賴 超

（1、北京建筑大學(xué) 測繪與城市空間信息學(xué)院，北京100044 2、北京北建大科技有限公司，北京100044）

1 概述

道路標(biāo)線是重要的交通標(biāo)志，具有表現(xiàn)道路交通規(guī)則、提示道路信息為行人保駕護航等作用。隨著駕駛技術(shù)的進步，尤其是自動駕駛領(lǐng)域中對路面信息的需求也逐漸加大，道路標(biāo)線信息作為高精度地圖的核心要素之一，自動提取道路標(biāo)線成為了國內(nèi)外研究的熱點。

獲取道路標(biāo)線信息的主要采集方式是車載激光點云設(shè)備。目前，國內(nèi)外很多的研究學(xué)者已經(jīng)展開了基于移動LiDAR 點云數(shù)據(jù)道路標(biāo)線研究，方法大多基于道路標(biāo)線的某類或者某幾類特征進行提取的，但是也有基于深度學(xué)習(xí)的方法進行提取的。閆利等[1]基于移動激光點云掃描系統(tǒng)數(shù)據(jù)，在強度圖像數(shù)據(jù)中使用中值濾波來降低噪聲，利用邊緣檢測來提取道路標(biāo)線點云；方莉娜等[2]利用標(biāo)線多尺度分割方法，將標(biāo)線點從點云數(shù)據(jù)中進行分離，并結(jié)合強度圖像，實現(xiàn)道路標(biāo)線的提??；Soilan 等[3]基于道路標(biāo)線的反射特性進行點云濾波并制作柵格圖像，通過特征提取和神經(jīng)網(wǎng)絡(luò)方法進行道路標(biāo)線的提取與分類；Wen 等[4]基于三維移動激光點云數(shù)據(jù)，使用深度學(xué)習(xí)的方法對點云數(shù)據(jù)進行分割，實現(xiàn)道路標(biāo)線點云數(shù)據(jù)的提取。

2 提取流程

本方法提出的提取流程如圖1。

圖1 算法流程圖

2.1 激光點云切塊

因為輸入的點云數(shù)據(jù)代表了一段數(shù)公里的點云數(shù)據(jù)，如圖2 所示。直接投影到二維平面使得圖像的長寬比例過大，首先根據(jù)掃描軌跡線數(shù)據(jù)按照500 米的步長對道路點云進行長度向分段。同時，實際經(jīng)驗表面：道路點云數(shù)據(jù)往往因為車輛碾壓后會產(chǎn)生相應(yīng)的磨損，尤其體現(xiàn)在路面中間部分，但是兩側(cè)點云保存較為完好，這就導(dǎo)致了道路標(biāo)線點云的反射強度平均值呈中間低兩側(cè)高的情況。直接投影后的圖像采用自適應(yīng)閾值分割效果不佳，于是垂直于道路方向再將道路點云切成三塊，單獨的一塊點云數(shù)據(jù)進行投影生成對應(yīng)的二維圖像。

2.2 生成反射強度圖像

生成反射強度圖像時，設(shè)定強度圖像像素單元的尺寸大小N，根據(jù)公式：

將點云投影到M×C 的網(wǎng)格中，其中Xmax，Xmin，Ymax，Ymin分別為點云再X 和Y 方向的最大最小值。

2.3 OTSU 自適應(yīng)閾值分割

OTSU 算法，又名大津法[5]。是一種確定圖像二值化分割閾值的算法，由日本學(xué)者大津于1979 年提出。被認為是圖像分割中閾值選取的最佳算法，計算簡單且不受圖像亮度值影響。將圖像分成了背景和前景兩部分，適用于求圖像的全局閾值，其核心思想在于類間方差最大化。

令{0，1，2，…，L-1}表示一幅大小為M×N 像素的數(shù)字圖像中L 個不同的灰度級。ni表示灰度級為i 的像素數(shù)。假設(shè)存在一個閾值：

T（k）=k，0

可以把輸入圖像閾值化處理為C1，C2兩類，則像素被分到C1的概率為：

通過OTSU 計算可以直觀的反應(yīng)前景和背景的差值，且閾值適用性于差值呈正相關(guān)。得到的閾值并根據(jù)閾值判斷是否為普通路面像素和道路標(biāo)線像素。

