萬(wàn)凌峰 孫朋朋 趙祥模 文舜智
(1.長(zhǎng)安大學(xué),西安 710061;2.浙江數(shù)智交院科技股份有限公司,杭州 310013)
主題詞:背景建模 點(diǎn)云處理 三維激光雷達(dá) 智能交通系統(tǒng)
激光雷達(dá)(Light Detection And Ranging,LiDAR)廣泛應(yīng)用于自動(dòng)駕駛車(chē)輛、高精度地圖等領(lǐng)域。車(chē)載激光雷達(dá)產(chǎn)生的點(diǎn)云可通過(guò)VoxelNet、PointPillars、PointNet、PointNet++等深度學(xué)習(xí)方法實(shí)現(xiàn)感知任務(wù)。與車(chē)載激光雷達(dá)相比,路側(cè)激光雷達(dá)部署位置更高,可提供超視距感知能力。但路側(cè)激光雷達(dá)發(fā)射到目標(biāo)上的點(diǎn)云較稀疏,僅占全部點(diǎn)云的小部分,絕大多數(shù)點(diǎn)為背景點(diǎn)。并且路側(cè)激光雷達(dá)部署在固定位置,背景高度同質(zhì)化,卷積神經(jīng)網(wǎng)絡(luò)難以提取到有效特征,先濾除背景點(diǎn)云可有效提升感知效果。
目標(biāo)和背景區(qū)域的點(diǎn)云密度不同,基于點(diǎn)云密度實(shí)現(xiàn)背景濾波是一類(lèi)常見(jiàn)的方法。J.Wu等提出了三維密度統(tǒng)計(jì)濾波(3D Density Statistic Filtering,3D-DSF)及其系列衍生方法,其主要思想是利用密度將掃描空間分割為背景方塊與前景方塊,并濾除位于背景方塊的點(diǎn)。G.Wang 等對(duì)點(diǎn)云進(jìn)行柵格化,基于統(tǒng)計(jì)特征建立混合高斯模型,利用模型置信區(qū)間過(guò)濾背景點(diǎn)云。而點(diǎn)云的離散性會(huì)導(dǎo)致點(diǎn)云柵格化產(chǎn)生大量空柵格,消耗大量的存儲(chǔ)和計(jì)算資源,且此類(lèi)方法的性能與空間劃分粒度密切相關(guān),難以實(shí)現(xiàn)計(jì)算速度與準(zhǔn)確率的折衷。同時(shí),路側(cè)激光雷達(dá)在風(fēng)、車(chē)輛通過(guò)等因素作用下會(huì)產(chǎn)生擺動(dòng),影響此類(lèi)方法的準(zhǔn)確性。
同一線束發(fā)射到背景和目標(biāo)上獲得的點(diǎn)的坐標(biāo)差異明顯,可根據(jù)線束角度構(gòu)建背景模型,此類(lèi)方法將大幅減少計(jì)算消耗。J.Zhao 等根據(jù)一幀純背景點(diǎn)云的縱坐標(biāo)構(gòu)建背景模型,利用目標(biāo)點(diǎn)云與背景模型的縱坐標(biāo)差值區(qū)分前景點(diǎn)和背景點(diǎn)。楊思遠(yuǎn)和J.Zheng等將多幀點(diǎn)云中各點(diǎn)高度均值作為背景模型。張楨瑤將統(tǒng)計(jì)點(diǎn)到激光雷達(dá)的距離作為背景特征。閾值的選取是此類(lèi)方法準(zhǔn)確區(qū)分前景點(diǎn)和背景點(diǎn)的關(guān)鍵。同時(shí),由于背景可能發(fā)生改變,恰當(dāng)?shù)谋尘案虏呗允潜匾摹?/p>
基于此,本文提出一種基于高度信息的背景濾波方法和幀差背景更新法。首先,利用點(diǎn)的縱坐標(biāo)構(gòu)建點(diǎn)云高度矩陣。然后對(duì)多幀點(diǎn)云高度矩陣進(jìn)行中值濾波建立背景幀,降低激光雷達(dá)抖動(dòng)造成的干擾。選取恰當(dāng)?shù)拈撝祵?duì)目標(biāo)點(diǎn)云進(jìn)行背景濾波,并使用幀差背景更新法對(duì)背景模型進(jìn)行更新。
