CN108267747B - 基于激光点云的道路特征提取方法和装置 - Google Patents

基于激光点云的道路特征提取方法和装置 Download PDF

Info

Publication number
CN108267747B
CN108267747B CN201710001317.0A CN201710001317A CN108267747B CN 108267747 B CN108267747 B CN 108267747B CN 201710001317 A CN201710001317 A CN 201710001317A CN 108267747 B CN108267747 B CN 108267747B
Authority
CN
China
Prior art keywords
point
point cloud
cloud data
section
cross
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710001317.0A
Other languages
English (en)
Other versions
CN108267747A (zh
Inventor
于洪武
孟庆昕
杨璇
崔秋洋
刘士宽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Communications Yuke Beijing Space Information Technology Co ltd
Original Assignee
China Communications Yuke Beijing Space Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Communications Yuke Beijing Space Information Technology Co ltd filed Critical China Communications Yuke Beijing Space Information Technology Co ltd
Priority to CN201710001317.0A priority Critical patent/CN108267747B/zh
Publication of CN108267747A publication Critical patent/CN108267747A/zh
Application granted granted Critical
Publication of CN108267747B publication Critical patent/CN108267747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于激光点云的道路特征提取方法和装置。本发明提供的基于激光点云的道路特征提取方法，包括：获取空间直角坐标系下的点云数据，根据所述空间直角坐标系下的点云数据的坐标信息，确定地物点云数据中代表道路两侧边界线的边界点集，进而根据所述边界点集和预设的映射关系，确定所述地物点云数据中的每个地物点云点对应的道路设施，并根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标下的坐标值。其中，所述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系。本发明提供的基于激光点云的道路特征提取方法和装置，可准确地提取出激光点云上的道路特征。

