典型文献
基于点云数据的道路变形类病害自动化检测方法
文献摘要：
拥包、沉陷等路面变形是常见的病害类型,但传统基于二维图像的判断方法无法获取深度信息,线性激光扫描的方法精度较高但是单次扫描范围有限,难以短时获取全局状况,导致大尺度变形类病害识别困难.利用车载移动激光雷达系统获取三维点云数据,解决了变形类病害检测的难点,并可提取其三维特征.实测数据验证了方法的可靠性和有效性,可实现拥包、沉陷和坑槽等变形病害的自动化检测,有效提高了检测效率.与全站仪测量结果对比,该方法三维特征提取信息完整且准确率达84.662％.
文献关键词：
道路工程;变形类病害;点云数据;三维特征;高差信息
中图分类号：
作者姓名：
潘宁;杜豫川;岳劲松;魏斯瑀;刘成龙;吴荻非
作者机构：
同济大学道路与交通工程教育部重点实验室,上海201804;上海城市基础设施更新工程技术研究中心,上海 200032;上海城投公路投资(集团)有限公司,上海200335
文献出处：
引用格式：
[1]潘宁;杜豫川;岳劲松;魏斯瑀;刘成龙;吴荻非-.基于点云数据的道路变形类病害自动化检测方法)[J].同济大学学报（自然科学版）,2022(03):399-408
A类：
高差信息
B类：
变形类病害,自动化检测,沉陷,病害类型,二维图像,判断方法,深度信息,激光扫描,大尺度,病害识别,用车,车载,激光雷达,雷达系统,三维点云数据,病害检测,其三,数据验证,可靠性和有效性,坑槽,检测效率,全站仪,结果对比,三维特征提取,提取信息,道路工程
AB值：
0.380343
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
