📄Работа №142015

Тема: АВТОМАТИЗАЦИЯ МОДЕЛИРОВАНИЯ АВТОМОБИЛЬНЫХ ДОРОГ ПО ДАННЫМ МОБИЛЬНОГО ЛАЗЕРНОГО СКАНИРОВАНИЯ

📝
Тип работы Магистерская диссертация
📚
Предмет картография
📄
Объем: 75 листов
📅
Год: 2019
👁️
Просмотров: 104
4855 руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
ℹ️ Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание 📖 Введение ✅ Заключение 📕 Литература 🔍 Похожие 🛒 Купить

📋 Содержание

ВВЕДЕНИЕ 3
1 ОБЩИЕ СВЕДЕНИЯ ОБ АВТОДОРОГАХ 5
1.1 Состояние и перспективы развития дорожно-транспортной инфраструктуры 5
1.2 Классификация и элементы автодорог 10
1.3 Методы обследования автодорог 15
2 МОБИЛЬНОЕ ЛАЗЕРНОЕ СКАНИРОВАНИЕ (МЛС) 23
2.1 Технология сканирования 23
2.2 Применение МЛС в дорожной отрасли 30
3. ОБЗОР ОТДЕЛЬНЫХ АСПЕКТОВ АВТОМАТИЗАЦИИ МОДЕЛИРОВАНИЯ АВТОДОРОГ 35
3.1 Методы выделения дорожного полотна 35
3.2 Методы выделения дорожной разметки 37
3.3 Методы анализа изображений для извлечения информации об автодорогах 39
4. СОВЕРШЕНСТВОВАНИЕ МЕТОДИКИ МОДЕЛИРОВАНИЯ АВТОДОРОГ 48
4.1 Исходные данные 49
4.2 Классификация точек лазерного сканирования 52
4.3 Методика выделения дорожного покрытия 57
4.4 Методика выделения дорожной разметки 62
4.5 Результаты. Оценка точности 65
ЗАКЛЮЧЕНИЕ 68
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 70

📖 Введение

Эффективное планирование и управление транспортной инфраструктурой требует использования точных геоданных. Существующие методы сбора информации, основанные на классических методах обследования маршрутов, очень трудоемки и дорогостоящи. Например, геодезическая съемка 1 км трассы стоит около 40 тыс. руб. [46], а общая стоимость строительства автомобильных дорог в Российской Федерации в 2017 г. составила 18,9 млн. руб. [52].
Технология мобильного лазерного сканирования (МЛС) позволяет быстро собирать огромные объемы точных, нерегулярно распределенных, плотных облаков точек с географической привязкой. Сегодня все больше и больше коммерческих МЛС становятся доступны для решения задач дорожной отрасли. Тем не менее, многие инженеры не заинтересованы данными в виде облаков точек лазерного сканирования (ЛС) так, как не знают, как использовать такие данные в своих системах автоматизированного проектирования (САПР) и далее эффективно извлечь требуемую информацию о дорогах.
Актуальность: проанализировав опыт отечественных и зарубежных ученых, было установлено, что на настоящий момент существуют методы автоматического или полуавтоматического выделения элементов дороги, однако результаты исследований не находят широкого применения в производстве. На практике все действия по векторизации выполняются вручную.
Данная работа нацелена на прикладное использование данных МЛС в качестве инструмента для мониторинга состояния и управления транспортной инфраструктурой. Целью выпускной квалификационной работы является разработка методов автоматизированного извлечения информации о дорожном полотне и состоянии дорожной разметки по данным мобильного лазерного сканирования.
В соответствии с поставленной целью в работе были определены следующие задачи:
– Изучение современного состояния дорожной отрасли и областей применения МЛС для обследования дорожного полотна;
– Выбор и освоение программного обеспечения для обработки полученных массивов лазерных точек;
– Изучение применяемых и перспективных методик извлечения информации о дорожном покрытии и разметке;
– Определение последовательности действий для автоматизации обработки полученных облаков точек МЛС;
– Проведение экспериментальной проверки разработанной технологии извлечения исследуемых объектов;
– Проведение анализа и оценки полученных результатов.
В качестве справочных источников использовались: нормативно-технические документы, книги, отечественные и зарубежные научные статьи, диссертационные работы предыдущих лет, а также ряд информационных источников сети Интернет.
Научная значимость: разработка технологической схемы извлечения элементов дороги по данным мобильного лазерного сканирования, основанной не на работе с массивами точек, а на анализе растровых изображений, содержащих данные об отражательной способности объектов.
Практическая значимость: автоматизация этапа камеральных работ ведет к решению основных проблем по увеличению производительности, уменьшению затрачиваемого времени и соответственно сокращению материальных затрат. Таким образом, очевидна необходимость разработки автоматизированных методов и программных средств для быстрой и точной обработки данных ЛС.
Работа излагается на 74 страницах; состоит из введения, 4 глав, заключения и списка используемой литературы, включающий 56 наименований. В работе представлены 30 рисунков и 7 таблиц.

