车载激光扫描数据中实线型交通标线提取

本文提出一种基于路面点云强度增强的车载激光点云实线型交通标线提取方法。首先通过预处理提取路面点云，获取各激光点与轨迹线的距离。然后逐段对路面进行强度增强，集合多滤波器集成的策略进行强度变换和去噪，消除距离、点密度、磨损等因素对反射强度值影响，增强路面点云和标线的强度差异。基于增强后的反射强度，采用k均值聚类和连通分支聚类等方法对标线进行分割，并利用归一化图割方法优化强度分割结果。最后利用实线型标线的语义信息和空间分布特征从分割后标线对象中识别实线型交通标线。试验采用四份不同车载激光扫描系统获取的数据用于验证本文方法有效性，实线型标线提取结果的准确率达到95.98%，召回率达到91.87%，综合评价指标F₁-Measure值达到95.55%以上。试验结果表明本文方法能够有效增强受扫描距离、路面磨损及点密度分布不均等因素影响的点云强度信息，实现不同车载激光扫描获取的复杂道路环境下实线型交通标线的提取。     

基于几何规则的车载近景立体影像道路交通标线自动提取

道路交通标线信息是道路导航地图中必不可少的数据，对于制作精度更高、道路细节信息更加丰富清晰的高精度导航地图具有重要的作用。本文以车载近景立体影像中的道路交通标线信息自动提取为研究目标，针对道路交通标线快速、精确采集的应用需求，提出了基于几何规则的车载近景立体影像道路交通标线自动提取方法。该方法首先分析了道路交通标线的几何特征；其次，构建了基于几何特征的交通标线信息提取规则；最后，以标线种子点为基础，结合前述规则，实现了道路交通标线三维空间信息的自动采集。以南京师范大学的车载移动测量系统拍摄的实际近景立体影像为数据进行了试验，试验结果证明，本文方法相比传统人机交互采集方法，在交通标线特征点采集效率、标线几何相似度等方面有较大的优势，可为高精度导航地图的生产提供一种可借鉴的技术支撑。     

车载LiDAR点云中交通标线的提取方法

交通标线,作为道路上重要的交通标识,为司机和行人提供重要的引导信息。车载激光扫描系统(车载LiDAR)可以快速获得被测目标的表面三维坐标信息,为提取高精度三维交通标线提供了可靠数据源。本文通过分析道路点云数据的平面距离、点云强度、点云密度等特征,将点云数据归化成地理参考强度图像。针对生成的二维参考图像,充分借鉴图像处理中目标分类与识别的手段,将交通标线信息准确提取出来。实验表明,该方法可行、有效。     

一种基于结构特征匹配的道路标识线分类方法

针对道路高精度地图采集中道路标识线快速分类提取问题,提出了一种根据几何结构特征对道路标识线进行自动匹配提取的方法。首先利用点云生成强度特征图像,并根据点云密度分布特征将强度特征图像划分为多个区域;然后对每个区域进行二值化处理;最后考虑路面标识线缺失情况,设计了一种多约束条件的几何特征语义识别模型,实现了不同标识线类型的分类。对车载移动测量系统获取的多段道路点云数据进行实验,结果表明,该方法的道路标识线提取准确率和识别准确率分别为90.01%和82.83%,总体精度达到86.27%。     

移动车载激光点云的道路标线自动识别与提取

对移动车载激光测量LandMark系统获取的路面激光点云数据进行研究,结合激光点云的回波反射率、扫描角,以及量测距离等特征信息与道路标线的属性信息,提出了一种基于车载激光点云的道路标线自动识别与提取算法。从点云中提取道路标线,采用最小二乘线性最优拟合算法对提取的标线点云进行拟合,生成道路标线的CAD轮廓线,实现道路标线的自动化识别。以移动车载LandMark系统的Sick激光扫描仪获取的路面激光点云为例进行实验,实验结果表明该方法的可行性和有效性。     

基于车载三维激光扫描的道路线提取研究

近年来,随着空间信息获取技术的发展,激光扫描技术在城市三维数据采集中应用越来越广泛,本文以车载激光扫描点云数据为研究对象,利用点云数据空间分布特征和反射强度信息,结合道路标线的几何特征,提出一种快速有效地从离散点云中提取道路标识线的方法。该方法首先利用车载激光点云数据中的高程信息和反射强度信息对原始点云进行滤波。然后将分割后的点云数据投影到二维平面中,利用反射强度信息和点云空间分布信息生成点云强度特征图像,利用标线规则的几何形状,对连通区域进行道路标识线的提取。最后,基于道路标识线的语义信息,利用Hough变换对检测到的标识线进行分类和连接,从而提取完整、准确的三维道路标识线点云数据。通过居民区和高速公路扫描数据处理案例,实现了高速公路虚实标识线和干扰因素较多的居民区界线的自动提取,验证了上述道路标识线提取方法的可靠性,应用效果较好。     

融合车载LiDAR点云和全景影像的道路标线自动提取方法

针对传统人工方式、人机交互方式提取公路标线成本高、效率低的问题,本文提出了融合车载LiDAR点云和全景影像数据,使用SCGA-Net网络提取并矢量化道路标线的方法,以解决车载LiDAR点云采集过程中因车辆遮挡、道路修补等造成的数据缺失问题。试验表明,该方法道路标线的提取率和正确率均优于仅使用LiDAR点云提取标线的方法,可有效地提升自动驾驶所依赖的高精地图的生产效率。     

