CN112200171A - 一种基于扫描线的道路点云的提取方法 - Google Patents

一种基于扫描线的道路点云的提取方法 Download PDF

Info

Publication number
CN112200171A
CN112200171A CN202011415577.0A CN202011415577A CN112200171A CN 112200171 A CN112200171 A CN 112200171A CN 202011415577 A CN202011415577 A CN 202011415577A CN 112200171 A CN112200171 A CN 112200171A
Authority
CN
China
Prior art keywords
point
ground
points
scanning line
adjacent
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.)
Granted
Application number
CN202011415577.0A
Other languages
English (en)
Other versions
CN112200171B (zh
Inventor
陈磊
徐忠建
朱必亮
徐云和
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.)
Speed China Technology Co Ltd
Original Assignee
Speed Space Time 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 Speed Space Time Information Technology Co Ltd filed Critical Speed Space Time Information Technology Co Ltd
Priority to CN202011415577.0A priority Critical patent/CN112200171B/zh
Publication of CN112200171A publication Critical patent/CN112200171A/zh
Application granted granted Critical
Publication of CN112200171B publication Critical patent/CN112200171B/zh
Priority to PCT/CN2021/084078 priority patent/WO2022121177A1/zh
Priority to EP21901893.4A priority patent/EP4120123A4/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于扫描线的道路点云的提取方法，步骤包括：S1从车载点云中提取每条扫描线的航线边缘点作为扫描线的起始点；S2以起始点进行搜索，根据起始点与其相邻点之间的高差，判断地面点或地物点；S3若相邻点是地面点，则将相邻点加入该扫描线地面点集合；再重复步骤S2，判断下一个相邻点；若相邻点是地物点，则以该扫描线上已有的地面点构建空间直线方程，并判断相邻点的下一个相邻点，直至遍历至下一条扫描线的起始点结束；S4将每条扫描线上的地面点进行聚类，并过滤掉噪声，得到连贯的扫描线；S5以连贯的扫描线为基础，选取每条扫描线的左端点和右端点，拟合出左右道路两侧的边界，完成道路边界的提取和规则化。

