使用移动激光扫描点云数据的可行性研究GNSS视线分析

文摘

GNSS观察好的定位精度可以达到厘米级,由先进的GNSS技术支持。然而,这仍然是一个挑战提供一个健壮的基于GNSS GNSS退化区域定位解决方案。GNSS阴影的概念匹配提出了提高基于GNSS位置精度在城市峡谷,在附近的高层建筑块的部分GNSS无线电频率(RF)信号。然而,结果依赖于利用现成的三维城市模型的准确性。在本文中,我们研究一个解决方案来生成一个GNSS荫罩移动激光扫描(MLS)云数据。解决方案包括去除噪声点,确定对象,只有减毒射频信号和提取最高的阻塞点,并最终角计算GNSS荫罩的一代。通过分析数据与提议的方法,结果表明,MLS点云数据可以用于提取GNSS荫罩几个步骤处理后过滤掉挂对象和种植没有生成精确的3 d模型,描述了边界的GNSS信号更精确地覆盖在城市峡谷环境相比,传统的3 d模型。

1。介绍

GNSS扮演着一个重要的角色在当前导航应用无处不在。然而,这种解决方案的准确性和可用性在城市峡谷是一个众所周知的问题,已经在过去的几十年里吸引了研究人员的关注。由于目前发达国家的城市化水平超过80%,约50%在世界范围内,大部分的定位要求,因此,要求从城市地区。因此,增强解决方案帮助定位和导航在城市峡谷显然是必要的。性能退化的主要原因的GNSS城市峡谷是高层建筑块直接从用户GNSS无线电信号路径。部分甚至全部GNSS观测是错过了因为GNSS阴影的建筑物附近。因此,可用性和定位精度并不总是得到保证。

然而,GNSS阴影信息可以计算,如果三维城市模型的信息可通过应用三维射线跟踪技术(1]GNSS信号分析的视线(LOS)城市峡谷。影子匹配概念被提比略在2004年首次出版,Verbree [2]。相应的GNSS影子匹配技术评估,证明了自己的能力改进定位精度,许多研究小组最近[1- - - - - -13),尤其是来自英国的研究人员:他们提出的想法和模拟城市峡谷与多个GNSS星座场景(3),利用伦敦的三维城市模型来验证这个想法(4,5与可见性评分算法[]4在伦敦实现优化定位结果。这种技术也在芬兰调查(8),美国(9- - - - - -11)、加拿大(12),台湾(13]。影子匹配技术的主要优点是,它适用于接收器的输出标准的国家海洋电子协会(n mea)消息。这样的潜在方法是广泛的,可以利用各种平台提高位置精度的GNSS信号降低区域,特别是低端接收器。

已经有几次洛使用各种计算2.5 d表面(数字表面模型(DSM)或数字地形模型(DTM))。然而,所有的算法可能极大地依赖的准确性和完整性2.5 d / 3 d表面或模型。三维模型是一个简化版的现实世界和一些明确的细节省略故意出于各种原因。在某种程度上影响《分析。通常模型精度meter-level decimetre-level[之间的不同1]。在这个研究中,生成荫罩厘米水平准确MLS云数据而不是任何现有的3 d模型,因为我们认为在3 d模型重建的造型精度下降从点云处理。

MLS系统由移动平台,也就是说,一辆车,一个激光扫描仪/几个激光扫描仪,可能摄像头。它是综合运用系统包括GNSS和惯性测量单元(IMU)。它提供了地理坐标的三维点云与高精度测量现场。具有良好的GNSS能见度MLS的错误点云是微不足道的。Kaartinen et al。14]表明,商业和研究美国职业足球大联盟系统的高程精度优于3.5厘米35米。最好的系统实现了平面精度2.5厘米45米的范围。美国职业足球大联盟的应用程序包括建筑物的提取和建模(15- - - - - -19),树(18,20.- - - - - -23),钢管检测(21,24- - - - - -28]和地面和路面[18,29日- - - - - -31日河流环境中,变化检测(32]。同时,诺基亚在这里(之前Navteq)真正的汽车和谷歌街景车收集大型数据集;然而,没有研究基于这些数据集还向公众发布。

