城市道路覆蓋面廣,容易忽略道路輪廓的分散性,LiDAR點云檢測可以對其輪廓進行分割,很大程度上解決了提取效率低的問題。提出基于LiDAR點云檢測的城市道路輪廓提取技術(shù)。采用空間區(qū)域網(wǎng)格掃描技術(shù)進行城市道路光學圖像采集,對采集的城市道路光學圖像進行區(qū)域性融合濾波處理,提取城市道路光學圖像的灰度像素特征量,采用模糊信息融合方法進行城市道路光學圖像信息融合,構(gòu)建城市道路光學圖像的三維點云特征大數(shù)據(jù)分布模型,結(jié)合LiDAR點云分布式檢測的方法進行城市道路的輪廓特征分割,采用幀點最大灰度級特征集檢測和多參數(shù)信息融合方法,實現(xiàn)城市道路輪廓提取和點云檢測。仿真表明,在實驗次數(shù)為100次時,所提方法提取時間為12 s;樣本數(shù)為2 000個時,所提方法提取精度為1。充分證明采用該方法進行城市道路輪廓提取的時間較短、提取準確度較高,空間規(guī)劃識別能力較強,具有很好的參數(shù)優(yōu)化能力。 

【文章來源】：激光雜志. 2020,41(10)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

城市道路光學圖像的網(wǎng)格分布模型

為了驗證本文方法在實現(xiàn)城市道路輪廓提取中的應(yīng)用性能，采用Matlab進行仿真測試分析，設(shè)定城市道路圖像中心像素點的灰度值的為0.83，圖像信息熵為2.8，灰度直方圖的邊緣像素集為Hm=0.78，聯(lián)合模板匹配系數(shù)為0.89，最大的灰度級N=12,x,y,z方向的為邊緣像素集為(12,26,62)，像素采樣的大小400*800，干擾強度12 d B，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行城市道路輪廓提取仿真，讀取原始的城市道路光學圖像如圖2所示。采用模糊信息融合方法進行城市道路光學圖像信息融合，并進行城市道路的運動目標檢測，得到聚類目標檢測結(jié)果如圖3所示。

采用模糊信息融合方法進行城市道路光學圖像信息融合，并進行城市道路的運動目標檢測，得到聚類目標檢測結(jié)果如圖3所示。根據(jù)檢測結(jié)果，結(jié)合Li DAR點云分布式檢測的方法進行城市道路的輪廓特征分割，實現(xiàn)城市道路輪廓提取，得到提取結(jié)果如圖4所示。

【參考文獻】：
期刊論文
[1]基于Storm的城市智能交通規(guī)劃方法[J]. 劉春燕,鄒承明.  武漢大學學報(理學版). 2019(05)
[2]多閾值優(yōu)化的運動圖像輪廓特征提取方法[J]. 陳超.  沈陽工業(yè)大學學報. 2019(03)
[3]激光三維成像中光電混頻技術(shù)的研究進展[J]. 卜禹銘,曾朝陽,杜小平,宋一鑠.  激光與光電子學進展. 2019(08)
[4]一種改進的非局部均值超聲圖像降噪算法[J]. 劉保中,劉建賓.  北京信息科技大學學報(自然科學版). 2018(05)
[5]基于模擬退火遺傳算法的虹膜輪廓提取方法[J]. 王延年,趙朗月,劉會敏.  激光雜志. 2018(06)
[6]基于超像素聚類的側(cè)掃聲吶圖像分割算法[J]. 盛蘊霞,霍冠英,劉靜.  計算機工程. 2018(06)
[7]魯棒的自適應(yīng)尺度和方向的目標跟蹤方法[J]. 單玉剛,汪家寶.  計算機工程與應(yīng)用. 2018(21)
[8]折反射共光路多譜段激光雷達光學系統(tǒng)設(shè)計[J]. 李晶,車英,王加安,金美善,欒爽.  中國激光. 2018(05)
[9]一種基于偏微分方程和Canny算子的圖像分割方法[J]. 侯守明,王陽,唐琪博,張玉珍.  山西大學學報(自然科學版). 2017(04)
[10]基于多尺度形態(tài)學圖像的屈肘角度檢測方法與實現(xiàn)[J]. 司幸偉.  河南師范大學學報(自然科學版). 2017(05)



本文編號：3218903