车载激光雷达点云数据处理及应用

　　近年来，随着自动驾驶、智能交通及智慧城市等领域的快速发展，对城区及道路环境精细化、定期更新的三维数字地图的需求越来越迫切。车载激光雷达作为一种主动式探测技术，具有部署灵活、可全天时快速采集高精度三维点云数据的特点，已广泛应用于动态环境感知与实时导航、自动化精细目标识别与信息提取、高精度三维数字地图制图等领域。然而，车载激光雷达采集的三维点云数据具有大数据量、不规则分布、精度不均一等特征，导致从此类数据中高效率、高准确度、高精细度信息提取困难。《车载激光雷达点云数据处理及应用》以车载激光雷达所获取的稠密三维点云数据为研究对象，分别从山区道路环境安全监测、单木分割及参数提取、道路环境感兴趣目标自动化识别提取的应用研究出发，提出了有效的数据处理流程和方法，并给出了详细的方法描述及精度分析。

暂缺《车载激光雷达点云数据处理及应用》作者简介

目录
前言
第1章　绪论　1
1.1　激光扫描　1
1.2　激光扫描系统　2
1.3　数据处理与信息提取的挑战　5
1.4　本章小结及各章节安排　7
第2章　移动激光扫描系统　8
2.1　移动激光扫描系统及应用场景　8
2.1.1　激光扫描仪　8
2.1.2　定位测姿系统　9
2.1.3　移动激光扫描系统应用场景　10
2.2　数据处理流程　12
2.2.1　滤波处理　12
2.2.2　分割处理　13
2.2.3　其他应用　14
2.3　本章小结　17
第3章　空间数据结构　18
3.1　引言　18
3.2　空间数据结构　18
3.2.1　不规则三角网　19
3.2.2　KD树和邻近搜索　20
3.2.3　四叉树和二维空间剖分　21
3.2.4　体素和八叉树　22
3.3　本章小结　29
第4章　山区公路开挖量和水流量的估算　31
4.1　引言　31
4.2　挖方量计算方法　32
4.2.1　预处理　34
4.2.2　局部表面法向估计　36
4.2.3　局部坡度计算　37
4.2.4　道路路面检测　37
4.2.5　开挖量计算　38
4.2.6　D8算法　41
4.3　方法实现和验证　42
4.3.1　软件测试平台　42
4.3.2　数据描述　42
4.3.3　道路几何计算　43
4.3.4　流域估算结果　47
4.4　结果讨论和验证　50
4.4.1　结果讨论　50
4.4.2　基于第二组数据的试验验证　52
4.4.3　进一步验证建议　55
4.5　本章小结　55
第5章　城区和行道树的单木分割　57
5.1　引言　57
5.2　相关工作及创新性　58
5.2.1　基于点的方法　59
5.2.2　基于体素的方法　60
5.2.3　创新点　61
5.3　基于邻接体素的单木分割方法　61
5.3.1　数据预处理　61
5.3.2　体素化　63
5.3.3　相邻单元的聚类　63
5.3.4　种子单元的选择　63
5.3.5　单木分割　64
5.3.6　整体质量分析　70
5.3.7　预计计算量　70
5.4　算法评估　71
5.4.1　不同载荷同一场景　71
5.4.2　同场景同载荷不同体素大小　72
5.4.3　树干被遮挡的树木　74
5.4.4　陡峭地形的树木　75
5.4.5　不同连接方向的树木　76
5.4.6　与地面真值的交叉验证　78
5.5　本章小结　81
第6章　路边交通设施的自动识别　82
6.1　引言　82
6.2　相关工作　83
6.2.1　基于模型拟合的方法　84
6.2.2　基于语义的方法　85
6.2.3　基于形状的方法　86
6.3　原理与方法　87
6.3.1　预处理　87
6.3.2　体素化　89
6.3.3　聚类和选择候选聚类　90
6.3.4　构建SigVox描述算子　90
6.3.5　描述算子匹配　94
6.3.6　相似度评估　97
6.4　结果与评估　98
6.4.1　实验数据　98
6.4.2　点云预处理　100
6.4.3　非地面点的体素化和邻接体素聚类　101
6.4.4　目标识别　102
6.4.5　目标识别结果评估　107
6.4.6　方法分析与展望　109
6.5　本章小结　111
参考文献　112
彩图