[发明专利]一种基于点云的大件运输关键道路空间通行性判定方法

说明书

本发明公开了一种基于点云的大件运输关键道路空间通行性判定方法，涉及点云分割技术领域，该方法包括获取大件运输关键道路及其限高附属设施三维点云并进行预处理、构建三维点云提取网络模型并进行训练、计算大件运输关键道路和限高附属设施的空间信息、计算大件车辆的扫空路径、进行大件车辆关键道路空间通行性判定。本发明通过改进动态图卷积神经网络对关键道路及其限高设施三维点云可有效进行自动提取，并计算大件车辆三维扫空区域信息和关键道路信息，对比两者信息可快速有效的实现对大件车辆关键道路的空间通行性的判定，为后续大件运输车辆的路径规划提供一种决策支持。

技术领域

本发明属于点云分割技术领域，特别是涉及一种基于点云的大件运输关键道路空间通行性判定方法。

背景技术

随着三维对象特征学习在自动驾驶、机器人技术以及计算机视觉等诸多领域中被广泛应用，以点云数据驱动的计算机视觉任务迎来崭新的发展阶段，点云提供了地物分类和地物目标识别所需的测量方案作为人工智能领域的一项主导技术，同时深度学习已被成功的应用于三维视觉任务中，而三维点云分割就是当前主流的三维视觉任务之一。

大件设备由于体积很大，在构建大件运输通行路径的时候需要综合考虑关键道路路段的几何信息以及道路限高附属设施的几何信息，有利于后续的大件运输车辆的路径规划。随着中国基础建设的发展，大件运输道路上会建有限高杆、桥梁和收费站等限高附属设施，为了防止车辆碰撞低矮桥梁、限高杆等限高设施，一般会在入口处设置一个限高标志，然而针对路网数据以及道路的限高属性等信息更新不及时，会对大件运输空间通行性判断带来一定的制约。传统的大件运输关键道路通行性判定大多是基于人工量测的方法，周期长、效率低、人工成本高，应用三维点云能精确的表现道路的空间信息，目前，采集三维点云的技术有架站式三维激光扫描、手持式三维激光扫描、车载式三维激光扫描等，但以上技术在大件运输关键道路采集中会有受限，采集效率较低、采集范围也较小。

发明内容

为了解决以上问题，本发明利用无人机快速的采集摄影测量数据生成三维点云，并提供了如下的技术方案。

本发明给出了一种基于点云的大件运输关键道路空间通行性判定方法，包括以下步骤：

步骤1：获取大件运输关键道路及其限高附属设施三维点云并进行预处理；

步骤2：构建大件运输关键道路及其限高附属设施三维点云提取网络模型；

步骤3：训练三维点云提取网络模型；

步骤4：计算大件运输关键道路和限高附属设施的空间信息；

步骤5：计算大件车辆的扫空路径；

步骤6：进行大件车辆关键道路空间通行性判定。

其中，步骤1中获取大件运输关键道路及其限高附属设施三维点云如下：对于大件运输中需要进行空间通行性判定的关键道路，会建有桥梁、收费站、限高杆道路限高附属设施，利用无人机采集具有以上道路附属设施的关键道路影像数据，采用运动恢复结构算法对无人机影像进行处理，生成三维点云。

其中，步骤1中三维点云预处理包括：将得到的大件运输关键道路及其限高附属设施三维点云进行人为标注，得到桥梁、收费站、限高杆、道路和背景这五类待识别的目标物的标记结果，其中桥梁、收费站、限高杆为大件运输关键道路中的限高目标；将大件运输关键道路三维点云和标记结果分别作为三维点云样本集和标记样本集。