移动激光扫描数据的道路标线自动提取

针对道路标线三维矢量数据难以高效精确获取的问题,该文提出了一种从移动激光扫描数据中自动提取道路标线的新方法。基于平缓路面这个假设,利用邻域高程一致性的判断方法提取地面点。将地面点根据轨迹数据分割成多组剖面,对每个剖面上的点云进行强度直方图统计,找到强度值有突变的点。以此为种子点通过强度值区域生长以得到完整的标线,利用点云模板匹配的方法剔除错误点集。最后对标线点云进行矢量化得到三维矢量线。通过城市中大约2km长的移动激光点云数据的实验,证明本文提出的方法在提取道路标线方面能得到较好的结果。     

车载激光扫描的三维道路自动提取方法

车载激光扫描系统获取的复杂道路环境点云数据量大、目标复杂,难以有效提取出道路的点云。本文通过分析扫描线上激光点云的空间分布和统计特征,提出一种适用于复杂道路环境的道路点云自动提取方法。该方法首先根据点的扫描角度或GPS时间信息提取扫描线;利用移动窗口法进行高程滤波,提取地面点云,然后采用基于路坎模型的移动窗口法提取路坎点;利用局部区域相邻扫描线的相似性特点,对提取的路坎点云进行跟踪和优化;最后利用优化后的路坎作为道路的边界实现道路路面精确提取。经过实验和分析,该方法不仅适应于有固定道路宽度的结构化道路提取,同样适用于无固定宽度的复杂道路提取。     

低频轨迹数据的多时相增量式道路提取方法

针对目前利用低频时空轨迹数据进行道路提取与更新,难以同时满足提取精度和算法效率要求的问题,该文提出一种基于低频轨迹数据的多时相增量式道路提取方法。首先,将原始轨迹数据分割为多个时相轨迹序列,并利用栅格化法得到多个时相的初始道路中心线;接着,采用吸引力模型纠正初始道路中心线的位置偏差,再通过k-segment主曲线算法拟合得到最终道路中心线,构建道路骨架地图;最后,统计与道路中心线关联的轨迹位置与方向信息,进一步挖掘道路宽度与单双向通行规则等交通语义信息,丰富道路骨架地图。实验结果表明,基于多时相轨迹分别提取与增量融合的方式,可有效发现道路网的时空变化规律,获得较高的道路检测概率与信息提取准确率,同时避免对全时段轨迹直接处理的复杂运算量。     

高精度矢量数据的路面三维自动建模方法

为了解决路面手工三维建模速度慢、工作量大等问题,本文面向规范化处理的高精度矢量数据,对不同路口进行精细化设计,自动生成路面三维模型。首先使用道路高精度三维信息采集软件,在获取的点云数据中半自动化提取准确的道路边线、道路标识线等矢量信息;然后针对不同路口进行精细化线形设计,提出连续四边形重建方法、弯道平滑处理方法、交叉口重建方法及路面标识线投射重建方法;最后对提取的高精度矢量数据进行规范化处理,在满足路面线形设计要求后,借助MAXScript脚本实现路面三维自动化建模。以车载移动测量系统获取的某段道路点云数据进行试验,验证了该方法的可行性和有效性。     

高精道路地图制作方法及关键技术

本文提出一种基于车载移动测量、倾斜摄影等多源数据成果的高精道路地图互补采集方法,并对其关键技术进行了深入研究。首先以国内第一条基于自动驾驶的智能网联高速公路测试路段——淄博智能网联测试基地为例,开展了激光点云、全景照片、倾斜影像等多源数据获取及高精道路地图要素采集。然后以道路三维矢量要素自动提取为基础,辅以人工采编,并在数据差分解算中测试了我国北斗数据。实例表明,本文方法切实可行、精度可靠,有效改善了高精道路地图采集模式,降低了劳动强度,保障了人身安全,提高了作业效率,对于高精道路地图制作具有借鉴价值。     

地面激光点云与数码影像自动高精度配准

针对地面激光雷达点云和数码光学影像非同源异质数据自动配准困难的问题,本文提出了基于互信息的两种数据同名特征高精度自动提取的方法。首先,把点云数据生成中心平面投影的反射强度图像和基于RGB信息的彩色图像,应用点云彩色图像和数码光学影像的匹配,确定点云与影像的粗配准参数;然后,对反射强度图像进行特征提取,应用粗配准参数确定其在数码光学影像上的初始位置,应用互信息实现非同源数据的高精度匹配;最后,应用罗德里格矩阵和选权迭代方法计算高精度配准参数,生成三维彩色模型。试验证明,本文方法可以解决地面激光点云和数码光学影像非同源异质数据的配准问题,具有一定的研究和应用价值。     

利用车载LiDAR点云数据提取城市道路规则多边形

随着自动驾驶高精地图的发展，准确高效地提取道路规则多边形成为必要。本文以苏州市某城市快速路为研究对象，通过使用徕卡车载激光移动测量系统获得城市道路点云数据，观察了解车载点云数据各类属性信息，根据观察结果组合利用点云数据高差、点云灰度差值、点云强度差值，在此基础上再利用网格密度法实现道路规则多边形的提取，然后通过对目标的矢量化得到三维矢量规则多边形。最后对提取的矢量化结果进行精度评定。试验结果表明：该方法在提取道路规则多边形方面能得到较好的结果且能满足高精地图需求。     

利用多元LBP特征自动提取城市道路边界

车载移动测量系统可采集高精度道路三维点云数据,为道路边界自动化提取提供了支撑.为解决车载激光点云中城市道路边界点云提取困难问题,本文引入局部二值模式LBP(Local Binary Pattern),针对各类城市道路边界特征,设计了高度LBP、高程离散度LBP和空间形状LBP3种改进算子;构建多元LBP特征语义识别模型...     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。