CN108984599B - 一种利用行驶轨迹参考的车载激光点云路面提取方法 - Google Patents

Abstract

本发明公开了一种利用行驶轨迹参考的车载激光点云路面提取方法，首先按照时间索引对原始点云数据分块；提出一种考虑目标空间形态特征的线性参考方法对点云数据进行坐标转换；对坐标转换后的点云数据进行格网化；利用数理统计的方法对格网化点云进行高程过滤；然后在道路横断面方向，从轨迹所在格网开始，分别向两边搜索路面格网和道路边界格网；最后以轨迹所在格网为种子区域，利用区域生长算法提取出道路路面点云。

Description

一种利用行驶轨迹参考的车载激光点云路面提取方法

技术领域

本发明属于车载激光扫描点云数据处理技术领域，具体涉及一种利用行驶轨迹参考的车载激光点云路面提取方法。

背景技术

道路交通在国民经济和人民生活中占有重要地位，极大地促进了国民经济的发展。道路路面的自动识别和提取，一直是车辆智能驾驶、交通管理和道路三维建模等领域的关键技术之一。车载移动激光测量系统作为一种先进的测量手段，具有快速、不与测量物接触、实时、动态、主动、高密度及高精度等特点，车载移动激光测量系统在不影响交通情况下能快速获取道路及两侧海量点云数据。系统不仅能快速获取被测目标表面的三维空间点坐标，同时还记录目标对激光的反射强度信息，为提取高精度和丰富的三维道路信息提供了一种可靠的数据源。目前，利用车载激光扫描点云数据进行的处理主要集中点云数据分类和建筑物的立面信息提取。对路面点云自动提取的研究主要集中在利用扫描线数据或者利用路面的部分空间特征进行路面提取，未充分利用移动测量系统所获取的数据和路面的空间形态特征，尚未形成成熟的路面点云自动提取方法。由此可见，现有技术需要进一步改进。

发明内容

本发明的目的在于提出一种利用行驶轨迹参考的车载激光点云路面提取方法，以便从海量激光扫描点云数据中快速、自动提取路面点云。

本发明为了实现上述目的，采用如下技术方案：

一种利用行驶轨迹参考的车载激光点云路面提取方法，包括如下步骤：

a.按照时间索引对原始点云数据分块；

b.结合行驶轨迹数据，采用基于道路空间形态特征的线性参考方法对步骤a中分块后的点云数据进行坐标转换；

c.对坐标转换后的点云数据进行格网化处理；

d.利用数理统计的方法对格网化点云进行高程过滤；

e.在道路横断面方向，从轨迹所在格网开始，分别向两边搜索，对路面格网和道路边界格网分别进行判断；

f.以轨迹所在格网为种子区域，利用区域生长算法，提取出道路路面点云。

优选地，所述步骤b具体为：

b1.基于道路空间形态特征的线性参考方法判断道路走向：

将点云与轨迹点数据投影到XOY平面直角坐标系中，根据单块点云的起始时间和结束时间，在行驶轨迹数据中找到对应的起始点SP和结束点EP，记SP和EP的连线为轨迹线L，计算轨迹线L与坐标系的Y轴的夹角α，0≤α≤90°；

b2.如果α＝0，则直接转到步骤c；如果α>0，则以起始点SP为基点，对单块点云和轨迹线L进行旋转，使旋转后的单块点云和轨迹线L与Y轴平行。

优选地，所述步骤d具体为：

d1.首先按照高程对格网内点进行分层，层高为n厘米，n为正数，分层数量为LN，并统计每一层内的点数量；

d2.然后从第一层开始，查找点数量为0的层l₀，删除该层以上的点，这样保留的点为路面点和近路面点，记为点集Q；

d3.最后，从第一层开始，统计第一层到第i层的点的数量占点集Q的比例，1≤i＜l₀；如果比例超过70％，则保留第一层到第i层的点，删除第i层以上的点。

优选地，所述步骤e具体为：

e1.查找轨迹格网

从第一行开始，查找每一行与轨迹线L的交点所在的格网，记为该行的轨迹格网；

e2.通过限制条件判断是否为路面格网或道路边界格网

以当前行的轨迹格网为起始格网，分别向两边搜索路面格网，到边界格网停止；

路面格网判断条件如下：

(1)格网内所有点的高程最大差值小于阈值ΔH1；

(2)当前格网内所有点的高程最大值为MaxZ，如果该行有内格网，则内格网所有点的高程最大值为MaxZN，如果该行没有内格网，则取当前格网24邻域格网的格网值排序后的最小值为MaxZN；MaxZ与MaxZN的差值小于阈值ΔH2；

