專(zhuān)利名稱(chēng)：一種城市部件自動(dòng)化測(cè)量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及激光雷達(dá)測(cè)量領(lǐng)域，特別涉及一種城市部件自動(dòng)化測(cè)量方法。
背景技術(shù)：
數(shù)字化城市管理實(shí)現(xiàn)了城市管理從粗放、隨意向規(guī)范、精確和科學(xué)管理的轉(zhuǎn)變。城 市部件如供水、供電、供熱、交通路燈、路牌以及消防設(shè)施等，作為數(shù)字化城市管理必備的基 礎(chǔ)數(shù)據(jù)，需要進(jìn)行精細(xì)調(diào)查與量測(cè)，并進(jìn)行編碼管理。作為傳統(tǒng)的城市部件調(diào)查與測(cè)量方 法，主要是采用人工外業(yè)、地形圖數(shù)字化以及激光雷達(dá)點(diǎn)云人工拾取等方式建立城市部件 數(shù)據(jù)庫(kù)。發(fā)明人在實(shí)現(xiàn)本發(fā)明的過(guò)程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下缺點(diǎn)和不足1、采用人工測(cè)量的方式需要投入大量的人力資源、工作效率低下、工作量大、測(cè)量 與調(diào)查的周期長(zhǎng)和成本投入高；2、城市現(xiàn)有大比例尺地形圖要素更新周期長(zhǎng)，數(shù)據(jù)更新存在滯后于現(xiàn)狀建設(shè)，采 用地形圖數(shù)字化時(shí)，數(shù)據(jù)仍然需要現(xiàn)場(chǎng)進(jìn)行補(bǔ)查與修測(cè)，需要投入較大的人力；3、人工拾取激光點(diǎn)云數(shù)據(jù)采集城市部件時(shí)，生產(chǎn)效率與周期長(zhǎng)，人工判讀特別是 測(cè)量城市部件時(shí)，對(duì)于位置測(cè)量主觀(guān)隨意性較大，精度無(wú)法保證；4、后期城市部件數(shù)據(jù)的更新與維護(hù)需要按照格網(wǎng)劃分投入專(zhuān)業(yè)人員進(jìn)行維護(hù)與 跟蹤，但是每個(gè)作業(yè)人員的所管理維護(hù)的片區(qū)小，整個(gè)城市需要安排的運(yùn)營(yíng)人員過(guò)于龐大。

發(fā)明內(nèi)容
為了提高城市部件測(cè)量與數(shù)據(jù)維護(hù)的效率、減少工作量、減少人力和提高精度，本 發(fā)明提供了 一種城市部件自動(dòng)化測(cè)量方法，所述方法包括以下步驟(1)采用車(chē)載激光雷達(dá)測(cè)量設(shè)備，對(duì)城市街道及城市街道兩側(cè)進(jìn)行高密度的外業(yè) 掃描和相機(jī)拍照，獲取原始激光掃描點(diǎn)云數(shù)據(jù)和數(shù)碼照片數(shù)據(jù)；(2)對(duì)所述原始激光掃描點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類(lèi)處理，獲取城市部件點(diǎn)云數(shù)據(jù)；(3)采用自適應(yīng)空間聚類(lèi)分析手段，對(duì)所述城市部件點(diǎn)云數(shù)據(jù)進(jìn)行類(lèi)別細(xì)分處理， 獲取同一物體點(diǎn)云集數(shù)據(jù)；(4)根據(jù)所述同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行規(guī)則幾何形狀的三維數(shù)字化模擬與重構(gòu)， 計(jì)算出城市部件平面幾何中心位置，將所述城市部件平面幾何中心位置作為城市部件平面 測(cè)量坐標(biāo)值；(5)將所述數(shù)碼照片數(shù)據(jù)和所述同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行疊加，根據(jù)所述城市部 件平面測(cè)量坐標(biāo)值在屬性庫(kù)中對(duì)相應(yīng)的點(diǎn)位值進(jìn)行信息標(biāo)注。