CN103605135A - 一种基于断面剖分的道路特征提取方法 - Google Patents

Abstract

本发明属于激光雷达测量领域，具体公开了一种基于断面剖分的道路特征提取方法，其步骤：用激光雷达测量设备获取激光扫描点云数据；确定出道路特征引导线，提取道路特征附近点云数据；根据道路特征引导线按一定步长生成剖分切片，计算邻近点云在剖分切片坐标系中的坐标，完成激光点云的断面剖分；选取特征信息完整的剖分切片，生成感兴趣的道路特征点云模板；确定道路特征点云模板与剖分切片点云最终的转换模型参数；计算道路特征的空间坐标，根据道路特征自身特性提取所需特征，最终完成道路特征的量测与提取。本发明引入断面剖分思想，实现复杂道路特征的自动量测与提取，在保证量测精度的前提下显著提高工作效率，具有显著的经济和社会效益。

Description

一种基于断面剖分的道路特征提取方法

技术领域

本发明涉及激光雷达测量技术领域，具体涉及一种基于断面剖分的道路特征提取方法，该方法可以快速准确地获取沿线道路特征的空间几何位置。

背景技术

随着我国经济和社会的快速发展，不少早期建成的公路服务水平下降，无法满足日益增长的经济社会发展需要，面临改建或者扩建。我国的公路建设事业，已逐渐形成“公路新建与改扩建并重”的局面，公路改扩建将成为未来我国公路建设的重点。

对于公路改扩建勘察设计项目，快速精确地获取既有道路的空间信息资料是关键前提。目前，道路特征如路缘石、护栏、中央隔离带等的量测，主要采用传统的人工外业测量或者基于激光雷达点云人工拾取的方式获得。现有技术中主要存在以下缺点和不足：

1、人工外业测量的方式，需要投入大量的人力资源，不仅测量成本投入高，而且工作效率低下、工作量大；

2、对于公路改扩建，外业测量的方式需要大量的人工上路测量，将干扰道路正常交通，给行车和测量人员均造成严重安全隐患；

3、人工拾取激光点云数据采集道路特征时，人员主观随意性大，位置测量精度无法保证。

为此，本专利申请拟提出一种基于断面剖分的道路特征提取方法，通过引入断面剖分的思想，将所采集的密集三维激光点云数据投影到二维剖分切片中进行处理，方法简单实用，可实现整个道路沿线复杂道路特征的快速精确获取，具有显著的经济和社会效益。

发明内容

本发明针对实际公路工程应用中道路特征难以快速精确获取的难题，提出了一种基于断面剖分的道路特征提取方法。该方法创新性地引入断面剖分的思想，将海量激光点云数据处理由三维简化为二维，可实现复杂道路特征的快速提取。

为了达到上述目的，本发明采用如下技术措施：

一种基于断面剖分的道路特征提取方法，其步骤如下：

（1）激光扫描数据的获取：利用车载激光雷达测量设备，沿道路进行高密度的外业扫描，获取原始激光扫描点云数据；

（2）激光点云的提取：确定出道路特征初略位置的引导线，并提取引导线附近的点云数据；

（3）激光点云的断面剖分：根据引导线按一定步长生成剖分切片，将激光点投影到剖分切片，并计算该激光点在剖分切片坐标系的坐标；

（4）道路特征点云模板的建立：选取特征信息完整的剖分切片，生成感兴趣的道路特征点云模板；

（5）基于道路特征点云模板的精确配准：利用步骤（4）所建立的道路特征点云模板，对每个剖分切片的点云，通过道路特征点云模板初始配准、基于二维迭代最近邻点算法的精确配准实现；

