摘要：对于城市交通管理、道路维护等工作，高精度的道路三维信息具有重要的作用。近年来，随着测绘软硬件设备的发展，越来越多的空间数据获取手段也在不断出现。作为一种能够在短时间内快速、高效采集空间三维数据的测绘手段，车载激光扫描系统的出现为解决城市街道几何数据与纹理数据的获取提供了重要的技术支撑，自从其问世以来，便在各行业，尤其是测绘行业发挥着积极的作用。本文对融合激光点云的城市级高精度建模技术进行分析，以供参考。 引言
城市化进程的加快及智慧城市、智能交通理念的发展，对现代化城市道路空间信息的应用需求变得更加丰富、快捷和高效，对道路数据的采集规则、采集方式及处理方法都提出了更高的要求。传统道路地形图的获取主要利用全站仪、ＧＰＳ等测绘仪器设备，通过控制测量、碎部测量等获取道路平面坐标数据，其精度虽然可以得到保证，但其采集效率、采集范围和
自动化程度都难以满足智能交通建设的实时更新的要求。并且，传统道路地形图为二维、固定比例尺、分幅的地形图，不能全方位满足用户实际需要。而三维激光扫描测量技术的出现，弥补了传统测量技术的不足，具有高精度、实时性、全自动等特点，成为道路三维数据采集的首选方法，助推了无人驾驶等领域的发展。
1道路车载激光点云数据采集基本原理及方法
车载移动测量系统作为一种先进的数据采集手段，以移动车辆为搭载平台，通过时间同步器ＩＮＳ采集的姿态信息、ＧＮＳＳ获取的位置信息、三维激光扫描仪采集的道路周围地物的三维数据以及全景相机采集的高分辨率照片。从而获取车辆行驶路径周围地物的三维空间数据，为道路的全息测绘提供了详实准确的数据源，为快速提取城市道路信息提供了新方法。车载三维激光扫描仪在车辆行驶过程中可以自动准确地获取道路及其周围地物的三维点云数据，而搭载在车载移动平台上的全景相机则同时获取了影像数据。基于车载扫描系统获取的点云数据为ＷＧＳ－８４坐标系的数据，首先需对车载点云数据进行转坐标，转换到地方坐标系下。然后对点云数据进行去噪、渲染、增强等操作，以获得可用于矢量化提取的合格点云数据。为了保证点云数据精度，车辆在行驶过程中不宜与大车并行，
车速不宜超过４０ｋｍ／ｈ，尽量匀速行驶，避免急转弯。在外业扫描时，车载三维激光扫描仪的扫描方向与车辆行驶方向垂直，每条扫描线上的点基本都属于线性分布，且相邻扫描线之间为平行关系，因此，后续可以基于每条扫描线上的点云分布特征及相邻扫描线之间的关系，对地物进行分析提取。通过三维激光扫描得到的是超大数据量的地物点的三维坐标的激光反射强度信息。
tjstart2地面点提取
针对城市结构化道路点云场景分布特征，提出了道路面点云提取的算法流程，主要包括两个步骤：（１）地面点云提取。首先使用体素滤波对原始点云数据进行下采样处理，再使用基于高程阈值的滤波算法获取地面点。（２）道路面点云提取。针对地面点云特征，根据欧氏聚类进行最大连通区域点云的选取并分段，采用区域生长算法并且以法向量夹角、曲率值阈值作为约束条件进行道路面点云获取。由于车载激光扫描系统在进行道路点云采集时扫描路线较长，在采集道路面点云的同时能够扫描得到道路两侧行道树、杆状物、建筑物等非地面点。因此在进行道路面点云提取时首先需要将非地面地滤除。根据不同地物在点云场景中的高程信息，本文选择通过设置高程阈值的方法进行非地面点滤除。由于城
市道路具有一定的坡度，不同路段路面的高程具有一定差异，不同路段需设置不同的高程阈值，因此研究如何根据不同路段自适应地设置高程阈值尤为关键。作为一种主要用于二值图像的自适应阈值分割算法，Ｏｔｓｕ算法能够根据不同阈值实现二值图像的自适应分割。通过计算二值图像前景与背景部分的类间方差，取方差最大值所得的阈值为最佳分割阈值。
