为提取机载LiDAR点云中的高压电塔,提出一种电塔自动提取算法。首先,对点云进行预处理,利用布料滤波算法得到地面点和非地面点;对非地面点点云进行空间规则化网格处理,根据高压电塔的高程特征进行粗提取,得到存在电塔的感兴趣区域(ROI)网格;最后,利用改进的基于密度的噪声空间聚类算法剔除ROI网格中的噪声点,进行电塔点云的精细提取。实验结果表明,本文算法可以实现LiDAR点云中高压电塔的自动提取,具有较高的自动化程度和处理效率。

针对传统的道路测量方法存在效率低、安全性差,且无法快速直接地获取井盖病害信息的问题,提出了一种结合三维激光点云的井盖病害检测方法。通过分析点云数据中路面井盖的空间分布特征和强度反射特性,首先设计了梯度和布料模拟滤波(CSF)组合算法提取地面点后生成强度图像,然后通过自适应阈值对强度图像进行二值化,在此基础上用限制参数的Hough圆检测方法定位井盖位置,实现了路面井盖的精准提取;最后通过计算井盖中心和邻域点云高差均值,实现了井盖的沉降病害检测。对北京三环道路的实地数据进行实验,结果显示,该方法能直接准确地获取路面井盖位置和病害等信息,井盖提取准确率达到84%,精准率达到98%。与传统测量方式相比,该方法可有效提高井盖提取效率和作业安全性,有助于后期公路路面井盖的检测和维护工作。

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题, 提出了一种高效的电力线自动提取和重建方法。首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取; 采用基于点云间倾斜角度平均值的滤波算法精提取电力线; 使用统计滤波算法完成电力线整体点云提取; 通过基于随机采样一致性算法的电力线分条提取算法分离电力线, 最后采用直线和抛物线结合的模型完成电力线重建。结果表明, 该方法电力线总的提取精度为99.342%, 单条电力线重建精度最低为0.042m, 对地形、线路走向和点云密度等因素具有较好的鲁棒性。该研究为复杂场景下大规模输电线路的电力线提取和3维重建提供了参考。

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外,提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。

道路标线提取与分类是智慧城市建设中需要解决的关键技术之一,也是智能驾驶亟待解决的技术难题。提出了一种基于深度学习的道路标线自动提取与分类方法,通过移动窗口法结合相邻扫描线拓扑关系进行地面点云的提取,并生成强度图像,基于深度学习方法实现道路标线的自动提取与分类,并利用KD树聚类分割算法结合矢量化方案实现道路标线的矢量化。基于实验数据对该方法进行验证分析,结果表明,使用该方法进行自动提取与分类的精度和F_score分别为92.59%和90.15%,证明了该方法的可行性和准确性。该方法为道路标线的自动提取提供了新思路,使道路标线提取工作变得更准确、高效,提升了道路标线获取与分类的智能化程度。

考虑城市道路边缘的空间姿态特征, 建立了一种自动提取道路边线点云并绘制道路边界线的方法.建立空间格网点云存储结构, 利用网格内整体点云的法向量特征对其进行聚类和分割, 利用改进K均值算法提取道路边线点云, 采用中值法绘制道路边界线.基于本文方法, 分别选择实验区直线段和曲线段道路扫描数据进行分析.结果表明, 本文方法不依靠任何辅助信息, 便可以提取直线和曲线道路边线点云以及绘制道路边界线, 在路面平坦的工况下有较好的提取效果.

为了提高视觉测量系统的自动化水平和测量精度,提出了一种结合模板匹配和梯度峰值的对角标志自动提取方法。使用旋转不变模板匹配方法得到原始图像与标准模板的相关系数矩阵,通过两次阈值筛选获取标志点候选位置。根据两条直线相交于标志中心处以及中心处灰度梯度存在多个峰值的特性,剔除非合作标志点,得到对角标志点初始坐标。通过生成对角标志理想相关模板,利用相关系数拟合极值法进行亚像素定位。实验结果表明,该方法可以正确提取复杂环境下对角标志或棋盘格图像中的角点,而且需要人工调节的参数少、稳健性强、定位精度高且通用性好,可应用于工程实践中环境光源变化较大的测量场合。

城市市政井盖的快速定位与提取是智慧城市部件管理中需要解决的关键性问题之一，也是城市道路养护智能化管理实现过程中待解决的技术难题。提出了一种基于移动测量系统的井盖自动定位与提取方法，利用地面粗糙度进行地面点云提取，并将地面点生成地面强度特征图像，基于改进的梯度直方图算法、主成分分析、支持向量机分类器三者结合的方法实现井盖的快速定位与提取，结合同步影像获取井盖的权属信息。基于实验数据对该方法进行定性、定量分析，基于该方法进行城市井盖自动提取的准确率可达88.495%，精确度为99%，证明了该方法的正确性、可行性与稳健性。该方法促进了道路养护部门智能化工作模式的提升，不仅降低了工作的危险系数，提高了检测精度，还将传统的外业检测转变为室内作业模式，自动化、智能化程度得到了大幅提升。

针对地震滑坡灾害应急响应的高时效性要求，提出了一种基于灾后高分辨率遥感影像的地震滑坡体自动提取算法。该算法综合利用了高分辨率遥感影像的光谱、形状和纹理等特征，基于多特征阈值分层次逐步剔除干扰地物，实现了地震滑坡体的自动提取。涉及到的特征参量阈值均采用改进的Otsu算法自动确定。在利用2008年汶川地震后ADS40航空遥感影像自动提取滑坡的实验中，所提算法的滑坡个数正确提取率超过70%，面积正确提取率超过80%。对于10000 row×10000 column的ADS40影像，算法执行时间低于1 min。相较于传统的人机交互目视解译方法，该算法的自动化程度高、滑坡提取速度快，滑坡识别精度可以满足地震灾害应急要求。

提出了一种在复杂背景下,无需人工干预、自动提取二维正弦标靶特征点的方法。以液晶显示器作为平面标靶,标定图像为正弦强度条纹。摄像机拍摄标定条纹图后,算法根据条纹调制度自动分离背景和有效条纹区域;先将水平和垂直相移条纹的截断相位进行相位展开,再将两个相位分布构造成新的二维正交条纹图,通过多项式拟合建立各相位分布与其像素坐标的关系,以正交条纹亮点(对应相位为2π)作为标定特征点,并对这些亮点进行定位操作,获取其对应的亚像素坐标;最后利用展开相位的级次与条纹周期信息自动计算出它们的世界坐标,用于后续的摄像机标定。与常用的二维棋盘格对比实验结果表明,该方法标定结果可靠,而且精度更高,最为关键的是,该方法无需人机交互的手动操作,自动易行,可在以二维正弦条纹为标靶的摄像机标定中推广应用。