CN111524127B

CN111524127B - 面向低空机载激光雷达数据的城市道路面提取方法

Info

Publication number: CN111524127B
Application number: CN202010353821.9A
Authority: CN
Inventors: 陈韬亦; 关俊志; 左辛凯; 彭会湘; 李霖; 苏飞; 周刚
Original assignee: CETC 54 Research Institute
Current assignee: CETC 54 Research Institute
Priority date: 2020-04-29
Filing date: 2020-04-29
Publication date: 2022-05-27
Anticipated expiration: 2040-04-29
Also published as: CN111524127A

Abstract

本发明属于测绘工程技术，具体设计一种面向低空机载激光雷达数据的城市道路面提取方法，包括以下步骤：对激光点云数据进行分段和体素化，结合多种简单特征逐步过滤非地面体素，得到地面点云，通过填补孔隙和插值生成城市道路面的数字高程模型，进一步生成表面模型。该方法充分考虑了城市街道环境的特点，采用高程、垂直连通性、高程梯度等简单特征对体素进行过滤。该方法一方面避免了平面拟合或直线拟合带来的大量计算，加快了处理速度；另一方面尽可能地保留了非地面点云的完整性，有利于其他地物的识别和建模。本发明能够用于信息化作战、城市救援等紧急测绘任务，快速准确地提供城市道路面提取结果。

Description

面向低空机载激光雷达数据的城市道路面提取方法

技术领域

本发明属于遥感信息工程技术领域，尤其涉及面向低空机载激光雷达数据的道路面提取方法。

背景技术

利用低空机载激光雷达采集的城市街道三维激光点云数据，可以为信息化作战、灾害救援等紧急任务提供数据支持。面向激光点云数据的城市道路面提取技术，可以识别出属于道路面的点云，将点云区分为路面点和非路面点。该技术一方面能够用于构建城市道路网，另一方面有助于其他非路面地物的识别与建模。根据现有研究，从激光雷达数据中提取城市道路面的技术主要存在以下四个方面的困难：(I)现有研究主要针对的是车载或30米以上机载激光雷达数据，对15米以下的低空机载激光雷达数据的研究极为有限；(II)城市道路有高低起伏，大段道路往往存在路面高程跨度较大的问题；(III)城市地物之间相互遮挡，激光点云数据往往存在局部缺失；(IV)由于激光雷达传感器的特性，采集的激光点云在密度上分布不均。

目前对于车载和机载激光点云数据，已经成功实现了一些可行的方法。最常用的方法是先使用光滑表面拟合来分割点云，从点云数据中提取出多个光滑平面的分割块，然后根据道路属性相关特征将点云分割块分类为路面点和非路面点。这类方法的主要区别在于采用的特征，包括高程、局部法向量、激光强度特征图、平面投影特征图等。同时也有一些方法关注提取精确道路边界，这类方法首先通过梯度特征寻找路缘石，然后根据路缘石的位置来估算属于道路面区域的点云点，最后用这些点结合约束条件来生成光滑道路面。

然而目前基于光滑表面拟合的方法和基于道路边界提取的方法都存在一些问题。一是连续路面高程差异较大，对拟合算法要求非常高，而且拟合过程相当耗时；二是难以区分与路面相连接的树木、路灯等杆状地物，往往将这些地物与地面连接的部分也分割为地面；三是机载点云噪声较大，对部分特征的提取造成了障碍。一些学者提出了结合多种简单特征的方法，这类方法不需要拟合光滑平面或曲线，只需要从点云中利用几种较为简单的特征，逐步排除掉非路面点，最终留下路面点。

发明内容

本发明所要解决的技术问题是提供一种从城市低空机载激光雷达数据中利用高程阈值、垂直连通性分析、高程梯度特征、形态学操作等算法，逐步过滤掉非路面点，得到路面点，最终生成城市道路面的方法。

为实现上述目的，本发明采用的技术方案为：

一种面向低空机载激光雷达数据的城市道路面提取方法，包括以下步骤：

步骤1、将所有点云数据和无人机飞行轨迹投影到二维平面上，并进行分段，将分段结果从二维平面反算到点云，并对点云进行体素化以及根据体素的位置对体素索引进行排列，得到一系列体素的集合V＝{v}；