美国数据的处理是一个相对较新的科学领域。美国职业足球大联盟的主要缺点之一是有限数量的软件应用程序能够处理大量的数据。当前系统可以提供mpt扫描速度超过1 / s。因此,需要高效的处理技术尤其是在处理原始移动激光扫描数据。

在这篇文章中,一个新颖的解决方案GNSS洛杉矶分析演示了生成GNSS荫罩使用MLS点云数据。解决方案包括去除噪声点,删除点来自不干扰GNSS的对象,如电线和波兰人,和确定对象,只有射频信号衰减最高点提取和角度计算荫罩的一代。以下部分解释了为什么点云而不是3 d模型是用于荫罩代;部分3总结了美国数据的处理算法,其次是介绍的现场试验研究。然后,我们详细讨论实验结果和分析。最后,结论和未来的改进进行了讨论。

2。为什么点云而不是3 d模型

一个3 d模型是一个简化版的现实世界。为了不同的密集的点云之间的区别和3 d模型,下面部分是简要介绍的过程从点云三维模型重建。3 d模型重建的一个场景是一个复杂的过程。通用点云处理方法自动生成3 d模型仍然是不可用的。专用的建模方法对不同对象的介绍中提到的(15- - - - - -33]。然而,在一般情况下,处理链包括以下步骤如图1介绍:(i)噪声点从地理坐标点云过滤/减少;(2)对象分类:场地、建筑物、道路、树木、和其他街道家具,如交通标志和栅栏;(3)建筑重建平面检测、边缘泛化从之点云提取一架飞机的轮廓(屋顶或外墙),限制直角加工所有边缘;(iv)异物过滤,如挂对象和植物来减少生成的三维模型的大小和复杂性;(v)啮合或呈三角形的建筑几何;(vi)纹理映射:纠正图像投射到建筑屋顶和外墙。方法,荫罩可没有一个特定的和详细的三维城市模型但是原始点云,这将节省过度的劳动力成本和系统投资。

原始点云相比,精度可能会降低在每个上述步骤的模型重建。图2显示了一个示例作为模型的重建。因为它可以观察到,散乱点云的边缘锯齿状。从平面屋顶轮廓提取点是泛化的过程。通常,3 d模型重建后,评估是必要的检查精度水平相比取得的原始点云。因此,当使用3 d模型阴影匹配,有几个问题需要考虑:(i)什么样的数据源已经用于三维模型生成;(2)什么样的方法已被用于3 d模型重建;(3)什么样的精度水平已经取得了在生成的3 d模型。本文将不会延长这些主题太远,因为它们超出了本文的范围。然而,很明显,3 d模型重建时,精度的损失是不可避免的。

采用美国职业足球大联盟平台的点云数据质量已经分析了Kaartinen et al。14),没有需要进一步分析点云数据的质量和比5厘米精度保证在整个实验中,这是比大多数可用的3 d模型更准确。这种技术的潜在应用是可以利用激光雷达传感器生成的点云自动驾驶汽车在不久的将来。

在这个研究中,我们调查的可行性,利用点云采集MLS平台生成荫罩通过删除的对象只有GNSS信号衰减。增强对比该方法和其他将讨论未来,如果一个厘米水平调查区域的准确的三维模型是可用的。此外,性能的提高是一个全面的结果GNSS星座几何形状的影响,选定GNSS接收机,采用优化算法(如粒子滤波和可见性得分方案(4])。

3所示。方法和算法

如图3说明一个典型的影子匹配场景在城市峡谷,如果行人和建筑之间的距离,建筑的高度在3 d模型对其真理;这个错误引入的误差模型(通常在几个分米米级)可以计算 因此,卫星和被排除在外的定位计算,当他们实际上应该使用。这是因为这些卫星实际上是在视图中,但是3 d模型的不准确会排除卫星和从观察到的列表。它意味着更少的精确的3 d模型可能导致实际的影子匹配定位不适用。也可以得出的结论是,这项研究有潜在好处提高定位精度与影子匹配方法更精确的三维城市模型是可用的。

