基于Lynx车载激光点云数据的路面检测与重建研究

基于Lynx车载激光点云数据的路面检测与重建研究

论文摘要

随着地球空间信息科学和地球空间信息产业的蓬勃发展,三维空间信息的快速获取与自动处理技术成为地球空间信息获取技术的核心和发展前沿。而激光扫描测量技术能够直接快速获取高精度的三维空间信息,是传统测量技术的一个重要补充。同时,高精度的定位、定姿产品也逐渐民用化,这些新的技术手段大大加快了高精度移动测图技术的发展。深圳先进技术研究院承接了863计划专题课题:基于车载激光扫描的大规模城市场景三维建模。基于此课题,本论文研究了对基于车载激光点云数据的路面检测和重建相关的技术与实现。本文介绍了Lynx车载激光扫描系统的组成,系统工作原理及系统作业流程。我们基于OpenGL可视化编程技术和Qt图形用户界面库,在VS2008开发环境下,利用C++语言开发路面检测与重建系统-RoaderDetector。该系统实现了激光点云数据的读取,对激光点云数据进行一系列诸如归一化、坐标转换等处理,使之符合屏幕显示的需要,并可对处理后的激光点云数据进行实时渲染。文中详细描述了RoaderDetector系统中路面检测与重建功能的实现方法:根据GPS定位器中的Index索引文件或者激光扫描仪的旋转角度值提取扫描车的车行路径,利用提取到车行路径,对车行路径进行一定长度的采样,在激光点云数据中利用该采样点向两侧按一定步长进行检测,并不断比较相邻点云数据的高程,如果相邻点高程出现骤变,表示已经检测到路沿。然后对检测到的路沿中出现各种异常进行相应的平滑处理,包括最近点平均和边缘点聚类两种方法。在得到了精确的路沿线之后,可得到路面的三维模型,从而完成对路面的重建。可输出路面三维模型为OBJ格式,可满足相关领域对精确路面的需求,比如三维城市建模。本文结论和创新点如下:1、基于OpenGL技术和Qt界面库开发了路面检测与重建系统,提高了软件的扩散性;2、实现了路沿的自动检测以及路面的重建算法;3、半自动修复检测过程中的各种异常;4、选择OBJ格式为模型结果的输出,提高了模型应用的灵活性,可方便的供模型应用者使用;5、使用激光点云数据来重建三维路面,提高了结果的精确度,为其他相关领域对高精度的要求提供了借鉴作用。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景与意义
  • 1.1.1 空间信息获取技术
  • 1.1.2 激光扫描测量技术的优势
  • 1.2 国内外研究现状
  • 1.2.1 激光扫描系统研究与开发现状
  • 1.2.2 路面检测与重建研究现状
  • 1.3 本文研究的主要内容
  • 第二章 Lynx车载激光扫描数据采集
  • 2.1 Lynx车载激光扫描系统介绍
  • 2.1.1 Lynx车载激光扫描系统组成
  • 2.1.2 多传感器参数
  • 2.2 系统工作原理
  • 2.3 车载激光扫描系统作业流程
  • 2.3.1 前期工作的准备
  • 2.3.2 记录扫描数据
  • 2.3.3 中期数据处理
  • 2.3.4 路面检测与重建
  • 2.4 试验区数据采集
  • 第三章 车载激光点云数据的路面检测
  • 3.1 车行路径自动提取
  • 3.1.1 根据GPS定位器中Index索引文件提取车行路径
  • 3.1.2 根据激光扫描仪的扫描角度提取车行路径
  • 3.2 道路边沿提取
  • 3.3 异常点检测与处理
  • 3.3.1 异常点检测
  • 3.3.2 异常处理
  • 3.4 交互处理路沿
  • 第四章 车载激光点云数据的路面重建
  • 4.1 路面重建
  • 4.2 路面模型输出
  • 4.2.1 OBJ文件格式
  • 4.2.2 模型输出
  • 4.3 路面模型精度可靠性分析
  • 第五章 路面检测与重建系统分析与设计
  • 5.1 开发及运行环境
  • 5.2 开发工具
  • 5.2.1 OpenGL简介
  • 5.2.2 Qt平台
  • 5.3 系统需求
  • 5.4 系统目标
  • 5.5 系统功能设计
  • 5.6 系统界面
  • 5.7 数据结构定义
  • 5.7.1 结构体及类的设计
  • 5.7.2 重要函数说明
  • 第六章 总结及研究展望
  • 6.1 作总结
  • 6.2 存在不足与展望
  • 参考文献
  • 附录
  • 致谢
  • 攻读硕士期间主要的研究成果
  • 相关论文文献

