基于车载LiDAR的道路标识线提取算法研究.pdf

经纬天地Survey World2023年第3期No.320230引言道路标识线对行人、车辆通行具有指示作用，同时也是无人驾驶、高精度地图制作中车道级导航地图的核心要素。车道级导航对自动化驾驶技术发展与实现具有重要意义，对道路标识线实现快速、准确提取至关重要。传统的道路标识线提取方法采用全站仪测量道路标识线信息，效率低、成本高，不适于快速常规化提取。目前大多数学者通过分析影像提取道路标识线，该方法基于图像的不同灰度值提取道路标识线，但图像灰度和纹理信息易受图像采集环境影响，如光照、阴影等，导致误提、漏提等。随着现代测绘技术的发展，车载移动激光扫描技术能够高效、精准获取道路及道路周边附属物的三维空间信息以及地物回波反射强度信息，为道路标识线提取提供了新方法1-2。点云回波强度信息与目标材质有一定相关性，城镇道路中，路面多为沥青路面，而标识线则采用特殊涂料制作，反射率较高，回波强度值偏高。基于激光点云的道路标识线提取主要依赖回波强度信息的差异性进行。现阶段，基于车载激光点云提取道路标识线的方法主要分为两类：（1）基于回波强度差异性直接提取，如 Yang 等基于高程差异获取路面数据3，继而采用多阈值分割的方法获取道路标识线；（2）基于强度特征构建灰度图，并采用图像分割算法获取道路标识线，如 Cheng 等在数据预处理的基础上4，经投影生成强度特征图像，并采用 OTSU 进行阈值分割、区域生长等方法完成道路标识线的提取。摘要:为满足高精度地图制作中对道路标识线提取需要，为充分挖掘车载点云数据三维空间特征及反射强度特征提出一种道路标识线提取算法。首先，采用数学形态学滤波算法完成地面数据提取；其次，基于法向量特征及聚类算法获取路面数据；然后，基于反射强度信息的分层模板法提取标识点云，完成道路标识线信息提取；最后，对实际道路的验证结果表明：该方法的准确率达到96%以上，完整率达到94%，检测质量指标达到94%，能提取比较完整的道路标识线。关键词：点云；道路标识线提取；反射强度；分层模板法中图分类号：P228文献标识码：A文章编号：2095-7319（2023）03-0048-04Research on the road sign line extraction algorithm based on vehicle LiDARDUAN Yongtao(Beijing Huaxing Exploration of New Technology Co.,Ltd.,Beijing 100000,China)Abstract:In order to meet the needs of extracting traffic sign lines in high-precision map production，in order to fully explore thethree-dimensional spatial characteristics and reflection intensity characteristics of vehicle-mounted point cloud data，a road sign lineextraction algorithm is proposed.Firstly，mathematical morphology filtering algorithm is used to extract ground data;Secondly，obtain road surface data based on normal vector features and clustering algorithms;Then，based on the reflection intensityinformation，the layered template method is used to extract the identification point cloud and complete the extraction of roadidentification line information.The validation results on actual