Description

一种基于扫描线的道路点云的提取方法
技术领域
本发明涉及目标识别领域，具体涉及一种基于扫描线的道路点云的提取方法，可用于车载LiDAR点云的城市道路、公路等的提取。
背景技术
道路作为城市或城郊地面的重要特征，在城市规划、灾害预报、资源勘探、地理信息系统库更新、数字化城市以及军事侦察等领域都有着重要的作用。近年来，随着LiDAR技术的快速发展，基于车载和机载LiDAR技术探测道路点云的研究越来越多。根据滤波原理的不同，算法主要分为以下几类：（1）基于坡度的滤波算法；（2）基于形态学滤波算法；（3）基于分割的滤波算法；（4）基于不规则三角网的滤波算法；（5）曲面拟合的滤波算法；（6）基于扫描线的滤波算法。
孙美玲等提出一种基于扫描线的一维渐近式形态学滤波算法，在机载LiDAR点云上分析运算后的点值与其原始值的差异，逐步滤除非地面点。王慧等针对Keqi Zhang方法在内插误差的不足，提出一种扫描线的数学形态学LiDAR点云滤波方法，并对扫描折线问题进行有效处理。
吴坚等先采用RANSAC算法粗提取地面点，再采用多特征、宽阈值、分层次的方法提取道路边界特征点，最后应用RANSAC方法拟合道路边界曲线模型。该方法算法复杂，阈值设置项众多，难以适应不同复杂场景的需求。史文中等基于地面点信息和扫描线分离条件确定扫描线，再从扫描线中提取道路边缘信息。该方法对于道路边缘被遮挡的场景表现不佳。
现有研究大多考虑到了点云间的局部特征，通过迭代窗口尺寸和定义高差阈值滤除地面点，但对于大型地物或地物遮挡此类方法表现不佳。同时，由于需要搜索邻近点导致计算量很大，效率不高。
因此，有必要开发一种基于扫描线的道路点云的识别方法，能够对城市道路、公路路面范围进行识别，同时可以解决地形起伏、大型地物遮挡等造成的道路提取不连续等问题，提高道路识别效率和正确率。
发明内容
本发明要解决的技术问题是提供一种基于扫描线的道路点云的识别方法，能够对城市道路、公路路面范围进行识别，同时可以解决地形起伏、大型地物遮挡等造成的道路提取不连续等问题，提高道路识别效率和正确率。
为了解决上述技术问题，本发明采用的技术方案是：该基于扫描线的道路点云的提取方法，具体包括以下步骤：
S1选取起始点：从车载点云中提取每条扫描线的航线边缘点作为扫描线的起始点；
S2判断地面点或地物点：以所述步骤S1中每条扫描线的起始点为基础进行搜索，根据该扫描线的起始点与其相邻点之间的高差，区分该相邻点是地面点或地物点；
S3沿扫描线搜索地面点：若相邻点是地面点，则将相邻点加入该扫描线地面点集合；再重复步骤S2，继续判断下一个相邻点是地面点或地物点；若相邻点是地物点，则以该扫描线上已有的地面点构建空间直线方程，并判断相邻点的下一个相邻点是地物点或地面点，直至遍历至下一条扫描线的起始点结束；
S4过滤地面点：将每条扫描线上的地面点进行聚类，再过滤掉小于设定长度阈值的地面点，从而得到去除噪声的连贯的扫描线；
S5获得道路边界：以所述步骤S4获得的去除噪声的连贯的扫描线为基础，选取每条扫描线的左端点和右端点，拟合出左右道路两侧的边界，完成道路边界的提取和规则化；
所述步骤S2判断该相邻点是地面点或地物点的具体步骤为：以扫描线的起始点为基础搜索左右两个方向，判断相邻点与起始点之间的高差H ij 是否小于高差阈值Ht，若小于高差阈值Ht则判为地面点，并将该相邻点加入该扫描线的地面点集合；若小于高差阈值Ht则判为地物点，其中高差H ij 的计算公式为：
H ij =| h j – h i |；
其中h j 为待判断点即相邻点j的高，h i 为当前地面点i的高。
采用上述技术方案，步骤S2中根据判断该扫描线的起始点与其相邻点之间的高差是否小于设定的阈值，从而判断该相邻点是地面点或地物点；从而通过地面点构建地面点集合，再对地面点进行聚类和去噪，获得连贯的扫描线，再经过拟合得到道路两侧的边界，完成道路边界的提取，解决地形起伏、大型地物遮挡等造成的道路提取不连续等问题，提高道路识别效率和正确率。
作为本发明的优选技术方案，所述步骤S3中若相邻点为地物点时，则以该扫描线已检测到的地面点集合构建在OXY空间和OYZ空间的直线方程：
y = k * x + b；
z = m * y + n；
并求解参数k、b、m和n，其中k、m为直线的斜率，b、n为直线的截距；将下一个相邻点即待判断点p的三维坐标代入方程求解直线上的点q；计算待判断点p和直线上点q在y方向和z方向的差值Δy、Δz，若Δy小于阈值Yt且Δz小于高差阈值Ht，则该待判断点p判为地面点，否则判为地物点。
作为本发明的优选技术方案，所述步骤S4中采用区域生长算法对每条扫描线上的地面点进行聚类，过滤掉小于设定长度阈值的地面点的具体步骤为：
S41：首先在每条扫描线的地面点集合中随机选择一个点作为种子点，判断其与周边相邻点的距离，若小于设定的距离阈值Dt，则认为该相邻点属于一个聚类，并对其进行标记；再以已标记的相邻点为种子点重复搜索其周边相邻点，直至周边没有相邻点在距离阈值Dt范围内；若该扫描线还有未被标记的点，则再随机选择一个点作为种子点，重复判断种子点与周边相邻点的距离是否在阈值范围内，直至该扫描线所有点都被标记；
