基于SSW点云数据的矢量地图平面精度自动校验方法

doi:10.13474/j.cnki.11-2246.2019.0086

测绘通报 ›› 2019, Vol. 0 ›› Issue (3): 98-102.doi: 10.13474/j.cnki.11-2246.2019.0086

基于SSW点云数据的矢量地图平面精度自动校验方法

羌鑫林¹, 李广伟¹, 王留召², 张伟红³

1. 江苏省测绘工程院, 江苏南京 210013;
2. 中国测绘科学研究院, 北京 100039;
3. 云南昆明冶金高等专科学校测绘学院, 云南昆明 650033

收稿日期:2018-05-26 修回日期:2018-12-14 出版日期:2019-03-25 发布日期:2019-04-02
通讯作者: 张伟红。E-mail:348318031@qq.com E-mail:348318031@qq.com
作者简介:羌鑫林(1983-),男,硕士,高级工程师,主要研究方向为数字城市、移动测量。E-mail:qiangxinlin@163.com
基金资助:
国家自然科学基金（41371434；41771491）

An automatic calibration method for vector map plane accuracy based on SSW point cloud

QIANG Xinlin¹, LI Guangwei¹, WANG Liuzhao², ZHANG Weihong³

1. Jiangsu Provincial Surveying and Mapping Engineering Institute, Nanjing 210013, China;
2. Chinese Academy of Surveying and mapping, Beijing 100039, China;
3. Faculty of Geomatics, Kunming Metallurgy College, Kunming 650033, China

Received:2018-05-26 Revised:2018-12-14 Online:2019-03-25 Published:2019-04-02

摘要/Abstract

摘要： 常规的矢量地图精度校验采用抽样与实地测量，外业工作量大，自动化程度低。针对这一问题，本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先，使用车载激光扫描器获得道路两侧高精度点云数据，并对点云数据进行滤波、坐标转换和精度检验；其次，基于多特征识别算法，使用SWDY软件提取点云特征点线；最后，利用最近邻法搜索待检矢量图中的同类地物特征点线，并计算匹配点线对的中误差。以兴化城区为试验区，采用该方法检测该地区1：1000比例尺的矢量地图平面精度，试验结果显示，成功匹配了点云数据205个地物特征中的201个，矢量地图的总体中误差为0.26 m，且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量，增加检测样本数量，降低检测过程中的人为干扰因素，有效提升检测的可靠性与检测效率。

关键词: 激光点云, 点云识别, 矢量地图, 自动匹配, 平面精度

Abstract: Routine calibration of vector maps is based on sampling and field measurement,with much workload and low automation.To solve this problem,automatic calibration method for vector map plane accuracy based on SSW laser point cloud data is presented.First of all,the vehicle laser scanner is used to obtain the high precision point cloud data on both sides of the road.The point cloud data is filtered,transformed coordinate and verified accuracy.Secondly,based on multi-feature recognition algorithm,SWDY software is used to extract point cloud feature points.Finally,the nearest neighbor method is used to search the same class of featured points and line,the mean square error of matched points and line is calculated.This method is used to verify plane accuracy of vector map with 1:1000 measuring scale in Xinghua city.The experimental results show that 201 of the 205 feature features of the point cloud data are successfully matched.The overall error of the vector map is 0.26 m,and the acquisition and leakage and the obvious error in the vector map can be found.The method can reduce the field workload of existing detection methods,increase the quantity of testing sample,and lower human disturbance factors in the process of detection,which effectively improve the reliability and efficiency of detection.

Key words: laser point cloud, point cloud recognition, vector map, automatic matching, plane accuracy

中图分类号:

P237

羌鑫林, 李广伟, 王留召, 张伟红. 基于SSW点云数据的矢量地图平面精度自动校验方法[J]. 测绘通报, 2019, 0(3): 98-102.

QIANG Xinlin, LI Guangwei, WANG Liuzhao, ZHANG Weihong. An automatic calibration method for vector map plane accuracy based on SSW point cloud[J]. 测绘通报, 2019, 0(3): 98-102.

