基于三維激光點(diǎn)云的復(fù)雜道路場景桿狀交通設(shè)施語義分類
發(fā)布時(shí)間:2021-02-16 06:44
文章提出一種完整的全自動(dòng)化處理框架,基于三維激光點(diǎn)云數(shù)據(jù)對高速公路和城市道路場景的桿狀目標(biāo)進(jìn)行了檢測和分類,主要包括3個(gè)步驟:數(shù)據(jù)預(yù)處理、桿狀目標(biāo)檢測和分類。其中,在數(shù)據(jù)預(yù)處理階段,采用基于布料模擬濾波算法自動(dòng)分離地面點(diǎn)和非地面點(diǎn),然后基于歐氏距離聚類方法對非地面點(diǎn)進(jìn)行快速聚類,以及采用迭代圖割算法進(jìn)一步分割目標(biāo)對象;在目標(biāo)檢測階段,集成先驗(yàn)信息、形狀信息和位置導(dǎo)向搭建濾波器,對桿狀目標(biāo)進(jìn)行檢測;在對象分類過程中基于多屬性特征,利用隨機(jī)森林分類器對目標(biāo)的特征進(jìn)行計(jì)算和分類。并使用3個(gè)道路場景數(shù)據(jù)集進(jìn)行測試,結(jié)果顯示,3個(gè)數(shù)據(jù)集的整體MCC系數(shù)為95.6%,分類準(zhǔn)確率為96.1%。這說明文章所構(gòu)建方法具有較高性能。另外,該方法還可以魯棒地檢測桿狀目標(biāo)的重疊區(qū)域,較為適應(yīng)復(fù)雜程度不同的道路場景。
【文章來源】:熱帶地理. 2020,40(05)北大核心
【文章頁數(shù)】:10 頁
【部分圖文】:
桿狀設(shè)施語義分類結(jié)果示例
與其他物體相比,桿狀物體具備垂直結(jié)構(gòu),且趨于規(guī)則和平坦;而樹木等干擾性物體是不規(guī)則和分散的,所以將桿狀物體的特定結(jié)構(gòu)形狀作為形狀信息。利用協(xié)方差矩陣的截面分析和最小歸一化特征值描述具體物體的形狀。首先將對象分成水平切片,進(jìn)行橫截面分析,計(jì)算每個(gè)切片的對角線長度,通過長度比較計(jì)算相鄰切片之間的差值。設(shè)定一個(gè)長度差閾值dl,如果計(jì)算得到的長度差值小于該閾值,則2個(gè)切片增長聚類為一個(gè)切片。對于任何一個(gè)增長聚類得到的切片,如果平均對角線長度小于閾值dt,且垂直高度滿足之前先驗(yàn)信息約束下的高度閾值,則該對象被視為桿狀對象。對于具體對象的每一個(gè)點(diǎn),先計(jì)算協(xié)方差矩陣;再計(jì)算協(xié)方差矩陣的特征值(λ1>>λ2>>λ3),然后通過公式(1)獲取特征值的線性組合,最后用最小的歸一化散射特征值表示對象的離散程度。散射性越大,物體越不規(guī)則,根據(jù)計(jì)算得到的散射值SCt區(qū)分桿狀道路設(shè)施和樹木。位置導(dǎo)向分割主要分成2個(gè)步驟,先進(jìn)行豎桿提取,再提取桿狀物體的頂端部件。通常情況下,桿狀物體是垂直于路面的,并且一定鄰域內(nèi)點(diǎn)的Z值幾乎一樣。所以可根據(jù)公式(2)得到桿狀類簇重心g到檢測位置lk的距離dis(g,lk)(Wu et al.,2017)。
根據(jù)不同桿狀物體的構(gòu)造可以得出,頂端部件離物體的豎桿很近,并且高度值大于桿。首先在位置lk上計(jì)算出桿狀物體的頂點(diǎn)pe的坐標(biāo)值(xe,ye,ze),然后在該頂點(diǎn)的一定范圍內(nèi)(其值為該頂點(diǎn)到邊界點(diǎn)距離的最大值)搜索得到重心g。選中的點(diǎn)作為種子點(diǎn)sseed被添加進(jìn)隊(duì)列Q,添加的順序由重心到頂點(diǎn)的距離決定,距離越小,添加順序越靠前,隊(duì)列Q里的首元素作為新的種子點(diǎn)被移出隊(duì)列。通過新的種子點(diǎn)進(jìn)行區(qū)域增長,從而聚類獲得其一定鄰域內(nèi)的點(diǎn),成為新的簇類。聚類的條件有3個(gè):1)鄰近點(diǎn)云塊的最低點(diǎn)Z值加上重心Z值要大于種子點(diǎn)Z值;2)鄰近點(diǎn)云塊的最高點(diǎn)Z值小于地面高度加上桿狀物體高度;3)鄰近點(diǎn)云塊包圍盒的8個(gè)角點(diǎn)到檢測位置lk距離的最大值小于公式(2)計(jì)算得到的dis(g,lk)值。以上過程重復(fù)到隊(duì)列Q為空為止,從復(fù)雜場景檢測出的桿狀設(shè)施結(jié)果如圖4所示。1.3 桿狀道路目標(biāo)分類
【參考文獻(xiàn)】:
期刊論文
[1]車載點(diǎn)云中桿狀地物的形態(tài)分析與分類研究[J]. 楊洲,康志忠,楊俊濤,周夢蝶,孔民. 測繪科學(xué). 2020(01)
[2]基于車載LiDAR點(diǎn)云的桿狀地物分類研究[J]. 董亞涵,李永強(qiáng),李鵬鵬,范輝龍. 測繪工程. 2019(06)
[3]功能性規(guī)則約束下的三維點(diǎn)云道路設(shè)施語義標(biāo)注[J]. 蔣騰平,王永君,陶帥兵,李云莉,劉姍. 南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2018(04)