roads show that the accuracy and completeness of this method reachedover 96%，94%，and the detection quality index reached 94%，which can extract relatively complete road identification lines.Key words:point cloud;road marking line extraction;reflection intensity;layered template method基于车载 LiDAR 的道路标识线提取算法研究段永涛（北京华星勘查新技术有限公司，北京 100000）收稿日期：2023-02-20作者简介：段永涛（1988），男，河南周口人，本科，工程师，主要从事工程测绘、摄影测量等工作，E-mail：D486月以上研究中，因点云回波强度信息分布不均，很难控制合适阈值，本文充分挖掘点云三维空间信息以及回波强度信息在空间上的差异性，提出一种基于回波强度信息的分层模板算法完成对研究区的细化分块，提取道路标识线信息。1道路标识线提取算法本文提取道路标识线主要分为以下步骤：（1）点云滤波，获取地面点：本文采用形态学滤波算法，完成非地面点去除；（2）路面点云的提取：为准确获取标识线信息，本文以点云局部法向特征作为约束条件，采用区域生长算法提取路面点云；（3）提取道路标识线：充分挖掘点云回波信息在强度上的差异性，构建强度局部坐标系，基于强度信息差异提取道路标识线。1.1地面点云提取车载激光扫描系统数据获取具有随机性，在获取预期目标空间信息的同时还获取到大量道路附属物信息，如周边树木等非地面信息。为有效获取道路标识线，本文在原始点云的基础上采用形态学滤波完成数据初始滤波处理，主要分为以下步骤：（1）建立格网。遍历点云，获取 X、Y、Z 方向上的最大最小值 Xmin、Ymin、Zmin、Xmax、Ymax、Zmax，以 G 作为格网边长构建 mn 的格网，R、C、H 分别为格网行列号及分层号，计算式如式（1）所示：R=floot(Ymax-Ymin)/G C=floot(Xmax-Xmin)/G H=floot(Zmax-Zmin)/G（1）（2）开运算。开运算是数学形态学运算中的一种形式，包含腐蚀运算与膨胀运算。首先对格网执行腐蚀操作，取格网中最小高程值作为格网腐蚀后的格网高程；再进行膨胀操作，遍历所有经腐蚀操作后的格网，对腐蚀后的点云数据进行膨胀操作，并以腐蚀后的高程值代替原高程，取格网内最大高程值作为格网中点云膨胀处理后的高程值。（3）地物点云提取。完成对原始数据的形态学开运算后，以腐蚀、膨胀高程差作为阈值，可有效分离地面点与地物点。1.2路面点云提取道路路面为一个连通区域如图 1 所示，除了包含路面最大连通区域外，观察图 1 并结合道路结构特征可知，路面区域点云法向量分布集中，整体竖直向上，而在道路边缘处与路缘石的法向量方向存在显著差异，因此可采用以法向量夹角为约束条件的区域生长算法来分割出路面点云4。本文选取平均曲率作为道路路面弯曲程度度量指标。因为点云是离散形式，不能直接计算某一点处的平均曲率，所以通过局部拟合平面中的各主分量估算出各个激光点的平均曲率。通过目标点及其邻域范围点数据确定，可近似反映邻域表面的切平面法向量估计问题5。点云数据的法向估计方法，需获取目标点 pi（xi，yi，zi）一定半径范围的 N 个相邻点，C 为 pi点协方差矩阵，计算式如式（2）所示：C=1Ni=1N()pi-p (pi-p)TC vj=j vj，j0，1，2（2）式中：N 为目标点邻域内点数量；p 为邻域中所有点的质心；j为协方差矩阵的第 j 个特征值；vj为第 j 个特征向量。点邻域表面曲率表示为，计算式如式（3）所示：=00+1+2（3）1.3道路标识线点云提取1.3.1点云回波强度分析道路路面与标识线材质有明显区别，而点云反射强度信息又与目标材质相关，因此点云反射强度差异也较大。依据反射率强度信息，获取目标激光回波信号反射强度信息，对不同材质具有不同强度值，为标识线提取提供有效数据，以此来完成道路标识线的提取。具体如图 2 所示。