The amount of sight distance available to drivers is an extremely critical design element with significant impacts on the safe operation of highways. If the available sight distance on a roadway is limited, this reduces the ability of drivers to safely carry out certain maneuvers such as stopping or passing. Obstructions to sight distance are often caused by a range of different factors. This includes roadside vegetation overgrowing into the road's right of way and obstructions related to the road's alignment. To ensure that sufficient sight distance is available throughout a road's service life, transportation agencies are required to conduct regular long site visits to identify the existence of any obstructions while identifying the types of those obstructions. Although many studies have attempted quantifying available sight distance in the past, not much work has been done to automatically identify and study the types of obstructions causing sight distance limitations. This information is critical to entities looking to decide on the appropriate construction activity required to alleviate sight distance limitations. To fill in this gap, this paper proposes a fully automated novel method to assess sight distance on highways scanned using mobile LiDAR technology, while also proposing a method for the automated classification of the type of obstruction detected. The algorithm is tested on multiple roadway segments in Alberta, Canada and was successful in identifying limitations in sight distance and classifying obstructions into different types of objects.

驾驶员可用的视距量是极为关键的设计元素，会对高速公路的安全运行产生重大影响。如果道路上的可用视线距离有限，则会降低驾驶员安全执行某些操作（如停车或通过）的能力。视距障碍通常是由多种不同因素引起的。其中包括路旁植被过度生长到道路通行权以及与道路路线相关的障碍物。为了确保在道路的整个使用寿命中有足够的视线距离，要求运输机构进行定期的长期现场访问，以识别任何障碍物的存在，同时确定这些障碍物的类型。尽管过去有许多研究试图量化可用的视距，但为自动识别和研究造成视距限制的障碍物类型所做的工作还很少。该信息对于希望决定减轻视距限制所需的适当建筑活动的实体至关重要。为了填补这一空白，本文提出了一种全自动的新方法来评估使用移动LiDAR技术扫描的高速公路上的视距，同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。自动识别和研究造成视距限制的障碍物类型的工作还很少。该信息对于希望决定减轻视距限制所需的适当建筑活动的实体至关重要。为了填补这一空白，本文提出了一种全自动的新方法来评估使用移动LiDAR技术扫描的高速公路上的视距，同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。自动识别和研究造成视距限制的障碍物类型的工作还很少。该信息对于希望决定减轻视距限制所需的适当建筑活动的实体至关重要。为了填补这一空白，本文提出了一种全自动的新方法来评估使用移动LiDAR技术扫描的高速公路上的视距，同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。该信息对于希望决定减轻视距限制所需的适当建筑活动的实体至关重要。为了填补这一空白，本文提出了一种全自动的新方法来评估使用移动LiDAR技术扫描的高速公路上的视距，同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。该信息对于希望决定减轻视距限制所需的适当建筑活动的实体至关重要。为了填补这一空白，本文提出了一种全自动的新方法来评估使用移动LiDAR技术扫描的高速公路上的视距，同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。同时还提出了一种自动分类检测到的障碍物的方法。该算法在加拿大艾伯塔省的多个道路段上进行了测试，并成功地确定了视距限制并将障碍物分类为不同类型的物体。