System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及大数据,具体涉及基于多源融合数据的交通标志牌清查方法及系统。
技术介绍
1、在公路交通系统日益复杂和快速发展的背景下,传统的交通标志牌清查方法面临一系列挑战,如效率低、准确性差、人工干预多等问题。全球范围内,公路交通管理正逐步向数字化转型,数字化管理可以提高公路资产的利用效率、降低维护成本、优化交通流,因此成为现代交通规划管理的重要方向。为解决这些问题,本专利技术在全景影像数据与三维激光点云数据的融合应用上进行了创新,以提供更为高效、准确的交通标志牌清查解决方案。
2、传统的交通标志牌清查主要依赖于人工巡查和手动记录,这种方式效率低下,容易受制于人为因素,且难以应对公路交通网络不断扩展和变化的需求。此外,传统方法对于大规模清查和数据管理难度较大,容易导致信息滞后、不准确等问题。随着公路交通网络的快速发展,对于实时、准确获取交通标志牌信息的需求不断增加。现代交通管理需要一种能够自动化、高效地清查和管理交通标志牌的解决方案,以提升道路管理水平和交通安全性。全景影像和三维激光点云是现代交通规划管理中常用的数字化工具,全景影像提供了真实场景的高分辨率图像,而三维激光点云则能够精确获取道路的几何信息及各类设施的位置信息。将这两者进行融合,可以综合利用它们在信息表达上的优势,提高交通标志牌识别和定位的准确性。
3、道路中心线是公路基本骨架,对于交通标志牌的准确识别定位至关重要。现有技术中,对道路中心线的精准构建难度较大。本专利技术在提取道路中心线的基础上建立桩号与经纬度的映射关系,使得交通标志牌的定位更
技术实现思路
1、为解决现有交通标志牌清查方法中存在的问题和缺陷,本专利技术提供了一种基于多源融合数据的交通标志牌清查方法,通过采集三维激光点云数据和全景影像数据,提取道路中心线并确定桩号和经纬度的映射关系;分别构建基于三维激光点云数据的交通标志牌识别模型和基于全景影像数据的交通标志牌识别模型,通过对比两个模型的识别结果确定最终的标志牌,进而获取交通标志牌的经纬度,并基于道路中心线的映射关系完成交通标志牌桩号的匹配。该方法和系统具有准确率高、鲁棒性强等优点,可以应用于公路资产自动清查等领域,提高公路养护管理效率和驾驶安全性。
2、基于多源融合数据的交通标志牌清查方法,包括以下步骤:
3、基于多源数据采集设备采集车辆在真实道路场景中的全景影像数据和三维激光点云数据;
4、对全景影像数据进行预处理;
5、对三维激光点云数据进行预处理;
6、基于三维激光点云数据构建模型确定道路中心线的经纬度;
7、基于道路中心线确定桩号与经纬度的映射关系;
8、构建基于全景影像数据的交通标志牌识别模型,确定交通标志牌类型及位置关键信息;
9、构建基于三维激光点云数据的交通标志牌识别模型,确定交通标志牌位置关键信息;
10、对比两个模型识别出的交通标志牌结果,确定最终的交通标志牌数据;
11、对确定的最终的交通标志牌,基于点云数据获取每个标志牌的真实经纬度;
12、结合道路中心线桩号与经纬度的映射关系,匹配每个交通标志牌的真实桩号。
13、进一步地,所述的基于多源数据采集设备采集车辆在真实道路场景中的全景影像数据和三维激光点云数据包括利用数据采集设备同时采集真实道路场景中的全景影像数据和三维激光点云数据。
14、进一步地,所述的对全景影像数据进行预处理包括如下步骤:
15、图像去噪:使用数字图像处理技术对全景影像数据进行去噪处理,降低图像中的干扰信号;
16、图像增强:应用图像增强算法,提高图像的对比度和清晰度,以便更好地识别交通标志牌;
17、图像校正:进行几何校正,纠正图像中由于摄像头角度原因引起的畸变,确保图像与实际道路场景一致;
18、数据标定:标定图像中的地理位置信息,与其他数据源对齐,确保后续处理的一致性;
19、图像质量控制:对处理后的图像进行质量控制,确保清晰度和准确性。
20、进一步地,所述的对三维激光点云数据进行预处理包括如下步骤:
21、去除离群点:针对三维激光点云数据,进行离群点的检测与去除,排除由于设备误差或其他异常因素引入的噪声点,提高后续处理的准确性;
22、点云滤波:应用点云滤波算法,如高斯滤波、中值滤波,以平滑点云数据,减少数据中的尖峰或孤立点;
23、点云配准:进行点云配准操作,将采集到的多个点云数据进行对齐,确保不同位置的数据能够在同一坐标系中表示;
24、点云分割:将整个点云数据分割成不同的部分,以便更好地处理和分析,通过识别地面点和非地面点来进行分;
25、地面提取:通过地面提取算法,将地面点从点云数据中分离出来,减少不同高度的干扰,专注于处理道路表面和道路附近的物体;
26、法线估计:对点云中的每个点进行法线估计,以获取点云表面的法向信息,有助于后续的形状分析和物体识别;