2.4 反投影

通過影像算法已經(jīng)得到了相應(yīng)的道路標(biāo)線像素，通過像素到點云的反投影計算，也就是生成強度圖像的逆過程，將像素恢復(fù)成三維點云。

2.5 點云生長算法

通過上述過程已經(jīng)得到部分道路標(biāo)線點云數(shù)據(jù)，但是這部分標(biāo)線點云數(shù)據(jù)是不完整的，因為OTSU 得到的閾值容易受到噪聲異常值的影響，實際使用的閾值并不能完美得將標(biāo)線點云標(biāo)線分割開。

對散亂點云進行點云區(qū)域生長分割之前，需要先對三維點云數(shù)據(jù)建立拓撲關(guān)系，使用KD-Tree 建立三維空間關(guān)系，置好生長準(zhǔn)則，分別為距離和反射強度兩個條件，判斷種子節(jié)點的鄰域點是否與鄰域點屬于同一特征條件。如果滿足該條件，將該點作為新的種子點繼續(xù)生長，否則不加入，以此類推，將所有滿足特征條件的鄰域點劃入到同一區(qū)域內(nèi)，知道生長結(jié)束。

圖2 KD-Tree 結(jié)構(gòu)圖

通過使用點云區(qū)域生長算法，將之前提取出的道路標(biāo)線點云數(shù)據(jù)作為生長的種子點加入到隊列中，并設(shè)置距離和亮度值差異兩個條件進行點云區(qū)域生長，過程中將已經(jīng)遍歷過的點云移除，直至不能生長。

2.6 離群值去噪

車載激光點云數(shù)據(jù)中，往往再采集過程中受到光線異常影響，使得出現(xiàn)很多強度異常的噪聲點[7]，根據(jù)反射強度特征提取標(biāo)線的方法往往會將這部分點云作為標(biāo)線點云提取出來，所以需要進行去噪聲處理。

結(jié)合點云數(shù)據(jù)密度情況，設(shè)置鄰域大小為N，搜索半徑大小為R，其中R 被用來判斷當(dāng)前中心點距離于其領(lǐng)域N 內(nèi)所有點到該點距離的差值，另外一般還將設(shè)置分配閾值參數(shù)T，用于判斷離群特性，確定閾值與實際的場景相關(guān)，即點云密度愈高，半徑大小R 越小。

（1）獲取當(dāng)前中心點的周圍鄰域N 范圍內(nèi)所有的三維點云數(shù)據(jù)，需要先計算該范圍內(nèi)任一點到點云中心的距離：

（2）計算Di與當(dāng)前點到點云中心的距離差值d。

（3）比較d 與半徑閾值R 的大小。如果小于半徑閾值，則視為有效點的個數(shù)，反之，遍歷下一個鄰域點。

（4）當(dāng)遍歷完所有的鄰域點之后，可以得到此中心點對應(yīng)的鄰域有效點個數(shù)m。

（5）計算分配參數(shù)t：

（6）比較t 與分配閾值T 的大小，如果t>T，則當(dāng)前中心點被判為有效點云，否則將視為離群噪聲點云，被刪除。

圖3 離群濾波原理

實驗中，這部分噪聲點云往往散亂分布，數(shù)量稀疏，可以使用離群值法將之篩除。通過KD-Tree 半徑搜索，若某點的領(lǐng)域點個數(shù)少于設(shè)定的閾值，則判定該點為離群點，也就是噪聲點，將其移除。如圖3 所示，a 和c 點周圍點云數(shù)量少于閾值，被判定為離群點，將被移除。

3 實驗結(jié)果

本文以某段高速路面車載激光掃描點云作為輸入數(shù)據(jù)進行實驗，得到的提取結(jié)果如圖4。

圖4 輸入點云與提取結(jié)果

實驗數(shù)據(jù)表明：對于實際采集到的高速路面激光點云數(shù)據(jù)，使用本文方法進行路面標(biāo)線提取，可以得到比較滿意的結(jié)果。