在三維空間內(nèi)對(duì)點(diǎn)云進(jìn)行柵格化時(shí),假設(shè)激光雷達(dá)的有效范圍為,探測(cè)區(qū)域的高度為,柵格邊長(zhǎng)為,則柵格數(shù)量為:
現(xiàn)有方法中常用的柵格邊長(zhǎng)為0.1 m,以有效范圍100 m的激光雷達(dá)為例,若探測(cè)區(qū)域的高度為5 m,將生成2×10個(gè)柵格。每幀點(diǎn)云數(shù)據(jù)中包含的點(diǎn)云數(shù)量為:
式中,、分別為激光雷達(dá)的線數(shù)和水平分辨率。
則水平分辨率為0.1°的32 線激光雷達(dá)每幀所含有115 200 個(gè)點(diǎn),即2×10個(gè)柵格中最多有115 200 個(gè)柵格包含點(diǎn)云,存在大量的空柵格,造成資源浪費(fèi)。
將運(yùn)動(dòng)目標(biāo)抽象為長(zhǎng)方體,假設(shè)某條激光束在兩幀中均探測(cè)到同一個(gè)運(yùn)動(dòng)目標(biāo),運(yùn)動(dòng)目標(biāo)在兩幀之間移動(dòng)的距離為,則兩幀間點(diǎn)的縱坐標(biāo)變化量為:
圖1 LiDAR擺動(dòng)導(dǎo)致激光點(diǎn)偏移
以=17°、=5 m為例,當(dāng)=0.5°時(shí),產(chǎn)生的偏移量為0.45 m。
根據(jù)上述計(jì)算,對(duì)三維空間柵格化有較高的時(shí)間復(fù)雜度和空間復(fù)雜度,基于密度的濾波方法難以實(shí)現(xiàn)實(shí)時(shí)處理,故本文的方法根據(jù)線束進(jìn)行背景建模。此外,路側(cè)激光雷達(dá)出現(xiàn)擺動(dòng)時(shí),激光束所發(fā)射到的位置將出現(xiàn)較大的偏移量,不同時(shí)刻的兩幀點(diǎn)云可能存在較大差異,由單幀或少數(shù)幾幀不含有前景目標(biāo)的點(diǎn)云構(gòu)建的背景模型并不可靠,需要根據(jù)多幀純背景點(diǎn)云實(shí)現(xiàn)背景建模。但由于交通場(chǎng)景的復(fù)雜性,在一段時(shí)間內(nèi)場(chǎng)景中沒(méi)有任何前景目標(biāo)是幾乎不可能的,所以需要一種能夠從包含交通目標(biāo)的點(diǎn)云中提取出背景特征的方法。
根據(jù)激光束的水平角度和垂直角度,構(gòu)建一個(gè)二維矩陣,其中每個(gè)元素對(duì)應(yīng)一條特定角度的激光束,二維矩陣的行數(shù)為激光雷達(dá)的線數(shù),列數(shù)根據(jù)激光雷達(dá)的水平分辨率計(jì)算:
以水平分辨率為0.1°的32線激光雷達(dá)為例,二維矩陣含有32行、3 600列。
習(xí)近平從人類(lèi)文明發(fā)展的角度和社會(huì)形態(tài)演變的角度看到了綠色發(fā)展是人類(lèi)文明發(fā)展進(jìn)步和社會(huì)形態(tài)演變的必然結(jié)果,是一個(gè)自然歷史過(guò)程,并且從現(xiàn)實(shí)的角度對(duì)綠色發(fā)展作了符合當(dāng)今中國(guó)實(shí)際的頂層設(shè)計(jì)。這是一種前所未有的創(chuàng)新,具有顯著的前瞻性和現(xiàn)實(shí)指導(dǎo)性。
