基于点云的铁路场景分类:1,接触线的提取

(1)点云分为地面点和非地面点;

(2)在非地面点中使用PCA提取线性特征点;

值得注意的是,非地面点中的线性有很多,不仅有接触线,而且包含回流线、承载电缆。而且也不总是平行于地面的线。因此,需要通过筛选进行选择,这个时候就有两种思路分别是

1)选择接触线的特征,一次性从整体的线状点云中提取得到接触线。

2)发挥主观能动性,先剔除断的,然后是矮的。慢慢的把接触线分割出来。

使用了角度阈值剔除了倾斜的线段。观察场景,然后按照距离聚类分出最多的三个类别。

接触线和称重电缆是平行的,因此通过坐标x y的平均值来判别,后续通过z值判别接触线。

只适合于简单的铁路场景。复杂的还是第一个提取思路,或者先通过铁轨路基进行提取线也是可行的路子。但是我是先提的线,然后通过贯通性分析再去提取铁轨路基。

相关推荐
万事可爱^3 小时前
HDBSCAN:密度自适应的层次聚类算法解析与实践
算法·机器学习·数据挖掘·聚类·hdbscan
yuanbenshidiaos11 小时前
【数据挖掘】数据仓库
数据仓库·笔记·数据挖掘
lcw_lance14 小时前
人工智能(AI)的不同维度分类
人工智能·分类·数据挖掘
伊一大数据&人工智能学习日志15 小时前
自然语言处理NLP 04案例——苏宁易购优质评论与差评分析
人工智能·python·机器学习·自然语言处理·数据挖掘
huaqianzkh17 小时前
理解构件的3种分类方法
人工智能·分类·数据挖掘
是一只努力的小菜鸡啦1 天前
数据分析和数据挖掘的工作内容
信息可视化·数据挖掘·数据分析
Sodas(填坑中....)2 天前
SVM对偶问题
人工智能·机器学习·支持向量机·数据挖掘
zhengyawen6662 天前
深度学习之图像回归(二)
人工智能·数据挖掘·回归
liruiqiang052 天前
线性模型 - Logistic 回归
人工智能·机器学习·数据挖掘·回归
zhengyawen6662 天前
深度学习之图像回归(一)
人工智能·数据挖掘·回归