已经解决的一个问题是,在这个研究中,我们不利用现有三维模型但调查方法生成GNSS荫罩直接从收集的3 d点云MLS系统。3 d模型实际上是一种简化的表达式的物理环境,故意忽略了一些细节,而收集的点云MLS包含最详细的环境对象。因此本研究中调查的方法来过滤掉不必要的信息来生成一个GNSS荫罩尽可能精确,通过考虑扫描环境对象的物理性质没有产生真正的点云的三维模型。

在本研究中,内存占用较小的分阶段利用激光扫描仪。分阶段模型是使用的主要原因,而不是一个pulse-based版本在以下解释。(1)分阶段模型具有较小的视野(FOV);一个用于这项研究0.19 mRad FOV当大多数pulse-based激光扫描仪和几个mRad视场。考虑25米的范围内,退出的光束直径是2.25毫米,采用分阶段建立模型的最大足迹大小是7.3毫米,这是相当小的相比,10 - 20厘米的大视场脉冲基于扫描仪。生成一个点云尽可能详细,应该小足迹由于部分拦截激光器中激光能量的分散对象足迹。大的足迹激光扫描仪将引入更多的测量误差34- - - - - -38]。(2)分阶段模型具有较高的采集速度,与基于脉冲模型;选中的模型可以近似的采集速度每秒1米点对大多数pulse-based激光扫描仪的10 ~ 100 k。这意味着相当密集的点云与更高的高效的方式,可以生成与pulse-based生成的模型进行比较。换句话说,更多的细节可以公布了由密集的点云。(3)分阶段模型具有较高的距离分辨率。在本研究距离分辨率是1毫米一个几厘米的距离分辨率大多数脉冲建立模型。(4)分阶段模型采用激光用更少的传动功率与基于脉冲激光扫描仪进行比较。眼睛的安全是一个问题确定接受激光扫描仪尤其是大量的民事程序。

然而,实地测量表明,分阶段激光扫描仪对环境更敏感因素和结果在高噪音水平38]。噪音降低过程需要过滤掉噪音测量计算荫罩之前。

数据源进行的这项研究是MLS点云(从法罗聚焦激光扫描仪),轨迹数据(从NovAtel公司跨越地理坐标系统),GNSS数据收集的双频接收机(NovAtel OEMV接收器),和精确的卫星星历表从互联网下载服务。

MLS点云是一组地理坐标点,其中包含3 d坐标和强度值。研究采用ETRS-TM35FIN与GRS80椭圆体高度地图坐标系统,在其中是指向东方,向北,设在向上。在本研究中,当我们提到“顶视图,”这意味着平面视图。

通常,激光扫描点云包含噪音等由于失败或多次反射反射表面小于扫描激光点的足迹,这将直接导致错误的结果。因此,同样重要的是要过滤掉噪声,降噪是所有点云处理的基础。否则这样的现有空间稀疏噪声可能被视为最高的阻塞点进一步处理。通常噪声存在的孤立点(s)与空间滤波器,可以有效地检测到。一种自适应空间滤波器(ASF)是用来减轻噪音从原始激光扫描点。噪音过滤掉后,我们设计的另一个ASF探测点来自不干扰GNSS的对象,例如,电力电缆悬挂国旗。从GNSS用户的角度来看,这些对象将小GNSS接收机的天线阴影;因此,这样的对象不会减弱GNSS的物理信号强度。然而,这样的对象做影响计算最高的阻塞场景的角度。ASF还可以确定对象,只有减弱GNSS信号而不是块,如种植。 Next, the highest obstruction angle for each azimuth along a grid point can be calculated. Finally, the GNSS visibility map for the whole area is built with a high density two-dimensional grid, for example, with 1-meter spacing.

