[发明专利]一种基于车载移动激光点云的路面深度信息模型构建方法

权利要求书

1.一种基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，包括以下步骤：

a、划分单车道独立路段，两相邻单车道独立路段的重叠区域为4/5，以单车道独立路段为数据处理单元，进行数据处理；

b、对单车道独立路段进行RANSAC平面拟合，得到拟合平面，以该拟合平面为基准，对路面点云高程归一化，消除路面设计坡度对路面异常发现的影响，同时根据归一化高程为路面点定权以抑制路面低频噪声对于真实路面还原的影响；

c、遍历区域内所有的点，以当前点的邻域为计算单元，采用中值滤波器去除路面奇异点，再计算当前路段点高程信息的频率，用巴特沃斯低通滤波器去除高频信息和全局振动信息，初步还原路面设计状态；

d、构建二次曲面模型，以点到基准平面的欧氏距离平方的反比为当前点的权重，采用迭代的最小二乘法获取二次曲面模型参数的无偏估计值还原路面设计状态真值，提取路面深度信息；

步骤b包括以下子步骤：

b1、根据拟合平面内点数量n1与单车道独立路段点数量n的比值关系和成功率p计算迭代次数：

其中，以百分比的形式交互输入；p为交互输入的期望成功率，k为达成要求需要的迭代次数估计值；

在单车道独立路段中随机选取三点列方程组求解平面参数，再以该平面为约束计算单车道独立路段中各点到该平面的距离，距离不超过5mm的点认为是平面内点，当平面内点数量与单车道独立路段总点数的比值大于等于交互输入的时，停止迭代，输出该组平面参数作为拟合平面；否则迭代k次，选择最大对应的平面参数作为拟合平面；

b2、从单车道独立路段点云集合中随机取样三个点A(x₁,y₁,z₁)、C(x₂,y₂,z₂)和C(x₃,y₃,z₃)，构建方程组，求解平面模型：

令则上述方程组改写为：

联立方程组求解平面模型，得：

ax+by+cz+1＝0

以该平面为约束，遍历计算单车道独立路段内各点到该平面的距离，对点云高程归一化，并以此作为点云相对高程；

点到平面的距离计算方法如下：

其中x、y、z为任一路面点的三维坐标，dis为路面点到拟合路面平面的距离，即为以拟合平面为基准的高程信息；

b3、根据路面点到拟合路面平面的距离dis为二次曲面参数的最小二乘求解模型定权，具体为：

采用反距离权重法降低远离路面估计平面的点的影响，则第i个点的权重p_i为：

权矩阵P为：

dis_i表示第i个点到拟合路面平面的距离，即第i个点以拟合平面为基准的高程信息。

2.根据权利要求1所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤a中，单车道独立路段划分方式为：在单车道行车方向上，划分为若干份，每5份为一个单车道独立路段，相邻两单车道独立路段重叠区域为4/5，其中，每一份的宽度为单车道宽度，为3.5m，每一份的长度与宽度相等。

3.根据权利要求1所述的基于车载移动激光点云的路面深度信息模型构建方法，其特征在于，步骤c包括如下子步骤：

c1、对路面点云进行局域中值滤波，具体为：

采用K-D树算子搜索目标点邻域点集，并约束设置邻域范围为沿道路方向分布的5×3的狭长窗口；

对邻域窗口内15个点由小到大进行排序；

用排序后的15个点的高程中值代替中心点的高程值；

c2、对中值滤波后点云进行全局巴特沃斯低通滤波：

对点云邻域相对高程特征统计分布，计算通过截止频率和最小滤波阶数，建立巴特沃斯低通滤波器，然后通过计算当前位置的低频信号值进行噪声滤波。