[发明专利]车载激光扫描点云数据的交通标牌识别方法

摘要

本发明提出一种车载激光扫描点云数据的交通标牌识别方法，该方法包括以下步骤：（一）点云实时预处理；（二）点云结构特征获取；（三）多尺度马尔科夫随机场点云聚类；（四）交通标牌识别。本发明的优点：强化了点云的“面状”、“线状”、“散乱状”特征，增强了点与点之间的差异性，在避免欠分割的同时，能够快速在交通标牌零部件尺度上合理分割；方便从地物遮挡或地物自遮挡造成的部分交通标牌缺失的点云数据中实现交通标牌的分类和识别；能有效满足当前对城市零部件的快速提取、监测和识别的要求，方便推广到基于计算机视觉的有人或无人导航和避障领域，辅助驾驶员在复杂路况下导航和决策，有效地降低交通事故发生概率。

主权项

1.车载激光扫描点云数据的交通标牌识别方法，其特征是该方法包括以下步骤：(一)点云实时预处理；(二)点云结构特征获取；(三)多尺度马尔科夫随机场点云聚类；(四)交通标牌识别；所述的点云实时预处理，具体步骤如下：①剔除视场范围以外的点：通过阈值法，将当前车辆前、左、右、上、下距离阈值d＝100m外的点云剔除；②地面点剔除方法：将点云栅格化，栅格单元尺寸设置为点云平均密度，将其垂直投影到栅格网，每个非空栅格包含若干个点，保证组成地物点云的完整性；假设将当前栅格及其周围邻域栅格内的最低点设为地面点，逐次比较邻域内最低点和当前栅格内最低点高程，如果存在任意一个邻域栅格最低点高程小于当前栅格最低点高程且超过阈值h1＝0.5m时，则判定当前栅格为地物栅格，否则为地面栅格；栅格判定完成后，在当前地面栅格及其邻域栅格范围内，比当前地面栅格中最低点高程差大于h2＝10cm缓冲带内的点也默认为地面点，需将其剔除；③大面积建筑屋顶、建筑立面剔除：借助栅格网，统计分析栅格内点云的数量，如果栅格单元中点的数目大于5且至少存在10个同类型的栅格单元构成连通分量时，这些连通的栅格单元内的点则属于建筑立面，需将其进一步剔除，并且根据建筑立体墙面的位置，将建筑立面后方所有栅格中包含的建筑屋顶点也一并去除；所述的点云结构特征获取，其具体方法如下：1)对实时预处理后得到的地物点，借助KNN(K‑Nearest Neighbor algorithm,KNN)算法构建k邻近无向图，将无组织点云利用无向图数据结构进行组织；2)逐个对联通分量利用公式(1)进行拉普拉斯平滑：其中WL和WH是对角矩阵，分别用来平衡当前点和邻域点间的引力和斥力，WL设置为单位阵，V和V'分别是优化前和优化后的点集，L是n×n的拉普拉斯算子；3)拉普拉斯平滑后，逐点构建协方差矩阵，如公式(2)所示：其中p为当前待处理点，N_p是p最邻近点集合，是N_p的中心点，C_p的特征值分别为：λ₁，λ₂，λ₃(λ₁>λ₂>λ₃)，物体被分成“线状”结构，“面状”结构和“散乱状”结构，交通标牌看成“面状”结构和“线状”结构的组合，通过公式(3)～(5)计算当前点云的特征，通过比较每个点云三个特征的大小，找到点云归属的类别；如果当前点p具有“线性”特征，即λ1>>λ2≈λ3，所以F1≈1，F2≈0，F3≈0；如果p具有“面状”特征，即λ1≈λ2>>λ3，所以F1≈0，F2≈1，F3≈0；如果p具有散乱分布的“散乱状”特征，即λ1≈λ2≈λ3，所以F1≈0，F2≈0，F3≈1。