【摘 要】
：
高山峡谷地区山高坡陡、通讯及卫星信号遮挡严重、高原高寒、地质灾害频发、人力不易到达,无法使用全站仪、GNSS和航空摄影测量等技术测绘地形图。结合川藏铁路勘测设计的实际需求,提出地面三维激光扫描精细地形测绘方法,制定了相应的作业流程,包括技术设计、外业数据采集、点云数据处理、DEM生成和地形图编辑及断面提取等五个步骤。以川藏铁路某特大桥大比例尺地形图测绘为例进行工程应用研究,GNSS RTK高程检测
论文部分内容阅读
高山峡谷地区山高坡陡、通讯及卫星信号遮挡严重、高原高寒、地质灾害频发、人力不易到达,无法使用全站仪、GNSS和航空摄影测量等技术测绘地形图。结合川藏铁路勘测设计的实际需求,提出地面三维激光扫描精细地形测绘方法,制定了相应的作业流程,包括技术设计、外业数据采集、点云数据处理、DEM生成和地形图编辑及断面提取等五个步骤。以川藏铁路某特大桥大比例尺地形图测绘为例进行工程应用研究,GNSS RTK高程检测与对比分析结果表明,地面三维激光扫描地形图的等高线内插高程中误差为0.35m,仅为高山地区1∶500地形
其他文献
在自动驾驶场景中,视觉相机能够实现低成本的定位与环境感知,但是场景中的动态目标会影响视觉定位的轨迹。对此,本文提出了语素关联约束的动态环境视觉定位优化方法。首先,利用目标检测和语义分割提取环境中的语义实体;然后,通过语素关联模型识别出动态语素;最后,建立动态语素的特征掩膜,用于特征匹配过程中的动态目标特征点过滤,从而提高视觉定位效果。本文基于视觉机器人平台在校园道路开展了试验,发现了动态目标通过关
城市环境中的行道树、车辆、杆状交通设施是重要的交通地物,也是智能交通,导航与位置服务,自动驾驶和高精地图等行业应用的核心要素。为了准确识别这些路侧目标,本文提出一种融合点云和多视角图像的深度学习模型PGVNet(point-group-view network),充分利用目标点云数据中空间几何信息及其多视角图像中高级全局特征提升路侧行道树、车辆和杆状设施的分类精度。为了减少视图间的冗余信息并增强显
基于激光同时定位与地图构建(simultaneous localization and mapping, SLAM)技术,不仅能够实现车辆在未知环境下的实时定位,还能高效地获取环境的三维地理空间信息,近年来受到了无人驾驶领域的广泛关注。在几何结构匮乏的隧道中,仅依赖几何信息无法配准点云,因此传统激光SLAM方法难以在隧道中应用。为解决这一问题,本文在LOAM的基础上,提出一种点云强度信息增强的改进
针对地下停车场环境GPS信号缺失的问题,本文在环视特征地图构建的基础上,提出基于二阶马尔科夫模型的粒子滤波定位算法(Markov model-particle filter, MM-PF),实现智能车在地下停车场环境中的高精度定位。在该模型中,环视特征地图节点被定义为粒子,查询图像被定义为观测数据。在状态转移过程中,引入二阶马尔可夫模型,对短时间车辆运动进行建模,构建状态转移模型。利用图像的全局特
驾驶场景的视觉显著性建模是智能驾驶的重要研究方向。现有的静态和虚拟场景的视觉显著性建模方法不能适应真实驾驶环境下道路场景实时性、动态性和任务驱动特性。构建真实驾驶环境的动态场景视觉显著性模型是目前研究的挑战。从驾驶环境的特点与驾驶员的视觉认知规律出发,本文提取道路场景的低级视觉特征、高级视觉特征和动态视觉特征,并结合速度和道路曲率两个重要影响因素,建立了多特征逻辑回归模型(logistic reg
针对机器人在室内大范围场景中定位初始化技术难题,提出一种基于特征模式的定位初始化方法。首先,结合室内场景结构特征分析,探索场景中具有空间位置标示功能的稳定人工构筑物如墙壁、柱体等结构及结构组合,将其定义为特征模式,以提高场景特征表达稳健性。其次,结合多线激光雷达数据特点,提出实时数据的特征模式提取方法,对其分级管理,提高了场景特征表达效率。然后,提出一种半自动化处理方法实现点云地图特征模式提取,并
为了提高移动机器人的定位精度,提出一种双目视觉与惯导融合的视觉SLAM算法。在视觉SLAM前端部分,为了保持直接法计算速度快及特征法精度高的特点,提出一种融合直接法和特征法的半直接法双目视觉里程计。在后端优化阶段,将视觉数据与IMU数据相互融合,在滑动窗口中以非线性优化的方式构建误差函数,优化位姿计算精度。在EuRoc数据集中对本文提出的算法进行试验验证。结果表明,与开源的视觉惯导融合的SLAM系
同时定位和地图构建(SLAM)凭借其高能效和低功耗等特点在诸多领域应用前景广阔。然而,在传统的SLAM系统中仍存在一些问题:传统的视觉里程计中关键帧并不包含语义信息,移动机器人获取的图像信息较为单一,且在实际场景中关键帧总包含大量误匹配点和动态点。针对以上问题,本文提出一种语义SLAM思路。首先,为了能够匹配到正确且对应的特征点,摒弃动态点和误匹配点的干扰,提出了一种基于Lucas-Kanade光
实时地图匹配技术在智能交通、自动驾驶等领域起着关键作用。现有实时地图匹配算法在高架、立交道路等复杂场景受到平行道路的干扰,匹配正确率较低。针对这一问题,本文提出了一种利用与车辆轨迹同步采集的图像对行驶场景进行分类,从而辅助城市复杂道路环境下地图匹配的方法。该方法在车辆靠近高架区域时利用图像对车辆行驶场景进行分类,结合车辆行驶方向、轨迹点与路段的距离、匹配路段邻接性等指标,对当前轨迹点进行实时匹配。
露天矿山大部分道路坡度大,无人驾驶矿车在上下坡之前如果不能合理规划速度,则容易发生一些危险,例如因下坡急减速导致的物料外撒或因上坡导致的溜车。无人驾驶矿车通过精确检测车辆前方一定范围内的道路坡度,可以在上下坡之前合理规划速度。目前无人驾驶矿车实时检测露天矿山道路坡度存在一些挑战:露天矿山道路坡度大且不平整,无人驾驶矿车在行驶过程中会有比较大的俯仰和弹跳运动,因为基于惯性导航系统(inertial