[发明专利]基于模板匹配的激光雷达点云地图杆状目标提取方法

说明书

本发明提供的基于模板匹配的激光雷达点云地图杆状目标提取方法，包括以下步骤：将场景点云根据平面坐标划分到栅格内；遍历格网，统计生长范围外框点云数量，计算其占总点云数的百分比，小于1％视作生长终止，反之按上一步中平面栅格生长的步骤，然后执行下一步；在垂直方向上将点云切片，划分为不同区域，求解相邻切片的外接圆半径差，大于7cm则视为找到候选杆部，反之继续步骤中栅格增长；根据以上步骤得到的点云，判断其长度及半径是否符合设定值，保留作为候选杆部；基于体素的模板匹配方法识别路灯和电线杆；采用主成分分析法识别指示牌；利用栅格覆盖率以及区域占有度检测乔木；针对不同杆状目标采用不同的识别方法，提高提取效率。

【技术领域】

本发明涉及点云地图的技术领域，尤其是基于模板匹配的激光雷达点云地图杆状目标提取方法。

【背景技术】

城市建模、精细化城市管理已经成为近些年来的研究热点，针对城市设施的语义提取系统能够为城市建模及城市管理提供重要支撑。但在城市道路场景中，存在着大量的乔木、路灯等柱状地物，这就导致目标语义提取以及属性计算的过程中，需要耗费大量的劳动力和时间成本，因此，一套完备的城市道路部件语义测绘系统显得格外重要。

然而，如今传统的测绘手段，多为大型地面车载和地面架站等方式。这种测绘方法成本高、灵活性欠佳；例如，通过地面架站采用单点扫描的方式获取数据，容易受到天气、地形等因素的制约，且测绘效率不高。

同时，在杆状物提取方面，由于其具有相对显著的几何特征，因此现有算法侧重于从点云几何形状特点入手，具体分为基于密度的提取方法、基于三维体素的提取方法、基于垂直切片的分割方法。基于密度的提取方法，是将点云投影到二维栅格平面，通过统计栅格内点云密度大的区域来定位杆部；基于三维体素的提取方法，是将体素作为点云划分单位，分析特征值之间的相互数学关系作为平面度与圆柱性的判别条件，计算每个体素的维度，将其赋予线性、平面性、球性的语义标签，该方法缺点在于对每个体素进行特征计算，处理过程比较耗时。

基于垂直切片的分割方法，首先是在垂直方向上以1米的宽度将点云划分为切片，随之利用欧式聚类的方法初步分割点云，剔除离群部分；其次，通过计算每个聚类的水平投影面积与垂直高度，保留得到候选杆状物；该方法虽然避免了对每个点云进行特征求解，然而欧式聚类的过程中仍然提高了运算时间成本。

另外，在杆状物识别方面，目前采用的技术方案包括PCA主成分分析方法和分类器检测方法；PCA主成分分析方法，是通过取出杆状物上端的点云数据，再结合主成分分析法，从点云分布方面区分树冠、指示牌以及路灯；分类器检测方法，是统计每个杆状目标显著的几何特征，例如线性、平面性、球性点云的个数以及目标高度，利用SVM支持向量机等分类器识别杆状物；然而，分类器检测方法中的算法高度依赖目标聚类的完整性，由于真实场景的地物复杂性，聚类过程中往往会纳入附着物，继而在特征计算的过程中产生干扰，影响机器学习分类的准确率。

因此，如何利用低成本便携的移动测图平台获取数据，并实现杆状地物的识别对于城市设施的精细化管理极为重要。

【发明内容】

本发明提供基于模板匹配的激光雷达点云地图杆状目标提取方法，基于栅格增长的杆部定位方法来快速锁定场景内的候选柱状物、具有较高的召回率，基于体素的模板匹配方法快速准确地识别路灯与电线杆，利用PCA主成分分析来有效地识别场景中绝大部分指示牌、同时剔除了建筑边界对提取精度带来的干扰，以及根据栅格覆盖率以及区域占有度来剔除杆部点云、只保留上端树冠部分来识别乔木。

为达到上述明目的，采用的技术方案如下：

基于模板匹配的激光雷达点云地图杆状目标提取方法，由机器人和激光雷达组成的移动测图平台来构建点云地图，包括以下步骤：

一、杆状候选目标提取

步骤S401，首先，将场景点云根据平面坐标划分到栅格内；