Description

基于激光点云的道路特征提取方法和装置
技术领域
本发明涉及激光雷达测量技术，尤其涉及一种基于激光点云的道路特征提取方法和装置。
背景技术
近年来，随着我国经济的快速发展，我国公路建设迅猛增长，特别是高速公路的快速发展，大大缓解了我国经济发展给交通运输业带来的压力。但是，随着公路建设里程的增长、车流量的加大和行车速度的提高，道路交通事故逐年恶化。因此，建立三维公路模型和电子地图，通过三维公路模型和电子地图来辅助驾驶员安全驾驶，已经成为目前研究的重点。为快速、精准的构建三维公路模型和电子地图，需快速、精确的获取既有道路的道路设施(例如道路护栏、路灯、路沿等)。
现有技术一按照如下方法来提取道路特征：用激光雷达测量设备获取激光扫描点云数据；利用点云的强度信息，确定出道路特征引导线；根据道路特征引导线按一定步长生成剖分切片；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；将每个剖分切片的点云与点云模板进行匹配，利用每个剖分切片的点云与点云模板的匹配程度，提取道路特征。
现有技术一在提取道路特征时，需要建立点云模板，然后基于点云中的数据点与点云模板的匹配程度来提取道路特征。这样，在依据点云模板来提取道路特征时，由于一个点云模板可能是不同的地物呈现的点云模板，或者是同一个地物可能存在不同的点云模板的情况，这样，在依据点云模板来提取道路特征时，存在准确率低的问题。
发明内容
本发明提供一种基于激光点云的道路特征提取方法和装置，可准确地提取激光点云上的道路特征。
本发明第一方面提供一种基于激光点云的道路特征提取方法，包括：
获取空间直角坐标系下的点云数据，所述空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据以及地物点云数据，所述行驶轨迹线点云数据包括车辆的多个行驶轨迹点云点，所述地物点云数据包括多个地物点云点；
根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集；
根据所述边界点集和预设的映射关系，确定所述地物点云数据中的每个地物点云点对应的道路设施；其中，所述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系；
根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标系下的坐标值。
进一步地，所述根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集，具体包括：
根据所述空间直角坐标系下的点云数据，获取每个横断面上的第一地物点云数据，所述横断面为垂直于所述车辆前进方向的横断面；
根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横截面上的高程突变点；
根据每个所述横断面上的高程突变点，确定所述边界点集。
进一步地，所述空间直角坐标系的X轴的正方向为所述车辆的前进方向，所述横断面为垂直于所述X轴正方向、且在所述空间直角坐标系的Y轴和Z轴上构成的平面，所述横断面的中心点为所述行驶轨迹点云点；所述根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横截面上的高程突变点，具体包括：
根据每个所述横断面的中心点和预设的第一参考距离，确定每个所述横断面上分别位于所述中心点两侧的第一参考点和第二参考点；
确定每个所述横断面上的第一地物点云点到所述第一参考点和所述第二参考点之间的第一连线的垂直距离；
根据每个所述横断面上相邻的两个第一地物点云点到所述第一连线的垂直距离差和第一预设阈值，确定每个所述横截面上的高程突变点。
进一步地，根据每个所述横断面上的高程突变点，确定所述边界点集，具体包括：
在所述空间直角坐标系下的X轴和Y轴上构成的平面上，获取每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，所述第一高程突变点的Y坐标值和所述第二高程突变点的Y坐标值的差值小于第二预设阈值；
根据每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，确定满足第一预设条件的第二连线；
根据所述第二连线上的高程突变点确定所述边界点集中的边界点。
进一步地，所述根据所述第二连线上的高程突变点确定所述边界点集中的边界点，具体包括：
根据所述第二连线上的高程突变点，确定位于每个所述横断面上的第一粗选边界点和第二粗选边界点；
根据每个所述横断面上的第一粗选边界点和第二粗选边界点以及预设的第二参考距离，确定每个所述横断面上的第三参考点和第四参考点；
根据每个所述横断面上的第三参考点和预设的第一遍历条件，获取所述第三参考点对应的满足所述第一遍历条件的第一竖直断面、以及根据每个所述横断面上的第四参考点和预设的第二遍历条件，获取所述第四参考点对应的满足所述第二遍历条件的第二竖直断面；其中，所述第一遍历条件中的遍历方向和所述第二遍历条件中的遍历方向相反；
根据所述第一竖直断面确定第一边界点；
根据所述第二竖直断面确定第二边界点。
进一步地，所述获取空间直角坐标系下的点云数据，具体包括：
获取所述地物点云数据和所述车辆的行驶轨迹线点云数据；
根据所述地物点云数据中的每个地物点云点的时间信息和所述行驶轨迹线点云数据中的每个行驶轨迹点云点的时间信息的匹配程度，将所述地物点云数据和所述行驶轨迹线点云数据进行匹配，得到大地坐标系下的原始点云数据；
根据所述原始点云数据、预设的大地坐标系和空间直角坐标系的转换关系，得到所述空间直角坐标系下的点云数据，并获得所述原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。
进一步地，所述根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标下的坐标值；具体包括：
根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点；
根据所述特征点在所述空间直角坐标系下的坐标值以及所述原始点云数据中的点云点与转换得到的所述空间直角坐标系下的对应点之间的映射关系，确定所述特征点在大地坐标系下的坐标值。
进一步地，所述根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点，具体包括：
根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每类所述道路设施对应的第一参考线；
确定每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离；
根据每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，确定每个所述横断面上每类所述道路设施对应的特征点。
本发明第二方面提供一种基于激光点云的道路特征提取装置，包括：获取模块和处理模块，其中，
所述获取模块，用于获取空间直角坐标系下的点云数据；其中，所述空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据以及地物点云数据，所述行驶轨迹线点云数据包括车辆的多个行驶轨迹点云点，所述地物点云数据包括多个地物点云点；
所述处理模块，用于根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集；
所述处理模块，还用于根据所述边界点集和预设的映射关系，确定所述地物点云数据中的每个地物点云点对应的道路设施；其中，所述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系；
所述处理模块，还用于根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标系下的坐标值。
进一步地，所述处理模块，具体用于根据所述空间直角坐标系下的点云数据，获取每个横断面上的第一地物点云数据，并根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横截面上的高程突变点，以及根据每个所述横断面上的高程突变点，确定所述边界点集；其中，所述横断面为垂直于所述车辆前进方向的横断面。
进一步地，所述空间直角坐标系的X轴的正方向为所述车辆的前进方向，所述横断面为垂直于所述X轴正方向、且在所述空间直角坐标系的Y轴和Z轴上构成的平面，所述横断面的中心点为所述行驶轨迹点云点；所述处理模块，还具体用于根据每个所述横断面的中心点和预设的第一参考距离，确定每个所述横断面上分别位于所述中心点两侧的第一参考点和第二参考点，并确定每个所述横断面上的第一地物点云点到所述第一参考点和所述第二参考点之间的第一连线的垂直距离，以及根据每个所述横断面上相邻的两个第一地物点云点到所述第一连线的垂直距离差和第一预设阈值，确定每个所述横截面上的高程突变点。
