[发明专利]一种基于K-Means的道路彩色激光点云中道路标线的提取方法

权利要求书

1.一种基于K-Means的道路彩色激光点云中道路标线的提取方法，包括以下步骤：

1)采集道路大场景彩色激光点云数据，对采集的道路大场景彩色激光点云数据进行属性选取，选取其中的基本属性值纬度对应值X、经度对应值Y、高程对应值Z、R、G、B，并进行数据清洗；

2)对清洗后的彩色激光点云数据，在三维空间对每个点的领域进行搜索，进行高程差过滤，得到点的领域内高程变化较低的点，然后将点投影到XOY平面，在二维平面对每个点进行领域搜索，得到点的二维领域内高程差变化较低的点，即得到了路面彩色点云；

3)对路面彩色点云数据的R、G、B三个属性值分别进行归一化处理；

4)以R、G、B三个属性值为三个空间维度，运用K-Means聚类算法对点云进行聚类，得到道路标线点；

所述步骤4)中对得到的道路彩色点云进行K-Means聚类算法如下：

(1)随机选取k个聚类质心点为ρ₁,ρ₂,…,ρ_k∈Rⁿ；

(2)重复下面的过程直到质心ρ_j的变化差值小于0.000001；

对于每一个样例i，计算其应该属于的类

对于每一个类j，重新计算该类的质心

其中，C⁽ⁱ⁾表示某一类别，x⁽ⁱ⁾＝{rⁱ,gⁱ,bⁱ}为某一个道路点云坐标，p_j＝{r^j,g^j,b^j}为质心坐标，m为某个类中的点的个数。

2.根据权利要求1所述的道路彩色激光点云中道路标线的提取方法，其特征在于，所述步骤1)中数据清洗为删除缺少任意一个属性值的点数据。

3.根据权利要求1所述的道路彩色激光点云中道路标线的提取方法，其特征在于，所述步骤2)中，首先建立点云数据的K-D树三维检索数据结构，加快搜索速度，在三维空间针对点进行K个近邻进行搜索，计算每个邻近点和主点之间的高程差，然后取平均值，计算公式如下：

其中，K为近邻的个数，Z₀为主点的高程值，Z_i为第i个近邻的高程值，difZ为高程差的平均值；

取出difZσ的点之后，将这些点投影到XOY平面，在平面中再找每个点的K'个近邻，计算每个邻近点和主点之间的高程差，然后取平均值，其中，σ为设定系数值，根据道路的平整度设定；

计算公式如下：

其中，K'为在投影平面XOY内近邻的个数，z′₀为投影平面XOY内主点所对应的投影之前的高程值，z′_i为第i个近邻投影之前的高程值，，difZ'为投影平面XOY内K'个邻近点和主点之间的高程差的平均值，取出difZ′σ的点得到道路点。