一种基于梯度复杂度的点云道路地标线提取方法技术

本发明专利技术提供一种基于梯度复杂度的点云道路地标线提取方法，涉及道路高精度电子地图制作技术领域。基于梯度复杂度的点云道路地标线提取方法，包括如下步骤：S1.利用不规则三角网(TIN)渐进加密法提取道路地面点数据，S2.将点云投影成强度图像，以每个格网内所有扫描点的平均强度作为灰度值，将所有网格内的灰度值归一化到0至255之间得到强度特征图像，S3.计算强度图像的梯度复杂度，S4.建立强度分布特征和梯度复杂度之间的映射函数关系。通过综合利用点云强度梯度复杂度信息对道路标线进行了有效提取，相比于传统强度图像提取算法既考虑了强度变化的幅度，又考虑了强度变化的频率，可以动态适用强度图像不同环境的变化。可以动态适用强度图像不同环境的变化。可以动态适用强度图像不同环境的变化。

【技术实现步骤摘要】
一种基于梯度复杂度的点云道路地标线提取方法


[0001]本专利技术涉及道路高精度电子地图制作
，具体为一种基于梯度复杂度的点云道路地标线提取方法。

技术介绍

[0002]道路标线是城市道路信息的重要组成部分，也是城市高精度地图制作和城市道路资产普查的重要要素，对城市道路管理和智慧交通等具有重要的作用，对于现代无人驾驶技术的发展也具有重要的现实意义。传统方法采集使用全站仪或GPS等技术获取的道路标线信息作业效率地，难以满足道路标线信息快速获取的需求。因此如何快速精确的获取高精度的道路地标线数据成为了道路信息建设、无人驾驶、智能导航等应用领域的关键。车载三维激光扫描系统作为现代地理信息技术获取手段，可以快速获取道路及其周边的三维坐标信息，也是获取道路标线、道路部件等附属信息的重要方式。根据车载点云数据提取道路标线现在一般是根据道路标线在点云强度图上的反射信息来进行，但点云强度信息一般表现为灰度信息，这种图像的灰度分布特征不包含边界信息，不能反应灰度图像的局部特征，不利于充分利用图像的细节特征来提取道路标线。
[0003]现有从道路地面点云中提取标线信息的方法主要分为两类存在以下问题：一类是根据道路点云投影出的特征图像中提取道路标线，其中包括道路的强度特征、高程特征等，再结合标线的语义特征，采用一定的边缘检测算法进行特征图像分割，从而提取出道路标线信息。这种方法无法提取形态较为复杂的道路标线，而且该方法得到的结果是二维形式的标线缺乏高程信息。另一类是直接从道路点云中提取标线信息。该方法需要对道路点云数据进行分区分块吹，然后利用阈值分割的方法提取处高强度的道路标线点云。该方法由于提取的三维信息，会存在部分噪点信息，且容易漏提取强度较弱的道路标线信息。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于梯度复杂度的点云道路标线提取方法。在根据道路标线点云强度差异的基础上，提出了一种在强度特征图像上进行边缘检测的道路标线提取方法。该方法通过引入梯度复杂度的改变，通过建立灰度
‑
梯度复杂度映射，采用最大梯度复杂度方法获取阈值来实现点云强度信息的边缘提取工作。该方法既考虑了强度图像上灰度幅度信息，也体现了目标区域梯度变化的幅度信息和频率信息。本专利技术主要包含三个步骤，首先将道路地面点云投影生成强度特征图像，然后利用强度特征图像生成梯度复杂度图，根据建立的灰度
‑
梯度复杂度映射函数寻找最大梯度复杂度值作为点云地面标线提取的阈值，最后根据道路表现的几何特征进行连通区域分析，得到最终道路标线提取结果。本专利技术的有效性和可行性较好，没有出现阈值分割提取标线存在的标线漏检测及错误地提取大面积噪声的情况，可以快速、完整地提取道路标线，实现车载点云数据道路标线的客观提取。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于梯度复杂度的点云道路标线提取方法，在将道路地面点云投影成为强度特征图像，然后利用点云强度特征图像计算该图像的梯度复杂度信息，并根据梯度复杂度信息和点云强度图像的灰度信息建立灰度
‑
梯度复杂度映射，通过映射函数分布图分析最大梯度复杂度值作为道路标线提取的阈值，最后根据道路标线几何特征进行连通性分析，得到道路标线信息结果。包括以下步骤：
[0008]S1：利用不规则三角网(TIN)渐进加密法提取道路地面点数据