Возникли сложности?

Нужна качественная помощь преподавателя?

👨‍🎓 Помощь в написании
🎓 Дипломные 📘 Магистерские 📙 Диссертации 📗 Курсовые 📝 Статьи 📄 ВКР

✅ Заключение

Полученные в выпускной квалификационной работе результаты непосредственно связаны с актуальными проблемами применения МЛС в дорожной отрасли – автоматизация обработки данных и увеличение производительности работ. Технология получения векторных слоев дорожного полотна и разметки, основанная на преобразовании точек лазерного сканирования в растры интенсивности, их классификации методом объектного ориентирования и использовании разработанного алгоритма, написанного на языке программирования, была применена впервые. Полученные данные полностью удовлетворяют требованиям, предъявляемым к качеству работ.
При написании магистерской диссертации изучены и реализованы методы дешифрирования данных МЛС на предмет распознавания дорожного полотна и разметки. Разработанная технология показала свою работоспособность и оказалась вполне приемлемой для выполнения задач мониторинга состояния и моделирования дорожного полотна.
В ходе работы при выполнении поставленных задач достигнуто следующее:
– создан макрос TerraScan в ПО BentleyMicrostation и выполнена полуавтоматическая классификация массива точек МЛС, созданы растры, основанные на данных отражательной способности поверхности;
– проанализирована и разработана методика выделения дорожного полотна посредством классификации методом объектного ориентирования и дорожной разметки используя разработанный алгоритм на языке Python 3.7;
– проведена полуавтоматизированная идентификация исследуемых объектов по растрам, созданным на основе классифицированных точек;
– получены векторные слои дорожного полотна и разметки для нескольких участков федеральной дороги М-18 «Кола»;
– проведена оценка точности полученных результатов.
Разработанная методика может быть использована для ускорения камеральных работ при обследовании и мониторинге дорожного покрытия с применением мобильного лазерного сканирования. Оперативное наблюдение за состоянием качества автомобильных дорог могло бы повысить эффективность выполнения работ, направленных на улучшение дорожно-транспортной инфраструктуры в РФ.
Считаю необходимым сформулировать следующие рекомендации в сфере обеспечения своевременной и качественной информацией работ по проектированию и обследованию автодорог, исходящее из опыта выполненной работы. Мониторинг подразумевает непрерывность сбора и обработки информации, постоянную поддержку системы в актуальном виде, необходимом для управления состоянием и эксплуатацией автомобильных дорог. Для обеспечения точности данных обследование дорог следует проводить по двум траекториям, прямой и обратной, и также далее использовать эту информацию при обработке полученных результатов МЛС. Кроме того, необходимо следить за развитием систем автоматизированной обработки и анализа данных МЛС с целью оценки возможности их применения для информационного моделирования объектов транспортной инфраструктуры в будущем.

Нужна своя уникальная работа?
Срочная разработка под ваши требования
Рассчитать стоимость
ИЛИ
Поиск аналога