如圖2所示,對(duì)于發(fā)射角度同為的激光束,背景點(diǎn)的縱坐標(biāo)與前景點(diǎn)的縱坐標(biāo)之間存在明顯差值Δ。圖3顯示了2條激光束產(chǎn)生的點(diǎn)云的縱坐標(biāo),可以看出,背景點(diǎn)的縱坐標(biāo)明顯小于前景點(diǎn)的縱坐標(biāo)。激光雷達(dá)擺動(dòng)使背景點(diǎn)云的縱坐標(biāo)在不同時(shí)刻呈現(xiàn)一定差異,但背景點(diǎn)與前景點(diǎn)之間的差異更顯著。選取合適的閾值可以對(duì)二者進(jìn)行準(zhǔn)確區(qū)分,故將各點(diǎn)的縱坐標(biāo)作為背景濾除的依據(jù)。將點(diǎn)的縱坐標(biāo)作為構(gòu)建的二維矩陣中對(duì)應(yīng)元素的值,將該二維矩陣稱為點(diǎn)云高度矩陣。
圖2 前景點(diǎn)與背景點(diǎn)的縱坐標(biāo)之差
圖3 前100幀兩條線束的點(diǎn)縱坐標(biāo)
如圖3所示,激光束發(fā)射到前景目標(biāo)的次數(shù)遠(yuǎn)小于發(fā)射到背景目標(biāo)的次數(shù)。所以一段時(shí)間內(nèi),同一線束的點(diǎn)縱坐標(biāo)的中值與背景點(diǎn)縱坐標(biāo)間的最大差值明顯小于與前景點(diǎn)的差值。將一段時(shí)間內(nèi)點(diǎn)的縱坐標(biāo)中值作為背景點(diǎn)的縱坐標(biāo),能夠減小交通目標(biāo)物的存在與路側(cè)激光雷達(dá)的擺動(dòng)對(duì)背景構(gòu)建的影響。
采集幀數(shù)量為的點(diǎn)云進(jìn)行背景建模,將其映射為點(diǎn)云高度矩陣,則背景模型的元素值為:
式中,()為高度圖中的坐標(biāo);H(0≤≤,∈N)為第幀點(diǎn)云的高度圖;為中值函數(shù)。
在交通場(chǎng)景中,背景是動(dòng)態(tài)變化的,構(gòu)建的背景可能在一段時(shí)間后與真實(shí)背景存在較大差異,所以需要對(duì)構(gòu)建的背景進(jìn)行實(shí)時(shí)更新。
目標(biāo)移動(dòng)會(huì)導(dǎo)致區(qū)域內(nèi)點(diǎn)的縱坐標(biāo)發(fā)生明顯改變:當(dāng)目標(biāo)進(jìn)入激光束的探測(cè)區(qū)域后,點(diǎn)的縱坐標(biāo)將增大;當(dāng)目標(biāo)離開(kāi)激光束的探測(cè)區(qū)域后,點(diǎn)的縱坐標(biāo)將減??;當(dāng)區(qū)域內(nèi)無(wú)目標(biāo)進(jìn)入和離開(kāi)時(shí),點(diǎn)的縱坐標(biāo)無(wú)明顯變化??赏ㄟ^(guò)計(jì)算相鄰兩幀點(diǎn)云高度矩陣之差來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)所在區(qū)域,使運(yùn)動(dòng)目標(biāo)區(qū)域內(nèi)的背景模型保持不變,而對(duì)非運(yùn)動(dòng)區(qū)域的背景模型進(jìn)行更新。
在、確定的情況下,僅與相關(guān)。設(shè)定=300幀、=0.05 m、=0.03,對(duì)的不同取值進(jìn)行試驗(yàn),統(tǒng)計(jì)第6 201~6 250 幀目標(biāo)點(diǎn)云的和,結(jié)果如表1 所示。從表1 中可以看出,從0.1°增加到0.6°的過(guò)程中,從509 643個(gè)減少到87 060個(gè),減少約83%,而僅減少2 500 個(gè)左右,減少約4%;從0.6°增加為1.0°的過(guò)程中,提升很小,而迅速下降。
使用B來(lái)更新背景B,得到更新后的背景B:
(1)地勢(shì)變化與相對(duì)誤差。茂名港外航道PN段地勢(shì)平緩,內(nèi)航道NM段存在邊坡,MK段地勢(shì)變化最大。由圖3知沿著PNMK進(jìn)港方向,航道及邊坡地勢(shì)變化加劇,方格網(wǎng)法、斷面法、DTM法土方量相對(duì)誤差均呈現(xiàn)遞增狀態(tài),不同土方量計(jì)算結(jié)果差異變大。外航道曲線斜率相對(duì)較小,該區(qū)域三種方法計(jì)算結(jié)果差值較小,可靠性高。
