[发明专利]基于车载三维点云的道路标志线自动分类与矢量化方法

权利要求书

1.一种基于车载三维点云的道路标志线自动分类与矢量化方法，其特征在于，包括如下步骤：

S1，利用采集的车载轨迹信息并按照定义长度及定义宽度将车载激光点云切割为多块点云；

S2，构建KD树，通过KD树搜索分块点云中各点的邻域点并计算其法向量特征；

S3，构建基于法向量的生长算法，将点云分割为预分割体，对各预分割体进行特征提取，通过构建预分割体的特征约束来提取道路路面点；

S4，构建基于点云强度特征的生长算法，在道路路面点中提取道路标志线；

S5，构建道路标志线模板，按照模板对道路标志线进行分类并矢量化。

2.根据权利要求1中所述的基于车载三维点云的道路标志线自动分类与矢量化方法，其特征在于，步骤S2的具体过程包括：

S101，按照定义长度对车载轨迹进行分段，并构建轨迹曲线；

S102，沿轨迹曲线的各轨迹点的法向量方向及其逆方向以定义宽度生长，构建点云分块。

3.根据权利要求2中所述的基于车载三维点云的道路标志线自动分类与矢量化方法，其特征在于，步骤S2中获取各点的法向量特征的具体步骤为：

S201，以KD树搜索点云中各点的K个最邻近点，并构建最邻近点集合；

S202，计算各点的K个最邻近点的协方差矩阵COV，计算公式如下,

；

S203,计算协方差矩阵的法向量，计算公式如下，

；

；

其中，是点云中某个点的最临近点的坐标均值，是的坐标，是的坐标，是的坐标，是点的坐标，是点的坐标，是点的坐标。

4.根据权利要求3中所述的基于车载三维点云的道路标志线自动分类与矢量化方法，其特征在于，步骤S3构建基于法向量的生长算法之前，还包括，S300，对分块点云中的各点进行粗过滤，过滤公式如下，

H_pc ＜；

然后，将符合判别公式的点构建为点集PC；

其中，为车载轨迹点高程，为车载轨迹点的安装高度，为修正值。

5.根据权利要求4中所述的基于车载三维点云的道路标志线自动分类与矢量化方法，其特征在于，步骤S3中基于法向量的生长算法具体过程包括：

S301，创建种子点集合和预分割体，在点集PC中取出一个点作为种子点，将该点添加至种子点集合和预分割体，并对预分割体标记;

S302, 在种子点集合中取出一个点作为种子点，在中删除，并找出点云中的最近邻点；

S303，向种子的最近邻点扩散，若在最近邻点域中存在法向量与种子点法向量的夹角小于10度的点，则将这些点添加到种子点集合和预分割体，并在中删除这些点；

S304,循环执行步骤S302、步骤S303，直至集合为空；

S305,更新预分割体标记，循环执行步骤S301-步骤S305，直至集合PC为空；

S306,输出预分割体集。

6.根据权利要求5中所述的基于车载三维点云的道路标志线自动分类与矢量化方法，其特征在于，步骤S3中判断预分割体类型的具体步骤包括：

S311,提取预分割体的形态特征参数，

S312，将预分割体的形态特征参数代入判别公式，判别公式如下：

其中，为预分割体的长度，W为预分割体的宽度，A为预分割体的面积，H为预分割体的高度变化，N为预分割体的法向量，此处的预分割体指基于法向量的生长算法获得的预分割体；

S313，将符合判别公式的预分割体构建为点云集合。