CN112465765A - 一种基于车载移动激光点云的路面深度信息模型构建方法 - Google Patents

Abstract

本发明涉及一种基于车载移动激光点云的路面深度信息模型构建方法，属于路面病害检测技术领域，采用单车道有重叠的区段划分策略控制路面模型。首先采用RANSAC算法获取一定长度的单车道路面点云的一致性估计平面，以该平面为基准对原始点云高程归一化；然后采用中值滤波与巴特沃斯低通滤波的组合滤波方法平滑路面局部高频噪声和全局振动噪声；最后构造二次曲面模型，以滤波平滑后的车载移动激光路面点云为观测值，采用抑制低频特征的迭代最小二乘拟合方法获取二次曲面参数的无偏估计值，以连续二次曲面模型为标准路面计算离散激光点到曲面的距离获取路面深度信息模型。本发明能够较为真实的还原路面结构，构建路面深度信息模型。

Description

一种基于车载移动激光点云的路面深度信息模型构建方法

技术领域

本发明涉及一种基于车载移动激光点云的路面深度信息模型构建方法，属于路面病 害检测技术领域。

背景技术

由于道路上的行车荷载和自然条件，如风、雨、日照等的风化侵蚀，路面会产生塑性形变甚至破损，进一步演化成路面病害，使得路面整体强度降低，影响行车舒适度和 安全性。且这种形变随时间累积，达到一定形变量则无法根据当前道路结构还原道路设 计状态；单独采集当前状态的路面点云信息无法准确评价路面病害，影响道路质量变化 检测的精确性。

目前，国内外对于路面病害的测量提取正在实现由人工外业测量到车载移动自动测 量的转变。这种转变大大减少了外业工作强度，可以在不影响行车安全的情况下快速获取海量路面点云数据，为公路养护管理提供数据支撑。车载移动测量系统可以采集高质 量路面数据，用于道路质量变化检测和养护维修。

现有方法存在如下不足：目前的道路病害提取和道路质量评价标准体系都是基于当 前道路的三维信息提取异常特征作为路面病害区域。这种方法可以较为有效的发现大多 数路面病害，但是基于当前数据的病害发现具有盲目性，计算量大；且该方法无法获取道路设计状态信息，提取病害的三维位置和属性评价不够准确。

发明内容

针对现有技术的不足，本发明提供一种基于车载移动激光点云的路面深度信息模型 构建方法，能够较为真实的还原路面结构，构建路面深度信息模型。

本发明采用以下技术方案：

一种基于车载移动激光点云的路面深度信息模型构建方法，包括以下步骤：

a、划分单车道独立路段，两相邻单车道独立路段的重叠区域为4/5，以单车道独立路段为数据处理单元，进行数据处理；

单车道独立路段划分方式为：在单车道行车方向上，划分为若干份，每5份为一个单车道独立路段，相邻两单车道独立路段重叠区域为4/5，其中，每一份的宽度为单车 道宽度，约为3.5m，每一份的长度与宽度相等。

相邻两单车道独立路段分别为原路段和新路段，两者有4/5的重叠区域，处理时并非以原路段为基础数据进行数据处理，而是分别独立全面进行。重叠区域的设置能够保 证连续路段之间的相关性，连续路段有效控制区域的拟合平面能够较好的连接；若不设 置重叠区域，而是机械的划分成若干份区域分块进行平面拟合，则拟合出的多个平面邻 接处不能很好的吻合。

