[发明专利]基于车载激光点云的非结构化道路边界线自动提取方法

说明书

本发明提供一种基于车载激光点云的非结构化道路边界线自动提取方法，包括扫描线分割，拓扑关系网构建，采用移动窗口法获取地面点，通过K最近邻聚类方法进行分簇，依据点簇中激光点的个数剔除伪地面点簇，获取路面激光点云数据；路面激光点云数据的外轮廓点设定为道路边界线的位置所在，对每条扫描线进行外轮廓边界点提取，取每条扫描线内距离最远的两个地面点，最终获取道路两侧的外轮廓点；进行聚类分析，获取道路左侧轮廓点集及右侧轮廓点集；边界线追踪优化获取最优边界线。本专利直接基于激光点云数据快速实现非结构性道路及道路边界的提取，为非结构化道路边界线自动提取提供了有效的解决方案，提高了道路边界线自动化提取程度。

技术领域

本发明属于测绘地理信息建设领域，特别是涉及到一种基于车载激光点云的非结构化道路边界线自动提取方法。

背景技术

道路边界信息作为当前测绘地理信息建设的重要组成部分之一，其精细、精确、高效、快速的自动提取技术对于无人驾驶、智慧交通、智能导航、三维地图等新技术、新方向、新领域的快速发展至关重要。道路边界线自动提取包括两种，第一种为结构化道路边界线的自动提取，第二种为非结构化道路边界线的自动提取。针对第一种道路边界线的自动提取，直接将结构化道路自身所有的路缘石或马路牙子作为边界线的附属位置，将道路边界线提取转换为道路路缘石的自动提取即可获取道路边界线的三维信息，目前已有研究者提出相关的提取算法。但是针对第二种道路边界线的自动提取则较困难，因为非结构化道路边界不存在路缘石或马路牙子，道路两侧为戈壁、土地、或草地，没有明显的道路边界附属物可供参考，例如乡村道路，故第二种道路边界线的自动提取具有一定的挑战性，也是当前道路边界线提取的难点所在。

针对非结构道路边界线的自动提取，本专利基于移动测量系统所获取的激光点云来实现道路边界线的自动提取。基于激光点云数据进行道路边界线的自动提取包括两类方法，一种方法为点云转换为特征图像，基于图像处理的一些方法来实现道路边界线的自动提取，另一种为直接基于激光点云数据进行道路边界线的自动提取。目前针对绝大多数道路边界线的自动提取均是基于结构性道路，尤其是规则化的城市道路，对于结构化道路边界线的提取一般采用斜率、点云密度、高差、坡度等参数即可实现。但针对非结构道路边界线的自动提取，Pankaj Kumar等人通过将激光点云转换为特征图像采用参数化主动轮廓模型及图像处理等方法进行提取，基于坡度、脉冲宽度、反射强度等参数实现道路两侧为草地的非结构化道路边界线的自动提取，并且乡村道路的提取结果的准确率较低。基于点云转换的特征图像进行提取的方法精度有损耗，因为在三维点云转换成二维图像的过程中，不可避免的存在数据内插，内插过程直接导致了数据精度的损耗及降低。目前还没有实现直接采用激光点云数据进行非结构化道路边界线的自动提取。

发明内容

本发明基于现有技术缺陷，实现了一种基于车载激光点云的非结构化道路边界线自动提取方法。

本发明提供的技术方案是一种基于车载激光点云的非结构化道路边界线自动提取方法，包括以下步骤：

步骤1，扫描线分割，包括将外业采集获取的激光点云数据依据相邻点间的角度差值或者GPS时间差值分割扫描线；

步骤2，拓扑关系网构建，包括基于分割之后的扫描线，对激光点集构建最近邻的拓扑关系网；

步骤3，采用移动窗口法获取地面点，包括采用高程差之和衡量地面粗糙度的衡量标准，获取窗口内每个邻近点与当前激光点的高程差值之和∑，如果∑小于相应预设阈值，并且满足在预定的高程范围之内，则认为当前激光点为地面点，如果大于相应预设阈值，则认为当前激光点为非地面点；

步骤4，聚类分析，包括基于获取的地面点，通过K最近邻聚类方法进行分簇，依据点簇中激光点的个数剔除伪地面点簇，获取路面激光点云数据；

步骤5，外轮廓点获取，包括将路面激光点云数据的外轮廓点设定为道路边界线的位置所在，对每条扫描线进行外轮廓边界点提取，取每条扫描线内距离最远的两个地面点，最终获取道路两侧的外轮廓点；