步骤2、对体素集合V计算一个全局高程阈值T，并利用阈值T对体素集合进行非地面体素过滤，过滤掉高程值大于T的体素，保留高程值小于等于T的体素；

步骤3、遍历步骤2过滤后的体素集合中所有体素，对体素的垂直连通性进行分析，找到候选地面体素集合，对候选地面体素集合中的体素查找其近邻体素，剔除近邻体素少于设定个数的体素，得到地面体素集合V_g；

步骤4、对地面体素集合V_g中的每一个体素计算局部高程梯度，剔除所有局部高程梯度大于设定值的体素，得到最终的地面体素集合；

步骤5、将最终的地面体素集合反算到点云，利用点云生成城市道路面。

其中，步骤2具体包括以下步骤：

步骤2.1、将体素集合V中体素的平均高程值作为阈值T的初始值；

步骤2.2、将所有体素按照高程分为两组：V₁为高程值小于等于T的体素集合，V₂为高程值大于T的体素集合；

步骤2.3、分别计算V₁和V₂中体素的平均高程值，记为h₁和h₂；

步骤2.4、计算一个新的阈值

步骤2.5、重复步骤2.2至步骤2.4，直到连续两次计算的阈值T之差小于一个设定值ΔT为止；

步骤2.6、利用阈值T对体素集合V进行非地面体素过滤，高程值大于T的体素被认为是非地面体素，进行过滤，保留高程值小于等于T的体素。

其中，步骤3具体包括以下步骤：

步骤3.1、遍历过滤后的体素集合V中的所有体素，找到每一个水平位置(x，y)上纵坐标z最小的体素，构成种子集合V_s，初始化候选地面体素集合

步骤3.2、对于种子集合V_s中的每一个体素v_s，找到与v_s在垂直方向上连通的体素集合V^s；

步骤3.3、若体素集合V^s中包含体素的数量小于设定个数t个，则V^s中包含的体素属于地面体素，并将V^s中的体素加入到候选地面体素集合V_{g_c}中；

步骤3.4、对候选地面体素集合V_{g_c}中的体素v_{g_c}，以设定半径r₁查找其近邻体素，若v_{g_c}的近邻体素少于设定个数，则v_{g_c}是离散体素，从V_{g_c}中剔除v_{g_c}，得到地面体素集合V_g。

其中，步骤4具体包括以下步骤：

步骤4.1、将地面体素集合V_g投影到二维平面XOY_g，该平面上的每一个坐标(x，y)记录该水平位置上的体素索引；

步骤4.2、对于每一个体素v_g，以设定值r₂为半径，在二维平面XOY_g上查找水平位置与v_g的水平位置(x_vg，y_vg)相近的体素，构成v_g的邻域体素集合V_{n_vg}；

步骤4.3、在v_g的邻域体素集合V_{n_vg}中，找到高程最低的体素v_minz，记该体素的高程为z_min；

步骤4.4、根据z_min和r₂计算每一个体素的局部高程梯度，若体素v_g的局部高程梯度大于设定值θ，则v_g属于非地面体素，从V_g中剔除，得到最终的地面体素集合。

其中，步骤1中体素索引的排列方式遵循以下原则：

A.体素的x坐标越大，其索引越大；

B.当体素的x坐标相同时，y坐标越大，其索引越大；

C.当体素的x，y坐标都相同时，z坐标越大，其索引越大；

D.索引序号按自然数无间隔排列。

其中，步骤4.4中，体素v_g的局部高程梯度θ计算方式如下：

其中，z_g是体素v_g的高程，z_min是体素v_g以r₂为半径的邻域中高程值最小的体素的高程值。

本发明的有益效果：本发明面向低空机载激光雷达数据，充分结合高程、垂直连通性、高程梯度这三种简单特征，逐步过滤非地面点云，最终得到地面点云并生成城市道路面表面模型。该方法避免了平面拟合和直线拟合，仅使用多个计算简单的特征，计算量小；同时该方法利用垂直连通性分析，准确地区分出了杆状地物与地面的连接处，提升了地面点云提取的准确性。同其他方法相比，该发明能够以更快的速度从低空机载激光雷达数据中更准确地提取出地面点云，并且保留下的非地面点云更加完整，有利于其他地物的识别和建模。

