引入平面分割與空間統(tǒng)計(jì)分析的室內(nèi)稠密點(diǎn)云地面提取方法

王莉敏，史鵬程

(1.河南省基礎(chǔ)地理信息中心，鄭州 450003；2. 武漢大學(xué) 計(jì)算機(jī)學(xué)院，武漢 430072)

0 引言

隨著測(cè)量技術(shù)的飛速發(fā)展、三維掃描設(shè)備精度不斷提高，可在短時(shí)間內(nèi)采集海量點(diǎn)云數(shù)據(jù)，并已廣泛應(yīng)用于三維重建[1]、逆向工程[2]、數(shù)字城市[3]、醫(yī)療診斷[4]、虛擬現(xiàn)實(shí)[5]等領(lǐng)域。如何從海量點(diǎn)云數(shù)據(jù)中快速準(zhǔn)確地提取出環(huán)境特征信息，已成為國(guó)內(nèi)外學(xué)者的研究重點(diǎn)。地面由于位置穩(wěn)定、特征顯著等特性，在自動(dòng)駕駛目標(biāo)感知[6]、路徑規(guī)劃[7]、導(dǎo)航定位[8]中發(fā)揮著重要作用。

依據(jù)數(shù)據(jù)類(lèi)型，目前基于點(diǎn)云數(shù)據(jù)的地面分割方法主要分為基于車(chē)載激光雷達(dá)(light detection and ranging，LiDAR)點(diǎn)云、基于機(jī)載LiDAR點(diǎn)云和基于地面三維激光掃描點(diǎn)云的地面分割方法。

1)基于車(chē)載LiDAR點(diǎn)云。根據(jù)分割原理分為基于柵格、線特征和平面擬合三類(lèi)。柵格類(lèi)方法[9]將點(diǎn)云劃分為柵格，通過(guò)分析柵格中點(diǎn)的高度差等信息進(jìn)行地面提取。但該方法忽略了地面的連續(xù)性，易造成地面分段不連續(xù)。線特征類(lèi)方法[10]將地面提取問(wèn)題轉(zhuǎn)為區(qū)域內(nèi)直線擬合問(wèn)題，構(gòu)建距離與高度的直線方程進(jìn)行地面分割。該方法計(jì)算效率有所提升，但地面提取效果易受到近距離障礙物影響。平面擬合類(lèi)[11]方法，假定地面為平面，數(shù)學(xué)模型較簡(jiǎn)單。但該方法對(duì)傳感器精度較為依賴(lài)，適用于高線數(shù)LiDAR點(diǎn)云，在低線數(shù)的LiDAR點(diǎn)云中效果不佳。

2)基于機(jī)載LiDAR點(diǎn)云。以基于表面信息的地面分割為代表，主要利用上下文信息，構(gòu)建接近真實(shí)地面的表面。主要分為形態(tài)學(xué)濾波、迭代插值濾波和漸進(jìn)致密化濾波。形態(tài)學(xué)濾波[12]使用尺寸不一的窗口進(jìn)行形態(tài)學(xué)操作，去除干擾目標(biāo)。但該方法需假設(shè)地形坡度為定值，在地形起伏區(qū)域效果不佳。迭代插值濾波[13]在點(diǎn)云中逐步擬合判斷地表，通過(guò)擬合表面與地物點(diǎn)的坐標(biāo)插值進(jìn)行判斷，進(jìn)而提取地面。但該方法需不斷迭代插值，效率有待提高。漸進(jìn)致密化濾波[14]與迭代插值濾波類(lèi)似，逐步對(duì)各點(diǎn)進(jìn)行分類(lèi)，無(wú)需插值計(jì)算，但對(duì)坡度較大區(qū)域較敏感。