3.1。噪音缓解原始激光点云的处理

ASF的噪音缓解开发基于孤立噪声的分布特点与以下步骤。(1)的点云预计为2 d视图,,飞机。(2)从每个2 d视图,我们使用一个二元直方图分析每个网格(15×15米)的网格大小,计算每个网格点的数量下降。(3)如果点的数量小于阈值的过滤器,(150年初始化值与当前系统配置),它被认为是噪音。

因为过滤器主要用于减轻空间噪声,我们称它为“空间滤波器。“空间滤波器自适应的阈值设置依赖于点云的密度,噪声分布,网格的大小,和现场情况。例如,当一个场景包含水域或大面积的玻璃制作对象,噪音水平会更高。因此,用户需要知识和经验设置阈值。

3.2。空间挂对象和种植检测和删除

空间挂对象,例如,管道,电线,和悬挂国旗是无处不在的,通常作为一个城市的基础设施的一部分,特别是在城市峡谷,这太少GNSS影子GNSS接收机,被认为是改变卫星的可见性。因此,需要从场景中删除这些对象之前最高的障碍角的计算。此外,考虑到复杂的场景,例如,当一个人坐落在桥梁或隧道,这些对象将阻止混凝土结构的信号。在这种情况下,高层建筑在桥的附近不能总是被视为最高的阻塞角度。因此,研制了一种基于体素的算法来检测角度的位置:在开放区域或桥梁或隧道。我们假设一个立体像素大小的5×5×5米。我们把这个立体像素为中心观点和底部从地面2米高度。可以分析根据体素内的点的数量和密度的点。当数量和点的密度大于阈值,它被接受为桥梁或隧道点。整个对象(桥梁或隧道)可以检测到应用区域生长方法。 We analyse the neighbouring points of each candidate for the highest point. If the number of points around the candidate has an ignorable change in vertical direction, we consider it as an object hanging in the air and it is therefore removed. Poles and wires can also be removed by other specific algorithms, such as [25波兰人和[33电线)。

最高的点生成的种植有其独特的稀疏模式与线性天边由常规建筑当我们项目俯视图如图12 (c)礼物。它可以很容易地用一个二维空间滤波器检测和去除。

3.3。最高点提取和最高的障碍角的计算

噪声和空间后悬挂物体检测和删除,对于每一个网格点,GNSS阴影的场景地图可以评估通过选择25米半径内的点云2 d-distance网格点。低建筑接近用户可能屈服于大仰角比高层建筑远。25米之间的妥协和经验值的计算复杂度和性能和点云的总数在半径是近似几亿基于当前的系统设置。在一个城市峡谷,建筑物的高度从5米到100米不等。3 d网格点的距离的阈值通常是很难定义的。因此,更准确的定义一个场景通过选择2 d网格点的距离。

我们每个网格点设置为Grid_而现场分25米或更少的2 d Grid_距离被指定为Scene_。一个网格点Grid_代表一个行人站在这个位置的范围而现场点代表一个视觉区域Grid_的位置。Grid_计算基于轨迹NovAtel跨度,收集的数据,从地面约1.4米。图4给出一个示例网格点之间的关系及其视觉区域3 d视图和前视图。为了演示一个场景的阻塞方面最高的点,从Scene_的顶视图,Scene_分为360部门在Grid_网格点吗。每个部门都是1°。

最高点后取得了每个网格点的周围的场景,仰角的最高点对计算垂直方向。图5显示了对顶角的定义。红点是网格点周围的绿点显示了一个最高点时的一个场景。Grid_是网格点。Scene_礼物的最高点th程度的方位的周围的场景网格点。α代表点”Scene_的仰角“关于垂直方向。

角度计算如下: ,“”和“”是“Scene_设在坐标的点Grid_“关键”,”分别;””代表3 d点”之间的距离Scene_Grid_“关键””。

3.4。GNSS荫罩的

基于每个方位的仰角,天空的GNSS荫罩的网格可以得出。图6给出了一个例子的方位和高度对天空的情节在测试领域,在红圈代表空间飞行器(SV) / GNSS卫星的位置基于卫星星历数据和相应的ID蓝线代表GNSS影子从联盟中提取的边界数据与上述ASF应用。GNSS卫星高度角低于确定的边界被GNSS的建筑用户的视角。因此,每个网格中提取的GNSS荫罩MLS成为有用的信息的定位。这样的空间信息可以利用GNSS影子匹配方法提高定位精度。