（6）道路特征的量测与提取：首先计算道路特征的空间坐标，然后结合道路特征自身属性提取所需的特征线或特征面，最终完成道路特征的量测与提取。

与现有技术相比，本发明方法的显著优点和效果主要表现在：

（1）引入的断面剖分思想，将复杂的特征量测与识别问题由三维简化为二维，方法简单实用，应用面广；

（2）相比于传统的人工外业测量方法，本发明方法不干扰交通流，消除了测量人员人身安全隐患，而且速度快，精度高；

（3）相比于人工拾取激光点云的方法，本发明的基于点云模板配准的方法，可更好地保证特征量测与提取的精度；

（4）本发明创新性地提出基于断面剖分的道路特征提取方法，可缩短数据获取周期、保障数据质量。本发明方法已经成功应用于多项公路勘察设计项目中，成功获取出路缘石、护栏等道路特征的空间位置，相比人工外业测量方法，工作效率提高5倍以上，解决了道路特征难以获取的技术难题，展现出重大的工程应用价值。

附图说明

图1为本发明的一种基于断面剖分的道路特征提取方法的流程示意图。

具体实施方式

下面申请人将结合附图对本发明做进一步的详细描述。以下实施例仅用于进一步阐述本发明的技术方案，而不应在任何程度上被理解为对本发明权利要求书请求保护范围的限制。

实施例1：

一种基于断面剖分的道路特征提取方法，如图1所示，适用于道路的路面、防护设施等特征的提取。各步骤详细阐述如下：

第一步，激光扫描数据的获取

采用车载激光雷达测量设备，通过车辆在道路上以40～60公里/小时的速度行进，对道路两侧进行高密度的外业扫描，获取外业数据；内业解算时，以同步进行观测的GPS参考站数据为基础，使用车载GPS获取的观测数据和IMU数据进行综合处理，解算得到车辆行驶轨迹线，进而获取到精确的原始激光扫描点云数据，激光点云平均点间距小于5cm，最终完成数据的外业采集和内业数据的初步处理。

第二步，激光点云的提取

首先，人工确定出道路特征初略位置的引导线。

A、当高程变化可反映出道路特征时，通过数字高程模型人工描绘出引导线；

或者，B、利用点云的强度信息提取出车道线，利用道路特征与车道线之间的空间几何位置关系，通过偏移车道线获取引导线；

或者，C、通过融合叠加车载点云和数码照片，人工描绘出引导线。

然后，提取距离引导线一定范围内点云，范围参数根据道路特征具体设定，需综合考虑后继点云模板配准需要、运算效率、减少干扰点云等因素，一般在包含完整道路特征的前提下，取较小的范围参数值。

第三步，激光点云的断面剖分

首先，根据道路特征的引导线，按一定步长进行断面剖分，建立剖分切片。步长参数Sec_Step根据实际情况自行设定。剖分切片与物方坐标系O-XYZ中的Z轴平行，剖分切片的具体建立方法如下：

假设初略位置的引导线有n个节点，节点在物方坐标系O-XYZ中的平面坐标依次为(x₁,y₁)、(x₂,y₂)、……、(x_n,y_n)。以(x_i,y_i)、(x_i+1,y_i+1)构成的第i段引导线为例，第i段引导线的方向θ和长度l可利用公式(1)和公式(2)计算得到：

$\mathrm{\θ}=\arctan \left(\frac{y_{i+1}-y_i}{x_{i+1}-x_i}\right)---\left(1\right)$

l=sqrt((y_i+1-y_i)²+(x_i+1-x_i)²)     (2)

根据第i段引导线的长度l和断面剖分的步长参数Sec_Step，可计算第i段引导线中剖分切片的个数Sec_Count。计算每一个剖分切片与引导线的交点，以第n个剖分切片为例，设其与引导线交点坐标为(X_0n,Y_0n)，则其可按公式(3)计算得到：

X_0n=x_i+(n*Sec_Step)*cos(θ)    (3)

Y_0n=y_i+(n*Sec_Step)*sin(θ)

根据剖分切片在O-XY平面投影线段与引导线相互垂直的几何关系，可以得到第i段引导线中第n个剖分切片在O-XY平面投影线段的左右端点坐标，利用左右端点坐标便可以建立剖分切片在O-XY平面投影线段对应的直线方程。对每段引导线按照上述方法处理，进而生成所有的剖分切片。

