[发明专利]一种道路激光点云中路面病害自动提取方法

权利要求书

1.一种道路激光点云中路面病害自动提取方法,其特征在于，包括如下步骤：

a.将原始道路点云数据划分为多个小块，每块中含有多个点，并组成一个点集，从点集中选取包含路面病害信息的点作为种子点；

b.基于环形邻域种子点的空间位置，进行有约束的反距离权重插值，对路面内少量缺失的种子点进行插值计算，获得完整的包含路面病害信息的所有种子点；

c.针对整体路面内有较多噪点的情况，对步骤b局部区域所有种子点的高程值进行直方图统计，过滤掉种子点异常高程值；

d.对上述步骤c获取的种子点进行栅格化，以种子点为中心，寻找8邻域，利用三阶反距离平方权差分的方法，计算垂直方向x和水平方向y上的增量，从而计算出中心栅格的坡度值；

e.在不损失路面病害信息的前提下，将中心栅格坡度值与邻域比较，进行顾及病害特征约束的中值滤波，进一步消除椒盐噪声；

f.将滤波后的坡度值进行线性归一化，将其变换到0-255之间，生成路面病害特征图像；

g.在路面病害特征图像中，按每个车道设置移动窗口，在每一块窗口内对灰度值的分布情况进行统计分析，当所取的分割阈值K使前景和背景之间的类间方差最大时就意味着错分概率最小，从而找出最适灰度阈值K，将路面病害特征图像分成背景和路面病害两部分；具体方法包括以下步骤：

g1.在路面病害特征图像中，按每个车道宽设置移动窗口大小,窗口大小等于车宽*车宽，在每一块窗口内统计像素值及每个像素值出现的概率；

假设该窗口内有L个灰度级[1，2，...，L]，灰度级为i的像素点的个数为n_i，那么总的像素点个数就应该为N＝n₁+n₂+…+n_L，则灰度级为i的像素点概率分布式为：

p_i＝n_i/N

g2.假设灰度级K为该窗口内前景与背景的分割阈值，分别统计前景和背景中所有像素值的总概率，计算前景和背景之间的类间方差σ²；其中：

前景的像素点数总概率分布ω₀为：

平均灰度μ₀为：

同理，背景的像素点数总概率分布为ω₁＝1-ω₀，平均灰度为μ₁，则图像的总平均灰度μ为：

μ＝ω₀×μ₀+ω1×μ₁

由此可计算出前景和背景图象的方差σ²为：

g3.当前景和背景之间的类间方差σ²最大时，就说明构成图像的两个部分之间的差别最大，此时K为最适灰度阈值，以此将该窗口分成路面病害和背景两部分，移动窗口，遍历整幅特征图像，最终提取出该路面内所有的病害特征；

h.分析路面病害的邻域分布特征，以邻域关系作为约束，进行形态学去噪；

i.最后对路面病害进行聚类生长，去除面积过小的病害和孔洞，计算每块病害的面积和深度，生成可编辑的路面病害矢量要素成果，完成对路面病害的自动化提取。

2.如权利要求1所述的道路激光点云中路面病害自动提取方法,其特征在于，在步骤a选取种子点的时候，先选取点云数据中高程最小的点，其次为点集高程中值，作为路面种子点。

3.如权利要求1所述的道路激光点云中路面病害自动提取方法,其特征在于，步骤b中，利用环形邻域约束的反距离权重插值方法获取包含路面病害信息的所有种子点的步骤如下：

b1.获取步骤a中选取的路面种子点，路面种子点有部分缺失；

b2.根据缺失的种子点，遍历其环形邻域，若邻域内存在种子点，则统计该邻域内所有种子点在x、y、z方向上的坐标值，计算出均值，将计算出的环形邻域内每个邻域均值作为缺失种子点的参考点信息，其中x、y、z方向分别指垂直方向、水平方向和高程方向；

b3.计算其每个邻域内参考点与缺失种子点的距离d_i，根据距离计算每个参考点所占的权重λ_i：

式中：n代表参考点的个数；

最后根据反距离权重计算公式，将缺失的种子点高程插值出来，高程插值计算公式为：