进一步地，所述处理模块，还具体用于在所述空间直角坐标系下的X轴和Y轴上构成的平面上，获取每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，并根据每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，确定满足第一预设条件的第二连线，以及根据所述第二连线上的高程突变点确定所述边界点集中的边界点；其中，所述第一高程突变点的Y坐标值和所述第二高程突变点的Y坐标值的差值小于第二预设阈值。
进一步地，所述处理模块，还具体用于根据所述第二连线上的高程突变点，确定位于每个所述横断面上的第一粗选边界点和第二粗选边界点，并根据每个所述横断面上的第一粗选边界点和第二粗选边界点以及预设的第二参考距离，确定每个所述横断面上的第三参考点和第四参考点，以及根据每个所述横断面上的第三参考点和预设的第一遍历条件，获取所述第三参考点对应的满足所述第一遍历条件的第一竖直断面、以及根据每个所述横断面上的第四参考点和预设的第二遍历条件，获取所述第四参考点对应的满足所述第二遍历条件的第二竖直断面，以及根据所述第一竖直断面确定第一边界点，以及根据所述第二竖直断面确定第二边界点；其中，所述第一遍历条件中的遍历方向和所述第二遍历条件中的遍历方向相反。
进一步地，所述获取模块，具体用于获取所述地物点云数据和所述车辆的行驶轨迹线点云数据；并根据所述地物点云数据中的每个地物点云点的时间信息和所述行驶轨迹线点云数据中的每个行驶轨迹点云点的时间信息的匹配程度，将所述地物点云数据和所述行驶轨迹线点云数据进行匹配，得到大地坐标系下的原始点云数据；以及根据所述原始点云数据、预设的大地坐标系和空间直角坐标系的转换关系，得到所述空间直角坐标系下的点云数据，并获得所述原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。
进一步地，所述处理模块，还具体用于根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点；并根据所述特征点在所述空间直角坐标系下的坐标值以及所述原始点云数据中的点云点与转换得到的所述空间直角坐标系下的对应点之间的映射关系，确定所述特征点在大地坐标系下的坐标值。
进一步地，所述处理模块，还具体用于根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每类所述道路设施对应的第一参考线，并确定每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，以及根据每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，确定每个所述横断面上每类所述道路设施对应的特征点。
本发明提供的基于激光点云的道路特征提取方法和装置，通过获取空间直角坐标系下的点云数据，并根据上述空间直角坐标系下的点云数据的坐标信息，确定地物点云数据中代表道路两侧边界线的边界点集，进而根据上述边界点集和预设的映射关系，确定地物点云数据中的每个地物点云点对应的道路设施，并根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标下的坐标值。这样，通过确定代表道路两侧边界的边界点集，然后以确定的代表道路两侧边界的边界点为参照物，结合不同的道路设施与其在地物点云数据中呈现的分布特征之间的映射关系，提取出地物点云数据中不同的道路设施，并确定出每类道路设施的特征点，准确性较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的基于激光点云的道路特征提取方法的流程图；
图2为获取到的空间直角坐标系下的点云数据的示意图；
图3为提取出的一个横断面的示意图；
图4为一个横断面上的第一地物点云数据的示意图；
图5为根据高程突变点确定边界点集的过程示意图；
图6为采用本发明提供的方法提取护栏的过程示意图；
图7为本发明实施例二提供的基于激光点云的道路特征提取方法的流程图；
图8为精确确定边界点的过程示意图；
图9为本发明实施例三提供的基于激光点云的道路特征提取方法的流程图；
图10为本发明实施例四提供的基于激光点云的道路特征提取方法的流程图；
图11为利用辅助线提取护栏的特征点的过程示意图；
图12为利用辅助线剔除噪点的过程示意图；
图13为本发明实施例五提供的基于激光点云的道路特征提取装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的基于激光点云的道路特征提取方法和装置，可准确地提取出激光点云上的道路特征。
本发明提供的基于激光点云的道路特征提取方法和装置，可应用于三维地图建模领域，具体地，可应用本发明提供的基于激光点云的道路特征提取方法和装置来提取激光点云中的道路特征，进而利用提取出的道路特征来建立三维地图模型。
图1为本发明实施例一提供的基于激光点云的道路特征提取方法的流程图。本实施例的执行主体可以是单独的基于激光点云的道路特征提取装置，也可以是集成了基于激光点云的道路特征提取装置的其他设备。本实施例以执行主体为单独的基于激光点云的道路特征提取装置为例来进行说明。如图1所示，本实施例提供的基于激光点云的道路特征提取方法，可以包括：
S101、获取空间直角坐标系下的点云数据，上述空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据以及地物点云数据，上述行驶轨迹线点云数据包括车辆的多个行驶轨迹点云点，上述地物点云数据包括多个地物点云点。
具体地，图2为获取到的空间直角坐标系下的点云数据的示意图。需要说明的是，本实施例中，空间直角坐标系的X轴在横向扫描面内，且X轴的正方向为车辆的前进方向，Y轴在横向扫描面内与X轴垂直，且Y轴的正方向位于X轴正方向的右侧，Z轴与横向扫描面垂直，且Z轴的正方向为垂直于横向扫描面向上。具体的，对于一个点云点P(XP，YP，ZP)，其中，XP表示点云点P对应的轨迹点的里程；YP表示点云点P距离其对应的轨迹点的垂直距离；ZP表示点云点P的高程。
需要说明的是，请参照图2，空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据01(图2中白色的点)和地物点云数据02(图2中黑色的点)。本实施例中，将车辆的行驶轨迹线点云数据和地物点云数据放在同一个空间直角坐标系下，这样，可保证在每一个行驶轨迹点云点处，均能够找到这个位置点对应的地物点云点。
S102、根据上述空间直角坐标系下的点云数据的坐标信息，确定上述地物点云数据中代表道路两侧边界线的边界点集。
下面详细介绍一下本步骤的具体实现过程。具体的，可以包括如下步骤：
步骤一、根据所述空间直角坐标系下的点云数据，获取每个横断面上的第一地物点云数据，所述横断面为垂直于所述车辆前进方向的横断面。
具体地，空间直角坐标系下的点云数据为三维数据，处理起来较复杂，本步骤中，需要将三维数据转换为二维数据。具体地，在上述空间直角坐标系下，将某一里程上的横断面(Y，Z)提取出来，即为一个二维的直角坐标系。图3为提取出的一个横断面的示意图。请参照图3，该横断面的原点为行驶轨迹线点云数据上的某一里程桩号点(即原点为行驶轨迹线上的行驶轨迹点云点)，横坐标轴为Y轴，纵坐标轴为Z轴。这样，通过该步骤，可得到多个横断面，且这些横断面均与车辆的前进方向垂直。进一步地，为了便于区分，将每个横断面上的地物点云数据称为第一地物点云数据。
需要说明的是，沿着行驶轨迹线点云数据，根据一定的间隔提取横断面时。每个横断面上，因为点云的离散特性，不一定每个点都落在同一桩号位置的横断面上，为了保证横断面上点的连续性，以及能够完整表征横断面的特征，在提取横断面的时候还可以设定横断面上点云的厚度。此步骤中，将提取间隔和点云厚度作为两个输入参数，这两个输入参数的具体值可以根据实际情况进行调整。提取横断面后，为了处理方便，需要将横断面上的第一地物点云数据保存在自定义的横断面文件*.xyz中。
步骤二、根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横截面上的高程突变点。
下面详细介绍一下本步骤的具体实现过程，具体的，可以包括如下步骤：
(1)根据每个所述横断面的中心点和预设的第一参考距离，确定每个所述横断面上分别位于所述中心点两侧的第一参考点和第二参考点。
需要说明的是，预设的第一参考距离是根据实际情况设定的。例如，本实施例中，预设的第一参考距离为0.5米。本步骤中，在一个横断面上，在中心点左侧，沿Y轴负方向搜索，选取距离中心点的距离等于预设的第一参考距离的一个第一地物点云点作为第一参考点(第一参考点的Y坐标值与中心点的Y坐标值相差0.5米)；同样地，在中心点的右侧，沿Y轴正方向搜索，选取距离中心点的距离等于预设的第一参考距离的另一个第一地物点云点作为第二参考点(第二参考点的Y坐标值与中心点的Y坐标值相差0.5米)
(2)确定每个所述横断面上的第一地物点云点到所述第一参考点和所述第二参考点之间的第一连线的垂直距离。
