Article 1 : Retrieval Algorithms for Road Surface Modelling Using Laser-Based Mobile Mapping
Cite : Anttoni Jaakkola,Juha Hyyppä,Hannu Hyyppä,Antero Kukko. Retrieval Algorithms for Road Surface Modelling Using Laser-Based Mobile Mapping[J]. Sensors,2008,8(9).
传感器及数据:Faro LS 880 测绘级激光雷达 密集点云
1.格网化:得到强度格网与高度格网,即每个格网的属性有高度、强度。
2.设定分级阈值,利用格网强度信息对格网进行分类。
3.路缘石提取:格网间高度的梯度属于阈值区间——区分开平坦路面、障碍物;设定格网数阈值,避免小段障碍物、噪声点。
4.路面分割:筛除路缘石外点,假设路面点建立Delaunay三角网,以三角形斜率筛选(即最大高差除以最长边),去除不满足的点迭代建立Delaunay三角网。
Article 2 : 矿山道路边界线实时检测与跟踪
Cite : 鲁小伟. 矿山道路边界线实时检测与跟踪[D].中国科学院大学(中国科学院人工智能学院),2020.
传感器及数据:Velodyne HDL-32E 32线激光雷达
1.栅格地图法地面提取:二维格网划分,格网属性:高度差、高度最低值、高度最高值。
规则:
一次提取:格网内高差小于阈值;相邻格网高度最低值之差小于阈值;相邻格网高度最高值之差小于阈值。
二次提取:1次提取结果建立5*5格网滑动窗口,头格网与其他格网高差小于阈值。
2.道路边线提取
光束区域划分——小扇形,每个小扇形计算最近的高度突变点作为边线待选点
边线待选点聚类——每条边线为一类,类内依据距离筛去非边线点
边线拟合
3.道路边线跟踪
卡尔曼滤波,根据时间k预测时间k+1处的道路边线