車載激光彩色點云的道路標志線提取方法

高　陽，王留召，李　明

(1. 三維信息獲取與應用教育部重點實驗室，北京 100048； 2. 資源環境與地理信息系統北京市重點實驗室，北京 100048； 3. 首都師范大學資源環境與旅游學院，北京 100048； 4. 北京四維遠見信息技術有限公司，北京 100070； 5. 中國測繪科學研究院，北京 100830； 6. 國家基礎地理信息中心，北京 100830)

?

車載激光彩色點云的道路標志線提取方法

高陽1，2，3，4，王留召4,5，李明6

(1. 三維信息獲取與應用教育部重點實驗室，北京 100048； 2. 資源環境與地理信息系統北京市重點實驗室，北京 100048； 3. 首都師范大學資源環境與旅游學院，北京 100048； 4. 北京四維遠見信息技術有限公司，北京 100070； 5. 中國測繪科學研究院，北京 100830； 6. 國家基礎地理信息中心，北京 100830)

Study on the Extraction Methods of Road Signs Based on Vehicular Color Laser Point Cloud

GAO Yang，WANG Liuzhao，LI Ming

摘要：以車載激光掃描點云數據為研究對象，提取了車載激光掃描系統獲取的路面道路標志信息；利用點云數據的坐標、RGB、強度等屬性信息，提出了一種適用于城區街道道路標志線的自動提取方法流程；提出了點云高差法、灰度差值法、強度差值法和動態網格密度法配合使用解決問題，實現了目標物的提取。通過SSW激光建模測量車掃描的多個路段的點云數據試驗，道路標志線點云的提取成功率達到90%以上，達到了算法的預期目標，具有較高的實際應用價值。

關鍵詞：車載LiDAR；點云數據；地面標志物自動提取;灰度差值；掃描強度

在智慧城市的建設中，道路信息的獲取占據重要地位，同時也是基礎地理信息的組成部分，準確豐富的道路信息對于城市規劃及交通管理等具有十分重要的作用，同時，清晰的路面標志物也可以大大方便人們的生活[1-4]。對于道路信息和建筑物屋頂的提取，機載激光掃描數據的處理技術已經比較成熟[5-8]，但是對于路面標志線信息的提取，由于精度、紋理提取困難等問題，不能解決道路路面標志物提取的問題。以車輛為載體，配備激光掃描儀、IMU、GPS、里程計、面陣相機、電動轉臺及供電和控制系統的車載移動激光掃描建模測量系統成為智慧城市建設基礎數據采集的重要手段，在極大程度上彌補了機載測量的不足。因此，研究車載激光點云數據的道路標志線信息提取方法對于智慧城市的推廣和發展具有重要的理論價值和實際意義，也為以后的三維城市建模導航打下一定的基礎。

近年來，在車載激光掃描數據處理方面，針對點云分類[9-12]、道路信息提取[13-15]及建筑物立面信息提取[16-18]等技術的研究較多，但對于道路路面標志物提取的研究卻較少。方莉娜等[19]通過歸納3種路坎類型，并用高程、點密度和坡度3個指標構建路坎模型，分析掃描線上激光點云的空間分布和統計特征提取道路信息。Aleksey B等[20]通過近似的地圖道路網絡形式給出二維交叉連接圖，在既定的路線上逐步生長產生路線圖，實現道路信息的大規模提取。Hernandez J等[21]使用較平坦地面算法和相鄰區域高度差值來確定相應的路面邊界。但以上文獻都因算法對象和精度問題，未能進行針對路面標志線的提取。楊必勝等[22]利用點云坐標特征篩選點云，再利用激光掃描強度來區分目標點和其他點，提取道路標志。黃磊等[23]在分析強度與距離、角度的關系后，通過觀測數據結算進行修正，并將其劃分為16個等級，通過不同強度級的限定，得到對應的不同地物目標。但是由于激光掃描的強度值與環境、光線、距離等有較大關聯，這種絕對限定的方法具有一定的局限性。

針對以上存在的問題，本文通過車載激光點云掃描數據的屬性信息，針對城市道路標志線的特殊性信息，提出一種廣泛適用的提取城市道路標志線的方法，利用多種計算方法組合，層層篩選，準確高效地提取目標地物，彌補了以上方法的不足。

一、道路標志線的自動提取方法

本文針對道路標志線的自動提取問題提出了道路標志線提取的基本原理和技術路線，圖1為初步處理后的激光點云數據。首先利用移動窗口法，找出路面邊界；然后依次通過對點云高差、相鄰點云灰度差值、動態網格點云密度、激光掃描強度值和強度差值的一系列的層層篩選，基本完成對目標點云的提取；最后根據局部點云之間的距離實行聚類歸納，將各個目標分為獨立的個體實例并計算相應數據信息(如個體中心點坐標、最大最小X、Y坐標等如圖2所示)，根據相應的數據信息判斷剔除雜點，得到清晰準確的路面標志線點云。

