠正点纠正后的位置坐标，
Figure 661559DEST_PATH_IMAGE014
分别为对应采样时刻
Figure 697648DEST_PATH_IMAGE007
的纠正前的车载扫描***轨迹位置坐标，
Figure 245173DEST_PATH_IMAGE009
分别为对应采样时刻
Figure 304395DEST_PATH_IMAGE007
的纠正后的车载扫描***轨迹位置坐标。
作为进一步优化，步骤S5具体包括：
S51、将点云数据从激光扫描坐标
Figure 365542DEST_PATH_IMAGE015
转换到车载***坐标
Figure 990559DEST_PATH_IMAGE016
：
Figure 708985DEST_PATH_IMAGE017
其中，
Figure 255504DEST_PATH_IMAGE018
表示激光扫描仪在车载***坐标系中的姿态，
Figure 163417DEST_PATH_IMAGE019
表示激光扫描仪在车载***坐标系中的位置，均为激光扫描仪的标定参数；
S52、将点云数据从车载***坐标
Figure 862514DEST_PATH_IMAGE016
转换到世界坐标
Figure 502574DEST_PATH_IMAGE020
，重新生成隧道点云数据：
Figure 582394DEST_PATH_IMAGE021
其中，
Figure 231681DEST_PATH_IMAGE022
为车载坐标系到世界坐标***的旋转矩阵，由车载***原始POS数据提供，
Figure 516776DEST_PATH_IMAGE023
为车载坐标系到世界坐标系的平移参数，由纠正后的车载***POS数据提供；
在轨迹位置数据两帧之间采用均匀采样的方法得到每个原始点云对应的轨迹姿态和位置。
本发明的有益效果是：通过少量标靶组对车载移动测量***的轨迹进行校正，然后根据校正后的轨迹重新生成高精度点云，有效地解决了GNSS长时间缺失的隧道区域点云非刚体变形的问题，为道路的数字化应用提供了可靠且精确的数据支撑；本发明中的点云纠正方法对不同隧道都保持良好的鲁棒性，尤其是针对长隧道，且算法流程简单，并具有较高的纠正精度和效率。
附图说明
图1是本发明实施例中的扫描点云几何纠正方法整体流程图。
具体实施方式
本发明旨在提出一种隧道GNSS拒止环境下车载扫描点云的几何纠正方法，提高隧道，尤其是长隧道区域非刚体变形的点云纠正精度，从而满足高精度点云采集的需求。
由于车载扫描***的激光扫描***坐标系到世界坐标系的计算简式如下：
Figure 593316DEST_PATH_IMAGE024
式中，
Figure 911165DEST_PATH_IMAGE020
为点云的世界坐标，
Figure 347831DEST_PATH_IMAGE015
为激光扫描***采集的原始坐标，
Figure 5209DEST_PATH_IMAGE018
、
Figure 800120DEST_PATH_IMAGE019
为激光扫描坐标系到载体坐标系的标定转换参数，
Figure 729899DEST_PATH_IMAGE022
、
Figure 517727DEST_PATH_IMAGE023
为载体坐标系到世界坐标系的标定转换参数。
在GNSS拒止环境下，
Figure 295190DEST_PATH_IMAGE022
为惯性导航***提供的姿态信息，不存在误差累计；而
Figure 291414DEST_PATH_IMAGE023
仅通过惯性导航***随时间的积分计算得到，存在序贯式的累计误差。因此，
Figure 255959DEST_PATH_IMAGE025
项不受GNSS影响，可知载体的轨迹与扫描结果点云之间为固联关系，通过计算实测标靶坐标与点云中的标靶坐标之间的转换参数即可对***载体的轨迹进行纠正。
因此，在本发明中，首先，针对隧道环境制作标靶，并在长隧道区域往返两侧进行分组布设，标靶的设计应满足于标靶点云数据提取的需要，具体的与其提取算法有关，在本发明的实施例中通过强度值和形状提取，因此，标靶应具备与隧道场景的反射率的较大差异，并具备一定的形状特征；其次，实测布设标靶校准点的三维坐标，并从车载扫描***获得的点云数据中提取对应标靶校准点的同名点三维坐标；然后分组计算实测标靶校准点坐标和点云标靶同名点坐标间的转换参数，对各组标靶对应位置处的车载扫描***轨迹位置进行纠正，并在其他待纠正的轨迹区域通过插值方法获得纠正后的移动测量***轨迹；最后利用纠正后的移动测量***的准确轨迹重新解算得到高精度的隧道点云数据，整体流程如图1所示。
实施例：
本实施例提出的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，包括以下步骤：
