一種車載激光掃描點云中道路矢量標識線自動提取方法
【專利摘要】本發明公開了一種車載激光掃描點云中道路矢量標識線自動提取方法，該方法根據原始道路激光掃描點云數據生成的基于強度的特征圖像，通過基于道路空間形態的自適應閾值分割、方向約束的膨脹腐蝕、細化等圖像處理方法提取出當前圖像中道路矢量標識線的骨架；采用面向對象的方法提取道路矢量標識線，結合標線的幾何特征進行道路矢量標識線的提取；根據ransac算法的原理用單條線段來表示較短的道路矢量標識線，用多條連續的折線段表示長的道路矢量標識線，提取出道路矢量標識線的位置。本發明在不影響交通情況下快速獲取道路及兩側海量激光掃描點云數據，從中提取出道路矢量標識線信息，記錄道路矢量標識線所在的三維空間坐標，操作簡單、可行性高。
【專利說明】
-種車載激光掃描點云中道路矢量標識線自動提取方法
技術領域
[0001] 本發明屬于車載激光掃描點云數據處理技術領域，具體設及一種車載激光掃描點 云中道路矢量標識線自動提取方法。
【背景技術】
[0002] 道路矢量標識線的提取是車輛智能駕駛、交通管理和道路環境Ξ維建模等領域的 關鍵技術之一。目前的研究主要集中在從視頻圖像中檢測與跟蹤車道線，但是運種從圖像 中檢測出來的道路矢量標識線主要記錄的是標線的二維平面信息而非Ξ維信息，已經無法 滿足智能車輛輔助駕駛和交通管理等方面的需要。車載移動激光測量系統作為一種先進的 測量手段，具有快速、不與測量物接觸、實時、動態、主動、高密度及高精度等特點，車載移動 激光測量系統在不影響交通情況下能快速獲取道路及兩側海量激光掃描點云數據。系統不 僅能快速獲取被測目標表面的Ξ維空間點坐標，同時還記錄目標對激光的反射強度信息， 為提取高精度的Ξ維道路標識線信息提供了一種可靠的數據源。目前，對車載激光掃描數 據的處理主要集中在建筑物的立面信息提取，對道路交通矢量標識線的提取大部分基于道 路整體強度圖像分割技術，未系統的分析考慮道路及路面標識線的空間形態特征，相關研 究較少，尚未形成成熟的提取方法。由此可見，現有技術需要進一步改進。
【發明內容】
[0003] 本發明的目的在于提出一種車載激光掃描點云中道路矢量標識線自動提取方法， 便于從海量激光掃描點云數據中快速、自動提取道路矢量標識線信息。
[0004] 為了實現上述目的，本發明采用如下技術方案：
[0005] -種車載激光掃描點云中道路矢量標識線自動提取方法，包括如下步驟：
[0006] a、根據原始道路激光掃描點云數據，經過投影生成基于強度的特征圖像；
[0007] b、采用基于道路空間形態的自適應闊值法對特征圖像進行圖像分割，將道路背景 與道路矢量標識線目標分割開；
[000引C、對分割后的特征圖像進行方向約束的膨脹腐蝕，將分割導致的斷裂的道路矢量 標識線連接起來；
[0009] d、對膨脹腐蝕后的特征圖像進行細化處理，提取圖像中道路矢量標識線的骨架；
[0010] e、用局部區域生長方法對細化后的特征圖像提取得到面向對象的單條道路矢量 標識線；
[0011] f、對提取出的單條道路矢量標識線對象進行分析，通過計算其輪廓面積與圓形度 信息，過濾掉明顯不符合道路矢量標識線特征的對象；
[0012] g、對符合道路矢量標識線特征的對象進一步處理，通過求其外接最大矩形、檢測 邊緣點連通性求出道路矢量標識線的兩個端點；
[0013] h、根據ransac原理，用連續的折線段來表示車載激光掃描點云中的道路矢量標識 線。
[0014] 優選地，所述步驟b具體為：
[0015] bl基于道路空間形態的自適應闊值法對特征圖像進行二值化處理：
[0016] 首先根據特征圖像中道路矢量標識線的實際像素寬度，來確定單個像素點的闊值 化鄰域范圍；設定道路矢量標識線的實際像素寬度為η像素，則選取單個像素至少η鄰域范 圍內的像素矩陣，來確定當前像素的二值化闊值;其中，η是指自然數；
[0017] b2通過統計特征圖像中像素分布的情況，先粗略檢測出道路方向，根據道路方向 構造與道路方向平行的η鄰域探測矩陣，根據當前基于道路空間形態的像素矩陣，統計其灰 度中間值作為中屯、像素點的分割闊值；
[0018] 每個像素位置的二值化闊值是由其周圍鄰域范圍內像素的亮度分布決定的，亮度 高的區域內二值化闊值較高，反之闊值相適應的變小;將道路矢量標識線從道路背景中分 割出來。
[0019] 優選地，所述步驟C具體為：
[0020] cl通過統計特征圖像中像素分布的情況，先粗略檢測出道路方向，然后構造與道 路方向一致的膨脹腐蝕算子；
[0021] c2首先對特征圖像整體做膨脹操作，把目標像素邊界向外擴大一個像素，使得兩 個像素 W內的二值化導致斷掉的道路矢量標識線重新連接起來；
[0022] c3然后對特征圖像整體做腐蝕操作，把目標像素邊界向內縮小一個像素，使得道 路矢量標識線還原且連接起了斷掉的道路矢量標識線。
[0023] 優選地，所述步驟f中道路矢量標識線的判斷方法為：
[0024] fl、計算面積判斷是否為道路矢量標識線
[0025] 分析單條道路矢量標識線對象，計算其面積area,如果面積area小于道路矢量標 識線的實際像素面積的1/10,則認為該對象不是道路矢量標識線，將此對象排除；
[0026] f2、計算圓形度判斷是否為道路矢量標識線
[0027] 分析單條道路矢量標識線對象，計算其周長perimeter,其圓形度roundDegree為： [002引
[0029] 其中，π是圓周率，如果計算出的圓形度roun郵egree〉0.4，則認為該對象不符合道 路矢量標識線特征，將此對象排除。
[0030] 優選地，所述步驟h具體為：
[0031 ] hi、用折線表示道路矢量標識線
[00創設道路矢量標識線的起點坐標為Pi(Pix，Piy)，終點為Ρν(Ρνχ,Ρνυ)，在有序的坐標序 列表示的道路矢量標識線中，根據實際道路矢量標識線的長度，等距離間隔取Ν個點，設依 次為Ρ?、Ρ2、Ρ3……Ρν作為折線段來表示道路矢量標識線；
[0033] h2、折線段擬合
[0034] 設 PiPn 的一般式方程為:Ax+By+C = 0;
[0035] 貝ij: A = Ρν 廣Ply; B = Ρ?χ-Ρ化；C = Pnx*Pi 廣Pix沖Ny;
[0036] 依次計算點Pi(Pix，Piy)到直線PiPn的垂距di，其中，i取2到N-1中的數值；
[0037]
[0038] 根據實際道路矢量標識線寬度像素設定擬合闊值，通過將上述垂距di與擬合闊值 比較，若di大于擬合闊值，則保留Pi，否則將Pi從有序的坐標序列中排除掉；
[0039] 依次計算即可得到該段道路矢量標識線的擬合線段，即提取出了該條道路矢量標 識線。
[0040] 本發明具有如下優點：
[0041] 本發明根據原始道路激光掃描點云數據生成的基于強度的特征圖像，通過基于道 路空間形態的自適應闊值分割、方向約束的膨脹腐蝕、細化等圖像處理方法，提取出當前圖 像中道路矢量標識線的骨架;采用面向對象的方法提取道路矢量標識線，結合標線的幾何 特征進行標線的提取;根據ransac算法的原理，用單條線段來表示較短的道路矢量標識線 (如車道線、人行橫道線等），用多條連續的折線段表示長的道路矢量標識線(如車行道分界 線、邊緣線、疏流島等），提取出道路矢量標識線的位置。本發明在不影響交通情況下能快速 獲取道路及兩側海量點云數據，從中提取出道路矢量標識線信息，記錄標示線對象所在的 =維空間坐標，操作簡單、可行性高、大大提高了提取道路矢量標識線的效率與準確性。
【附圖說明】
[0042] 圖1為本發明中車載激光掃描點云中道路矢量標識線自動提取方法的流程示意 圖。
【具體實施方式】
[0043] 本發明的基本思想是:根據車載激光掃描點云的空間分布特征和強度信息，采用 圖像處理的方法，運用面向對象提取的思想，結合標線的幾何特征進行標線的提取。
[0044] 結合圖1所示，一種車載激光掃描點云中道路矢量標識線自動提取方法，包括如下 步驟：
[0045] a、根據原始道路激光掃描點云數據，經過投影生成基于強度的特征圖像；
[0046] b、采用基于道路空間形態的自適應闊值法對特征圖像進行圖像分割，將道路背景 與道路矢量標識線目標分割開。
[0047] 其中，基于道路空間形態的自適應闊值法對特征圖像的分割過程具體如下：
[004引 bl基于道路空間形態的自適應闊值法對特征圖像進行二值化處理：
[0049] 首先根據特征圖像中道路矢量標識線的實際像素寬度，來確定單個像素點的闊值 化鄰域范圍；設定道路矢量標識線的實際像素寬度為η像素，例如可W是5像素，則選取單個 像素至少5鄰域范圍內的像素矩陣，來確定當前像素的二值化闊值;其中，η是指自然數；
[0050] b2通過統計特征圖像中像素分布的情況，先粗略檢測出道路方向，根據道路方向 構造與道路方向平行的5鄰域探測矩陣，根據當前基于道路空間形態的像素矩陣，統計其灰 度中間值作為中屯、像素點的分割闊值;每個像素位置的二值化闊值是由其周圍鄰域范圍內 像素的亮度分布決定的，亮度高的區域內二值化闊值較高，反之闊值相適應的變小;從而消 除強度圖像的灰度不均勻的影響，將道路矢量標識線從道路背景中分割出來。
[0051] C、對分割后的特征圖像進行方向約束的膨脹腐蝕，將分割導致的斷裂的道路矢量 標識線連接起來。該步驟C具體包括如下Ξ個子步驟：
[0052] cl通過統計特征圖像中像素分布的情況，先粗略檢測出道路方向，然后構造與道 路方向一致的膨脹腐蝕算子；
[0053] c2首先對特征圖像整體做膨脹操作，把目標像素邊界向外擴大一個像素，使得兩 個像素 W內的二值化導致斷掉的道路矢量標識線重新連接起來；
[0054] c3然后對特征圖像整體做腐蝕操作，把目標像素邊界向內縮小一個像素，使得道 路矢量標識線還原且連接起了斷掉的道路矢量標識線。
[0055] d、對膨脹腐蝕后的特征圖像進行細化處理，提取圖像中道路矢量標識線的骨架。
[0056] 例如，本發明可W采用一種基于邊界特性與連通性的圖像細化算法，對二值圖像 進行細化，將原始圖像像素簡化為單像素相連接的二值圖像。
[0057] 該算法對二值圖像中的像素點進行逐個判斷。
[005引設目標道路矢量標識線的亮度為1，背景為0，count = 0。對該像素點進行W下判 斷：
[0059] 1.判斷該像素點的亮度是否為1;如果是，則說明該點位于目標道路矢量標識線 上，count = count+1;
[0060] 2.統計該像素點周圍八鄰域有多少個亮度為1的點，設周圍八鄰域內亮度為1的點 的個數為doma inN，如果2《doma inN《6，則該點有可能是道路矢量標識線邊緣的點，count =count+1;
[0061] 3.統計該像素點的上下左右四個鄰域中，有任意兩個相鄰鄰域亮度為0,則count = count+l;同時滿足W上Ξ個條件，即count = 3,則說明該像素位于目標道路矢量標識線 的邊緣處，將該點坐標記錄到邊緣點坐標集中。
[0062] 然后重置count與domainN，再對下一個點進行判斷；
[0063] 對整個圖像的像素判斷完成后，將記錄下的邊緣點置為背景色，再對整幅圖像進 行下一次圖像細化判斷，循環該步驟，直到邊緣點坐標集中不再增加新的像素點為止。
[0064] 經過W上方法對二值圖像進行細化，提取出道路矢量標識線的骨架。
[0065] e、用局部區域生長方法對細化后的特征圖像提取得到面向對象的單條道路矢量 標識線。
[0066] 用面向對象的方法對將細化后的道路矢量標識線進行局部的區域生長，提取出每 條細化后的道路矢量標識線，得到有序的、用像素點坐標序列表示的道路對象。