步驟(3)中所述采用自適應(yīng)空間聚類(lèi)分析手段，對(duì)所述城市部件點(diǎn)云數(shù)據(jù)進(jìn)行類(lèi) 別細(xì)分處理，獲取同一物體點(diǎn)云集數(shù)據(jù)，具體為1)根據(jù)分塊標(biāo)準(zhǔn)，對(duì)所述城市部件點(diǎn)云數(shù)據(jù)進(jìn)行分塊，獲取分塊城市部件點(diǎn)云數(shù) 據(jù)、點(diǎn)云樣本劃分矩陣和聚類(lèi)中心點(diǎn)集；
4
2)設(shè)置自適應(yīng)空間聚類(lèi)解算的相關(guān)參數(shù)；3)根據(jù)城市部件空間分布特征，選擇一個(gè)最小閾值Min和一個(gè)最大閾值Max ；4)對(duì)所述分塊城市部件點(diǎn)云數(shù)據(jù)進(jìn)行初始化，根據(jù)所述最小閾值Min和所述最大 閾值Max，選擇K個(gè)中心點(diǎn)作為聚類(lèi)點(diǎn)，計(jì)算每個(gè)樣本點(diǎn)與所述聚類(lèi)點(diǎn)的三維空間距離，基 于所述三維空間距離對(duì)所述分塊城市部件點(diǎn)云數(shù)據(jù)進(jìn)行劃分，采用三維空間距離值之和對(duì) 樣本分類(lèi)的情況進(jìn)行評(píng)價(jià)，獲取評(píng)價(jià)值；5)根據(jù)所述評(píng)價(jià)值，將樣本分類(lèi)中的權(quán)重中心點(diǎn)作為新的聚類(lèi)劃分的中心點(diǎn)；6)判斷迭代次數(shù)是否小于最大迭代次數(shù)，如果是，執(zhí)行步驟4)；如果否，停止迭 代，輸出所述點(diǎn)云樣本劃分矩陣、所述聚類(lèi)中心點(diǎn)集和所述評(píng)價(jià)值，將K+1值作為中心聚類(lèi) 點(diǎn)，執(zhí)行步驟4)；7)判斷K值是否達(dá)到Max值，如果是，停止自適應(yīng)空間聚類(lèi)解算，以目標(biāo)函數(shù)的評(píng) 價(jià)參數(shù)作為參考，選擇最小值的聚類(lèi)集合，作為點(diǎn)云分類(lèi)的結(jié)果，獲取所述同一物體點(diǎn)云集 數(shù)據(jù)，如果否，繼續(xù)進(jìn)行所述自適應(yīng)空間聚類(lèi)解算。所述K的取值，具體為Min ^ K ^ Max0步驟(4)中所述根據(jù)所述同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行規(guī)則幾何形狀的三維數(shù)字化 模擬與重構(gòu)，計(jì)算出城市部件平面幾何中心位置，將所述城市部件平面幾何中心位置作為 城市部件平面測(cè)量坐標(biāo)值，具體為8)將所述同一物體點(diǎn)云集數(shù)據(jù)作為獨(dú)立物體，根據(jù)截取標(biāo)準(zhǔn)獲取點(diǎn)云數(shù)據(jù)，將所 述點(diǎn)云數(shù)據(jù)作為基底三維模型重構(gòu)的點(diǎn)集數(shù)據(jù)；9)構(gòu)建二維特征模型函數(shù)庫(kù)；10)根據(jù)所述二維特征模型函數(shù)庫(kù)，對(duì)所述點(diǎn)云數(shù)據(jù)進(jìn)行最小二乘計(jì)算和模擬，確 定所述二維特征模型函數(shù)庫(kù)中的各項(xiàng)參數(shù)；11)根據(jù)所述點(diǎn)云數(shù)據(jù)，在所述二維特征模型函數(shù)庫(kù)中獲取多個(gè)誤差值數(shù)學(xué)模型， 并根據(jù)所述多個(gè)誤差值數(shù)學(xué)模型獲取對(duì)應(yīng)的多個(gè)平面誤差值；12)判斷所述二維特征模型函數(shù)庫(kù)是否存在未進(jìn)行計(jì)算的模型，如果是，重新執(zhí)行 步驟10)；如果否，對(duì)所述多個(gè)平面誤差值進(jìn)行比較，選擇最小的平面誤差值對(duì)應(yīng)的最小誤 差值數(shù)學(xué)模型；13)根據(jù)所述最小誤差值數(shù)學(xué)模型，計(jì)算出城市部件平面的幾何中心位置，作為所 述城市部件平面測(cè)量坐標(biāo)值。所述截取標(biāo)準(zhǔn)，具體為截取地面點(diǎn)以上第二閾值以?xún)?nèi)的所述點(diǎn)云數(shù)據(jù)，所述點(diǎn)云數(shù)據(jù)的個(gè)數(shù)在第三閾值 內(nèi)。所述誤差值數(shù)學(xué)模型，具體為δ =Σ Si =Σ f(xi yi)，其中，(Xi，Yi)為每一個(gè)激光點(diǎn)在平面上投影坐標(biāo)的點(diǎn) 位值，i的取值為0到η，η為分類(lèi)后點(diǎn)的個(gè)數(shù)。本發(fā)明提供的技術(shù)方案的有益效果是本發(fā)明提供了一種城市部件自動(dòng)化測(cè)量方法，該方法通過(guò)車(chē)載激光掃描方式可以 快速地獲取外業(yè)數(shù)據(jù)，將外業(yè)測(cè)圖環(huán)境轉(zhuǎn)變?yōu)閮?nèi)業(yè)生產(chǎn)環(huán)境，大大減少了人員投入，降低了 勞動(dòng)強(qiáng)度；同時(shí)車(chē)載激光雷達(dá)測(cè)量也可以晚間作業(yè)，擴(kuò)大了作業(yè)時(shí)間，提高了生產(chǎn)效率；采用了城市部件自動(dòng)化提取與位置測(cè)量，減少了人為操作誤差，提高了點(diǎn)位值測(cè)量的精度，保 障了數(shù)據(jù)質(zhì)量；降低了數(shù)字化城市管理后期運(yùn)營(yíng)維護(hù)的人員投入和成本。


圖1為本發(fā)明提供的城市部件自動(dòng)化測(cè)量方法的流程圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方 式作進(jìn)一步地詳細(xì)描述。為了提高城市部件測(cè)量與數(shù)據(jù)維護(hù)的效率、減少工作量、減少人力和提高精度，本 發(fā)明實(shí)施例提供了一種城市部件自動(dòng)化測(cè)量方法，參見(jiàn)圖1，詳見(jiàn)下文描述101 采用車(chē)載激光雷達(dá)測(cè)量設(shè)備，對(duì)城市街道及城市街道兩側(cè)進(jìn)行高密度的外業(yè) 掃描和相機(jī)拍照，獲取原始激光掃描點(diǎn)云數(shù)據(jù)和數(shù)碼照片數(shù)據(jù)；其中，車(chē)載激光雷達(dá)測(cè)量設(shè)備的主要部件為激光傳感器、數(shù)碼相機(jī)、差分GPS和陀 螺儀系統(tǒng)等，該些部件安裝在車(chē)載平臺(tái)上，通過(guò)車(chē)輛在城市街道以40 60公里/小時(shí)的速 度行進(jìn)，對(duì)城市街道及城市街道兩側(cè)進(jìn)行高密度的外業(yè)掃描和相機(jī)拍照，獲取外業(yè)數(shù)據(jù)；內(nèi) 業(yè)解算時(shí)，以同步進(jìn)行觀(guān)測(cè)的GPS參考站數(shù)據(jù)為基礎(chǔ)，使用車(chē)載GPS獲取的觀(guān)測(cè)數(shù)據(jù)和陀螺 儀數(shù)據(jù)進(jìn)行綜合處理，使用GPS差分技術(shù)進(jìn)行車(chē)輛行駛軌跡解算，獲取到精確的原始激光 掃描點(diǎn)云數(shù)據(jù)和數(shù)碼照片數(shù)據(jù)，完成數(shù)據(jù)的外業(yè)采集和內(nèi)業(yè)數(shù)據(jù)的初步處理。具體實(shí)現(xiàn)時(shí)，可以根據(jù)實(shí)際的應(yīng)用情況對(duì)車(chē)輛在城市街道的行駛速度進(jìn)行設(shè)定， 本發(fā)明實(shí)施例對(duì)此不做限制。102 對(duì)原始激光掃描點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類(lèi)處理，獲取城市部件點(diǎn)云數(shù)據(jù)；其中，對(duì)原始激光掃描點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類(lèi)處理，通過(guò)具有點(diǎn)云濾波處理功能 的現(xiàn)有工具平臺(tái)，設(shè)定濾波參數(shù)，如高程、灰度等信息，對(duì)原始激光掃描點(diǎn)云數(shù)據(jù)進(jìn)行濾波 分類(lèi)處理，獲取到地面點(diǎn)、城市建筑物等城市部件點(diǎn)云數(shù)據(jù)。103 采用自適應(yīng)空間聚類(lèi)分析手段，對(duì)城市部件點(diǎn)云數(shù)據(jù)進(jìn)行類(lèi)別細(xì)分處理，獲 取同一物體點(diǎn)云集數(shù)據(jù)；其中，自適應(yīng)空間聚類(lèi)分析手段，具體為1)根據(jù)分塊標(biāo)準(zhǔn)，對(duì)城市部件點(diǎn)云數(shù)據(jù)進(jìn)行分塊，獲取分塊城市部件點(diǎn)云數(shù)據(jù)、點(diǎn) 云樣本劃分矩陣和聚類(lèi)中心點(diǎn)集；其中，分塊標(biāo)準(zhǔn)具體為分塊的城市部件點(diǎn)云數(shù)據(jù)的大小不超過(guò)第一閾值，第一閾 值的取值根據(jù)實(shí)際應(yīng)用中的具體應(yīng)用情況進(jìn)行設(shè)定，具體實(shí)現(xiàn)時(shí)，本發(fā)明實(shí)施例對(duì)此不做 限制。在待聚類(lèi)的點(diǎn)云樣本集合中，隨機(jī)選擇與聚類(lèi)數(shù)目相同個(gè)數(shù)的樣本點(diǎn)作為聚類(lèi)中 心點(diǎn)，其余待聚類(lèi)樣本點(diǎn)根據(jù)距各個(gè)聚類(lèi)中心點(diǎn)的直線(xiàn)空間距離，劃分給最近的中心點(diǎn)，樣 本劃分方法可按公式(1)進(jìn)行
權(quán)利要求
1.一種城市部件自動(dòng)化測(cè)量方法，其特征在于，所述方法包括以下步驟(1)采用車(chē)載激光雷達(dá)測(cè)量設(shè)備，對(duì)城市街道及城市街道兩側(cè)進(jìn)行高密度的外業(yè)掃描 和相機(jī)拍照，獲取原始激光掃描點(diǎn)云數(shù)據(jù)和數(shù)碼照片數(shù)據(jù)；(2)對(duì)所述原始激光掃描點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類(lèi)處理，獲取城市部件點(diǎn)云數(shù)據(jù)；(3)采用自適應(yīng)空間聚類(lèi)分析手段，對(duì)所述城市部件點(diǎn)云數(shù)據(jù)進(jìn)行類(lèi)別細(xì)分處理，獲取 同一物體點(diǎn)云集數(shù)據(jù)；(4)根據(jù)所述同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行規(guī)則幾何形狀的三維數(shù)字化模擬與重構(gòu)，計(jì)算 出城市部件平面幾何中心位置，將所述城市部件平面幾何中心位置作為城市部件平面測(cè)量 坐標(biāo)值；(5)將所述數(shù)碼照片數(shù)據(jù)和所述同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行疊加，根據(jù)所述城市部件平 面測(cè)量坐標(biāo)值在屬性庫(kù)中對(duì)相應(yīng)的點(diǎn)位值進(jìn)行信息標(biāo)注。
2.根據(jù)權(quán)利要求1所述的城市部件自動(dòng)化測(cè)量方法，其特征在于，步驟(3)中所述采用 自適應(yīng)空間聚類(lèi)分析手段，對(duì)所述城市部件點(diǎn)云數(shù)據(jù)進(jìn)行類(lèi)別細(xì)分處理，獲取同一物體點(diǎn) 云集數(shù)據(jù)，具體為1)根據(jù)分塊標(biāo)準(zhǔn)，對(duì)所述城市部件點(diǎn)云數(shù)據(jù)進(jìn)行分塊，獲取分塊城市部件點(diǎn)云數(shù)據(jù)、點(diǎn) 云樣本劃分矩陣和聚類(lèi)中心點(diǎn)集；2)設(shè)置自適應(yīng)空間聚類(lèi)解算的相關(guān)參數(shù)；3)根據(jù)城市部件空間分布特征，選擇一個(gè)最小閾值Min和一個(gè)最大閾值Max；4)對(duì)所述分塊城市部件點(diǎn)云數(shù)據(jù)進(jìn)行初始化，根據(jù)所述最小閾值Min和所述最大閾值 Max，選擇K個(gè)中心點(diǎn)作為聚類(lèi)點(diǎn)，計(jì)算每個(gè)樣本點(diǎn)與所述聚類(lèi)點(diǎn)的三維空間距離，基于所 述三維空間距離對(duì)所述分塊城市部件點(diǎn)云數(shù)據(jù)進(jìn)行劃分，采用三維空間距離值之和對(duì)樣本 分類(lèi)的情況進(jìn)行評(píng)價(jià)，獲取評(píng)價(jià)值；5)根據(jù)所述評(píng)價(jià)值，將樣本分類(lèi)中的權(quán)重中心點(diǎn)作為新的聚類(lèi)劃分的中心點(diǎn)；6)判斷迭代次數(shù)是否小于最大迭代次數(shù)，如果是，執(zhí)行步驟4)；如果否，停止迭代，輸 出所述點(diǎn)云樣本劃分矩陣、所述聚類(lèi)中心點(diǎn)集和所述評(píng)價(jià)值，將K+1值作為中心聚類(lèi)點(diǎn)，執(zhí) 行步驟4)；7)判斷K值是否達(dá)到Max值，如果是，停止自適應(yīng)空間聚類(lèi)解算，以目標(biāo)函數(shù)的評(píng)價(jià) 參數(shù)作為參考，選擇最小值的聚類(lèi)集合，作為點(diǎn)云分類(lèi)的結(jié)果，獲取所述同一物體點(diǎn)云集數(shù) 據(jù)，如果否，繼續(xù)進(jìn)行所述自適應(yīng)空間聚類(lèi)解算。
3.根據(jù)權(quán)利要求2所述的城市部件自動(dòng)化測(cè)量方法，其特征在于，所述K的取值，具體 為=Min ^ K ^ Max。
4.根據(jù)權(quán)利要求1所述的城市部件自動(dòng)化測(cè)量方法，其特征在于，步驟(4)中所述根據(jù) 所述同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行規(guī)則幾何形狀的三維數(shù)字化模擬與重構(gòu)，計(jì)算出城市部件平 面幾何中心位置，將所述城市部件平面幾何中心位置作為城市部件平面測(cè)量坐標(biāo)值，具體 為8)將所述同一物體點(diǎn)云集數(shù)據(jù)作為獨(dú)立物體，根據(jù)截取標(biāo)準(zhǔn)獲取點(diǎn)云數(shù)據(jù)，將所述點(diǎn) 