圖1　路面標志線提取方法流程

圖2　坐標示意圖

激光點云數據具有極大的數據量和部分噪點，需要在進行計算提取之前，對點云數據作初步處理。依據掃描線軌跡和點與局部點云擬合平面的距離差判定，對測量過程中的誤差噪點進行初步消除，并對剩余點云進行智能抽稀，減少計算量，為下一步的算法計算提供更加精煉的數據。

1. 基于點云高差法提取路面信息

激光掃描數據中每個點都具有各自的整體坐標，由于路面標志線都在道路表面，整體坐標基本近于路面。因此，首先進行點云高差運算，并通過限制Z坐標的范圍來確定水平高度，去除多余點，得到路面的點云信息。

點云高差法即利用中心點與周圍點Z坐標值之間的差值，提取平整的路面信息，從而初步判斷該點是否符合要求。

點云依照激光掃描線排序，單條掃描線近似于直線，多條掃描線組合起來其排列方式近似于方陣排列，因此本文以方陣表示點云分布。由于目標點云的不同，采用的點云方陣大小也不相同，如圖3—5所示，3×3、5×5、7×7，經過多次試驗調試，確定提取路面標志線使用5×5的點云方陣效果最佳，適宜計算(以后的相鄰點算法皆采取5×5的點云方陣計算)。利用點云的垂直坐標(Z)參與式(1)的計算，其中，5×5方陣點云的坐標分別標注為Z0、Z1、Z2、Z3、…、Z24，ZZ為中心點(A0)與周圍各點Z方向的差值(ΔZi)的絕對值總和，ZZ的值大體說明該中心點與周圍點擬合近似平面的距離差，通過限定ZZ的閾值的最大值就可實現提取平面的目標，再配合移動窗口法[19]，即可初步提取路面信息。

圖3　點云3×3方陣

圖4　點云5×5方陣

圖5　點云7×7方陣

(1)

2. 基于灰度差值法提取不同地物邊緣信息

使用黑色調表示物體即用黑色為基準色，不同的飽和度的黑色來顯示圖像。在激光掃描點云的屬性信息中包含顏色信息(RGB)，利用不同物體的顏色信息來識別地物特征。雖然由于激光掃描時會受到各種干擾，導致RGB值與環境、距離等因素有關，不同的地域也會導致RGB值不同，不能直接單一利用灰度的數值進行判斷，但是同時采集的激光掃描數據的相對灰度差值基本穩定，不同顏色的物體完全能夠看出其灰度差異。因此，采用灰度差值法提取不同地物的邊緣區域。

當顏色信息發生變化時灰度值(Gray=R×0.299+B×0.587+B×0.114)會有較大改變。采用區域均值比[24]構造差異圖，通過閾值分割差異圖確定變化類，利用單個像素的信息人工地給出決策閾值。在點云數據中，借鑒以上方法，在5×5方陣點云中進行局部計算，算出中心點與周圍點的灰度差ΔG，并將差值的絕對值求和(Gray)，根據不同數據限定閾值范圍(如式(2)所示)，便于求出不同地物的邊緣線，減少大量不相關點，從而為下一步的工作提供更加準確精煉的數據。

(2)

3. 基于掃描強度值與強度差值提取道路標志線信息

激光掃描儀得到的關于掃描強度的記錄中，一個掃描點對應一個強度值，無法直觀地確定這個點實際所處位置、對應物體類型，也就無法判斷整個目標物對激光的反射能力。激光掃描儀的距離和角度足以獲取物體位置、輪廓等信息，但并不能反映出不同物體反射激光強度值之間的差別，如圖6所示。

如圖7所示，在距離掃描儀較近的點(約5 m內)，強度值普遍偏大，道路標志線的反射強度一般在1700(不同掃描儀的掃描結果和計算方式不同，數值僅代表相對區別)以上，而普通路面的反射強度則很少能夠達到。因此，目標地物(道路標志線)相對容易區分；當在5 m以外的時候，差別就小了很多，很難用數值的范圍閾值直接找到目標，但如果采用臨近點強度差值的判斷方法提取，效果頗為顯著。

圖6　點云強度渲染圖

圖7　掃描強度示意圖

強度差值法與上述兩種方法相似，取5×5點云方陣中個點的強度值進行計算，如式(3)所示，II為周圍24個點與中心點強度的差值的絕對值之和，經過調試，確定在10～325之間較為合適，能夠較清晰地提取出道路標志線的輪廓。

