Utvidet bruk av punktskyer fra bilbåren laserskanning

Abstract

Dagens bruk av punktsky fra bilbåren laserskann er mest brukt til oppfølging og vedlikehold av veg. Denne oppgaven undersøker hvordan bruken kan utvides til oppdatering av vegdata.

Det har blitt utarbeidet to metoder som demonstrerer hvordan relevant informasjon kan hentes ut fra en punktsky og vektoriseres. Den første metoden vektoriserer vegens kantlinjer på bakgrunn av punktskyens intensitetsverdier, og den andre metoden henter ut vegkroppen ved å filtrere støy og vegetasjon rundt vegen.

Fra den første metoden kommer det fram at kantlinjene kan vektoriseres til en absolutt nøyaktighet på rett over 0,2 meter, men nedslitt vegoppmerking kan svekke resultatet i stor grad. For metode 2 kommer det fram at resultatets nøyaktighet er mye påvirket av parametere brukt til filtreringen. Ved en streng filtrering kan man oppnå høy nøyaktighet, men på bekostning av fullstendighet. Det motsatte gjelder for en mindre aggressiv filtrering. En av de store svakhetene med metodene som presenteres er at de krever en etablert senterlinje med god nøyaktighet.

Today, the main use of data acquired from a mobile laser scanner is used to detect a demand for maintenance on roads. This study examines how to extend the use of these data to improve and update existing road data. The focus is not to find a full functioning solution, but rather to highlight potential uses and obstacles in future studies.

To examine this problem, two different methods are developed. Both methods demonstrate how to automatically extract and vectorize relevant information from a given point cloud. The first method extracts road shoulder line by examining intensity values in the point cloud. While the second, extracts the entire road surface by filtering noise and vegetation surrounding the road surface.

Based on the first method, we find that road shoulder lines can be returned with an accuracy just over 0.2 meters, but is vulnerable to decrepit road surface marking.

In the second method the accuracy will depend on parameters used during filtering. An aggressive filtering will result in higher accuracy, but low coverage and vice versa during a milder filtering.

One of the main drawbacks in both methods is the dependency of an already accurate centerline for any given road.