云數(shù)據(jù)作為基底三維模型重構(gòu)的點(diǎn)集數(shù)據(jù)；9)構(gòu)建二維特征模型函數(shù)庫(kù)；10)根據(jù)所述二維特征模型函數(shù)庫(kù)，對(duì)所述點(diǎn)云數(shù)據(jù)進(jìn)行最小二乘計(jì)算和模擬，確定所述二維特征模型函數(shù)庫(kù)中的各項(xiàng)參數(shù)；11)根據(jù)所述點(diǎn)云數(shù)據(jù)，在所述二維特征模型函數(shù)庫(kù)中獲取多個(gè)誤差值數(shù)學(xué)模型，并根 據(jù)所述多個(gè)誤差值數(shù)學(xué)模型獲取對(duì)應(yīng)的多個(gè)平面誤差值；12)判斷所述二維特征模型函數(shù)庫(kù)是否存在未進(jìn)行計(jì)算的模型，如果是，重新執(zhí)行步驟 10)；如果否，對(duì)所述多個(gè)平面誤差值進(jìn)行比較，選擇最小的平面誤差值對(duì)應(yīng)的最小誤差值 數(shù)學(xué)模型；13)根據(jù)所述最小誤差值數(shù)學(xué)模型，計(jì)算出城市部件平面的幾何中心位置，作為所述城 市部件平面測(cè)量坐標(biāo)值。
5.根據(jù)權(quán)利要求4所述的城市部件自動(dòng)化測(cè)量方法，其特征在于，所述截取標(biāo)準(zhǔn)，具體為截取地面點(diǎn)以上第二閾值以?xún)?nèi)的所述點(diǎn)云數(shù)據(jù)，所述點(diǎn)云數(shù)據(jù)的個(gè)數(shù)在第三閾值內(nèi)。
6.根據(jù)權(quán)利要求4所述的城市部件自動(dòng)化測(cè)量方法，其特征在于，所述誤差值數(shù)學(xué)模 型，具體為δ =Σ Si =Σ f(Xi，yi)，其中，(xi Yi)為每一個(gè)激光點(diǎn)在平面上投影坐標(biāo)的點(diǎn)位值， i的取值為0到η，η為分類(lèi)后點(diǎn)的個(gè)數(shù)。
全文摘要
本發(fā)明公開(kāi)了一種城市部件自動(dòng)化測(cè)量方法，屬于激光雷達(dá)測(cè)量領(lǐng)域，包括采用車(chē)載激光雷達(dá)測(cè)量設(shè)備，對(duì)城市街道及城市街道兩側(cè)進(jìn)行高密度的外業(yè)掃描和相機(jī)拍照，獲取原始激光掃描點(diǎn)云數(shù)據(jù)和數(shù)碼照片數(shù)據(jù)；對(duì)原始激光掃描點(diǎn)云數(shù)據(jù)進(jìn)行濾波分類(lèi)處理，獲取城市部件點(diǎn)云數(shù)據(jù)；采用自適應(yīng)空間聚類(lèi)分析手段，對(duì)城市部件點(diǎn)云數(shù)據(jù)進(jìn)行類(lèi)別細(xì)分處理，獲取同一物體點(diǎn)云集數(shù)據(jù)；根據(jù)同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行規(guī)則幾何形狀的三維數(shù)字化模擬與重構(gòu)，計(jì)算出城市部件平面幾何中心位置，將城市部件平面幾何中心位置作為城市部件平面測(cè)量坐標(biāo)值；將數(shù)碼照片數(shù)據(jù)和同一物體點(diǎn)云集數(shù)據(jù)進(jìn)行疊加，根據(jù)城市部件平面測(cè)量坐標(biāo)值在屬性庫(kù)中對(duì)相應(yīng)的點(diǎn)位值進(jìn)行信息標(biāo)注。
文檔編號(hào)G06T17/05GK102096072SQ20111000190
公開(kāi)日2011年6月15日 申請(qǐng)日期2011年1月6日 優(yōu)先權(quán)日2011年1月6日
發(fā)明者江宇, 王力, 程良勇, 竇華成, 鄧世軍 申請(qǐng)人:天津市星際空間地理信息工程有限公司