S42：然后设定长度阈值Ds，按标记的点计算地面点的聚类长度，若小于设定长度阈值Ds，则将小于长度阈值Ds的点从地面点集合中剔除。
作为本发明的优选技术方案，所述步骤S5中选取每条扫描线的左端点和右端点，按照左右两个方向分别采用最小二乘算法拟合出左右道路两侧边界，拟合时按照汽车行驶方向按间距DS进行分段拟合，以准确提取弧形道路的边界。
作为本发明的优选技术方案，所述航线边缘点存储于LAS文件中，其值用1表示，代表上一次扫描线的结束和下一次扫描线的开始。因此，提取LAS文件中所有航线边缘点值为1的点作为每条扫描线的起始点。
与现有技术相比，本发明具有的有益效果为：该基于扫描线的道路点云的提取方法在扫描线的基础上采用一维搜索，有效避免了二维乃至三维搜索在大数据量场景下的低效率问题，而且在地形起伏较大的地区或坡路路段也表现优异，对于有大型地物遮挡区域算法也能鲁棒的提取道路边界。
附图说明
图1为本发明的基于扫描线的道路点云的提取方法的流程图；
图2为本发明的基于扫描线的道路点云的提取方法的试验区原始数据图；
图3为本发明的基于扫描线的道路点云的提取方法的试验区地面点地物点区分结果图；
图4为本发明的基于扫描线的道路点云的提取方法的提取的地面点图；
图5为本发明的基于扫描线的道路点云的提取方法的提取的道路边界线图。
具体实施方式
下面将结合本发明的实施例图中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
实施例：如图1所示，该基于扫描线的道路点云的提取方法，具体包括以下步骤：
S1选取起始点：如图2所示的本发明的试验区数据，从车载点云中提取每条扫描线的航线边缘点作为扫描线的起始点；所述航线边缘点存储于LAS文件中，其值用1表示，代表上一次扫描线的结束和下一次扫描线的开始；提取LAS文件中所有航线边缘点值为1的点作为每条扫描线的起始点；
S2判断地面点或地物点：以所述步骤S1中每条扫描线的起始点为基础进行搜索，判断该扫描线的起始点与其相邻点之间的高差是否小于设定的阈值，从而区分该相邻点是地面点或地物点；
所述步骤S2判断该相邻点是地面点或地物点的具体步骤为：以扫描线的起始点为基础搜索左右两个方向，判断相邻点与起始点之间的高差H ij 是否小于高差阈值Ht，若小于高差阈值Ht则判为地面点，并将该相邻点加入该扫描线的地面点集合；若小于高差阈值Ht则判为地物点，其中高差H ij 的计算公式为：
H ij =| h j – h i |；
其中h j 为待判断点即相邻点j的高，h i 为当前地面点i的高；
所述高差阈值Ht由路面平整度决定；通过实验发现，若高差阈值Ht设定为L，地面点易被错判为地物点，加大了算法的复杂度；若高差阈值Ht设定为3L，地物点易被错判为地面点；若高差阈值Ht设定为2L，地面点的提取比较符合实际情况；因此，高差阈值的设定直接关系地面点的初步提取效果，具体阈值数值主要和相邻点间距L有关，由路面平整度决定。
S3沿扫描线搜索地面点：若相邻点是地面点，则将相邻点加入该扫描线地面点集合；再重复步骤S2，继续判断下一个相邻点是地面点或地物点；若相邻点是地物点，则以该扫描线上已有的地面点构建空间直线方程，并判断相邻点的下一个相邻点是地物点或地面点，直至遍历至下一条扫描线的起始点结束；
所述步骤S3中若相邻点为地物点时，则以该扫描线已检测到的地面点集合构建在OXY空间和OYZ空间的直线方程：
y = k * x + b；
z = m * y + n；
并求解参数k、b、m和n，其中k、m为直线的斜率，b、n为直线的截距；将下一个相邻点即待判断点p的三维坐标代入方程求解直线上点q；计算待判断点p和直线上点q在y方向和z方向的差值Δy、Δz，若Δy小于阈值Yt且Δz小于高差阈值Ht，则该待判断点p判为地面点，否则判为地物点；通过实验发现，若Y方向阈值Yt设定为L，有较多的地面点被错判为地物点；若Y方向阈值Yt设定为2L，仍有部分地面点被错判为地物点；若Y方向阈值Yt设定为3L，地面点的提取比较符合实际情况（如图3和图4所示）；若Y方向阈值Yt设定为4L，地物点易被判为地面点；高差阈值Ht与步骤S2中一致；
S4过滤地面点：将每条扫描线上的地面点进行聚类，再过滤掉小于设定长度阈值的地面点，从而得到去除噪声的连贯的扫描线；
所述步骤S4中采用区域生长算法对每条扫描线上的地面点进行聚类，过滤掉小于设定长度阈值的地面点的具体步骤为：
S41：首先在每条扫描线的地面点集合中随机选择一个点作为种子点，判断其与周边相邻点的距离，若小于设定的距离阈值Dt，则认为该相邻点属于一个聚类，并对其进行标记；再以已标记的相邻点为种子点重复搜索其周边相邻点，直至周边没有相邻点在距离阈值Dt范围内；若该扫描线还有未被标记的点，则再随机选择一个点作为种子点，重复判断种子点与周边相邻点的距离是否在阈值范围内，直至该扫描线所有点都被标记；