(3)

4. 基于動態網格密度法去除雜點干擾

當完成以上步驟時，基本已經能夠看出目標點云(道路標志線)的清晰輪廓了，不過周圍還有一些零星雜點干擾，不利于后面的各項工作，因此，采取動態網格密度法將其去除。

動態網格密度法如圖8所示，以一個點為中心，以X、Y坐標方向為平面畫出長寬為0.4 m的方框，計算位于方框內的點的個數(由于經過之前的幾種方法，點云基本處于一個近似的平面中，在Z方向上的差別很小，不會影響計算結果)，以便確定方框內的點云稀疏程度，判斷該中心點是否屬于雜點，是否應該刪除該點，而后再換其他點做重復性工作；逐點遍歷計算，最終得到準確精練的點云數據。由于之前經過各個步驟的篩選，點云數量已經不大，因此，逐點計算不會有太大的工作量。

圖8　動態網格密度法

二、試驗及分析

1. 試驗數據

本文采用四維遠見公司的SSW激光建模測量車采集的實際數據，如圖9所示，數據的掃描范圍大致為2000×300 m，數據點數約有2000萬。掃描數據中包含道路、樹木、護欄、建筑物等，路面為城市路面，較為平坦且地面標志線明顯。

圖9　原始點云數據

2. 試驗結果

如圖10所示，原始點云經過算法流程提取并矢量化可以看出基本完成了道路標志線的提取工作，這說明點云高差法、灰度差值法、強度差值和動態網格密度法配合使用，對于提取道路標志線有比較明顯的作用，能夠清晰的提取目標，達到預期目的。

圖10　點云矢量化結果

試驗結果表明，點云高差法、灰度差值法、強度差值和動態網格密度法配合使用，對于提取道路標志線有比較明顯的作用，能夠清晰的提取目標，達到預期目標。

3. 試驗結果分析

經過以上方法的處理，得到提取后的目標點云(道路標志線)，去除了大量雜點，道路標志線的輪廓清晰明了，實現了道路標志線的自動提取，為后面的工作提供了準確簡潔的基礎數據，大大簡化了三維建模等后續工作。

為了評定信息提取的精度，在3個文件(600 m路段)中各選定兩個地物(分道線和指示標)進行了以下指標的評定。

(1) 準確度(correctness)

式中，X為目標中心點X坐標；Y為目標中心點Y坐標。

ΔX=X目標中心點坐標-X提取結果對應目標中心點坐標

ΔY=Y目標中心點坐標-Y提取結果對應目標中心點坐標

(2) 完整度(completeness)

r = S提取結果面積/S完整數據面積

S提取結果面積=(XMAX-XMIN)×(YMAX-YMIN)

式中，XMAX、XMIN為聚類后個體實例的最大最小X坐標；YMAX、YMIN為聚類后個體實例的最大最小Y坐標。

S完整數據面積=點云實際測量面積

(3) 處理時間(time)

具體結果見表1。

表1　數據提取結果精度評價

通過表1可以看出，在3個測試數據中(p,r)兩個指標均超過90%，提取時間平均為每個數據22.3 s，說明目標準確提取，并且工作效率較高。

三、結束語

本文以車載激光掃描點云數據為研究對象，利用點云數據的坐標、RGB、強度等屬性信息，提出了一種適用于街道道路標志線的自動提取方法流程，并對其中的關鍵算法作了詳細的論述；提出了利用灰度差值法、強度差值法和動態網格密度法配合使用提取道路標志線信息，較之現有的道路標志線提取方法更能高效地提取準確完整的道路標志線信息。試驗結果表明，該方法提取結果的準確率和完整率均達到了90%以上，達到了算法的預期目標，為下一步的建模工作打下了良好的基礎，在一定程度上推動了數字城市建設的腳步。

參考文獻：

[1]ZHOU J,CHENG L,BISCHOF W F. Online Learning with Novelty Detection in Human-guided Road Tracking[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45:3967-3977.

[2]BARSI A,HEIPEK C. Artificial Neural Networks for the Detection of Road Junctions in Aerial Images[J].International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences,2003,34:17-19.

[3]ZHANG C,BALTSAVIAS E,GRUEN A. Knowledge-Based Image Analysis for 3D Road Construction[J].Asian Journal of Geoinformatics,2001,1(4):3-14.

[4]BRAZOHAR M,COOPER D B, Automatic Finding of Main Road in Aerial Image by Using Geometric-Stochastic Models and Estimation[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1996(18):707-721.