式中,為背景更新率;為判斷()是否處于運(yùn)動(dòng)目標(biāo)區(qū)域的閾值。
路側(cè)激光雷達(dá)的擺動(dòng)在一定時(shí)間范圍內(nèi)存在周期規(guī)律,當(dāng)背景建模的時(shí)間明顯小于路側(cè)激光雷達(dá)的擺動(dòng)周期時(shí),生成的背景模型與真實(shí)背景有較大差距。同時(shí),在背景建模時(shí)間過(guò)短的情況下,激光束發(fā)射到目標(biāo)上的時(shí)間可能比該激光束發(fā)射到背景上的時(shí)間長(zhǎng),導(dǎo)致將目標(biāo)點(diǎn)縱坐標(biāo)誤認(rèn)為背景點(diǎn)縱坐標(biāo)進(jìn)行處理。過(guò)長(zhǎng)的背景建模時(shí)間也對(duì)濾波效果存在影響,在長(zhǎng)時(shí)間的背景建模過(guò)程中背景可能已經(jīng)發(fā)生改變,生成的背景模型與真實(shí)背景差距較大。
這一敘述承接的不僅有大洪水的故事、制造方舟的方法,還有祭祀時(shí)焚燒犧牲、以煙侍奉神仙、神也要靠人的供奉生存的理念。
如圖1 所示,在實(shí)際部署中,激光雷達(dá)的支撐桿會(huì)出現(xiàn)微小擺動(dòng)。假設(shè)激光雷達(dá)部署位置為點(diǎn),部署高度為,支撐桿偏轉(zhuǎn)角度為,、′′均為發(fā)射角度為的激光束,支撐桿偏轉(zhuǎn)將導(dǎo)致激光束點(diǎn)云產(chǎn)生偏移量|′|:
式中,為目標(biāo)運(yùn)動(dòng)方向與激光束發(fā)射方向在水平方向上的夾角。
兩幀之間背景的縱坐標(biāo)變化量較小,|/(coscos)|≥/cos,故設(shè)=/cos。對(duì)于Δ=0 的情況,由于目標(biāo)處于移動(dòng)中,一條激光束探測(cè)到運(yùn)動(dòng)目標(biāo)的時(shí)間很短,并且更新率設(shè)定得較小,所以此時(shí)不會(huì)對(duì)背景更新造成較大影響。
將目標(biāo)點(diǎn)云映射為點(diǎn)云高度矩陣,計(jì)算其中每個(gè)元素與背景模型中對(duì)應(yīng)元素之差,并設(shè)定閾值,差值大于或等于的元素所對(duì)應(yīng)的點(diǎn)為目標(biāo)點(diǎn),差值小于的元素所對(duì)應(yīng)的點(diǎn)為背景點(diǎn),將背景點(diǎn)過(guò)濾,完成背景濾波。
直接影響背景濾波的效果,取值不當(dāng)將導(dǎo)致與背景距離較小的目標(biāo)點(diǎn)難以與背景點(diǎn)區(qū)分開(kāi)。激光雷達(dá)擺動(dòng)導(dǎo)致背景點(diǎn)的縱坐標(biāo)存在波動(dòng),的設(shè)定應(yīng)考慮其變化情況。交通場(chǎng)景中大部分背景點(diǎn)位于水平面(如地面)或豎直面(如建筑物)上。如圖4 所示,激光雷達(dá)初始位置為(′),擺動(dòng)角度后位置為()或(),()、()、()是發(fā)射角度為的激光束,激光雷達(dá)部署高度為,支撐桿最大偏轉(zhuǎn)角度為。圖4a 展示了激光束發(fā)射到地面上的情況,由激光雷達(dá)擺動(dòng)導(dǎo)致的不同時(shí)刻地面點(diǎn)云縱坐標(biāo)之差最大為||||:
圖4 LiDAR擺動(dòng)造成背景點(diǎn)偏移
