[发明专利]一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法

权利要求书

1.一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：包括如下步骤：步骤1：由车载激光扫描仪获取道路以及路侧地物的点云，并解算后输出LAS格式的点云数据传输至MICROSTATION CE平台；步骤2：MICROSTATION CE平台对LAS格式的点云数据预处理；步骤3：MICROSTATION CE平台对LAS格式的点云数据全自动分割处理,得到杆状物点云数据；步骤4：MICROSTATION CE平台对杆状物点云数据分类处理，分类处理包括c、获取标准模型体素语义和d、同类杆件判别两个步骤；步骤5：MICROSTATION CE平台将杆状物点云数据转换为二维地图符号，并在二维地图符号上自动挂接属性。

2.根据权利要求1所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：在所述步骤2中，所述预处理包括以下步骤：s21、在MICROSTATION CE平台中剔除道路之外的冗余数据；s22、MICROSTATIONCE平台并对较长路段进行分段。

3.根据权利要求1所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：在所述步骤3中，所述全自动分割处理包括a、判断高程连续和b、垂直道路延伸方向裁切两个步骤。

4.根据权利要求3所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：所述a、判断高程连续包括以下步骤：a1、将道路点云的外包围划分为一个个0.5m*0.5m*0.5m的立方盒；a2、在每个立方盒内寻找所有含有点云的立方块，并记录每个立方块的XYZ坐标和序号；a3、判断是否有XY坐标一致、Z坐标垂直地面连续的立方块群；a4、当Z坐标的差值超过设定的阈值，则初步判断此处有杆状物，并记录下该杆状物最低点所在立方体的XYZ坐标和序号。

5.根据权利要求3所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法,其特征在于：所述b、垂直道路延伸方向裁切包括以下步骤：b1、基于获取的任一潜在杆状物点P，获取距离该点最近的同侧另一杆状物点Q，计算杆状物点P和杆状物点Q两点连线的第一直线方程，并以第一直线方程作为模拟的道路延伸方向；b2、计算XY平面上与第一直线方程垂直且过杆状物点P的第二直线方程，并将第二直线方程向两侧各拓宽一定距离，得到矩形框；b3、获取所有XY坐标在矩形框内的点云，即为初步分割得到的杆状物点云数据。

6.根据权利要求1所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法,其特征在于：所述c、获取标准模型体素语义包括以下步骤：c1、框选点云质量较好的杆状物作为标准模型，并计算其超体素语义信息；c2、构造顾及反射强度和欧式距离的点云超体素；c3、对超体素内的点构造协方差矩阵，计算其特征值λ1、λ2、λ3(其中，λ1≥λ2≥λ3)和对应的特征向量，并根据公式(一)获取超体素的维数特征，维数特征包括线状、面状和球状数据；c4、取维数特征中最大数据值的所属类别作为该超体素的最终类型，同时根据超体素的主方向确定线的结构类别，超体素的法向量确定面的结构类别；c5、根据获取的所有超体素构成标准模型，根据获取的所有超体素类型设定标准模型的语义规则即得到标准模型体素语义。

7.根据权利要求1所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法,其特征在于：所述d、类杆件判别包括以下步骤：d1、计算所有经全自动分割处理后杆状物的超体素语义信息；d2、将所有超体素语义信息均与标准模型体素语义进行比较，若超体素的各特征均在阈值内，则判断为同类杆件，输出该杆状物点云数据。