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。

基于3D激光雷达城市道路边界鲁棒检测算法

对点云预处理,并采用点云映射的方式快速分割出地面,同时消除路内障碍物以降低数据量;将分割出的地面数据组织成无向图,结合道路边界的多种局部特征和全局连续性特征提取边界点;根据道路边界点的测量模型修正提取的边界点,并采用二次多项式拟合修正后的边界点;采用多种策略对道路边界进行更新以使相邻两帧检测的道路边界保持平滑.实验证明,在道路边界不规则、存在路内障碍物遮挡边界的情况下,采用该方法得到的道路边界检测结果依然具有较高的鲁棒性和准确性.

基于几何特征与三维点云特征的道路边沿识别算法

针对目前典型道路边沿识别算法存在实时性与可靠性难以兼顾的问题,基于多线激光雷达,根据道路边沿的几何特征与三维点云特征,提出了一种权衡实时性与可靠性的道路边沿识别算法。依据多线激光雷达扫描获取的大量点云数据,基于RANSAC算法的地面分割方法,滤除了预设感兴趣区域内的地面数据点,然后将剩余的无序点进行有序栅格化投射处理,根据道路边沿区域的几何特征与点云分布特征进行匹配筛选,再融合RANSAC的最小二乘法,以完成道路边沿曲线的鲁棒拟合。实验表明,算法在直道和弯道场景识别准确率均大于95%,耗时均低于15 ms,具有良好的准确性和实时性。所提算法能有效识别道路边沿,可为智能车可行驶区域的识别及控制提供理论参考与方法依据。

一种基于路缘特征的点云道路边界提取方法

针对车载激光点云中道路边界提取不精确、复杂度高等问题,提出一种基于路缘特征的城市道路边界自动提取方法。首先对点云进行平面规则格网投影,根据测量车行驶轨迹点进行高程过滤,保留地面和路缘石等近地面点云;然后分析路缘石的空间邻域特征,构建路缘石特征描述算子,自动识别不同类型的路缘石边界;最后通过路缘石连续分布特性进行聚类去噪处理,获取精确的道路边界点云。以车载移动测量系统获取的某段道路点云数据为例进行实验,验证了该方法的可行性和有效性。

利用多元LBP特征自动提取城市道路边界

车载移动测量系统可采集高精度道路三维点云数据,为道路边界自动化提取提供了支撑。为解决车载激光点云中城市道路边界点云提取困难问题,本文引入局部二值模式LBP(Local Binary Pattern),针对各类城市道路边界特征,设计了高度LBP、高程离散度LBP和空间形状LBP 3种改进算子;构建多元LBP特征语义识别模型,实现了道路路缘石空间几何与分布特征的量化分析;最后通过道路方向约束进行聚类去噪,提取道路边界。对4种不同的城市路段点云进行实验,实验数据的提取完整率为92.0%,准确率为95.8%。结果表明,该方法可以准确地提取不同环境下的道路边界,具有较强的适应性。

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。

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。