3.5。两个场景进行调查

在本研究中,两个城市峡谷的特殊场景调查除了典型场景:第一个场景与悬挂物体如旗帜和电缆如图7(一)礼物和图7 (b)介绍了城市峡谷种植可能减弱GNSS射频信号而不是阻止它。众所周知,沿着峡谷的GNSS可观测性方向比交叉方向由于城市峡谷的地形。但是,如果有一些挂物品,例如电力电缆,挂灯,和旗帜,存在,它可能被处理为最高的阻塞点沿着峡谷方向可能会重新定义,在大多数情况下缩小,GNSS荫罩的边界。因此需要设计一种自适应空间滤波器过滤掉挂点云中的对象。我们的名字等挂对象情况下“我”在接下来的上下文。同样的结果发生如果附近有一些种植现有如图7 (b)礼物。当种植靠近观测点,最高的阻塞点云的点了GNSS荫罩的种植也可能重新描述。因此另一个ASF应该旨在处理此案。这样的场景是命名为“二世”在以下研究。

4所示。美国职业足球大联盟的数据收集

MLS流浪者用于实验收集的数据移动映射系统由芬兰地理研究所(FGI)如图8礼物,在塔皮奥拉购物中心地区,埃斯波,芬兰,300 - 300米地区不同大小和高度的建筑(39]。MLS系统可以应用到不同的平台,也就是说,汽车,电车,船,也为个人的背包(40]。流浪者的有效射程是78米,扫描速度可能达到近似1 M / s。在实验方面,系统采用一个电车也作为一个平台来收集数据进入人行小巷1 m / s的速度。

5。结果和讨论

图9说明了噪音缓解ASF的有效性。在场的红点在MLS收集点云噪声测量。大部分的稀疏的噪音一直悬在太空中与过滤器过滤掉。生成的点云过滤用于最高点提取。

图10显示了检测最高的点通过移除cable-like对象。每个方位的黑点是最高的点在一个场景,和红点图代表一个网格点。图中的颜色显示高度。从图中可以观察到所有空间挂对象现场检测和删除。

图11显示了最高点提取的比较图(11日)没有图11 (b)悬挂物体的空间。没有调整空间滤波器,提取的面具的许多点是位于三个悬挂在现场电缆两个建筑物之间。电缆检测和删除点,最高的ASF列表如图11 (b)所示。不同的是我们项目所有最高点时更明显飞机的人,11 (c)和11 (d)礼物。图11 (e)显示了两个GNSS影子面具的差异。蓝色的圆线描绘了阴影的边界空间滤波器,具有更低仰角方向穿过峡谷(南北)相比,红星线绘制基于过滤数据。从红星行,我们可以看出有三个电缆观测区域中存在有两个凹陷之间的红色圆圈50°55°、135°−−140°;是确定两盏灯挂在电缆塔皮奥拉的插图。我们可以观察到设计ASF可以正确地过滤掉挂对象和生成GNSS荫罩更精确的描绘了GNSS能见度在城市峡谷环境情况下我的场景。

图12提出二例场景的设计ASF的有效性在城市峡谷。作为数据12(一个)和12 (c)所示,所有的稀疏分布式种植引入的最高点已经过滤掉,更清晰的GNSS面具是生成的数据12 (b)和12 (d)。通过比较采用的方法生成的GNSS影子面具没有ASF,可以得出一些结论:拟议的ASF可以正确地过滤产生的最高点附近种植;信号衰减的种植也可以利用的机会(SOP)作为一种特殊的信号定位提高定位精度:由于树干或树叶应该引入的衰减比较低造成的衰减建筑导致较低的信噪比GNSS信号。

6。结论

通过分析美国职业足球大联盟的点云数据,通过应用开发ASF,得出美国数据可以用于提取GNSS影子面具后的一系列适当的处理步骤来过滤掉挂对象和种植。自从无缝MLS点云数据厘米精度,提取的GNSS荫罩更精确,相比之下,那些来自传统的3 d模型,模型误差的几个分米[1甚至更高。自点云从城市和路边地区收集的大地理空间数据提供者与移动映射和激光扫描技术,如诺基亚和谷歌,谁也定位和导航领域的主要参与者,有可能实现提供方法,造福GNSS用户在城市环境中。

