用于公路勘测设计的LiDAR点云抽稀算法

doi:10.13474/j.cnki.11-2246.2017.0316

测绘通报 ›› 2017, Vol. 0 ›› Issue (10): 58-61,88.doi: 10.13474/j.cnki.11-2246.2017.0316

用于公路勘测设计的LiDAR点云抽稀算法

方程喜¹, 隋立春^1,2, 朱海雄¹

1. 长安大学地质工程与测绘学院, 陕西西安 710054;
2. 地理国情监测国家测绘地理信息局工程技术研究中心, 陕西西安 710064

收稿日期:2017-05-24 出版日期:2017-10-25 发布日期:2017-11-07
作者简介:方程喜(1991-),男,硕士,主要研究方向为LiDAR点云抽稀。E-mail:1358423791@qq.com
基金资助:
国家自然科学基金（41372330）

LiDAR Point Cloud Thinning Algorithm for Road Survey and Design

FANG Chengxi¹, SUI Lichun^1,2, ZHU Haixiong¹

1. College of Geology Engineering and Geomatics, Chang'an University, Xi'an 710054, China;
2. National Administration of Surveying, Mapping and Geoinformation Engineering Research Center of Geographic National Conditions Monitoring, Xi'an 710064, China

Received:2017-05-24 Online:2017-10-25 Published:2017-11-07

摘要/Abstract

摘要： 传统的抽稀算法应用于公路点云数据抽稀时，往往存在不能很好地顾及地形特征，或者出现大面积点云空洞的缺陷。本文提出了一种改进的基于平均曲率算法，用于公路勘测设计中的点云数据的抽稀，该算法首先通过局部二次曲面拟合，依次求出所有点的平均曲率；然后根据平均曲率判断地形特征，并作为判别点云数据抽稀的主要准则；最后利用标记法解决了平坦路面出现大面积空洞的问题。通过试验与分析，证明了本文抽稀算法的可靠性和适用性。

关键词: 公路勘测设计, LiDAR, 抽稀, 平均曲率, 点云空洞

Abstract: When the traditional thinning algorithm is applied to data extraction of road point cloud, there are many defects, such as cannot take good account of terrain features, or appear the large area point cloud hole. In this paper, an improved algorithm based on mean curvature is proposed for the extraction of point cloud data in road survey and design. Firstly, the mean curvature of all points is obtained by local quadratic surface fitting. And then according to the mean curvature to determine the terrain features, and as the main criteria for the identification of point cloud data dilution. Finally, the problem of the large area point cloud hole in the flat road surface is solved by using the marking method. Through the experimental results and analysis, the reliability and applicability of the thinning algorithm are proved.

Key words: road survey and design, LiDAR, thinning, mean curvature, point cloud hole

中图分类号:

P237

方程喜, 隋立春, 朱海雄. 用于公路勘测设计的LiDAR点云抽稀算法[J]. 测绘通报, 2017, 0(10): 58-61,88.

FANG Chengxi, SUI Lichun, ZHU Haixiong. LiDAR Point Cloud Thinning Algorithm for Road Survey and Design[J]. 测绘通报, 2017, 0(10): 58-61,88.