其中，有效控制区域为单车道独立路段的5份中的中间一份，遍历所有独立路段，有效控制区域就能覆盖整个车道(除了头尾两份)，这样就为整个路段生成了平面基准。

b、对单车道独立路段进行RANSAC平面拟合，得到该拟合平面，以该拟合平面为 基准，对路面点云高程归一化，从而消除路面横向排水坡和纵向上下坡等路面设计坡度 对路面异常发现的影响，同时根据归一化高程为路面点定权以抑制路面低频噪声对于真 实路面还原的影响；

c、遍历区域内所有的点，以当前点的邻域为计算单元，采用中值滤波器去除路面奇异点，再计算当前路段点高程信息的频率，用巴特沃斯低通滤波器去除路面病害等高 频信息和路面粗糙度等全局振动信息，初步还原路面设计状态；

d、构建二次曲面模型，以点到基准平面的欧氏距离平方的反比为当前点的权重，采用迭代的最小二乘法获取二次曲面模型参数的无偏估计值还原路面设计状态真值，提取路面深度信息。

优选的，步骤b包括以下子步骤：

b1、根据拟合平面内点数量n1与单车道独立路段点数量n的比值关系和成功率p计算迭代次数：

其中，

以百分比的形式交互输入，通常为80％以上；p为交互输入的期望成功率，通常为90％以上，具体可根据实际路况确定，路面质量越差，输入的两个参数越小，k 为达成上述要求需要的迭代次数估计值；

在单车道独立路段中随机选取三点列方程组求解平面参数，再以该平面为约束计算 单车道独立路段中各点到该平面的距离，距离不超过5mm的点认为是平面内点，当平 面内点数量与单车道独立路段总点数的比值大于等于交互输入的

时，停止迭代，输出 该组平面参数作为拟合平面；否则迭代k次，选择

最大对应的平面参数作为拟合平面。

b2、从单车道独立路段点云集合中随机取样三个点A(x₁,y₁,z₁)、C(x₂,y₂,z₂)和C(x₃,y₃,z₃)，构建方程组，求解平面模型：

令

则

上述方程组改写为：

联立方程组求解平面模型，得：

ax+by+cz+1＝0

以该平面为约束，遍历计算单车道独立路段内各点到该平面的距离，对点云高程归 一化，并以此作为点云相对高程；

点到平面的距离计算方法如下：

其中x、y、z为任一路面点的三维坐标，dis为路面点到拟合路面平面的距离，也即为以拟合平面为基准的高程信息；

b3、根据路面点到拟合路面平面的距离dis为二次曲面参数的最小二乘求解模型定权， 具体为：

为抑制低频信号对原始路面的干扰，采用反距离权重法降低远离路面估计平面的点 的影响，则第i个点的权重p_i为：

权矩阵P为：

dis_i表示第i个点到拟合路面平面的距离，即第i个点以拟合平面为基准的高程信息。

本发明中，在获得车道独立路段点云数据时，首先是基于车道建立格网，将每一份点云数据存入对应的格网中，遍历格网的时候，步长为1，但是选择5份数据；

for i＝1:1:r-4

dc＝road(i:i+4)；

place＝ransac(dc)；

dp＝place–dc；

p＝p(dp)；

place2＝QuadricSurface(dc,dp,p)；

kcp＝place2(i+2)；

end

伪代码如上，其中r表示一个车道一共被划分成的份数，dc表示单车道独立路段，road为一整条路的数据(单车道)。过程主要为：①获取单车道独立路段dc，五份为一 段；②用ransac算法对单车道独立路段dc进行平面拟合，获得平面模型place；③以该 平面为基准获取该高程基准下的相对高程dp；④以相对高程进行反距离权重定权得到权 矩阵p；⑤构造二次曲面平差模型，加权获取曲面模型place2；⑥曲面模型的五份中中 间那份即为有效控制区域kcp。

通过for循环遍历，只有首尾分别有两块数据未能进行拟合，其他块数据都能够进行拟合。

步骤b2中，每遍历一次就会出现一个单车道独立路段，ransac平面拟合针对的就是单车道独立路段全部数据，详见上述伪代码部分。

本发明采用平面拟合目的主要有以下两点：

A、以该拟合平面作为新的高程基准面重新计算路面高程信息，以减小路面上下坡和排水坡对路面沉陷或突起等病害判断的影响；

B、新的高程基准下的相对高程作为路面模型拟合的定权依据，根据路面点到拟合平面的距离进行反距离权重法定权，其目的是降低沿道路行经方向的全局车辙病害对路面模型拟合的影响。