S1、在隧道区域内，进行实地的标靶布设，标靶沿隧道延伸方向分组布设，每组包括4个以上的标靶，组间间隔设置；
S2、通过车载扫描***测绘，获取包括各标靶点云数据在内的隧道点云数据；通过隧道测量控制网，实测各标靶的校准点坐标；
S3、对隧道点云数据进行处理，提取点云数据中对应的各标靶点云数据，并根据提取的各标靶点云数据，进一步获取各标靶点云数据中与实测标靶校准点对应的同名点坐标；
S4、通过实测的各组标靶的校准点坐标及与其对应的标靶点云数据中的同名点坐标，计算得到对应于每组标靶的转换参数，分别利用各组标靶对应的转换参数纠正与其布设位置相对应位置处的车载扫描***的轨迹位置，获取纠正后的车载扫描***的整体移动轨迹；
S5、根据纠正后的车载扫描***的整体移动轨迹，将激光点云数据从车载扫描***的激光扫描坐标系解算到世界坐标系，并重新生成隧道点云。
步骤S1，布设标靶，包括：
步骤S11，标靶制作：
为了便于实地量测以及从点云中提取标靶，布设标靶所采用材料的反射率高于隧道场景的反射率，两者反射率的差异应满足基于强度值的点云数据提取；标靶的形状具备满足基于形状的点云标靶模板匹配所要求的形状特征。
具体的，在本实施例中，标靶采用白色A4纸拼接构成背景板，并在背景板上通过粘贴十字交叉的铝箔形成反射率差异足够的标靶，以十字交叉点构成校准点方便测量。除本实施例的形状外，也可以采用圆形带中心点的标靶、顶点相交的两三角形构成的标靶等，其设计主要依据于测量及点云提取的方便；其材质的选取主要依据于反射率差异，可根据经验进行选择，本实施例选择A4纸及铝箔主要是方便获得。
步骤S12，标靶实地布设：
其一，由于计算转换参数至少需要4对以上的三维坐标，因此，进行实地的标靶布设时，标靶沿隧道延伸方向分组布设，每组包括4个以上的标靶，组间间隔设置。
其二，为保证隧道点云纠正的均匀分布，标靶沿隧道延伸方向分组布设，组间间距根据需求精度指标决定，精度需求越高，则间隔越短，根据实验，每200米间距下各方向均方根误差不超过15厘米，足以满足高精度要求，因此，推荐的，各组标靶间沿隧道延伸方向的间距为200~1000m。所述各组标靶间沿隧道延伸方向的间距，即相邻两组标靶的相邻标靶沿隧道延伸方向，两者校准点之间的间距。
其三，为保证转换参数的准确性，标靶应避免因间隔较远导致的非刚体变形，也即组内标靶的首次扫描时刻和末次扫描时间的时间差应足够小，比如在1秒以内，具体距离的设置与组内标靶数量、车载扫描***的激光扫描频率和行驶速度有关。根据实验，在常规车载扫描***下，推荐的，组内各标靶沿隧道延伸方向的布设长度小于10m。
其四，为保证计算结果的鲁棒性，组内各标靶布设于不同水平面。
其五，标靶的大小规格应根据车载扫描***实际允许的行驶速度决定，以保证采集后落在标靶上的点云足够密集，因此，最优的，各标靶沿隧道延伸方向的边长d>0.08*f/v，其中，f为车载扫描***的激光扫描频率，v为车载扫描***的行驶速度。
具体的，在本实施例中，每组包括4个标靶，当然，为了避免无效测量的干扰，最好的，可以设置为每组6个标靶。沿隧道延伸方向，各组标靶间的间距为200m，各组标靶组内布设的长度为1m，且布设于不同一水平面，沿隧道延伸方向由两张A4纸拼接构成。
步骤S2，测量，包括：
步骤S21，通过车载扫描***测绘，获取包括各标靶点云数据在内的隧道点云数据。
步骤S22，通过隧道测量控制网，实测各标靶的校准点坐标：
步骤S221，测量隧道内地面控制点的三维坐标：根据每组标靶在隧道内的布设位置，在隧道内选取地面控制点，并通过隧道测量控制网测量地面控制点的三维坐标。
步骤S222，测量隧道两侧布设标靶校准点的三维坐标：在地面控制点的基础上，通过碎步测量获取在隧道两侧墙壁实际布设标靶的校准点的三维坐标。
步骤S3，坐标提取，包括：
S31、对点云数据进行强度采样：在车载扫描***获取的点云数据中，随机选取部分标靶的点云数据进行强度值采样，确定标靶点云数据的强度值范围。
S32、对点云数据进行信息增强：通过S31确定的标靶点云数据的强度值范围，对点云数据进行强度值拉伸。
S33、标靶点云数据的粗提取；通过对S32增强后的点云数据进行直方图统计，根据强度信息剔除点云数据中异于所确定标靶点云数据强度值范围的其他点云数据，得到粗提取的标靶点云数据。
S34、将粗提取获得的标靶点云数据与预制的标准点云标靶模板进行形状匹配，得到精提取的标靶点云数据。
具体而言，根据布设的标靶位置分布的特性，按照距离阈值
Figure 96745DEST_PATH_IMAGE026
对粗提取标靶点云进行分割，得到粗提取标靶点云集
Figure 463135DEST_PATH_IMAGE027
，然后将标准标靶点云模板
Figure 803112DEST_PATH_IMAGE028
