為了解決從車載點(diǎn)云數(shù)據(jù)中提取要素信息效率慢、建模自動化程度不高的問題,基于SSW車載移動測量系統(tǒng)研究了針對路燈的自動化提取與建模方法。自動化提取大致分三步進(jìn)行:提取參數(shù)調(diào)整、一級模型提取和二級模型提取。實(shí)驗(yàn)表明,路燈分類提取達(dá)到了較高的精度。根據(jù)提取的矢量成果提供的位置和方向信息,實(shí)現(xiàn)了對實(shí)驗(yàn)區(qū)域路燈的自動化建模,提高了內(nèi)業(yè)數(shù)據(jù)處理的效率。 

【文章來源】：智能城市. 2020,6(07)

【文章頁數(shù)】：3 頁

【部分圖文】：

路燈自動化提取的成果示意圖

為了驗(yàn)證該文研究方法的可行性,挑選了某街區(qū)的一段道路作為實(shí)驗(yàn)區(qū)域。圖2為該區(qū)域點(diǎn)云數(shù)據(jù)場景的側(cè)視圖,包含了城市道路、行道樹、建筑物、路燈、交通標(biāo)志牌、車輛行人等豐富的地物信息,非常適合用于該文的研究。經(jīng)過一級模型提取中的雙線棍提取后,主要從地物點(diǎn)云數(shù)據(jù)中提取出來了三類粗立柱,即路燈、樹干和電線桿,如圖3。

經(jīng)過一級模型提取中的雙線棍提取后,主要從地物點(diǎn)云數(shù)據(jù)中提取出來了三類粗立柱,即路燈、樹干和電線桿,如圖3。統(tǒng)計(jì)結(jié)果表明,該實(shí)驗(yàn)區(qū)域的路燈高度在10 m左右,則將粗立柱中頂端距離路面9～14 m范圍內(nèi)的立柱判定為路燈并向上進(jìn)行生長。將待生長點(diǎn)的y值與本構(gòu)件上所有點(diǎn)y值的均值之差設(shè)置為0.5 m,將路燈頂端生長部分的范圍設(shè)置在0.5～2 m之內(nèi),將路燈頂端生長部分的范圍設(shè)置在0.1～1 m之內(nèi),以此控制燈頭部分的點(diǎn)云,防止其他地物的點(diǎn)被誤生長出來。經(jīng)統(tǒng)計(jì),該路段長1 000 m左右,路兩側(cè)一共有路燈60個(gè),提取56個(gè),漏分了3個(gè)路燈,誤分了1個(gè)路燈,分類提取的精度達(dá)到了93.3%,可見提取路燈的效果較好。

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)時(shí)代數(shù)字化城市管理智慧應(yīng)用實(shí)踐[J]. 吳江壽,王洪深,張潔.  地理信息世界. 2015(03)
[2]展望智慧地球時(shí)代的測繪地理信息學(xué)——李德仁院士專訪[J]. 牛汝辰,鄧國臣.  測繪科學(xué). 2014(01)
[3]車載LiDAR點(diǎn)云數(shù)據(jù)分割與半自動化建模方法[J]. 朱紅,張正鵬.  國土資源遙感. 2014(01)
[4]激光測量采集車在城市部件調(diào)查中的應(yīng)用[J]. 徐建新,張光偉,羌鑫林,蔣瑩,高磊.  測繪與空間地理信息. 2013(S1)
[5]基于地物特征提取的車載激光點(diǎn)云數(shù)據(jù)分類方法[J]. 李婷,詹慶明,喻亮.  國土資源遙感. 2012(01)
[6]車載激光掃描數(shù)據(jù)的地物分類方法[J]. 譚賁,鐘若飛,李芹.  遙感學(xué)報(bào). 2012(01)
[7]基于車載激光掃描數(shù)據(jù)的目標(biāo)分類方法[J]. 吳芬芳,李清泉,熊卿.  測繪科學(xué). 2007(04)

碩士論文
[1]面向快速建模的車載激光點(diǎn)云的城市典型地物分類方法研究[D]. 韋江霞.首都師范大學(xué) 2014



本文編號：3499636