[发明专利]基于扫描线和滑动最小二乘拟合的道路点云提取方法

说明书

本发明公开了基于扫描线和滑动最小二乘拟合的道路点云提取方法，包括以下步骤：扫描线重构；POS系统距离道路面高度的精确估计；道路面种子点的稳健提取；道路面点的完整稳健提取；基于扫描线的高效道路面点提取方法本发明逐扫描线进行道路面点云提取，提高道路面点提取的效率；充分利用先验知识，为道路面点的稳健提取奠定了基础；道路面种子点的稳健提取，基于扫描线中备选点的临界行最种子点备选点进行聚类，有效的提高了道路面种子点提取的稳健性；采用滑动加权最小二乘拟合局部道路点，确定了拟合方法和定权方法，该方法能够有效的实现扫描线中道路面点的局部最佳拟合并实现稳健的完整道路面点提取。

技术领域

本发明涉及遥感测绘技术领域，具体领域为基于扫描线和滑动最小二乘拟合的道路点云提取方法。

背景技术

车载/无人机激光扫描系统能够在平台的运动过程中高效地获取地物的三维空间信息和属性信息，是近年发展迅速、使用越来越广泛的三维空间数据获取手段。车载/无人机激光点云中包含地面、植被等各类地物的无差别采样，从车载/无人机激光点云中提取所需的特定地物信息是车载/无人机激光点云在各行业高效应用的必要处理步骤。

道路点是车载/无人机激光点云中的重要组成部分，是道路状况普查、道路几何参数提取、路面障碍物检测与识别等应用的可靠数据源。在道路状况普查、道路几何参数提取、路面障碍物检测与识别等应用中，为了提高数据处理的效率和算法的稳健性和可靠性，通常首先从车载/无人机激光点云中提取道路面点云。

由于路面状况的复杂多样以及激光点云的离散采样、遮挡和存在噪声等原因，从车载/无人机激光点云中提取道路面点云具有较大的挑战性。Yang等将车载激光点云投影成特征影像，采用discrete discriminant analysis方法确定分割阈值，从特征影像中分割出属于路面的部分，该方法在生成特征影像时需要格网化，所提取道路面点云的边界精度有所限制。Kumar等通过结合两个改进的参数化主动轮廓模型提取道路的边界线，并通过所提取的边界线获得道路面点云，该方法计算量大，效率较低。Guan等将车载激光点云分块，对每一块激光点云构建虚拟扫描线，在每一根虚拟扫描线中通过高程变化检测路牙以获得路面点，该方法只适合于有明显路牙的道路情况。Riveiro等对每一条扫描线进行分析，通过PCA(Principal Component Analysis)分析获得每一条扫描线中标志道路面开始和结束的高程峰值点，该方法同样仅仅实用于有明显路牙的道路。Holgado-Barco等针对特定类型的道路，通过设置扫描角度，以特定扫描角度范围内的点为道路面点，该方法需针对不同的道路类型人工调整阈值且只适合路面宽度不变的道路。

综上所述，虽然国内外不少学者针对车载/无人机点云的道路面点云提取开展了研究并取得了不少的进展，但都有自己的局限性存在，缺乏适用于不同道路类型、高效稳定的解决方案。

发明内容

本发明的目的在于提供滑动最小二乘拟合的道路点云提取方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种，。

基于扫描线和滑动最小二乘拟合的道路点云提取方法，包括以下步骤：

S1、扫描线重构：根据每一个激光点在扫描仪坐标系下的扫描角，将原始激光点云重建为不同的扫描线；

S2、POS系统距离道路面高度的精确估计：POS系统与地面之间存在固定的高差HD，而后通过计算获得精确的高度；

S3、道路面种子点的稳健提取：基于S2中的POS数据计算，而后进行种子点的提取；

S4、道路面点的完整稳健提取：基于S3获得的种子点进行拟合生长，而后获得道路面点。

优选的，步骤S1中具体操作方法为：