S42：然后设定长度阈值Ds，按标记的点计算地面点的聚类长度，若小于设定长度阈值Ds，则将小于长度阈值Ds的点从地面点集合中剔除；若距离阈值Dt设定为L，会有椒盐现象，导致聚类过于分散；若距离阈值Dt设定为2L，聚类效果较好，满足后续处理要求；
S5获得道路边界：以所述步骤S4获得的去除噪声的连贯的扫描线为基础，选取每条扫描线的左端点和右端点，拟合出左右道路两侧的边界，完成道路边界的提取和规则化；
所述步骤S5中选取每条扫描线的左端点和右端点，按照左右两个方向分别采用最小二乘算法拟合出左右道路两侧边界，拟合时按照汽车行驶方向按间距DS进行分段拟合，可有效解决弧形道路边界提取不准确的情况；间距DS可根据实际情况选取，建议选取1m作为间距DS的阈值，提取的道路边界如图5。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于扫描线的道路点云的提取方法，其特征在于，具体包括以下步骤：
S1选取起始点：从车载点云中提取每条扫描线的航线边缘点作为扫描线的起始点；
S2判断地面点或地物点：以所述步骤S1中每条扫描线的起始点为基础进行搜索，根据该扫描线的起始点与其相邻点之间的高差，区分该相邻点是地面点或地物点；
S3沿扫描线搜索地面点：若相邻点是地面点，则将相邻点加入该扫描线地面点集合；再重复步骤S2，继续判断下一个相邻点是地面点或地物点；若相邻点是地物点，则以该扫描线上已有的地面点构建空间直线方程，并判断相邻点的下一个相邻点是地物点或地面点，直至遍历至下一条扫描线的起始点结束；
S4过滤地面点：将每条扫描线上的地面点进行聚类，再过滤掉小于设定长度阈值的地面点，从而得到去除噪声的连贯的扫描线；
S5获得道路边界：以所述步骤S4获得的去除噪声的连贯的扫描线为基础，选取每条扫描线的左端点和右端点，拟合出左右道路两侧的边界，完成道路边界的提取和规则化；所述步骤S2判断该相邻点是地面点或地物点的具体步骤为：以扫描线的起始点为基础搜索左右两个方向，判断相邻点与起始点之间的高差H ij 是否小于高差阈值Ht，若小于高差阈值Ht则判为地面点，并将该相邻点加入该扫描线的地面点集合；若小于高差阈值Ht则判为地物点，其中高差H ij 的计算公式为：
H ij =| h j – h i |；
其中h j 为待判断点即相邻点j的高，h i 为当前地面点i的高。
2.根据权利要求1所述的基于扫描线的道路点云的提取方法，其特征在于，所述步骤S3中若相邻点为地物点时，则以该扫描线已检测到的地面点集合构建在OXY空间和OYZ空间的直线方程：
y = k * x + b；
z = m * y + n；
并求解参数k、b、m和n，其中k、m为直线的斜率，b、n为直线的截距；将下一个相邻点即待判断点p的三维坐标代入方程求解直线上的点q；计算待判断点p和直线上点q在y方向和z方向的差值Δy、Δz，若Δy小于阈值Yt且Δz小于高差阈值Ht，则该待判断点p判为地面点，否则判为地物点。
3.根据权利要求2所述的基于扫描线的道路点云的提取方法，其特征在于，所述步骤S4中采用区域生长算法对每条扫描线上的地面点进行聚类，过滤掉小于设定长度阈值的地面点的具体步骤为：
S41：首先在每条扫描线的地面点集合中随机选择一个点作为种子点，判断其与周边相邻点的距离，若小于设定的距离阈值Dt，则认为该相邻点属于一个聚类，并对其进行标记；再以已标记的相邻点为种子点重复搜索其周边相邻点，直至周边没有相邻点在距离阈值Dt范围内；若该扫描线还有未被标记的点，则再随机选择一个点作为种子点，重复判断种子点与周边相邻点的距离是否在阈值范围内，直至该扫描线所有点都被标记；
S42：然后设定长度阈值Ds，按标记的点计算地面点的聚类长度，若小于设定长度阈值Ds，则将小于长度阈值Ds的点从地面点集合中剔除。
4.根据权利要求2所述的基于扫描线的道路点云的提取方法，其特征在于，所述步骤S5中选取每条扫描线的左端点和右端点，按照左右两个方向分别采用最小二乘算法拟合出左右道路两侧边界，拟合时按照汽车行驶方向按间距DS进行分段拟合，以准确提取弧形道路的边界。
5.根据权利要求2所述的基于扫描线的道路点云的提取方法，其特征在于，所述航线边缘点存储于LAS文件中，其值用1表示，代表上一次扫描线的结束和下一次扫描线的开始。
CN202011415577.0A 2020-12-07 2020-12-07 一种基于扫描线的道路点云的提取方法 Active CN112200171B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011415577.0A CN112200171B (zh) 2020-12-07 2020-12-07 一种基于扫描线的道路点云的提取方法
PCT/CN2021/084078 WO2022121177A1 (zh) 2020-12-07 2021-03-30 一种基于扫描线的道路点云的提取方法
EP21901893.4A EP4120123A4 (en) 2020-12-07 2021-03-30 STREET POINT CLOUD EXTRACTION METHOD BASED ON SCANLINES