3)基于地面三維激光掃描點(diǎn)云。該類(lèi)點(diǎn)云通常較為稠密，常用方法為基于平面，利用已知高度信息進(jìn)行地面提取。關(guān)鍵問(wèn)題在于如何進(jìn)行平面提取。根據(jù)平面分割方法主要分為模型擬合類(lèi)、區(qū)域生長(zhǎng)類(lèi)和深度學(xué)習(xí)類(lèi)方法。模型擬合類(lèi)方法主要包括隨機(jī)采樣一致性方法(random sample consensus，RANSAC)[15]和霍夫(Hough)變換算法[16]。RANSAC算法預(yù)先設(shè)定平面方程參數(shù)，利用點(diǎn)面距離約束，確定滿足同一平面方程的點(diǎn)作為平面點(diǎn)云，但該方法計(jì)算效率較低，未考慮點(diǎn)云的連通性?；舴蜃儞Q算法將原始點(diǎn)云中平面檢測(cè)問(wèn)題轉(zhuǎn)為參數(shù)空間峰值判斷問(wèn)題，但該方法準(zhǔn)確度有待提高。深度學(xué)習(xí)類(lèi)方法[17]通過(guò)搭建深度神經(jīng)網(wǎng)絡(luò)，對(duì)點(diǎn)云特征進(jìn)行訓(xùn)練學(xué)習(xí)，實(shí)現(xiàn)點(diǎn)云的語(yǔ)義分割。但該方法需要大量模型訓(xùn)練等工作。區(qū)域生長(zhǎng)類(lèi)方法[18]通過(guò)不斷對(duì)比分析局部鄰域關(guān)系，制定鄰域生長(zhǎng)條件，實(shí)現(xiàn)平面點(diǎn)云生長(zhǎng)。該方法提取平面精度較高，但受到區(qū)域生長(zhǎng)條件限制，平面的完整度有待提高。

室內(nèi)稠密點(diǎn)云通常是由高精度三維激光掃描儀采集得到或由多幀稀疏點(diǎn)云拼接得到，其數(shù)據(jù)量較大。相比于室外車(chē)載點(diǎn)云及機(jī)載點(diǎn)云，數(shù)據(jù)場(chǎng)景范圍更小，數(shù)據(jù)中存在大量的冗余，地面信息提取挑戰(zhàn)性更高。

本文綜合分析了目前地面分割方法局限性，提出了一種基于平面和空間信息統(tǒng)計(jì)分析的室內(nèi)稠密點(diǎn)云地面分割方法。該方法不依賴(lài)于傳感器坐標(biāo)系信息，可在任意坐標(biāo)系下完成分割任務(wù)，僅使用稠密點(diǎn)云作為輸入，利用室內(nèi)空間布局準(zhǔn)確有效地提取出室內(nèi)稠密點(diǎn)云中的地面信息，為室內(nèi)地面分割提供一種新方法。

1 原理與方法

圖1為本文室內(nèi)稠密點(diǎn)云地面分割流程。主要包括預(yù)處理、地面初提取與地面優(yōu)化三個(gè)主要步驟。在預(yù)處理中，對(duì)稠密點(diǎn)云進(jìn)行統(tǒng)計(jì)濾波與體素濾波，實(shí)現(xiàn)數(shù)據(jù)的降噪與抽稀。在地面初提取中，采用區(qū)域生長(zhǎng)完成平面分割，并根據(jù)平面間位置關(guān)系實(shí)現(xiàn)平面的合并與分組，并利用室內(nèi)空間信息實(shí)現(xiàn)地面點(diǎn)云的初步分割。在地面優(yōu)化中，通過(guò)圖像映射、輪廓提取、孔洞填充、點(diǎn)云映射等，優(yōu)化初分割的地面點(diǎn)云，降低點(diǎn)云數(shù)據(jù)冗余。

圖1 稠密點(diǎn)云地面分割流程

1.1 預(yù)處理

由于稠密點(diǎn)云數(shù)據(jù)海量，對(duì)其直接處理會(huì)嚴(yán)重降低處理效率。首先對(duì)輸入稠密點(diǎn)云M進(jìn)行預(yù)處理，主要包括以下步驟。