优选的，步骤c包括如下子步骤：

c1、对路面点云进行局域中值滤波，具体为：

采用K-D树算子搜索目标点邻域点集，并约束设置邻域范围为沿道路方向分布的5×3的狭长窗口；

对邻域窗口内15个点由小到大进行排序；

用排序后的15个点的高程中值代替中心点的高程值；

c2、对中值滤波后点云进行全局巴特沃斯低通滤波：

对点云邻域相对高程特征统计分布，计算通过截止频率和最小滤波阶数，建立巴特 沃斯低通滤波器，然后通过计算当前位置的低频信号值进行噪声滤波，具体如下：

c2.1、以RANSAC算法拟合平面为高程基准，计算各点的相对高程作为待处理信号，通过相对高程信号和相对高程变化率统计直方图，获取通带截止频率Ω_p、通带截止增益α_p、阻带截止频率Ω_s、阻带截止增益α_s；

通带截止频率Ω_p和阻带截止频率率Ω_s分别为相对高程统计直方图首尾两端2倍中 误差对应位置处的横坐标值；

通带截止增益α_p和阻带截止增益α_s分别为相对高程变化率统计直方图首尾两端2倍中误差对应位置处的横坐标值。

c2.2、然后计算巴特沃斯滤波器所需的最小阶数N：

c2.3、最后生成巴特沃斯低通滤波器，滤波器如下：

其中，ω为该点实际信号值，即点的高程值，H(ω)为低频滤波后该点信号的修正值， 利用该滤波器对所有点进行滤波，获取滤波后路面点云集合。

优选的，构建二次曲面模型，以点到基准平面的欧氏距离平方的反比为当前点的权 重，采用迭代的最小二乘法获取二次曲面模型参数的无偏估计值还原路面设计状态真值， 提取路面深度信息；

步骤d包括如下子步骤：

d1、二次曲面模型构建：

z＝ax²+by²+cxy+dx+ey+f

d2、根据二次曲面模型改写平差模型：

v_z表示z的改正值，滤波后路面点集为观测值，构造平差矩阵：

其中，

V＝[v_z1v_z2…v_zn]^T _n×1；其中v_zn表示第n个点的z值改正量，n为单车道独立路段 点数量；

d3、按最小二乘原理求解待求量x的估计值

d4、迭代计算，优化路面曲面模型，进一步滤除地面变形点，使得二次曲面与真实路面最佳契合：

首先计算拟合路面平面基准下高程改正量V：

然后根据高程改正量计算平差模型中观测值单位权中误差α₀：

其中，n为当前路段滤波后路面点云集合中点的个数，必要观测数r＝6(二次曲面模型的待求参数为6个)；

最后获取高程改正量最大值v_zmax，v_zmax即V中的最大值，V为一个向量，获取v_zmax即找到向量V的最大值，获取方法如下：

v_zmax＝max(V)；

如果v_zmax>2α₀，则滤除该改正量对应的路面点，以滤除该点后路面点集为新的 观测数据集，重新进行最小二乘拟合获取二次曲面；

重复上述步骤，依次滤除非二次曲面点，直到v_zmax≤2α₀，停止迭代，输出二次 曲面模型参数[a b c d e f]；

d5、遍历计算路面点到二次曲面的距离，定义该距离为路面深度信息，生成路面深度信息模型。

二次曲面模型由独立数据处理单元单车道独立路段经过步骤b，c，d获取，该曲面模型实际有效控制区域为路段划分为5段后的中间路段。采用行车方向有重叠的区段划 分路段策略遍历所有独立数据处理单元获取分段路面曲面模型。

