張西童，劉會(huì)云，李永強(qiáng)，黃騰達(dá)，李有鵬

(河南理工大學(xué) 測(cè)繪與國(guó)土信息工程學(xué)院，河南 焦作 454000)

?

車載LiDAR場(chǎng)景中路燈的提取與識(shí)別

張西童，劉會(huì)云，李永強(qiáng)，黃騰達(dá)，李有鵬

(河南理工大學(xué) 測(cè)繪與國(guó)土信息工程學(xué)院，河南 焦作 454000)

摘要：為解決車載LiDAR城市場(chǎng)景中路燈提取和識(shí)別問(wèn)題，文中提出基于樣本的路燈提取算法。先通過(guò)人機(jī)交互的方式提取路燈的樣本參數(shù)；再依據(jù)數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算提取點(diǎn)云場(chǎng)景中疑似路燈的位置，根據(jù)樣本參數(shù)確定疑似路燈范圍并提取疑似路燈點(diǎn)云；然后進(jìn)行路燈樣本和疑似路燈點(diǎn)云的匹配；最后，通過(guò)建立路燈樣本緩沖區(qū)實(shí)現(xiàn)路燈判斷和提取。通過(guò)試驗(yàn)驗(yàn)證，算法不僅可以快速自動(dòng)提取路燈點(diǎn)云，還能完成路燈單一種類的識(shí)別。

關(guān)鍵詞：車載LiDAR；路燈樣本；路燈提??；種類識(shí)別

隨著智慧城市進(jìn)程不斷推進(jìn)，管理者對(duì)作為智慧城市地理數(shù)據(jù)基礎(chǔ)的三維數(shù)字城市地理數(shù)據(jù)要求越來(lái)越高，準(zhǔn)確性、豐富性、實(shí)時(shí)性已成為城市地理數(shù)據(jù)的主要特點(diǎn)[1-3]。具有快速、高精度、高密度測(cè)量特點(diǎn)的車載LiDAR技術(shù)不斷發(fā)展，為精細(xì)度高、更新速度快的城市地理數(shù)據(jù)采集提供技術(shù)支持[4-6]。作為城市街道場(chǎng)景中重要地物之一的路燈，是數(shù)字城市建設(shè)和智慧城市管理的重要對(duì)象；面對(duì)車載LiDAR獲取的大量點(diǎn)云數(shù)據(jù)，準(zhǔn)確、快速提取路燈點(diǎn)云和識(shí)別路燈種類是本文的主要研究?jī)?nèi)容。

當(dāng)前的研究中，對(duì)于路燈的提取，多與行道樹(shù)、交通標(biāo)識(shí)牌、線桿等歸為桿狀地物進(jìn)行提取[7-10]；對(duì)于路燈的單獨(dú)提取，譚賁[11]根據(jù)路燈投影密度、外包圍盒面積和點(diǎn)云豎直分布特點(diǎn)，提取路燈地物類；楊必勝[12]通過(guò)改進(jìn)的格網(wǎng)化算法，實(shí)現(xiàn)路燈和相鄰行道樹(shù)的分離；Li[13]通過(guò)提取桿狀地物，再對(duì)桿狀地物進(jìn)行向上增長(zhǎng)，探測(cè)燈頭點(diǎn)云實(shí)現(xiàn)路燈點(diǎn)云的提取。以上算法實(shí)現(xiàn)桿狀地物或路燈類的初步提取，對(duì)點(diǎn)云的完整性和孤立性要求較高，且不能識(shí)別路燈種類。本文依據(jù)所要提取路燈類的樣本參數(shù)，通過(guò)數(shù)學(xué)形態(tài)學(xué)方法提取疑似路燈的位置，將疑似路燈與路燈樣本匹配，判斷并獲取與路燈樣本種類一致的路燈點(diǎn)云，實(shí)現(xiàn)路燈提取和路燈種類識(shí)別。

1路燈樣本提取

在同一區(qū)域內(nèi)，盡管路燈數(shù)量很多，但在類型上只有有限的幾種，因此可以通過(guò)提取路燈樣本參數(shù)，并以此為基礎(chǔ)提取測(cè)區(qū)中所有同型號(hào)路燈。本文采用提取路燈結(jié)構(gòu)線的方式來(lái)表示路燈樣本參數(shù)。在提取路燈點(diǎn)云時(shí)，以提取的路燈結(jié)構(gòu)線為模糊模型進(jìn)行匹配提取。在大區(qū)域城市道路場(chǎng)景路燈提取中，通過(guò)建立路燈樣本集，實(shí)現(xiàn)不同路燈的提取和識(shí)別。