其中，格网值为格网内所有点的高程最大值；

内格网是指该行与当前格网相邻的靠近轨迹格网的格网；

若当前格网同时满足条件(1)和条件(2)，认为该格网为路面格网；否则，认为该格网为道路边界格网；然后，当前行停止搜索，对下一行进行搜索；

e3.道路边界格网保留部分近路面点

若当前格网为道路边界格网，则以当前格网的8邻域格网的格网值的前三个值的平均值加2cm为高程阈值H3，保留当前格网内高程小于阈值H3的点；

其中，前三个值是按照格网值从小到大的顺序排列时所选取的前三个值；

e4.保留轨迹格网、路面格网和道路边界格网，删除未判断的格网。

优选地，所述步骤f具体为：

f1.查找种子格网：从第一行开始，查找每一行与轨迹线L的交点所在的格网，记为种子格网，添加到种子区域中；

f2.将种子格网的8邻域格网中有点的格网合并到种子区域中，然后将新增的格网作为新的种子格网重复此过程；停止生长后，得到的格网中的点即为道路路面点云。

本发明具有如下优点：

本发明方法首先按照时间索引对原始的点云数据进行分块；通过基于道路空间形态特征的线性参考方法对点云进行坐标转换；利用数理统计的方法对格网化点云进行高程过滤；然后，在道路横断面方向，从轨迹所在格网开始，分别向两边搜索路面格网和道路边界格网；最后，以轨迹所在格网为种子区域，利用区域生长算法，提取出道路路面点云。本发明方法在不影响交通情况下能快速获取道路及两侧海量点云数据，从中提取出道路路面点云，操作简单、可行性高、大大提高了自动提取路面点的效率与准确性。

附图说明

图1为本发明中基于线性参考的车载激光点云中路面自动提取方法的流程示意图。

图2为本发明中点云格网化示意图。

图3为本发明中当前格网与内格网示意图一；

图4为本发明中当前格网与内格网示意图二。

具体实施方式

本发明的基本思想是：根据车载激光扫描点云中路面点云的空间分布特征，运用面向对象提取的思想，采用多源数据结合和数理统计的方法进行路面点云的自动提取。

结合图1所示，一种利用行驶轨迹参考的车载激光点云路面提取方法，包括如下步骤：

a.按照时间索引对原始点云数据分块。

b.结合行驶轨迹数据，采用基于道路空间形态特征的线性参考方法对步骤a中分块后的点云数据进行坐标转换，具体为：

b1.基于道路空间形态特征的线性参考方法判断道路走向：

将点云与轨迹点数据投影到XOY平面直角坐标系中，根据单块点云的起始时间和结束时间，在行驶轨迹数据中找到对应的起始点SP和结束点EP，记SP和EP的连线为轨迹线L，计算轨迹线L与坐标系的Y轴的夹角α，0≤α≤90°。

b2.如果α＝0，则直接转到步骤c。如果α>0，则以起始点SP为基点，对单块点云和轨迹线L进行旋转，使旋转后的单块点云和轨迹线L与Y轴平行。

c.对坐标转换后的点云数据进行格网化处理，如图2所示。

d.利用数理统计的方法对格网化点云进行高程过滤，具体为：

d1.首先按照高程对格网内点进行分层，层高为n厘米，n为正数，例如n可以取1,2，…20等，分层数量为LN，并统计每一层内的点数量。

d2.然后从第一层开始，查找点数量为0的层l₀，删除该层以上的点，这样保留的点为路面点和近路面点，记为点集Q。

d3.最后，从第一层开始，统计第一层到第i层的点的数量占点集Q的比例，1≤i＜l₀；如果比例超过70％，则保留第一层到第i层的点，删除第i层以上的点。

e.在道路横断面方向，从轨迹所在格网开始，分别向两边搜索，对路面格网和道路边界格网分别进行判断，具体为：

e1.查找轨迹格网

从第一行开始，查找每一行与轨迹线L的交点所在的格网，记为该行的轨迹格网。

e2.通过限制条件判断是否为路面格网或道路边界格网

以当前行的轨迹格网为起始格网，分别向两边搜索路面格网，到边界格网停止，如图3所示，路面格网判断条件如下：

(1)格网内所有点的高程最大差值小于阈值ΔH1；

(2)当前格网内所有点的高程最大值为MaxZ，如果该行有内格网，则内格网所有点的高程最大值为MaxZN，如果该行没有内格网，则取当前格网24邻域格网的格网值排序后的最小值为MaxZN；MaxZ与MaxZN的差值小于阈值ΔH2。

