[发明专利]基于激光扫描离散点强度梯度的道路标线自动化提取方法

说明书

技术领域

本发明属于计算机视觉和激光扫描数据处理的交叉领域，尤其涉及一种基于激光扫描离散点强度梯度的道路标线自动化提取方法。

背景技术

移动激光扫描系统可以自动化的获取道路环境周边的高精度三维坐标信息，已成为一种快速的空间数据获取手段，广泛运用于基础测绘、数字城市建设、交通运输规划等领域。同时，移动激光扫描数据具有数据量大、密度分布不均、场景目标多样(建筑物、道路、树木、车辆、交通标志牌、交通信号灯等)、细节结构丰富等特点。作为三维道路模型的重要部分，路面标线具有丰富的语义信息，为自动化驾驶、辅助驾驶提供了丰富的道路信息。但是，激光点云强度受到：1)扫描对象材质、2)扫描角度、以及3)扫描中心距离的影响。同时，目前市场上的激光扫描仪均没有对强度进行标定，其噪声较大。上述特点均对自动化提取标线提出了重大挑战。因此，自动化地从移动激光扫描数据中提取道路标线是自动化道路环境建模的难点。

目前从移动激光扫描数据中自动化提取道路标线的方法主要包括：全局阈值法、局部阈值法、距离阈值法和图像转换法四类。全局阈值方面，Thuy(2010)在路面点上应用Otsu算法取得最大类间方差、最小类内方差的全局阈值来区分路面点与标线点。局部阈值法方面，Guan((2015)首先根据点密度的高斯分布，按照三倍方差的标准将路面划分为三块；然后，在每一块上应用Otsu算法进行阈值分割。Yu((2015)按照车道标准将点云划分为不同车道，然后在不同车道上应用Otsu算法女性阈值分割。距离阈值法方面，Yang and Fang(2012)对强度按照离车道中心的距离进行加权，获取不同加权值下的阈值，得到了反距离加权的强度阈值，对标线进行划分。Kumar(2015)假定强度阈值与离扫描中心的线性关系，然后通过实验确定了该线性关系中的参数值。图像转换法方面，Velt(2008)首先生成了路面的强度图像，然后利用canny算子等边缘提取算法，提取得到了路面标线。从激光点云中提取标线主要是基于标线的高反射性。但是，点的反射强度不仅跟材质有关还与扫描距离角度有关。因此，全局阈值法在强度受到距离干扰影响较大的情形下很容易失效。而局部阈值法的难点在于确定一个可以使用单一阈值的局部大小。上述方法给出了一些确定局部的方法，但是这些方法在噪声影响下很容易失效导致不稳健。距离与阈值的关系不是简单的反距离加权或者线性关系，因此，上述方法的距离阈值模型都相对简单不能解决通用的问题。而图像转换法，利用图像处理的方法提取标线，这样会在转换的过程中丢失精度。

总体而言，从移动激光扫描数据中快速、准确地提取标线仍然存在：1)强度特征信息对点密度变化、噪声等影响比较敏感，导致标线提取精度较低；2)强度信息受到的距离干扰过于严重时，目前的提取方法均失效；3)没有利用标线的几何信息而仅仅利用了标线的强度信息，使得对于强度信息较差的数据无法自动化处理。

发明内容

本发明的目的是提供一种基于激光扫描离散点强度梯度的道路标线自动化提取方法。

为达到上述目的，本发明采用如下技术方案：

基于激光扫描离散点强度梯度的道路标线自动化提取方法，包括步骤：

步骤1，利用高程信息从激光点云中提取地面点，采用RANSAC法对地面点进行拟合，获得路面点集；

步骤2，采用中值滤波器对路面点集中路面点进行滤波；

步骤3，分别计算路面点集内各路面点的强度梯度，具体为：

对各路面点分别进行：

利用KD树搜索当前路面点的k邻域点，分别计算当前路面点到各邻域点的强度方向导数；根据强度方向导数和强度梯度的关系，采用最小二乘法估计当前路面点的强度梯度；

步骤4，根据路面点的强度梯度，采用全局聚类法将路面点集内路面点聚类为强度梯度较大和强度梯度较小的两类路面点，将强度梯度较大的路面点作为种子点；

步骤5，对各种子点分别进行如下：对当前种子点P'，找出同时满足如下条件的其他种子点P_o，P以及P到P_o上的所有路面点即标线点；所述的条件为：①P_o位于P'的强度梯度方向上；②P_o与P'的距离在预设的标线宽度范围内；③P_o与P'的强度梯度方向相反。

步骤1具体为：

步骤1.1，对激光点云进行二维格网划分，对各格网分别进行：记录格网的最低高程，将格网中与最低高程的高程差不大于高程阈值的激光点标记为地面点；高程阈值为经过验证的经验值；