基于拓?fù)潢P(guān)系的激光點(diǎn)云數(shù)據(jù)路沿線提取方法

張婕，呂楠，茍永剛，龍川

(1.重慶市勘測(cè)院，重慶 401121； 2.重慶數(shù)字城市科技有限公司，重慶 401121；3.重慶市移動(dòng)測(cè)量工程技術(shù)研究中心，重慶 401121)

1 引 言

車載移動(dòng)測(cè)量系統(tǒng)高度集成GNSS、IMU、激光雷達(dá)、全景相機(jī)等傳感器，能夠在快速移動(dòng)的狀態(tài)下獲取道路及道路兩側(cè)地物表面的高精度三維坐標(biāo)數(shù)據(jù)，具有全天候、速度快、高精度等優(yōu)點(diǎn)，已成為空間數(shù)據(jù)快速獲取的一種重要手段，被廣泛應(yīng)用于地形圖測(cè)量[1～3]、交通[4]、數(shù)字城市[5]、公安[6]等領(lǐng)域。

車載移動(dòng)測(cè)量系統(tǒng)獲取的激光點(diǎn)云數(shù)據(jù)具有目標(biāo)多樣、點(diǎn)密度分布不均、存在因遮擋而引起的缺失等缺點(diǎn)，給激光點(diǎn)云數(shù)據(jù)的要素提取帶來(lái)了巨大挑戰(zhàn)。針對(duì)以上問(wèn)題，國(guó)內(nèi)外學(xué)者開(kāi)展了大量的研究工作，目前從激光點(diǎn)云數(shù)據(jù)中提取要素的方法主要分為4類。一是直接對(duì)散亂的激光點(diǎn)云數(shù)據(jù)進(jìn)行分割、分類，再根據(jù)要素的幾何形態(tài)與空間分布提取要素的方法[7～9]。二是對(duì)激光點(diǎn)云數(shù)據(jù)進(jìn)行格網(wǎng)劃分投影為圖像，然后利用圖像處理技術(shù)進(jìn)行要素提取的方法[10，11]。三是將激光點(diǎn)云數(shù)據(jù)生成體素，再進(jìn)行目標(biāo)的提取[12～13]。四是以掃描線為單位，根據(jù)要素的分布特征進(jìn)行分割與提取的方法[14，15]。總體而言，目前激光點(diǎn)云數(shù)據(jù)要素提取方法主要存在以下幾個(gè)方面的問(wèn)題：①車載移動(dòng)測(cè)量系統(tǒng)記錄的信息在數(shù)據(jù)處理過(guò)程中沒(méi)有得到充分的挖掘、利用；②點(diǎn)云數(shù)據(jù)處理耗時(shí)、效率低下；③轉(zhuǎn)化為圖像和體素的方法降低了精度，容易導(dǎo)致錯(cuò)提或者漏提。

針對(duì)目前存在的問(wèn)題，本文提出一種基于拓?fù)潢P(guān)系的激光點(diǎn)云數(shù)據(jù)要素提取方法，該方法在充分挖掘車載移動(dòng)測(cè)量系統(tǒng)記錄有效信息的基礎(chǔ)上，為點(diǎn)云數(shù)據(jù)構(gòu)建了空間拓?fù)潢P(guān)系，基于拓?fù)潢P(guān)系對(duì)路沿線要素進(jìn)行了提取。

2 構(gòu)建拓?fù)潢P(guān)系

車載移動(dòng)測(cè)量系統(tǒng)在數(shù)據(jù)采集過(guò)程中記錄了激光點(diǎn)的掃描角度、掃描距離、采集時(shí)間等信息，根據(jù)車載移動(dòng)測(cè)量系統(tǒng)以線性掃描方式為主的點(diǎn)云數(shù)據(jù)獲取特點(diǎn)，系統(tǒng)記錄的點(diǎn)按照激光腳點(diǎn)返回的時(shí)間先后或者角度大小順序排列。同一條掃描行上相鄰點(diǎn)之間的掃描角度差值為一個(gè)固定值(通常為激光掃描儀的角度分辨率)，當(dāng)激光掃描儀視口朝向天空的時(shí)候，無(wú)激光點(diǎn)返回，當(dāng)前掃描行的最后一個(gè)點(diǎn)Pti和下一掃描行的第一個(gè)點(diǎn)Pti+1之間存在掃描角度差值的突變(Pti和Pti+1為記錄的兩個(gè)激光點(diǎn))，同理，兩點(diǎn)的采集時(shí)間差值也會(huì)出現(xiàn)一個(gè)突變。因此，根據(jù)下列公式計(jì)算相鄰兩個(gè)掃描點(diǎn)的時(shí)間差或角度差可以將原始離散點(diǎn)云數(shù)據(jù)分割為一系列按照時(shí)間排序的掃描行，如圖1所示。