与点云集内每一组点云进行模板匹配：首先计算标靶点云的法向量主方向，然后将三维点云映射到二维平面上，得到标靶点云和标准模板的二维图像，最后通过二维图像模板匹配得到最终的精提取标靶结果。
S35、根据精提取的标靶点云数据，提取标靶点云数据中与实测标靶校准点对应的同名点坐标。
同名点坐标可以采用计算机自动提取，但由于载体行驶非匀速行驶及遮挡等影响，采集得到的标靶点云不会完全保持原有形状，自动提取的坐标会导致转换精度存在一定程度的降低，因此，为保证精度，在本实施例中，对匹配后提取得到的点云标靶手动提取同名点的三维坐标并进行编号和分组，然后找到对应实测的标靶校准点坐标。
步骤S4，轨迹纠正，包括：
S41、通过实测的各组标靶的校准点坐标及与其对应的标靶点云数据中的同名点坐标，分别计算每组实测校准点坐标及与其对应的点云同名点坐标的转换参数：
令点云标靶同名点三维坐标为
Figure 582849DEST_PATH_IMAGE029
，相应实测标靶校准点坐标为
Figure 650162DEST_PATH_IMAGE030
，计算每组点云标靶与实测标靶坐标的旋转矩阵R与平移矩阵T，即求解令下式最小时的最优解R，T：
Figure 182643DEST_PATH_IMAGE031
其中，
Figure 208368DEST_PATH_IMAGE032
为每组对应三维点的权重，求解时，通过奇异值分解的方法进行计算。
S42、通过对应于每组标靶的转换参数，对与其布设位置相对应位置处的车载扫描***的轨迹位置进行纠正。
S421、根据每组标靶点云数据的激光扫描时刻，在待纠正的车载扫描***的POS数据（车载扫描***的位置姿态数据）中，确定扫描该组标靶时的车载扫描***的轨迹位置
Figure 895308DEST_PATH_IMAGE001
。
由于原始的激光扫描点云时间分辨率（扫描频率）通常高于车载扫描***轨迹的时间采样分辨率（采样频率），为保证每组标靶与车载扫描***的轨迹位置一一对应。在本实施例的上述步骤中，针对各组标靶，根据组内各标靶对应的扫描时刻，在待纠正的车载扫描***的POS数据中，查找与该标靶扫描时刻时间相邻的轨迹位置采样时刻：
若存在标靶扫描时刻与对应轨迹位置采样时刻相同，则以该轨迹位置采样时刻所采样的轨迹位置，作为该组标靶对应的待纠正的车载扫描***的轨迹位置
Figure 31891DEST_PATH_IMAGE001
，若组内多个标靶均存在标靶扫描时刻与对应轨迹位置采样时刻相同，则随机选取一个；
若不存在标靶扫描时刻与对应轨迹位置采样时刻相同，则确定该标靶扫描时刻时间前后两侧的轨迹位置采样时刻，以满足于
Figure 169612DEST_PATH_IMAGE004
的轨迹位置扫描时刻作为该标靶扫描时刻所对应的轨迹位置采样时刻，其中，
Figure 792004DEST_PATH_IMAGE005
为标靶扫描时刻，
Figure 31486DEST_PATH_IMAGE006
为轨迹位置采样时刻， s为轨迹位置数据的采样间隔时间；根据组内各标靶扫描时刻与其对应的轨迹位置采样时刻的差值，以差值最小的轨迹位置采样时刻所采样的轨迹位置，作为该组标靶对应的待纠正的车载扫描***的轨迹位置
Figure 440602DEST_PATH_IMAGE001
。
当然由于组内标靶的扫描始终存在一定的时间区间，因此，在该时间区间内的车载扫描***的轨迹上的位置，均可以作为待纠正的车载扫描***的轨迹位置
Figure 150938DEST_PATH_IMAGE001
，但应当注意取点的不同将影响转换精度。
S422、通过对应组标靶的转换参数，对对应的待纠正车载扫描***轨迹位置
Figure 315203DEST_PATH_IMAGE001
，利用S41计算得到的旋转矩阵R与平移矩阵T进行纠正，获得纠正后的车载扫描***轨迹位置
Figure 963353DEST_PATH_IMAGE002
：
Figure 189542DEST_PATH_IMAGE003
S43、通过插值方法对相邻各组标靶间的车载扫描***的轨迹位置进行补全，获取纠正后的车载扫描***的整体移动轨迹。
插值方法可以是现有的任意插值方法，但应当注意的是轨迹误差的累计特性和变形特点。根据惯性导航***误差积累的特点，可认为相邻两组标靶间车载扫描***的轨迹误差呈线性偏差状态，因此，在本实施例中，利用纠正后的相邻车载扫描***的轨迹位置的三维坐标
Figure 567434DEST_PATH_IMAGE009
，通过线性内插方法对相邻各组标靶间的车载扫描***的轨迹位置进行补全，具体包括：
S431、根据相邻两组标靶所对应的轨迹位置的采样时刻
Figure 823971DEST_PATH_IMAGE007
