一种利用点云强度特征的交通标志线提取优化算法

针对车载道路点云中交通标线的提取问题,设计了一种联合强度特征图像和边缘检测的交通标线提取方法。该方法首先将道路点云路面转换成点云强度特征图像并进行局部二值化操作,然后利用改进的Canny算子进行边缘检测获得强度梯度图像,最后进行连通区域分析实现对交通标线的精确提取。通过5组具有不同标线类型数据的实验结果表明,该方法提取交通标线的正确度、完整度和精度均超过90%,证明了本文方法的有效性和适用性。

车载激光扫描点云数据的道路标线自动提取方法

随着无人驾驶、智慧城市建设技术的发展,能够高效、准确地提取城市道路标线尤为必要,本文根据道路标线在车载激光扫描点云空间场景中的强度特征以及几何形态,提出了一种联合布料模拟滤波(CSF)算法、强度特征图像以及边缘检测的道路标线提取新方法。首先利用CSF算法从原始车载点云数据中提取出地面点;其次将地面点转换生成强度特征图像,基于强度特征特性图像进行图像边缘检测以及连通分析提取的标线边缘;最后引入高斯混合模型(Gaussian mixed model)对标线候选点进行分类,剔除地面噪声点。为检验本文提出算法的效果,使用两种不同类型道路点云数据进行实验,结果表明,本文提出算法道路标线提取结果的平均完整率、准确率以及综合提取质量分别为92.5%、85.9%、89.0%,均优于对比模型,验证了本文提出算法的可靠性与优越性。

车载激光点云道路标线提取方法

针对车载激光点云中道路标线的强度随扫描距离与扫描入射角等因素变化较大而难以提取的问题,提出了一种在强度特征图像中进行边缘检测的道路标线提取方法。该方法首先将道路面点云投影成强度特征图像,然后在图像上检测图像边缘,并根据道路标线的几何特征进行连通分析,提取道路标线边缘,最后通过道路标线边缘信息从道路面点云中提取道路标线候选点云,并引入高斯混合模型剔除路面噪声点,得到最终的道路标线点云。3份测试数据的实验结果表明,该方法提取道路标线的平均完整率和平均正确率分别为93%和97%。

基于影像的车载激光点云道路标线提取

道路标线提取是自动驾驶与智慧城市建设中需要解决的关键技术之一。针对车载激光点云中道路标线的强度随着光线角度变化难以提取的问题,本文提出一种基于影像进行自适应阈值分割的道路标线提取方法。方法首先将点云数据分块后投影至二维平面生成强度特征影像,然后检测图像边缘与OTSU自适应阈值分割,进而反投影至三维空间得到标线点云,利用离群点去噪剔除路面噪声点,最终得到道路标线点云数据。

车载LiDAR数据的道路裂缝信息自动提取

针对传统道路裂缝检测工作中存在的问题,该文提出了一种利用车载LiDAR数据的道路裂缝信息自动提取方法。车载LiDAR系统能够在正常车速条件下直接获取道路及其两侧各种地物的高精度、高密度表面三维数据。为了提高数据处理效率,将三维LiDAR数据转换成二维强度特征影像数据。张量投票算法根据平滑度、邻近度及连续性约束原则,通过结构特征的张量表示和非线性投票能够从稀疏的、噪声的数据中推断显著性结构。通过实验分析,该方法不仅适用于激光点云生成的强度特征影像数据的裂缝提取,还适用于光学影像数据的裂缝提取,且提取精度在90%左右。

基于车载激光点云的道路标线提取方法

针对自动驾驶领域中的道路标线提取问题,本文结合道路结构特征和点云回波强度信息,提出了一种道路标线提取方法。首先,采用布料模拟滤波算法获取地面点云;其次,使用基于法向量的区域生长法提取路面点云;然后,采用反距离加权插值法将路面点云投影成强度特征图像,并将其分割成多个子图像,利用最大类间方差将子图像分为纯块和杂块,根据纯块与原始图像灰度均值的相对大小来确定纯块的分割阈值,根据最大类间方差算法确定杂块的分割阈值;最后,经阈值分割、形态学滤波去噪、点云反投影后得到道路标线点云。实际道路的验证结果表明,所提方法的召回率达到92.8%,准确率达到96.8%,综合评价指标达到94.8%,能提取比较完整的道路标线。