基于多模态空间数据的基础设施数字化关键技术研究
计算机视觉与模式识别
2023-10-24 v1 多媒体
摘要
自 NASA 于 2010 年提出数字孪生概念以来，众多行业提出了数字化发展的动态目标，交通运输业亦在其中。随着越来越多企业布局这片处女地，数字孪生交通产业迅速发展并逐步形成完整的科研体系。然而，在已大体成熟的框架之下，仍存在诸多漏洞问题亟待解决。在利用点云信息构建路网的过程中，我们总结了激光扫描仪所采集点云的若干主要特征，并分析了构建路网的潜在问题，如将特征点误判为地面点以及网格空洞。在此基础上，我们回顾相关文献并提出了针对性解决方案，如仿照影像金字塔构建点云金字塔、扩展虚拟网格等，应用 CSF 进行地面点云提取，以及利用 PTD（基于渐进密度的滤波）算法构建路网模型。针对道路标志检测问题，我们通过边缘检测增强信息密度来优化地面点云中的遥感数据，通过剔除低强度点改善数据质量，并利用 PaddleOCR 与 Densenet 实现道路文本识别 90% 的准确率。对于实时数字孪生交通，我们利用 MPR-GAN 的骨干网络设计 P2PRN 网络以生成二维特征，并利用 SuperGlue 进行二维特征匹配，依据匹配优化点渲染视角，经数次迭代完成多模态匹配任务，并成功以 10{\deg} 与 15m 的精度计算出道路相机位姿。
引用
@article{arxiv.2310.14296,
title = {Research on Key Technologies of Infrastructure Digitalization based on Multimodal Spatial Data},
author = {Zhanyuan Tian and Tianrui Zhu and Zerui Tian and Zhen Dong},
journal= {arXiv preprint arXiv:2310.14296},
year = {2023}
}
备注
20 pages, in Chinese language, 12 figures