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011415577.0A CN112200171B (zh) 2020-12-07 2020-12-07 一种基于扫描线的道路点云的提取方法

Publications (2)

Publication Number Publication Date
CN112200171A true CN112200171A (zh) 2021-01-08
CN112200171B CN112200171B (zh) 2021-03-23

Family

ID=74033845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011415577.0A Active CN112200171B (zh) 2020-12-07 2020-12-07 一种基于扫描线的道路点云的提取方法

Country Status (3)

Country Link
EP (1) EP4120123A4 (zh)
CN (1) CN112200171B (zh)
WO (1) WO2022121177A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862844A (zh) * 2021-02-20 2021-05-28 苏州工业园区测绘地理信息有限公司 基于车载点云数据的道路边界交互式提取方法
CN113762067A (zh) * 2021-07-21 2021-12-07 上海圭目机器人有限公司 一种机场板块的识别方法
WO2022121177A1 (zh) * 2020-12-07 2022-06-16 速度时空信息科技股份有限公司 一种基于扫描线的道路点云的提取方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173424B (zh) * 2023-11-01 2024-01-26 武汉追月信息技术有限公司 一种点云坡面边缘线识别方法、系统及可读存储介质
CN117475002A (zh) * 2023-12-27 2024-01-30 青岛亿联建设集团股份有限公司 基于激光扫描技术的建筑倾斜度测量方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778429A (zh) * 2014-01-24 2014-05-07 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
US9097804B1 (en) * 2013-07-23 2015-08-04 Google Inc. Object and ground segmentation from a sparse one-dimensional range data
EP3293670A1 (en) * 2016-09-12 2018-03-14 Delphi Technologies, Inc. Lidar object detection system for automated vehicles
CN109741450A (zh) * 2018-12-29 2019-05-10 征图三维（北京）激光技术有限公司 一种基于扫描线的路面点云自动提取方法及装置
CN110378173A (zh) * 2018-07-10 2019-10-25 北京京东尚科信息技术有限公司 一种确定道路边界线的方法和装置
CN110598541A (zh) * 2019-08-05 2019-12-20 香港理工大学深圳研究院 一种提取道路边缘信息的方法及设备
CN111208495A (zh) * 2020-02-28 2020-05-29 燕山大学 一种基于激光雷达点云特征线与平面校准的地面提取方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GR1007395B (el) * 2010-10-25 2011-09-13 Σεραφειμ Ευαγγελου Αμβραζης Μεθοδοι χαρτογραφησης και οπτικοποιησης κυλινδρικων προβολων επιφανειων σηραγγων
CN104197897B (zh) * 2014-04-25 2017-01-04 厦门大学 一种基于车载激光扫描点云的城区道路标线自动分类方法
CN108062517B (zh) * 2017-12-04 2020-06-23 武汉大学 基于车载激光点云的非结构化道路边界线自动提取方法
TWI652449B (zh) * 2017-12-11 2019-03-01 財團法人車輛研究測試中心 三維感測器之動態地面偵測方法
CN109684921B (zh) * 2018-11-20 2022-05-27 吉林大学 一种基于三维激光雷达的道路边界检测与跟踪方法
CN112200171B (zh) * 2020-12-07 2021-03-23 速度时空信息科技股份有限公司 一种基于扫描线的道路点云的提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9097804B1 (en) * 2013-07-23 2015-08-04 Google Inc. Object and ground segmentation from a sparse one-dimensional range data
CN103778429A (zh) * 2014-01-24 2014-05-07 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
EP3293670A1 (en) * 2016-09-12 2018-03-14 Delphi Technologies, Inc. Lidar object detection system for automated vehicles
CN110378173A (zh) * 2018-07-10 2019-10-25 北京京东尚科信息技术有限公司 一种确定道路边界线的方法和装置
CN109741450A (zh) * 2018-12-29 2019-05-10 征图三维（北京）激光技术有限公司 一种基于扫描线的路面点云自动提取方法及装置
CN110598541A (zh) * 2019-08-05 2019-12-20 香港理工大学深圳研究院 一种提取道路边缘信息的方法及设备
CN111208495A (zh) * 2020-02-28 2020-05-29 燕山大学 一种基于激光雷达点云特征线与平面校准的地面提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈磊: "基于机载LiDAR和高分辨率遥感影像的城区建筑物提取研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022121177A1 (zh) * 2020-12-07 2022-06-16 速度时空信息科技股份有限公司 一种基于扫描线的道路点云的提取方法
CN112862844A (zh) * 2021-02-20 2021-05-28 苏州工业园区测绘地理信息有限公司 基于车载点云数据的道路边界交互式提取方法
CN112862844B (zh) * 2021-02-20 2024-01-05 园测信息科技股份有限公司 基于车载点云数据的道路边界交互式提取方法
CN113762067A (zh) * 2021-07-21 2021-12-07 上海圭目机器人有限公司 一种机场板块的识别方法
CN113762067B (zh) * 2021-07-21 2024-03-26 上海圭目机器人有限公司 一种机场板块的识别方法