本发明未详尽之处，均可采用现有技术进行。

本发明的有益效果为：

(1)本发明将复杂离散路面模型抽象成简单二次曲面的数学表达，极大减少数据冗余；

(2)本发明最大限度还原路面曲面，能够较为真实的还原路面结构，构建路面深度信息模型，有助于快速发现路面坑槽、沉陷等沉降类病害及拥包、波浪等突起类病害；

(3)采用与路面深度信息模型比较差异的方法获取道路形变病害，相较于基于当前状态下采集点云中提取病害的方法，提取结果更加准确。

附图说明

图1为本发明中基于车载移动激光点云的路面深度信息提取方法流程图；

图2为行车方向有重叠的路段划分示意图；

图3为中值滤波的领域窗口构造示意图；

图4为相对高程统计直方图；

图5为相对高程变化率统计直方图；

图6为本发明的中值滤波流程图；

具体实施方式：

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体 实施例进行详细描述，但不仅限于此，本发明未详尽说明的，均按本领域常规技术。

实施例1：

一种基于车载移动激光点云的路面深度信息模型构建方法，如图1-6所示，包括以下步骤：

a、划分单车道独立路段，两相邻单车道独立路段的重叠区域为4/5，以单车道独立路段为数据处理单元，进行数据处理；

单车道独立路段划分方式为：在单车道行车方向上，划分为若干份，每5份为一个单车道独立路段，相邻两单车道独立路段重叠区域为4/5，其中，每一份的宽度为单车 道宽度，约为3.5m，每一份的长度与宽度相等。

如图2所示，相邻两单车道独立路段分别为原路段和新路段，两者有4/5的重叠区域，处理时并非以原路段为基础数据进行数据处理，而是分别独立全面进行。重叠区域 的设置能够保证连续路段之间的相关性，连续路段有效控制区域的拟合平面能够较好的 连接；若不设置重叠区域，而是机械的划分成若干份区域分块进行平面拟合，则拟合出 的多个平面邻接处不能很好的吻合。

其中，有效控制区域为单车道独立路段的5份中的中间一份，遍历所有独立路段，有效控制区域就能覆盖整个车道(除了头尾两份)，这样就为整个路段生成了平面基准。

b、对单车道独立路段进行RANSAC平面拟合，得到该拟合平面，以该拟合平面为 基准，对路面点云高程归一化，从而消除路面横向排水坡和纵向上下坡等路面设计坡度 对路面异常发现的影响，同时根据归一化高程为路面点定权以抑制路面低频噪声对于真 实路面还原的影响；

c、遍历区域内所有的点，以当前点的邻域为计算单元，采用中值滤波器去除路面奇异点，再计算当前路段点高程信息的频率，用巴特沃斯低通滤波器去除路面病害等高 频信息和路面粗糙度等全局振动信息，初步还原路面设计状态；

d、构建二次曲面模型，以点到基准平面的欧氏距离平方的反比为当前点的权重，采用迭代的最小二乘法获取二次曲面模型参数的无偏估计值还原路面设计状态真值，提取路面深度信息。

实施例2：

一种基于车载移动激光点云的路面深度信息模型构建方法，如实施例1所述，所不同的是，步骤b包括以下子步骤：

b1、根据拟合平面内点数量n1与单车道独立路段点数量n的比值关系和成功率p计算迭代次数：

其中，

以百分比的形式交互输入，通常为80％以上；p为交互输入的期望成功率，通常为90％以上，具体可根据实际路况确定，路面质量越差，输入的两个参数越小，则 k为达成上述要求需要的迭代次数估计值；

在单车道独立路段中随机选取三点列方程组求解平面参数，再以该平面为约束计算 单车道独立路段中各点到该平面的距离，距离不超过5mm的点认为是平面内点，当平 面内点数量与单车道独立路段总点数的比值大于等于交互输入的