具体地，在一个横断面上，当确定了第一参考点和第二参考点后，将第一参考点和第二参考点连成一条直线，形成第一连线。本步骤中，根据点到直线的距离的计算公式，计算这一横断面上的每一个第一地物点云点到第一连线的垂直距离。
(3)根据每个所述横断面上相邻的两个第一地物点云点到所述第一连线的垂直距离差和第一预设阈值，确定每个所述横截面上的高程突变点。
具体地，第一预设阈值是根据实际情况设定的。例如，在本实施例中，第一预设阈值可以为0.05m。
需要说明的是，本实施例中，每个横断面上相邻的两个第一地物点云点是指这两个第一地物点云点在Y轴所示的方向上相邻。
本步骤中，当计算出横断面上的每个第一地物点云点到第一连线的垂直距离后，例如，对于相邻的两个第一地物点云点Pi和点Pi+1，经过步骤(2)后，计算得到第一地物点云点Pi到第一连线的垂直距离为Li，第一地物点云点Pi+1到第一连线的垂直距离为Li+1，则在本步骤中，若|Li-Li+1|大于第一预设阈值，则将第一地物点云点P确定为这个横断面上的高程突变点。
需要说明的是，在本实施例中，需要重复上面的步骤，确定出所有横断面上的高程突变点。
下面给出一个详细的例子，用以详细说明上面各个步骤的具体实现过程。具体的，图4为一个横断面上的第一地物点云数据的示意图。请参照图4，其中，图4中的点A为该横断面的中心点(点A为行驶轨迹线上的行驶轨迹点云点)，则在步骤(1)中，将点A左侧0.05m处的点C1确定为第一参考点，将点A右侧0.05m处的点C2确定为第二参考点，点C1和点C2的连线为第一连线，当确定了第一连线后，计算这个横断面上的每个第一地物点云点到第一连线的垂直距离(根据点到直线的距离计算公式)，紧接着，根据这个横断面上相邻的两个第一地物点云点到点C1和点C2构成的第一连线的垂直距离差和第一预设阈值，确定出这个横截面上的高程突变点。
步骤三、根据每个所述横断面上的高程突变点，确定所述边界点集。
具体地，当经过步骤二确定出每个横断面上的高程突变点后。这些高程突变点代表的地物可能包括：路上行驶的车辆、花坛、护栏、路牙等。在本步骤中，可按照如下方法来根据每个横断面上的高程突变点，确定边界点集，具体的，可以包括如下步骤：
步骤1、在所述空间直角坐标系下的X轴和Y轴上构成的平面上，获取每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，所述第一高程突变点的Y坐标值和所述第二高程突变点的Y坐标值的差值小于第二预设阈值。
需要说明的是，第一高程突变点的Y坐标值和第二高程突变点的Y坐标值相近，且第一高程突变点和第二高程突变点分别位于相邻的横断面上(即这两个横断面对应的里程桩号相邻)。进一步地，在本实施例中，第二预设阈值可以为0.03m。本步骤中，将垂直于Z轴的平面提取出来，得到多个垂直于Z轴的平面，在其中一个垂直于Z轴的平面上，将每两个相邻的横断面(此处的横断面指的是上面所说的垂直于X轴的横断面)上的第一高程突变点和第二高程突变点相连，这样，在其中一个垂直于Z轴的横断面上，将得到许多横向曲线，进一步地，将所有的平面投射到一个平面上，得到如图5所示的图形(图5为根据高程突变点确定边界点集的过程示意图)。
步骤2、根据每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，确定满足第一预设条件的第二连线。
需要说明的是，第一预设条件为第二连线是一条连续不断的连线，且第二连线位于X轴和Y轴上构成的平面的边缘位置。
具体地，如图5所示，满足第一预设条件的第二连线指的是像图5中线a那样的连线。需要说明的是，线a代表的实际意义为道路的两侧边界线。
步骤3、根据所述第二连线上对应的高程突变点确定所述边界点集中的边界点。
当确定了第二连线后，第二连线便代表道路的两侧边界线，第二连线上对应的高程突变点则为代表道路两侧边界线的边界点，这样，回到每个垂直于X轴的横断面上，便确定了每个横断面上的边界点。
需要说明的是，当车辆行驶的道路为单侧行驶道时，本步骤中，确定出的地物点云数据中代表道路两侧边界线的边界点集代表的实际意义为道路的两侧边界；而当道路为双侧行驶道，且地物点云数据为车辆在一侧的行驶道上行驶获取的地物点云数据时，此时，确定出的地物点云数据中代表道路两侧边界线的边界点集代表的实际意义为中央分离带边界和一侧的道路边界。
S103、根据上述边界点集和预设的映射关系，确定上述地物点云数据中的每个地物点云点对应的道路设施；其中，上述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系。
当通过步骤S102确定了地物点云数据中代表道路两侧边界线的边界点集后，此时，可根据上述边界点集和预设的映射关系，确定上述地物点云数据中的每个地物点云点对应的道路设施。具体地，映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系。
需要说明的是，道路设施包括：护栏、声屏障、路牙、标志牌、路灯、LED指示灯等，并且，这些道路设施一般均设置在道路两侧或中央分隔带。所以，在进行道路特征提取的时候，只需在道路边界和中央分隔带附近检索即可，这将大大降低点云密度，提高提取效率。
需要说明的是，每一种道路设施，都具备一定的特征。在这方面，道路交通行业均有相应的设计标准，所有的道路设施也基本按照设计标准来进行设计和安装。正是由于这些道路设施特征不同，且这些道路设施均是按照设计标准来设计和安装的。这样，不同的道路设施在激光点云中将呈现不同的分布特征。即不同的道路设施与其在地物点云数据中呈现的分布特征具有一一对应的关系。所以，可以根据不同的道路设施在地物点云数据中呈现的分布特征来对不同的道路设施进行提取。
图6为采用本发明提供的方法提取护栏的过程示意图。请参照图6，下面以提取护栏为例进行说明，首先，根据护栏的设计标准，可分析出护栏在地物点云数据中应该呈现的分布特征，例如：按设计标准，护栏一般设置在道路两侧，且两波护栏的高度一般为750cm，波形厚度(Y轴方向上的宽度)约为85cm，波形宽度(Z轴方向上的宽度)约为300cm。这样，根据上述分布特征，在一个横断面上检索，请参照图6，图6中的点E为确定出的道路边界点，若在道路边界点(点E)的上方(Z轴方向)约450cm的位置至750cm位置的区间内，发现存在约85cm厚度(沿Y轴方向厚度为85cm)的来回波动的点(区域F所示)，则确定此范围内的所有点对应的道路设施为两波护栏。
需要说明的是，其他道路设施的提取方法与两波护栏的提取方法类似，此处不再赘述。
S104、根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取上述特征点在大地坐标系下的坐标值。
具体地，当通过步骤S103确定了每类道路设施对应的地物点云点后，可从每类道路设施对应的地物点云点中选择几个点作为该类道路设施的特征点。具体地，在不同的应用场景下，可根据不同的选择标准来选择特征点。关于选择标准的详细介绍可以参见现有技术中的描述，此处不再赘述。
进一步地，当确定了每类道路设施对应的特征点后，可根据该特征点在空间直角坐标系下的坐标值，以及空间直角坐标系中的点与大地直角坐标系下的对应点之间的对应关系，得到该特征点在大地直角坐标系下的坐标值。
本实施例提供的基于激光点云的道路特征提取方法，通过获取空间直角坐标系下的点云数据，并根据上述空间直角坐标系下的点云数据的坐标信息，确定地物点云数据中代表道路两侧边界线的边界点集，进而根据上述边界点集和预设的映射关系，确定地物点云数据中的每个地物点云点对应的道路设施，并根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，进而获取特征点在大地坐标系下的坐标值。这样，通过确定代表道路两侧边界的边界点集，然后以确定的代表道路两侧边界的边界点集为参照物，结合不同的道路设施与其在地物点云数据中呈现的分布特征之间的映射关系，提取出地物点云数据中不同的道路设施，并确定出每类道路设施的特征点。这样，在提取道路特征的时候，以确定的代表道路两侧边界的边界点集为参照物，并充分考虑了不同的道路设施在地物点云数据中与其在地物点云数据中呈现的分布特征之间的映射关系，准确性较高。
图7为本发明实施例二提供的基于激光点云的道路特征提取方法的流程图。本实施例涉及的是如何根据第二连线上的高程突变点确定边界点集中的边界点的具体过程。请参照图7，在上述实施例的基础上，本实施例提供的基于激光点云的道路特征提取方法，根据第二连线上的高程突变点确定边界点集中的边界点的具体过程，可以包括如下步骤：
S201、根据所述第二连线上的高程突变点，确定位于每个所述横断面上的第一粗选边界点和第二粗选边界点。
需要说明的是，根据实施例一的介绍可知，第二连线代表的实际意义为道路的两侧边界线。本实施例中，为进一步提高提取的准确率，将第二连线确定为粗选的道路边界线，进而在本实施例中，将根据第二连线来进一步精确确定每个横断面上的边界点。
具体地，当确定了第二连线后，回到每个垂直于X轴的横断面上，便确定了每个横断面上的第一粗选边界点和第二粗选边界点。图8为精确确定边界点的过程示意图。请参照图8，图8中的点H1为第一粗选边界点、点H2为第二粗选边界点。