其中，格网值为格网内所有点的高程最大值，内格网是指该行与当前格网相邻的靠近轨迹格网的格网，如图3和图4所示。

若当前格网同时满足条件(1)和条件(2)，认为该格网为路面格网；否则，认为该格网为道路边界格网；然后，当前行停止搜索，对下一行进行搜索。

e3.道路边界格网保留部分近路面点

若当前格网为道路边界格网，则以当前格网的8邻域格网的格网值的前三个值的平均值加2cm为高程阈值H3，保留当前格网内高程小于阈值H3的点。

其中，前三个值是按照格网值从小到大的顺序排列时所选取的前三个值。

e4.保留轨迹格网、路面格网和道路边界格网，删除未判断的格网。

f.以轨迹所在格网为种子区域，利用区域生长算法，提取出道路路面点云，具体为：

f1.查找种子格网：从第一行开始，查找每一行与轨迹线L的交点所在的格网，记为种子格网，添加到种子区域中。

f2.将种子格网的8邻域格网中有点的格网合并到种子区域中，然后将新增的格网作为新的种子格网重复此过程；停止生长后，得到的格网中的点即为道路路面点云。

本发明方法在不影响交通情况下能快速获取道路及两侧海量点云数据，从中提取出道路路面点云，操作简单、可行性高、大大提高了自动提取路面点的效率与准确性。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (4)

1.一种利用行驶轨迹参考的车载激光点云路面提取方法，其特征在于，包括如下步骤：

a.按照时间索引对原始点云数据分块；

b.结合行驶轨迹数据，采用基于道路空间形态特征的线性参考方法对步骤a中分块后的点云数据进行坐标转换；

c.对坐标转换后的点云数据进行格网化处理；

d.利用数理统计的方法对格网化点云进行高程过滤；

e.在道路横断面方向，从轨迹所在格网开始，分别向两边搜索，对路面格网和道路边界格网分别进行判断；

f.以轨迹所在格网为种子区域，利用区域生长算法，提取出道路路面点云；

所述步骤e具体为：

e1.查找轨迹格网

从第一行开始，查找每一行与轨迹线L的交点所在的格网，记为该行的轨迹格网；

e2.通过限制条件判断是否为路面格网或道路边界格网

以当前行的轨迹格网为起始格网，分别向两边搜索路面格网，到边界格网停止；

路面格网判断条件如下：

(1)格网内所有点的高程最大差值小于阈值ΔH1；

(2)当前格网内所有点的高程最大值为MaxZ，如果该行有内格网，则内格网所有点的高程最大值为MaxZN，如果该行没有内格网，则取当前格网24邻域格网的格网值排序后的最小值为MaxZN；MaxZ与MaxZN的差值小于阈值ΔH2；

其中，格网值为格网内所有点的高程最大值；

内格网是指该行与当前格网相邻的靠近轨迹格网的格网；

若当前格网同时满足条件(1)和条件(2)，认为该格网为路面格网；否则，认为该格网为道路边界格网；然后，当前行停止搜索，对下一行进行搜索；

e3.道路边界格网保留部分近路面点

若当前格网为道路边界格网，则以当前格网的8邻域格网的格网值的前三个值的平均值加2cm为高程阈值H3，保留当前格网内高程小于阈值H3的点；

其中，前三个值是按照格网值从小到大的顺序排列时所选取的前三个值；

e4.保留轨迹格网、路面格网和道路边界格网，删除未判断的格网。

2.根据权利要求1所述的利用行驶轨迹参考的车载激光点云路面提取方法，其特征在于，所述步骤b具体为：

b1.基于道路空间形态特征的线性参考方法判断道路走向：

将点云与轨迹点数据投影到XOY平面直角坐标系中，根据单块点云的起始时间和结束时间，在行驶轨迹数据中找到对应的起始点SP和结束点EP，记SP和EP的连线为轨迹线L，计算轨迹线L与坐标系的Y轴的夹角α，0≤α≤90°；

b2.如果α＝0，则直接转到步骤c；如果α>0，则以起始点SP为基点，对单块点云和轨迹线L进行旋转，使旋转后的单块点云和轨迹线L与Y轴平行。

3.根据权利要求2所述的利用行驶轨迹参考的车载激光点云路面提取方法，其特征在于，所述步骤d具体为：

d1.首先按照高程对格网内点进行分层，层高为n厘米，n>0，分层数量为LN，并统计每一层内的点数量；

d2.然后从第一层开始，查找点数量为0的层l₀，删除该层以上的点，这样保留的点为路面点和近路面点，记为点集Q；

d3.最后从第一层开始，统计第一层到第i层的点的数量占点集Q的比例，1≤i＜l₀；如果比例超过70％，则保留第一层到第i层的点，删除第i层以上的点。

4.根据权利要求1所述的利用行驶轨迹参考的车载激光点云路面提取方法，其特征在于，所述步骤f具体为：

f1.查找种子格网：从第一行开始，查找每一行与轨迹线L的交点所在的格网，记为种子格网，添加到种子区域中；

f2.将种子格网的8邻域格网中有点的格网合并到种子区域中，然后将新增的格网作为新的种子格网重复此过程；停止生长后，得到的格网中的点即为道路路面点云。

Images