基于点云数据的杆状地物提取方法
道路两侧的路灯、交通标志杆和交通信号杆等杆状道路设施的位置与状态等信息是道路调查,以及城市部件管理中需要获取的重要数据.本文首先利用区域生长和渐进形态学滤波移除地面点,并对非地面点聚类;然后对聚类对象进行体素化网格采样,并提取采样点的快速点特征直方图,使用费舍尔编码对快速点特征直方图进行编码得到费舍尔向量;结合费舍尔向量以及地物的几何和辐射等全局特征,采用支持向量机(SVM)分类器进行训练和分类,实现杆状道路设施的识别和分类.实验结果表明,本文方法对路灯、交通标志杆和摄像头杆的提取准确率分别为89.3%、66.7%和100%,漏分率分别为10.7%、33.3%和0%,错分率分别为13.5%、4.8%和6.3%.
车载激光点云、目标识别、杆状道路设施、费舍尔编码、分类
50
TP391(计算技术、计算机技术)
2022-06-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
62-66