S202、根据每个所述横断面上的第一粗选边界点和第二粗选边界点以及预设的第二参考距离，确定每个所述横断面上的第三参考点和第四参考点。
具体地，预设的第二参考距离为0.05米。本实施例中。根据第一粗选边界点和第二粗选边界点，取第一粗选边界点靠近中心点方向(行驶轨迹点云点)第二参考距离的一点作为第三参考点，同样地，取第二粗选边界点靠近中心点方向第二参考距离的另一点作为第四参考点。结合图8，例如，取点H1靠近中心点A、0.05m处的点B1作为第三参考点，同样的，取点H2靠近中心点A、0.05m的点B2作为第四参考点。
S203、根据每个所述横断面上的第三参考点和预设的第一遍历条件，获取所述第三参考点对应的满足所述第一遍历条件的第一竖直断面、以及根据每个所述横断面上的第四参考点和预设的第二遍历条件，获取所述第四参考点对应的满足所述第二遍历条件的第二竖直断面；其中，所述第一遍历条件中的遍历方向和所述第二遍历条件中的遍历方向相反。
具体地，预设的第一遍历条件包括遍历方向和预设条件。例如，当第三参考点位于左侧时，第一遍历条件中的遍历方向为向第三参考点的左侧检索，此外，预设条件为检索第一竖直断面，该竖直断面上的所有点距离第三参考点和第四参考点连成的直线的垂直距离均小于预设阈值(例如，预设阈值可以为0.05m)。例如，请参照图8，对于第三参考点B1，此时，向B1的左侧(Y轴的负方向)检索，以检索到满足第一遍历条件的第一竖直断面(图中未示出)。
同样地，预设的第二遍历条件也包括遍历方向和预设条件。其中，第二遍历条件的遍历方向与第一遍历条件中的遍历方向相反。结合上述的例子，第四参考点为位于右侧的参考点，此时，第二遍历条件中的遍历方向为向第四参考点的右侧进行检索，相应的预设条件为检索到第二竖直断面，该竖直断面上的所有点距离第三参考点和第四参考点连成的直线的垂直距离均小于预设阈值(例如，预设阈值可以为0.05m)。
需要说明的是，第一竖直断面和第二竖直断面是由一系列Y坐标值相等、Z坐标值连续变化的点构成的与Z轴平行的断面。
S204、根据所述第一竖直断面确定第一边界点。
具体地，当检索到第一竖直断面后，位于第一竖直断面右侧，并与第一竖直断面紧挨的另一竖直断面即为道路左侧准确的边界点所在的竖直断面，再取此断面上距离第三参考点和第四参考点连成的直线最近的点作为第一边界点(道路左侧准确的边界点)。
S205、根据所述第二竖直断面确定第二边界点。
同样地，参照步骤S204中的描述，当检索到第二竖直断面后，位于第二竖直断面左侧，并与第一竖直断面紧挨的另一竖直断面即为道路右侧准确的边界点所在的竖直断面，再取此断面上距离第三参考点和第四参考点连成的直线最近的点作为第二边界点(道路右侧准确的边界点)。
本实施例提供的基于激光点云的道路特征提取方法，根据每个横断面上的第一粗选边界点和第二粗选边界点，确定出每个横断面上的第三参考点和第四参考点，进而根据每个横断面上的第三参考点和预设的第一遍历条件，获取到第三参考点对应的满足第一遍历条件的第一竖直断面，进而根据第一竖直断面确定出第一边界点，同样地，根据每个横断面上的第四参考点和预设的第二遍历条件，获取到第四参考点对应的满足第二遍历条件的第二竖直断面，进而根据第二竖直断面确定出第二边界点，这样，可准确的获取到每个横断面上的边界点，以根据每个横断面上的边界点准确的提取每个横断面上的道路设施，可进一步提高提取的准确性。
图9为本发明实施例三提供的基于激光点云的道路特征提取方法的流程图。本实施例涉及的是如何获取空间直角坐标系下的点云数据的具体过程。请参照图9，在上述实施例的基础上，本实施例提供的基于激光点云的道路特征获取方法，步骤S101具体包括：
S301、获取上述地物点云数据和上述车辆的行驶轨迹线点云数据。
具体地，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/小时的速度行驶，对道路两侧进行高密度的外业扫描，获取地物点云数据。同时，以同步观测的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，解算得到车辆的行驶轨迹线点云数据。
需要说明的是，当待获取道路特征的道路为单行道时，此时，获取到的地物点云数据为道路两侧的地物点云数据；当待获取道路特征的道路为双行道时，此时，车辆在一侧道路行驶，获取到的地物点云数据为该一侧道路两侧(其中一侧为中央分离带，另一侧为真正的道路一侧)的地物点云数据。
S302、根据上述地物点云数据中的每个地物点云点的时间信息和上述行驶轨迹线点云数据中的每个行驶轨迹点云点的时间信息的匹配程度，将上述地物点云数据和上述行驶轨迹线点云数据进行匹配，得到大地坐标系下的原始点云数据。
具体地，本步骤中，利用上述地物点云数据中的每个地物点云点的时间信息和上述行驶轨迹线点云数据中的每个行驶轨迹点云点的时间信息，将时间信息相同的地物点云点和行驶轨迹点进行匹配，并将匹配后的地物点云点和行驶轨迹点放在同一个坐标系下，得到大地坐标系下的原始点云数据。
需要说明的是，本实施例中，通过将地物点云数据和行驶轨迹线点云数据进行匹配，这样，可保证在行驶轨迹线上的任意一行驶轨迹点云点处，都能找到与这个行驶轨迹点云点对应的地物点云数据。
S303、根据上述原始点云数据、预设的大地坐标系和空间直角坐标系的转换关系，得到上述空间直角坐标系下的点云数据，并获得上述原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。
需要说明的是，结合步骤S101中的描述，空间直角坐标系的X轴在横向扫描面内，且X轴的正方向为车辆的前进方向，Y轴在横向扫描面内与X轴垂直，且Y轴的正方向位于X轴正方形的右侧，Z轴与横向扫描面垂直，且Z轴的正方向为垂直于横向扫描面向上。
进一步地，经过步骤S302后，地物点云数据与轨迹线点云数据匹配后，可保证每个地物点云点均有相应的行驶轨迹点云点与其对应，即保证每个地物点云点均有相应的里程与其对应。因此，在本步骤中，每个地物点云点在空间直角坐标系下的X坐标值为该地物点云点对应的里程，用桩号表示；相应地，该地物点云点在空间直角坐标系下的Y坐标可通过简单的计算获得，具体的，计算该地物点云点距离其对应的行驶轨迹点的垂直距离，该垂直距离即为该地物点云点的Y坐标值；进一步地，该地物点云点的Z坐标值与其在大地坐标系下的H坐标值相等。这样，对大地坐标系下的每一个点云点均进行上述处理，即可得到空间直角坐标系下的点云数据，并能够得到大地坐标系下的原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。
图10为本发明实施例四提供的基于激光点云的道路特征提取方法的流程图。本实施例涉及的是获取道路设施的特征点的具体过程。在上述实施例的基础上，请参照图10，步骤S104具体包括：
S401、根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点。
具体地，在一个横断面上，当确定了该横断面上的第一地物点云点代表的道路设施后，可从每类道路设施对应的第一地物点云点中选出一个点，作为该类道路设施的特征点。
具体地，例如，本实施例中，将每类道路设施对应的第一地物点云点中的内侧最高点作为该类道路设施的特征点。其中，内侧最高点是指每类道路设施对应的第一地物点云点中，Y坐标值最小，Z坐标值最大的点。本步骤中，例如，可根据第一地物点云点对应的坐标值来提取特征点。
进一步地，本实施例还提供了一种利用辅助线来提取道路设施的特征点的方法。
可选地，所述根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点，具体包括：
步骤1：根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每类所述道路设施对应的第一参考线。
具体地，本步骤中，在一个横断面上，当确定了一类道路设施对应的第一地物点云点后，可结合该类道路设施对应的第一地物点云点呈现的分布特征，作一条该类道路设施对应的第一参考线。具体地，本实施例中，第一参考线为一条高度高于该类道路设施对应的第一地物点云点，且与路面(即与两个边界点的连线平行)平行的直线。
步骤2：确定每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离。
具体地，本步骤中，根据点到直线的距离计算公式，计算每类道路设施对应的第一地物点云点到第一参考线的距离。
步骤3：根据每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，确定每个所述横断面上每类所述道路设施对应的特征点。
具体地，本步骤中，当经过步骤2计算出每类道路设施对应的第一地物点云点到第一参考线的距离后，选取每类道路设施对应的第一地物点云点中到第一参考线距离最小的点作为该类附属设施的特征点。需要说明的是，若每类道路设施对应的第一地物点云点中到第一参考线距离最小的点有多个时，则选取最距离Y轴最近的一个点作为该类附属设施的特征点。
下面以提取护栏的特征点为例(例如，本实施例中，规定波形护栏的特征点为其内侧最高点，即如果是位于公路左侧的护栏，则其特征点为护栏的右侧最高点)，对该种方法进行详细说明。
具体地，图11为利用辅助线提取护栏的特征点的过程示意图。请参照图11，结合步骤S103中的介绍，在一个横断面中，当确定了波形护栏对应的第一地物点云点后，则在步骤1中，根据波形护栏的高度特点，做一条平行于路面，高度高于波形护栏高度的直线(如图11中L所示)，这条直线即为第一参考线。然后，在波形护栏对应的第一地物点云点(图11中F所示的区域)中遍历每个点，用点到直线的距离计算公式计算所有的波形护栏对应的第一地物点云点到直线L距离。最后，取距离最小的第一地物点云点为特征点，若距离最小的第一地物点云点不唯一，则取其中距离Y轴最近的点为特征点。
需要说明的是，当采用上面所介绍的利用辅助线的方法来提取不同道路设施的特征点时，由于不同的道路设施对应的分布特征不同，因此，在利用辅助线提取特征点时，针对不同的道路设施，所采用的辅助线是不相同的。关于其他道路设施的特征点的提取方法，此处不再赘述。
需要说明的是，本步骤中，需要对所有的横断面执行相同的操作，以提取出属于同一类道路设施的所有特征点。
S402、根据所述特征点在所述空间直角坐标系下的坐标值以及所述原始点云数据中的点云点与转换得到的所述空间直角坐标系下的对应点之间的映射关系，确定所述特征点在大地坐标系下的坐标值。
具体地，参见步骤S303中的描述，当将原始点云数据转换为空间直角坐标系下的点云数据时，可以获取到原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。本步骤中，当确定出不同的道路设施对应的特征点后，可以根据原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系，得到该特征点在大地坐标系下的坐标值。
本实施例提供的基于激光点云的道路特征获取方法，在确定出地物点云数据中的每个地物点云点对应的道路设施之后，还从道路设施对应的地物点云点中确定出道路设施的特征点，并根据特征点在空间直角坐标系下的坐标值以及原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系，确定所述特征点在大地坐标系下的坐标值，为建立三维地图模型提供基础参数。
进一步地，本实施例提供的方法，在步骤S401之后，还可以包括：
根据每个横截面上的同一类道路设施的特征点的竖坐标，确定同一类附属设施的特征点中的噪点，并将所述噪点删除。
具体地，当采用辅助线来提取道路设施的特征点时，由于辅助线的选取并不能保证绝对的准确，所以势必会提取到一些并非特征点的点。这时候，需要对提取到的噪点进行剔除，以提高特征点提取的准确度。
具体地，将所有横断面上属于同一类道路设施的特征点连续两两相连。就会发现很多比较突兀的点，即为噪点。此时绘制一条直线，这条直线的高度位于特征点和比较突兀的噪点之间。判断点的高度值，如果直线的高度值大于正确的特征点高度，则当点高度值大于直线的高度值时候，则为噪点，将其剔除掉；如果直线的高度值小于正确的特征点高度，则当点高度值小于直线的高度值时候，则为噪点，将其剔除掉。
具体地，图12为利用辅助线剔除噪点的过程示意图。请参照图12，上下波动的曲线就是特征点线。每条特征点线中，比较突兀的点即为噪点，是要剔除掉的。剔除时，绘制一条直线(如X所示)，该直线的高度值小于正确的特征点高度，因此，直线下侧的点为噪点，需要剔除。
本实施例提供的基于激光点云的道路特征提取方法，通过剔除特征点中的噪点，可进一步提高提取的准确性。
图13为本发明实施例五提供的基于激光点云的道路特征提取装置的结构示意图。该装置可以通过软件、硬件或者软硬结合的方式实现，且该装置可以是单独的基于激光点云的道路特征提取装置，也可以是集成了基于激光点云的道路特征提取装置的其他设备。如图13所示，本实施例提供的基于激光点云的道路特征提取装置，包括：获取模块100和处理模块200，其中，
获取模块100，用于获取空间直角坐标系下的点云数据；其中，所述空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据以及地物点云数据，所述行驶轨迹线点云数据包括车辆的多个行驶轨迹点云点，所述地物点云数据包括多个地物点云点；
处理模块200，用于根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集；
处理模块200，还用于根据所述边界点集和预设的映射关系，确定所述地物点云数据中的每个地物点云点对应的道路设施；其中，所述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系；
处理模块200，还用于根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标系下的坐标值。
本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，处理模块200，具体用于根据所述空间直角坐标系下的点云数据，获取每个横断面上的第一地物点云数据，并根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横截面上的高程突变点，以及根据每个所述横断面上的高程突变点，确定所述边界点集；其中，所述横断面为垂直于所述车辆前进方向的横断面。
进一步地，所述空间直角坐标系的X轴的正方向为所述车辆的前进方向，所述横断面为垂直于所述X轴正方向、且在所述空间直角坐标系的Y轴和Z轴上构成的平面，所述横断面的中心点为所述行驶轨迹点云点；处理模块200，还具体用于根据每个所述横断面的中心点和预设的第一参考距离，确定每个所述横断面上分别位于所述中心点两侧的第一参考点和第二参考点，并确定每个所述横断面上的第一地物点云点到所述第一参考点和所述第二参考点之间的第一连线的垂直距离，以及根据每个所述横断面上相邻的两个第一地物点云点到所述第一连线的垂直距离差和第一预设阈值，确定每个所述横截面上的高程突变点。
本实施例的装置，可以用于执行图4所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，处理模块400，还具体用于在所述空间直角坐标系下的X轴和Y轴上构成的平面上，获取每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，并根据每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，确定满足第一预设条件的第二连线，以及根据所述第二连线上的高程突变点确定所述边界点集中的边界点；其中，所述第一高程突变点的Y坐标值和第二高程突变点的Y坐标值的差值小于第二预设阈值。
本实施例的装置，可以用于执行图5所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，处理模块200，还具体用于根据所述第二连线上的高程突变点，确定位于每个所述横断面上的第一粗选边界点和第二粗选边界点，并根据每个所述横断面上的第一粗选边界点和第二粗选边界点以及预设的第二参考距离，确定每个所述横断面上的第三参考点和第四参考点，以及根据每个所述横断面上的第三参考点和预设的第一遍历条件，获取所述第三参考点对应的满足所述第一遍历条件的第一竖直断面、以及根据每个所述横断面上的第四参考点和预设的第二遍历条件，获取所述第四参考点对应的满足所述第二遍历条件的第二竖直断面，以及根据所述第一竖直断面确定第一边界点，以及根据所述第二竖直断面确定第二边界点；其中，所述第一遍历条件中的遍历方向和所述第二遍历条件中的遍历方向相反。
本实施例的装置，可以用于执行图7所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，获取模块100，具体用于获取所述地物点云数据和所述车辆的行驶轨迹线点云数据；并根据所述地物点云数据中的每个地物点云点的时间信息和所述行驶轨迹线点云数据中的每个行驶轨迹点云点的时间信息的匹配程度，将所述地物点云数据和所述行驶轨迹线点云数据进行匹配，得到大地坐标系下的原始点云数据；以及根据所述原始点云数据、预设的大地坐标系和空间直角坐标系的转换关系，得到所述空间直角坐标系下的点云数据，并获得所述原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。
本实施例的装置，可以用于执行图9所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，处理模块100，还具体用于根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点；并根据所述特征点在所述空间直角坐标系下的坐标值以及所述原始点云数据中的点云点与转换得到的所述空间直角坐标系下得对应点之间的映射关系，确定所述特征点在大地坐标系下的坐标值。