时，停止迭代，输出 该组平面参数作为拟合平面；否则迭代k次，选择

最大对应的平面参数作为拟合平面。

b2、从单车道独立路段点云集合中随机取样三个点A(x₁,y₁,z₁)、C(x₂,y₂,z₂)和C(x₃,y₃,z₃)，构建方程组，求解平面模型：

令

则

上述方程组改写为：

联立方程组求解平面模型，得：

ax+by+cz+1＝0

以该平面为约束，遍历计算单车道独立路段内各点到该平面的距离，对点云高程归 一化，并以此作为点云相对高程；

点到平面的距离计算方法如下：

其中x、y、z为任一路面点的三维坐标，dis为路面点到拟合路面平面的距离，也即为以拟合平面为基准的高程信息；

b3、根据路面点到拟合路面平面的距离dis为二次曲面参数的最小二乘求解模型定权， 具体为：

为抑制低频信号对原始路面的干扰，采用反距离权重法降低远离路面估计平面的点 的影响，则第i个点的权重p_i为：

权矩阵P为：

dis_i表示第i个点到拟合路面平面的距离，即第i个点以拟合平面为基准的高程信息。

本发明中，在获得车道独立路段点云数据时，首先是基于车道建立格网，将每一份点云数据存入对应的格网中，遍历格网的时候，步长为1，但是选择5份数据；

for i＝1:1:r-4

dc＝road(i:i+4)；

place＝ransac(dc)；

dp＝place–dc；

p＝p(dp)；

place2＝QuadricSurface(dc,dp,p)；

kcp＝place2(i+2)；

end

伪代码如上，其中r表示一个车道一共被划分成的份数，dc表示单车道独立路段，road为一整条路的数据(单车道)。过程主要为：①获取单车道独立路段dc，五份为一 段；②用ransac算法对单车道独立路段dc进行平面拟合，获得平面模型place；③以该 平面为基准获取该高程基准下的相对高程dp；④以相对高程进行反距离权重定权得到权 矩阵p；⑤构造二次曲面平差模型，加权获取曲面模型place2；⑥曲面模型的五份中中 间那份即为有效控制区域kcp。

通过for循环遍历，只有首尾分别有两块数据未能进行拟合，其他块数据都能够进行拟合。

步骤b2中，每遍历一次就会出现一个单车道独立路段，ransac平面拟合针对的就是单车道独立路段全部数据，详见上述伪代码部分。

本发明采用平面拟合目的主要有以下两点：

A、以该拟合平面作为新的高程基准面重新计算路面高程信息，以减小路面上下坡和排水坡对路面沉陷或突起等病害判断的影响；

B、新的高程基准下的相对高程作为路面模型拟合的定权依据，根据路面点到拟合平面的距离进行反距离权重法定权，其目的是降低沿道路行经方向的全局车辙病害对路面模型拟合的影响。

实施例3：

一种基于车载移动激光点云的路面深度信息模型构建方法，如实施例2所述，所不同的是，步骤c包括如下子步骤：

c1、对路面点云进行局域中值滤波，具体为：

采用K-D树算子搜索目标点邻域点集，并约束设置邻域范围为沿道路方向分布的5×3的狭长窗口，如图3所示；

对邻域窗口内15个点由小到大进行排序；

用排序后的15个点的高程中值代替中心点的高程值，单车道分段点云局域中值滤波流程如图6所示；

c2、对中值滤波后点云进行全局巴特沃斯低通滤波：

对点云邻域相对高程特征统计分布，计算通过截止频率和最小滤波阶数，建立巴特 沃斯低通滤波器，然后通过计算当前位置的低频信号值进行噪声滤波，具体如下：

c2.1、以RANSAC算法拟合平面为高程基准，计算各点的相对高程作为待处理信号，通过相对高程信号和相对高程变化率统计直方图，获取通带截止频率Ω_p、通带截止增益α_p、阻带截止频率Ω_s、阻带截止增益α_s；

