[发明专利]三维点云地下车库柱状物提取与矢量自动生成方法及系统

说明书

本发明公开了一种三维点云地下车库柱状物提取与矢量自动生成方法及系统，属于点云数据处理技术领域。该方法包括：将雷达扫描获得的地下车库三维点云按空间密度投影到二维平面，生成二维平面图；对二维平面图进行形态学处理，去除噪点；对剩余点进行霍夫直线检测得到多条直线的起始点，再通过对起始点使用聚类算法得到四个直线簇，确定四条柱状物提取的矩形直线；根据点与直线的距离得到最近的点集和矩形几何性质拟合修正四条直线，得到最终的柱状物矢量。本发明利用了三维点云投影图的图像特征，通过多种数字图像处理技术实现了自动提取地下停车库三维点云数据集中的柱状物点云，并自动生成高精地图所需的柱状物矢量，节约时间和人力成本。

技术领域

本发明涉及点云数据处理技术领域，更具体的说是涉及一种三维点云地下车库柱状物提取与矢量自动生成方法及系统。

背景技术

三维高精地图被工业界和学术界公认为下一代数字地图的主要发展方向，是实现汽车自动驾驶和辅助驾驶的前提条件，为自动驾驶汽车进行精确定位和正确决策提供主要依据。其中，辅助停车是辅助驾驶的重要内容，停车场区域的三维高精地图构建依赖于从停车场点云数据中提取出柱状物等矢量信息。

传统的人工提取柱状物矢量信息效率较低，准确率受工作人员的状态影响；基于语义分割提取点云需要借助深度学习模型，而模型的训练需要提供大量标注样本，比较耗费时间。因此，如何从复杂的点云信息中，去除其他物体的影响，有效识别点云中的柱状物，并自动生成柱状物的矢量，节约时间和人力成本，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种三维点云地下车库柱状物提取与矢量自动生成方法及系统，以实现对三维点云地下车库点云中柱状物的有效提取与矢量自动生成，提高柱状物矢量生成的效率。

为了实现上述目的，本发明实施例的第一方面，提供了一种三维点云地下车库柱状物提取与矢量自动生成方法，包括：

三维点云俯视图投影：将获取的地下车库三维点云按空间密度投影到二维平面，生成所述地下车库三维点云的二维投影图，并将所述二维投影图的像素进行调整；

二维投影图噪点去除：对所述二维投影图进行形态学处理，去除二维投影图中柱状物以外的噪点，得到去除噪点的第二二维投影图；

柱状物矩形矢量生成：对所述第二二维投影图中点进行霍夫直线检测，得到多条直线的起始点，通过对所述多条直线的起始点使用聚类算法进行聚类得到直线簇，确定所述直线簇的轮廓矩形矢量；

柱状物矩形矢量校正：根据所述第二二维投影图中点与所述直线簇的距离，得到距离所述直线簇最近的点集，利用所述点集和矩形几何性质拟合修正矩形矢量，得到最终的柱状物矩形矢量。

所述三维点云俯视图投影中，三维点云投影方式为俯视图投影；所述地下车库三维点云与所述二维投影图的长宽比例为250:1；投影点的数值为地下车库三维点云俯视图的点云数量；所述二维投影图的像素由所述投影点的最大值和最小值确定。

所述二维投影图噪点去除中，对所述二维投影图的形态学处理包括膨胀腐蚀操作和二值化处理；

其中，所述二维投影图的形态学处理过程包括：一次迭代次数为3的膨胀操作和迭代次数为1的腐蚀操作；最优阈值化的图像二值化处理；一次迭代次数为4的膨胀操作和迭代次数为1的腐蚀操作；所述膨胀腐蚀操作的结构元均为5×5的全1矩阵。

所述柱状物矩形矢量生成中，所述多条直线的起始点为霍夫直线检测中累加计数值的阈值参数为80，最小线段长度阈值为200，线段上最近两点之间的阈值为21的点；所述聚类算法为Kmeans聚类，聚类簇数为4。

所述利用点集和矩形几何性质拟合修正矩形矢量包含对应直线的平行和垂直关系，重新拟合修正所述四条直线，得到最终的柱状物矢量。

本发明实施例的第二方面，提供了一种三维点云地下车库柱状物提取与矢量自动生成系统，包括：