参考文献

[1] 王芳,高晓路,许泽宁. 基于街区尺度的城市商业区识别与分类及其空间分布格局——以北京为例[J]. 地理研究, 2015, 34(6):1125-1134.
[2] 朱秀丽,周治武,李静,等. 网络矢量地图瓦片技术研究[J]. 测绘通报, 2016(11):106-109.
[3] 付仲良,殷甲伟,韩宇韬,等. 数字城市矢量地形图数据更新方法研究[J]. 地理空间信息, 2017, 15(4):1-3.
[4] 蔡建德,张福利. 数字地形图精度自动检查统计系统的开发和应用[J]. 测绘通报, 2008(6):41-44.
[5] 孟凡强,刚慧龙. 数字地形图位置精度质检程序的研发及应用[J]. 城市勘测, 2015(5):136-138,146.
[6] 王金栋,韩文立,章立博,等. 基于已有资料的自动质检技术研究与实现[J]. 测绘通报, 2017(2):109-111.
[7] 张潘,余代俊,许馨. 1:10 000 DLG质量检查及质量评定方法[J]. 地理空间信息, 2016, 14(7):112-114.
[8] 王峰. 集成RTK的三维激光扫描技术测量地形的方法[J]. 测绘通报, 2017(3):71-75.
[9] 杨必胜,梁福逊,黄荣刚. 三维激光扫描点云数据处理研究进展, 挑战与趋势[J]. 测绘学报, 2017, 46(10):1509-1516.
[10] YAN W Y,SHAKER A,EL-ASHMAWY N. Urban land cover classification using airborne LiDAR data:a review[J]. Remote Sensing of Environment, 2015, 158:295-310.
[11] RAU J Y,JHAN J P,HSU Y C. Analysis of oblique aerial images for land cover and point cloud classification in an urban environment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(3):1304-1319.
[12] WANG Z,ZHANG L Q,FANG T,et al. A multiscale and hierarchical feature extraction method for terrestrial laser scanning point cloud classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(5):2409-2425.
[13] 徐建新,张光伟,羌鑫林,等. 激光测量采集车在城市部件调查中的应用[J]. 测绘与空间地理信息, 2013, 36(S1):237-239.
[14] 周知红. 面向无人驾驶的车道级道路电子地图制作[J]. 测绘与空间地理信息, 2018, 41(2):164-170.
[15] 马浩,王留召. 基于车载激光点云的道路边线自动分类与提取[J]. 测绘科学, 2014, 39(6):126-128.
[16] 羌鑫林,李广伟,房井洋,等. 移动测量技术在城市道路交通要素数据采集中的应用[J]. 现代测绘, 2016, 39(4):42-44.
[17] 谭贲. 基于车载激光扫描数据的城市典型地物分类方法研究[D]. 北京:首都师范大学, 2011.
[18] 谭贲,钟若飞,李芹. 车载激光扫描数据的地物分类方法[J]. 遥感学报, 2012, 16(1):50-66.

基于SSW点云数据的矢量地图平面精度自动校验方法

An automatic calibration method for vector map plane accuracy based on SSW point cloud

可视化

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]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[2]	李昊霖, 李冲, 王辉, 佘毅. 一种机载LiDAR数据漏洞检测方法[J]. 测绘通报, 2022, 0(1): 133-138.
[3]	李晓丽, 刘如飞, 汤玉兵, 任红伟, 柴永宁. 高精度矢量数据的路面三维自动建模方法[J]. 测绘通报, 2021, 0(7): 70-73.
[4]	赵文军, 丁智奇, 王泓森. 倾斜实景模型和LiDAR点云数据相融合的不动产测量新方法[J]. 测绘通报, 2021, 0(2): 87-92.
[5]	赵焰, 曹聿铭, 黄鹤. 基于车载激光点云的高精地图矢量化成图[J]. 测绘通报, 2021, 0(12): 105-109,114.
[6]	胡春梅, 夏国芳, 刘喜. 地面激光点云与数码影像自动高精度配准[J]. 测绘通报, 2021, 0(10): 83-87.
[7]	余建伟, 廖江海, 陈智鹏, 熊永钢, 熊智敏. 基于断面基准面点云模型的隧道管片分割与断面提取[J]. 测绘通报, 2021, 0(10): 159-162.
[8]	王晓静, 唐超, 杨晓飞. 激光点云在地铁盾构隧道病害诊断中的应用[J]. 测绘通报, 2020, 0(9): 33-37.
[9]	周贻港. 利用三维激光点云重构建筑物模型[J]. 测绘通报, 2020, 0(3): 109-112.
[10]	马自军, 谯生有, 闻道荣. 三维激光扫描仪在隧道工程施工中的应用[J]. 测绘通报, 2020, 0(3): 157-159.
[11]	王娜, 段龙飞, 徐卫东, 王志一. 塔形构筑物倾斜变形监测新方法[J]. 测绘通报, 2019, 0(3): 133-136.
[12]	蔡斌斌, 李必军. 无人车平台激光点云中线特征提取[J]. 测绘通报, 2019, 0(2): 32-38.
[13]	汪仁银, 陈锐, 李开伟, 叶波. 三维激光技术在砂石方量自动测量中的应用[J]. 测绘通报, 2019, 0(11): 156-159.
[14]	徐光禹, 杜宁, 王莉, 裴书玉, 李丰旭, 罗辑. 多源数据融合技术在古建筑三维重建中的应用[J]. 测绘通报, 2019, 0(10): 77-82.
[15]	彭劲松, 叶波, 李娟, 周光明. 三维激光技术在建筑物外立面测量中的应用[J]. 测绘通报, 2018, 0(7): 156-159.