本实施例的装置，可以用于执行图10所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，所述处理模块，还具体用于根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每类所述道路设施对应的第一参考线，并确定每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，以及根据每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，确定每个所述横断面上每类所述道路设施对应的特征点。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于激光点云的道路特征提取方法，其特征在于，包括：
获取空间直角坐标系下的点云数据，所述空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据以及地物点云数据，所述行驶轨迹线点云数据包括车辆的多个行驶轨迹点云点，所述地物点云数据包括多个地物点云点；
根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集；
根据所述边界点集和预设的映射关系，确定所述边界点集中地物点云数据中的每个地物点云点对应的道路设施；其中，所述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系；
根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标系下的坐标值；
所述空间直角坐标系的X轴的正方向为所述车辆的前进方向，所述根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集，包括：
根据所述空间直角坐标系下的点云数据，获取每个横断面上的第一地物点云数据，所述横断面为垂直于所述X轴正方向、且在所述空间直角坐标系的Y轴和Z轴上构成的平面；
根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横断 面上的高程突变点；
在所述空间直角坐标系下的X轴和Y轴上构成的平面上，获取每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，所述第一高程突变点的Y坐标值和所述第二高程突变点的Y坐标值的差值小于第二预设阈值；
根据每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，确定满足第一预设条件的第二连线；
根据所述第二连线上的高程突变点，确定位于每个所述横断面上的第一粗选边界点和第二粗选边界点；
根据每个所述横断面上的第一粗选边界点和第二粗选边界点以及预设的第二参考距离，确定每个所述横断面上的第三参考点和第四参考点；
根据每个所述横断面上的第三参考点和预设的第一遍历条件，获取所述第三参考点对应的满足所述第一遍历条件的第一竖直断面、以及根据每个所述横断面上的第四参考点和预设的第二遍历条件，获取所述第四参考点对应的满足所述第二遍历条件的第二竖直断面；其中，所述第一遍历条件中的遍历方向和所述第二遍历条件中的遍历方向相反；所述第一竖直断面和所述第二竖直断面是由一系列Y坐标值相等、Z坐标值连续变化的点构成的与Z轴平行的断面，所述第一竖直断面上和所述第二竖直断面上的所有点距离第三参考点和第四参考点连成的直线的垂直距离均小于预设阈值；
根据所述第一竖直断面确定第一边界点；
根据所述第二竖直断面确定第二边界点。
2.根据权利要求1所述的方法，其特征在于，所述横断面的中心点为所述行驶轨迹点云点；所述根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横断 面上的高程突变点，具体包括：
根据每个所述横断面的中心点和预设的第一参考距离，确定每个所述横断面上分别位于所述中心点两侧的第一参考点和第二参考点；
确定每个所述横断面上的第一地物点云点到所述第一参考点和所述第二参考点之间的第一连线的垂直距离；
根据每个所述横断面上相邻的两个第一地物点云点到所述第一连线的垂直距离差和第一预设阈值，确定每个所述横断 面上的高程突变点。
3.根据权利要求1所述的方法，其特征在于，所述获取空间直角坐标系下的点云数据，具体包括：
获取所述地物点云数据和所述车辆的行驶轨迹线点云数据；
根据所述地物点云数据中的每个地物点云点的时间信息和所述行驶轨迹线点云数据中的每个行驶轨迹点云点的时间信息的匹配程度，将所述地物点云数据和所述行驶轨迹线点云数据进行匹配，得到大地坐标系下的原始点云数据；
根据所述原始点云数据、预设的大地坐标系和空间直角坐标系的转换关系，得到所述空间直角坐标系下的点云数据，并获得所述原始点云数据中的点云点与转换得到的空间直角坐标系下的对应点之间的映射关系。
4.根据权利要求3所述的方法，其特征在于，所述根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标系下的坐标值；具体包括：
根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每个所述横断面上每类所述道路设施对应的特征点；
根据所述特征点在所述空间直角坐标系下的坐标值以及所述原始点云数据中的点云点与转换得到的所述空间直角坐标系下的对应点之间的映射关系，确定所述特征点在大地坐标系下的坐标值。
5.根据权利要求4所述的方法，其特征在于，所述根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，具体包括：
根据每个所述横断面上每类道路设施对应的第一地物点云点，确定每类所述道路设施对应的第一参考线；
确定每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离；
根据每类所述道路设施对应的第一地物点云点到所述第一参考线的垂直距离，确定每个所述横断面上每类所述道路设施对应的特征点。
6.一种基于激光点云的道路特征提取装置，其特征在于，包括：获取模块和处理模块，其中，
所述获取模块，用于获取空间直角坐标系下的点云数据；其中，所述空间直角坐标系下的点云数据包括车辆的行驶轨迹线点云数据以及地物点云数据，所述行驶轨迹线点云数据包括车辆的多个行驶轨迹点云点，所述地物点云数据包括多个地物点云点；
所述处理模块，用于根据所述空间直角坐标系下的点云数据的坐标信息，确定所述地物点云数据中代表道路两侧边界线的边界点集；
所述处理模块，还用于根据所述边界点集和预设的映射关系，确定所述边界点集中地物点云数据中的每个地物点云点对应的道路设施；其中，所述映射关系包括不同的道路设施与地物点云点分布特征之间的对应关系；
所述处理模块，还用于根据每类道路设施对应的地物点云点，确定每类道路设施对应的特征点，并获取所述特征点在大地坐标系下的坐标值；
所述处理模块具体用于：
根据所述空间直角坐标系下的点云数据，获取每个横断面上的第一地物点云数据，所述横断面为垂直于所述X轴正方向、且在所述空间直角坐标系的Y轴和Z轴上构成的平面；
根据每个所述横断面上的第一地物点云数据中的每个第一地物点云点的坐标值，确定每个所述横断 面上的高程突变点；
在所述空间直角坐标系下的X轴和Y轴上构成的平面上，获取每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，所述第一高程突变点的Y坐标值和所述第二高程突变点的Y坐标值的差值小于第二预设阈值；
根据每两个相邻的横断面上的第一高程突变点和第二高程突变点之间的连线，确定满足第一预设条件的第二连线；
根据所述第二连线上的高程突变点，确定位于每个所述横断面上的第一粗选边界点和第二粗选边界点；
根据每个所述横断面上的第一粗选边界点和第二粗选边界点以及预设的第二参考距离，确定每个所述横断面上的第三参考点和第四参考点；
根据每个所述横断面上的第三参考点和预设的第一遍历条件，获取所述第三参考点对应的满足所述第一遍历条件的第一竖直断面、以及根据每个所述横断面上的第四参考点和预设的第二遍历条件，获取所述第四参考点对应的满足所述第二遍历条件的第二竖直断面；其中，所述第一遍历条件中的遍历方向和所述第二遍历条件中的遍历方向相反，所述第一竖直断面和所述第二竖直断面是由一系列Y坐标值相等、Z坐标值连续变化的点构成的与Z轴平行的断面，所述第一竖直断面上和所述第二竖直断面上的所有点距离第三参考点和第四参考点连成的直线的垂直距离均小于预设阈值；
根据所述第一竖直断面确定第一边界点；
根据所述第二竖直断面确定第二边界点。
CN201710001317.0A 2017-01-03 2017-01-03 基于激光点云的道路特征提取方法和装置 Active CN108267747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710001317.0A CN108267747B (zh) 2017-01-03 2017-01-03 基于激光点云的道路特征提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710001317.0A CN108267747B (zh) 2017-01-03 2017-01-03 基于激光点云的道路特征提取方法和装置