(1)

2路燈提取方法

路燈提取主要分為3個(gè)部分:第一部分為疑似路燈粗提取，提取所有疑似路燈的位置及范圍內(nèi)點(diǎn)云；第二部分為路燈樣本與疑似路燈點(diǎn)云的粗匹配，主要包括水平位置對(duì)齊、高程對(duì)齊和主方向?qū)R；第三部分為路燈的判斷與路燈點(diǎn)云的提取。

2.1疑似路燈粗提取

路燈通常為直立桿狀地物，且高于周圍地物?；诼窡暨B續(xù)豎直桿狀地物的特點(diǎn)，將點(diǎn)云數(shù)據(jù)格網(wǎng)化，并通過(guò)數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算，以單列豎直n層格網(wǎng)作為模板B進(jìn)行路燈桿位置的粗提取。如圖2中路燈，對(duì)路燈格網(wǎng)化，通過(guò)膨脹算法使部分因遮擋而數(shù)據(jù)缺失的燈桿上下部連結(jié)，再通過(guò)腐蝕算法去除豎直連續(xù)較短的地物格網(wǎng)，則可以保留路燈及其他疑似路燈桿狀部分的格網(wǎng)。通過(guò)大量實(shí)驗(yàn)和調(diào)查驗(yàn)證，路燈桿通常直徑為20cm左右，燈桿部數(shù)據(jù)缺失在50cm以下；因此在格網(wǎng)數(shù)學(xué)形態(tài)學(xué)提取路燈桿過(guò)程中，采用邊長(zhǎng)為20cm的格網(wǎng)進(jìn)行格網(wǎng)化，數(shù)據(jù)膨脹采用5層格網(wǎng)膨脹，腐蝕模板采用高差為1/2Ph的模板進(jìn)行腐蝕。若相連豎直格網(wǎng)數(shù)遠(yuǎn)大于路燈高度所含格網(wǎng)數(shù)，則直接判斷為非所提取路燈類。

圖2　基于數(shù)學(xué)形態(tài)學(xué)的疑似路燈位置提取過(guò)程

通過(guò)提取出來(lái)的疑似路燈位置，提取疑似路燈點(diǎn)云。依據(jù)粗提取出來(lái)的疑似路燈位置水平坐標(biāo)，選取點(diǎn)云場(chǎng)景中距離疑似路燈位置水平距離1.2倍Hr的點(diǎn)云數(shù)據(jù)作為疑似路燈點(diǎn)云，0.2m范圍內(nèi)的點(diǎn)云作為疑似路燈桿點(diǎn)云。

2.2樣本與點(diǎn)云粗匹配

為進(jìn)行疑似路燈的判斷，需要將路燈樣本與疑似路燈點(diǎn)云匹配對(duì)齊，即若疑似路燈點(diǎn)云中有與樣本一致的路燈，則將樣本的燈桿和燈頭部分與路燈點(diǎn)云對(duì)齊，若非路燈，則樣本會(huì)與桿狀物對(duì)齊，燈頭部分對(duì)齊則是錯(cuò)亂的，在判斷過(guò)程中會(huì)被判斷為非路燈點(diǎn)云。路燈樣本與點(diǎn)云的對(duì)齊主要分為水平位置對(duì)齊、高程對(duì)齊和主方向?qū)R。

2.2.1水平位置對(duì)齊

即將路燈樣本中的燈桿結(jié)構(gòu)線與提取出來(lái)的疑似路燈燈桿的桿狀地物進(jìn)行水平方向?qū)R。依據(jù)提取出來(lái)的疑似路燈燈桿點(diǎn)云，求其水平重心點(diǎn)作為路燈樣本燈桿需要對(duì)齊的水平中心點(diǎn)；將路燈樣本平移至與疑似路燈桿重合。

