基于點(diǎn)云數(shù)據(jù)的道路邊線提取

王 坤

(中交第三航務(wù)工程局有限公司寧波分公司 浙江寧波 315200)

隨著城市建設(shè)的不斷發(fā)展，有效構(gòu)建城市三維實(shí)景模型已成為城市數(shù)字化與信息化建設(shè)的重要環(huán)節(jié)[1]。作為一種新型的空間三維數(shù)據(jù)采集手段，移動(dòng)車載激光掃描技術(shù)可在不與被觀測(cè)物接觸的情況下，主動(dòng)、動(dòng)態(tài)、實(shí)時(shí)、快速地獲取被觀測(cè)物的三維位置信息與紋理信息。利用移動(dòng)車載激光掃描技術(shù)采集的高密度、高真實(shí)性的點(diǎn)云數(shù)據(jù)為城市三維實(shí)景模型的建設(shè)提供了新的思路，有效解決了利用傳統(tǒng)攝影測(cè)量技術(shù)在構(gòu)建城市三維實(shí)景模型中的瓶頸問(wèn)題[2]。針對(duì)海量的道路點(diǎn)云數(shù)據(jù)，研究如何進(jìn)行點(diǎn)云分類與地貌提取是城市三維實(shí)景模型建設(shè)中需要解決的問(wèn)題之一。

王果等[2]提出了基于車載點(diǎn)云數(shù)據(jù)的公路三維信息提取方法，能直接從點(diǎn)云中自動(dòng)提取道路邊線信息,但是其不足在于過(guò)度依賴人機(jī)交互，很難適應(yīng)復(fù)雜的城市道路場(chǎng)景。楊望山等[4]通過(guò)對(duì)車載激光點(diǎn)云進(jìn)行轉(zhuǎn)換，生成二維高度圖像與強(qiáng)度圖像，以二維圖像處理的方式對(duì)路牙石進(jìn)行提取，但是其不足在于轉(zhuǎn)換圖像的過(guò)程中會(huì)造成精度損失，導(dǎo)致提取精度不高。閆兆進(jìn)等[5]提出通過(guò)對(duì)點(diǎn)云場(chǎng)景中路面目標(biāo)的空間特征進(jìn)行分析，按照投影密度的差異對(duì)不同目標(biāo)地物進(jìn)行區(qū)分，但是其不足在于在數(shù)據(jù)不完整或者在部分地物構(gòu)造較為特殊的情況下很難對(duì)目標(biāo)進(jìn)行分類與提取。

針對(duì)以往道路信息分類與提取準(zhǔn)確率低、效果差的問(wèn)題，本文使用國(guó)產(chǎn)移動(dòng)車載激光掃描系統(tǒng)獲取道路點(diǎn)云數(shù)據(jù)，提出一種新的道路邊線自動(dòng)分類與提取的方法，并以實(shí)際道路點(diǎn)云數(shù)據(jù)進(jìn)行算法驗(yàn)證。

1 車載激光掃描系統(tǒng)

1.1 系統(tǒng)組成

移動(dòng)車載激光掃描系統(tǒng)主要由控制系統(tǒng)、供電系統(tǒng)、紋理影像數(shù)據(jù)采集系統(tǒng)、GNSS系統(tǒng)、激光掃描系統(tǒng)和車載平臺(tái)組成[6]，不僅能采集被掃描對(duì)象的反射強(qiáng)度值I與坐標(biāo)信息(X，Y，Z)，還能獲取對(duì)點(diǎn)云數(shù)據(jù)自動(dòng)分類與提取至關(guān)重要的基于掃描儀的局部坐標(biāo)(x，y，z)[7]。移動(dòng)車載激光掃描系統(tǒng)頂部安裝有多鏡頭像機(jī)，可以實(shí)時(shí)采集道路環(huán)境中的紋理信息，與激光點(diǎn)云數(shù)據(jù)嚴(yán)格配準(zhǔn)后可得到高精度、高質(zhì)量的彩色點(diǎn)云數(shù)據(jù)[8]。

1.2 激光掃描坐標(biāo)系構(gòu)建

移動(dòng)車載激光掃描系統(tǒng)得到的直接成果是大量的點(diǎn)云數(shù)據(jù)與每個(gè)激光點(diǎn)的坐標(biāo)信息，同時(shí)也得到了其他大量的原始數(shù)據(jù)，如車輛的里程數(shù)據(jù)、行車軌跡、激光掃描儀采集到的掃描角與掃描距離[9]。根據(jù)采集的原始數(shù)據(jù)構(gòu)建基于掃描車的激光掃描坐標(biāo)系，用作道路邊線提取的基準(zhǔn)。激光掃描坐標(biāo)系的原點(diǎn)為掃描車正下方的地面點(diǎn)，x軸為水平路面與掃描面的交線，y軸為車輛前進(jìn)方向，z軸為路面垂直方向，z軸與x軸和y軸構(gòu)成右手坐標(biāo)系。