，以及车载扫描***的轨迹位置采样间隔时间 s，计算相邻车载扫描***轨迹位置间的待纠正位置点个数n：
Figure 490576DEST_PATH_IMAGE008
S432、通过纠正后的相邻车载扫描***的轨迹位置的三维坐标
Figure 303811DEST_PATH_IMAGE009
，利用线性内插方法计算两点间n个待纠正点，获得纠正后的整体车载***轨迹：
Figure 490204DEST_PATH_IMAGE010
Figure 668376DEST_PATH_IMAGE011
Figure 71544DEST_PATH_IMAGE012
为第i个区间中的第j个待纠正点纠正前的位置坐标，
Figure 688470DEST_PATH_IMAGE033
为第i个区间中的第j个待纠正点纠正后的位置坐标，
Figure 455002DEST_PATH_IMAGE014
分别为对应采样时刻
Figure 335233DEST_PATH_IMAGE007
的纠正前的车载扫描***轨迹位置坐标，
Figure 507588DEST_PATH_IMAGE009
分别为对应采样时刻
Figure 849577DEST_PATH_IMAGE007
的纠正后的车载扫描***轨迹位置坐标。
步骤S5，隧道点云重生成，包括：
S51、将点云数据从激光扫描坐标
Figure 259829DEST_PATH_IMAGE015
转换到车载***坐标
Figure 592853DEST_PATH_IMAGE034
：
Figure 190188DEST_PATH_IMAGE017
其中，
Figure 70288DEST_PATH_IMAGE018
表示激光扫描仪在车载***坐标系中的姿态，
Figure 131785DEST_PATH_IMAGE019
表示激光扫描仪在车载***坐标系中的位置，均为激光扫描仪的标定参数；
S52、将点云数据从车载***坐标
Figure 101621DEST_PATH_IMAGE034
转换到世界坐标
Figure 186252DEST_PATH_IMAGE020
，重新生成隧道点云数据：
Figure 683092DEST_PATH_IMAGE021
其中，
Figure 51626DEST_PATH_IMAGE022
为车载坐标系到世界坐标***的旋转矩阵，其误差不受GNSS缺失时间影响，无需进行改正，可由车载***原始POS数据提供；
Figure 178982DEST_PATH_IMAGE023
由纠正后的车载***POS数据提供，为车载坐标系到世界坐标系的平移参数，也即步骤S432中计算得到的轨迹纠正后位置
Figure 767220DEST_PATH_IMAGE033
；针对原始点云与车载***轨迹位置的时间分辨率不一致的问题，以点云时间为基准，在轨迹位置数据两帧之间采用均匀采样的方法得到每个原始点云对应的轨迹姿态和位置。
需要说明的是，本发明中的“较大”、“较远”均是相对于阈值而言，即以相应的阈值作为比对基础，比如：某材料的反射率与隧道场景反射率的差异值大于一个阈值（可以根据经验设置），则称该材料的反射率与隧道场景反射率差异“较大”。

Claims (10)

1.隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，包括以下步骤：
S1、在隧道区域内，进行实地的标靶布设，标靶沿隧道延伸方向分组布设，每组包括4个以上的标靶，组间间隔设置；
S2、通过车载扫描***测绘，获取包括各标靶点云数据在内的隧道点云数据；通过隧道测量控制网，实测各标靶的校准点坐标；
S3、对隧道点云数据进行处理，提取点云数据中对应的各标靶点云数据，并根据提取的各标靶点云数据，进一步获取各标靶点云数据中与实测标靶校准点对应的同名点坐标；
S4、通过实测的各组标靶的校准点坐标及与其对应的标靶点云数据中的同名点坐标，计算得到对应于每组标靶的转换参数，分别利用各组标靶对应的转换参数纠正与其布设位置相对应位置处的车载扫描***的轨迹位置，获取纠正后的车载扫描***的整体移动轨迹；
S5、根据纠正后的车载扫描***的整体移动轨迹，将隧道点云数据从车载扫描***的激光扫描坐标系解算到世界坐标系，并重新生成隧道点云。
2.如权利要求1所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S1中，各组标靶间沿隧道延伸方向的间距为200~1000m，组内各标靶沿隧道延伸方向的布设长度小于10m，且组内各标靶布设于不同水平面；各标靶沿隧道延伸方向的边长d>0.08*f/v，其中，f为车载扫描***的激光扫描频率，v为车载扫描***的行驶速度。