对于激光点，设其在物方坐标系中坐标为(X_G,Y_G,Z_G)，寻找与之垂直距离最近的剖分切片，如果垂直距离小于指定的距离阈值，距离阈值通常取1～2倍的激光点云平均点间距，则计算激光点到与之垂直距离最近的剖分切片投影在物方坐标系中的坐标(X_P,Y_P,Z_P)。设该剖分切片在O-XY平面投影线段对应的直线方程为A_x+B_y+C=0，则(X_P,Y_P,Z_P)可通过式(4)计算得到：

X_P=(B*B*X_G-A*B*Y_G-A*C)/(A*A+B*B)

Y_P=(-A*B*X_G+A*A*Y_G-B*C)/(A*A+B*B)    (4)

Z_P=Z_G

并进一步将坐标(X_P,Y_P,Z_P)转化为该剖分切片坐标系中的坐标。剖分切片坐标系为二维坐标系，原点位于切片在O-XY平面投影线段左端点，X轴沿剖分切片方向指向右端点，Y轴与物方坐标系Z轴平行，且与X轴满足右手定则。假设该剖分切片在O-XY平面投影线段的左右端点坐标为(x_{Sec_left_n},y_{Sec_left_n})和(x_{Sec_right_n},y_{Sec_right_n})，可计算出剖分切片在O-XY平面投影线段的方向角angle为：

$\mathrm{angle}=\arctan \left(\frac{y_{\sec \_\mathrm{right}\_n}-y_{\sec \_\mathrm{left}\_n}}{x_{\sec \_\mathrm{right}\_n}-x_{\sec \_\mathrm{left}\_n}}\right)---\left(5\right)$

则(X_P,Y_P,Z_P)与所对应的剖分切片坐标系中的坐标(x_sec,y_sec)满足如下关系式：

X_P=x_{sec_left_n}+x_sec*cos(angle)

Y_P=x_{sec_left_n}+x_sec*sin(angle)     (6)

Z_P=y_sec

对于每个激光点，计算其对应的剖分切片坐标系坐标，从而完成激光点云的断面剖分。

第四步，道路特征点云模板的建立

遍历所生成的激光点云剖分切片数据，选择点云信息完整的剖分切片，提取出构成所感兴趣道路特征的点云，保存点云在剖分切片坐标系中的坐标并指定模板原点，从而完成道路特征点云模板的建立。

第五步，基于道路特征点云模板的精确配准

基于道路特征点云模板的精确配准，依次包括如下两个步骤：道路特征点云模板初始配准和基于二维迭代最近邻点算法的精确配准。

(1)道路特征点云模板初始配准，具体实现步骤如下：

1)对道路特征点云模板和剖分切片的点云分别构建K-D树；

2)选取距离道路特征点云模板原点最近的k个近邻点，k为道路特征点云模板的点个数，对道路特征点云模板每个点，利用公式(1)计算其到点云模板原点所构成向量的角度，构成匹配特征向量

3)对于待配准的剖分切片，依据引导线的位置精度仅考虑引导线附近一定范围内的激光点，对每个激光点按照与构造道路特征点云模板的匹配特征向量相同的方法构造待匹配特征向量，即先选取距离该激光点最近的k个近邻点，k为道路特征点云模板的点个数，依次计算近邻点到该激光点所构成向量的角度，进而构成待匹配特征向量

4)计算匹配特征向量

与每一个待匹配特征向量的欧式距离，选取特征向量间最小欧式距离对应的剖分切片激光点，作为道路特征点云模板原点的匹配点。

5)根据道路特征点云模板原点和匹配点的坐标，计算偏移量，从而完成道路特征点云模板的初始配准。

(2)基于二维迭代最近邻点算法的精确配准

将三维空间变换矩阵简化为二维平面转换矩阵，通过构建二维迭代最近邻点算法完成道路特征点云模板与剖分切片点云的精确配准。

基于二维迭代最近邻点算法的精确配准，其具体实现步骤如下：

1)对待识别特征的剖分切片点云构建K-D树；

2)对于道路特征点云模板的每个点，利用剖分切片点云所构建的K-D树，通过最近邻搜索算法，寻找与之距离最近的点，视为匹配点；

3)利用步骤2)中所获得的匹配点集，利用随机采样一致性算法估算道路特征点云模板与剖分切片点云之间的平面转换模型。平面转换模型，仅需要考虑二维平面内的旋转、平移和拉伸，具体形式如下：