如图4所示，通带截止频率Ω_p和阻带截止频率率Ω_s分别为相对高程统计直方图首尾 两端2倍中误差对应位置处的横坐标值；

如图5所示，通带截止增益α_p和阻带截止增益α_s分别为相对高程变化率统计直方图首尾两端2倍中误差对应位置处的横坐标值。

c2.2、然后计算巴特沃斯滤波器所需的最小阶数N：

c2.3、最后生成巴特沃斯低通滤波器，滤波器如下：

其中，ω为该点实际信号值，即点的高程值，H(ω)为低频滤波后该点信号的修正值， 利用该滤波器对所有点进行滤波，获取滤波后路面点云集合。

实施例4：

一种基于车载移动激光点云的路面深度信息模型构建方法，如实施例3所述，所不同的是，构建二次曲面模型，以点到基准平面的欧氏距离平方的反比为当前点的权重， 采用迭代的最小二乘法获取二次曲面模型参数的无偏估计值还原路面设计状态真值，提 取路面深度信息；

步骤d包括如下子步骤：

d1、二次曲面模型构建：

z＝ax²+by²+cxy+dx+ey+f

d2、根据二次曲面模型改写平差模型：

v_z表示z的改正值，滤波后路面点集为观测值，构造平差矩阵：

其中，

V＝[v_z1v_z2…v_zn]^T _n×1；其中v_zn表示第n个点的z值改正量，n为单车道独立路段 点数量；

d3、按最小二乘原理求解待求量x的估计值

d4、迭代计算，优化路面曲面模型，进一步滤除地面变形点，使得二次曲面与真实路面最佳契合：

首先计算拟合路面平面基准下高程改正量V：

然后根据高程改正量计算平差模型中观测值单位权中误差α₀：

其中，n为当前路段滤波后路面点云集合中点的个数，必要观测数r＝6(二次曲面模型的待求参数为6个)；

最后获取高程改正量最大值v_zmax，v_zmax即V中的最大值，V为一个向量，获取v_zmax即找到向量V的最大值，获取方法如下：

v_zmax＝max(V)；

如果v_zmax>2α₀，则滤除该改正量对应的路面点，以滤除该点后路面点集为新的 观测数据集，重新进行最小二乘拟合获取二次曲面；

重复上述步骤，依次滤除非二次曲面点，直到v_zmax≤2α₀，停止迭代，输出二次 曲面模型参数[a b c d e f]；

d5、遍历计算路面点到二次曲面的距离，定义该距离为路面深度信息，生成路面深度信息模型。

二次曲面模型由独立数据处理单元单车道独立路段经过步骤b，c，d获取，该曲面模型实际有效控制区域为路段划分为5段后的中间路段。采用行车方向有重叠的区段划 分路段策略遍历所有独立数据处理单元获取分段路面曲面模型。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来 说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，包括以下步骤：

a、划分单车道独立路段，两相邻单车道独立路段的重叠区域为4/5，以单车道独立路段为数据处理单元，进行数据处理；

b、对单车道独立路段进行RANSAC平面拟合，得到该拟合平面，以该拟合平面为基准，对路面点云高程归一化，消除路面设计坡度对路面异常发现的影响，同时根据归一化高程为路面点定权以抑制路面低频噪声对于真实路面还原的影响；

c、遍历区域内所有的点，以当前点的邻域为计算单元，采用中值滤波器去除路面奇异点，再计算当前路段点高程信息的频率，用巴特沃斯低通滤波器去除高频信息和全局振动信息，初步还原路面设计状态；

d、构建二次曲面模型，以点到基准平面的欧氏距离平方的反比为当前点的权重，采用迭代的最小二乘法获取二次曲面模型参数的无偏估计值还原路面设计状态真值，提取路面深度信息。

2.根据权利要求1所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤a中，单车道独立路段划分方式为：在单车道行车方向上，划分为若干份，每5份为一个单车道独立路段，相邻两单车道独立路段重叠区域为4/5，其中，每一份的宽度为单车道宽度，为3.5m，每一份的长度与宽度相等。