[0009]通过点云分类方法将道路点云中的植被进行剔除，并对行人、车辆等噪声点云进行去除，得到包含道路标线的道路地面点云数据，采用不规则三角网(TIN)的渐进加密法提取道路地面点，利用人工去除的方法去除路面行人、车辆等噪声的路面点噪声。
[0010]S2：利用路面点集中点云的强度信息，将点云数据投影为强度图像，并将强度图像归一化到0和255之间的强度特征图像
[0011]假设生成的强度特征图像的像素大小为N，将点云投影到M行N列的网格中，其中X
min
、X
max
、Y
min
、Y
max
为点云X和反向的最大值和最小值。每个网格内灰度值为该网格中所有扫描点的平均强度，
[0012]则点云投影的公式为：
[0013]将所有网格的灰度值归一化到0至255之间得到强度特征图像。
[0014]S3：基于归一化的强度特征图像，计算像元的梯度复杂度
[0015]假设f(i.j)为一幅图像的灰度分布函数，(i,j)∈S，S表示像素空间坐标的整数集合，该图像的大小为M
×
N，具有L个灰度级，g(i,j)为图像像元的梯度，梯度复杂度为一个像元和它的邻域之间的梯度差分之和与该像元的梯度与领域内像元数量之积的比值。
[0016]设一个像元x
c
，该像元与其领域像元的梯度差的绝对值之和ΔG(x
c
)，
[0017]而
[0018]x
i
(i＝1,Λ,n)为x
c
的第i个领域像素，n为邻域像元的个数，
[0019]则
[0020]g(x
c
)为像元的梯度值，gc(x
c
)为该像元的梯度复杂度。
[0021]S3步骤中梯度复杂度图的像元值反映的是像元邻域内的梯度变化情况，包含了地物目标的边缘信息。对某一图像而言，如果对应的平均梯度复杂度值较小，表明该强度值更多地出现在目标或别境内部，分布在边缘的像素点较少；如果平均梯度复杂度值较大，则说明具有该强度值的像素点更多的出现在边缘上，分布在背景或目标内部的像素点很少。
[0022]S4：建立强度分布特征和梯度复杂度之间的映射函数关系，构建强度
‑
复杂度曲线
[0023]将强度图像的灰度量化为256级，求得强度图像的梯度图，以一定的扫描频率和带宽对图像进行搜索，求得对应强度图像灰度值像元的梯度复杂度值，以此构建强度
‑
梯度复杂度曲线。
[0024]设强度值为l(l∈[0,1,ΛL
‑
1])的像元数为nl，像元集合R
l
，R
l
＝{(i,j)|f(i,j)＝
1}，
[0025]其中f(i,j),gc(i,j)分别为该像素的强度值和梯度复杂度值，
[0026]则
[0027]其中T
l
为像元l的平均梯度复杂度值。
[0028]S5：建立道路标线分割过渡区，并在过渡区内搜索最大梯度复杂度值作为道路标线的分割阈值
[0029]在对强度图像进行扫描时，将强度图的灰度值作一个扩展，每个灰度值l
i
扩展至l
i
±
TB这样一个范围，TB定义为扫描带宽，统计每个灰度范围内像元的强度图像梯度复杂度均值，作为对应灰度值像元的梯度复杂度。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度复杂度的点云道路标线提取方法，其特征在于，包括如下步骤：S1：通过点云分类方法将道路点云中的植被进行剔除，并对行人、车辆等噪声点云进行去除，得到包含道路标线的道路地面点云数据；S2：利用路面点集中点云的强度信息，将点云数据投影为强度图像，并将强度图像归一化到0和255之间的强度特征图像；S3：基于归一化的强度特征图像，计算像元的梯度复杂度；S4：建立强度分布特征和梯度复杂度之间的映射函数关系，构建强度
‑
复杂度曲线；S5：建立道路标线分割过渡区，并在过渡区内搜索最大梯度复杂度值作为道路标线的分割阈值。2.根据权利要求1所述的一种基于梯度复杂度的点云道路标线提取方法，其特征在于：所述S1的具体方法为：(1).采用不规则三角网(TIN)的渐进加密法提取道路地面点；(2).利用人工去除的方法去除路面行人、车辆等噪声的路面点噪声。3.根据权利要求1所述的一种基于梯度复杂度的点云道路标线提取方法，其特征在于：所述S2的具体方法为：将点云投影为强度栅格图像，并将栅格图像进行归一化处理，将其栅格像元值归一...

【专利技术属性】
技术研发人员：刘慎栋，徐耀汉，邢晓达，李波涛，田东坡，郭钰威，张永帅，李浚川，刘坤，
申请(专利权)人：河北省地质矿产勘查开发局第九地质大队，
类型：发明
国别省市：