3.如权利要求1所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S1布设标靶所采用材料的反射率高于隧道场景的反射率，两者反射率的差异应满足基于强度值的点云数据提取；标靶的形状具备满足基于形状的点云标靶模板匹配所要求的形状特征。
4.如权利要求1、2或3所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S3中，对隧道点云数据进行处理，提取点云数据中对应的各标靶点云数据，并根据提取的各标靶点云数据，进一步获取各标靶点云数据中与实测标靶校准点对应的同名点坐标，具体包括：
S31、对点云数据进行强度采样：在车载扫描***获取的点云数据中，随机选取部分标靶的点云数据进行强度值采样，确定标靶点云数据的强度值范围；
S32、对点云数据进行信息增强：通过S31确定的标靶点云数据的强度值范围，对点云数据进行强度值拉伸；
S33、标靶点云数据的粗提取；通过对S32增强后的点云数据进行直方图统计，根据强度信息剔除点云数据中异于所确定标靶点云数据强度值范围的其他点云数据，得到粗提取的标靶点云数据；
S34、将粗提取获得的标靶点云数据与预制的标准点云标靶模板进行形状匹配，得到精提取的标靶点云数据；
S35、根据精提取的标靶点云数据，提取标靶点云数据中与实测标靶校准点对应的同名点坐标。
5.如权利要求1、2或3所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S4具体包括：
S41、通过实测的各组标靶的校准点坐标及与其对应的标靶点云数据中的同名点坐标，分别计算每组实测校准点坐标及与其对应的点云同名点坐标的转换参数；
S42、通过对应于每组标靶的转换参数，对与其布设位置相对应位置处的车载扫描***的轨迹位置进行纠正；
S43、通过插值方法对相邻各组标靶间的车载扫描***的轨迹位置进行补全，获取纠正后的车载扫描***的整体移动轨迹。
6.如权利要求5所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S41中，所述计算每组实测校准点坐标及与其对应的点云同名点坐标的转换参数，具体包括：通过奇异值分解的方法计算每组实测校准点坐标及与其对应的点云同名点坐标的旋转矩阵R与平移矩阵T。
7.如权利要求6所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S42中，所述通过对应于每组标靶的转换参数，对与其布设位置相对应位置处的车载扫描***的轨迹位置进行纠正，具体包括：
S421、根据每组标靶点云数据的激光扫描时刻，在待纠正的车载扫描***的POS数据中，确定扫描该组标靶时的车载扫描***的轨迹位置
Figure 924378DEST_PATH_IMAGE001
；
S422、通过对应组标靶的转换参数，对对应的待纠正车载扫描***轨迹位置
Figure 140727DEST_PATH_IMAGE001
，利用旋转矩阵R与平移矩阵T进行纠正，获得纠正后的车载扫描***轨迹位置
Figure 461987DEST_PATH_IMAGE002
：
Figure 13054DEST_PATH_IMAGE003
。
8.如权利要求5所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S42中，针对各组标靶，根据组内各标靶对应的扫描时刻，在待纠正的车载扫描***的POS数据中，查找与该标靶扫描时刻时间相邻的轨迹位置采样时刻：
若存在标靶扫描时刻与对应轨迹位置采样时刻相同，则以该轨迹位置采样时刻所采样的轨迹位置，作为该组标靶对应的待纠正的车载扫描***的轨迹位置
Figure 297536DEST_PATH_IMAGE001
，若组内多个标靶均存在标靶扫描时刻与对应轨迹位置采样时刻相同，则随机选取一个；
若不存在标靶扫描时刻与对应轨迹位置采样时刻相同，则确定该标靶扫描时刻时间前后两侧的轨迹位置采样时刻，以满足于
Figure 185636DEST_PATH_IMAGE004
的轨迹位置扫描时刻作为该标靶扫描时刻所对应的轨迹位置采样时刻，其中，
Figure 412218DEST_PATH_IMAGE005
为标靶扫描时刻，
Figure 185002DEST_PATH_IMAGE006
为轨迹位置采样时刻，s为轨迹位置数据的采样间隔时间；根据组内各标靶扫描时刻与其对应的轨迹位置采样时刻的差值，以差值最小的轨迹位置采样时刻所采样的轨迹位置，作为该组标靶对应的待纠正的车载扫描***的轨迹位置
Figure 273175DEST_PATH_IMAGE001
。
9.如权利要求5所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S43中，通过线性内插方法对相邻各组标靶间的车载扫描***的轨迹位置进行补全，具体包括：