2.2.2高程對(duì)齊

路燈樣本與疑似路燈點(diǎn)云垂直方向上的對(duì)齊是路燈燈頭部分準(zhǔn)確匹配的前提。城市場(chǎng)景中路燈通常是安裝在路邊花壇或者人行道上，依據(jù)城市道路建設(shè)規(guī)范，路邊花壇和人行道通常高于鄰接路面20cm和24cm；因此以路燈最鄰近的道路路面高程作為路燈底部高程獲取的基準(zhǔn)，在道路高程的基礎(chǔ)上加上路沿高度即為路燈底部高程。通過(guò)平移使路燈底部對(duì)齊，實(shí)現(xiàn)路燈和疑似路燈點(diǎn)云在豎直方向上的對(duì)齊。

2.2.3主方向?qū)R

如圖3為截取疑似路燈點(diǎn)云中燈頭高度部分的點(diǎn)云水平投影，通過(guò)采用RANSAC算法提取直線作為疑似路燈頭部點(diǎn)云的主方向(圖3虛線)。則疑似點(diǎn)云方向到路燈樣本的夾角α 即可求出。由于RANSAC算法提取出來(lái)的直線不能判斷路燈正反向，因此在判斷過(guò)程中，如果判斷該地物為非路燈，則將夾角設(shè)置為α +π后再次判斷。

圖3　疑以路燈方向探測(cè)

2.3匹配與提取

將路燈樣本和疑似點(diǎn)云進(jìn)行初步對(duì)齊之后，由于單個(gè)路燈高度和傾斜程度存在細(xì)小差異，樣本和路燈點(diǎn)云并不一定完全匹配，為了在判斷過(guò)程中得到更加精確的結(jié)果，本文通過(guò)最小二乘算法將路燈樣本和疑似路燈點(diǎn)云進(jìn)行進(jìn)一步匹配。依據(jù)初步對(duì)齊的結(jié)果，選取路燈樣本線周邊r范圍內(nèi)的點(diǎn)云，以其到樣本線之間距離為依據(jù)使用最小二乘法進(jìn)行匹配，直至樣本線和路燈點(diǎn)云達(dá)到最佳貼合。

判斷所提取出的疑似路燈地物是否為與樣本一致的路燈，主要依據(jù)路燈燈頭部分的結(jié)構(gòu)進(jìn)行匹配判斷。若所提取的疑似路燈點(diǎn)云地物為路燈，則在距離路燈樣本結(jié)構(gòu)線一定范圍內(nèi)含有大量的點(diǎn)云，且這些點(diǎn)云較均勻分布在整條結(jié)構(gòu)線附近；而在此范圍之外的一定范圍內(nèi)，因路燈周邊一般不允許有遮擋物，則這一區(qū)域?qū)⒑袠O少量的點(diǎn)云。對(duì)樣本結(jié)構(gòu)線分別建立以r1(內(nèi)側(cè)淺色區(qū)域)和r2(外側(cè)深色區(qū)域)為半徑的緩沖區(qū)，如圖4(a)，若疑似地物為路燈，則在淺色區(qū)域內(nèi)沿結(jié)構(gòu)線方向上較均勻的分布著路燈點(diǎn)云，在深色區(qū)域內(nèi)，較少存在路燈點(diǎn)云，見(jiàn)圖4(b)。其中r2=2r1，r1依據(jù)燈頭尺寸選取。

判斷時(shí)，為統(tǒng)計(jì)點(diǎn)云在樣本線方向上的均勻分布情況，本文將較長(zhǎng)的結(jié)構(gòu)線進(jìn)行細(xì)分，使每段結(jié)構(gòu)線長(zhǎng)度不大于0.2m，則可以通過(guò)計(jì)算緩沖區(qū)內(nèi)包含點(diǎn)的結(jié)構(gòu)線段數(shù)與總數(shù)之比來(lái)統(tǒng)計(jì)點(diǎn)云在結(jié)構(gòu)線方向上的分布情況。通過(guò)計(jì)算點(diǎn)云在路燈緩沖區(qū)(淺色區(qū)域)和非路燈緩沖區(qū)(深色區(qū)域)內(nèi)的比例來(lái)統(tǒng)計(jì)點(diǎn)云在空間上的分布情況。即當(dāng)滿足式(2)和式(3)時(shí)，疑似地物被判斷為與樣本一致的路燈。

(2)

(3)

式中：Npoints為包含點(diǎn)云的樣本結(jié)構(gòu)線段數(shù)；N為樣本線段總數(shù)；Qlamp為圖4(b)中內(nèi)側(cè)淺色區(qū)域點(diǎn)云數(shù)量；Qspace為圖4(b)中外側(cè)深色區(qū)域點(diǎn)云數(shù)量。