Also Published As

Publication number Publication date
WO2022121177A1 (zh) 2022-06-16
CN112200171B (zh) 2021-03-23
EP4120123A1 (en) 2023-01-18
EP4120123A4 (en) 2023-08-30

Similar Documents

Publication Publication Date Title
CN112200171B (zh) 一种基于扫描线的道路点云的提取方法
CN111079611B (zh) 一种道路面及其标志线的自动提取方法
CN112801022B (zh) 一种无人驾驶矿卡作业区道路边界快速检测更新的方法
EP3171292B1 (en) Driving lane data processing method, device, storage medium and apparatus
KR102062680B1 (ko) 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기
WO2018068653A1 (zh) 点云数据处理方法、装置及存储介质
CN109584294B (zh) 一种基于激光点云的路面点云提取方法和装置
CN108898672A (zh) 一种制作三维高清道路图车道线的半自动点云方法
EP2779025B1 (en) Method and system for detecting road edge
CN111580131B (zh) 三维激光雷达智能车在高速公路上识别车辆的方法
CN107767383A (zh) 一种基于超像素的道路图像分割方法
CN114488073A (zh) 激光雷达采集到的点云数据的处理方法
CN107808524B (zh) 一种基于无人机的道路交叉口车辆检测方法
CN112561944A (zh) 一种基于车载激光点云的车道线提取方法
CN112669333A (zh) 一种单木信息提取方法
Yao et al. Automatic extraction of road markings from mobile laser-point cloud using intensity data
CN113516853B (zh) 一种针对复杂监控场景的多车道车流量检测方法
CN112435336B (zh) 一种弯道类型识别方法、装置、电子设备及存储介质
Ma et al. Automatic extraction of road markings from mobile laser scanning data
KR101910256B1 (ko) 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템
Schomerus et al. Camera-based lane border detection in arbitrarily structured environments
CN115661660A (zh) Sar图像桥梁快速检测方法及设备
Hu et al. LiDAR-based road extraction for UGV in high definition map
CN113920483A (zh) 道路点云中物体的分类方法、装置、电子设备及存储介质
CN114842166A (zh) 应用于结构化道路的负障碍检测方法、系统、介质及设备

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
CP01 Change in the name or title of a patent holder

Address after: 210042 8 Blocks 699-22 Xuanwu Avenue, Xuanwu District, Nanjing City, Jiangsu Province

Patentee after: Speed Technology Co.,Ltd.

Address before: 210042 8 Blocks 699-22 Xuanwu Avenue, Xuanwu District, Nanjing City, Jiangsu Province

Patentee before: SPEED TIME AND SPACE INFORMATION TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder