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
qingyunliushuiyu1 天前
BI数据可视化:驱动数据价值释放的关键引擎
数据挖掘·数据分析·数据分析系统·数据分析平台·bi数据可视化
HenrySmale1 天前
05 回归问题和分类问题
分类·数据挖掘·回归
victory04311 天前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
大霸王龙2 天前
基于vLLM与YOLO的智能图像分类系统
yolo·分类·数据挖掘
悟乙己2 天前
保序回归Isotonic Regression的sklearn实现案例
数据挖掘·回归·sklearn·保序回归
寒月霜华2 天前
机器学习-探索性数据分析
数据挖掘·数据分析
月岛雫-2 天前
“单标签/多标签” vs “二分类/多分类”
人工智能·分类·数据挖掘
TwoAI2 天前
Pandas 数据分析:从入门到精通的数据处理核心
数据挖掘·数据分析·pandas
fanstuck3 天前
基于大模型的个性化推荐系统实现探索与应用
大数据·人工智能·语言模型·数据挖掘