當(dāng)判斷疑似地物為路燈之后，通過(guò)判斷點(diǎn)云到路燈結(jié)構(gòu)線的距離來(lái)提取路燈點(diǎn)云。距離燈桿結(jié)構(gòu)線小于r1的點(diǎn)云作為燈桿點(diǎn)云；距離燈頭結(jié)構(gòu)線小于r2的點(diǎn)云作為燈頭點(diǎn)云。

3試驗(yàn)分析

圖5為StreetMapper系統(tǒng)采集得到的某城市街道車載點(diǎn)云數(shù)據(jù)，總長(zhǎng)5.2km，除最左端外均為具有綠化隔離帶的雙向街道，場(chǎng)景中主要包含3種路燈。通過(guò)人機(jī)交互獲取3種路燈樣本點(diǎn)云及參數(shù)，依據(jù)本文算法進(jìn)行路燈的自動(dòng)提取和識(shí)別。

圖5　城市街道車載點(diǎn)云數(shù)據(jù)

圖6為依據(jù)本文算法提取出來(lái)的路燈位置示意圖，圖中包括3種路燈的位置和車載軌跡線。統(tǒng)計(jì)其提取結(jié)果見(jiàn)表1，該區(qū)域3種路燈總數(shù)272個(gè)，提取路燈217個(gè)，提取率達(dá)79.8%；與掃描儀同側(cè)獲取的道路右側(cè)較完整路燈131個(gè)，提取路燈119個(gè)，提取率達(dá)90.8%；與掃描儀對(duì)側(cè)獲取的道路左側(cè)路

燈141個(gè)，提取98個(gè)，提取率達(dá)69.5%；誤將非路燈地物識(shí)別為路燈5處，占路燈數(shù)1.8%。由數(shù)據(jù)得出，本文算法對(duì)較完整的路燈點(diǎn)云提取效果較好，對(duì)不太完整的路燈點(diǎn)云也能達(dá)到60%以上的提取率，可以較好進(jìn)行大場(chǎng)景路燈點(diǎn)云自動(dòng)提取和路燈種類自動(dòng)識(shí)別。

圖6　提取的路燈位置

路燈種類實(shí)際數(shù)量提取數(shù)量提取率總體右側(cè)左側(cè)總體右側(cè)左側(cè)誤提取總體右側(cè)左側(cè)誤提取種類11688118300.6881.0000.3750種類2213105108170957540.8000.9050.6740.019種類343182536162010.8370.8890.8000.023總計(jì)2721311412171199850.7980.9080.6950.018

注：右側(cè)為車輛行駛一側(cè)，數(shù)據(jù)完整；左側(cè)為相鄰車道，由于隔離帶遮擋，數(shù)據(jù)質(zhì)量較差

4結(jié)束語(yǔ)

依據(jù)本文算法，通過(guò)提取較為準(zhǔn)確的路燈樣本參數(shù)，可以將與路燈樣本形狀大小一致的路燈點(diǎn)云從大場(chǎng)景數(shù)據(jù)中準(zhǔn)確提取出來(lái)，其僅需要點(diǎn)云的三維坐標(biāo)信息即可，具有較強(qiáng)的普適性；對(duì)點(diǎn)云部分缺失但不影響外觀形狀的路燈同樣具有較好的提取效果。算法在提取路燈的同時(shí)，實(shí)現(xiàn)路燈種類的識(shí)別，為數(shù)字城市建設(shè)和城市道路場(chǎng)景監(jiān)測(cè)提供準(zhǔn)確的數(shù)據(jù)，為城市道路資產(chǎn)管理和路燈維護(hù)監(jiān)控提供數(shù)據(jù)支持。由于提取過(guò)程依賴于路燈的形狀，因此對(duì)于缺失嚴(yán)重導(dǎo)致形狀缺失的路燈，不能有效提取，對(duì)于嚴(yán)重?fù)p壞或傾斜的路燈也不能較好提取。車載LiDAR在獲取城市道路數(shù)據(jù)時(shí)，通常會(huì)采集到不同的街道數(shù)據(jù)，不同的街道安裝的路燈種類也不盡相同，為了縮短自動(dòng)提取時(shí)間，提高提取準(zhǔn)確度，提出通用的路燈提取算法，對(duì)識(shí)別提取出的路燈進(jìn)行分類將是作者未來(lái)的研究?jī)?nèi)容。

參考文獻(xiàn)：

[1]李德仁，姚遠(yuǎn)，邵振峰. 智慧城市中的大數(shù)據(jù)[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2014，34(6): 631-640.

