[发明专利]一种基于矩形邻域分析的道路数据提取方法

权利要求书

1.一种基于矩形邻域分析的道路数据提取方法，其特征在于其包括：

第一步：数据预处理，计算点云间距，建立规则网格组织，然后采用基于规则网格的快速数学形态学滤波方法进行滤波，剔除非地面点；

第二步：筛选道路候选点，初步确定道路点集，缩小判断范围，对每个点搜索其邻域范围内的点，并比较其高程值，若都在阈值范围内，则作为道路候选点；

第三步：提取道路中心线，剔除平坦地域点集，对每个道路候选点，计算不同方位角的矩形范围内高程方差值，根据方差值间的差异判断当前点是否为道路中心点；

第四步：道路连接，对间断的道路进行连接，平滑；

其中所述第一步包括:

(1)首先读取点云数据范围(x_min，x_max，y_min，y_max)，统计点的数量pt_num；

(2)计算点云间距：

(3)根据点云间距pt_dis和计算需要，建立覆盖点云范围

(x_min，x_max，y_min，y_max)的规则网格；

(4)根据点的坐标将机载LiDAR数据分配到各个网格中，

GridNum＝XAxisNum*YAxisNum (公式3)

XAxisNum、YAxisNum为x、y方向的网格数，GridNum为网格总数；

机载LiDAR数据中的任意一点p_i(x_i,y_i)所在的网格为：

其中X_i为p_i所在的X方向网格数、Y_i为p_i在的Y方向网格数、G_i为p_i所在的一维数组记录的网格数；

对机载LiDAR数据进行非地面滤波，保留包含道路点在内的地面点数据，以规则网格为单元的数学形态学滤波，网格腐蚀结果为w×w网格内的最小高程值，膨胀结果为w×w网格内最大高程值，其中w代表窗口的大小，并进行公式5的运算：

其中A代表目标集合，B代表结构元素，AΘB表示腐蚀，表示膨胀，式中z_i′和z_i″分别为网格单元腐蚀和膨胀后的高程值，Grid_i(z_min)为网格内高程最小值；

所述第一步进一步包括:

(1)由网格间距计算网格数量，并为网格分配内存空间，将点逐个按平面坐标存储到相应的网格单元中，同时与该网格单元中已保存的最小高程值进行比较，记录比较后的最小高程值；

(2)遍历每个网格，比较周围w×w个网格内最小高程值，采用公式5的第一个公式，取最小值为当前网格腐蚀后的高程值，并将该网格最大高程值设为腐蚀后的高程值；

(3)遍历每个网格，比较周围w×w个网格内腐蚀高程值，采用公式5的第二个公式，取最大值为当前网格膨胀后的高程值，并将该网格最小高程值设为膨胀后的高程值；

(4)遍历每个网格，求取网格内每个点高程值与膨胀后的高程值之差，当其绝对值小于设定阈值时，该点为地面点，否则为非地面点；

所述第二步包括:

(1)针对每个点p_i(x_i,y_i)由公式4计算其所在网格；

(2)计算搜索半径，

(3)设点p_i(x_i,y_i)的矩形邻域内的点集为P_{i_near}＝{p_j(x_j，y_j)|x_j∈(x_i-r，x_i+r)，y_j∈(y_i-r，y_i+r)}(其中j是点的点号或者说是下标，并与当前点p_i相区别)，由此以当前点p_i为中心，搜索周围网格内的点集P_{i_near}；

(4)计算P_{i_near}中每个点与p_i(x_i,y_i)的高程差绝对值之和∑H_i，若∑H_i小于阈值，则当前点为道路候选点；

z_j是P_{i_near}中第j个点的高程值，z_i是p_i(x_i,y_i)的高程值，n为P_{i_near}的总点数；

(5)重复以上步骤，直至完成对所有点的判断，且将保留的道路候选点集为P_c。