${\left[\begin{array}{c}x\\ y\end{array}\right]}_{t\arg \mathrm{et}}=\left[\begin{array}{c}\mathrm{\Δx}\\ \mathrm{\Δy}\end{array}\right]+\mathrm{\λ}\left[\begin{array}{cc}\cos \mathrm{\α}& -\sin \mathrm{\α}\\ \sin \mathrm{\α}& \cos \mathrm{\α}\end{array}\right]{\left[\begin{array}{c}x\\ y\end{array}\right]}_{\mathrm{mode}l}---\left(7\right)$

式中， ${\left[\begin{array}{c}x\\ y\end{array}\right]}_{t\arg \mathrm{et}}$ 表示剖分切片点云在剖分切片坐标系中的坐标， ${\left[\begin{array}{c}x\\ y\end{array}\right]}_{\mathrm{mode}l}$ 表示道路特征点云模板在其对应的剖分切片坐标系中的坐标， $\left[\begin{array}{c}\mathrm{\Δx}\\ \mathrm{\Δy}\end{array}\right]$ 为平移参数，λ为比例缩放系数，α为点云的相对旋转角度。

4)利用计算的平面转换模型，更新道路特征点云模板的坐标，重复步骤2)至步骤4)直至满足收敛条件。

当二维迭代最近邻点算法收敛时，即完成道路特征点云模板与剖分切片点云的精确配准，同时得到所需的道路特征点云模板与剖分切片点云最终的平面转换模型参数。

第六步，道路特征的量测与提取

首先，利用所得到的最终的平面转换模型，利用公式(7)计算道路特征点云模板中每个点在第五步中完成精确配准剖分切片对应的剖分切片坐标系中的坐标(x_sec,y_sec)，利用公式(6)计算点(x_sec,y_sec)在物方坐标系中的真实三维空间坐标。

然后，根据道路特征自身的几何特性，如位于同一条直线上或者同一个平面上，对获取的道路特征点云进行最小二乘计算和拟合，提取所需的特征线或特征面等，最终完成道路特征的量测与提取。

Claims (2)

1.一种基于断面剖分的道路特征提取方法，其步骤如下：

（1）激光扫描数据的获取：利用车载激光雷达测量设备，沿道路进行高密度的外业扫描，获取原始激光扫描点云数据；

（2）激光点云的提取：确定出道路特征初略位置的引导线，并提取引导线附近的点云数据；

（3）激光点云的断面剖分：根据引导线按一定步长生成剖分切片，将激光点投影到剖分切片，并计算该激光点在剖分切片坐标系的坐标；

（4）道路特征点云模板的建立：选取特征信息完整的剖分切片，生成感兴趣的道路特征点云模板；

（5）基于道路特征点云模板的精确配准：利用步骤（4）所建立的道路特征点云模板，对每个剖分切片的点云，通过道路特征点云模板初始配准、基于二维迭代最近邻点算法的精确配准实现；

（6）道路特征的量测与提取：首先计算道路特征的空间坐标，然后结合道路特征自身属性提取所需的特征线或特征面，最终完成道路特征的量测与提取。

2.根据权利要求1所述的基于断面剖分的道路特征提取方法，其步骤如下：

第一步，激光扫描数据的获取

采用车载激光雷达测量设备，通过车辆在道路上以40～60公里/小时的速度行进，对道路两侧进行高密度的外业扫描，获取外业数据；内业解算时，以同步进行观测的GPS参考站数据为基础，使用车载GPS获取的观测数据和IMU数据进行综合处理，解算得到车辆行驶轨迹线，进而获取到精确的原始激光扫描点云数据，激光点云平均点间距小于5cm，最终完成数据的外业采集和内业数据的初步处理；