圖1 移動(dòng)測(cè)量系統(tǒng)線性掃描方式示意圖

fabs(Pti+1(angle)-Pti(angle))>△(angle)

(1)

或：

fabs(Pti+1(gps_time)-Pti(gps_time))>△(gps_time)

(2)

式中，Pti+1(angle)和Pti(angle)為相鄰激光點(diǎn)的掃描角度，相應(yīng)的，Pti+1(gps_time)和Pti(gps_time)為相鄰激光點(diǎn)的GPS時(shí)間。其中，△(angle)和△(gps_time)分別為掃描行的掃描角度差和GPS時(shí)間差的閾值，該閾值與激光雷達(dá)的角度分辨率和脈沖頻率有關(guān)。

在將原始點(diǎn)云數(shù)據(jù)劃分掃描行后，根據(jù)掃描點(diǎn)之間的行間及行內(nèi)關(guān)系，進(jìn)一步為掃描點(diǎn)之間建立空間上的關(guān)聯(lián)關(guān)系，如圖2所示。

如圖2所示，激光點(diǎn)P與A、B、C相鄰，點(diǎn)D為無(wú)回波點(diǎn)，可為激光點(diǎn)P建立如下拓?fù)潢P(guān)系：

(3)

式中，P、A、B、C為4個(gè)相鄰的激光點(diǎn)，Ppreline表示與P點(diǎn)相鄰的上一行激光點(diǎn)，Pnextline表示與P點(diǎn)相鄰的下一行激光點(diǎn)，Pprepoint表示與P點(diǎn)在同一掃描行的上一激光點(diǎn)，Pnextpoint表示與P點(diǎn)在同一掃描行的下一激光點(diǎn)，圖中Pnextpoint對(duì)應(yīng)的激光點(diǎn)D為無(wú)回波點(diǎn)，用0來(lái)標(biāo)記。

此外，根據(jù)原始的點(diǎn)云數(shù)據(jù)特點(diǎn)，為每一個(gè)激光點(diǎn)增加如下屬性描述，以便于后續(xù)數(shù)據(jù)的處理，屬性描述如表1所示。

其他點(diǎn)云拓?fù)鋵傩悦枋?表1

3 基于拓?fù)潢P(guān)系的路沿線提取

結(jié)合車載激光點(diǎn)云掃描地面道路數(shù)據(jù)及地物點(diǎn)各自特征與地物點(diǎn)的拓?fù)潢P(guān)系，將點(diǎn)云數(shù)據(jù)根據(jù)點(diǎn)云側(cè)方距分為左右兩部分，對(duì)左右兩部分點(diǎn)云數(shù)據(jù)分別根據(jù)路沿的幾何特征使用1×N的移動(dòng)窗口進(jìn)行路沿提取。算法流程如圖3所示。

圖3 路沿線提取流程圖

(1)點(diǎn)云劃分

為了提高路沿線提取效率，將點(diǎn)云數(shù)據(jù)按照下式劃分為左右兩個(gè)部分：

(4)

式中，PProfileDist表示點(diǎn)P的側(cè)方距，按照點(diǎn)云拓?fù)渲杏涗浀拿總€(gè)點(diǎn)的側(cè)方距值，可將點(diǎn)云數(shù)據(jù)劃分為左右兩部分，分別從左右部分點(diǎn)云中提取左右路沿線。

(2)點(diǎn)云過(guò)濾

為了提高路沿點(diǎn)檢測(cè)效率，過(guò)濾劃分的左右點(diǎn)云。根據(jù)測(cè)區(qū)道路寬度等信息結(jié)合側(cè)方距對(duì)超出路沿外的點(diǎn)云數(shù)據(jù)進(jìn)行過(guò)濾，結(jié)合采集平臺(tái)高度及地面高數(shù)據(jù)對(duì)超出路沿高度的數(shù)據(jù)進(jìn)行過(guò)濾，過(guò)濾條件如下式所示：