Publications (2)

Publication Number Publication Date
CN108267747A CN108267747A (zh) 2018-07-10
CN108267747B true CN108267747B (zh) 2021-10-22

Family

ID=62770607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710001317.0A Active CN108267747B (zh) 2017-01-03 2017-01-03 基于激光点云的道路特征提取方法和装置

Country Status (1)

Country Link
CN (1) CN108267747B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271857A (zh) * 2018-08-10 2019-01-25 广州小鹏汽车科技有限公司 一种伪车道线剔除方法及装置
CN110161513B (zh) * 2018-09-28 2023-11-14 腾讯科技（北京）有限公司 估计道路坡度的方法、装置、存储介质和计算机设备
CN109635641B (zh) * 2018-11-01 2020-06-09 百度在线网络技术（北京）有限公司 道路边界线的确定方法、装置、设备和存储介质
CN111175775A (zh) * 2018-11-09 2020-05-19 阿里巴巴集团控股有限公司 定位数据生成方法、装置以及电子设备
CN111174777A (zh) * 2018-11-09 2020-05-19 阿里巴巴集团控股有限公司 定位方法、装置以及电子设备
CN111273314A (zh) * 2018-11-16 2020-06-12 北京四维图新科技股份有限公司 点云数据处理方法、装置和存储介质
CN111380529B (zh) * 2018-12-28 2023-10-03 浙江菜鸟供应链管理有限公司 移动设备定位方法、装置、系统及移动设备
CN110110678B (zh) * 2019-05-13 2021-05-14 腾讯科技（深圳）有限公司 道路边界的确定方法和装置、存储介质及电子装置
CN110135376A (zh) * 2019-05-21 2019-08-16 北京百度网讯科技有限公司 确定图像传感器的坐标系转换参数的方法、设备和介质
CN110780307B (zh) * 2019-05-29 2023-03-31 武汉星源云意科技有限公司 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法
CN110543541A (zh) * 2019-09-02 2019-12-06 武汉中海庭数据技术有限公司 基于拐点的道路边线提取方法和装置
CN112880693B (zh) * 2019-11-29 2024-07-19 北京市商汤科技开发有限公司 地图生成方法、定位方法、装置、设备及存储介质
CN112950740B (zh) * 2019-12-10 2024-07-12 中交宇科（北京）空间信息技术有限公司 高精地图道路中心线的生成方法、装置、设备及存储介质
CN111412842B (zh) * 2020-04-09 2022-02-25 广东博智林机器人有限公司 墙面的截面尺寸的测量方法及装置、系统
CN111811530B (zh) * 2020-06-16 2022-06-21 北京五一视界数字孪生科技股份有限公司 车道线生成方法、装置、存储介质及电子设备
CN112034482A (zh) * 2020-08-24 2020-12-04 北京航天发射技术研究所 一种道路边界实时提取及测量方法和装置
CN112465831B (zh) * 2020-11-16 2023-10-20 北京中科慧眼科技有限公司 基于双目立体相机的弯道场景感知方法、系统和装置
CN112965077B (zh) * 2021-02-09 2022-02-11 上海同陆云交通科技有限公司 一种基于车载激光雷达的道路巡检系统与方法
CN113920483A (zh) * 2021-09-14 2022-01-11 征图三维（北京）激光技术有限公司 道路点云中物体的分类方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011196916A (ja) * 2010-03-23 2011-10-06 Mitsubishi Electric Corp 計測車両、道路地物計測システム
WO2012034236A1 (en) * 2010-09-16 2012-03-22 Ambercore Software Inc. System and method for detailed automated feature extraction from data having spatial coordinates
CN103605135A (zh) * 2013-11-26 2014-02-26 中交第二公路勘察设计研究院有限公司 一种基于断面剖分的道路特征提取方法
CN103711050A (zh) * 2013-12-31 2014-04-09 中交第二公路勘察设计研究院有限公司 一种激光雷达道路改扩建勘测设计方法
CN104123730A (zh) * 2014-07-31 2014-10-29 武汉大学 基于道路特征的遥感影像与激光点云配准方法及系统
CN105551082A (zh) * 2015-12-02 2016-05-04 百度在线网络技术（北京）有限公司 一种基于激光点云的路面识别方法及装置
CN106157219A (zh) * 2016-06-30 2016-11-23 北京工业大学 基于车载扫描系统的道路中心线提取方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011196916A (ja) * 2010-03-23 2011-10-06 Mitsubishi Electric Corp 計測車両、道路地物計測システム
WO2012034236A1 (en) * 2010-09-16 2012-03-22 Ambercore Software Inc. System and method for detailed automated feature extraction from data having spatial coordinates
CN103605135A (zh) * 2013-11-26 2014-02-26 中交第二公路勘察设计研究院有限公司 一种基于断面剖分的道路特征提取方法
CN103711050A (zh) * 2013-12-31 2014-04-09 中交第二公路勘察设计研究院有限公司 一种激光雷达道路改扩建勘测设计方法
CN104123730A (zh) * 2014-07-31 2014-10-29 武汉大学 基于道路特征的遥感影像与激光点云配准方法及系统
CN105551082A (zh) * 2015-12-02 2016-05-04 百度在线网络技术（北京）有限公司 一种基于激光点云的路面识别方法及装置
CN106157219A (zh) * 2016-06-30 2016-11-23 北京工业大学 基于车载扫描系统的道路中心线提取方法和装置

Also Published As

Publication number Publication date
CN108267747A (zh) 2018-07-10

Similar Documents

Publication Publication Date Title
CN108267747B (zh) 基于激光点云的道路特征提取方法和装置
CN109470254B (zh) 地图车道线的生成方法、装置、系统及存储介质
CN103500338B (zh) 基于车载激光扫描点云的道路斑马线自动提取方法
CN109916422B (zh) 一种全局路径规划方法及装置
CN108845569A (zh) 生成三维高清道路图水平弯道行车线的半自动点云方法
CN108629228B (zh) 一种道路对象识别方法和装置
CN108279016B (zh) Had地图的平滑处理方法和装置、导航系统及自动驾驶系统
Gikas et al. A novel geodetic engineering method for accurate and automated road/railway centerline geometry extraction based on the bearing diagram and fractal behavior
CN103778429A (zh) 一种车载激光扫描点云中道路信息自动提取方法
CN111062958B (zh) 一种城市道路要素提取方法
EP4120123A1 (en) Scan line-based road point cloud extraction method
CN104317583A (zh) 基于网格原理的道路拥堵优化算法
WO2024149060A1 (zh) 可行驶区域和路沿的检测方法、装置及相关设备
EP4012342B1 (en) Data processing method and device
CN103679120A (zh) 不平道路的检测方法和系统
Bassani et al. 3D GIS based evaluation of the available sight distance to assess safety of urban roads
JP2008170611A (ja) 道路データ生成方法、装置及びプログラム
Garach et al. Mathematical formulation and preliminary testing of a spline approximation algorithm for the extraction of road alignments
CN114897777A (zh) 顾及空间关系的接触网支撑设施激光点云全自动提取方法
CN113742437B (zh) 地图更新方法、装置、电子设备和存储介质
JP2018097424A (ja) クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム
CN110378173A (zh) 一种确定道路边界线的方法和装置
CN115906250A (zh) 道路障碍物的检测方法、养护方法、系统、设备及介质
CN113888713B (zh) 一种车载激光点云数据恢复路面缺失点的方法
CN105631459A (zh) 防护栏点云提取方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant