罗海峰
- 作品数：14 被引量：54H指数：4
- 供职机构：福州大学更多>>
- 发文基金：国家自然科学基金中国博士后科学基金福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球轻工技术与工程交通运输工程更多>>
- 车载激光扫描数据中实线型交通标线提取被引量：20
- 2019年
- 本文提出一种基于路面点云强度增强的车载激光点云实线型交通标线提取方法。首先通过预处理提取路面点云,获取各激光点与轨迹线的距离。然后逐段对路面进行强度增强,集合多滤波器集成的策略进行强度变换和去噪,消除距离、点密度、磨损等因素对反射强度值影响,增强路面点云和标线的强度差异。基于增强后的反射强度,采用k均值聚类和连通分支聚类等方法对标线进行分割,并利用归一化图割方法优化强度分割结果。最后利用实线型标线的语义信息和空间分布特征从分割后标线对象中识别实线型交通标线。试验采用四份不同车载激光扫描系统获取的数据用于验证本文方法有效性,实线型标线提取结果的准确率达到95.98%,召回率达到91.87%,综合评价指标F 1-Measure值达到95.55%以上。试验结果表明本文方法能够有效增强受扫描距离、路面磨损及点密度分布不均等因素影响的点云强度信息,实现不同车载激光扫描获取的复杂道路环境下实线型交通标线的提取。
- 方莉娜黄志文罗海峰罗海峰
- 一种基于车载激光扫描数据的路面点云强度增强方法
- 本发明涉及一种基于车载激光扫描数据的路面点云强度增强方法，包括以下步骤：S1：基于车载激光扫描数据获取路面点云、行车轨迹线和路面点云内激光点到行车轨迹线的距离，并对路面点云进行分段；S2：以路面点云片段为处理单元，进行以...
- 方莉娜黄志文罗海峰
- 文献传递
- 基于图结构的车载激光点云道路标线识别方法
- 本发明涉及一种基于图结构的车载激光点云道路标线识别方法，包括以下步骤：步骤S1：基于强度校正的标线分割和小尺寸目标提取,基于分割结果提取小尺寸标线对象；步骤S2：根据获得的小尺寸标线对象，基于标线的形状特征和邻域空间结构...
- 方莉娜王爽黄志文罗海峰赵志远陈崇成
- 一种基于无人机群的无线传感网数据收集方法
- 本发明涉及一种基于无人机群的无线传感网数据收集方法，通过无人机访问传感器节点以减少传感器节点的传输能耗，无人机之间通过无线通信交换数据，离数据汇聚点较远的无人机通过其他无人机的中继将数据上传到数据汇聚点，每个无人机根据传...
- 陈崇成潘淼鑫黄正睿李邦训罗海峰何少东马腾黄娟
- 文献传递
- 车载激光扫描数据路坎点云提取方法被引量：14
- 2017年
- 车载激光扫描系统能够快速准确地获取街道环境的点云数据,但由于扫描点云的点密度高、数据量大、空间分布不均匀、地物相互遮挡及城市街道环境复杂等特点,难以直接从原始点云数据中提取出路坎点云。本文首先通过分析路坎点云的空间分布特征和局部几何特征,构建包含相对高程、法向量方向、多尺度高程差及多尺度高程方差的点云特征向量;然后,采用SVM提取城市街道环境车载激光扫描数据中的路坎点云,并对提取结果进行聚类去噪,优化路坎点云。最后,通过Street Mapper 360系统和Lynx Mobile Mapper V100系统采集的4份不同城市街道环境车载激光扫描数据对本文方法进行验证,其中路坎点云提取结果的完整度均超过了94.99%、准确度均超过91.88%、精度亦均达到了90.55%以上。实验结果表明,本文方法能够精确地提取复杂城市街道环境中规则或不规则的路坎点云,且具有较强的稳健性,适用于各类复杂的城市街道环境。
- 罗海峰方莉娜陈崇成
- 一种基于无人机群的无线传感网数据收集方法
- 本发明涉及一种基于无人机群的无线传感网数据收集方法，通过无人机访问传感器节点以减少传感器节点的传输能耗，无人机之间通过无线通信交换数据，离数据汇聚点较远的无人机通过其他无人机的中继将数据上传到数据汇聚点，每个无人机根据传...
- 陈崇成潘淼鑫黄正睿李邦训罗海峰何少东马腾黄娟
- 文献传递
- 结合SVM与图匹配的车载激光点云道路标线识别被引量：12
- 2019年
- 本文提出一种基于SVM与图匹配相结合的车载激光点云道路标线识别方法。该方法基于标线点云分割对象,利用Hu不变矩、实心形状上下文(SSC)、最小外包矩形(MBR)面积和延展度构建形状特征向量,采用SVM进行道路标线粗分类。针对粗分类结果,构建能够精确描述空间语义信息(如局部区域内标线间的排列、方向、距离)的图结构,通过图匹配方法优化粗分类结果,完成直行箭头、人行横道预告标识线、单向转向箭头、双向转向箭头、虚线型标线、斑马线共六类道路标线的精确识别。本文实验采用4份不同场景车载激光点云数据,实验结果中6类标线分类的准确率分别达100%、100%、94.12%、100%、94.94%、99.25%,召回率分别达100%、100%、88.89%、100%、98.21%、99.00%,F1-Measure值分别达100%、100%、91.43%、100%、96.59%、99.12%。结果表明,本文方法能实现多类标线对象的精确识别,并对形状相似标线(如直行箭头、虚线型标线与斑马线)的区分具有较强稳健性。
- 方莉娜黄志文罗海峰罗海峰
- 关键词：SVM图结构图匹配
- 一种车载激光点云目标分类方法和系统
- 本发明涉及深度学习技术领域，特别涉及一种车载激光点云目标分类方法和系统。所述一种车载激光点云目标分类方法，包括如下步骤：对车载激光点云数据进行预处理，生成待分类目标点云；构建基本训练样本库；生成输入特征向量；构建深度信念...
- 方莉娜罗海峰陈崇成
- 文献传递
- 一种车载激光点云目标分类方法和系统
- 本发明涉及深度学习技术领域，特别涉及一种车载激光点云目标分类方法和系统。所述一种车载激光点云目标分类方法，包括如下步骤：对车载激光点云数据进行预处理，生成待分类目标点云；构建基本训练样本库；生成输入特征向量；构建深度信念...
- 方莉娜罗海峰陈崇成
- 文献传递
- 基于DBN的车载激光点云路侧多目标提取被引量：15
- 2018年
- 提出一种基于深度信念网络(DBN)的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。
- 罗海峰方莉娜方莉娜黄志文
- 关键词：点云分割
