淺析交通標(biāo)牌的識別方法

王 哲 馬朝帥

（ 1、北京四維遠(yuǎn)見信息技術(shù)有限公司，北京100070 2、北京四維圖新科技股份有限公司，北京100094）

1 概述

交通標(biāo)牌是一種重要的交通設(shè)施， 對交通安全有重要的警示以及提示作用， 標(biāo)牌信息的獲取與更新異常重要。 由于采集環(huán)境以及傳感器的各種誤差導(dǎo)致了上下行同一地物的點(diǎn)云存在較大的誤差， 因此需要進(jìn)行點(diǎn)云數(shù)據(jù)的融合。 而標(biāo)牌作為一種獨(dú)立的地物，具有規(guī)則的形狀可以為點(diǎn)云配準(zhǔn)提供大量的同名點(diǎn)。 因此，研究了一種標(biāo)牌點(diǎn)云數(shù)據(jù)同名點(diǎn)自動識別的算法。首先交互獲取包含標(biāo)牌的上下行點(diǎn)云數(shù)據(jù)，通過軌跡過濾地面點(diǎn)；然后通過統(tǒng)計(jì)濾波器剔除離群點(diǎn)，然后進(jìn)行聚類分割，得到若干個(gè)類似平面的點(diǎn)集，根據(jù)法向量以及牌子的面積、點(diǎn)云反射強(qiáng)度等篩選出標(biāo)牌所在的點(diǎn)集；然后進(jìn)行旋轉(zhuǎn)，接著提取平面點(diǎn)集的凸包點(diǎn)，并進(jìn)行形狀的判斷，分別擬合直線和圓，根據(jù)擬合的誤差，判斷是圓還是直線，最后進(jìn)行角點(diǎn)的提取，如果是圓，提取四個(gè)頂點(diǎn)，如果是直線，進(jìn)行直線擬合并進(jìn)行直線求交，得到四個(gè)角點(diǎn)。 對上下行點(diǎn)云分別進(jìn)行上述操作， 然后得到兩組角點(diǎn)，對這兩組角點(diǎn)進(jìn)行匹配，從而得到同名點(diǎn)。 對上述算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明本文方法準(zhǔn)確度、效率都能滿足地圖數(shù)據(jù)生成環(huán)節(jié)的要求。

2 交通標(biāo)牌識別算法論述

現(xiàn)有的交通標(biāo)牌識別算法主要是基于計(jì)算機(jī)視覺的方法，未考慮三維空間中距離、視角和障礙物遮擋等因素對交通標(biāo)志牌可見性的影響，適用性有限。 文獻(xiàn)[2]根據(jù)標(biāo)牌的高強(qiáng)度值特點(diǎn)以及平面特性，采用了反射強(qiáng)度和主成分分析來檢測交通標(biāo)志牌，由于標(biāo)牌具有一定的厚度而且有正反面，同時(shí)反面的反射強(qiáng)度很小，因此只適合于正面掃描到的標(biāo)牌數(shù)據(jù)。 文獻(xiàn)[3]采用了點(diǎn)云結(jié)合影像的方法進(jìn)行標(biāo)牌的語義識別， 過程過于繁瑣，適用性有限， 很難用于實(shí)際的生產(chǎn)作業(yè)環(huán)節(jié)。 現(xiàn)有的標(biāo)牌識別算法效率不高，大多數(shù)還要基于軌跡信息，并且涉及到額外的點(diǎn)云信息（ 掃描角度等），不同的設(shè)備獲取的信息不一樣，因此適用性有限，為此我們研究了一種新的標(biāo)牌識別算法。

3 一種交通標(biāo)牌的識別方法

本文提出了一種交通標(biāo)牌的識別算法， 首先交互選取包含標(biāo)牌點(diǎn)云的區(qū)域，然后通過聚類分割，得到標(biāo)牌對應(yīng)的點(diǎn)云數(shù)據(jù)；然后通過擬合算法得到平面的相關(guān)參數(shù)，并把平面旋轉(zhuǎn)到一個(gè)標(biāo)準(zhǔn)方向上（ Z 軸）；接著提取平面的凸包點(diǎn)，對凸包點(diǎn)進(jìn)行加密處理；然后進(jìn)行形狀的判斷，根據(jù)判斷的結(jié)果，求取標(biāo)牌的角點(diǎn)。 算法的流程圖如圖1 所示。

3.1 標(biāo)牌數(shù)據(jù)的獲取

考慮到數(shù)據(jù)的實(shí)際生產(chǎn)環(huán)節(jié)，我們采用的是半自動的方式，獲取標(biāo)牌數(shù)據(jù)。作業(yè)員通過數(shù)據(jù)生產(chǎn)軟件可以很方便地得到標(biāo)牌對應(yīng)的數(shù)據(jù)。由于原始數(shù)據(jù)存在大量的雜點(diǎn)（ 地面、樹木、草等），而且地面點(diǎn)在原始數(shù)據(jù)中占據(jù)很大的比例，因此我們通過高度信息，過濾掉高度較低的點(diǎn)，以達(dá)到減少數(shù)據(jù)量的目的，大大提高了算法的運(yùn)行效率。由于原始數(shù)據(jù)存在噪聲點(diǎn)，因此需要進(jìn)行濾波操作，我們采用的是統(tǒng)計(jì)濾波器將離群點(diǎn)從數(shù)據(jù)中去除。

