車載激光點云領域比較的道路邊線提取方法

王 果，崔希民，袁德寶，張 強，王立鴻

(1.中國礦業大學(北京)地球科學與測繪工程學院，北京100083;2.北京東方道邇信息技術有限責任公司，北京100080)

車載激光點云領域比較的道路邊線提取方法

王 果1，崔希民1，袁德寶1，張 強1，王立鴻2

(1.中國礦業大學(北京)地球科學與測繪工程學院，北京100083;2.北京東方道邇信息技術有限責任公司，北京100080)

對車載激光掃描獲取的高速公路信息進行研究，提出直接利用三維激光點云數據的平面和高程信息，通過點云與其鄰域比較進行道路邊線提取的方法。該方法提取不需要其他輔助數據，能直接從點云中自動提取出道路邊線信息，對點云數據自動提取具有一定借鑒意義。

激光掃描;點云;道路邊線;提取;VC++

一、引 言

三維空間信息的快速獲取及其自動處理技術是地球空間信息科學和空間信息產業快速發展的前提。激光LiDAR技術作為一種新的空間數據采集手段，具有全天候、作業周期短、精度高等優點，能快速獲取海量的高精度三維坐標數據。最近10多年來，激光掃描測量系統作為快速、精確獲取地面三維數據的測繪工具已經得到廣泛認同。從1998年開始，激光測繪系統使用量以每年25%的速度增長。加拿大Optech公司的ALTM、瑞士徠卡公司的ALSSO、德國IGI公司的LiteMapper、瑞典Topo-EyeAB公司的TopEye以及法國TopoSys公司的Falcon II等系統是當前比較成熟的商業應用系統。

按照激光掃描設備搭載的平臺，通常將激光掃描測量系統分為機載激光掃描測量系統(air-borne laser scanning system，ALSS;或airborne laser terrain mapper，ALTM)、地面掃描測量系統(ground-based laser scanning system，GLSS)和車載激光掃描測量系統(vehicle-borne laser scanning system，VLSS)。

經過十幾年的發展，機載激光LiDAR技術已相對成熟，車載激光LiDAR系統硬件的開發和研究也有了較大的進展，而對于激光掃描數據的處理卻相對滯后，到目前為止，尚沒有距離點云分割成熟可行的方法［1］?，F有文獻中，文獻［1］提出基于投影點密度的車載激光掃描數據處理方法;文獻［2］提出一種格網化的車載激光點云提取方法;文獻［3］將所有數據點投影到格網上，根據每個格網單元投影前后高度最大值對格網數據進行分類，提取出建筑物特征;文獻［4］介紹了一種基于建筑物幾何特征，對建筑物的平面輪廓信息進行提取，并對其三維建模和可視化的方法;文獻［5］研究了基于車載激光測距的建筑物立面信息提取;文獻［6］借鑒了投影點密度的思想，提出了一套從車載激光掃描數據中提取和重建窗戶的方案;文獻［7］利用掃描線上的公路三維信息進行提取，取得了一定效果。上述文獻，大都是針對建筑物的相關信息進行提取，很少有關于道路方面提取的文獻。文獻［8］中指出，如果按照機載激光的方法利用點云數據生成DSM，然后從DSM進行相關信息提取，就會丟失一些信息，從而導致提取精度降低。本文主要通過研究利用高速公路自身的形態特征，并利用點云與其鄰域比較的思想，從車載激光點云數據中提取道路邊線信息的方法。

二、鄰域比較原理

1.基于k-d樹的點云鄰域

1975年由J.L.Bentley提出的k-d樹，是k(k≥2)維二叉檢索樹(BST)，它主要用于所有索引多屬性的數據或多維數據點。與二叉檢索樹有所不同，k維空間的點是通過k-d樹的結點表示，并且樹的每一層都會根據該層的分辨器(discriminator)做出相應的分枝決策。k-d樹的第i層分辨器定義如下：i對k取余，即imodk，其中樹的根結點所在層為0，根結點的孩子所在層為1;其他同理，依次遞增［9］。