第二步，激光点云的提取

首先，人工确定出道路特征初略位置的引导线；

A、当高程变化可反映出道路特征时，通过数字高程模型人工描绘出引导线；

或者，B、利用点云的强度信息提取出车道线，利用道路特征与车道线之间的空间几何位置关系，通过偏移车道线获取引导线；

或者，C、通过融合叠加车载点云和数码照片，人工描绘出引导线；

然后，提取距离引导线一定范围内点云，范围参数根据道路特征具体设定；

第三步，激光点云的断面剖分

首先，根据道路特征的引导线，按一定步长进行断面剖分，建立剖分切片；步长参数Sec_Step根据实际情况自行设定；剖分切片与物方坐标系O-XYZ中的Z轴平行，剖分切片的具体建立方法如下：

假设初略位置的引导线有n个节点，节点在物方坐标系O-XYZ中的平面坐标依次为(x₁,y₁)、(x₂,y₂)、……、(x_n,y_n)；以(x_i,y_i)、(x_i+1,y_i+1)构成的第i段引导线为例，第i段引导线的方向θ和长度l可利用公式(1)和公式(2)计算得到：

$\mathrm{\θ}=\arctan \left(\frac{y_{i+1}-y_i}{x_{i+1}-x_i}\right)---\left(1\right)$

l=sqrt((y_i+1-y_i)²+(x_i+1-x_i)²)     (2)

根据第i段引导线的长度l和断面剖分的步长参数Sec_Step，可计算第i段引导线中剖分切片的个数Sec_Count；计算每一个剖分切片与引导线的交点，以第n个剖分切片为例，设其与引导线交点坐标为(X_0n,Y_0n)，则其可按公式(3)计算得到：

X_0n=x_i+(n*Sec_Step)*cos(θ)     (3)

Y_0n=y_i+(n*Sec_Step)*sin(θ)

根据剖分切片在O-XY平面投影线段与引导线相互垂直的几何关系，可以得到第i段引导线中第n个剖分切片在O-XY平面投影线段的左右端点坐标，利用左右端点坐标便可以建立剖分切片在O-XY平面投影线段对应的直线方程；对每段引导线按照上述方法处理，进而生成所有的剖分切片；

对于激光点，设其在物方坐标系中坐标为(X_G,Y_G,Z_G)，寻找与之垂直距离最近的剖分切片，如果垂直距离小于指定的距离阈值，则计算激光点到与之垂直距离最近的剖分切片投影在物方坐标系中的坐标(X_P,Y_P,Z_P)；设该剖分切片在O-XY平面投影线段对应的直线方程为A_x+B_y+C=0，则(X_P,Y_P,Z_P)可通过式(4)计算得到：

X_P=(B*B*X_G-A*B*Y_G-A*C)/(A*A+B*B)

Y_P=(-A*B*X_G+A*A*Y_G-B*C)/(A*A+B*B)     (4)

Z_P=Z_G

并进一步将坐标(X_P,Y_P,Z_P)转化为该剖分切片坐标系中的坐标；剖分切片坐标系为二维坐标系，原点位于切片在O-XY平面投影线段左端点，X轴沿剖分切片方向指向右端点，Y轴与物方坐标系Z轴平行，且与X轴满足右手定则；假设该剖分切片在O-XY平面投影线段的左右端点坐标为(x_{Sec_left_n},y_{Sec_left_n})和(x_{Sec_right_n},y_{Sec_right_n})，可计算出剖分切片在O-XY平面投影线段的方向角angle为：

$\mathrm{angle}=\arctan \left(\frac{y_{\sec \_\mathrm{right}\_n}-y_{\sec \_\mathrm{left}\_n}}{x_{\sec \_\mathrm{right}\_n}-x_{\sec \_\mathrm{left}\_n}}\right)---\left(5\right)$ 则(X_P,Y_P,Z_P)与所对应的剖分切片坐标系中的坐标(x_sec,y_sec)满足如下关系式：

X_P=x_{sec_left_n}+x_sec*cos(angle)

Y_P=x_{sec_left_n}+x_sec*sin(angle)     (6)

Z_P=y_sec

对于每个激光点，计算其对应的剖分切片坐标系坐标，从而完成激光点云的断面剖分；

第四步，道路特征点云模板的建立

遍历所生成的激光点云剖分切片数据，选择点云信息完整的剖分切片，提取出构成所感兴趣道路特征的点云，保存点云在剖分切片坐标系中的坐标并指定模板原点，从而完成道路特征点云模板的建立；