2 道路邊線提取

根據(jù)道路面與道路幾何邊界在空間分布以及幾何形狀上的差異，提取道路邊線，主要包括地面點(diǎn)濾波、 道路邊線點(diǎn)云粗提取、道路邊線精提取和道路邊線擬合。使用最小二乘法對(duì)精提取得到的邊線點(diǎn)進(jìn)行擬合，獲取矢量化邊線成果。

2.1 地面點(diǎn)濾波

移動(dòng)車載激光掃描系統(tǒng)采集的道路點(diǎn)云數(shù)據(jù)含有大量地面點(diǎn)云數(shù)據(jù)，在道路邊線提取過(guò)程中，地面點(diǎn)云被視為噪聲點(diǎn)，故需在道路邊線提取前剔除，即地面點(diǎn)濾波[10]。根據(jù)臨近地面點(diǎn)高程值相似的特點(diǎn)，采用3×3點(diǎn)陣計(jì)算高程值的算法對(duì)地面點(diǎn)進(jìn)行濾波。

算法的具體流程：取點(diǎn)云場(chǎng)景中的任意一點(diǎn)，將其設(shè)置為本點(diǎn)。在同一掃描行上，取本點(diǎn)的左右兩點(diǎn)；在前一掃描行上，取與本點(diǎn)最近的點(diǎn)以及最近點(diǎn)的左右兩點(diǎn)；在后一掃描行上，取與本點(diǎn)最近的點(diǎn)及最近點(diǎn)的左右兩點(diǎn)。將以上所有點(diǎn)構(gòu)成3×3點(diǎn)陣。

通過(guò)式(1)計(jì)算點(diǎn)陣中所有點(diǎn)與本點(diǎn)的高差均值，并設(shè)置高差閾值。點(diǎn)陣中所有點(diǎn)與本點(diǎn)的高差小于該閾值時(shí)，可認(rèn)定該點(diǎn)陣中的所有點(diǎn)為地面點(diǎn)，進(jìn)行標(biāo)記。對(duì)點(diǎn)云場(chǎng)景中的所有激光點(diǎn)進(jìn)行遍歷，處理沒(méi)有標(biāo)記的所有激光點(diǎn)。

(1)

式中：Z1至Z8為臨近激光點(diǎn)高程Z值，Z0為本點(diǎn)高程Z值。

2.2 道路邊線點(diǎn)云粗提取

地面激光點(diǎn)探測(cè)完成后，按照掃描行處理點(diǎn)云數(shù)據(jù)，對(duì)同一掃描行的激光點(diǎn)采用梯度濾波與鄰域取低點(diǎn)的方式進(jìn)行處理，實(shí)現(xiàn)道路邊線點(diǎn)的粗提取。首先，計(jì)算掃描行上所有點(diǎn)的梯度。梯度指本點(diǎn)高程值和后一點(diǎn)高程值差值的絕對(duì)值與本點(diǎn)x坐標(biāo)值和后一點(diǎn)x坐標(biāo)值差值的絕對(duì)值的比值。其次，設(shè)置梯度閾值，保留非地面點(diǎn)且梯度值大于該閾值的點(diǎn)。

為了對(duì)生成的道路邊線進(jìn)行簡(jiǎn)化，只在路肩的水平面上保留一個(gè)點(diǎn)，采用鄰域取低點(diǎn)的方式進(jìn)行處理，即如果本點(diǎn)與其臨近點(diǎn)x坐標(biāo)的差值絕對(duì)值在0.5 m(梯度閾值)以內(nèi)，則將高程值較大的點(diǎn)剔除。對(duì)掃描行上的所有點(diǎn)按照鄰域取低點(diǎn)的方式進(jìn)行判斷，得到道路邊線點(diǎn)。

2.3 道路邊線點(diǎn)云精提取

由于道路的寬度相對(duì)固定，構(gòu)成道路邊線的激光點(diǎn)相對(duì)于車的x坐標(biāo)基本不變。根據(jù)這一特征，對(duì)粗提取的激光點(diǎn)進(jìn)行聚類，然后通過(guò)管道濾波的方式對(duì)道路邊線點(diǎn)云進(jìn)行精提取。具體流程為：