(5)

式中，WidthMin與WidthMax分別定義為采集平臺(tái)位置到路沿線垂直距離的最小值與最大值，根據(jù)點(diǎn)云數(shù)據(jù)中道路的實(shí)際情況設(shè)置，HeightMax表示地面高過(guò)濾值，結(jié)合路沿高度設(shè)置。PHeight表示P點(diǎn)的地面高。

(3)移動(dòng)窗口法檢測(cè)路沿點(diǎn)

使用1×N(N通常為奇數(shù))的窗口，分別在左右側(cè)掃描線上移動(dòng)檢測(cè)路沿特征點(diǎn)，如圖4所示。

圖4移動(dòng)窗口路沿點(diǎn)檢測(cè)示意圖

如圖4所示，根據(jù)點(diǎn)云側(cè)方距將點(diǎn)云數(shù)據(jù)分為左右兩側(cè)，然后分別對(duì)左右兩側(cè)點(diǎn)云采用由窗口1、檢測(cè)點(diǎn)P及窗口2構(gòu)成的1×7窗口從路面開(kāi)始向路沿方向移動(dòng)，檢測(cè)路沿點(diǎn)，當(dāng)檢測(cè)到路沿候選點(diǎn)時(shí)窗口停止移動(dòng)，繼續(xù)下移掃描行中路沿點(diǎn)的檢測(cè)。在窗口移動(dòng)過(guò)程中，對(duì)窗口1及窗口2的以下兩個(gè)條件進(jìn)行計(jì)算：

(6)

其中：

AVG(ProfileDist)=(ProfileDistP1+ProfileDistP2+…+ProfileDistPi)/i

(7)

式中，ProfileDistPi表示Pi點(diǎn)的側(cè)方距，△ProfileDist為側(cè)方距的閾值，為一個(gè)經(jīng)驗(yàn)閾值，根據(jù)路沿具體特征設(shè)定。

(8)

其中：

AVG(Height)=(HeightP1+HeightP2+…+HeightPi)/i

(9)

式中，HeightP1為Pi的地面高，△Height為地面高閾值，為一個(gè)經(jīng)驗(yàn)閾值，根據(jù)路沿具體特征設(shè)定。P1，P2，…，Pi為窗口1或2中的點(diǎn)云。

當(dāng)條件C1成立時(shí)，表示窗口內(nèi)點(diǎn)的側(cè)方距值變化不大，可認(rèn)為是路沿立面上的點(diǎn)；當(dāng)條件C2成立時(shí)，表示窗口內(nèi)點(diǎn)的地面高值變化不大，可認(rèn)為是路面上的點(diǎn)。

以檢測(cè)左側(cè)點(diǎn)云下路沿點(diǎn)為例，根據(jù)下路沿點(diǎn)的特征，當(dāng)檢測(cè)點(diǎn)P移動(dòng)到路沿點(diǎn)時(shí)，移動(dòng)窗口應(yīng)符合以下兩個(gè)特征：

①窗口1的C2條件成立；

②窗口2的C1條件成立。

當(dāng)以上兩個(gè)條件均成立時(shí)，認(rèn)為點(diǎn)P為候選的路沿點(diǎn)。對(duì)左側(cè)點(diǎn)云中掃描行逐行檢測(cè)路沿點(diǎn)，可得到初始的路沿線數(shù)據(jù)。

(4)異常點(diǎn)刪除

由于道路上車輛遮擋等原因可能造成路沿線錯(cuò)提，產(chǎn)生一些異常點(diǎn)，可根據(jù)路沿線的線性延伸特點(diǎn)，對(duì)異常點(diǎn)進(jìn)行刪除。

(5)抽稀與光滑

按照掃描行逐行提取的路沿點(diǎn)數(shù)據(jù)密度較大，可按照一定的距離間隔對(duì)路沿點(diǎn)進(jìn)行抽稀，得到較為離散的路沿線。

抽稀后的路沿線數(shù)據(jù)因?yàn)辄c(diǎn)間距的增加，可能存在不平滑的現(xiàn)象，可再次使用三次Bezier曲線[16]或三次B樣條曲線[17]對(duì)路沿線數(shù)據(jù)進(jìn)行光滑處理，得到最終的路沿線數(shù)據(jù)。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)數(shù)據(jù)

