CN114821522B 基于车载激光点云数据的城市道路横坡和超高值计算方法 （东南大学）

基于车载激光点云数据的城市道路横坡和本发明公开了一种基于车载激光点云数据标牌在内的非地面点分离出去，包括高度直方用两步自适应高度阈值法去除包括道路上行驶2S20，采用基于高度直方图、基于k近邻的滤波和S32，遍历所有格网，查找格网内高程的最低值z/min，计算格网内点云高程的平均值2.根据权利要求1所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，3.根据权利要求2所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，S111，使用每个激光点的时间戳将所有激光点n∈N+}为轨迹点对应的扫描线的LiDAR//34.根据权利要求1所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，5.根据权利要求1所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，r′/ε]+1)/ε]+146.根据权利要求1所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，7.根据权利要求1所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，S44，计算待插值点的竖向坐标，查找待插值点所在格网周围8个非空格网，采用8.根据权利要求7所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，S421，定义滤波器的窗口宽度，窗口宽度表示用于i表示x跨度内的临近点，dis为从x到窗宽内最远处预测值的水59.根据权利要求1所述的基于车载激光点云数据的城市道路横坡和超高值计算方法，S51，沿道路前进方向，在重构空间内与Y轴方向一6常是手工进行的。这些手工现场测量要求工程师将设备放置在路面上以获取横坡。图2显(GNSS)和惯性测量单元(IMU))以及移动平台上的图像数据采集传感器(全景和数码相机)。[0004]专利号为CN114170149A的发明中提及一种基于激光点云的道路几何信息提取方7[0011]S40，采用基于虚拟格网的插值算法对点云空洞进行填补，以获得完整的道路点+}为轨迹点对应的扫描线的LiDAR点集；Sk8任意一个查询点的近邻点平均距离大于所有点云平均距离，则将该查询点标记为离群点；[0031]S33，遍历所有格网，查找格网周围8个邻域格网内所有激光点的高程的最低值ε/ε]+1)/ε]+19和的计算方法如下：[0064]图1为本发明实施例的基于车载激光点云数据的城市道路横坡和超高值计算方法[0072]图1为本发明一种基于车载激光点云数据的城市道路横坡和超高值计算方法的结[0076]S40，采用基于虚拟格网的插值算法对点云空洞进行填补，以获得完整的道路点[0094]S22：采用几何范围划定的方式将道路两侧的大部分设施滤除：对点云进行重构[0102]在一个实施例中，步骤S30中，所述自适应高度阈值地物滤除的过程包括以下步[0104]具体地，在Matlab环境中建立虚拟格网，首先确定虚拟格网尺寸ε,创建一个r所在的虚拟格网行列/ε]+1)/ε]+1z′和的计算方法如t为临时的平滑后点集。虑到在进行现场横断面测量时，一般按10-30m的间隔测量。故本文按10m的间隔提取横断[0141]本发明采用随机抽样一致性算法(RandomSampleConsensus，RANSAC)的方法计[0144]以上仅是本发明的优选实施方式，本发明的保护范围并