車載激光彩色點(diǎn)云的道路標(biāo)志線提取方法

高　陽，王留召，李　明

(1. 三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室，北京 100048； 2. 資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048； 3. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048； 4. 北京四維遠(yuǎn)見信息技術(shù)有限公司，北京 100070； 5. 中國(guó)測(cè)繪科學(xué)研究院，北京 100830； 6. 國(guó)家基礎(chǔ)地理信息中心，北京 100830)

?

車載激光彩色點(diǎn)云的道路標(biāo)志線提取方法

高陽1，2，3，4，王留召4,5，李明6

(1. 三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室，北京 100048； 2. 資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048； 3. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048； 4. 北京四維遠(yuǎn)見信息技術(shù)有限公司，北京 100070； 5. 中國(guó)測(cè)繪科學(xué)研究院，北京 100830； 6. 國(guó)家基礎(chǔ)地理信息中心，北京 100830)

Study on the Extraction Methods of Road Signs Based on Vehicular Color Laser Point Cloud

GAO Yang，WANG Liuzhao，LI Ming

摘要：以車載激光掃描點(diǎn)云數(shù)據(jù)為研究對(duì)象，提取了車載激光掃描系統(tǒng)獲取的路面道路標(biāo)志信息；利用點(diǎn)云數(shù)據(jù)的坐標(biāo)、RGB、強(qiáng)度等屬性信息，提出了一種適用于城區(qū)街道道路標(biāo)志線的自動(dòng)提取方法流程；提出了點(diǎn)云高差法、灰度差值法、強(qiáng)度差值法和動(dòng)態(tài)網(wǎng)格密度法配合使用解決問題，實(shí)現(xiàn)了目標(biāo)物的提取。通過SSW激光建模測(cè)量車掃描的多個(gè)路段的點(diǎn)云數(shù)據(jù)試驗(yàn)，道路標(biāo)志線點(diǎn)云的提取成功率達(dá)到90%以上，達(dá)到了算法的預(yù)期目標(biāo)，具有較高的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：車載LiDAR；點(diǎn)云數(shù)據(jù)；地面標(biāo)志物自動(dòng)提取;灰度差值；掃描強(qiáng)度

在智慧城市的建設(shè)中，道路信息的獲取占據(jù)重要地位，同時(shí)也是基礎(chǔ)地理信息的組成部分，準(zhǔn)確豐富的道路信息對(duì)于城市規(guī)劃及交通管理等具有十分重要的作用，同時(shí)，清晰的路面標(biāo)志物也可以大大方便人們的生活[1-4]。對(duì)于道路信息和建筑物屋頂?shù)奶崛。瑱C(jī)載激光掃描數(shù)據(jù)的處理技術(shù)已經(jīng)比較成熟[5-8]，但是對(duì)于路面標(biāo)志線信息的提取，由于精度、紋理提取困難等問題，不能解決道路路面標(biāo)志物提取的問題。以車輛為載體，配備激光掃描儀、IMU、GPS、里程計(jì)、面陣相機(jī)、電動(dòng)轉(zhuǎn)臺(tái)及供電和控制系統(tǒng)的車載移動(dòng)激光掃描建模測(cè)量系統(tǒng)成為智慧城市建設(shè)基礎(chǔ)數(shù)據(jù)采集的重要手段，在極大程度上彌補(bǔ)了機(jī)載測(cè)量的不足。因此，研究車載激光點(diǎn)云數(shù)據(jù)的道路標(biāo)志線信息提取方法對(duì)于智慧城市的推廣和發(fā)展具有重要的理論價(jià)值和實(shí)際意義，也為以后的三維城市建模導(dǎo)航打下一定的基礎(chǔ)。