参考文献

[1] 赵文彦,丁瑞. 遥感技术在公路测设中的应用综述[J].西部探矿工程,2006,18(5):231-233.
[2] 杜浩,朱俊峰,张力,等.顾及地形特征的LiDAR点云数据抽稀算法[J].测绘科学,2016,41(9):140-146.
[3] MARTIN R R, STROUD I A, MARSHAL A D. Data Reduction for Reverse Engineering,No.1068[R].[S.l.]:Computer and Automation Institute of Hungarian Academy of Science,1996:63-69.
[4] 缪志修,齐华,王国昌,等.基于机载LiDAR数据构建的DEM抽稀算法研究[J].铁道勘察,2010,36(4):35-40.
[5] CHEN Y H, NG C T, WANG Y Z. Data Reduction in Integrated Reverse Engineering and Rapid Prototyping[J]. International Journal of Computer Integrated Manufacturing,1999,12(2):97-103.
[6] PAMELA S.A Data Density Deduction Algorithm for Post-processed Airborne Bathymetric Survey Data[D].Florida:University of Florida,2000.
[7] 周煜,张万兵,杜发荣,等. 散乱点云数据的曲率精简算法[J]. 北京理工大学学报,2010,30(7):785-789.
[8] 蔡志敏,王晏民,黄明.基于KD树散乱点云数据的Guass平均曲率精简算法[J].测绘通报,2013(S1):44-46.
[9] 张济忠. 分形[M]. 北京:清华大学出版社,1995.
[10] 龙毅. 扩展分维模型在地图目标空间信息描述中的应用研究[D]. 武汉:武汉大学,2002.
[11] 王厚祥.海图制图综合[M]. 大连:大连舰艇学院,1998.
[12] 蒋晶珏,张祖勋,明英. 复杂城市环境的机载LiDAR点云滤波[J]. 武汉大学学报(信息科学版),2007,32(5):303-306.
[13] FINKEL R A, BENTLEY J L. Quad Trees a Data Structure for Retrieval on Composite Keys[J]. Acta Informatica,1974,4(1):1-9.
[14] BENTLEY J L. Multidimensional Binary Search Trees Used for Associative Searching[J]. Communications of the ACM, 1975, 18(9):509.
[15] ARYA S, MOUNT D M, NETANYAHU N S, et al. An Optimal Algorithm for Approximate Neraest Neighbor Searching[J]. Journal of the ACM,1998,45:891-923.
[16] FALCONER K.分形几何:数学基础及其应用[M]. 曾文曲,译.沈阳:东北大学出版社,1991.

用于公路勘测设计的LiDAR点云抽稀算法

LiDAR Point Cloud Thinning Algorithm for Road Survey and Design

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[3]	王道杰, 陈倍, 孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报, 2022, 0(5): 140-144,169.
[4]	徐福斌, 曲相屹, 王健, 刘秀涵. 基于LiDAR点云的复杂钢结构模型重建[J]. 测绘通报, 2022, 0(5): 170-173.
[5]	普东东, 丁海勇. 融合超体素与成对链接聚类的LiDAR点云分割算法[J]. 测绘通报, 2022, 0(3): 65-69.
[6]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[7]	高智梅, 王竞雪, 沈昭宇. 机载LiDAR建筑物点云渐进提取算法[J]. 测绘通报, 2021, 0(8): 7-13,36.
[8]	王晓静, 唐超, 王勇, 侯海倩, 杨晓飞. 封闭环境下限制误差发散的高精度导航定位[J]. 测绘通报, 2021, 0(8): 65-68,73.
[9]	阎跃观, 陈中章, 孙阳, 李泽政, 姚承志. 密集低矮植被区LiDAR点云地面滤波算法[J]. 测绘通报, 2021, 0(7): 1-5.
[10]	高莎, 袁希平, 甘淑, 杨亚复, 李霞. 面向复杂山地的机载LiDAR与无人机影像融合应用[J]. 测绘通报, 2021, 0(7): 65-69.
[11]	熊友谊, 乔纪纲, 张文金. 基于线特征的鱼眼图像与地面激光雷达点云配准[J]. 测绘通报, 2021, 0(7): 74-80.
[12]	刘茂华, 李曼雯. 融合高分影像和LiDAR数据的城市道路提取[J]. 测绘通报, 2021, 0(6): 1-5,60.
[13]	孙涛, 徐明宇, 董秀军, 潘星. 机载LiDAR技术应用于茂密植被山区地质灾害调查[J]. 测绘通报, 2021, 0(4): 90-97.
[14]	宋宝, 柯福阳, 赵兴旺. 面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析[J]. 测绘通报, 2021, 0(2): 44-48.
[15]	谢宏全, 汪秋玲, 蔡东健, 邢万里, 孙权, 刘付程. 利用车载LiDAR点云数据提取城市道路边界[J]. 测绘通报, 2021, 0(2): 64-67.