📕 Список литературы

1. Федеральный закон:ФЗ № 257 «Об автомобильных дорогах и о дорожной деятельности в Российской Федерации и о внесении изменений в отдельные законодательные акты Российской Федерации». – утв. Государственной Думой РФ, 2007. – 46 с.
2. ГОСТ 33100-2014. Дороги автомобильные общего пользования. Правила проектирования автомобильных дорог. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2014. – 31 с.
3. ГОСТ 32836-2014. Дороги автомобильные общего пользования. Изыскания автомобильных дорог. Общие требования. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2015. – 54 с.
4. ГОСТ 32869-2014. Дороги автомобильные общего пользования. Требования к проведению топографо-геодезических изысканий. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2015. – 44 с.
5. ГОСТ 33151-2014. Дороги автомобильные общего пользования. Элементы обустройства. Технические требования. Правила применения. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2015. – 27 с.
6. ГОСТ Р 52398-2005. Классификация автомобильных дорог. Основные параметры и требования. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2005. – 7 с.
7. ГОСТ 33101-2014. Дороги автомобильные общего пользования. Покрытия дорожные. Методы измерения ровности. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2016. – 23 с.
8. ГОСТ Р 52399-2005. Геометрические элементы автомобильных дорог. – утв. приказом Федерального агентства по техническому регулированию и метрологии. – М.: Стандартинформ, 2005. – 11 с.
9. Строительные нормы и правила: СНиП 3.06.03-85 Актуализированная редакция. Автомобильные дороги. – утв. приказомМинистерства регионального развития РФ, 2009. – М.: Издание официальное, 2012. – 73 с.
10. Свод правил: СП 34.13330.2012. Автомобильные дороги. Актуализированная редакция СНиП 2.05.02-85.– утв. Минрегионом России, 2012. – М.: Издание официальное, 2013. – 112 с.
11. Отраслевой дорожный методический документ: ОДМ 218.4.039-2018. Рекомендации по диагностике и оценке технического состояния автомобильных дорог / Федеральное дорожное агентство (Росавтодор). – М., 2018. – 73 с.
12. Технические рекомендации: ТР 134-03. Технические рекомендаций по устройству и приёмке в эксплуатацию дорожных покрытий с учётом требований международных стандартов по ровности. – утв. Правительством Москвы. – М., 2003.
13. Отраслевой дорожный методический документ: ОДМ 218.7.001-2009. Рекомендации по осуществлению строительного контроля на федеральных автомобильных дорогах / Федеральное дорожное агентство (Росавтодор). – М., 2009. – 32 с.
14. Книжников, Ю.Ф., Кравцова, В.И., Тутубалина, О.В. Аэрокосмические методы географических исследований // Учебник для студентов высш. учеб. заведений. – М.: Издательский центр «Академия». – 2004. – 336 с.
15. Комиссаров А. В. Теория и технология лазерного сканирования для пространственного моделирования территорий. – Новосибирск: СГГА, 2015. –103 с.
16. Лапин Р. П. Оценка густоты дорожной сети // Молодой ученый. – 2016. – №12. – С. 311-314
17. Медведев В. И., Сарычев Д. С., Скворцов А. В. Предварительная обработка данных мобильного лазерного сканирования в системе IndorCloud // САПР и ГИС автомобильных дорог. – 2014. – № 2 (3). – С. 67-74.
18. Программный комплекс ENVI: учеб. пособие – М.: Совзонд, 2007. – 229 с.
19. Сарычев Д. С. Мобильное лазерное сканирование //САПР и ГИС автомобильных дорог. – 2013. – №. 1. – С. 36-41.
20. Середович В. А., Алтынцев М. А., Попов Р. А. Особенности применения данных различных видов лазерного сканирования при мониторинге природных и промышленных объектов //Вычислительные технологии. – 2013. – № 18.– С. 56-58.
21. Brenner C. Extraction of features from mobile laser scanning data for future driver assistance systems // Advances in GIScience. – Springer, Berlin, Heidelberg, 2009. – P. 25-42.
22. Cabo C., Cortés S. G., Ordonez C. Mobile Laser Scanner data for automatic surface detection based on line arrangement // Automation in Construction. – 2015. – V. 58. – P. 28-37.
23. Ibrahim S., Lichti D. Curb-based street floor extraction from mobile terrestrial LiDAR point cloud //International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2012. – V. 39. – P. B5.
24. Jabari S., Zhang Y. Very high resolution satellite image classification using fuzzy rule-based systems // Algorithms. – 2013. – V. 6. – №. 4. – P. 762-781.
25. Fan, H., Yao, W., and Tang, L., 2014. Identifying man-made objects along urban road corridors from mobile lidar data. // IEEE Geoscience and Remote Sensing Letters, V.11, № 5, P. 950–954.