在未来的研究中,我们将生成一个致密的二维网格与1米间距GNSS荫罩数据库用于测试GNSS影子匹配来提高位置精度在城市峡谷。据我们所知,这将是最详细和密集的数据库与厘米级精度。更具体的领域测试计划在测试区域进行评估其改善行人导航应用程序通过比较美国方法之间的性能和高度的三维城市模型面具的决心。我们也旨在分析衰减由树干和树叶在GNSS信号引入调查一个更精确的GNSS影子匹配算法在城市峡谷的环境考虑植物。

相互竞争的利益

作者宣称没有利益冲突。

确认

芬兰的经济研究是由学院(新激光和光谱领域方法原位开采和原材料调查(292648))和战略研究委员会在芬兰科学院承认金融支持(项目决策。293389)。此外,中国科学院(181811 kysb20130003, 181811 kysb20160113),中国科学技术部(2015 dfa70930)和中国国家自然科学基金(41304004)承认。

引用

1. l . Wang p·d·林和m . k . Ziebart”城市定位在智能手机上:实时阴影匹配利用GNSS和三维城市模型,”在GNSS杂志,8卷,不。6,44-56,2013页。视图:谷歌学术搜索
2. c .提比略和大肠Verbree GNSS定位精度和可用性在基于位置的服务:GPS-Galileo定位相结合的优势,”诉讼的ESA /馆内进行卫星导航用户设备技术研讨会g . s .格拉纳多斯。,页1 - 12,ESA的出版物,位于荷兰,2004年。视图:谷歌学术搜索
3. p·d·林“影子匹配:新的城市峡谷,GNSS定位技术”期刊导航,卷64,不。3、417 - 430年,2011页。视图:出版商的网站|谷歌学术搜索
4. l . Wang p·d·林和m . k . Ziebart”GNSS影子匹配:改善城市定位精度用三维城市模型优化的可见性预测得分,”25日学报》国际技术会议的卫星导航研究所(离子GNSS的分工12),页423 - 437,纳什维尔,田纳西州,美国,2012年。视图:谷歌学术搜索
5. l . Wang p·d·林和m . k . Ziebart“城市峡谷Multi-constellation GNSS绩效评估使用大型城市虚拟现实模型,”期刊导航,卷65,不。3、459 - 476年,2012页。视图:出版商的网站|谷歌学术搜索
6. m . Adjrad p·d·林,“智能城市定位使用影子匹配和GNSS范围在3 d地图的帮助下,”学报》第29届国际技术会议的卫星导航研究所(离子GNSS的分工16)美国波特兰,矿石,2016年9月。视图:谷歌学术搜索
7. m . Adjrad和p·d·林”,加强传统GNSS定位三维映射没有精确的先验知识,”28日学报》国际技术会议的卫星导航研究所(离子GNSS的分工15)佛罗里达州坦帕市,页2397 - 2409,美国2015年9月。视图:谷歌学术搜索
8. r·陈和刘j .“减轻GNSS定位错误使用3 d地图数据的空间属性,“芬兰专利:20110073,2011年1月。视图:谷歌学术搜索
9. j·t·艾萨克斯a . t .爱尔兰f . Quitin Madhow, j.p. Hespanha,”贝叶斯本地化和映射使用GNSS信噪比测量,”《IEEE /离子位置,位置和导航研讨会(计划的14)IEEE,页445 - 451年,蒙特利,加州,美国,2014年5月。视图:出版商的网站|谷歌学术搜索
10. j·布拉德伯里”,预测城市GNSS信号可用性和降解利用虚拟现实城市模型,”20学报》国际技术会议的卫星导航研究所的分工(离子GNSS ' 07)沃斯堡,页2696 - 2706年,德克萨斯州,美国,2007年9月。视图:谷歌学术搜索
11. j·t·艾萨克斯a . t .爱尔兰f . Quitin Madhow, j.p. Hespanha,”贝叶斯本地化和映射使用GNSS信噪比测量,”《IEEE /离子位置,位置和导航研讨会(计划的14)2014年5月,页445 - 451。视图:出版商的网站|谷歌学术搜索
12. r·库马尔和m . g . Petovello”小说GNSS定位技术改善准确性在城市峡谷的场景中使用三维城市模型,”学报》27日国际技术会议的卫星导航研究所(离子GNSS的分工14)卷,812年,页2139 - 2148,坦帕市,佛罗里达州,美国,2014年。视图:谷歌学术搜索
