[发明专利]一种车载激光扫描数据中杆状物自动提取方法及系统

说明书

技术领域

本发明涉及车载激光雷达技术领域，尤其涉及一种车载激光扫描数据中 杆状物自动提取方法及系统。

背景技术

街道场景中的杆状物是指整个形状都是杆状或者包含杆状的部分的街 道物体。其中前一种的杆状物的包括一部分路灯、交通灯等，而后一种杆状 物包括交通标志、树木等。这些杆状物在城市场景中随处可见而且易于识别， 基于这些特点杆状物常被用于很多实际应用中。比如交通灯、交通标志、路 灯、电线杆、树木这些街道物体对城市街道及交通管理、道路可见性分析等 有重要作用，同时杆状物对行人及驾驶导航也具有很重要的现实意义。

在过去二十多年里,移动测量技术的发展促进了很多基于移动测量数据 特别是车载激光扫描数据应用的研究。车载扫描系统通常装载于车子之上， 它相比较于机载激光扫描系统能够采集密度更加高的数据，同时包含丰富的 垂直面上的信息；相比于地面静止激光扫描系统又能够包括更广的采集范 围，并且得益于扫描系统的移动，它也能够避免一些静止激光扫描系统中的 遮挡问题。基于车载激光扫描数据的主要研究包括，街道物体比如道路、树 木、杆、车辆的提取，建筑物的提取及重建以及直接基于整个场景的分割和 分类。最近几年，车载激光扫描数据中的杆状物提取是车载激光扫描数据研 究领域的一个热点。

现有基于车载激光扫描数据杆状物提取的方法可以分为三类，分别是基 于局部几何特征的方法，基于监督分类的方法和基于模型的方法。首先是基 于局部几何特征的方法。其中比较有代表性的是基于局部几何维度特征的方 法。此方法把场景中所有点分类为线，平面，球状点，而杆状物通常是线状 点集和平面状或者球状点的集合这一特征来区分杆，但这一方法的局限性包 括需要训练数据来训练维度数据而且最优半径的计算很费时间，并且这个方 法的精读并不高；其次是基于整个场景的监督分类的方法，场景分类的类别 中包含了杆状物这一类，这类方法的局限性包括需要训练数据导致的费时费 力以及数据适用性不够广；最后一种是一种基于圆柱模型的方法。基于圆柱 模型的方法相交于其他两种方法具有高效、高精度的优点，但是传统基于圆 柱模型方法提起杆状物位置采用了二维密度方法，不能适用于点云密度分布 不均匀的复杂街道场景，同时由于需要手动设置固定的圆柱半径，不适用于 杆状物分布复杂的情景。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种车载 激光扫描数据中杆状物自动提取方法及系统。

本发明解决上述技术问题的技术方案如下：

依据本发明的一个方面，提供了一种车载激光扫描数据中杆状物自动提 取方法，包括如下步骤：

步骤1：通过多个体素对点云中的多个三维点所在空间进行体素化处理， 且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中，其 中，点云由车载激光扫描数据中若干三维点的集合组成；

步骤2：从多个所述体素中提取出地面体素；

步骤3：判断每个所述地面体素是否是杆状物位置点，如果是，则进入 步骤4，否则不做任何处理；

步骤4：根据所述点云与体素的对应关系读取杆状物位置点所在体素对 应的所述点云中的三维点，确定为杆状物所在位置。

依据本发明的另一个方面，提供了一种车载激光扫描数据中杆状物自动 提取系统，包括体素化模块、地面体素提取和主控制模块；所述体素化模块 用于对通过多个体素对点云中的多个三维点所在空间进行体素化处理，且多 个所述三维点按照其所在空间位置分别分布在对应的所述体素中；所述地面 体素提取模块用于从多个所述体素中提取出地面体素；所述主控制模块判断 每个所述地面体素是否是杆状物位置点，如果是，则根据所述点云与体素的 对应关系读取杆状物位置点所在体素对应的所述点云中的三维点，确定为杆 状物所在位置，否则，不是杆状为所在位置。

本发明的有益效果是：本发明的一种车载激光扫描数据中杆状物自动提 取方法及系统，由于基于体素进行处理，效率大大得到提升，同时利用垂直 连续性分析来采集杆状物位置点，解决了点云密度分布不均匀的问题，可以 提取不规则分布情境下的杆状物，精度较高。

附图说明

图1为本发明的一种车载激光扫描数据中杆状物自动提取方法流程示意 图；

图2为本发明的一种车载激光扫描数据中杆状物自动提取系统结构示意 图。

具体实施方式