[发明专利]一种三维点云道路边界自动提取方法

说明书

本发明涉及点云处理领域，具体公开了一种三维点云道路边界自动提取方法，包括以下步骤：S1、对获得的整个三维点云数据集P，筛选种子点进行超体素划分；S2、使用α‑shape算法提取邻近非共面的超体素之间的边界点；S3、使用基于图割的能量最小化算法提取道路边界点；S4、基于欧几里得距离聚类算法去除离群点；S5、将提取的道路边界点拟合成平滑曲线。本发明的方法可以直接运行在大规模三维点云上，可用于不同场景，计算速度快，算法鲁棒性好，可快速提取道路边界。

技术领域

本发明涉及点云处理领域，尤其是涉及一种三维点云道路边界自动提取方法。

背景技术

道路作为交通基础设施，其数字化的管理与建设对于城市规划、交通管理以及导航等应用具有重要的意义。车载激光扫描技术作为一项发展迅速的高新测绘技术，相比于传统测绘手段，具有数据获取速度快、数据精度高、非接触主动测量、实时性强等优势，在车辆正常行进过程中能快速获取道路及两侧地物详尽的三维空间信息，对于带状分布的道路信息获取具有明显优势。

传统获取道路信息的方法主要包括人工测量和数字摄影测量两张方式。人工测量虽然能够获得较为准确的道路坐标等信息，但是测量速度较慢，道路信息更新周期较长；数字摄影测量随着科学技术的发展和计算机等高新技术的广泛应用逐渐发展和成熟起来，但是受限于影像分辨率等原因，影像中提取的道路特征信息和精度要求仍然需要进一步提高。车载激光扫描系统由全球定位系统、惯性导航系统、激光扫描仪和CCD相机等组成，成为获取三维空间数据的新手段。使用车载激光扫描技术能够有效地节省测量时间，提高测量效率，缩短道路信息更新周期，避免了交通环境下测量作业人员暴露的危险性，为城市空间资源的勘测与规划提供有力的技术保障。

然而，城市通常环境复杂，不仅附属部件复杂繁多，且被扫描目标之间相互遮挡造成数据缺失，对道路边界自动提取带来考验。此外，不同道路环境引起的复杂性(比如车辆停靠，植被环绕，栅栏等)加大了道路边界的自动提取难度。因此，从海量点云中快速、自动地提取道路边界难度大，要求高，但该技术具有重要的经济和应用需求，一直是国内外的研究热点。

目前，车载激光扫描数据处理方面的研究大多集中在地物点云分类、建筑物立面信息提取与建模、道路附属设施提取等方面，而对道路边界信息提取的研究相对较少，主要工作可以分为间接提取和直接提取两类。

间接提取的方法一般是首先使用点云的属性(高度、强度及波长等)产生深度图像，然后使用图像处理的方法(裁切、拟合以及滤波等)来检测、提取道路边界。对于间接提取的方法，即将点云转换成深度图像，然后使用图像处理的方法提取道路边界，这些方法势必会在转换过程中产生误差，很难获取准确的道路边界结果。

直接提取的方法一般是使用道路特征(比如平面、路牙子等)来检测、提取道路边界。常用的方法为用基于随机抽样一致(RANSAC)的方法提取道路面，然后用线性拟合的算法来得到道路边界。用高斯滤波的方法或者滑动窗口的方法来检测路牙子，由此获得道路边界。对于直接提取的方法而言，则对场景的应用范围有较大局限。使用基于随机抽样一致(RANSAC)的方法提取道路面，在面对道路起伏的情况时会有困难，往往提取的道路面也会损失一些细节。而使用高斯滤波的方法或者滑动窗口的方法来检测路牙子的方法，往往在面对不规则道路边界(比如墙，栅栏)或者植被环绕的情况时会有挑战。

发明内容

本发明的目的在于克服上述现有技术的不足，本发明提供一种三维点云道路边界自动提取方法，该方法可以直接运行在大规模三维点云上，可用于不同场景，计算速度快，算法鲁棒性好，可快速提取道路边界。

具体技术方案如下：

一种三维点云道路边界自动提取方法，包括以下步骤：

S1、对获得的整个三维点云数据集P，筛选种子点进行超体素划分；

S2、使用α-shape算法提取邻近非共面的超体素之间的边界点；