智能交通系统中道路标识线自动提取方法.docx

智能交通系统中道路标识线自动提取方法摘要:近年来，随着激光扫描技术在三维数据采集中广泛应用，为智能车辆和无人驾驶车的研究领域中道路标识线的自动提取提供了解决方法本文以车载激光扫描点云数据为研究对象，利用点云数据空间分布特征和反射强度信息，结合道路标线的几何特征，提出一种快速有效的从离散点云中提取道路标识线的方法通过高速公路扫描数据处理案例，实现了高速公路虚实标识线的自动提取，验证了上述道路标识线提取方法的可靠性，应用效果较好关键词:智能交通系统车载激光扫描道路标识线图像分割道路交通标线，特别是虚线型道路标线的感知与识别，一直是车辆智能驾驶,安全应急和道路环境建模等领域的关键技术之一[1]近年来，以车辆为搭载平台，集成GPS、INS、激光扫描仪、CCD相机等多种传感器，在传感器同步控制的基础上实现道路以及道路两侧建筑物、树木等地物的表面数据的快速获取已成为国际上研究的热点[2]车载激光扫描系统不仅能快速获取被测目标表面的三维空间点坐标,同时还记录目标对激光的反射强度信息，为提取高精度的三维道路标线信息提供了一种可靠的数据源本文主要是依据车载激光扫描点云的空间分布特征、强度信息,结合标线的几何和语义信息来进行标线的提取，实现自动化道路标识线提取过程。

1道路标识线提取方法对车载激光扫描道路标识线的提取主要包括几个步骤：首先通过分析点云的空间分布特征生成点云的特征图像，利用图像处理的方法对点云特征图像进行道路轮廓提取，结合点云数据进行道路点云的粗提取然后进行强度阈值分割，将分割后的点云生成基于强度特征图像，分析图像中连通区域的属性特征进行标识线提取最后利用道路标识线的几何和语义信息进行道路标识线精确提取1.1点云滤波车载激光扫描系统获取的点云空间上的分布很不规则，呈现为随机的离散点云，且车载LiDAR获得数据量非常大，点云分布密集因此,基于车载LiDAR点云数据提取道路标识线，应首先对点云数据进行滤波,剔除大量非地面信息，提取包含道路的地面点本文将采用格网结构对离散点云进行处理，根据点云的空间分布特征生成基于高度信息的特征图像在高程特征图像中，包含道路数据的格网像素值比较低，与周围的建筑物、树木等高像素值地物有很明显的边界差异本文将三维点云中的地面滤波问题转移到二维图像中进行，通过生成点云的高程特征图像，对特征图像采用Ostu方法进行灰度阈值分割，利用Canny算子进行道路轮廓提取和跟踪，剔除道路周围房屋、电力线、路灯、树木等一些具有高灰度值特征的地物。

然后利用得到的道路轮廓信息结合原始点云，提取轮廓范围内的道路点云数据，快速对点云进行滤波1.2标识线强度提取道路标识线作为道路标线的一部分，无法利用高程信息对标线点云进行剥离在车载激光点云数据中，尽管点云回波强度信息比较模糊但是当相邻目标之间介质属性区别比较明显时，通过分析激光回波强度信息，能比较容易的区分不同的地物，如道路与道路中的标识线根据Optech公司的Lynx系统采集的数据，标定出道路上几种主要地物的强度值如表1所示对滤波得到的道路点云进行反射强度直方图统计，取100〜300之间的峰值作为阈值进行标线点云的分割1.3道路标识线几何、语义特征在车载激光扫描系统中地物的回波强度信息受激光的波长、地物的介质，地物距离激光扫描仪的距离等因素有关利用反射强度阈值分割后，还存在一些与标线高程反射强度类似的地物这些错误的分割点主要是一些低矮的植被本文将强度分割后的点云生成基于强度的特征图像，利用道路标线的几何语义特征进行提取对于道路标线，本文作如下描述来进行提取1) 标线总是出现在道路区域之内（2）标线有规则的长宽3）同一条直线上必须有大于3个的标线段，并且等间隔分布本文采用文献［3］中的方法，分析4连通区域中的面积，最小外接矩形的面积，以及与最小外接矩形具有相同二阶距椭圆的偏心率（如图2）,通过计算公式（1）中的和这两个矩形检测指标进行标线块的提取，对于一个4连通区域中的标线块，值取值大于0.8（越接近矩形，越大）,取值大于0.95（值越接近1,越表明它是一个矩形区域）。

其中和是椭圆的长短半轴最后利用累计概率Hough变换（PPHT）和最小二乘拟合的方法进行同一方向上的标线块检测只有在一个直线方向上，满足一定数量的矩形块才最后被提取出来作为道路标线2实验结果本实验采用Optech公司的激光扫描系统LynxMobileMapper提供的高速公路数据（如图3）,扫描范围大致为900m*60m,共3,862,753个数据点首先对道路强度信息进行直方图统计，获得高速公路的强度阈值为130,并结合局部范围高程阈值对道路点云进行分割，强度分割结果如图4所示经过上面的分割后，还包括大量和道路标识线强度相近的其他地物如植被和路沿，将分割图生成基于强度信息的特征图像如图5所示最后完成基于几何和语义信息的道路标识线提取点云，结果如图(6)所示3结论与展望本文以车载激光扫描点云数据为研究对象，提出在智能交通系统中实现自动提取道路标识线的方法并通过了实例验证该方法充分利用点云数据的回波强度信息、高程信息、道路标识线的几何特征及语义特征，经过Hough变换检测出直线特征，高效快速的从大量离散点云中提取出道路标识线点云通过案例分析，高速公路数据不仅可以检测出虚线型标识线，还检测出实线型标识线，得到完整正确的结果，充分证明该方法的可靠性和实用性。

参考文献[1] Bucher,T.,C.Curio,etal.lmageprocessingandbehaviorplanningforintelligentvehicles]J].IEEETransactionsonIndustrialElectronics,2003,50(1):62-75.杨必胜，魏征,李清泉，等•面向车载激光扫描点云快速分类的点云特征图像生成方法[J].测绘学报,2010,39(5):540-545.[2] Yang,B.,Fang,L.,Li,Q.andLi,J.,.Automatedextractionofroadmarkingsfrommobilelidarpointcloud[J],PhotogrammetricEngineering&RemoteSensing,2012,78(4):331-338.刘经南，张小红•利用激光强度信息分类激光扫描测高数据[J],武汉大学学报：信息科学版,2005,30(3):189-193.。