點云數據為散亂數據點，即對于每個數據點只包含點的三維坐標值，而其對應的幾何拓撲信息并沒有給出。因此，需要根據空間點的鄰域關系估算點對應的拓撲關系，從而估算點對應的幾何信息(如數據點單位法向量、微切平面、曲率大小和鄰接關系)。二維或三維散亂點云數據中，某點Q的k個最臨近鄰域是指在數據集S={Pi(i=1，2，3，…，n)}中找到k個與該點歐式距離最近的點的集合。若Λ是一排列，Λ滿足

則某點Q的k鄰域為

k-d樹是二叉檢索樹的擴展，k表示空間維數，故又稱k維搜索樹，其示意圖如圖1所示。在每個內部節點中，用一個k-1維與坐標軸平行的超平面(如二維空間中的線)將節點所表示的k維空間分成兩個部分，存儲在子樹中的點大約一半落入一側，而另一半落入另一側。當一個節點中的點數少于給定的最大點數時，劃分結束。這些超平面在k個可能的方向上交替出現，每個超平面中至少包括一個數據點，這就保證了k-d樹不存在“無點空間”的浪費。當有n個點時，構造k-d樹的時間復雜度為0［9］。

圖1 點云的k-近域搜索

與格網數據有所不同，空間散亂的三維激光點云數據無附加的拓撲信息。為了獲取激光腳點的拓撲信息需要定義散亂腳點的局部鄰域，常用的鄰域方式有ε-鄰域和k-鄰域。所謂ε-鄰域，就是以當前查詢的激光腳點為中心，半徑為ε的球體內所有激光腳點定義為該采樣腳點的鄰域腳點，該方式比較適合于比較規則的采樣表面;而對于k-鄰域來說，是指離散的空間點云中與查詢點歐氏距離最近的k個點所組成的點的集合，這種方式比較適合于非規則采樣的點云數據。根據激光掃描數據的特點，選取k-鄰域進行相應的道路邊線提取。

2.鄰域比較方法

從車載激光掃描的距離圖像(如圖2所示)可看出，反射自高速公路地面的數據點信息基本排列在水平面上，反射自樹和桿狀地物的數據點成離散分布狀態。同時，反射自地面上地物的數據點在高程方面比反射自地面上的大，而且，高速公路路面具有比較平坦的特點。如果按照4%的坡度計算，車載激光點云點間隔按2 cm計算，相鄰點間的高差為0.02×4%=0.000 8 m，即0.8 mm，所以路面點之間的高程差別很小?；诟咚俟芳す恻c云數據的以上特性，可利用激光腳點與周圍鄰域點的高程進行比較，從而提取所關注的信息。

圖2 車載激光掃描高速公路距離圖像

三、試驗過程及結果

1.試驗過程

選取某高速公路的車載激光點云數據作為試驗數據，該數據為一段長5 km的高速公路數據，通過分塊處理，將5 km數據25塊，每塊數據長度為200 m，分別對25塊數據進行處理。對于路面數據，如果k-鄰域中有k/2個點高程值與當前查詢點Q的高程值之差小于2 cm，則把該查詢點的分類信息寫入las文件;對于路沿石和其他非地面數據，若Q為當前查詢點，A為Q的其中一個最臨近鄰域，B為Q正上方或者正下方和A有相同高程值的點，對于Q周圍的k鄰近，記錄向量QA和向量QB的夾角在某個閾值范圍內的鄰近點個數m，如果m大于一定的條件，則將非地面信息的分類，寫入las文件。試驗發現，對于非地面點如果將k設為大于20，可明顯將路沿石分離出來。

通過las文件，將default類的點讀入，對于default類的某點Q，如果Q的k-鄰域中既有路面點又有非路面點，而且這k-鄰域中的路面點和查詢點的距離小于0.02 m，則將該查詢點的類信息寫入las文件。遍歷default類的所有點即可將路面和路沿石之間的點成功分離。

