基于部件測量的車載激光點云處理技術研究

摘 要：基于城市主要道路電桿、路燈、路面標志等部件快速測量的需要，采用車載激光測量系統掃描獲得的道路激光點云為主要數據源，重新思考點云數據中桿狀、牌狀地物快速獲取的構建思想。通過影像匹配技術、點云預處理及面向對象方法的研究，實現點云數據中以上特征地物的快速提取。

關鍵詞：快速測量；激光點云；影像匹配；點云預處理

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1003-5168（2018）01-0034-02

Research on Vehicle Laser Point Cloud Processing

Technology Based on Component Measurement

ZHANG Lingling 1 HOU Yue2

（1.Xuchang Branch of Henan Provincial Land Resources Survey and Planning Institute， Xuchang Henan 461000；

2.Surveying Mapping Engineering Institute of Henan Province，Zhengzhou Henan 450003）

Abstract： Based on the needs of rapid measurement of components such as poles， streetlights and road signs in urban roads， the road laser point cloud scanned by vehicle borne laser measurement system was taken as the main data source. Through the research of image matching technology， point cloud preprocessing and object oriented method， the above feature objects were extracted quickly from the point cloud data.

Keywords： fast measurement；laser point cloud；image matching；point cloud preprocessing

信息時代，地理空間信息與人們的生產生活密切相關，如何快速、全面、準確、及時地獲取地理空間信息是人們不斷研究的課題。車載激光掃描技術作為一種快速的空間信息獲取方式，對公路、隧道、堤岸及城市街道等呈帶狀空間分布的地物獲取高精度三維信息具有明顯優勢[1]。車載激光測量系統在行駛過程中動態連續地采集數據，通過激光點云的形勢記錄了其所能探測到的所有目標信息，這些信息表現為無序的、散亂的空間點云，如何快速、準確地提取有用信息則是需要深入研究的問題。

傳統的部件測量方法主要利用水準儀、全站儀或GPS等儀器采集數據，外業工作量大且信息化程度不高。隨著科技的進步，航空攝影測量技術逐漸被應用于道路改建項目中，但是道路呈帶狀分布，航線需沿路分布，不但工程量大，而且由于DEM精度低，道路橫斷面線必須輔以人工測量，耗時耗力。

本文針對城市主要道路電桿、路燈、路面標志等部件快速測量的需要，采用車載激光測量系統掃描獲得的道路激光點云為主要數據源，重新思考點云數據中桿狀、牌狀地物快速獲取的構建思想。通過影像匹配技術、點云預處理及面向對象方法的研究，實現點云數據中以上特征地物的快速提取。

1 研究內容

1.1 激光點云與影像自動匹配

首先，根據時間同步獲取激光點云和相機的對應關系；然后，由空間位置和姿態得到在掃描線上與激光點對應的像素；最后，讀取對應的影像文件并讀取對應的像素值，并將像素賦予對應的空間位置點。這樣就得到了包含有顏色信息的空間彩色點云數據。融合了色彩屬性信息的點云數據，在可視化顯示、自動分類、智能建模等方面更為直觀，具有很大優勢。

1.2 激光點云數據預處理

研究由原始的采集數據到目標點真實三維坐標獲取的一系列數據整合與轉換處理方法，研究適合車載激光掃描的目標信息與背景信息分離工具。

1.3 典型地物自動提取

通過對激光點云數據進行預處理，可以獲得3類數據：城市主要道路點云數據，建筑物立面的點云數據，電桿、線桿、道路指示燈、行數等點云數據[2]。針對以上3類不同地物的特點，通過組合法則和建立地物之間的拓撲關系，使用相應的具體算法，來完成以上3類典型地物的信息提取。

2 技術思路

2.1 道路邊線提取

提取路邊線的方法有3種，在實際工作中要根據具體的情況選擇適當的提取方法，達到最優的提取效果。路邊線提取首先利用高度限制，然后利用探面取交線、夾角判斷和聚類判斷3種方法粗提取路邊點，在此基礎上設置輸出矢量時需要的點間距和拐角閾值，得到最終提取結果[3]。

2.2 路面標志提取

首先，通過移動窗口法，找出道路路面的邊界，從而縮小點云的運算范圍；然后，通過對點云高差、相鄰點云灰度差值、點云密度、掃描強度值等一系列的層層篩選，基本完成對激光點云的提取；最后，根據局部激光點云之間的距離實行聚類歸納，剔除雜點，得到較為精細的道路路面標志的點云[4]。

2.3 路燈電桿提取

首先，通過投影的方式將原始點云在水平面上進行網格劃分（每個單個網格為一個處理單元），分別去除每個單元點云的地面點；然后，對網格進行點云探測并編號，賦予同一屬性值，利用八鄰域搜索對地物點聚類，再以聚類后單個點云塊為處理單元，利用各類地物的高度、投影點密度、投影面積及形狀等特征，逐步排除其他地物點，實現對桿狀地物的精細提取[5]。

2.4 建筑物特征線及腳點提取

首先，根據高度限制處理該范圍內的點云。然后，利用同一掃描線上相鄰激光點的空間幾何關系進行兩類特征點的粗提取：一類激光點是與其前（后）激光點的距離較近，并且與后（前）激光點的距離較遠；另一類激光點是與其前后激光點在水平面上組成的夾角近似直角[6]。最后，對這兩類點的并集進行聚類剔點。根據實際數據，調整剔除條件。若雜點多，則剔除條件收緊；若特征線少，則放寬剔除條件[7]。

3 結語

本文研究成果將進一步促進車載激光點云數據自動處理的發展，大大提高了部件測量的精度和效率，對其他方面的應用（如地形測量、數字城市建設、逆向工程等）具有重要的參考作用。

參考文獻：

[1]王格芳，吳國慶，沙曉光，等.激光測量的自由曲面點云數據處理方法[J].圖學學報，2008（5）：33-37.

[2]喻亮.基于車載激光掃描數據的地物分類和快速建模技術研究[D].武漢：武漢大學，2011.

[3]李艷紅.車載移動測量系統數據配準與分類識別關鍵技術研究[D].武漢：武漢大學，2014.

[4]閆利，曹亮，陳長軍，等.車載全景影像與激光點云數據配準方法研究[J].測繪通報，2015（3）：32-36.

[5]陳田.激光測量點云的數據處理方法研究[J].激光與光電子學進展，2011（9）：72-76.

[6]孟娜.基于激光掃描點云的數據處理技術研究[D].濟南：山東大學，2009.

[7]徐建新，張光偉，羌鑫林，等.激光測量采集車在城市部件調查中的應用[J].測繪與空間地理信息，2013（s1）：237-239.