1.3.2基于强度信息的分层模板法提取标识点云在提取道路路面的基础上，充分挖掘道路标识线反射强度差异性，本文通过构建强度信息分层模板的方法提取标识线。以 X 轴作为横坐标，强度值 I 为纵坐标，组成 X-I 坐标图 1道路结构图 2点云反射强度分析段永涛：基于车载 LiDAR 的道路标识线提取算法研究49经纬天地Survey World2023年第3期No.32023系，如图 3 所示。在 I 轴方向上，标识线点云明显高于路面数据，回波强度值较大。这里将强度凸起的点群定义为凸包，每个凸包在 X 方向 r 邻域范围内都表现为高回波强度。将扫描线作为索引单位，以扫描线中每个点作为中心点，在 X-Y 平面上构建长宽为 L、S 的矩形模板 R（L 为模板长度，S 为模板宽度，S 设计为研究内最窄标识线宽度的 2倍）。每条扫描线上的点，都处在一个包含邻域点云的 R 模板中心，一条扫描线包含了无数个 R 模板。由于噪声干扰部分与点云数据标识线点云回波强度极为接近，但这些噪声点相对于标识线点云，分布较为稀疏。本文利用分层模板法剔除噪声。将每个模板等分为 n 层，各层表示为 R（n），其中 n 为模板层数，即模板切片的精细度。模板分层后，再将模板内的点云按强度从上到下排序，则第一层的点云强度值最大。每一层的 Ra越精细，点密度的值 Nthreshold越小，记录所有符合条件的 R0中的 Imax作为当前模板 R 的强度值参与下一步计算。设当前模板 R 中心的坐标为 X，强度值为 IX，邻域点X-x和 X+x处模板的强度值 IX-x，IX+x进行比较（x 取左右个间隔点的距离）。若满足条件 IxIX-x、IxIX+x，则将 R0中 Imax所在层及以上层内的点云保留下来，其他点云剔除。在模板 R 按扫描线遍历计算中，参与计算的点不再予以判断。依次遍历所有的扫描线，提取出测区内的标识线点云。使用分层模板法提取标识点云，相比于分割的方法有以下几个优势：（1）尽管部分点云回波强度信息比较模糊，但是局部区域相邻目标的强度差比较明显，利用局部模板的比较，可找出局部区域目标点云；（2）使用分层模板法在计算模板点云密度时，可以很大程度上避免噪声点的出现；（3）对于阈值的设定和后期处理，使用分层模板法比分割的方法稳定性更好、效率更高。2实验结果与分析数据采用车载 LiDAR 扫描系统获取，本文选取一段总长为 10 km 的道路，对部分路段进行实验。实验选取路段多为直道，但道路附属物包含绿化带、车辆等干扰信息，道路标识线提取困难。实验路段点云道路结构复杂，道路周边绿化等附属设施完备，采用了基于形态学滤波算法来完成非地面点滤除，如图 5 所示。为良好地保存路牙特征，本文在进行形态学滤波时设置阈值为 15 cm，从而能够很好地保留路牙特征，如低矮植被等均被有效滤除。构建点云法向量，以法向量夹角为约束条件的区域生长算法来分割出路面点云。如图 5 所示，图 5（a）为实验数据全局视图；图 5（b）为去除地物点后的成果；图 5（c）在路面点云中，白色点为地面点，绿色为路面点，黄色为路面干扰点点云，橙色为标识线点云；图 5（d）为路面点云局部放大图。2.1标识线点云提取针对选取的实验路段，进行以下操作：（1）分析实验路段道路点云强度值分布区间以及标识线强度信息，如图 6 所示。标识线反射强度保持在 970010 000 之间，中间干扰信息较少。（2）根据点云强度信息构建分层模板提取道路标识线。对 3 个实验路段道路标识线提取效果如图 7 所示。2.2精度评价与分析分析以上 3 个实验路段道路标识线提取结果可以看出：图 4模板R与R0图 3基于局部坐标系的点云强度(a)实验数据全局视图(b)去除地物点后的成果(c)路面点云(d)路面点云局部放大图图 5实验路段点云分布图（局部）图 6点云强度信息分布506月采用本文方法对道路标识先提取效果良好。除部分区域由于道路标识线模糊、信息丢失或受遮挡等因素未提取完整外，其他部分标识线信息提取较为完整。为进一步分析提取精度，本文采用文献 5 中方法，选取准确性 p、完整性 m 和监测质量 q 三个定量指标来进行精度评价。