[4]車載激光點(diǎn)云中桿狀目標(biāo)自動(dòng)提取[J]. 王鵬,劉如飛,馬新江. 遙感信息. 2017(05)
[5]車載LiDAR場景中路燈的提取與識別[J]. 張西童,劉會云,李永強(qiáng),黃騰達(dá),李有鵬. 測繪工程. 2016(09)
[6]車載激光掃描數(shù)據(jù)中多類目標(biāo)的層次化提取方法[J]. 董震,楊必勝. 測繪學(xué)報(bào). 2015(09)
本文編號:3036360
【文章來源】:熱帶地理. 2020,40(05)北大核心
【文章頁數(shù)】:10 頁
【部分圖文】:
桿狀設(shè)施語義分類結(jié)果示例
與其他物體相比,桿狀物體具備垂直結(jié)構(gòu),且趨于規(guī)則和平坦;而樹木等干擾性物體是不規(guī)則和分散的,所以將桿狀物體的特定結(jié)構(gòu)形狀作為形狀信息。利用協(xié)方差矩陣的截面分析和最小歸一化特征值描述具體物體的形狀。首先將對象分成水平切片,進(jìn)行橫截面分析,計(jì)算每個(gè)切片的對角線長度,通過長度比較計(jì)算相鄰切片之間的差值。設(shè)定一個(gè)長度差閾值dl,如果計(jì)算得到的長度差值小于該閾值,則2個(gè)切片增長聚類為一個(gè)切片。對于任何一個(gè)增長聚類得到的切片,如果平均對角線長度小于閾值dt,且垂直高度滿足之前先驗(yàn)信息約束下的高度閾值,則該對象被視為桿狀對象。對于具體對象的每一個(gè)點(diǎn),先計(jì)算協(xié)方差矩陣;再計(jì)算協(xié)方差矩陣的特征值(λ1>>λ2>>λ3),然后通過公式(1)獲取特征值的線性組合,最后用最小的歸一化散射特征值表示對象的離散程度。散射性越大,物體越不規(guī)則,根據(jù)計(jì)算得到的散射值SCt區(qū)分桿狀道路設(shè)施和樹木。位置導(dǎo)向分割主要分成2個(gè)步驟,先進(jìn)行豎桿提取,再提取桿狀物體的頂端部件。通常情況下,桿狀物體是垂直于路面的,并且一定鄰域內(nèi)點(diǎn)的Z值幾乎一樣。所以可根據(jù)公式(2)得到桿狀類簇重心g到檢測位置lk的距離dis(g,lk)(Wu et al.,2017)。
根據(jù)不同桿狀物體的構(gòu)造可以得出,頂端部件離物體的豎桿很近,并且高度值大于桿。首先在位置lk上計(jì)算出桿狀物體的頂點(diǎn)pe的坐標(biāo)值(xe,ye,ze),然后在該頂點(diǎn)的一定范圍內(nèi)(其值為該頂點(diǎn)到邊界點(diǎn)距離的最大值)搜索得到重心g。選中的點(diǎn)作為種子點(diǎn)sseed被添加進(jìn)隊(duì)列Q,添加的順序由重心到頂點(diǎn)的距離決定,距離越小,添加順序越靠前,隊(duì)列Q里的首元素作為新的種子點(diǎn)被移出隊(duì)列。通過新的種子點(diǎn)進(jìn)行區(qū)域增長,從而聚類獲得其一定鄰域內(nèi)的點(diǎn),成為新的簇類。聚類的條件有3個(gè):1)鄰近點(diǎn)云塊的最低點(diǎn)Z值加上重心Z值要大于種子點(diǎn)Z值;2)鄰近點(diǎn)云塊的最高點(diǎn)Z值小于地面高度加上桿狀物體高度;3)鄰近點(diǎn)云塊包圍盒的8個(gè)角點(diǎn)到檢測位置lk距離的最大值小于公式(2)計(jì)算得到的dis(g,lk)值。以上過程重復(fù)到隊(duì)列Q為空為止,從復(fù)雜場景檢測出的桿狀設(shè)施結(jié)果如圖4所示。1.3 桿狀道路目標(biāo)分類
【參考文獻(xiàn)】:
期刊論文
[1]車載點(diǎn)云中桿狀地物的形態(tài)分析與分類研究[J]. 楊洲,康志忠,楊俊濤,周夢蝶,孔民. 測繪科學(xué). 2020(01)
[2]基于車載LiDAR點(diǎn)云的桿狀地物分類研究[J]. 董亞涵,李永強(qiáng),李鵬鵬,范輝龍. 測繪工程. 2019(06)
[3]功能性規(guī)則約束下的三維點(diǎn)云道路設(shè)施語義標(biāo)注[J]. 蔣騰平,王永君,陶帥兵,李云莉,劉姍. 南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2018(04)
[4]車載激光點(diǎn)云中桿狀目標(biāo)自動(dòng)提取[J]. 王鵬,劉如飛,馬新江. 遙感信息. 2017(05)
[5]車載LiDAR場景中路燈的提取與識別[J]. 張西童,劉會云,李永強(qiáng),黃騰達(dá),李有鵬. 測繪工程. 2016(09)
[6]車載激光掃描數(shù)據(jù)中多類目標(biāo)的層次化提取方法[J]. 董震,楊必勝. 測繪學(xué)報(bào). 2015(09)
本文編號:3036360
本文鏈接:http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3036360.html
最近更新
教材專著