(1) 如無(wú)禁忌證,無(wú)論采用何種治療策略,所有患者均應(yīng)口服阿司匹林首劑負(fù)荷量150mg~300mg(未服用過(guò)阿司匹林的患者)并以75mg/d~100mg/d的劑量長(zhǎng)期服用(Ⅰ,A)。
為驗(yàn)證方法的有效性,對(duì)背景建模和動(dòng)態(tài)更新方法在真實(shí)交通場(chǎng)景中進(jìn)行試驗(yàn)。
如圖5 所示,試驗(yàn)使用的激光雷達(dá)是萬(wàn)集32LLiDAR-R,試驗(yàn)地點(diǎn)位于陜西省西安市問(wèn)遠(yuǎn)路,道路周?chē)休^多樹(shù)木,對(duì)背景濾波任務(wù)有較大的影響。將激光雷達(dá)部署于道路一側(cè)的移動(dòng)基站頂部,距地面高度為5 m,激光雷達(dá)的工作頻率為10 Hz,水平分辨率為0.1°,采集的原始點(diǎn)云如圖6 所示。數(shù)據(jù)采集時(shí)間為18:00~18:30,共采集18 000 幀點(diǎn)云。使用的計(jì)算機(jī)配置為IntelCore?i7-9700 CPU@3.00 GHz,16 GB RAM。
按照“山東客棧”建設(shè)的相關(guān)標(biāo)準(zhǔn)和要求,從建筑樣式、空間布局、裝飾風(fēng)格、庭院綠化、休閑功能等方面進(jìn)行全方位的農(nóng)村庭院建設(shè),建成一批主題鮮明、生態(tài)良好、布局合理、功能完備的葫蘆文化主題客棧,為游客提供新穎別致、溫馨舒適的旅游住宿體驗(yàn)。
圖5 LiDAR部署
圖6 LiDAR原始數(shù)據(jù)
分別對(duì)背景建模所用的點(diǎn)云幀數(shù)、背景更新模塊的閾值、更新率、背景濾除模塊的閾值的取值進(jìn)行討論。使用語(yǔ)義分割編輯器(Semantic Segmentation Editor)標(biāo)注點(diǎn)云,統(tǒng)計(jì)原始點(diǎn)云的背景點(diǎn)(Background Point,BP)、目標(biāo)點(diǎn)(Target Point,TP)、過(guò)濾后剩余的背景點(diǎn)(Remaining Background Point,RBP)、保留的目標(biāo)點(diǎn)(Extracted Target Points,ETP)數(shù)量,計(jì)算背景點(diǎn)濾除率和目標(biāo)點(diǎn)提取率作為算法性能評(píng)價(jià)指標(biāo):
式中,、、、分別為BP、TP、RBP、ETP的數(shù)量。
華中科技大學(xué)檔案館2017年完善“檔案業(yè)務(wù)網(wǎng)上服務(wù)系統(tǒng)”。根據(jù)師生反饋意見(jiàn),對(duì)系統(tǒng)進(jìn)行了修改和完善:重新修改了使用界面,使系統(tǒng)功能更直觀明了;增加了在線互動(dòng)功能,方便申請(qǐng)人和審核人進(jìn)行交流;對(duì)部分系統(tǒng)缺陷進(jìn)行了修改,使其更加安全穩(wěn)定。項(xiàng)目在2017年獲得學(xué)?!暗诙霉ぷ髁鞒淘O(shè)計(jì)與再造競(jìng)賽” 優(yōu)勝項(xiàng)目獎(jiǎng)項(xiàng)。
運(yùn)用最鄰近指數(shù)分析廈門(mén)民宿的空間格局,結(jié)果表明,R值為0.137,小于1,說(shuō)明整體上,廈門(mén)民宿呈集聚分布態(tài)勢(shì).海滄區(qū)、同安區(qū)、翔安區(qū)民宿的R值均大于1,表明這3個(gè)區(qū)的民宿分布較為均勻;而湖里區(qū)、集美區(qū)、思明區(qū)R值均小于1,表明這3個(gè)區(qū)的民宿呈集聚分布,尤其是思明區(qū),R值極其逼近0,表明其民宿呈高度集聚分布的態(tài)勢(shì).
4.2.1 點(diǎn)云幀數(shù)
老板道:開(kāi)幕儀式鎮(zhèn)長(zhǎng)也來(lái),還有表演,黃瑩也來(lái)唱歌。印刷廠就開(kāi)在我隔壁不遠(yuǎn)地方,你沒(méi)事就到我的二樓包廂里來(lái)看,說(shuō)不定還能看見(jiàn)剪彩。
對(duì)的不同取值進(jìn)行試驗(yàn),設(shè)=0.5°、=0.05 m、=0.03,計(jì)算不同時(shí)刻的濾波效果,如圖7所示。從圖7中可以看出,和兩項(xiàng)指標(biāo)在從50幀增加到200幀的過(guò)程中明顯提升,而在從200 幀增加到300 幀的過(guò)程中提升幅度較小,在從300 幀增加到500 幀的過(guò)程中無(wú)明顯提升。另外,隨著的增加,算法能夠在較長(zhǎng)時(shí)間內(nèi)保持穩(wěn)定的性能。由試驗(yàn)結(jié)果可以看出,背景點(diǎn)云構(gòu)建至少需要200幀點(diǎn)云,適當(dāng)?shù)慕瑪?shù)為300~400幀。
圖7 不同n取值下的背景濾波指標(biāo)
圖8 展示了不同取值對(duì)應(yīng)的濾波結(jié)果。從圖8 中可以看出:取=0.1°時(shí),大量背景點(diǎn)未被濾除,影響后續(xù)目標(biāo)檢測(cè)等任務(wù)的效果;取=0.9°時(shí),大多數(shù)背景點(diǎn)被過(guò)濾掉,但同時(shí)也過(guò)濾掉了很多高度較低的目標(biāo)點(diǎn),導(dǎo)致很多目標(biāo)不完整;取=0.5°時(shí),方法能夠?yàn)V除近98%的背景點(diǎn),同時(shí)盡可能保留目標(biāo)點(diǎn)。
將構(gòu)建的背景高度圖作為原始背景,對(duì)于目標(biāo)點(diǎn)云,將其映射為高度圖H,并求其與前一幀點(diǎn)云高度矩陣差分的二值矩陣:
表1 不同β取值下的背景濾波指標(biāo)
4.2.2 閾值
圖8 不同β取值時(shí)的背景濾波效果
4.2.3 閾值
僅由決定,激光雷達(dá)工作頻率為10 Hz,故為目標(biāo)在0.1 s內(nèi)移動(dòng)的距離。以移動(dòng)速度較低的行人作為參考,分別取0.100 m、0.050 m、0.025 m,在=300幀、=0.5°、=0.03 的條件下進(jìn)行試驗(yàn),結(jié)果如圖9 所示。由圖9可以看出:取為0.050 m時(shí)算法的性能優(yōu)于其他取值時(shí)的性能,說(shuō)明大多數(shù)的運(yùn)動(dòng)目標(biāo)速度高于0.5 m/s;當(dāng)取值較小時(shí),會(huì)將部分背景點(diǎn)作為目標(biāo)點(diǎn),從而不對(duì)背景模型中對(duì)應(yīng)的元素進(jìn)行更新;當(dāng)取值較大時(shí),會(huì)將部分移動(dòng)較慢的目標(biāo)點(diǎn)作為背景點(diǎn),從而對(duì)背景模型中元素進(jìn)行錯(cuò)誤更新。
“非人磨墨墨磨人”,知人才能識(shí)其文?!跺X(qián)鍾書(shū)創(chuàng)作淺嘗》可謂是高山流水識(shí)知音,揭示錢(qián)氏創(chuàng)作之最經(jīng)磨處——“還是人的血肉之軀”(楊絳語(yǔ))。而《遙寄張愛(ài)玲》則情系故人,洗去歷史塵封,還一代名媛以本來(lái)面目。一卷《墨磨人》堪稱篇篇振聾發(fā)聵,回味無(wú)窮。
圖9 不同u取值下的背景濾波指標(biāo)
4.2.4 更新率
選用合理的施工機(jī)械設(shè)備,在整個(gè)施工過(guò)程中至關(guān)重要,適合南水北調(diào)較大工程量的地基處理,且能滿足施工質(zhì)量和進(jìn)度的需要。設(shè)計(jì)圖紙對(duì)樁徑、處理深度的要求直接影響選擇大型、中型還是小型的樁機(jī),盡可能優(yōu)先選用履帶式柴油打樁機(jī)(型號(hào)W1001)、3t柴油錘,這種中小型設(shè)備最能節(jié)省投資。