S431、根据相邻两组标靶所对应的轨迹位置的采样时刻
Figure 978963DEST_PATH_IMAGE007
，以及车载扫描***的轨迹位置采样间隔时间s，计算相邻车载扫描***轨迹位置间的待纠正位置点个数n：
Figure 861600DEST_PATH_IMAGE008
S432、通过纠正后的相邻车载扫描***的轨迹位置的三维坐标
Figure 387259DEST_PATH_IMAGE009
，利用线性内插方法计算两点间n个待纠正点，获得纠正后的整体车载***轨迹：
Figure 262811DEST_PATH_IMAGE010
Figure 308258DEST_PATH_IMAGE011
Figure 611064DEST_PATH_IMAGE012
为第i个区间中的第j个待纠正点纠正前的位置坐标，
Figure 434139DEST_PATH_IMAGE013
为第i个区间中的第j个待纠正点纠正后的位置坐标，
Figure 378961DEST_PATH_IMAGE014
分别为对应采样时刻
Figure 278915DEST_PATH_IMAGE007
的纠正前的车载扫描***轨迹位置坐标，
Figure 18201DEST_PATH_IMAGE009
分别为对应采样时刻
Figure 269185DEST_PATH_IMAGE007
的纠正后的车载扫描***轨迹位置坐标。
10.如权利要求9所述的隧道GNSS拒止环境下车载扫描点云的几何纠正方法，其特征在于，步骤S5具体包括：
S51、将点云数据从激光扫描坐标
Figure 220960DEST_PATH_IMAGE015
转换到车载***坐标
Figure 755847DEST_PATH_IMAGE016
：
Figure 151187DEST_PATH_IMAGE017
其中，
Figure 873156DEST_PATH_IMAGE018
表示激光扫描仪在车载***坐标系中的姿态，
Figure 907583DEST_PATH_IMAGE019
表示激光扫描仪在车载***坐标系中的位置，均为激光扫描仪的标定参数；
S52、将点云数据从车载***坐标
Figure 31397DEST_PATH_IMAGE016
转换到世界坐标
Figure 112486DEST_PATH_IMAGE020
，重新生成隧道点云数据：
Figure 72482DEST_PATH_IMAGE021
其中，
Figure 631640DEST_PATH_IMAGE022
为车载坐标系到世界坐标***的旋转矩阵，由车载***原始POS数据提供，
Figure 360692DEST_PATH_IMAGE023
为车载坐标系到世界坐标系的平移参数，也即步骤S432中计算得到的轨迹纠正后的位置
Figure 878261DEST_PATH_IMAGE013
；
在轨迹位置数据两帧之间采用均匀采样的方法得到每个原始点云对应的轨迹姿态和位置。
CN202110820156.4A 2021-07-20 2021-07-20 隧道gnss拒止环境下车载扫描点云的几何纠正方法 Active CN113280798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110820156.4A CN113280798B (zh) 2021-07-20 2021-07-20 隧道gnss拒止环境下车载扫描点云的几何纠正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110820156.4A CN113280798B (zh) 2021-07-20 2021-07-20 隧道gnss拒止环境下车载扫描点云的几何纠正方法

Publications (2)

Publication Number Publication Date
CN113280798A CN113280798A (zh) 2021-08-20
CN113280798B true CN113280798B (zh) 2021-10-01

Family

ID=77286778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110820156.4A Active CN113280798B (zh) 2021-07-20 2021-07-20 隧道gnss拒止环境下车载扫描点云的几何纠正方法

Country Status (1)

Country Link