近年來，在車載激光掃描數(shù)據(jù)處理方面，針對(duì)點(diǎn)云分類[9-12]、道路信息提取[13-15]及建筑物立面信息提取[16-18]等技術(shù)的研究較多，但對(duì)于道路路面標(biāo)志物提取的研究卻較少。方莉娜等[19]通過歸納3種路坎類型，并用高程、點(diǎn)密度和坡度3個(gè)指標(biāo)構(gòu)建路坎模型，分析掃描線上激光點(diǎn)云的空間分布和統(tǒng)計(jì)特征提取道路信息。Aleksey B等[20]通過近似的地圖道路網(wǎng)絡(luò)形式給出二維交叉連接圖，在既定的路線上逐步生長(zhǎng)產(chǎn)生路線圖，實(shí)現(xiàn)道路信息的大規(guī)模提取。Hernandez J等[21]使用較平坦地面算法和相鄰區(qū)域高度差值來確定相應(yīng)的路面邊界。但以上文獻(xiàn)都因算法對(duì)象和精度問題，未能進(jìn)行針對(duì)路面標(biāo)志線的提取。楊必勝等[22]利用點(diǎn)云坐標(biāo)特征篩選點(diǎn)云，再利用激光掃描強(qiáng)度來區(qū)分目標(biāo)點(diǎn)和其他點(diǎn)，提取道路標(biāo)志。黃磊等[23]在分析強(qiáng)度與距離、角度的關(guān)系后，通過觀測(cè)數(shù)據(jù)結(jié)算進(jìn)行修正，并將其劃分為16個(gè)等級(jí)，通過不同強(qiáng)度級(jí)的限定，得到對(duì)應(yīng)的不同地物目標(biāo)。但是由于激光掃描的強(qiáng)度值與環(huán)境、光線、距離等有較大關(guān)聯(lián)，這種絕對(duì)限定的方法具有一定的局限性。

針對(duì)以上存在的問題，本文通過車載激光點(diǎn)云掃描數(shù)據(jù)的屬性信息，針對(duì)城市道路標(biāo)志線的特殊性信息，提出一種廣泛適用的提取城市道路標(biāo)志線的方法，利用多種計(jì)算方法組合，層層篩選，準(zhǔn)確高效地提取目標(biāo)地物，彌補(bǔ)了以上方法的不足。

一、道路標(biāo)志線的自動(dòng)提取方法

本文針對(duì)道路標(biāo)志線的自動(dòng)提取問題提出了道路標(biāo)志線提取的基本原理和技術(shù)路線，圖1為初步處理后的激光點(diǎn)云數(shù)據(jù)。首先利用移動(dòng)窗口法，找出路面邊界；然后依次通過對(duì)點(diǎn)云高差、相鄰點(diǎn)云灰度差值、動(dòng)態(tài)網(wǎng)格點(diǎn)云密度、激光掃描強(qiáng)度值和強(qiáng)度差值的一系列的層層篩選，基本完成對(duì)目標(biāo)點(diǎn)云的提??；最后根據(jù)局部點(diǎn)云之間的距離實(shí)行聚類歸納，將各個(gè)目標(biāo)分為獨(dú)立的個(gè)體實(shí)例并計(jì)算相應(yīng)數(shù)據(jù)信息(如個(gè)體中心點(diǎn)坐標(biāo)、最大最小X、Y坐標(biāo)等如圖2所示)，根據(jù)相應(yīng)的數(shù)據(jù)信息判斷剔除雜點(diǎn)，得到清晰準(zhǔn)確的路面標(biāo)志線點(diǎn)云。

圖1　路面標(biāo)志線提取方法流程

圖2　坐標(biāo)示意圖

激光點(diǎn)云數(shù)據(jù)具有極大的數(shù)據(jù)量和部分噪點(diǎn)，需要在進(jìn)行計(jì)算提取之前，對(duì)點(diǎn)云數(shù)據(jù)作初步處理。依據(jù)掃描線軌跡和點(diǎn)與局部點(diǎn)云擬合平面的距離差判定，對(duì)測(cè)量過程中的誤差噪點(diǎn)進(jìn)行初步消除，并對(duì)剩余點(diǎn)云進(jìn)行智能抽稀，減少計(jì)算量，為下一步的算法計(jì)算提供更加精煉的數(shù)據(jù)。

1. 基于點(diǎn)云高差法提取路面信息

激光掃描數(shù)據(jù)中每個(gè)點(diǎn)都具有各自的整體坐標(biāo)，由于路面標(biāo)志線都在道路表面，整體坐標(biāo)基本近于路面。因此，首先進(jìn)行點(diǎn)云高差運(yùn)算，并通過限制Z坐標(biāo)的范圍來確定水平高度，去除多余點(diǎn)，得到路面的點(diǎn)云信息。