1)統(tǒng)計(jì)濾波。在式(1)中根據(jù)鄰域半徑范圍內(nèi)點(diǎn)數(shù)濾波，移除部分孤立點(diǎn)pnoi，表達(dá)如式(1)所示。

pnoi={p|p∈M，nr(p)>N}

(1)

式中：nr(p)為點(diǎn)p在鄰域半徑r范圍內(nèi)的點(diǎn)數(shù)；N是數(shù)量閾值。由于離群點(diǎn)的離散孤立特性，實(shí)驗(yàn)中r和N分別經(jīng)驗(yàn)性地設(shè)置為0.05和15。

2)體素濾波。采用邊長(zhǎng)v的三維體素網(wǎng)格劃分點(diǎn)云。在每一網(wǎng)格內(nèi)部，采用點(diǎn)云重心代替原始點(diǎn)云。預(yù)處理后得到點(diǎn)云Mv。由于稠密點(diǎn)云密度較高，降采樣需保證點(diǎn)云總體特征，多次實(shí)驗(yàn)對(duì)比后設(shè)置v為0.02 m。

1.2 地面初提取

1)平面分割。相比于稀疏點(diǎn)云，稠密點(diǎn)云具有更高的距離分辨率。因此，相比于霍夫變換、RANSAC等方法，區(qū)域生長(zhǎng)可更好地留平面局部信息?；邳c(diǎn)云的區(qū)域生長(zhǎng)算法的原理主要是不斷迭代地進(jìn)行鄰域?qū)Ρ确治觯瑢M足平滑約束的點(diǎn)云合并在一起。其中主要包含三個(gè)關(guān)鍵環(huán)節(jié)。①種子點(diǎn)的選取。由于平面結(jié)構(gòu)的幾何特殊性，優(yōu)先選取曲率較小點(diǎn)作為種子點(diǎn)。②相似性判斷準(zhǔn)則。在每一次迭代過(guò)程中，對(duì)種子點(diǎn)及其鄰域進(jìn)行分析時(shí)，常采用兩點(diǎn)法線夾角偏差作為評(píng)判種子點(diǎn)與鄰域點(diǎn)相似的準(zhǔn)則，并使用曲率作為種子點(diǎn)的判斷依據(jù)。③生長(zhǎng)終止條件。若當(dāng)前所有種子點(diǎn)的鄰域均已進(jìn)行②中的相似性判斷后并無(wú)新的種子點(diǎn)產(chǎn)生，則終止當(dāng)前平面點(diǎn)云的生長(zhǎng)。

基于以上三個(gè)準(zhǔn)則，在點(diǎn)云Mv中執(zhí)行區(qū)域生長(zhǎng)，得到平面點(diǎn)云集Pi和剩余點(diǎn)云L，同時(shí)得到每個(gè)平面點(diǎn)云的點(diǎn)數(shù)ni以及二維外接矩形面積si(式(2))。

(2)

式中：K為平面數(shù)；Pi為第i個(gè)平面點(diǎn)云。

2)平面合并與分組。室內(nèi)環(huán)境常為居家和辦公場(chǎng)所，場(chǎng)景構(gòu)造通常滿足曼哈頓假設(shè)，即環(huán)境中存在三個(gè)互相垂直的方向，兩個(gè)方向與地面垂直，另一方向與地面平行。因此對(duì)提取的平面P進(jìn)行合并與分組，主要包括以下兩個(gè)步驟。

步驟1：平面分組。遍歷所有平面Pi，根據(jù)兩平面法線的夾角進(jìn)行聚類(lèi)，當(dāng)角度偏差大于某個(gè)角度A1時(shí)，將其歸為其他類(lèi)別。

步驟2：平面合并。采用最小二乘法擬合平面參數(shù)ζi(ai，bi，ci，di)，同一平面分組中，根據(jù)式(3)計(jì)算兩平面的近似距離dt，并計(jì)算兩平面點(diǎn)云中最近兩點(diǎn)距離dn。若dt小于閾值D1，dn小于閾值D2，則將兩平面點(diǎn)云合并為同一平面點(diǎn)云，并再次采用最小二乘法，更新平面方程參數(shù)ζi。