3.2 聚類分割

我們采用的是結(jié)合了距離和法向量的方法進(jìn)行聚類，提高了分割的成功率。 由于聚類的結(jié)果通常會得到若干類， 因此我們需要對聚類結(jié)果進(jìn)行篩選。聚類結(jié)果如圖2 所示。定義的篩選原則為：（ 1）分類結(jié)果按個(gè)數(shù)從大到小排列（ 感興趣的占多數(shù)，不一定是最多）。（ 2）反射強(qiáng)度優(yōu)先，統(tǒng)計(jì)高強(qiáng)度的點(diǎn)的個(gè)數(shù)。（ 3）計(jì)算平均高度。

3.3 坐標(biāo)旋轉(zhuǎn)

其中：

圖1 算法流程圖

圖2 聚類分割效果圖

3.4 凸包點(diǎn)提取

通過3.3 環(huán)節(jié)，我們將平面旋轉(zhuǎn)到一個(gè)標(biāo)準(zhǔn)方向上（Z 軸），進(jìn)而提取凸包點(diǎn)。采用的是Convex Hull 算法，利用一個(gè)的凸多邊形圍住所有的點(diǎn)。提取結(jié)果如圖3 所示。

3.5 提取角點(diǎn)

根據(jù)3.4 環(huán)節(jié)得到的凸包點(diǎn)進(jìn)行加密，然后進(jìn)行形狀的判斷。如果判斷結(jié)果為直線，則要進(jìn)行分段直線擬合[5]，然后進(jìn)行直線求交；如果是圓則提取四個(gè)頂點(diǎn)位置，進(jìn)而得到標(biāo)牌角點(diǎn)的初始位置。

3.6 真實(shí)的角點(diǎn)

由于原始掃描數(shù)據(jù)存在噪點(diǎn)以及中間計(jì)算過程會產(chǎn)生各種誤差，因此我們得到的角點(diǎn)跟真實(shí)的標(biāo)牌角點(diǎn)會存在一定的偏差，因此需要根據(jù)角點(diǎn)推薦真實(shí)的角點(diǎn)。

我們的原則如下：（1）距離優(yōu)先;（2）考慮反射強(qiáng)度。

首先根據(jù)初始得到的角點(diǎn)，進(jìn)行K 鄰域搜索，找到近鄰點(diǎn)。其中的搜索閾值K 不能太小，否則容易出現(xiàn)桿子上的點(diǎn)，我們采用的值為5。然后根據(jù)這些鄰近點(diǎn)選擇反射強(qiáng)度大的點(diǎn)，作為標(biāo)牌的角點(diǎn)。根據(jù)上下行分別找到的角點(diǎn)，便可以組成同名點(diǎn)對。

4 實(shí)驗(yàn)分析

為了驗(yàn)證上述算法的性能，基于團(tuán)隊(duì)開發(fā)的軟件進(jìn)行了驗(yàn)證。系統(tǒng)開發(fā)環(huán)境為Visual Studio 2013 軟件，采用C++語言與DirectX 11 相結(jié)合，渲染架構(gòu)為微軟的DXUT 架構(gòu)，后臺數(shù)據(jù)庫為Postgresql。實(shí)驗(yàn)結(jié)果如圖4 所示。

5 結(jié)論與展望

本文詳細(xì)介紹了一種交通標(biāo)牌識別的算法并進(jìn)行了實(shí)驗(yàn)驗(yàn)證，證明了該算法的魯棒性以及高效性。該方法可用于地圖數(shù)據(jù)的生成環(huán)節(jié)，解決精度檢查過程中效率低下的問題，通過較少的人工交互解決特征點(diǎn)提取的問題。

本算法的關(guān)鍵技術(shù)改進(jìn)點(diǎn)：

（1）半自動結(jié)合軌跡高度排除地面等雜點(diǎn)。（2）采用了改進(jìn)的聚類分割算法，根據(jù)點(diǎn)對的連通關(guān)系并結(jié)合距離和法向量進(jìn)行聚類。（3）采用了點(diǎn)云反射率、平面的法向量以及面積和邊長等約束去篩選標(biāo)牌所在的類別。（4）對得到的標(biāo)牌點(diǎn)云進(jìn)行形狀的判斷，得到標(biāo)牌的角點(diǎn)，并在原始數(shù)據(jù)中根據(jù)距離和強(qiáng)度去得到真實(shí)的角點(diǎn)。

通過以上改進(jìn)，算法執(zhí)行效率大大提高，同時(shí)提高了標(biāo)牌分割的成功率，能適用于多種復(fù)雜的場景，保證角點(diǎn)的正確性。

針對本文的研究內(nèi)容，由于時(shí)間以及能力的局限，還需要下面的完善：（1）該算法涉及到少量人工交互，如何全自動識別角點(diǎn)，還需深入研究。（2）本論文僅僅是實(shí)現(xiàn)了相關(guān)的算法，并進(jìn)行了初步的優(yōu)化，并未涉及到算法的并行加速，以后的重點(diǎn)將放在算法的并行加速上，并進(jìn)行深入的優(yōu)化。