13. J.-Y。汉和林志信。李”,利用3 d地形信息卫星测量的质量评估,”应用测绘学,卷2,不。1,21-32,2010页。视图:出版商的网站|谷歌学术搜索
14. h . Kaartinen j . Hyyppa a . Kukko a . Jaakkola和h . Hyyppa“基准测试使用永久移动激光扫描系统的性能测试领域,“传感器,12卷,不。9日,第12835 - 12814页,2012年。视图:出版商的网站|谷歌学术搜索
15. m . Rutzinger b . Hofle s . o . Elberink和g . Vosselman”正面足迹的可行性从移动激光扫描数据提取,”Photogrammetrie Fernerkundung,地质信息,卷2011,不。3、97 - 107年,2011页。视图:出版商的网站|谷歌学术搜索
16. c . Frueh s . Jain, a . Zakhor”数据处理算法生成3 d建筑立面纹理网格从激光扫描和相机图像,”国际计算机视觉杂志》上,卷61,不。2、159 - 184年,2005页。视图:出版商的网站|谷歌学术搜索
17. l .朱j . Hyyppa a . Kukko h . Kaartinen r·陈,“从移动激光扫描数据逼真建筑重建。”遥感,3卷,不。7,1406 - 1426年,2011页。视图:出版商的网站|谷歌学术搜索
18. h .赵和r . Shibasaki改造城市环境的一个变形CAD模型使用车载激光测距扫描仪和摄像头,“机器视觉和应用程序,14卷,不。1,35-41,2003页。视图:出版商的网站|谷歌学术搜索
19. d . Manandhar和r . Shibasaki Auto-extraction城市功能的车载激光数据,”国际档案摄影测量、遥感和空间,信息科学34卷,第438 - 433页,2002年。视图:谷歌学术搜索
20. m . Rutzinger a . k . Pratihast s . j . Oude Elberink, g . Vosselman,“树”造型从移动激光扫描数据集,摄影测量记录,26卷,不。135年,第372 - 361页,2011年。视图:出版商的网站|谷歌学术搜索
21. 聚氨酯,m . Rutzinger g . Vosselman,美国Oude Elberink,“认识到道路的基本结构从移动激光扫描数据库存的研究,“ISPRS《摄影测量与遥感,卷66,不。6,S28-S39, 2011页。视图:出版商的网站|谷歌学术搜索
22. e . Puttonen a . Jaakkola p Litkey, j . Hyyppa”树分类与融合移动激光扫描和高光谱数据,”传感器,11卷,不。5,5158 - 5182年,2011页。视图:出版商的网站|谷歌学术搜索
23. A . Jaakkola j . Hyyppa A Kukko et al .,“低成本multi-sensoral移动映射树的测量系统及其可行性,”ISPRS《摄影测量与遥感,卷65,不。6,514 - 522年,2010页。视图:出版商的网站|谷歌学术搜索
24. c·布伦纳”,从移动激光扫描数据提取特征为未来的驾驶员辅助系统”进步GIScience-Proceedings 12敏捷会议,课堂讲稿在地质信息和制图,页25-42,施普林格,柏林,德国,2009年。视图:出版商的网站|谷歌学术搜索
25. m . Lehtomaki a . Jaakkola j . Hyyppa a . Kukko和h . Kaartinen”检测垂直pole-like对象在道路环境中使用场基于车辆发动的激光扫描数据,”遥感,卷2,不。3、641 - 664年,2010页。视图:出版商的网站|谷歌学术搜索
26. m . Lehtomaki a . Jaakkola j . Hyyppa a . Kukko和h . Kaartinen”性能分析钢管和树干移动激光扫描数据,检测方法”学报ISPRS卡尔加里车间激光扫描ISPRS,页197 - 202年,卡尔加里,加拿大,2011年8月。视图:谷歌学术搜索