(3)

3)空間信息統(tǒng)計(jì)分析。平面分組與合并后，采用空間信息統(tǒng)計(jì)分析判斷地面所在分組，流程如圖2所示。主要包括以下四個(gè)步驟。

圖2 空間信息統(tǒng)計(jì)分析流程

步驟1：平面數(shù)量分析?；诼D假設(shè)及生活經(jīng)驗(yàn)，通常多個(gè)室內(nèi)物體存在與地面平行表面，并且室內(nèi)平面總體可分為三個(gè)方向。選取數(shù)量最多的三個(gè)平面方向作為候選平面集方向。

步驟2：投影面積分析。圖3為投影面積分析示意圖?；谑覂?nèi)布局分析，室內(nèi)空間向地面正射投影面積大于向墻面投影面積。根據(jù)候選平面集的法向量，對(duì)點(diǎn)云進(jìn)行校正，計(jì)算投影面積，面積采用最小外接矩形近似。面積最大者，則為包含地面的平面組Sd。根據(jù)Sd中平面法向量，對(duì)Sd中平面進(jìn)行校正，得到平面組Sdc。

圖3 投影面積分析示意圖

步驟3：天花板與地面分析。室內(nèi)場(chǎng)景稠密點(diǎn)云通常分為兩類(lèi)情況，一是同時(shí)包含地面與天花板，二是僅包含地面。首先判斷是否同時(shí)存在地面與天花板。在式(4)中，根據(jù)Sdc中平面的Z坐標(biāo)，確定出兩個(gè)極值z(mì)1，z2(z1>z2)。進(jìn)一步確定出兩段坐標(biāo)范圍(d1，d2)和(d3，d4)，遍歷Sdc中每一平面的幾何中心Z坐標(biāo)，查看兩坐標(biāo)范圍內(nèi)平面分布情況。若同時(shí)存在平面，則天花板與地面同時(shí)存在，否則即可認(rèn)為場(chǎng)景中不存在天花板，此時(shí)只需將Sdc中投影面積最大的點(diǎn)云認(rèn)為是地面點(diǎn)云。

(4)

式中：σ為尺度因子，實(shí)驗(yàn)中取值0.2。該參數(shù)設(shè)置適用一般高度的室內(nèi)空間，若室內(nèi)天花板與地面高度過(guò)低時(shí)，應(yīng)適當(dāng)增大該參數(shù)。

步驟4：空間距離分析。若場(chǎng)景中地面與天花板不同時(shí)存在，則直接輸出初提取的地面點(diǎn)云，否則需進(jìn)一步區(qū)分。當(dāng)場(chǎng)景中同時(shí)存在地面和天花板時(shí)，在剩余點(diǎn)云L中聚類(lèi)分析，若場(chǎng)景中的聚類(lèi)目標(biāo)過(guò)少或者過(guò)小時(shí)，認(rèn)為場(chǎng)景近似不存在物體目標(biāo)，不滿足地物條件，停止地面判斷過(guò)程。

相比于天花板，室內(nèi)物體距地面距離更近。在聚類(lèi)分析完成后，根據(jù)平面面積分別選取位于式(4)中兩距離范圍內(nèi)最顯著的平面P1和P2，計(jì)算L到兩平面的平均距離，距離較小者則為地面，得到初分割地面點(diǎn)云Pd。

圖4 空間距離分析示意圖

1.3 地面優(yōu)化

初分割地面點(diǎn)云Pd經(jīng)過(guò)區(qū)域生長(zhǎng)與平面的合并后存在部分孔洞。本文將其轉(zhuǎn)為圖像進(jìn)行優(yōu)化，主要包括以下四個(gè)步驟。

步驟1：圖像映射。根據(jù)式(5)中映射關(guān)系ψ將Pd投影到二值化圖像，其中地面點(diǎn)為1，非地面點(diǎn)0。

ψ：r=ρ-1(ymax-y)，c=ρ-1(x-xmin)