附图说明

图1为本发明面向低空机载激光雷达数据的城市道路面提取方法流程图；

图2为本发明道路分段示例；

图3为本发明点云体素化示例；

图4为本发明原始点云；

图5为本发明高程阈值过滤后的点云；

图6为本发明查找垂直连通的体素集合；

图7为本发明最终得到的地面点云；

图8为本发明城市道路面的表面模型。

具体实施方式

下面结合附图对本发明的实施方式进行详细描述。

本实施例提供一种面向低空机载激光雷达数据的城市道路面提取方法，从城市街道三维点云数据中提取地面点云，并生成城市道路面表面模型。如图1所示，本实施例通过以下技术方案来实现，将原始数据进行分段处理和体素化后，结合高程、垂直连通性、高程梯度三个简单特征，通过阈值分割、二维平面投影和最近邻搜索等算法，逐步过滤掉非地面体素，最终得到地面点云，用于生成城市道路面。该方法避免了平面拟合和直线拟合，仅使用多个计算简单的特征，计算量小；同时该方法利用垂直连通性分析，准确地区分出了杆状地物与地面的连接处，提升了地面点云提取的准确性。同其他方法相比，该发明能够以更快的速度从低空机载激光雷达数据中更准确地提取出地面点云，并且保留下的非地面点云更加完整，有利于其他地物的识别和建模。

具体实施时，面向低空机载激光雷达数据的城市道路面提取方法，适用于从低空机载激光雷达数据中提取地面点并生成城市道路面，满足信息化作战和紧急救援等任务需求。步骤如下：

S1，数据分段和体素化，包括以下子步骤：

S1.1，将点云数据和飞行轨迹投影到二维平面上，如图2所示，在直道路段以D₁为间隔进行分段，在弯曲路段以D₂为间隔进行分段，其中D₁＞D₂，通常取D₁＝60m，D₂＝15m；

S1.2，将分段结果从二维平面反算到点云，得到一系列分段的点云数据P＝{p}，后续步骤皆是对其中每一个分段点云数据p进行处理；

S1.3，如图3所示，对点云p进行体素化，体素单元是边长为l的立方体，通常取l＝0.2m，得到体素的集合V＝{v}和每个体素v的坐标(x，y，z)，坐标为(x_p，y_p，z_p)的点云点所属的体素坐标(x，y，z)计算如下：

其中(x_min，y_min，z_min)是指该分段点云数据最小的x、y、z坐标值，l是指定的体素单元的边长；

S1.4，根据体素v的坐标(x，y，z)按照行列高从小到大进行排序，得到其索引序号index，索引号序列遵循以下原则：

1.体素的x坐标越大，其索引越大

2.当体素的x坐标相同时，y坐标越大，其索引越大

3.当体素的x，y坐标都相同时，z坐标越大，其索引越大

4.索引序号按自然数无间隔排列；

S2，对体素集合V计算一个全局高程阈值T，并利用阈值T过滤掉一部分非地面体素，包括以下子步骤：

S2.1，将V中体素的平均高程值作为阈值T的初始值；

S2.2，将体素按照高程分为两组：V₁为高程值小于等于T的体素集合，V₂为高程值大于T的体素集合；

S2.3，分别计算V₁和V₂中体素的平均高程值，记为h₁和h₂；

S2.4，计算一个新的阈值

S2.5，重复步骤2.2至步骤2.4，直到连续两次计算的阈值T之差小于一个固定值ΔT为止，通常取ΔT＝0.02m；

S2.6，利用阈值T对体素集合V进行非地面体素过滤，高程值大于T的体素被认为是非地面体素，保留高程值小于等于T的体素，原始点云如图4所示，图5为本发明高程阈值过滤后的点云；

S3，通过对体素的垂直连通性分析过滤掉一部分非地面体素，包括以下子步骤：

S3.1，遍历V中的所有体素，找到每一个水平位置(x，y)上纵坐标z最小的体素，构成种子集合V_s，初始化候选地面体素集合

S3.2，如图6所示，对于种子集合V_s中的每一个体素v_s，找到与v_s在近似垂直方向上连通的体素集合V^s，通常两个体素的水平间隔不超过2个体素单元且垂直间隔不超过3个体素单元即认为体素之间连通；

