Нижегородский государственный архитектурно-строительный университет
Россия
УДК 625.7 Автомобильные дороги в целом. Внегородские дороги. Городские дороги
При проведении обследований автомобильных дорог с применением технологии лазерного сканирования остро стоит задача идентификации элементов дорожного обустройства и колейности по облакам точек. На практике не всегда возможно проводить сканирование с соблюдением всех правил, в связи с чем в облаках точек присутствует большое число шумов, а сама плотность точек местами не позволяет задействовать алгоритмы автоматической классификации; кроме того, сложность и отсутствие оптимизации ряда алгоритмов зачастую требуют ограничения размера исследуемых данных и потребляют значительную часть доступных аппаратных ресурсов компьютера. В связи с этим обработка данных носит преимущественно ручной характер. Цель: Предложить метод идентификации наклонных (и вертикальных) конструкций, а также колейности на основе анализа уклонов между соседними точками облака точек с упором на производительность на больших данных и прогнозируемой величиной расхода вычислительных ресурсов компьютера. Методы: В данном исследовании используется преобразование облака точек с классифицированной землей через CSF-алгоритм. Рассматриваемый метод был реализован на языке программирования C++ как надстройка к САПР nanoCAD для работы с облаками точек в ее среде. В качестве вспомогательного инструмента формирования контуров была использована геометрическая библиотека с открытым исходным кодом GEOS. Апробация предложенного метода проведена на материалах лазерного сканирования дорог Санкт-Петербурга. Практическая значимость: Вычислительная сложность метода квадратично зависит от размера облака точек и не зависит от его объема, что позволяет использовать метод для обработки облаков точек плохого качества. В результате пользователь получает набор полигонов (замкнутых контуров) для требуемых величин уклонов с возможностью отрисовки только полигонов заданной площади.
Автомобильные дороги, колейность, облака точек, эксплуатация дорог, лазерный сканер, классификация облака точек
1. Береговой Д. В. Создание топографических планов на основе данных съемки с беспилотного летательного аппарата и автоматизации процесса дешифрирования: специальность 25.00.32 «Геодезия»: дисс. … канд. наук / Д. В. Береговой. — СПб.: Санкт-Петербургский горный университет, 2018.
2. Ткачева А. Использование данных дистанционного зондирования земли при трехмерном моделировании естественных ландшафтных сцен / А. Ткачева // Вестник сибирского государственного аэрокосмического университета им. академика М. Ф. Решетнева. — 2014. — № 5(57). — С. 136–144.
3. Федорова А. А. Сравнение методов классификации облаков точек, полученных с помощью технологии LIDAR / А. А. Федорова, Д. Д. Нурлыева, А. С. Желанкина, Е. А. Елисеева и др. // Искусственный интеллект в автоматизированных системах управления и обработки данных, 27–28 апреля 2022 года. — М.: Московский государственный технический университет имени Н. Э. Баумана (национальный исследовательский университет), 2022. — Т. 1. — С. 262–267.
4. Масурадзе Ш. Г. Решение инженерных дорожных задач на основе данных мобильного лазерного сканирования / Ш. Г. Масурадзе, И. Г. Майсурадзе // САПР и ГИС автомобильных дорог. — 2016. — № 2(7). — С. 50–53. — DOI:https://doi.org/10.17273/CADGIS.2016.2.2.
5. Позняк И. Метод оценки колейности автомобильных дорог с использованием мобильного лазерного сканирования / И. Позняк, И. Масурадзе, Ш. Масурадзе // Конструкторское Бюро. — 2017. — № 5.
6. Меньшиков А. Фотограмметрический метод измерения колейности усовершенствованных дорожных покрытий / А. Меньшиков, Н. Скоморохова // Наука, техника и образование. — 2016. — № 7(25). — С. 48–49. — DOI:https://doi.org/10.20861/2312-8267-2016-25-002.
7. Лушников Н. Измерение глубины колеи на покрытии автомобильной дороги методом лазерного сканирования / Н. Лушников, П. Лушников, Т. Лалова, Д. Ковалев // Дороги и мосты. — 2020. — № 2(44). — С. 138–144.
8. Гребенюк Е. А. Мобильное лазерное сканирование городских дорог: оценка трудозатрат для получения качественного результата / Е. А. Гребенюк, С. И. Ротков // Труды Международной конференции по компьютерной графике и зрению «Графикон», 19–21 сентября 2023 г., Институт проблем управления им. В. А. Трапезникова РАН. — М.: Институт прикладной математики им. М. В. Келдыша РАН, 2023. — С. 701–709. — DOI:https://doi.org/10.20948/graphicon-2023-701-709.
9. Wumming Z. An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation / Z. Wumming, Q. Jianbo, W. Peng et al. // Remote Sensing. — 2016. — Vol. 8(6). — DOI:https://doi.org/10.3390/rs8060501.
10. Zhiyang Z. P-CSF Polar coordinate cloth simulation filtering algorithm for multi-type tunnel point clouds / Z. Zhiyang, C. Bingtao, L. Yuan et al. // Tunnelling and Underground Space Technology. — 2025. — Vol. 155. — Part 1. — DOI:https://doi.org/10.1016/j.tust.2024.106144.
11. Выстрчил М. Г. Алгоритм выделения точек земной поверхности из данных воздушного лазерного сканирования / М. Г. Выстрчил, Т. И. Балтыжакова, А. Ю. Романчиков, А. А. Аникеева // Геодезия и картография. — 2024. — № 2. — С. 2–11. — DOI:https://doi.org/10.22389/0016-7126- 2024-1004-2-2-11.