(5)

式中：r和c為圖像行列號(hào)；ymax和xmin為坐標(biāo)極值；ρ為柵格化像素大小，實(shí)驗(yàn)中設(shè)置為0.03。

步驟2：輪廓提取。在二值圖上進(jìn)行像素聚類(lèi)，分為多個(gè)聚類(lèi)，通過(guò)輪廓追蹤提取圖像中的所有輪廓。

步驟3：孔洞填充。圖5為地面輪廓優(yōu)化示意圖，在所有輪廓中，根據(jù)輪廓的幾何位置關(guān)系，挑選出最外層輪廓，并將輪廓內(nèi)元素全部變?yōu)槟繕?biāo)像素。

圖5 地面輪廓優(yōu)化示意圖

步驟4：點(diǎn)云映射。根據(jù)映射關(guān)系ψ-1，將圖像映射回三維點(diǎn)云，得到優(yōu)化后的地面Pdo。

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境

如圖6所示，本文實(shí)驗(yàn)數(shù)據(jù)選取Park等[19]公開(kāi)的兩個(gè)典型室內(nèi)場(chǎng)景-公寓和臥室，二者均為稠密點(diǎn)云，室內(nèi)均存在部分家具等物件，滿足地物條件。實(shí)驗(yàn)環(huán)境為Intel Core i7-5500U，Ubuntu16.04系統(tǒng)，C++編程實(shí)現(xiàn)。

圖6 實(shí)驗(yàn)數(shù)據(jù)

2.2 實(shí)驗(yàn)結(jié)果

1)預(yù)處理結(jié)果。圖7為稠密點(diǎn)云預(yù)處理后效果，其中紅色矩形標(biāo)記了部分干擾點(diǎn)被去除的位置。從圖中可以看出，在保持整體場(chǎng)景特征信息的前提下，點(diǎn)云數(shù)據(jù)量在一定程度上降低，大部分離群噪聲點(diǎn)得到有效剔除。

圖7 預(yù)處理結(jié)果

2)平面分割結(jié)果。圖8為平面分割效果，其中不同顏色點(diǎn)云表示不同平面。目視效果上，場(chǎng)景中平面結(jié)構(gòu)已基本被提取出來(lái)，平面結(jié)構(gòu)之間的邊緣點(diǎn)云也得到較好歸類(lèi)，平面結(jié)構(gòu)的區(qū)分度較高，在保證準(zhǔn)確度的同時(shí)也保證了平面結(jié)構(gòu)的完整度。

圖8 平面分割結(jié)果

圖9 地面提取結(jié)果

3)地面提取結(jié)果。圖9為采用空間信息統(tǒng)計(jì)分析得到的地面點(diǎn)云分割效果。其中圖9(a)、圖9(b)為地面初分割效果?？梢钥吹剑崛〉牡孛纥c(diǎn)云較為雜亂，由于室內(nèi)場(chǎng)景存在座椅等地物，造成地面點(diǎn)云中存在部分孔洞。圖9(c)、圖9(d) 為地面初始輪廓。圖9(e)、圖9(f)為孔洞填充后的地面輪廓?？梢钥吹?地面內(nèi)部的孔洞已基本被剔除，并保留了地面的整體輪廓。圖9(g)、圖9(h)為優(yōu)化后的地面點(diǎn)云?？梢钥吹?，視覺(jué)效果上，場(chǎng)景中的地面信息已被完整提出。在公寓數(shù)據(jù)中，不同房間內(nèi)的地面也融合為一個(gè)完整地面，較好地保持了室內(nèi)場(chǎng)景地面的完整度。圖9(g)中公寓場(chǎng)景地面中心位置附近，原始數(shù)據(jù)中不存在地面三維點(diǎn)，而本文方法側(cè)重于提取可為后續(xù)機(jī)器人導(dǎo)航定位、路徑規(guī)劃提供地面信息基礎(chǔ)的數(shù)據(jù)格式更加有條理的地面。因此，初始完整的地面信息更有利于后續(xù)感知規(guī)劃任務(wù)。該位置處點(diǎn)云可通過(guò)剩余點(diǎn)云L進(jìn)行位置分析進(jìn)一步濾除。

