车载激光扫描数据路坎点云提取方法

车载激光扫描系统能够快速准确地获取街道环境的点云数据,但由于扫描点云的点密度高、数据量大、空间分布不均匀、地物相互遮挡及城市街道环境复杂等特点,难以直接从原始点云数据中提取出路坎点云。本文首先通过分析路坎点云的空间分布特征和局部几何特征,构建包含相对高程、法向量方向、多尺度高程差及多尺度高程方差的点云特征向量;然后,采用SVM提取城市街道环境车载激光扫描数据中的路坎点云,并对提取结果进行聚类去噪,优化路坎点云。最后,通过Street Mapper 360系统和Lynx Mobile Mapper V100系统采集的4份不同城市街道环境车载激光扫描数据对本文方法进行验证,其中路坎点云提取结果的完整度均超过了94.99%、准确度均超过91.88%、精度亦均达到了90.55%以上。实验结果表明,本文方法能够精确地提取复杂城市街道环境中规则或不规则的路坎点云,且具有较强的稳健性,适用于各类复杂的城市街道环境。

结合扫描线与栅格投影的车载LiDAR实时道路边界提取

针对车载激光雷达(LiDAR)实时点云数据提取道路边界困难的问题,本文采用扫描线与栅格投影地图相结合的方法进行道路边界提取。首先,基于方位角周期性实施扫描线分离;其次,采用单束点云空间邻域联合分割滤波分离路面点,保留非路面点进行障碍物地图建立;再次,以搜索格网两方向的搜索方式,增加高程极差和路宽约束条件进行道路边界提取;最后,通过多项式曲线拟合算法进行边界拟合,并选取两组代表性KITTI郊区道路数据进行试验。试验结果表明,本文方法能够有效提取道路边界,且应用效果良好,平均准确度可达80%以上。

车载激光扫描数据的道路边界线提取方法

鉴于城市道路两侧具有路坎这一特点,结合车载激光扫描系统的轨迹数据将整体点云进行分块处理,从每一块点云中截取部分数据投影到相应的截面上;然后,对获取的截面数据进行分割处理提取伪扫描线,根据路坎的坡度以及高差特点从伪扫描线中识别出路坎点;最后,利用三次样条插值的方法对提取的道路路坎点进行插值处理,得到道路边界线。实验证明了该方法的可行性和有效性。

扫描线局部特征约束的车载LiDAR点云城市道路边界提取方法

城市环境下的车载LiDAR点云在道路边界提取时容易受到路边车辆、行人遮挡等影响,而造成伪边界点的生成和边界线的不连续。本文发现利用高程标准差约束能够有效的处理该类问题。本文首先进行数据预处理,包括点云分段及地面点滤波、基于相邻点间距离将地面点整合成扫描线存储;其次基于扫描线建立连续双窗口,采用扫描线双向移动窗口法,构造双窗口之间高差、夹角值、高程标准差3种约束条件获取候选路坎点,并根据道路边界的连续性采用密度聚类中的DBSCAN算法聚类去噪,生成较为连续且精确的路坎边界点;最后对边界断点区域计算累计曲率值和距离来判断该位置是否为路口,若边界线断点为路口不进行连接,反之,视为车辆或行人遮挡导致的断点,采用二次多项式曲线填补拟合,获得边界的数学参数模型。实验结果表明,在存在较多遮挡的城市环境下道路边界提取精度能够达到80%以上。