3融合激光点云的城市级高精度建模技术丙烯酸酯胶
3.1倾斜影像预处理
工位管理系统摄影测量的基本原理为将像方坐标转换为物方坐标，恢复影像上每一个像点在物方空间的位置信息，以重建地物的几何模型。获取倾斜影像后需对影像进行预处理，包括格式转换、影像调整、影像拼接、去雾处理等，本文主要采用ＳＷＤＣ系列数字航摄仪专用影像后处理软件模块完成该步骤。首先将ＳＷＤＣ⁃Ｍａｘ６系统的原始ＩＩＱ格式转换为影像通用的ＴＩＦＦ格式，设置相关阈值进行影像匀光匀，通过影像拼接软件ＳＤＸＳｔｉｔｃｈ对下视两个或三个相机的１６位／８位ＴＩＦＦ格式影像进行影像拼接，生成大幅面的拼接影像。
3.2点云相对配准
车载激光点云在实际采集过程中，由于物体表面被遮挡或设备的扫描角度等因素，单次扫描往往无法得到物体完整的几何信息。为了减小往返扫描点云的位置偏差，需进行点云的相对配准。由于倾斜影像和车载ＬｉＤＡＲ的数据获取方式、获取时间、数据源精度等均不相同，影像密集匹配点云与车载ＬｉＤＡＲ点之间必然存在一定的相对位置差异。为了得到更好的三维重建模型效果，两者融合建模前需要完成数据配准，配准过程中，以高精度的影像密集匹配点云为基准进行车载激光点云位置纠正，得到位置精度统一的融合点云数据。多源数据融合技术的难点在于不同数据的采集传感器、成像原理、精度不均一等问题导致的同一地物坐标不能在各源数据中完全统一。点云配准即以统一的数学基准对不同数据源进行数据处理。目前对于点云配准大多使用ＩＣＰ、ＮＤＴ算法，本文以空中三角测量计算后的影像密集匹配点云的平面、高程作为真值，纠正车载激光点云数据的平面及高程位置，使用Ｔ⁃Ｍａｔｃｈ模块中的工具，通过设置时间间隔、扫描半径、ＸＹＺ的容差阈值对拟合点形成的连接线进行计算改正。配准过程分为两步：①车载激光点云的相对配准，主要解决往返扫描点云数据造成的位置差异问题。配准精度小于３ｃｍ。②车载激光点云和影像密集匹配点云的相对配准，主要利用影像密集匹配点云解决车载激光点云位电子货币兑换
道生液置精度不规律问题，以高精度的影像密集匹配点云为基准纠正车载激光点云，得到位置精度统一的融合点云数据。
结束语
涨紧轮在道路安全监测、地图测绘等智慧城市的建设领域中,道路信息占据重要的主导地位,不断加快城市化进程与日益密集的道路交通网建设,道路信息数字化在一定程度上提升了交通的发展,并一直推动着道路边界检测、识别技术的发展。在道路建设过程中,道路边界图像提取成为研究的热点问题。在自动驾驶技术推动下,车载激光扫描技术迅速崛起,该技术不仅是一种道路信息的有效获取手段,而且其凭借实时性、高密度、高精度等优势,广泛应用于建筑物与道路建模等领域。因此,本文以车载激光点云为基础,设计了一种道路边界图像自动提取方法。通过对道路边界图像数据的预处理和点云数据特征的提取等,完成了方法设计。
参考文献
[1]刘亚坤,刘会云,李永强,赵上斌,杨亚伦.基于多源激光点云融合的建筑物BIM建模[J].地球信息科学学报,2021,23(05):764-773.
[2]邓世恒.基于视觉与激光点云融合的移动平台三维场景重建算法研究[D].华中科技大学,2021.
[3]蒋腾平,王永君,张林淇,梁冲,孙剑.融合CNN和MRF的激光点云层次化语义分割方法[J].测绘学报,2021,50(02):215-225.
[4]李瑞,基于激光点云与可见光快速融合的三维重建及自主导航技术研究及应用.四川省,电子科技大学,2021-02-04.
[5]袁子龙.基于连续激光点云序列的车辆同时检测与运动预测[D].哈尔滨工业大学,2021.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议