26. Guan H. Automated Extraction of Road Information from Mobile Laser Scanning Data. dis. – University of Waterloo, 2013.
27. Guan H. Li, J., Yu, Y., Wang, C., Chapman, M., Yang, B. Using mobile laser scanning data for automated extraction of road markings //ISPRS Journal of Photogrammetry and Remote Sensing. – 2014. – V. 87. – P. 93-107.
28. Guan, H., Li, J., Cao, S., Yu, Y. Use of mobile LiDAR in road information inventory: A review // International Journal of Image and Data Fusion. – 2016. – V. 7. – №. 3. – P. 219-242.
29. Kumar, B., Lohani, B., Pandey, G. Development of deep learning architecture for automatic classification of outdoor mobile Lidar data. //International Journal of Remote Sensing. – 2019. – V. 40. – №. 9. – P. 3543-3554.
30. Lichti D. D. Terrestrial laser scanner self-calibration: Correlation sources and their mitigation //ISPRS Journal of Photogrammetry and Remote Sensing. – 2010. – V. 65. – №. 1. – P. 93-102.
31. Lim, S., Thatcher, C. A., Brock, J. C., Kimbrow, D. R., Danielson, J. J., Accuracy assessment of a mobile terrestrial lidar survey at Padre Island National Seashore // International journal of remote sensing. – 2013. – V. 34. – №. 18. – P. 6355-6366.
32. Liu Z., Wang J., Liu D. A new curb detection method for unmanned ground vehicles using 2D sequential laser data //Sensors. – 2013. – V. 13. – №. 1. – P. 1102-1120.
33. Manandhar, D., Shibasaki, R., 2001, Vehicle-borne laser mapping system (VLMS) for 3D GI // IEEE Geoscience and Remote Sensing Symposium, V. 5, P. 2073-2075.
34. Mendoza F., Lu R. V Basics of image analysis //Hyperspectral Imaging Technology in Food and Agriculture. – Springer, 2015. – P. 9-56.
35. McElhinney, C. P., Kumar, P., Cahalane, C. Initial results from European Road Safety Inspection (EURSI) mobile mapping project. // ISPRS Journal of Photogrammetry and Remote Sensing. – 2010. – P. 440-445.
36. Otsu, N. A. threshold selection method from gray-level histograms //IEEE transactions on systems, man, and cybernetics. – 1979. – V. 9. – №. 1. – P. 62-66.
37. Pu S. et al. Recognizing basic structures from mobile laser scanning data for road inventory studies. // ISPRS Journal of Photogrammetry and Remote Sensing. – 2011. – V. 66. – №. 6. – P. 28-39.
38. Soininen. A., TerraScan User’s Guide. – 2016. – P. 25-103.
39. Teo, T. A., Chiu C. M. Pole-like road object detection from mobile lidar system using a coarse-to-fine approach. // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. – 2016. – V. 8. – №. 10. – P. 4805-4818.
40. Ogawa T., Takagi K. Lane recognition using on-vehicle lidar. // IEEE Intelligent Vehicles Symposium. – IEEE, 2006. – P. 540-545.
41. Yang B., Fang L., Li J. Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds //ISPRS Journal of Photogrammetry and Remote Sensing. – 2013. – V. 79. – P. 80-93.
42. Yoon J., Crane C. D. Evaluation of terrain using LADAR data in urban environment for autonomous vehicles and its application in the DARPA urban challenge // ICCAS-SICE. – IEEE, 2009. – P.641-646.
43. https://docs.opencv.org/3.4.3/d9/d61/tutorial_py_morphological_ops.html –OpenCV, 5 ноября 2018.
44. http://www.expert-sz.ru/services/laborotoriya/ – ООО «Эксперт», 16 января 2019.
45. http://www.geodan.ru/prices.shtml – Лаборатория технологий геодан, 14 декабря 2018.
46. https://geogrunt.ru/tsenyi/ – ГЕОГРУНТ Москва, 5 марта 2019.
47. http://www.geokosmos.ru – Технология создания трехмерных цифровых моделей различного назначения офиц. сайт компании НПП «Геокосмос», 11 сентября 2018.
48. http://geopriz.ru/services/lazernoe-skanirovanie/mobilnoe-lazernoe-skanirovanie/ – Геопроектизыскания, 24 февраля 2019.
49. 33 http://isicad.ru/ru/articles.php?article_num=18275 – Isicad, 22 марта 2019.
50. 34https://www.mintrans.ru/press-center/news/8836 – Министерство Транспорта Российской Федерации, 26 февраля 2019
51. https://tass.ru/ekonomika/5952798 – ТАСС, Информационное агентство, 13 апреля 2019.
52. https://www.harrisgeospatial.com/docs/using_envi_Home.html – Harris Geospatial Solutions, 18 февраля 2019.
53. http://homepages.inf.ed.ac.uk/rbf/HIPR2/morops.htm – HIPR2 Top Page, 2 апреля 2019.
54. https://lidarnews.com/ – Lidar News, 3 марта 2019.
55. http://www.riegl.com/nc/products/mobile-scanning/ – RIEGL Laser Measurement Systems GmbH, 17 апреля 2019.
56. https://www.trimblegnss.ru/catalog/mobilnye-sistemy/trimble-mx8/ – Trimble, 18 декабря 2018.