2.3 精度評(píng)價(jià)

為對(duì)比分析本文地面分割算法性能，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行如下分析評(píng)價(jià)。

1)疊加顯示。圖10中將優(yōu)化的地面點(diǎn)云Pdo與降采樣后稠密點(diǎn)云疊加顯示，其中紅色為地面點(diǎn)云，白色為采樣后稠密點(diǎn)云。目視效果上，優(yōu)化后的地面與稠密點(diǎn)云的重合度較好，已提取出場(chǎng)景中大部分地面點(diǎn)。

圖10 地面疊加顯示

2)準(zhǔn)確率與召回率。為定量評(píng)價(jià)地面提取結(jié)果，驗(yàn)證本文方法性能，采用Cloud Compare軟件的標(biāo)記工具，在原始稠密點(diǎn)云中進(jìn)行標(biāo)記。通過(guò)目視觀察，結(jié)合軟件勾選功能，標(biāo)記出地面點(diǎn)云，并對(duì)真實(shí)地面點(diǎn)云數(shù)據(jù)單獨(dú)保存。采用式(6)、式(7)計(jì)算地面分割的準(zhǔn)確率Pr與召回率Re。

(6)

(7)

式中：ps是地面分割結(jié)果中的地面點(diǎn)；pd是人工標(biāo)記地面中距離ps最近的地面點(diǎn)；d(ps，pd)為ps和pd兩點(diǎn)間的距離，為與采樣后點(diǎn)云尺度保持一致；距離閾值τ設(shè)為0.02 m；TP是提取結(jié)果中正確識(shí)別的地面點(diǎn)數(shù)；FP為提取結(jié)果中錯(cuò)誤識(shí)別的地面點(diǎn)數(shù)；FN為提取結(jié)果中漏計(jì)的地面點(diǎn)數(shù)。

由于本文方法所獲得的地面點(diǎn)是在稠密點(diǎn)云基礎(chǔ)上所生成的一種近似模擬真實(shí)地面的點(diǎn)云，相比與原始稠密點(diǎn)云，雖存在一定程度失真，但數(shù)據(jù)格式更有條理，更加有利于后續(xù)室內(nèi)場(chǎng)景下自動(dòng)駕駛可通行區(qū)域的構(gòu)建。因此在式(6)、式(7)中，評(píng)價(jià)分割結(jié)果性能時(shí)，本文將ps和pd兩點(diǎn)間距離小于τ的點(diǎn)認(rèn)為是TP點(diǎn)，否則為FP點(diǎn)；當(dāng)人工標(biāo)記的地面點(diǎn)中未能在分割結(jié)果中確定對(duì)應(yīng)點(diǎn)時(shí)為漏計(jì)點(diǎn)FN。

3)實(shí)驗(yàn)分析。在分割結(jié)果的準(zhǔn)確率方面，數(shù)據(jù)1公寓地面分割準(zhǔn)確度約為93%，數(shù)據(jù)2臥室地面分割的準(zhǔn)確度約為98%。公寓中心位置存在部分特殊構(gòu)造，導(dǎo)致稠密點(diǎn)云中無(wú)三維點(diǎn)，本文算法在進(jìn)行地面輪廓優(yōu)化時(shí)，僅以常見(jiàn)的地面類(lèi)型為研究目標(biāo)，對(duì)于該類(lèi)特殊構(gòu)造考慮欠佳，導(dǎo)致地面點(diǎn)云優(yōu)化時(shí)出現(xiàn)了部分錯(cuò)誤地面點(diǎn)，在一定程度上影響結(jié)果的準(zhǔn)確率。臥室場(chǎng)景中的地面為常見(jiàn)的地面類(lèi)型，因此本文算法取得了較高的分割準(zhǔn)確度。雖然公寓中地面分割的準(zhǔn)確度受到中心位置處的小空地區(qū)域影響，準(zhǔn)確度有所降低，但本文方法所提取的地面點(diǎn)云主要為后續(xù)的室內(nèi)機(jī)器人在自動(dòng)駕駛中障礙物感知與路徑規(guī)劃服務(wù)，因此相比于分割原始地面點(diǎn)云，本文優(yōu)化后的點(diǎn)云更有利于機(jī)器人的自動(dòng)駕駛中構(gòu)建可通行區(qū)域。其中心位置處的空間點(diǎn)云可利用剩余點(diǎn)云與地面點(diǎn)云進(jìn)行位置分析進(jìn)一步去除。