遍歷las文件中的路面和路沿石之間點，如果某點k-鄰域中既有路面和路沿石之間點又有路面點，而且這k-領域中的路面點和查詢點的距離小于0.01 m，則將該查詢點的類信息寫入las文件。通過這種方法，可將道路邊線點成功分類。

上述分類方法通過VC++環境下編寫代碼予以實現，整個道路邊線試驗提取流程如圖3所示。

圖3 試驗流程

2.試驗結果

對于每一塊數據，按照設計的分類算法，首先分離出地面點和路沿石點，將其類信息分別寫為20和21，對于未分類點，即類信息為1的點，建立k-d樹，通過設計的算法分離出路面和路沿石之間的點，將其類信息寫為30;其次遍歷類為30的點，建立k-d樹，分類出道路邊線點，將其類信息寫為31;然后將類為31的所有點的坐標信息，寫入文本文件;最后將TXT文本導入MicroStation實現離散點自動連線，結果如圖4所示。

圖4 道路邊線提取效果

四、結束語

根據高速公路道路邊線自身的特點及公路在車載激光掃描據表達中的特點，運用鄰域比較的方法，對原始未分類的點云不斷進行鄰域比較，并按照設計的算法利用VC++9.0編寫代碼，不斷分類出高速公路道路邊線點，然后在MicroStation下將濾出的離散點自動連線，實現基于車載激光點云道路邊線的提取。該方法不僅可以減少內業大量的人力勞動，而且基于點云直接進行分類，不會出現人工提取過程中“飛點”的情況，自動化程度高，可減少人工提取時出錯的幾率。試驗結果表明，其能相對快速地從車載激光點云中提取出高速公路道路邊線以及所關心的信息。

［1］ 史文中，李必軍，李清泉.基于投影點密度的車載激光掃描距離圖像分割方法［J］.測繪學報，2005，34(2)：95-100.

［2］ 盧秀山，黃磊.基于激光掃描數據的建筑物信息格網化提取方法［J］.武漢大學學報：信息科學版，2007，32(10)：852-855.

［3］ 吳芬芳，李清泉，熊卿.基于車載激光掃描數據的目標分類方法［J］.測繪科學，2007，32(4)：75-77.

［4］ 李必軍，方志祥，任娟.從激光掃描數據中進行建筑物特征提取研究［J］武漢大學學報：信息科學版，2003，28(1)：65-70.

［5］ 王健，靳奉祥，呂海彥，等.基于車載激光測距的建筑物立面信息提?。跩］.山東科技大學：自然科學版，2003，23(4)：8-11.

［6］ 楊洋，馬一薇，楊靖宇.基于車載激光掃描技術的窗戶提取與重建技術［J］.海洋測繪，2010，30(3)：48-51.

［7］ 李永強，盛業華，劉會云，等.基于車載激光掃描的公路三維信息提?。跩］.測繪科學，2008，33(4)：23-25.

［8］ ASELSSON P.Processing of Laser Scanner Data：Algorithm and Applications［J］.ISRPS Journal of Photogrametry and Remote Sensing，1999，54：138-147.

［9］ 郭薇，郭菁，胡志勇.空間數據庫索引技術［M］.上海：上海交通大學出版社，2006.

［10］ SITHOLE G，VOSSELMAN G.Experimental Comparison ofFilterAlgorithmsforBare-Earth Extraction from Airborne Laser Scanning Point Clouds［J］.ISPRS Journal ofPhotogrammetry and Remote Sensing，2004，59：85-101.

Method of Extraction of Highway Sideline from Point Cloud of Mobile Scanning System

WANG Guo，CUI Ximin，YUAN Debao，ZHANG Qiang，WANG Lihong

0494-0911(2012)09-0055-03

P234.5

B

2011-09-14

王 果(1986—)，男，河南南陽人，博士生，主要研究方向為測繪新技術及數據處理。