[2]王家耀. 大數(shù)據(jù)時(shí)代的智慧城市[J]. 測(cè)繪科學(xué)，2014(5): 3-7.

[3]李德仁，姚遠(yuǎn)，邵振峰. 智慧地球時(shí)代測(cè)繪地理信息學(xué)的新使命[J]. 測(cè)繪科學(xué)，2012，37(6): 5-8.

[4]譚敏.基于車載激光點(diǎn)云數(shù)據(jù)的路面檢測(cè)與重建[J].測(cè)繪與空間地理信息,2015,38(7): 115-117.

[5]李永強(qiáng)，劉會(huì)云，曹鴻，等. 基于空-地多源數(shù)據(jù)融合的建筑物精細(xì)建模研究[J]. 測(cè)繪工程，2015，25(8): 1-4.

[6]QinR,GruenA. 3Dchangedetectionatstreetlevelusingmobilelaserscanningpointcloudsandterrestrialimages[J].ISPRSJournalofPhotogrammetryandRemoteSensing. 2014, 90: 23-35.

[7]李永強(qiáng)，楊莎莎，李框宇，等. 車載激光掃描數(shù)據(jù)中桿狀地物提取[J]. 測(cè)繪科學(xué)，2015，40(8): 42-46.

[8]CABOC,ORDOEZC,GARCA-CORTéSS,etal.Analgorithmforautomaticdetectionofpole-likestreetfurnitureobjectsfromMobileLaserScannerpointclouds[J].ISPRSJournalofPhotogrammetryandRemoteSensing. 2014, 87: 47-56.

[9]CHENGL,TONGL,WANGY,etal.ExtractionofUrbanPowerLinesfromVehicle-BorneLiDARData[J].RemoteSensing. 2014, 6(4): 3302-3320.

[10]LEHTOMKIM,JAAKKOLAA,HYYPPJ,etal.DetectionofVerticalPole-LikeObjectsinaRoadEnvironmentUsingVehicle-BasedLaserScanningData[J].RemoteSensing. 2010, 2(3): 641-664.

[11] 譚賁，鐘若飛，李芹. 車載激光掃描數(shù)據(jù)的地物分類方法[J]. 遙感學(xué)報(bào),2012, 16(1): 50-66.

[12]YANGB,DONGZ,ZHAOG,etal.Hierarchicalextractionofurbanobjectsfrommobilelaserscanningdata[J].ISPRSJournalofPhotogrammetryandRemoteSensing. 2015, 99: 45-57.

[13]DANL.OptimisingDetectionofRoadFurniture(Pole-likeObjects)inMobileLaserScannerData[D].Holland:UniversityofTwente, 2013.

[責(zé)任編輯：張德福]

Streetlamp extraction and identification frommobile LiDAR point cloud scenes

ZHANG Xitong, LIU Huiyun, LI Yongqiang, HUANG Tengda, LI Youpeng

(SchoolofSurveyingandLandInformationEngineering,HenanPolytechnicUniversity,Jiaozuo454000,China)

Abstract：To solve the problem of streetlamp extraction and category identification from mobile LiDAR data in urban scenes, an algorithm based on streetlamp sample has been proposed. Firstly, extract the sample from streetlamps by human-computer interaction; secondly, based on morphological closing operation, extract the location of suspected streetlamps, and determine the scope of suspected streetlamps by the streetlamp sample parameters before extracting the suspected streetlamp point cloud; thirdly, realize the alignment of streetlamp samples and suspected streetlamp point cloud; finally, realize the streetlamp judgment and extraction by establishing sample buffer. Experimental results show that the algorithm can not only automatically extract streetlamp point cloud, but also be able to identify streetlamp category which is in accordance with the sample.

Key words：mobile LiDAR; streetlamp sample; streetlamp extraction; category identification

DOI:10.19349/j.cnki.issn1006-7949.2016.09.011

收稿日期：2015-10-19

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(41501491)

作者簡(jiǎn)介：張西童(1991—)，男，碩士研究生.

中圖分類號(hào)：P225

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-7949(2016)09-0050-05