在分割結(jié)果的召回率方面，實(shí)驗(yàn)發(fā)現(xiàn)，兩場(chǎng)景的地面點(diǎn)云召回率均不足30%。如前文介紹，本文生成的地面點(diǎn)云是一種近似模擬真實(shí)地面的點(diǎn)云數(shù)據(jù)，優(yōu)化后的點(diǎn)云數(shù)據(jù)從圖像映射得到，去除了部分冗余信息，導(dǎo)致地面點(diǎn)云數(shù)據(jù)量有所降低，存在一定程度的數(shù)據(jù)失真。但該地面點(diǎn)云在保證地面結(jié)構(gòu)整體輪廓特征同時(shí)，提高了點(diǎn)云數(shù)據(jù)的條理性，顯著降低了數(shù)據(jù)量，降低了稠密點(diǎn)云中地面冗余信息，提高了點(diǎn)云數(shù)據(jù)精簡(jiǎn)率，更有利于數(shù)據(jù)的存儲(chǔ)與管理，有利于后續(xù)自動(dòng)駕駛中對(duì)地面數(shù)據(jù)進(jìn)行相關(guān)處理。

表1 地面分割統(tǒng)計(jì)

3 結(jié)束語(yǔ)

本文針對(duì)室內(nèi)地面提取問(wèn)題，提出了一種基于平面和空間信息的室內(nèi)稠密點(diǎn)云數(shù)據(jù)地面分割方法。該方法不依賴(lài)點(diǎn)云數(shù)據(jù)的校正坐標(biāo)系，可在任意姿態(tài)下實(shí)現(xiàn)地面分割。以平面結(jié)構(gòu)為基礎(chǔ)，利用平面合并分組、空間信息分析完成地面初提取。綜合圖像映射、輪廓提取、孔洞填充、點(diǎn)云映射等，對(duì)初提取地面進(jìn)行優(yōu)化，提高地面完整度，降低點(diǎn)云數(shù)據(jù)冗余度，在一定程度上提高了地面提取的自動(dòng)化程度，克服了傳統(tǒng)地面分割方法對(duì)高度信息、坐標(biāo)系的依賴(lài)，為室內(nèi)地面分割提供了一種新方法。文中選取公寓與臥室兩種典型室內(nèi)場(chǎng)景進(jìn)行實(shí)驗(yàn)。結(jié)果表明，該方法可有效提取室內(nèi)稠密點(diǎn)云中地面，一定程度上解決了室內(nèi)顯著地物信息提取問(wèn)題，為后續(xù)室內(nèi)自動(dòng)駕駛構(gòu)建可通行區(qū)域、路徑規(guī)劃等提供輔助信息。但是，該方法中平面分割部分采用最原始的區(qū)域生長(zhǎng)，平面結(jié)構(gòu)的完整度有待提高。同時(shí)，該方法無(wú)法勝任自動(dòng)駕駛目標(biāo)感知模塊中實(shí)時(shí)地面分割任務(wù)。因此，后續(xù)研究中，將從以下兩方面進(jìn)行研究：一是研究基于多線LiDAR點(diǎn)云的地面信息提取，以輔助機(jī)器人導(dǎo)航定位；二是研究改進(jìn)基于稠密點(diǎn)云的平面分割，提高平面完整度，進(jìn)一步提高地面信息的準(zhǔn)確度與完整度。