一种基于激光雷达的路面提取算法

为使机器人自主导航系统能够快速有效地提取前方路面,提出了一种可应用于结构化和半结构化环境的路面提取算法。该算法首先使用基于最大熵原理的模糊聚类方法,在单帧激光雷达数据中将具有连续趋势的点聚类;然后由聚类点拟合直线,再根据直线段的位置和角度的不同提取路面;最后通过比较连续几帧雷达数据来确定正常路面的参考水平面,以进一步提取路面上的障碍,为局部路径规划提供参考依据。在光照不均、纹理复杂、路边与路面高度差不确定、路边几何形状不规则的道路环境中的实验表明,该算法不仅能在结构化环境下提取路面,而且还可以在路边形状不规则的半结构环境下提取路面。

高空飞行无人机的路面提取

无人机技术日益成熟,不断推动着公路检测技术与方法的革新,高空飞行无人机的路面提取技术成为人们重点关注话题。采用无人机技术,对公路路面进行高空飞行检测,提取路面上的信息,关键在于提高无人机拍摄效率,增强HSV颜色空间的使用方法。为了进一步促进无人机技术在公路检测中运用,特利用HSV颜色空间将路面信息初步提取,利用连通域去除小块无用信息,利用形态学闭运算填补路面空隙,再将最大连通域做为道路保留,剔除非道路数据。最终效果明显,可以得到清晰的路面图像。

基于车载激光点云的道路几何信息自动化提取

为了高效地进行道路设施信息采集与数字化建模,利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性,通过网格降采样和半径滤波精简点云规模、去除噪音点;通过栅格单元划分进行点云组织和索引,合理利用点云的空间局部性、缩减运算规模;利用道路要素在高程上的层次性与路面结构的连续性、光滑性,设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法,实现从原始点云到路面点云的精确分割;利用采集车辆的行驶轨迹信息获取道路走向,利用其方向向量与法向量进行道路横截面的划分;切取横截面后投影至二维平面,并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比,在复杂街区和郊区公路两个实验数据集,点云分割准确性均超过87%,完整性均超过97%,提取质量均超过86%,几何信息的平均相对误差较小,说明算法具有良好的提取质量。有限算力条件下,两个数据集中点云处理时间分别是6.864与10.078 s/km,几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度,在复杂街区和郊区公路环境下具有良好的适用性,可为道路设施的健康评定和三维重建提供参考。

复杂激光点云数据中路面自动化提取技术

为了从数据量十分庞大的点云数据中提取出所需的道路要素,实现道路基础设施的数字化,该文提出了一种复杂激光点云环境中的路面提取方法。基于最近行车轨迹数据点进行道路剖面的划分,搜索出每个点的最近行车轨迹点,并根据它们的编号来进行剖面划分。采用两个连续点的距离、高程、点到行车轨迹的距离这三项指标,通过它们的阈值进行路面点的判断与提取。并以行车轨迹数据为依托,每个剖面从该剖面上的行车轨迹数据点开始向两侧延伸,通过高程变化,距离等指标判断该点属于哪种道路要素,实现了点云数据中路面及其它道路要素的识别提取。该文共采用3个南京市城市道路数据集进行算法的验证,经过算法适用性检验,最终得到了较好的提取结果,证明了该方法的可行性。

顾及相邻点序号差的路面点云自动提取方法研究

现阶段车载点云道路提取的研究主要为有规则路坎的结构化道路,而在现实中有些道路两侧是草地,结构化道路的提取方法不再适用.针对此问题,本文提出一种融合移动窗口高差和相邻点序号差的路面自动提取方法.首先利用相邻点间距实现扫描线的提取,接着根据移动窗口高差和相邻点序号差提取道路边界点,并采用RANSAC(RANdom SAmple Consensus,随机抽样一致)算法对道路边界点进行拟合,在此基础上,根据线性规划原理和滤波处理提取路面点云.以两组道路数据进行实验分析,路面提取的完整率分别为99.79%和99.52%,正确率分别为99.91%和99.62%,提取质量分别为99.70%和99.15%.实验结果表明,该方法能够同时实现结构化道路路面和路边为草地的非结构化道路路面的有效提取.

车载激光扫描数据分类支持下的路面数据提取

车载激光扫描系统可以快速采集道路及两旁的建筑物、植被、电杆等地物的点云数据,而点云数据的分类提取是车载激光扫描系统应用的关键。本文选用全景激光移动测量系统获取的激光点云数据,分析了路面点云数据的特征,采用渐进格网法进行了路面点云数据的提取研究;通过试验区的实例验证,取得了较好的分类效果。

复杂动态场景下基于道路平面提取的行人检测

研究交通安全调度优化问题,提高交通安全的高级辅助驾驶系统中的行人保护技术,是近年来热门的研究方向。其中,最严峻的挑战是建立可靠的车载行人检测系统。与普通静态图像的行人检测相比,复杂动态场景下车载视频中的行人检测面临实时性要求高、光照条件复杂等难点。针对上述问题,提出结合HOG行人检测方法和道路平面提取技术,将目标搜索范围限定在道路平面区域。实验结果表明,改进方法在降低虚警数量和提高检测速度的同时,显著提高了对小目标行人的检测效率。

无人车自动导航中路面区域分割技术研究

在无人车的自动导航系统中,为将图像中路面上的障碍物检测出来,就要对路面部分进行提取。针对这一问题,文章提出了一种阈值分割法与形态学处理相结合的方法。首先将图像进行阈值分割,由于背景的干扰,不能完全分割出路面部分,那么对其进行形态学处理并用拟合直线的方法将有用部分提取出来。Matlab仿真实验结果表明所提方法具有较强的鲁棒性和实时性,并能取得良好的分割效果。