论文部分内容阅读
路灯和行道树是城市道路场景中道路附属物的主要组成部分,分别承担着夜间照明和城市绿化功能。道路场景中路灯数量大、类型多,树木分布散乱、形态各异,大场景中以人工方式进行路灯和行道树详细信息的获取是一项繁琐的工作。车载LiDAR作为一种高效的空间信息获取技术,可以快速获取城市道路环境周围地物的高精度空间三维信息。准确、高效地从车载LiDAR点云中提取路灯和树木等地物信息是科研工作者长期以来努力的目标,是车载LiDAR点云数据处理的一个热点,也是一个难点;对提取出来的信息如何高效地应用,也是科研工作者即将面临的问题。本文以城市道路场景为例,围绕场景中路灯和行道树信息的提取展开了相关研究,对所提取信息进行了应用探索。具体研究工作如下:1.分析了国内外研究现状。通过总结国内外基于LiDAR数据的路灯和行道树信息提取研究中的不足,规划本文的研究思路及研究路线。2.进行了原始数据的预处理和地面处理。针对本文算法进行了数据裁减、数据分块等预处理;根据车载数据特点,改进了基于数学形态学的地面点提取算法,并根据地面点构建规则DEM。3.提出了基于样本模型的路灯点云提取算法。通过路灯样本点云,使用L1骨架提取等算法提取路灯样本几何参数,构建路灯模型;将根据数学形态学方法提取的疑似路灯地物与路灯模型中的几何参数模型匹配,判断并提取路灯点云;在路灯匹配判断的同时,记录每个路灯的几何参数信息,即为详细的路灯参数信息。4.改进了基于聚类方法的行道树点云提取算法,进行了行道树信息提取。在规则DEM的基础上进行低矮地物滤除,增加欧几里得聚类,通过提取策略提取行道树点云;使用基于生长模型的方法对相连行道树进行了树冠分割,对单棵行道树进行了树冠和树干等信息的提取。5.验证了本文算法的可行性。选取试验区车载LiDAR点云数据,分别进行数据预处理、地面点提取及DEM构建、路灯点云提取、行道树点云提取、行道树信息提取等试验;对地面点提取进行了改进前效果和改进后效果的对比,对路灯点云提取结果进行了定性定量分析,对行道树点云及信息提取结果进行了效果分析,结果表明本文方法能有效地提取路灯和行道树的信息。6.探索了所提取地物信息的应用方向。对行道树的树冠生长给路灯光照造成的影响进行了分析,对路灯及行道树在两期数据中的变化进行了简单分析。