第五步，基于道路特征点云模板的精确配准

基于道路特征点云模板的精确配准，依次包括如下两个步骤：道路特征点云模板初始配准和基于二维迭代最近邻点算法的精确配准；

(1)道路特征点云模板初始配准，具体实现步骤如下：

1)对道路特征点云模板和剖分切片的点云分别构建K-D树；

2)选取距离道路特征点云模板原点最近的k个近邻点，k为道路特征点云模板的点个数，对道路特征点云模板每个点，利用公式(1)计算其到点云模板原点所构成向量的角度，构成匹配特征向量

3)对于待配准的剖分切片，依据引导线的位置精度仅考虑引导线附近一定范围内的激光点，对每个激光点按照与构造道路特征点云模板的匹配特征向量相同的方法构造待匹配特征向量，即先选取距离该激光点最近的k个近邻点，k为道路特征点云模板的点个数，依次计算近邻点到该激光点所构成向量的角度，进而构成待匹配特征向量

4)计算匹配特征向量与每一个待匹配特征向量

的欧式距离，选取特征向量间最小欧式距离对应的剖分切片激光点，作为道路特征点云模板原点的匹配点；

5)根据道路特征点云模板原点和匹配点的坐标，计算偏移量，从而完成道路特征点云模板的初始配准；

(2)基于二维迭代最近邻点算法的精确配准

基于二维迭代最近邻点算法的精确配准，其具体实现步骤如下：

1)对待识别特征的剖分切片点云构建K-D树；

2)对于道路特征点云模板的每个点，利用剖分切片点云所构建的K-D树，通过最近邻搜索算法，寻找与之距离最近的点，视为匹配点；

3)利用步骤2)中所获得的匹配点集，利用随机采样一致性算法估算道路特征点云模板与剖分切片点云之间的平面转换模型；平面转换模型，仅需要考虑二维平面内的旋转、平移和拉伸，具体形式如下：

${\left[\begin{array}{c}x\\ y\end{array}\right]}_{t\arg \mathrm{et}}=\left[\begin{array}{c}\mathrm{\Δx}\\ \mathrm{\Δy}\end{array}\right]+\mathrm{\λ}\left[\begin{array}{cc}\cos \mathrm{\α}& -\sin \mathrm{\α}\\ \sin \mathrm{\α}& \cos \mathrm{\α}\end{array}\right]{\left[\begin{array}{c}x\\ y\end{array}\right]}_{\mathrm{mode}l}---\left(7\right)$ 式中， ${\left[\begin{array}{c}x\\ y\end{array}\right]}_{t\arg \mathrm{et}}$ 表示剖分切片点云在剖分切片坐标系中的坐标， ${\left[\begin{array}{c}x\\ y\end{array}\right]}_{\mathrm{mode}l}$ 表示道路特征点云模板在其对应的剖分切片坐标系中的坐标， $\left[\begin{array}{c}\mathrm{\Δx}\\ \mathrm{\Δy}\end{array}\right]$ 为平移参数，λ为比例缩放系数，α为点云的相对旋转角度；

4)利用计算的平面转换模型，更新道路特征点云模板的坐标，重复步骤2)至步骤4)直至满足收敛条件；

当二维迭代最近邻点算法收敛时，即完成道路特征点云模板与剖分切片点云的精确配准，同时得到所需的道路特征点云模板与剖分切片点云最终的平面转换模型参数；

第六步，道路特征的量测与提取

首先，利用所得到的最终的平面转换模型，利用公式(7)计算道路特征点云模板中每个点在第五步中完成精确配准剖分切片对应的剖分切片坐标系中的坐标(x_sec,y_sec)，利用公式(6)计算点(x_sec,y_sec)在物方坐标系中的真实三维空间坐标；

然后，根据道路特征自身的几何特性，对获取的道路特征点云进行最小二乘计算和拟合，提取所需的特征线或特征面等，最终完成道路特征的量测与提取。

Images