點(diǎn)云高差法即利用中心點(diǎn)與周圍點(diǎn)Z坐標(biāo)值之間的差值，提取平整的路面信息，從而初步判斷該點(diǎn)是否符合要求。

點(diǎn)云依照激光掃描線排序，單條掃描線近似于直線，多條掃描線組合起來其排列方式近似于方陣排列，因此本文以方陣表示點(diǎn)云分布。由于目標(biāo)點(diǎn)云的不同，采用的點(diǎn)云方陣大小也不相同，如圖3—5所示，3×3、5×5、7×7，經(jīng)過多次試驗(yàn)調(diào)試，確定提取路面標(biāo)志線使用5×5的點(diǎn)云方陣效果最佳，適宜計(jì)算(以后的相鄰點(diǎn)算法皆采取5×5的點(diǎn)云方陣計(jì)算)。利用點(diǎn)云的垂直坐標(biāo)(Z)參與式(1)的計(jì)算，其中，5×5方陣點(diǎn)云的坐標(biāo)分別標(biāo)注為Z0、Z1、Z2、Z3、…、Z24，ZZ為中心點(diǎn)(A0)與周圍各點(diǎn)Z方向的差值(ΔZi)的絕對(duì)值總和，ZZ的值大體說明該中心點(diǎn)與周圍點(diǎn)擬合近似平面的距離差，通過限定ZZ的閾值的最大值就可實(shí)現(xiàn)提取平面的目標(biāo)，再配合移動(dòng)窗口法[19]，即可初步提取路面信息。

圖3　點(diǎn)云3×3方陣

圖4　點(diǎn)云5×5方陣

圖5　點(diǎn)云7×7方陣

(1)

2. 基于灰度差值法提取不同地物邊緣信息

使用黑色調(diào)表示物體即用黑色為基準(zhǔn)色，不同的飽和度的黑色來顯示圖像。在激光掃描點(diǎn)云的屬性信息中包含顏色信息(RGB)，利用不同物體的顏色信息來識(shí)別地物特征。雖然由于激光掃描時(shí)會(huì)受到各種干擾，導(dǎo)致RGB值與環(huán)境、距離等因素有關(guān)，不同的地域也會(huì)導(dǎo)致RGB值不同，不能直接單一利用灰度的數(shù)值進(jìn)行判斷，但是同時(shí)采集的激光掃描數(shù)據(jù)的相對(duì)灰度差值基本穩(wěn)定，不同顏色的物體完全能夠看出其灰度差異。因此，采用灰度差值法提取不同地物的邊緣區(qū)域。

當(dāng)顏色信息發(fā)生變化時(shí)灰度值(Gray=R×0.299+B×0.587+B×0.114)會(huì)有較大改變。采用區(qū)域均值比[24]構(gòu)造差異圖，通過閾值分割差異圖確定變化類，利用單個(gè)像素的信息人工地給出決策閾值。在點(diǎn)云數(shù)據(jù)中，借鑒以上方法，在5×5方陣點(diǎn)云中進(jìn)行局部計(jì)算，算出中心點(diǎn)與周圍點(diǎn)的灰度差ΔG，并將差值的絕對(duì)值求和(Gray)，根據(jù)不同數(shù)據(jù)限定閾值范圍(如式(2)所示)，便于求出不同地物的邊緣線，減少大量不相關(guān)點(diǎn)，從而為下一步的工作提供更加準(zhǔn)確精煉的數(shù)據(jù)。

(2)

3. 基于掃描強(qiáng)度值與強(qiáng)度差值提取道路標(biāo)志線信息

激光掃描儀得到的關(guān)于掃描強(qiáng)度的記錄中，一個(gè)掃描點(diǎn)對(duì)應(yīng)一個(gè)強(qiáng)度值，無法直觀地確定這個(gè)點(diǎn)實(shí)際所處位置、對(duì)應(yīng)物體類型，也就無法判斷整個(gè)目標(biāo)物對(duì)激光的反射能力。激光掃描儀的距離和角度足以獲取物體位置、輪廓等信息，但并不能反映出不同物體反射激光強(qiáng)度值之間的差別，如圖6所示。

如圖7所示，在距離掃描儀較近的點(diǎn)(約5 m內(nèi))，強(qiáng)度值普遍偏大，道路標(biāo)志線的反射強(qiáng)度一般在1700(不同掃描儀的掃描結(jié)果和計(jì)算方式不同，數(shù)值僅代表相對(duì)區(qū)別)以上，而普通路面的反射強(qiáng)度則很少能夠達(dá)到。因此，目標(biāo)地物(道路標(biāo)志線)相對(duì)容易區(qū)分；當(dāng)在5 m以外的時(shí)候，差別就小了很多，很難用數(shù)值的范圍閾值直接找到目標(biāo)，但如果采用臨近點(diǎn)強(qiáng)度差值的判斷方法提取，效果頗為顯著。