本實(shí)驗(yàn)采用重慶數(shù)字城市科技有限公司的DCQ-MMS-X1型系統(tǒng)采集的城市街區(qū)數(shù)據(jù)。城市街區(qū)的掃描范圍大致為 100 m×650 m，共 8 938 361個(gè)數(shù)據(jù)點(diǎn)。城市街區(qū)道路環(huán)境包括大量的高層建筑、茂盛的行道樹(shù)、路燈、花臺(tái)、柵欄等地物，如圖5所示。

圖5 城市街區(qū)點(diǎn)云數(shù)據(jù)

4.2 實(shí)驗(yàn)結(jié)果及分析

城市街區(qū)數(shù)據(jù)采用的DCQ-MMS-X1型移動(dòng)測(cè)量系統(tǒng)的激光掃描儀角度分辨率為0.1667°，掃描頻率 25 Hz，本文中的△(angle)取25°，即連續(xù)150個(gè)點(diǎn)沒(méi)有返回可確定激光掃描儀的視口朝向天空，以完成對(duì)點(diǎn)云數(shù)據(jù)掃描行的分割。

該城市街區(qū)數(shù)據(jù)中道路最大寬度約 30 m，最小寬度約 15 m，由于采集平臺(tái)基本沿著道路中心線位置行駛，取平臺(tái)位置到路沿線的最大寬度值WidthMax為 30 m，最小寬度值WidthMin為 0.5 m，該區(qū)域路沿高度不超過(guò) 0.3 m，因此，取HeightMax為 0.3 m，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行過(guò)濾。路沿立面與路面基本垂直，取△ProfileDist為 0.02 m，設(shè)置△Height為 0.02 m，采用1×7的窗口對(duì)路沿點(diǎn)進(jìn)行檢測(cè)。使用本文方法，采用以上參數(shù)設(shè)置，該城市街區(qū)數(shù)據(jù)的路沿線提取結(jié)果如圖6所示。

圖6 城市街區(qū)點(diǎn)云數(shù)據(jù)

如圖6所示，本文算法對(duì)路沿線的提取得到了很好的效果，提取錯(cuò)誤的區(qū)域主要是車輛的遮擋或者道路分叉口處。車輛遮擋造成了路沿線位置點(diǎn)云的缺失，而在道路分叉口處的點(diǎn)云分布較為稀疏以及預(yù)先設(shè)置的窗口的大小對(duì)提取結(jié)果造成了影響。但總體而言，本文算法提取的準(zhǔn)確率及完整性較高。

為了進(jìn)一步直觀展示本文算法提取效果，將路沿?cái)?shù)據(jù)轉(zhuǎn)換為KML，與Google地圖進(jìn)行疊加，如圖7所示：

圖7 路沿線與Google地圖疊加效果圖

從圖7可以直觀看出，路沿與Google地圖匹配度較高，在局部細(xì)節(jié)上(如道路分叉口位置)的路沿也提取較為完整。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地提取路沿線，且路沿提取的完整度及準(zhǔn)確率較高。

5 結(jié) 語(yǔ)

本文在充分研究車載移動(dòng)測(cè)量系統(tǒng)獲取的激光點(diǎn)云數(shù)據(jù)基礎(chǔ)上，為點(diǎn)云數(shù)據(jù)建立了拓?fù)潢P(guān)系，提出了基于拓?fù)潢P(guān)系的路沿線提取方法。本文詳細(xì)論述了拓?fù)潢P(guān)系構(gòu)建過(guò)程及基于該拓?fù)潢P(guān)系的路沿線提取方法，并且通過(guò)實(shí)驗(yàn)驗(yàn)證了本文算法的有效性。本文算法能夠從點(diǎn)云數(shù)據(jù)中較為完整、準(zhǔn)確地提取出路沿線數(shù)據(jù)，算法簡(jiǎn)單，易于實(shí)現(xiàn)，為從點(diǎn)云數(shù)據(jù)中提取其他地物要素(如燈桿、行道樹(shù)、道路標(biāo)線等)信息提供了新的解決思路和方法，有助于推動(dòng)基于激光點(diǎn)云數(shù)據(jù)的快速成圖等技術(shù)的發(fā)展。