基于车载LiDAR点云的城市道路提取研究文献综述

文献综述

文 献 综 述1.选题的背景及意义道路信息作为一种重要的基础地理信息，在城市规划、智能交通、应急响应等领域都发挥着重要作用，如何高效率、高精度、低成本地进行道路信息的采集也成为近年来的研究热点。

车载激光扫描系统是目前最前沿的测绘科技之一[1]，是一种快速实时获取大范围三维空间信息的新技术手段，它作为一种新的空间数据采集手段，以车辆为搭载平台，集成 GPS、INS、激光扫描仪等多种传感器，在车辆行进途中实时采集建筑物、植被、道路等地物表面的三维数据，为道路信息的采集与更新提供了新途径。

传统获取道路信息的方法主要包括人工测量和航空摄影测量两种方式。

人工测量虽然能够获取准确高精度的道路坐标信息，但是测量效率较低、数据采集成本高、数据更新周期较长。

基于航空影像与高分遥感影像的道路信息解译提取方法虽然在数据采集效率与时效性方面有了大幅提高，但受影像分辨率等因素的制约，提取的道路信息在完整性与精度方面仍有一定的欠缺，无法满足某些要求高精度的应用场景。

相较于传统的道路测量手段，车载三维激光扫描技术凭借其能够快速、高精度获取大范围地物目标三维信息的优势发展迅速，被越来越多地用于智慧城市、智能交通等领域中。

然而车载移动激光扫描系统获取的点云数据包含的地物目标众多、数据量大且密度分布不均、各数据点之间缺乏拓扑关系、此外还存在地物遮挡区域点云缺失等问题，加之不同类型道路在点云数据中呈现不同的特征，研究如何从车载点云中自动快速提取道路对智能交通的发展具有重要意义。

同时，在实际的城区道路环境中，往往会出现道路路面情况复杂，不同道路的路面损坏情况差异大，路面车辆、行人干扰多等问题。

本课题针对城市复杂的道路环境，研究如何从车载LiDAR点云中快速、准确提取道路边界。