圖6　點(diǎn)云強(qiáng)度渲染圖

圖7　掃描強(qiáng)度示意圖

強(qiáng)度差值法與上述兩種方法相似，取5×5點(diǎn)云方陣中個(gè)點(diǎn)的強(qiáng)度值進(jìn)行計(jì)算，如式(3)所示，II為周圍24個(gè)點(diǎn)與中心點(diǎn)強(qiáng)度的差值的絕對(duì)值之和，經(jīng)過調(diào)試，確定在10～325之間較為合適，能夠較清晰地提取出道路標(biāo)志線的輪廓。

(3)

4. 基于動(dòng)態(tài)網(wǎng)格密度法去除雜點(diǎn)干擾

當(dāng)完成以上步驟時(shí)，基本已經(jīng)能夠看出目標(biāo)點(diǎn)云(道路標(biāo)志線)的清晰輪廓了，不過周圍還有一些零星雜點(diǎn)干擾，不利于后面的各項(xiàng)工作，因此，采取動(dòng)態(tài)網(wǎng)格密度法將其去除。

動(dòng)態(tài)網(wǎng)格密度法如圖8所示，以一個(gè)點(diǎn)為中心，以X、Y坐標(biāo)方向?yàn)槠矫娈嫵鲩L(zhǎng)寬為0.4 m的方框，計(jì)算位于方框內(nèi)的點(diǎn)的個(gè)數(shù)(由于經(jīng)過之前的幾種方法，點(diǎn)云基本處于一個(gè)近似的平面中，在Z方向上的差別很小，不會(huì)影響計(jì)算結(jié)果)，以便確定方框內(nèi)的點(diǎn)云稀疏程度，判斷該中心點(diǎn)是否屬于雜點(diǎn)，是否應(yīng)該刪除該點(diǎn)，而后再換其他點(diǎn)做重復(fù)性工作；逐點(diǎn)遍歷計(jì)算，最終得到準(zhǔn)確精練的點(diǎn)云數(shù)據(jù)。由于之前經(jīng)過各個(gè)步驟的篩選，點(diǎn)云數(shù)量已經(jīng)不大，因此，逐點(diǎn)計(jì)算不會(huì)有太大的工作量。

圖8　動(dòng)態(tài)網(wǎng)格密度法

二、試驗(yàn)及分析

1. 試驗(yàn)數(shù)據(jù)

本文采用四維遠(yuǎn)見公司的SSW激光建模測(cè)量車采集的實(shí)際數(shù)據(jù)，如圖9所示，數(shù)據(jù)的掃描范圍大致為2000×300 m，數(shù)據(jù)點(diǎn)數(shù)約有2000萬。掃描數(shù)據(jù)中包含道路、樹木、護(hù)欄、建筑物等，路面為城市路面，較為平坦且地面標(biāo)志線明顯。

圖9　原始點(diǎn)云數(shù)據(jù)

2. 試驗(yàn)結(jié)果

如圖10所示，原始點(diǎn)云經(jīng)過算法流程提取并矢量化可以看出基本完成了道路標(biāo)志線的提取工作，這說明點(diǎn)云高差法、灰度差值法、強(qiáng)度差值和動(dòng)態(tài)網(wǎng)格密度法配合使用，對(duì)于提取道路標(biāo)志線有比較明顯的作用，能夠清晰的提取目標(biāo)，達(dá)到預(yù)期目的。

圖10　點(diǎn)云矢量化結(jié)果

試驗(yàn)結(jié)果表明，點(diǎn)云高差法、灰度差值法、強(qiáng)度差值和動(dòng)態(tài)網(wǎng)格密度法配合使用，對(duì)于提取道路標(biāo)志線有比較明顯的作用，能夠清晰的提取目標(biāo)，達(dá)到預(yù)期目標(biāo)。

3. 試驗(yàn)結(jié)果分析

經(jīng)過以上方法的處理，得到提取后的目標(biāo)點(diǎn)云(道路標(biāo)志線)，去除了大量雜點(diǎn)，道路標(biāo)志線的輪廓清晰明了，實(shí)現(xiàn)了道路標(biāo)志線的自動(dòng)提取，為后面的工作提供了準(zhǔn)確簡(jiǎn)潔的基礎(chǔ)數(shù)據(jù)，大大簡(jiǎn)化了三維建模等后續(xù)工作。

