[发明专利]基于车载激光扫描数据的路坎点自动提取及矢量化方法

说明书

技术领域

本发明属于激光扫描数据智能化技术领域，更具体地，涉及一种基于车载激光扫描数据的路坎点自动提取及矢量化方法。

背景技术

道路边界信息是基础地理信息的重要组成部分之一，准确、高精度的道路信息对于城市规划、交通控制以及应急响应等具有重要的作用(杨必胜，2013)。同时，道路边界也是无人驾驶车辆进行自主导航的一个重要信息，它将道路区域与周围环境进行区分，为无人车提供道路的可行区域。基于光学影像的半自动或自动提取道路信息一直是摄影测量与遥感领域研究的热点。但是基于光学影像的道路提取结果受图像分辨率、光照、天气等影响严重，并且很难获得准确的三维边界信息。

车载激光扫描系统可以在高速移动的情况下，获取道路以及道路两侧建筑物、树木等地物表面的三维激光点云，为道路测量和检测提供了一种全新的技术手段。Jakkola(2008)将激光扫描数据生成高程特征图像，然后通过设定一个全局的高程阈值来提取道路的路坎点，最后利用不规则三角网来进行路面模型的构建。刘梓(2011)根据道路区域与非路面区域之间存在的高度跳变的特性，首先提取道路的可通行区域，然后把得到的障碍网格图利用线性鉴别分析(LDA)的分类的思想划分出最佳的左右非路面区域，进而在路面区域和非路面区域的相交位置提取道路的路坎点。谭宝成(2015)依据道路区域与非路面区域存在的高度跳变的特性，首先分别出道路区域和非路面区域，并在道路区域和非路面区域的相交位置提取初始的边界点，然后利用阈值处理和均值滤波的方法精化初始的边界点，最后利用线性分析拟合得到道路的边界信息。方丽娜(2013)提出一种适用于复杂道路环境的道路路坎自动提取方法。该方法首先通过高程滤波来提取地面点云；然后采用路坎模型匹配的方法提取初始的路坎点；最后制定了一系列的规则对初始的路坎点进行跟踪和优化。

总体而言，从大范围激光扫描数据中快速、准确地提取道路的路坎点仍然存在问题：(1)受噪声、点密度变化、遮挡等因素影响严重，导致道路路坎提取的精度较低；(2)只适用于城区、高速、国道等某一场景下的道路路坎提取，缺乏广泛的适用性，在实际生产中自动化程度低等。

发明内容

本发明的目的是提供一种提取精度更高的基于车载激光扫描数据的路坎点自动提取及矢量化方法。

为达到上述目的，本发明采用如下技术方案：

一、基于车载激光扫描数据的路坎点自动提取及矢量化方法，包括：

步骤1，计算三维激光点云数据中各激光脚点的特征，具体为：

获取激光脚点pt的大尺度球形邻域点集NP_small和小尺度球形邻域点集NP_large；

对NP_small和NP_large中各激光脚点分别进行主成分分析，获得NP_small和NP_large中激光脚点分布的法向量Normal_small、Normal_large；

计算法向量Normal_small和Normal_large的夹角，即pt的多尺度方向差分特征；

分别计算邻域点集NP_small和NP_large中激光脚点的高程分布方差以及最高激光脚点和最低激光脚点的高程差；夹角、高程分布方差及高程差即构成pt的特征；

步骤2，根据各激光脚点的特征，利用朴素贝叶斯分类器将激光脚点分类为路坎点和非路坎点，所得路坎点记为初始路坎点；

步骤3，利用所有初始路坎点构建KD树，对各初始路坎点pt'分别计算其方向特征，具体为：利用KD树搜索pt'的k邻域点，对pt'的邻域点进行主成分分析，得pt'的邻域点分布的主方向，即pt'的方向特征；

步骤4，根据初始路坎点的方向特征，采用KD树对初始路坎点进行聚类；