Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

XXIV.A.93

Комплексный подход к зонированию дорог на основе морфологической обработки облаков точек, формируемых средствами дистанционного зондирования

Рихтер А.А. (1,2), Мурынин А.Б. (1,3)
(1) НИИ "АЭРОКОСМОС", Москва, Российская Федерация
(2) АО «Тазмар АйТи-солюшнз», Санкт-Петербург, Российская Федерация
(3) Вычислительный центр им. А. А. Дородницына РАН, Москва, Российская Федерация
Современные методы дистанционного зондирования, в частности воздушное и наземное лазерное сканирование, обеспечивают получение высокодетализированных трёхмерных данных о дорожной инфраструктуре [1-5]. Однако практическое использование облаков точек, содержащих миллионы и миллиарды точек, сопряжено с трудностями: большие объёмы информации, наличие шумов, сложность выделения смысловых структур.
Одной из ключевых задач обработки является зонирование – разделение протяжённого объекта на функционально однородные участки, что необходимо для паспортизации объекта, оценки его состояния, планирования ремонтных работ и построения цифровых двойников.
Предлагается комплексный подход к автоматизированному зонированию автомобильных дорог на основе классических методов цифровой обработки, включающий четыре основных этапа:
- растрирование облака точек – преобразование облака точек в изображение с малым шагом ячейки для сохранения мелких деталей;
- тайлирование растра – разбиение больших растровых полотен на фрагменты, приемлемые для вычислительных ресурсов;
- расчёт векторных компонент – для каждого тайла вычисляются осевые линии, границы полотна и обочин с использованием алгоритмов растровой и векторной морфологии, трассировки контуров и вычислительной геометрии [6];
- слияние векторных компонент — восстановление непрерывных линий дороги (ось, границы обочин) по швам между тайлами с последующим упрощением и сглаживанием геометрии.
Формализованы два типа зон:
- поперечное зонирование – разбиение дороги на пикеты (участки) поперёк направления движения;
- продольное зонирование – выделение функциональных полос (левая/правая полосы движения, обочины, разделительная зона).
Комбинация поперечных и продольных зон создаёт координатную сетку, «натянутую» на дорогу, что позволяет присваивать каждой точке облака функциональные скалярные поля (номер пикета, номер полосы).
Результаты обработки предлагаемых алгоритмов показаны на реальных данных лазерного сканирования.

Ключевые слова: зонирование дорог, облако точек, лазерное сканирование, растрирование, тайлирование, морфологическая обработка, поперечное зонирование, продольное зонирование, осевая линия, вычислительная геометрия
Литература:
  1. Lei Z., Lei T.L. Large-scale integration of remotely sensed and GIS road networks: A full image-vector conflation approach based on optimization and deep learning, Computers, Environment and Urban Systems, 2024.V. 113, P. 102174. DOI: 10.1016/j.compenvurbsys.2024.102174.
  2. Li Z., Chen L., Liu Y., Zhao S., Guan Q. RWAFormer: a lightweight road LiDAR point cloud segmentation network based on transformer, Frontiers in Computer Science, 2025. V. 7, 1542813. DOI: https://doi.org/10.3389/fcomp.2025.1542813.
  3. Liu C., Xie M., Yuan C., Liang F., Dong Z., Yang B. Training-free open-set 3D inventory of transportation infrastructure by combining point clouds and images, Automation in Construction, 2025. V. 178, 106377. DOI: https://doi.org/10.1016/j.autcon.2025.106377.
  4. Tsiranidou E., González-Cabaleiro P., Fernández A., Díaz-Vilariño L. A framework for road space extraction from point clouds and integration into 3D city models, International Journal of Applied Earth Observation and Geoinformation, 2025. V. 142, 104803. DOI: https://doi.org/10.1016/j.jag.2025.104803.
  5. Vrtal P., Svatý Z., Kohout T., Nouzovský L., Blodek T. Methods for Identification and Vectorization of Traffic Elements from Orthographic Images, Transportation Research Procedia, 2025. V. 91, pp. 297–304. DOI: https://doi.org/10.1016/j.trpro.2025.10.039.
  6. Murynin A.B., Rihter A.A., Vorobyev V.E. Algorithms for morphological analysis of vectorized boundaries in images / Pattern recognition and image analysis. 2025. V. 35, No. 3, pp. 438–454. DOI: 10.1134/S1054661825700300.

Презентация доклада

Методы и алгоритмы обработки спутниковых данных