27. a . Golovinskiy v . g . Kim和t . Funkhouser”Shape-based识别城市环境的三维点云”学报》第12届国际会议上计算机视觉(ICCV ' 09)2009年10月,页2154 - 2161。视图:出版商的网站|谷歌学术搜索
28. h . Yokoyama h .日期、金井,和h .武田”Pole-like对象识别从移动激光扫描数据使用平滑和主成分分析,“国际档案的摄影测量、遥感与空间信息科学,38卷,第120 - 115页,2011年。视图:谷歌学术搜索
29. a . Jaakkola j . Hyyppa h . Hyyppa, a . Kukko”检索算法的路面模型使用激光移动映射,”传感器,8卷,不。9日,第5249 - 5238页,2008年。视图:出版商的网站|谷歌学术搜索
30. S.-J。Yu s . r . Sukumar a . f . Koschan d l .页面和m·a·阿比”3 d重建路面使用一个集成的多感官方法,”光学和激光工程,45卷,不。7,808 - 818年,2007页。视图:出版商的网站|谷歌学术搜索
31. c . McElhinney p·库马尔,c . Cahalane, t·麦卡锡“初步结果从欧洲道路安全检查(EuRSI)移动映射项目,“国际档案的摄影测量、遥感与空间信息科学,38卷,第445 - 440页,2010年。视图:谷歌学术搜索
32. m . Vaaja j . Hyyppa a . Kukko h . Kaartinen h . Hyyppa和p . Alho”映射地形变化和高程精度使用移动激光扫描仪,”遥感,3卷,不。3、587 - 600年,2011页。视图:出版商的网站|谷歌学术搜索
33. p . Axelsson”,处理激光扫描仪data-algorithms和应用程序”,ISPRS《摄影测量与遥感,54卷,不。2 - 3、138 - 147年,1999页。视图:出版商的网站|谷歌学术搜索
34. j . Jutila k Kannas, a . Visala“树在森林测量二维激光扫描,”诉讼的IEEE机器人与自动化国际研讨会上计算智能(CIRA ' 07)佛罗里达州杰克逊维尔市,页491 - 496,美国2007年6月。视图:出版商的网站|谷歌学术搜索
35. l . j . Tang y . Chen Chen等人“快速指纹数据库维护室内定位基于作出大满贯,”传感器,15卷,不。3、5311 - 5330年,2015页。视图:出版商的网站|谷歌学术搜索
36. j . y . Chen j . Tang Hyyppa et al .,“自动阻止映射使用SLAM技术plot-wise森林库存”程序无处不在的室内定位导航和基于位置的服务(UPINLBS 14)科珀斯克里斯蒂,页130 - 134年,德克萨斯州,美国,2014年11月。视图:谷歌学术搜索
37. o . Ringdahl p . Hohnloser t·赫尔斯j . Holmgren o . Lindroos,“增强算法估算树干直径使用二维激光扫描仪,”遥感,5卷,不。10日,4839 - 4856年,2013页。视图:出版商的网站|谷歌学术搜索
38. t . Nuttens c .“斯太尔j . Wisbecq g . Deruyter和a·德沃尔夫”领域的比较pulse-based和分阶段激光扫描仪对土木工程应用,”第14届国际多学科科学院刊Geoconference和世博会(SGEM 14)索非亚,页169 - 176年,保加利亚,2014年6月。视图:谷歌学术搜索
39. a . Kukko C.-O。安德烈,V.-M。Salminen et al .,“道路环境映射系统的芬兰大地Institute-FGI漂泊者,”国际档案摄影测量、遥感与空间信息科学,36卷,不。3 / W52, 241 - 247年,2007页。视图:谷歌学术搜索
40. x梁,a . Kukko h . Kaartinen et al .,“可能性个人激光扫描系统的映射和森林生态系统服务,“传感器,14卷,不。1,第1248 - 1228页,2014。视图:出版商的网站|谷歌学术搜索

版权

版权©2017 Yuwei)陈等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。