基于形狀曲線的機(jī)載LiDAR點(diǎn)云汽車類型識(shí)別

金國清

(中鐵第五勘察設(shè)計(jì)院集團(tuán)有限公司，北京 102600)

1 概述

基于機(jī)載LiDAR點(diǎn)云的汽車類型識(shí)別技術(shù)可應(yīng)用于數(shù)字高程模型生產(chǎn)[1，2]，城市停車管理[3]，交通管理[4]以及數(shù)字城市和智慧城市[5]等。目前，基于機(jī)載LiDAR點(diǎn)云的相關(guān)研究主要集中于汽車提取，即判定點(diǎn)云塊是否為汽車，對汽車類型判定[6]的研究較少，以下的研究對象僅考慮三廂車(Sedan)、掀背車(Hatchback)、越野車(SUV)和廂式貨車(VAN)等四種汽車類型。

目前的研究中，多根據(jù)汽車點(diǎn)云分塊俯視圖的長和寬等幾何特征信息來判定其是否為汽車[7-8]，而這些幾何特征信息并非根本性指標(biāo)，判斷的準(zhǔn)確率有限，且不能對目標(biāo)汽車類型進(jìn)行判斷?？紤]到汽車點(diǎn)云的側(cè)視圖中汽車形狀曲線與汽車類型密切相關(guān)，不同類型的汽車形狀具有顯著差異，可用為汽車點(diǎn)云分塊判斷的依據(jù)。這個(gè)方法的核心問題就是如何判斷兩個(gè)汽車形狀(側(cè)視圖)的曲線是否相似。由于汽車形狀曲線是二維曲線，因此該問題的本質(zhì)就是如何評價(jià)兩條二維曲線是否相似。目前在圖像配準(zhǔn)、目標(biāo)檢測識(shí)別領(lǐng)域內(nèi)常采用Hausdorff距離[9]，離散Fréchet距離[10-11]，動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping，DTW)距離[12]等幾種離散點(diǎn)集的相似度度量指標(biāo)。

2 基于形狀的點(diǎn)云汽車類型識(shí)別方法

首先采用布料模擬濾波(Cloth Simulation Filter， CSF)將點(diǎn)云分為地面點(diǎn)和非地面點(diǎn)。在非地面點(diǎn)云中，采用空間鄰域分析(CCA)方法進(jìn)行分塊，然后根據(jù)每個(gè)小塊的長度、寬度和高度，剔除所有汽車尺寸范圍外的點(diǎn)云分塊，最后對每個(gè)點(diǎn)云分塊建立其形狀曲線。

得到該形狀曲線之后，就可以與標(biāo)準(zhǔn)汽車形狀庫中的形狀曲線進(jìn)行比較，計(jì)算相似度指標(biāo)。如果最小的相似度指標(biāo)小于設(shè)定的閾值，那么對應(yīng)的標(biāo)準(zhǔn)汽車形狀的類型就是該點(diǎn)云的汽車類型，否則判定為非車目標(biāo)(見圖1)。

圖1 汽車類型識(shí)別方法

2.1 汽車形狀構(gòu)建方法

根據(jù)點(diǎn)云構(gòu)建汽車形狀曲線是該方法中的關(guān)鍵步驟之一，其距離建立過程如下。

(1)將汽車點(diǎn)云分塊的激光點(diǎn)垂直投影到水平面上，建立該分塊的最小外包矩形，作為汽車的位置標(biāo)定。

(2)取矩形的短邊中點(diǎn)連線作為基準(zhǔn)線，取過該基準(zhǔn)線的豎直面作為基準(zhǔn)面?？紤]到激光點(diǎn)云為離散的不規(guī)則點(diǎn)云，在基準(zhǔn)面左右設(shè)置緩沖區(qū)。緩沖區(qū)厚度一般為2～3倍的平均點(diǎn)間隔(本文設(shè)置為0.6 m)。

(3)將緩沖區(qū)中的各點(diǎn)水平投影到基準(zhǔn)面上，按照從起點(diǎn)到終點(diǎn)的順序進(jìn)行排序，并按照0.3 m的間隔進(jìn)行重采樣，得到一個(gè)間隔均勻的離散曲線，作為汽車點(diǎn)云形狀(見圖2)。

圖2 汽車形狀曲線

2.2 汽車形狀相似度指標(biāo)計(jì)算

在該方法中，相似度指標(biāo)的選擇是汽車類型識(shí)別方法的核心，是影響汽車類型判別的關(guān)鍵?？紤]到汽車形狀為二維曲線，在模式識(shí)別、人工智能領(lǐng)域內(nèi)對二維曲線的相似性有很多相關(guān)研究。以下選擇Hausdorff距離、離散Fréchet距離、DTW規(guī)整距離三種相似度評價(jià)指標(biāo)。Hausdorff距離廣泛應(yīng)用于圖像配準(zhǔn)、目標(biāo)識(shí)別與檢測[9]；離散Fréchet距離可用于生物特征識(shí)別[10]、地圖匹配[13]；DTW規(guī)整距離則主要應(yīng)用于語音識(shí)別[12]。

(1)Hausdorff距離

Hausdorff距離作為衡量點(diǎn)集之間相似度的一種指標(biāo)，不考慮點(diǎn)之間的連接關(guān)系，僅考慮點(diǎn)的位置。對于任意兩個(gè)有限點(diǎn)集P={p1，p2，，pm}，Q={q1，q2，，qn}，兩者之間的Hausdorff距離可定義[14]為

DH(P，Q)=max(dh(P，Q)，dh(Q，P))

(1)

DH(P，Q)可用于判斷P，Q的相似性，其值越小，則P，Q形狀越相似；反之亦然。

(2)離散Fréchet距離

離散Fréchet距離是衡量曲線相似度的一種指標(biāo)，在考慮點(diǎn)位置的基礎(chǔ)上，還考慮了點(diǎn)的排列，其定義[15]如下：

P和Q分別為m和n個(gè)點(diǎn)組成的多邊形鏈，令σ(P)=(p1，p2，，pm)

σ(Q)=(q1，q2，，qn)，則有

L={(pa1，qb1)，(pa2，qb2)，，(pak，qbk)}

(2)

(3)

則P和Q的離散Fréchet距離定義為

(4)

DF(P，Q)可用于判斷P，Q的相似性，其值越小，則P，Q形狀越相似；反之亦然。

(3)DTW規(guī)整距離

DTW算法基于動(dòng)態(tài)規(guī)劃的思想，可計(jì)算兩個(gè)相關(guān)不同長度模板之間的相似性。假設(shè)有參考模板和測試模板分別為P={p1，p2，，pm}與Q={q1，q2，，qn}，其中模板的分量pi(0

(5)

DDTW(i，j)可用于判斷P，Q的相似性，其值越小，則P，Q形狀越相似；反之亦然。

3 試驗(yàn)

3.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)采用2010年采集于荷蘭Utrecht市某商業(yè)中心的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)，點(diǎn)密度為20～30 pts/m2，區(qū)域范圍約200 m×120 m(見圖3)。汽車停放于停車場內(nèi)和建筑周圍，部分位于路邊，共計(jì)263臺(tái)汽車。

圖3 實(shí)驗(yàn)數(shù)據(jù)

在建立標(biāo)準(zhǔn)汽車形狀集時(shí)，包括了從車頭到車尾和從車尾到車頭兩條形狀曲線(見圖4)。

圖4 標(biāo)準(zhǔn)縱剖面曲線

對點(diǎn)云進(jìn)行布料模擬濾波(CSF)，對分離出來的非地面點(diǎn)進(jìn)行分塊和初步篩選，得到360個(gè)候選點(diǎn)云分塊(見圖5)。對每個(gè)分塊按照1.1節(jié)中的方法構(gòu)建形狀曲線，然后分別利用Hausdorff距離、離散Fréchet距離和DTW規(guī)整距離三個(gè)指標(biāo)計(jì)算其與標(biāo)準(zhǔn)汽車形狀的相似度指標(biāo)。其相似度閾值分別為0.95，0.95和6.5。

采用人工交互方式確定的汽車類型作為評價(jià)依據(jù)。這360個(gè)候選點(diǎn)云分塊共有97個(gè)為非車地物目標(biāo)，263個(gè)為汽車。其中廂式貨車4臺(tái)，掀背車184臺(tái)，三廂車61臺(tái)，越野車14臺(tái)(見圖5)。

圖5 候選點(diǎn)云分塊和人工識(shí)別結(jié)果

3.2 汽車類型識(shí)別結(jié)果

采用Hausdorff距離、離散Fréchet距離和DTW規(guī)整距離三個(gè)不同的相似度評價(jià)指標(biāo)，按照1.2節(jié)中的方法來進(jìn)行汽車類型識(shí)別，結(jié)果如圖6。

圖6 采用不同相似度指標(biāo)的汽車類型識(shí)別結(jié)果

三種相似度評價(jià)指標(biāo)的汽車類型識(shí)別結(jié)果及人工識(shí)別結(jié)果如表1。

山谷到黔州，現(xiàn)重慶彭水苗族土家族自治縣，更為偏遠(yuǎn)荒涼，心情抑郁憤懣，苦悶與悲哀無處不在。如：《答王補(bǔ)之書》：“今者不肖得罪簡牘，棄絕明時(shí)，萬死投荒，一身吊影，不復(fù)齒于士大夫矣?！保ㄞD(zhuǎn)引自伍聯(lián)群《黃庭堅(jiān)蜀中交游及其對巴蜀地域文化的推動(dòng)》，《文藝評論》，2011年第4期）《與太虛公書》：“摒棄不毛之鄉(xiāng)，以御魑魅，耳目昏塞，舊學(xué)廢忘，直是黔中一老農(nóng)耳?！保ā饵S庭堅(jiān)全集》，四川大學(xué)出版社，第1377頁）

表1 汽車類型識(shí)別結(jié)果

3.3 汽車類型識(shí)別結(jié)果分析

采用準(zhǔn)確率、完整性和F值等三個(gè)指標(biāo)[17-19]來對實(shí)驗(yàn)結(jié)果進(jìn)行分析。

準(zhǔn)確率(Precision)

(6)

完整性(Recall)

(7)

F值(Fscore)，是前述二者的調(diào)和均值，本文將該指標(biāo)用作汽車識(shí)別性能的總體評價(jià)指標(biāo)。

(8)

其中，在非車目標(biāo)識(shí)別中，tp表示結(jié)果判定為汽車且實(shí)際為汽車的數(shù)量，fp表示結(jié)果判定為汽車但實(shí)際為非車的數(shù)量，fn表示結(jié)果判定為非車但實(shí)際為汽車的數(shù)量；在具體汽車類型識(shí)別中，tp表示結(jié)果判定為某類汽車且實(shí)際為該類汽車的數(shù)量，fp表示結(jié)果判定為某類汽車但實(shí)際為其它類型汽車或者非車的數(shù)量，fn表示結(jié)果判定為其它類型汽車或者非車但實(shí)際為某類汽車的數(shù)量。

(1)非車目標(biāo)識(shí)別結(jié)果分析

候選點(diǎn)云分塊中非車目標(biāo)的準(zhǔn)確判斷是汽車類型識(shí)別工作中的重要內(nèi)容，三種相似度評價(jià)指標(biāo)對非車目標(biāo)的識(shí)別結(jié)果見表2。

表2 非車目標(biāo)識(shí)別精度比較

三種相似度指標(biāo)判別結(jié)果的準(zhǔn)確率基本相當(dāng)，Hausdorff距離準(zhǔn)確率稍優(yōu)，DTW規(guī)整距離和離散Fréchet距離的完整性均大于98%，基本能將所有非車目標(biāo)判斷出來，Hausdorff距離的完整性稍低于其他二個(gè)相似度評價(jià)指標(biāo)。

從算法性能的總體評價(jià)指標(biāo)(F值)來看，三種相似度評價(jià)指標(biāo)中DTW規(guī)整距離對非車目標(biāo)的識(shí)別效果稍好。

(2)具體汽車類型識(shí)別的準(zhǔn)確性分析

四種類型汽車中，廂式貨車僅有4輛，數(shù)據(jù)量不足，以下不對廂式貨車進(jìn)行具體汽車類型識(shí)別的準(zhǔn)確性分析。就其它三種車型而言，不同的相似度評價(jià)方法對具體汽車類型的識(shí)別結(jié)果如圖7。

圖7 不同相似度指標(biāo)下的不同汽車類型識(shí)別

從準(zhǔn)確率看：對掀背車三種相似度指標(biāo)基本相當(dāng)；就三廂車而言，DTW規(guī)整距離的準(zhǔn)確率最高；就越野車而言，Hausdorff距離與離散Fréchet距離結(jié)果一致，DTW規(guī)整距離較高。

從完整性看：對于掀背車，DTW規(guī)整距離的結(jié)果完整性為82.1%，明顯高于其它兩種相似度指標(biāo)；就三廂車而言，三種相似度指標(biāo)完整性一致，其中Hausdorff距離稍差；就越野車而言，DTW規(guī)整距離的完整性高出其它兩者14.3%。

從算法性能的總體評價(jià)指標(biāo)(F值)看：對掀背車，DTW規(guī)整距離的F值高出其它兩種指標(biāo)12.4%，就三廂車而言，DTW規(guī)整距離的F值高出Hausdorff距離12.7%，高出離散Fréchet距離15.1%，本試驗(yàn)區(qū)越野車數(shù)量較少，三種相似度評價(jià)指標(biāo)得到的F值結(jié)果基本相當(dāng)?？傮w而言，DTW規(guī)整距離的總體評價(jià)指標(biāo)最優(yōu)，F(xiàn)值平均為72.9%。

對于具體汽車類型識(shí)別而言，采用DTW規(guī)整距離作為相似度指標(biāo)，算法效果最優(yōu)。汽車形狀可看作一個(gè)時(shí)間序列，其中汽車長度等效于時(shí)間，汽車高度可視為時(shí)信號(hào)。DTW規(guī)整距離只受高度和形狀影響，不受長度影響。因此，對同類汽車可能存在長度不一的情況適應(yīng)性最好，識(shí)別效果最優(yōu)。

4 結(jié)論

基于汽車形狀曲線的機(jī)載點(diǎn)云汽車類型判別方法能夠有效判定候選點(diǎn)云分塊中的非車目標(biāo)以及汽車的具體類型。從總體評價(jià)指標(biāo)(F值)來看，DTW規(guī)整距離作為相似度指標(biāo)效果最好。

對于非車目標(biāo)的識(shí)別，采用DTW規(guī)整距離作為相似度算法的總體性能指標(biāo)最優(yōu)。對于掀背車，越野車和三廂車等三種具體車型識(shí)別總體性能指標(biāo)，DTW規(guī)整距離均優(yōu)于Hausdorff距離、離散Fréchet距離這兩個(gè)指標(biāo)。