CN (1) CN113280798B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739770B (zh) * 2021-08-27 2023-11-21 上海勘察设计研究院(集团)股份有限公司 一种基于cpiii控制点的隧道移动激光扫描点云坐标纠正方法
CN113805157A (zh) * 2021-09-22 2021-12-17 航天新气象科技有限公司 基于标靶的高度测量方法、装置及设备
CN114018228B (zh) * 2021-11-04 2024-01-23 武汉天测测绘科技有限公司 一种移动式轨道交通三维数据获取方法及***
CN114299090A (zh) * 2021-12-27 2022-04-08 广东省交通规划设计研究院集团股份有限公司 点云数据高程精化方法、装置、计算机设备和存储介质
CN114460592B (zh) * 2022-02-08 2024-04-16 北京建筑大学 一种基于5g通信的轨道移动激光雷达测量***及方法
CN114485592B (zh) * 2022-02-28 2023-05-05 中国电建集团西北勘测设计研究院有限公司 一种确保排水箱涵三维点云坐标转换精度的方法
CN114549879B (zh) * 2022-04-25 2022-07-08 四川省公路规划勘察设计研究院有限公司 一种隧道车载扫描点云的标靶识别及中心点提取方法
CN115343299B (zh) * 2022-10-18 2023-03-21 山东大学 一种轻量化公路隧道集成检测***及方法
CN116188334B (zh) * 2023-05-04 2023-07-18 四川省公路规划勘察设计研究院有限公司 一种车道线点云自动修补方法及装置
CN116299368B (zh) * 2023-05-19 2023-07-21 深圳市其域创新科技有限公司 激光扫描仪的精度测量方法、装置、扫描仪及存储介质
CN118031904B (zh) * 2024-04-12 2024-06-25 四川省公路规划勘察设计研究院有限公司 基于车载激光点云的高速公路隧道净空测量方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105006016A (zh) * 2015-05-21 2015-10-28 北京航空航天大学 一种贝叶斯网络约束的部件级三维模型构建方法
CN105184854A (zh) * 2015-08-24 2015-12-23 北京麦格天宝科技股份有限公司 针对地下空间扫描点云成果数据的快速建模方法
CN105606123A (zh) * 2015-12-18 2016-05-25 昆山数字城市信息技术有限公司 一种低空航空摄影测量自动纠正数字地面高程模型的方法
CN111220085A (zh) * 2020-01-13 2020-06-02 西南交通大学 一种基于三维激光扫描点云数据的隧道大变形量测方法
CN111256730A (zh) * 2020-02-26 2020-06-09 中国建筑第四工程局有限公司 一种用于低空倾斜摄影测量技术的土方平衡修正计算方法
EP3696577A1 (en) * 2017-10-13 2020-08-19 Chongqing Survey Institute Method and device for acquiring point cloud data in the absence of gnss signal
CN112633092A (zh) * 2020-12-09 2021-04-09 西南交通大学 基于车载激光扫描点云的道路信息提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180356824A1 (en) * 2017-06-13 2018-12-13 TuSimple Time synchronization and data acquisition method for ground truth static scene sparse flow generation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105006016A (zh) * 2015-05-21 2015-10-28 北京航空航天大学 一种贝叶斯网络约束的部件级三维模型构建方法
CN105184854A (zh) * 2015-08-24 2015-12-23 北京麦格天宝科技股份有限公司 针对地下空间扫描点云成果数据的快速建模方法
CN105606123A (zh) * 2015-12-18 2016-05-25 昆山数字城市信息技术有限公司 一种低空航空摄影测量自动纠正数字地面高程模型的方法