27、点云颜色处理:将点云中的颜色信息与激光扫描数据融合,提高数据的可视化效果,同时为后续的图像处理提供更多信息;
28、采样与降采样:对点云进行采样或降采样,以减少数据量,提高处理效率,并确保后续处理在合理的时间内完成;
29、数据标定:根据已知的地理信息,对点云数据进行标定,使其与其他数据源对齐,确保综合数据的一致性;
30、质量控制:对预处理后的点云数据进行质量控制,确保数据的准确性和完整性。
31、进一步地,所述的基于三维激光点云数据构建模型确定道路中心线的经纬度包括如下步骤:
32、点云数据分割:将处理过的三维激光点云数据进行进一步分割,区分道路表面的点云数据;
33、地面点云筛选:通过之前的地面提取步骤,获取道路表面的地面点云数据,以减少噪声和非道路物体的影响;
34、特征提取:对道路表面的点云数据进行特征提取,包括沿道路方向的点云密度、点云的曲率特征;
35、道路中心线提取:基于特征提取的结果,使用道路中心线提取算法,确定道路中心线的位置;
36、道路中心线可视化:将道路中心线的模型与原始点云数据进行可视化,确保模型与实际道路形状相符。
37、进一步地,所述的基于道路中心线确定桩号与经纬度的映射关系包括以下步骤:
38、道路中心线模型构建:利用提取到的道路中心线数据,采用拟合算法,包括最小二乘法,构建道路中心线的数学模型;
39、模型参数计算:计算道路中心线模型的参数,包括斜率、截距,以便后续的经纬度映射;
40、桩号定义:定义道路中心线上的桩号范围,确定起点和终点,并设定桩号的增长方向;
41、桩号分配:将道路中心线上的点按照一定的规则分配桩号,具体本文档来自技高网...
【技术保护点】
1.基于多源融合数据的交通标志牌清查方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的基于多源数据采集设备采集车辆在真实道路场景中的全景影像数据和三维激光点云数据包括利用数据采集设备同时采集真实道路场景中的全景影像数据和三维激光点云数据;
3.根据权利要求2所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的对三维激光点云数据进行预处理包括如下步骤:
4.根据权利要求3所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的基于三维激光点云数据构建模型确定道路中心线的经纬度包括如下步骤:
5.根据权利要求4所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的基于道路中心线确定桩号与经纬度的映射关系包括以下步骤:
6.根据权利要求5所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的构建基于全景影像数据的交通标志牌识别模型包括如下步骤:
7.根据权利要求6所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所
8.根据权利要求7所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的对比两个模型识别出的交通标志牌结果包括如下步骤:
9.根据权利要求8所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的匹配每个交通标志牌的真实桩号包括如下步骤:
10.基于多源融合数据的交通标志牌清查系统,其特征在于,包括:
...【技术特征摘要】
1.基于多源融合数据的交通标志牌清查方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的基于多源数据采集设备采集车辆在真实道路场景中的全景影像数据和三维激光点云数据包括利用数据采集设备同时采集真实道路场景中的全景影像数据和三维激光点云数据;
3.根据权利要求2所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的对三维激光点云数据进行预处理包括如下步骤:
4.根据权利要求3所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的基于三维激光点云数据构建模型确定道路中心线的经纬度包括如下步骤:
5.根据权利要求4所述的基于多源融合数据的交通标志牌清查方法,其特征在于,所述的基于...
【专利技术属性】
技术研发人员:郝艳军,董红霞,张健健,吴兴琪,杨洋,王祯国,高浩,孙立周,姚广,杨睿之,王宁,罗浩洋,王鑫玥,赵晓晋,吴佳佳,郭学兵,
申请(专利权)人:山西交通科学研究院集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。