為了評(píng)定信息提取的精度，在3個(gè)文件(600 m路段)中各選定兩個(gè)地物(分道線和指示標(biāo))進(jìn)行了以下指標(biāo)的評(píng)定。

(1) 準(zhǔn)確度(correctness)

式中，X為目標(biāo)中心點(diǎn)X坐標(biāo)；Y為目標(biāo)中心點(diǎn)Y坐標(biāo)。

ΔX=X目標(biāo)中心點(diǎn)坐標(biāo)-X提取結(jié)果對(duì)應(yīng)目標(biāo)中心點(diǎn)坐標(biāo)

ΔY=Y目標(biāo)中心點(diǎn)坐標(biāo)-Y提取結(jié)果對(duì)應(yīng)目標(biāo)中心點(diǎn)坐標(biāo)

(2) 完整度(completeness)

r = S提取結(jié)果面積/S完整數(shù)據(jù)面積

S提取結(jié)果面積=(XMAX-XMIN)×(YMAX-YMIN)

式中，XMAX、XMIN為聚類后個(gè)體實(shí)例的最大最小X坐標(biāo)；YMAX、YMIN為聚類后個(gè)體實(shí)例的最大最小Y坐標(biāo)。

S完整數(shù)據(jù)面積=點(diǎn)云實(shí)際測(cè)量面積

(3) 處理時(shí)間(time)

具體結(jié)果見表1。

表1　數(shù)據(jù)提取結(jié)果精度評(píng)價(jià)

通過表1可以看出，在3個(gè)測(cè)試數(shù)據(jù)中(p,r)兩個(gè)指標(biāo)均超過90%，提取時(shí)間平均為每個(gè)數(shù)據(jù)22.3 s，說明目標(biāo)準(zhǔn)確提取，并且工作效率較高。

三、結(jié)束語

本文以車載激光掃描點(diǎn)云數(shù)據(jù)為研究對(duì)象，利用點(diǎn)云數(shù)據(jù)的坐標(biāo)、RGB、強(qiáng)度等屬性信息，提出了一種適用于街道道路標(biāo)志線的自動(dòng)提取方法流程，并對(duì)其中的關(guān)鍵算法作了詳細(xì)的論述；提出了利用灰度差值法、強(qiáng)度差值法和動(dòng)態(tài)網(wǎng)格密度法配合使用提取道路標(biāo)志線信息，較之現(xiàn)有的道路標(biāo)志線提取方法更能高效地提取準(zhǔn)確完整的道路標(biāo)志線信息。試驗(yàn)結(jié)果表明，該方法提取結(jié)果的準(zhǔn)確率和完整率均達(dá)到了90%以上，達(dá)到了算法的預(yù)期目標(biāo)，為下一步的建模工作打下了良好的基礎(chǔ)，在一定程度上推動(dòng)了數(shù)字城市建設(shè)的腳步。

參考文獻(xiàn)：

[1]ZHOU J,CHENG L,BISCHOF W F. Online Learning with Novelty Detection in Human-guided Road Tracking[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45:3967-3977.

[2]BARSI A,HEIPEK C. Artificial Neural Networks for the Detection of Road Junctions in Aerial Images[J].International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences,2003,34:17-19.

[3]ZHANG C,BALTSAVIAS E,GRUEN A. Knowledge-Based Image Analysis for 3D Road Construction[J].Asian Journal of Geoinformatics,2001,1(4):3-14.

[4]BRAZOHAR M,COOPER D B, Automatic Finding of Main Road in Aerial Image by Using Geometric-Stochastic Models and Estimation[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1996(18):707-721.

[5]SITHOLE G, VOSSELMAN G. Experimental Comparison of Filter Algorithms for Bare-earth Extraction from Airborne Laser Scanning Point Clouds[J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,59(1-2):85-101.

[6]黃先鋒,李卉,王瀟,等.機(jī)載LiDAR數(shù)據(jù)濾波方法評(píng)述[J].測(cè)繪學(xué)報(bào), 2009,38(5):466-469.

[7]隋立春，張熠斌，柳艷，等．基于改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點(diǎn)云數(shù)據(jù)濾波[J].測(cè)繪學(xué)報(bào),2010,39(4):390-396.

[8]程亮，龔健雅.LiDAR輔助下利用超高分辨率影像提取建筑物輪廓方法[J].測(cè)繪學(xué)報(bào), 2008,37(3):391-394.