[0067] f、對提取出的單條道路矢量標識線對象進行分析，通過計算其輪廓面積與圓形度 信息，過濾掉明顯不符合道路矢量標識線特征的對象；
[0068] 其中，道路矢量標識線特征的判斷方法為：
[0069] fl、計算面積判斷是否為道路矢量標識線
[0070] 分析單條道路矢量標識線對象，計算其面積area,如果面積area小于道路矢量標 識線的實際像素面積的1/10,則認為該對象不是道路矢量標識線，將此對象排除；
[0071] f2、計算圓形度判斷是否為道路矢量標識線
[0072] 分析單條道路矢量標識線對象，計算其周長perimeter,其圓形度roundDegree為：
[0073]
[0074] 其中，π是圓周率，如果計算出的圓形度roun郵egree〉0.4，則認為該對象不符合道 路矢量標識線特征，將此對象排除。
[0075] g、對符合道路矢量標識線特征的對象進一步處理，通過求其外接最大矩形、檢測 邊緣點連通性求出道路矢量標識線的兩個端點；
[0076] 具體的，分析單條道路矢量標識線對象，通過求其最大外接矩形，求出該道路矢量 標識線的端點，進一步判斷其連通性:如果其鄰域范圍內7個W下背景色點，則說明該點位 于有排除邊緣點的影響，最后得到道路矢量標識線的兩個起止端點。
[0077] h、根據ransac原理，用連續的折線段來表示車載激光掃描點云中的道路矢量標識 線。
[007引其具體步驟如下：
[0079] hi、用折線表示道路矢量標識線
[0080] 設道路矢量標識線的起點坐標為Pl(Plx，Ply)，終點為Ρν(Ρνχ,Ρνυ)，在有序的坐標序 列表示的道路矢量標識線中，根據實際道路矢量標識線的長度，等距離間隔取Ν個點，設依 次為Ρ?、Ρ2、Ρ3……Ρν作為折線段來表示道路矢量標識線；
[0081] h2、折線段擬合
[0082] 設 PiPn 的一般式方程為:Ax+By+C = 0;
[0083] 貝ij: A = Ρν 廣Ply; B = Ρ?χ-Ρ化；C = Pnx*Pi 廣Pix沖Ny;
[0084] 依次計算點Pi(Pix，Piy)到直線PiPn的垂距di，其中，i取2到N-1中的數值：
[0085]
[0086] 根據實際道路矢量標識線寬度像素設定擬合闊值，假設道路矢量標識線的實際像 素寬度為5像素，則闊值可設置為3,如果di〉3,則保留Pi，否則將Pi從有序的坐標序列中排除 掉。
[0087] 依次計算即可得到該段道路矢量標識線的擬合線段，即提取出了該條道路矢量標 識線。
[0088] 當然，W上說明僅僅為本發明的較佳實施例，本發明并不限于列舉上述實施例，應 當說明的是，任何熟悉本領域的技術人員在本說明書的教導下，所做出的所有等同替代、明 顯變形形式，均落在本說明書的實質范圍之內，理應受到本發明的保護。
【主權項】
1. 一種車載激光掃描點云中道路矢量標識線自動提取方法，其特征在于，包括如下步 驟： a、 根據原始道路激光掃描點云數據，經過投影生成基于強度的特征圖像； b、 采用基于道路空間形態的自適應閾值法對特征圖像進行圖像分割，將道路背景與道 路矢量標識線目標分割開； c、 對分割后的特征圖像進行方向約束的膨脹腐蝕，將分割導致的斷裂的道路矢量標識 線連接起來； d、 對膨脹腐蝕后的特征圖像進行細化處理，提取圖像中道路矢量標識線的骨架； e、 用局部區域生長方法對細化后的特征圖像提取得到面向對象的單條道路矢量標識 線； f、 對提取出的單條道路矢量標識線對象進行分析，通過計算其輪廓面積與圓形度信 息，過濾掉明顯不符合道路矢量標識線特征的對象； g、 對符合道路矢量標識線特征的對象進一步處理，通過求其外接最大矩形、檢測邊緣 點連通性求出道路矢量標識線的兩個端點； h、 根據ransac原理，用連續的折線段來表示車載激光掃描點云中的道路矢量標識線。