視頻的幀差背景更新法中一般設(shè)定為0.005 或0.010。圖像與點(diǎn)云高度矩陣都是二維的,有一定相似性,所以將設(shè)為0.005和0.010,設(shè)置=300幀、=0.05 m、=0.5°進(jìn)行試驗(yàn)。另外,將設(shè)置為0觀察不進(jìn)行更新時(shí)方法的濾波效果。背景建模完成后,將一靜止假人放入激光雷達(dá)探測(cè)范圍內(nèi),測(cè)試更新方法的有效性,試驗(yàn)結(jié)果如圖10所示。
圖10 不同α取值時(shí)的背景濾波效果
結(jié)果表明,當(dāng)設(shè)定為0、0.005 和0.010 時(shí),均未能對(duì)假人進(jìn)行過(guò)濾,對(duì)于緩慢變化的背景點(diǎn)過(guò)濾效果也較差,噪聲點(diǎn)較多,原因可能是視頻幀率與點(diǎn)云幀率不一致。由于設(shè)為0.005 和0.010 時(shí)未能有效更新背景模型,故增大更新率進(jìn)行試驗(yàn),得到如圖11 所示的結(jié)果,取=0.02~0.04時(shí),算法性能較好。其中=0.030的試驗(yàn)結(jié)果如圖12 所示。在背景更新過(guò)程中,存在將運(yùn)動(dòng)目標(biāo)點(diǎn)判斷為背景點(diǎn)的情況,設(shè)置過(guò)大將增加誤判的影響,而設(shè)置過(guò)小則影響背景更新的速度,造成背景模型與真實(shí)模型間存在較大的誤差。
將4項(xiàng)水資源評(píng)價(jià)指標(biāo)權(quán)重均設(shè)定為0.25,加權(quán)平均后可得水資源承載指數(shù)為0.22;將3項(xiàng)生態(tài)條件與環(huán)境質(zhì)量評(píng)價(jià)指標(biāo)權(quán)重均設(shè)定為0.33,加權(quán)平均后得生態(tài)條件與環(huán)境質(zhì)量承載指數(shù)為0.65。參照省內(nèi)指標(biāo)的平均水平,按照弱、較弱、一般、較強(qiáng)、強(qiáng)五級(jí)分類(lèi)方法進(jìn)行分類(lèi)評(píng)價(jià)(表4)。將承載能力為強(qiáng)、較強(qiáng)和一般的判定為可載,承載能力較弱的判定為臨界,承載能力為弱的判定為超載。
圖11 不同α取值下的背景濾波指標(biāo)
圖12 α=0.030的背景濾波效果
為驗(yàn)證本文提出的方法的性能,將本文方法與文獻(xiàn)[17]提出的方法進(jìn)行對(duì)比。本文方法的參數(shù)設(shè)置為=300幀、=0.05 m、=0.5°、=0.03;文獻(xiàn)[17]的參數(shù)與其一致,=tan,并選取交通目標(biāo)較少的一幀點(diǎn)云為背景幀。統(tǒng)計(jì)不同時(shí)刻2 種方法的BP、TP、RBP、ETP 數(shù)量,計(jì)算和,結(jié)果如表2所示。
以上問(wèn)題串分別對(duì)應(yīng)自變量處理、無(wú)關(guān)變量控制、因變量觀測(cè)的注意事項(xiàng),學(xué)生對(duì)問(wèn)題進(jìn)行討論分析,逐步得出各變量的處理方法,為接下來(lái)設(shè)計(jì)實(shí)驗(yàn)奠定基礎(chǔ),促進(jìn)學(xué)生深入思考探究。
表2 2種方法的定量評(píng)價(jià)指標(biāo)
試驗(yàn)結(jié)果表明,相較于文獻(xiàn)[17]的方法,本文的方法大幅提升了和。在測(cè)試數(shù)據(jù)集中,最高提升了4.40百分點(diǎn),的提升最高達(dá)到31.35百分點(diǎn)。同時(shí),本文方法能夠在較長(zhǎng)時(shí)間內(nèi)保持穩(wěn)定性能,在測(cè)試過(guò)程中,僅下降0.52 百分點(diǎn),下降2.87 百分點(diǎn)。文獻(xiàn)[17]的方法僅使用1 幀點(diǎn)云進(jìn)行背景構(gòu)建,在濾波時(shí),若目標(biāo)點(diǎn)云的背景與構(gòu)建時(shí)的背景較為接近,則算法性能較好,若背景差別較大,則性能較差,故該方法的性能在不同時(shí)刻出現(xiàn)較大的波動(dòng)。