🛒 Оформить заказ

⚡ Работу высылаем в течении 5 минут после оплаты.

🔍 ПОХОЖИЕ РАБОТЫ ПО ТЕМЕ

Геоинформационное моделирование объектов дорожной инфраструктуры на основе данных лазерного сканирования Магистерская диссертация картография 2019 г. 4840 руб. Экономическое обоснование основных направлений развития строительства автомобильных дорог в г.Красноярске Магистерская диссертация экономика 2017 г. 5700 руб. АНАЛИЗ ИНВЕСТИРОВАНИЯ ДОРОГ РЕГИОНАЛЬНОГО ЗНАЧЕНИЯ Дипломные работы, ВКР автомобили и автомобильное хозяйство 2017 г. 6100 руб. ОБОСНОВАНИЕ НОРМАТИВОВ НА ЛЕТНЕЕ СОДЕРЖАНИЕ АВТОМОБИЛЬНЫХ ДОРОГ В РАЗНЫХ КЛИМАТИЧЕСКИХ ЗОНАХ КРАСНОЯРСКОГО КРАЯ Бакалаврская работа строительство 2020 г. 4680 руб. Формирование и анализ пространственных данных по автодорогам Красноярского края Бакалаврская работа информационные системы 2016 г. 5600 руб. Проект реконструкции участка автомобильной дороги "Подъезд к Терехте" Ужурский район Дипломные работы, ВКР строительство 2020 г. 4330 руб. Проект реконструкции участка автомобильной дороги в Красноярском крае Дипломные работы, ВКР технология строительных процессов 2016 г. 5970 руб. Камеральное трассирование автомобильных дорог на основе ГИС в Ирбейском районе Красноярского края Дипломные работы, ВКР строительство 2021 г. 4325 руб. Статистический анализ и прогнозирование объема введения автомобильных дорог с твердым покрытием в Российской Федерации Дипломные работы, ВКР статистика 2016 г. 4940 руб. Камеральное трассирование автомобильных дорог на основе ГИС в Курагинском районе Красноярского края Дипломные работы, ВКР строительство 2021 г. 4240 руб.

📎 МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ ПО ПРЕДМЕТУ «КАРТОГРАФИЯ»

Найдено работ: 62

Применение данных ДЗЗ для картографирования и мониторинга опасных геоморфологических процессов на трассах магистральных газопроводов на территории Урала Магистерская диссертация картография 2016 г. 5500 руб. Построение и использование структурно-координатной сети рельефа для анализа Арктического региона Магистерская диссертация картография 2023 г. 4750 руб. Создание веб-интерфейса для геоинформационной системы «Памятники истории и культуры Северо-Западного федерального округа» Магистерская диссертация картография 2024 г. 5500 руб. Создание и редактирование серии этнографических карт Ленинградской области с применением методов геоинформационного картографирования Магистерская диссертация картография 2024 г. 5500 руб. Разработка серии социально-экономических карт Китайской Народной Республики Магистерская диссертация картография 2024 г. 5500 руб. Решение задач моделирования речных систем и определения длин водотоков с помощью геоинформационных технологий на примере северных рек России Магистерская диссертация картография 2024 г. 4720 руб. Оптимизация процессов определения площадей уборочных территорий города на основе геоинформационных технологий Магистерская диссертация картография 2024 г. 5500 руб. Роль оценки недвижимости в эффективности проектов девелопмента Магистерская диссертация картография 2020 г. 4885 руб. Использование геоинформационных технологий для выделения водотоков по цифровым моделям рельефа на примере северных рек России Магистерская диссертация картография 2024 г. 4710 руб. Особенности генезиса почв с элювиальным горизонтом на олигоценовых отложениях в ландшафтах южной окраины лесостепной зоны (на примере заповедника «Белогорье») Магистерская диссертация картография 2022 г. 4650 руб. Геоинформационное сопровождение исследований и картографирования характеристик почвенного покрова Магистерская диссертация картография 2022 г. 4750 руб. Методика картографирования рельефа Арктического региона с применением трех- мерного моделирования Магистерская диссертация картография 2022 г. 4700 руб. Интеграция географических и медицинских информационных систем при обеспечении мониторинга пространственного распределения и пространственно-временной динамики социально значимых заболеваний Магистерская диссертация картография 2023 г. 4910 руб. Исследование алгоритмов автоматической регистрации данных лазерного сканирования Магистерская диссертация картография 2022 г. 4600 руб. ИССЛЕДОВАНИЕ ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ СИНГУЛЯРНОГО РАЗЛОЖЕНИЯ МАТРИЦ ЯРКОСТЕЙ ДЛЯ КЛАССИФИКАЦИИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ НА СПЕКТРОЗОНАЛЬНЫХ И ГИПЕРСПЕКТРАЛЬНЫХ СНИМКАХ Магистерская диссертация картография 2019 г. 4965 руб.
📋 Содержание 📖 Введение ✅ Заключение 📕 Литература 🔍 Похожие 🛒 Купить ⬆️

Оценка стоимости

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Каталог работ (208326)

Поиск работ


©2026 Cервис помощи студентам в выполнении работ
.