EP3696577A1 (en) * 2017-10-13 2020-08-19 Chongqing Survey Institute Method and device for acquiring point cloud data in the absence of gnss signal
CN111220085A (zh) * 2020-01-13 2020-06-02 西南交通大学 一种基于三维激光扫描点云数据的隧道大变形量测方法
CN111256730A (zh) * 2020-02-26 2020-06-09 中国建筑第四工程局有限公司 一种用于低空倾斜摄影测量技术的土方平衡修正计算方法
CN112633092A (zh) * 2020-12-09 2021-04-09 西南交通大学 基于车载激光扫描点云的道路信息提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
012010DMI measurements impact on a position estimation with lack of GNSS signals during Mobile Mapping;K Bobkowka;《Journal of Physics: Conference Series》;20171231;第1-6页 *
基于控制点提高ＧＮＳＳ失锁时点云数据精度的研究;孙波中;《矿山测量》;20201231;第48卷(第6期);第110-113页 *
复杂城区车载激光扫描点云分层路段定位与数据纠正实验研究;王胜利;《测绘工程》;20210331;第30卷(第2期);第26-31页 *

Also Published As

Publication number Publication date
CN113280798A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN113280798B (zh) 隧道gnss拒止环境下车载扫描点云的几何纠正方法
CN109752701B (zh) 一种基于激光点云的道路边沿检测方法
CA2705254C (en) Arrangement and method for providing a three dimensional map representation of an area
Puniach et al. Application of UAV-based orthomosaics for determination of horizontal displacement caused by underground mining
CN112464812B (zh) 一种基于车辆的凹陷类障碍物检测方法
CN104677361B (zh) 一种综合定位的方法
CN113607135A (zh) 一种用于路桥施工领域的无人机倾斜摄影测量方法
CN111862214B (zh) 计算机设备定位方法、装置、计算机设备和存储介质
CN110864696A (zh) 一种基于车载激光惯导数据的三维高精地图绘制方法
CN114859374B (zh) 基于无人机激光点云和影像融合的新建铁路交叉测量方法
CN115718305A (zh) 一种激光点云公路断面处理方法、装置、设备及存储介质
CN112346463A (zh) 一种基于速度采样的无人车路径规划方法
CN111829514A (zh) 一种适用于车辆底盘集成控制的路面工况预瞄方法
CN115079143B (zh) 一种用于双桥转向矿卡的多雷达外参快速标定方法及装置
CN111765869A (zh) 基于倾斜摄影技术的不同坡度道路土方测量方法
CN110889899A (zh) 一种数字地表模型的生成方法及装置
CN113566817B (zh) 一种车辆定位方法及装置
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
CN117029870A (zh) 一种基于路面点云的激光里程计
CN116929336A (zh) 一种基于最小误差的激光反光柱slam建图方法
CN116740151A (zh) 一种InSAR点云的配准方法及终端设备
EP3664038A1 (en) Geospatial surveying tool
CN111783192B (zh) 基于倾斜摄影实景模型的复杂地形场地平整土方计算方法
CN114897967A (zh) 一种面向挖掘装备自主作业的物料形态识别方法
CN114004949A (zh) 机载点云辅助的移动测量***安置参数检校方法及***

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