1)選擇任意一點(diǎn)，計(jì)算該點(diǎn)與前一點(diǎn)x坐標(biāo)差值的絕對(duì)值。

2)如果差值的絕對(duì)值小于兩點(diǎn)間距的1/2，則歸類到集合S1中，否則，歸類到新建集合S2中。如果此點(diǎn)有多個(gè)集合S，計(jì)算所有集合S中的首點(diǎn)與此點(diǎn)的x坐標(biāo)差值的最小值，同樣，如果最小值小于兩點(diǎn)間距的1/2，那么歸類到差值最小值對(duì)應(yīng)的集合內(nèi)，否則歸類到新建集合中。對(duì)粗提取的所有邊線點(diǎn)進(jìn)行相同操作，得到集合S1至Sn，共n個(gè)集合。

3)統(tǒng)計(jì)每個(gè)集合類的點(diǎn)數(shù)，若點(diǎn)數(shù)少于5個(gè)，則將該集合類的所有點(diǎn)從激光點(diǎn)集合中剔除，最后對(duì)剩下的點(diǎn)進(jìn)行管道濾波。管道濾波就是計(jì)算當(dāng)前點(diǎn)與相鄰兩點(diǎn)的夾角，保留夾角接近180°的激光點(diǎn)，剔除夾角與180°相差較大的激光點(diǎn)。

聚類分析又叫道路邊線點(diǎn)云精提取，精提取的所有激光點(diǎn)就是構(gòu)成道路邊線的激光點(diǎn)。

3 試驗(yàn)及其結(jié)果分析

3.1 試 驗(yàn)

使用國(guó)產(chǎn)移動(dòng)車載激光掃描系統(tǒng)采集的某段道路約500 m的點(diǎn)云數(shù)據(jù)(約50萬(wàn)個(gè)激光點(diǎn))作為試驗(yàn)數(shù)據(jù)，對(duì)本文提出的道路邊線自動(dòng)分類與提取方法的可靠性進(jìn)行驗(yàn)證。原始點(diǎn)云數(shù)據(jù)及道路邊線的粗提取結(jié)果、精提取結(jié)果和擬合結(jié)果如圖1所示。

圖1 原始點(diǎn)云數(shù)據(jù)及道路邊線提取成果Fig.1 Original Point Cloud Data and Road Edges Extraction Results

首先，對(duì)道路邊線進(jìn)行粗提取，從圖1(b)可以看到，邊線點(diǎn)基本反映了道路邊線的主要特征，道路邊線輪廓雖然較為清晰，但包含了很多非邊線點(diǎn)的離散點(diǎn)。其次，使用聚類分析方法對(duì)邊線點(diǎn)進(jìn)行精提取，精提取結(jié)果如圖1(c)所示，可以看到剔除了離散點(diǎn)，較粗提取結(jié)果更為“干凈”。最后，使用最小二乘法對(duì)精提取的邊線點(diǎn)進(jìn)行多項(xiàng)式擬合，將擬合結(jié)果進(jìn)行矢量轉(zhuǎn)換，得到矢量化成果，如圖1(d)所示。從圖1(d)可以看到，道路邊線矢量化成果能夠?qū)⒌缆愤吘€整體情況反映出來(lái)，相比粗提取、精提取結(jié)果更為精細(xì)光滑。

3.2 結(jié)果分析

為了對(duì)提取的道路邊線矢量成果的準(zhǔn)確性進(jìn)行評(píng)價(jià)，在道路點(diǎn)云中均勻采集10個(gè)道路邊線點(diǎn)，計(jì)算每個(gè)點(diǎn)到利用本文方法得到的邊線矢量的距離，統(tǒng)計(jì)結(jié)果如表1所示。

由表1可知，10個(gè)道路邊線點(diǎn)與邊線矢量的距離均小于2.5 cm，道路邊線提取效果較好，從而驗(yàn)證了新的道路邊線自動(dòng)分類與提取方法的可靠性。

表1 手動(dòng)提取道路邊線點(diǎn)與邊線矢量間距Tab.1 The Distance between Manually Extract Road Edge Points and Edge Vectors點(diǎn)號(hào)12345678910ΔX/cm-1.12.21.91.3-0.91.4-0.7-2.2-1.41.1ΔY/cm1.30.7-0.6-1.32.10.5-1.80.71.9-2.1ΔS/cm1.72.32.01.82.31.51.92.32.42.3

4 結(jié) 語(yǔ)

本文針對(duì)道路點(diǎn)云數(shù)據(jù)中的地物和地貌特征，設(shè)計(jì)了道路邊線的自動(dòng)分類與提取方法，并使用國(guó)產(chǎn)移動(dòng)激光掃描系統(tǒng)采集的某段道路點(diǎn)云數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)，以驗(yàn)證算法的有效性與準(zhǔn)確性。結(jié)果表明，該算法可有效提取道路邊線點(diǎn)，矢量化后的道路邊線準(zhǔn)確率較高。但該算法對(duì)直線道路邊線提取的效果較好，拐彎邊線提取效果不佳，存在一定的局限性，需要進(jìn)一步改進(jìn)，提高算法的適用性。