由于整個(gè)高縣都是田多地少,社員的大部分時(shí)間都用于種植水稻。據(jù)記分員許某講述,以前插田是發(fā)牌的,插田的主要工種包括:鏟秧、擔(dān)秧和插秧。鏟、擔(dān)秧的計(jì)分方式一樣,均按你的底分來(lái)折算。插秧則是插多少桶就得多少牌,收工后,再把這些牌上交給記分員,由他進(jìn)行統(tǒng)計(jì)。(XJD170323)插秧的計(jì)分公式是:插田面積×28÷總工牌×個(gè)人工牌+擔(dān)腳=當(dāng)天個(gè)人工分[注]本文的三條公式均為筆者根據(jù)記分員的講解和《工分簿》的記錄整理而成。
圖13 展示了2 種方法對(duì)第6 000 幀目標(biāo)點(diǎn)云進(jìn)行背景濾波的結(jié)果。文獻(xiàn)[17]的方法由于只利用1 幀點(diǎn)云進(jìn)行背景建模,在激光雷達(dá)擺動(dòng)時(shí),大量背景點(diǎn)云未被過(guò)濾,也不能有效濾除樹(shù)葉等動(dòng)態(tài)變化的背景,產(chǎn)生了大量的噪點(diǎn)。此外,由于背景模型與實(shí)際背景相差較大,文獻(xiàn)[17]的方法將部分目標(biāo)點(diǎn)判斷為背景點(diǎn)并過(guò)濾,圖13 中行人和車(chē)輛點(diǎn)云中高度較低的部分均被濾除。相比于文獻(xiàn)[17]的方法,本文的方法能夠在激光雷達(dá)擺動(dòng)的條件下有效濾除背景,也能濾除樹(shù)葉等動(dòng)態(tài)背景,濾波后剩余的噪聲點(diǎn)明顯減少,同時(shí),被濾除的目標(biāo)點(diǎn)明顯減少,能夠在背景濾波的同時(shí)保證目標(biāo)點(diǎn)的完整。
圖13 2種方法的背景濾波效果
計(jì)算2 種方法的時(shí)間復(fù)雜度:文獻(xiàn)[17]的方法僅使用單幀點(diǎn)云進(jìn)行背景建模,故建模時(shí)間僅需0.1 s,但需手動(dòng)選擇交通目標(biāo)較少的點(diǎn)云幀;本文的方法在試驗(yàn)時(shí)使用300幀進(jìn)行建模,建模時(shí)間為30 s。在濾波過(guò)程中,統(tǒng)計(jì)處理100幀點(diǎn)云所需要的時(shí)間,并計(jì)算單幀平均處理時(shí)間:文獻(xiàn)[17]的方法僅需進(jìn)行背景過(guò)濾,單幀平均處理時(shí)間為27 ms左右;本文的方法需進(jìn)行背景模型的更新,故耗時(shí)稍長(zhǎng),單幀平均處理時(shí)間為32 ms 左右。點(diǎn)云的采樣頻率為10 Hz,故本文的方法能夠?qū)崿F(xiàn)點(diǎn)云的實(shí)時(shí)處理。
本文提出一種適用于路側(cè)激光雷達(dá)點(diǎn)云的背景濾波及背景更新方法。背景濾波方法提取多幀點(diǎn)云的特征構(gòu)造背景模型,有效克服路側(cè)激光雷達(dá)擺動(dòng)引起的背景點(diǎn)坐標(biāo)變化對(duì)背景濾波的影響。利用點(diǎn)云幀差對(duì)背景進(jìn)行實(shí)時(shí)更新,能夠解決交通場(chǎng)景中背景動(dòng)態(tài)變化的問(wèn)題。真實(shí)交通場(chǎng)景測(cè)試結(jié)果表明,相比于現(xiàn)有的路側(cè)激光雷達(dá)點(diǎn)云背景建模方法,本文的方法不僅具有更高的準(zhǔn)確率,還能在較長(zhǎng)時(shí)間內(nèi)保持更穩(wěn)定的濾波效果,在測(cè)試過(guò)程中,背景點(diǎn)濾除率保持在98%以上,目標(biāo)點(diǎn)提取率保持在93%以上。同時(shí),方法具有較低的時(shí)間復(fù)雜度,背景構(gòu)建時(shí)間為30 s,平均單幀濾波時(shí)間約為32 ms,能夠快速完成點(diǎn)云的背景構(gòu)建和濾波,滿足智能交通系統(tǒng)的實(shí)時(shí)性需求。方法結(jié)合DBSCAN 等聚類(lèi)算法可實(shí)現(xiàn)三維點(diǎn)云的多目標(biāo)檢測(cè),并可進(jìn)一步實(shí)現(xiàn)目標(biāo)識(shí)別、目標(biāo)跟蹤等任務(wù)。