2. 根據權利要求1所述的一種車載激光掃描點云中道路矢量標識線自動提取方法，其 特征在于，所述步驟b具體為： bl基于道路空間形態的自適應閾值法對特征圖像進行二值化處理： 首先根據特征圖像中道路矢量標識線的實際像素寬度，來確定單個像素點的閾值化鄰 域范圍；設定道路矢量標識線的實際像素寬度為η像素，則選取單個像素至少η鄰域范圍內 的像素矩陣，來確定當前像素的二值化閾值;其中，η是指自然數； b2通過統計特征圖像中像素分布的情況，先粗略檢測出道路方向，根據道路方向構造 與道路方向平行的η鄰域探測矩陣，根據當前基于道路空間形態的像素矩陣，統計其灰度中 間值作為中心像素點的分割閾值； 每個像素位置的二值化閾值是由其周圍鄰域范圍內像素的亮度分布決定的，亮度高的 區域內二值化閾值較高，反之閾值相適應的變小;將道路矢量標識線從道路背景中分割出 來。3. 根據權利要求1所述的一種車載激光掃描點云中道路矢量標識線自動提取方法，其 特征在于，所述步驟c具體為： cl通過統計特征圖像中像素分布的情況，先粗略檢測出道路方向，然后構造與道路方 向一致的膨脹腐蝕算子； c2首先對特征圖像整體做膨脹操作，把目標像素邊界向外擴大一個像素，使得兩個像 素以內的二值化導致斷掉的道路矢量標識線重新連接起來； c3然后對特征圖像整體做腐蝕操作，把目標像素邊界向內縮小一個像素，使得道路矢 量標識線還原且連接起了斷掉的道路矢量標識線。4. 根據權利要求1所述的一種車載激光掃描點云中道路矢量標識線自動提取方法，其 特征在于，所述步驟f中道路矢量標識線的判斷方法為： Π、計算面積判斷是否為道路矢量標識線 分析單條道路矢量標識線對象，計算其面積area，如果面積area小于道路矢量標識線 的實際像素面積的1/10,則認為該對象不是道路矢量標識線，將此對象排除； f2、計算圓形度判斷是否為道路矢量標識線 分析單條道路矢量標識線對象，計算其周長perimeter，其圓形度roundDegree為：其中，π是圓周率，如果計算出的圓形度roundDegree>0.4，則認為該對象不符合道路矢 量標識線特征，將此對象排除。5.根據權利要求1所述的一種車載激光掃描點云中道路矢量標識線自動提取方法，其 特征在于，所述步驟h具體為： hi、用折線表示道路矢量標識線 設道路矢量標識線的起點坐標為Pi ( Plx，Ply )，終點為Pn ( PNx，PNy )，在有序的坐標序列表 示的道路矢量標識線中，根據實際道路矢量標識線的長度，等距離間隔取N個點，設依次為 Pl、P2、P3......Pn作為折線段來表示道路矢量標識線； h2、折線段擬合 設PiPn的一般式方程為:Ax+By+C=0; 貝lj : A = PNy-Ply ; B = Pix-Pnx ; C = PNx*Ply-Plx*PNy ; 依次計算點Pi(Pix，Piy)到直線PiPn的垂距di，其中，i取2到N-l中的數值；根據實際道路矢量標識線寬度像素設定擬合閾值，通過將上述垂距cU與擬合閾值比較， 若cU大于擬合閾值，則保留^，否則將有序的坐標序列中排除掉； 依次計算即可得到該段道路矢量標識線的擬合線段，即提取出了該條道路矢量標識 線。
【文檔編號】G06K9/00GK106067003SQ201610368082
【公開日】2016年11月2日
【申請日】2016年5月27日 公開號201610368082.4, CN 106067003 A, CN 106067003A, CN 201610368082, CN-A-106067003, CN106067003 A, CN106067003A, CN201610368082, CN201610368082.4
【發明人】劉如飛, 盧秀山, 田茂義, 劉甜, 侯海龍
【申請人】山東科技大學