S3.3，若体素集合V^s中包含体素的数量小于t个，通常取值t＝7，则认为V^s中包含的体素属于地面体素，并将V^s中的体素加入到候选地面体素集合V_{g_c}中；

S3.4，对种子集合V_s中的所有体素执行步骤3.2至3.3，得到候选的地面体素集合V_g；

S3.5，对候选地面体素集合V_{g_c}中的体素v_{g_c}，通过建立KD树索引，以r₁为半径查找其近邻体素，通常取值r₁＝0.8m，若v_{g_c}的近邻体素少于3个，则认为v_{g_c}是离散体素，从V_{g_c}中剔除v_{g_c}；

S3.6，对候选地面体素集合V_{g_c}中的所有体素执行步骤3.5，剔除完所有离散体素，得到地面体素集合V_g。

S4，对地面体素集合V_g中的每一个体素v_g计算其局部高程梯度，进一步剔除非地面体素，包括以下子步骤：

S4.1，将体素集合V_g投影到二维平面XOY_g，该平面上的每一个坐标(x，y)记录该水平位置上的体素索引；

S4.2，对于体素v_g，通过建立KD树索引，以r₂为半径，在二维平面XOY_g上查找水平位置与v_g的水平位置(x_vg，y_vg)相近的体素，构成v_g的邻域体素集合V_{n_vg}，通常取r₂＝5.0m；

S4.3，在v_g的邻域体素集合V_{n_vg}中，找到高程最低的体素v_minz，记该体素的高程为z_min；

S4.4，若体素v_g的局部高程梯度大于θ，通常取值θ＝15°，则认为v_g属于非地面体素，将其从V_g中剔除，体素v_g的局部高程梯度θ计算方式如下：

其中，z_g是体素v_g的高程，z_min是体素v_g以r₂为半径的邻域中高程值最小的体素的高程值；

S4.5，对V_g中的每一个体素执行步骤4.2至4.4，从V_g中剔除所有局部高程梯度大于θ的体素，得到最终的地面体素集合V_g。

S5，将地面体素集合V_g反算到点云，利用点云生成城市道路面，包括：

S5.1，将全部分段数据的地面体素集合V_g反算到点云，得到全部数据的地面点云集合P_g，结果如图7所示；

S5.2，把点云集合P_g投影到二维平面，得到道路面的二维图像I；

S5.3，利用形态学闭操作填补图像I中的小空隙，利用区域生长算法填补图像I中的大孔洞，得到完整的道路面二维图像I_c；

S5.4，对道路面二维图像I_c的每一个像素点，若该像素点对应的位置存在点云，则该像素点的高程为这些点云的平均高程；

S5.5，对于像素点对应位置不存在点云的像素的高程，在步骤5.4中找到与其距离最近的10个有高程的像素，由这10个像素的高程通过插值得到，采用反距离权重插值法，表达式为：

其中h_i是指第i个像素点对应的高程值，d_i是指第i个像素点与插值像素点的距离；

S5.6，计算出每个像素的高程之后，二维图像I_c可视作城市道路面的数字高程模型，通过构建不规则三角网得到城市道路面的表面模型，结果如图8所示。

本实施例实现了一种结合多特征的城市道路面提取方法，从低空机载激光雷达中逐步过滤非地面点云，得到地面点云并生成城市道路面的数字高程模型和表面模型。本实施例采用的特征包括高程、垂直连通性、高程梯度，一方面避免了对点云进行平面拟合或分段直线拟合，一定程度上减少了计算量；另一方面地面点云的提取更加准确，保留了尽可能多的非地面点云，有利于后续其他地物的识别与建模。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

虽然以上结合附图描述了本发明的具体实施方式，但是本领域普通技术人员应当理解，这些仅是举例说明，可以对这些实施方式作出多种变形或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

Claims

1.一种面向低空机载激光雷达数据的城市道路面提取方法，其特征是，包括以下步骤：

步骤3、遍历步骤2过滤后的体素集合中所有体素，对体素的垂直连通性进行分析，找到候选地面体素集合，对候选地面体素集合中的体素查找其近邻体素，剔除近邻体素少于设定个数的体素，得到地面体素集合V_g；具体为：