    • [1].基于激光点云数据的卫星导航定位研究[J]. 数字通信世界 2020(06)
    • [2].基于球域膨胀的点云数据平面提取研究[J]. 测绘与空间地理信息 2020(07)
    • [3].点云数据稀疏区域建筑物立面重建方法[J]. 应用科学学报 2017(02)
    • [4].利用激光点云数据绘制仿古建筑立面图[J]. 淮海工学院学报(自然科学版) 2019(04)
    • [5].基于激光点云数据的卫星导航定位研究[J]. 激光杂志 2020(02)
    • [6].一种古建筑点云数据的语义分割算法[J]. 武汉大学学报(信息科学版) 2020(05)
    • [7].利用激光点云数据检测特征表面平整度[J]. 科技创新与应用 2020(32)
    • [8].基于球域膨胀的点云数据平面提取[J]. 工程技术研究 2018(11)
    • [9].海量点云数据分布式并行处理技术综述[J]. 信息工程大学学报 2018(05)
    • [10].三维激光扫描点云数据盲区边界识别与应用[J]. 有色金属(矿山部分) 2019(05)
    • [11].地面激光点云数据质量评价与三维模型快速重建技术研究[J]. 测绘学报 2017(12)
    • [12].三维激光扫描点云数据的精简方法探讨[J]. 黄河水利职业技术学院学报 2018(02)
    • [13].点云数据生成软件的设计及其在月饼模具逆向设计与制造中的应用[J]. 制造技术与机床 2017(03)
    • [14].点云数据提取二次曲面特征算法研究[J]. 信息通信 2017(05)
    • [15].一种改进的激光点云数据精简算法[J]. 激光与红外 2016(06)
    • [16].广式古家具的逆向点云数据采集研究[J]. 包装工程 2016(16)
    • [17].基于二维的地面点云数据组织研究[J]. 兵工自动化 2016(07)
    • [18].基于点云数据的道路特征参数提取方法研究[J]. 矿山测量 2014(06)
    • [19].密度聚类方法在点云数据分割中的应用研究[J]. 测绘与空间地理信息 2015(01)
    • [20].基于多源点云数据融合的单木树形重建[J]. 桂林理工大学学报 2020(03)
    • [21].多片点云数据拼接处理技术的研究[J]. 水利与建筑工程学报 2014(01)
    • [22].压缩感知点云数据压缩[J]. 应用科学学报 2014(05)
    • [23].多视点云数据快速对齐方法[J]. 机械设计与研究 2009(01)
    • [24].基于地铁隧道点云数据的组合滤波算法[J]. 沈阳建筑大学学报(自然科学版) 2020(03)
    • [25].三维激光点云数据精简算法[J]. 吉首大学学报(自然科学版) 2018(05)
    • [26].基于颜色取样的苹果树枝干点云数据提取方法[J]. 农业机械学报 2019(10)
    • [27].基于法矢修正的点云数据去噪平滑算法[J]. 哈尔滨理工大学学报 2018(05)
    • [28].一种改进的点云数据精简算法[J]. 现代制造工程 2016(12)
    • [29].新的点云数据压缩法在舞动治理工程中的应用研究[J]. 山西建筑 2017(26)
    • [30].欧氏聚类算法支持下的点云数据分割[J]. 测绘通报 2017(11)

    标签:;  ;  ;  ;  ;  

    基于Lynx车载激光点云数据的路面检测与重建研究
    下载Doc文档

    猜你喜欢