[发明专利]一种道路标线点云半自动化提取与语义识别方法

说明书

本发明公开了一种道路标线点云半自动化提取与语义识别方法，涉及激光点云技术领域，选用泰勒插值多项式模型的点云基于距离的强度修正，使同一材料的表面反射强度趋于相同，基于动态阈值法将道路交通标线点云提取，将道路标线从道路中分离出来，基于最小外接矩形及形状，对同一类别的标线点云聚类，求取各个点云簇的最小外接矩形，根据《道路交通标志和标线·第3部分：道路交通标线》中的先验知识对点云簇进行语义识别，标记标线对象信息；该方法可以从点云数据中识别出标线并将其识别为六种不同标线类型，所识别出的道路标线信息可为交通安全管控提供依据和支撑，为辅助驾驶及自动驾驶提供服务。

技术领域

本发明涉及激光点云技术领域，特别是涉及一种道路标线点云半自动化提取与语义识别方法。

背景技术

近年来，车载LiDAR扫描技术被广泛应用于城市建模、高清地图以及无人驾驶等多个领域中，激光扫描数据中具有极为丰富的信息，包括目标表面的离散三维点的坐标、强度信息、回波信息以及颜色信息等，基于以上信息可以开展道路要素分割、目标提取及识别等多种极具意义的工作，但目前国内外对于道路点云数据的处理技术尚不成熟，现有的算法和理论都存在一定的局限性。

道路标线不仅在交通引导和约束中发挥着重要的作用，也是高精度地图的重要组成部分，道路标线的数字化可以有效提高路网通行效率，保障交通安全，同时为自动驾驶的发展提供有力支撑，是道路基础设施数字化、交通安全管理、无人驾驶等很多面向未来的应用的重要基础数据；在车载LiDAR扫描系统获取到的道路及周围环境信息中，由于道路与标线距离、密度等三维信息均相近，所以通过点云的三维数据无法将标线从道路点云中提取出来。

发明内容

为了解决以上技术问题，本发明提供一种道路标线点云半自动化提取与语义识别方法，包括以下步骤

S1、输入道路点云；

S2、采用泰勒插值多项式模型对点云数据进行基于距离的强度修正；

S3、基于动态阈值法将道路交通标线点云提取：将道路点云先进行栅格化处理，生成点云的强度特征图像；在划分区域后的点云中根据各部分的差异计算阈值；对于道路与标线混合区域利用OTSU算法进行分割，将道路标线从道路中分离出来，从而得到道路交通标线点云；

S4、基于欧几里得距离将标线点云按点间分成不同的点簇，使用最小外接矩形的方法，进行不同点簇的形状判别；

S5、基于先验知识，根据道路标线段的几何特征进行分类，对点云簇进行语义识别，标记标线对象信息。

本发明进一步限定的技术方案是：

进一步的，步骤S2中，采用泰勒插值多项式模型对点云数据进行基于距离的强度修正，

其中，c_i表示泰勒多项式系数，n表示最高阶数，Rⁱ表示f(R)的i阶导数。

前所述的一种道路标线点云半自动化提取与语义识别方法，泰勒多项式系数c_i的获得方法包括以下步骤

S2.1、手动提取只包含一种材质的目标点云数据集，得到数据量为n+1的点云数据集；

S2.2、结合激光扫描仪在行驶过程中保留的车辆轨迹数据与扫描仪高度，得到点云数据集中各点到扫描仪的距离；

S2.3、利用点云数据集中各点到扫描仪的距离拟合得到泰勒多项式的系数c_i。

前所述的一种道路标线点云半自动化提取与语义识别方法，步骤S2中，采用改进的比值法进行强度修正,对于所有点，采用下式的比值法计算修正后的强度值,