[9]ZHAO H,SHIBASAKI R. Reconstructing Textured CAD Model of Urban Environment Using Vehicle-borne Laser Range Scanners and Line Cameras[C]∥Lecture Notes In Computer Science International Workshop on Computer Vision Systems Proceeding. New York：Springer Berlin Heidelberg, 2001:284-297.

[10]MANANDHAR D,SHIBASAKI R. Auto-extraction of Urban Features from Vehicle-borne Laser Data[C]∥International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. Ottawa:[s.n],2002.

[11]史文中，李必軍，李清泉．基于投影點(diǎn)密度的車載激光掃描距離圖像分割方法[J].測(cè)繪學(xué)報(bào), 2005,34(2):95-100.

[12]楊必勝，魏征，李清泉，等. 面向車載激光掃描點(diǎn)云快速分類的點(diǎn)云特征圖像生成方法[J]. 測(cè)繪學(xué)報(bào),2010,39(5):540-545.

[13]MANANDHAR D,SHIBASAK R. Auto-extraction of Urban Features from Vehicle-borne Laser Data[C]∥Symposium on Geospatial Theory, Processing and Applications. Ottawa:[s.n],2002.

[14]ABUHADROUS I,AMMOUN S,NASHASHIBI F, et al. Digitizing and 3D Modeling of Urban Environments and Roads Using Vehicle-borne Scanner System[C]∥International Conference on Intelligent Robots and System. Sendai:[s.n],2004.

[15]JAKKOLA A,HYYPPA J,HYYPPA H, et al. Retrieval Algorithms for Road Surface Modeling Using Laser-based Mobile Mapping[J]. Sensors,2008,8:5238-5249.

[16]BECKER S,HAALA N. Combined Feature Extraction for Facade Reconstruction [C]∥Proceedings of the ISPRS Workshop ‘Laser Scanning 2007 and SilviLaser 2007’.Finland:[s.n],2007:44-49.

[17]PU S,VOSELMAN G. Extracting Windows from Terrestrial Laser Scanning[C]∥ISPRS Workshop on Laser Scanning 2007 and SilvilLaser 2007.Espoo:[s.n],2007:320-325.

[18]ZHAO Huijing, SHIBASAKI R. A Vehicle-borne Urban 3-D Acquisition System Using Single-row Laser Range Scanners[J]. IEEE Transactions on Systems Man and Cybernetics Part B， 2003,33(4):658-666.

[19]方莉娜，楊必勝. 車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法[J].測(cè)繪學(xué)報(bào),2013,42(2):260-267.

[20]ALEKSEY B, THOMAS F. Extracting Roads from Dense Point Clouds in Large Scale Urban Environment[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2011,66(6):S2-S22.

[21]HERNANDEZ J, MARCOTEGUI B. Filtering of Artifacts and Pavement Segmentation from Mobile LiDAR Data[C]∥ISPRS Workshop Laser Scanning 2009. Paris:[s.n.],2009.

[22]YANG Bisheng, FANG Lina, LI Qingquan, et al. Automated Extraction of Road Markings from Mobile Lidar Point Clouds[J].Photogrammetric Engineering and Remote Sensing,2012,78(4):331-338.

[23]黃磊，盧秀山，梁勇.基于激光掃描回光強(qiáng)度的建筑物立面信息提取與分類[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2009,34(2):195-198.

[24]WU F,WANG C, ZHANG H, et al. Change Detection and Analysis with Radarsat-1 SAR Image[C]∥Proceedings of IEEE International Geoscience and Remote Sensing Symposium, IGARSS’07. Barcelona: IEEE Computer Socciety,2007:2601-2604.

中圖分類號(hào)：P234

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：0494-0911(2016)04-0028-05

通信作者：王留召

作者簡(jiǎn)介：高陽(1989—)，男，博士生，主要研究方向?yàn)槿S信息獲取與應(yīng)用。E-mail：gaoyang198923@163.com

基金項(xiàng)目：國(guó)家科技支撐計(jì)劃(2012BAH34B00)；國(guó)家自然科學(xué)基金(41371434；41261086)

收稿日期：2015-04-21

引文格式： 高陽，王留召，李明. 車載激光彩色點(diǎn)云的道路標(biāo)志線提取方法[J].測(cè)繪通報(bào)，2016(4)：28-32.DOI:10.13474/j.cnki.11-2246.2016.0115.