步骤3.1，遍历过滤后的体素集合V中的所有体素，找到每一个水平位置(x,y)上纵坐标z最小的体素，构成种子集合V_s，初始化候选地面体素集合

步骤3.2，对于种子集合V_s中的体素v_s，找到与v_s在垂直方向上连通的体素集合V^s；

步骤3.3，若体素集合V^s中包含体素的数量小于设定个数t个，则认为V^s中包含的体素属于地面体素，并将V^s中的体素加入到候选地面体素集合V_{g_c}中；

步骤3.4，对种子集合V_s中的所有体素执行步骤3.2至3.3，得到候选地面体素集合V_{g_c}；

步骤3.5，对候选地面体素集合V_{g_c}中的体素v_{g_c}，以设定值r₁为半径查找其近邻体素，若v_{g_c}的近邻体素少于设定个数，则v_{g_c}是离散体素，从V_{g_c}中剔除v_{g_c}；

步骤3.6，对候选地面体素集合V_{g_c}中的所有体素执行步骤3.5，剔除完所有离散体素，得到地面体素集合V_g；

步骤4、对地面体素集合V_g中的每一个体素计算局部高程梯度，剔除所有局部高程梯度大于设定值的体素，得到最终地面体素集合；具体为：

步骤4.1，将地面体素集合V_g投影到二维平面XOY_g，该平面上的每一个坐标(x,y)记录该水平位置上的体素索引；

步骤4.2，对于体素v_g，以设定值r₂为半径，在二维平面XOY_g上查找水平位置与v_g的水平位置(x_vg,y_vg)相近的体素，构成v_g的邻域体素集合V_{n_vg}；

步骤4.3，在v_g的邻域体素集合V_{n_vg}中，找到高程最低的体素v_minz，记该体素的高程为z_min；

步骤4.4，若体素v_g的局部高程梯度大于设定值θ，则v_g属于非地面体素，从V_g中剔除，体素v_g的局部高程梯度θ计算方式如下：

步骤4.5，对V_g中的每一个体素执行步骤4.2至4.4，从V_g中剔除所有局部高程梯度大于θ的体素，得到最终地面体素集合；

步骤5、将最终地面体素集合反算到点云，利用点云生成城市道路面；具体为：

步骤5.1，将全部分段数据的最终地面体素集合反算到点云，得到全部数据的地面点云集合P_g；

步骤5.2，把地面点云集合P_g投影到二维平面，得到道路面的二维图像I；

步骤5.3，利用形态学闭操作填补图像I中的小空隙，利用区域生长算法填补图像I中的大孔洞，得到完整的道路面二维图像I_c；

步骤5.4，对道路面二维图像I_c的每一个像素点，若该像素点对应的位置存在点云，则该像素点的高程为这些点云的平均高程；

步骤5.5，对于像素点对应位置不存在点云的像素的高程，找到与其距离最近的10个有高程的像素，由这10个像素的高程通过插值得到，采用反距离权重插值法，表达式为：

步骤5.6，计算出每个像素的高程之后，二维图像I_c可视作城市道路面的数字高程模型，通过构建不规则三角网得到城市道路面的表面模型。

2.根据权利要求1所述的面向低空机载激光雷达数据的城市道路面提取方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1，将体素集合V中体素的平均高程值作为阈值T的初始值；

步骤2.2，将所有体素按照高程分为两组：V₁为高程值小于等于T的体素集合，V₂为高程值大于T的体素集合；

步骤2.3，分别计算V₁和V₂中体素的平均高程值，记为h₁和h₂；

步骤2.4，计算一个新的阈值

步骤2.5，重复步骤2.2至步骤2.4，直到连续两次计算的阈值T之差小于一个设定值ΔT为止；

步骤2.6，利用阈值T对体素集合V进行非地面体素过滤，高程值大于T的体素被认为是非地面体素，进行过滤，保留高程值小于等于T的体素。

3.根据权利要求1所述的面向低空机载激光雷达数据的城市道路面提取方法，其特征是，步骤1中体素索引的排列方式遵循以下原则：

A.体素的x坐标越大，其索引越大；

B.当体素的x坐标相同时，y坐标越大，其索引越大；

C.当体素的x,y坐标都相同时，z坐标越大，其索引越大；

D.索引序号按自然数无间隔排列。