3.根据权利要求1所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤b包括以下子步骤：

b1、根据拟合平面内点数量n1与单车道独立路段点数量n的比值关系和成功率p计算迭代次数：

其中，

以百分比的形式交互输入；p为交互输入的期望成功率，k为达成要求需要的迭代次数估计值；

在单车道独立路段中随机选取三点列方程组求解平面参数，再以该平面为约束计算单车道独立路段中各点到该平面的距离，距离不超过5mm的点认为是平面内点，当平面内点数量与单车道独立路段总点数的比值大于等于交互输入的

时，停止迭代，输出该组平面参数作为拟合平面；否则迭代k次，选择

最大对应的平面参数作为拟合平面；

b2、从单车道独立路段点云集合中随机取样三个点A(x₁,y₁,z₁)、C(x₂,y₂,z₂)和C(x₃,y₃,z₃)，构建方程组，求解平面模型：

令

则

上述方程组改写为：

联立方程组求解平面模型，得：

ax+by+cz+1＝0

以该平面为约束，遍历计算单车道独立路段内各点到该平面的距离，对点云高程归一化，并以此作为点云相对高程；

点到平面的距离计算方法如下：

其中x、y、z为任一路面点的三维坐标，dis为路面点到拟合路面平面的距离，即为以拟合平面为基准的高程信息；

b3、根据路面点到拟合路面平面的距离dis为二次曲面参数的最小二乘求解模型定权，具体为：

采用反距离权重法降低远离路面估计平面的点的影响，则第i个点的权重p_i为：

权矩阵P为：

dis_i表示第i个点到拟合路面平面的距离，即第i个点以拟合平面为基准的高程信息。

4.根据权利要求3所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤c包括如下子步骤：

c1、对路面点云进行局域中值滤波，具体为：

采用K-D树算子搜索目标点邻域点集，并约束设置邻域范围为沿道路方向分布的5×3的狭长窗口；

对邻域窗口内15个点由小到大进行排序；

用排序后的15个点的高程中值代替中心点的高程值；

c2、对中值滤波后点云进行全局巴特沃斯低通滤波：

对点云邻域相对高程特征统计分布，计算通过截止频率和最小滤波阶数，建立巴特沃斯低通滤波器，然后通过计算当前位置的低频信号值进行噪声滤波。

5.根据权利要求4所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤c2具体如下：

c2.1、以RANSAC算法拟合平面为高程基准，计算各点的相对高程作为待处理信号，通过相对高程信号和相对高程变化率统计直方图，获取通带截止频率Ω_p、通带截止增益α_p、阻带截止频率Ω_s、阻带截止增益α_s；

c2.2、然后计算巴特沃斯滤波器所需的最小阶数N：

c2.3、最后生成巴特沃斯低通滤波器，滤波器如下：

其中，ω为该点实际信号值，即点的高程值，H(ω)为低频滤波后该点信号的修正值，利用该滤波器对所有点进行滤波，获取滤波后路面点云集合。

6.根据权利要求5所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤d包括如下子步骤：

d1、二次曲面模型构建：

z＝ax²+by²+cxy+dx+ey+f

d2、根据二次曲面模型改写平差模型：

v_z表示z的改正值，滤波后路面点集为观测值，构造平差矩阵：

其中，

V＝[v_z1v_z2…v_zn]^T _n×1；其中v_zn表示第n个点的z值改正量，n为单车道独立路段点数量；

d3、按最小二乘原理求解待求量x的估计值

d4、迭代计算，优化路面曲面模型，进一步滤除地面变形点，使得二次曲面与真实路面最佳契合：

首先计算拟合路面平面基准下高程改正量V：

然后根据高程改正量计算平差模型中观测值单位权中误差α₀：

其中，n为当前路段滤波后路面点云集合中点的个数，必要观测数r＝6；

最后获取高程改正量最大值v_zmax；

重复上述步骤，依次滤除非二次曲面点，直到v_zmax≤2α₀，停止迭代，输出二次曲面模型参数[a b c d e f]；

d5、遍历计算路面点到二次曲面的距离，定义该距离为路面深度信息，生成路面深度信息模型。

Images