基于RPCA的激光点云道路标牌几何信息提取方法

道路标牌的位置、尺寸等几何参数普查是交通资产管理、无人驾驶等应用的关键环节。车载激光扫描三维点云中路牌不仅占比小,而且受周围树木干扰大,导致边缘点云缺失且包含大量噪声。为了准确提取点云中标牌杆和平面的位置和几何信息,提出了两阶段杆状物点云分割方法,由粗及细提取出标牌杆及其相连的标牌平面点云簇;进而通过鲁棒主成分分析(robust principal component analysis,RPCA)排除标牌周围噪声和杂点干扰,结合点云簇形态分析得到独立的主杆体和标牌平面2个部件;再引入环状域生长拟合圆柱体,法向量投影采样与定向包围盒(oriented bounding box,OBB)紧致拟合标牌平面,分别得到主杆体和标牌的准确几何信息。实验采集了湖北省武汉市洪山区、高新区和武昌区34个不同路口下的激光点云数据,在KPConv点云分割网络下进行训练与验证,准确率达到90.31%,标牌精确度达到91.07%,召回率达到了92.74%;并对上述数据中的20个路口的98个道路标牌进行几何信息提取,有效提取率达到89.80%,位置精度达到0.0621 m,几何误差达到8.07%。实验表明:该方法能有效排除点云噪声和杂点干扰,实现对点云缺失在20%以内的标牌的有效提取。