[5]SITHOLE G, VOSSELMAN G. Experimental Comparison of Filter Algorithms for Bare-earth Extraction from Airborne Laser Scanning Point Clouds[J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,59(1-2):85-101.

[6]黃先鋒,李卉,王瀟,等.機載LiDAR數據濾波方法評述[J].測繪學報, 2009,38(5):466-469.

[7]隋立春，張熠斌，柳艷，等．基于改進的數學形態學算法的LiDAR點云數據濾波[J].測繪學報,2010,39(4):390-396.

[8]程亮，龔健雅.LiDAR輔助下利用超高分辨率影像提取建筑物輪廓方法[J].測繪學報, 2008,37(3):391-394.

[9]ZHAO H,SHIBASAKI R. Reconstructing Textured CAD Model of Urban Environment Using Vehicle-borne Laser Range Scanners and Line Cameras[C]∥Lecture Notes In Computer Science International Workshop on Computer Vision Systems Proceeding. New York：Springer Berlin Heidelberg, 2001:284-297.

[10]MANANDHAR D,SHIBASAKI R. Auto-extraction of Urban Features from Vehicle-borne Laser Data[C]∥International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. Ottawa:[s.n],2002.

[11]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.

[12]楊必勝，魏征，李清泉，等. 面向車載激光掃描點云快速分類的點云特征圖像生成方法[J]. 測繪學報,2010,39(5):540-545.

[13]MANANDHAR D,SHIBASAK R. Auto-extraction of Urban Features from Vehicle-borne Laser Data[C]∥Symposium on Geospatial Theory, Processing and Applications. Ottawa:[s.n],2002.

[14]ABUHADROUS I,AMMOUN S,NASHASHIBI F, et al. Digitizing and 3D Modeling of Urban Environments and Roads Using Vehicle-borne Scanner System[C]∥International Conference on Intelligent Robots and System. Sendai:[s.n],2004.

[15]JAKKOLA A,HYYPPA J,HYYPPA H, et al. Retrieval Algorithms for Road Surface Modeling Using Laser-based Mobile Mapping[J]. Sensors,2008,8:5238-5249.

[16]BECKER S,HAALA N. Combined Feature Extraction for Facade Reconstruction [C]∥Proceedings of the ISPRS Workshop ‘Laser Scanning 2007 and SilviLaser 2007’.Finland:[s.n],2007:44-49.

[17]PU S,VOSELMAN G. Extracting Windows from Terrestrial Laser Scanning[C]∥ISPRS Workshop on Laser Scanning 2007 and SilvilLaser 2007.Espoo:[s.n],2007:320-325.

[18]ZHAO Huijing, SHIBASAKI R. A Vehicle-borne Urban 3-D Acquisition System Using Single-row Laser Range Scanners[J]. IEEE Transactions on Systems Man and Cybernetics Part B， 2003,33(4):658-666.

[19]方莉娜，楊必勝. 車載激光掃描數據的結構化道路自動提取方法[J].測繪學報,2013,42(2):260-267.

[20]ALEKSEY B, THOMAS F. Extracting Roads from Dense Point Clouds in Large Scale Urban Environment[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2011,66(6):S2-S22.

[21]HERNANDEZ J, MARCOTEGUI B. Filtering of Artifacts and Pavement Segmentation from Mobile LiDAR Data[C]∥ISPRS Workshop Laser Scanning 2009. Paris:[s.n.],2009.

[22]YANG Bisheng, FANG Lina, LI Qingquan, et al. Automated Extraction of Road Markings from Mobile Lidar Point Clouds[J].Photogrammetric Engineering and Remote Sensing,2012,78(4):331-338.

[23]黃磊，盧秀山，梁勇.基于激光掃描回光強度的建筑物立面信息提取與分類[J].武漢大學學報(信息科學版)，2009,34(2):195-198.

[24]WU F,WANG C, ZHANG H, et al. Change Detection and Analysis with Radarsat-1 SAR Image[C]∥Proceedings of IEEE International Geoscience and Remote Sensing Symposium, IGARSS’07. Barcelona: IEEE Computer Socciety,2007:2601-2604.

中圖分類號：P234

文獻標識碼：B

文章編號：0494-0911(2016)04-0028-05

通信作者：王留召

作者簡介：高陽(1989—)，男，博士生，主要研究方向為三維信息獲取與應用。E-mail：gaoyang198923@163.com

基金項目：國家科技支撐計劃(2012BAH34B00)；國家自然科學基金(41371434；41261086)

收稿日期：2015-04-21

引文格式： 高陽，王留召，李明. 車載激光彩色點云的道路標志線提取方法[J].測繪通報，2016(4)：28-32.DOI:10.13474/j.cnki.11-2246.2016.0115.