指标计算式如式（4）式（6）所示：p=TpTp+Fp（4）m=TpTp+Fn（5）q=TpTp+Fn+Fp（6）式中：Tp为被正确检测出的路面点个数；Fp为实验过程中本身是非路面点却被误判为地面点的个数；Fn为没有被检测出的路面点个数。评价结果如表 1 所示。3结语车载激光扫描系统可以准确、精细描述目标物三维空间特征，同时反射强度信息又能在一定程度上反映目标材质等信息。本文通过挖掘三维点云数据的空间特征完成了非地面点滤除，同时基于法向特征提取了道路路面信息。在完成道路路面信息提取后，为完成道路标识线的准确提取，提出一种基于强度信息的分层模板法提取标识点云。实验结果表明：本文算法可有效提取道路标识线，且道路标识线提取的完整度、准确性均较高，但由于部分标识线信息丢失以及遮挡导致未能完全提取。参考文献：1马浩,王留召,基于车载激光点云的道路边线自动分类与提取J.测绘科学,2014,39(6):4.2方莉娜,杨必胜,陈崇成.基于车载激光点云的道路边界提取J.2015.3Mengmeng Y,Youchuan W,Xianlin L,et al.Laser databased automatic recognition and maintenance of roadmarkings from MLS systemJ.Optics&Laser Technology,2018,107:192-203.DOI:10.1016/j.optlastec.2018.05.274Cheng M,Zhang H,Wang C,et al.Extraction and Classification of Road Markings Using Mobile Laser ScanningPoint CloudsJ.IEEE Journal of Selected Topics in Applied Earth Observations and RemoteSensing,2017.DOI:10.1109/JSTARS.2016.2606507.5方莉娜,黄志文,罗海峰,等.车载激光扫描数据中实线型交通标线提取J.测绘学报,2019,48(8):15.(b)实验路段 2 提取结果(c)实验路段 3 提取结果图 7实验路段道路标识线提取效果实验路段123准确性p98.7097.8398.09完整性r94.8796.0195.58检测质量q96.8295.1294.05表 1道路路面标识线提取精度评价表 单位：%(a)实验路段 1 提取结果2曾源源,朱锦锋.国土空间规划体系传导的理论认知与优化路径J.规划师,2022,38(10):139-146.3矫雪梅,张雪原,孙雯,等.生态产品价值在国土空间规划中落地难点与规划应对J.城市发展研究,2022,29(9):50-55.4张楠,杨爱玲,郭鑫,等.国土空间规划中“三条控制线”划定逻辑研究J.测绘与空间地理信息,2022,45(S1):1-3,10.5张林波,虞慧怡,郝超志,等.生态产品概念再定义及其内涵辨析J.环境科学研究,2021,34(3):655-660.6李安国.江阴:探索创新生态产品价值实现机制J.资源导刊,2022(4):56-57.7亢楠楠.“绿水青山”的经济价值评价:研究进展、挑战与展望J.中南林业科技大学学报(社会科学版),2022,16(5):28-36.8侯冰,高振何,沈丽娜.基于国土空间生态修复视角的漓江流域生态产品供给潜力识别J.南方国土资源,2021(8):20-24.9黄铎,黎斯斯,韦慧杰,等.国土空间生态产品价值定义与实现模式研究J.城市发展研究,2022,29(5):52-58.10 雷硕,孟晓杰,侯春飞,等.长江流域生态产品价值实现机制与成效评价J.环境工程技术学报,2022,12(2):399-407.11 朱从谋,王珂,张晶,等.国土空间治理内涵及实现路径:基于“要素结构功能价值”视角J.中国土地科学,2022,36(2):10-18.12 周毅军,周伟.基于GIS的县级国土空间规划“三区三线”划定研究:以霞浦县为例J.测绘与空间地理信息,2022,45(1):171-174.13 吴健,王菲菲,胡蕾.空间治理:生态环境规划如何有序衔接国土空间规划J.环境保护,2021,49(9):35-39.（上接第47页）段永涛：基于车载 LiDAR 的道路标识线提取算法研究51