[发明专利]一种基于多模型拟合的车载LIDAR道路边线提取方法

说明书

本发明提供一种基于多模型拟合的车载LIDAR道路边线提取方法，包括以下过程：包括以下过程：拟合得到扫描线直线段模型Lsubgt;i/subgt;；利用扫描线直线段模型Lsubgt;i/subgt;中直线段的空间拓扑和几何特征提取道路扫描线数据SPsubgt;i/subgt;上的扫描线边界点集合Psubgt;i/subgt;，重复本步骤得到道路边界点集合P；假设道路边线包括直线和圆曲线，经过计算生成道路边界点的初始模型集合L；将初始模型集合L中的直线和圆曲线作为初始模型，对道路边界点进行多模型拟合和优化，得到道路边线模型；计算道路边线模型集合中相交直线或圆曲线的交点，得到矢量化的道路边界。采用本发明，可快速、稳健地得到精细化的道路矢量边线，在三维导航、无人驾驶等智能交通应用领域中具有重要应用价值。

技术领域

本发明属于地理信息系统技术与智能交通领域，具体属于一种基于多模型拟合的车载LIDAR道路边线提取方法。

背景技术

以矢量边线为主的道路信息是交通基础地理信息的重要组成，准确、可靠的道路边线信息对道路改扩建工程、无人驾驶汽车、交通规划与道路安全等具有重要价值与意义。车载激光探测与测量(LIDAR)技术依靠激光测距原理，可以快速、安全地获取道路表面密集采样点的高精度三维坐标信息，为大范围、经常性的道路信息生产提供了一种准确而可靠的自动化手段。当前基于车载LIDAR道路信息提取方法主要分为两大类：基于道路区域特征的方式和基于道路边界特征的方式。第一类是从道路激光点云的平面几何特征出发，利用点云分类、区域增长和模型拟合等方式识别出路面区域，进而提取路面边界信息作为道路边线；第二类是从道路边界点云的空间分布和统计特征出发，假设道路边界存在路缘石等指示物，利用阈值分割和数据聚类等方式提取出高程跃迁、坡度或密度变化点作为道路边界。然而，道路场景目标多样、形态结构复杂，且受噪声、点云密度变化和数据遮挡等因素的影响，基于道路区域特征的方式难以提取出完整和可靠的路面区域信息；而基于道路边界特征的方式受部分道路场景边界特征不明显(如平缘石路段)或其它特征相似目标(如车辆轮胎)的影响，也往往容易检测失败。

总体而言，受道路场景目标复杂与数据不完备的影响，从车载LIDAR数据中准确、高效地提取出道路边线信息仍然存在问题。近几十年来道路提取方面的研究成果表明：模型形状先验可以提高道路目标解译的准确性和可靠性。道路边线内在的几何模型对准确、高效地提取出道路矢量信息具有重要指导意义。目前，如何利用道路边线的几何先验模型来提高道路边线提取的准确性和鲁棒性的方法还是相当稀缺的。

发明内容

为了解决现有技术中存在的问题，本发明提供一种基于多模型拟合的车载LIDAR道路边线提取方法，解决目前如何实现利用道路边线的几何先验模型来提高道路边线提取的准确性和鲁棒性的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多模型拟合的车载LIDAR道路边线提取方法，包括以下过程：拟合得到扫描线直线段模型L_i；利用扫描线直线段模型L_i中直线段的空间拓扑和几何特征提取道路扫描线数据SP_i上的扫描线边界点集合P_i，重复本步骤得到道路边界点集合P；假设道路边线包括直线和圆曲线，经过计算生成道路边界点的初始模型集合L；将初始模型集合L中的直线和圆曲线作为初始模型，对道路边界点进行多模型拟合和优化，得到道路边线模型；计算道路边线模型集合中相交直线或圆曲线的交点，得到矢量化的道路边界。

进一步的，所述扫描线直线段模型L_i，通过道路扫描线数据SP_i进行直线模型拟合得到。

进一步的，所述道路扫描线数据SP_i的获取步骤如下：