杜珍珍 趙海洋

(浙江省國土勘測規(guī)劃有限公司, 浙江 杭州 310030)

0 引言

對于城市交通管理、道路維護等工作,高精度的道路三維信息具有重要的作用。近年來,隨著測繪軟硬件設(shè)備的發(fā)展,越來越多的空間數(shù)據(jù)獲取手段也在不斷出現(xiàn)。作為一種能夠在短時間內(nèi)快速、高效采集空間三維數(shù)據(jù)的測繪手段[1],車載激光掃描系統(tǒng)的出現(xiàn)為解決城市街道幾何數(shù)據(jù)與紋理數(shù)據(jù)的獲取提供了重要的技術(shù)支撐,自從其問世以來,便在各行業(yè),尤其是測繪行業(yè)發(fā)揮著積極的作用。

目前,基于車載激光掃描點云數(shù)據(jù)的道路信息提取主要分為兩類,一種是從點云投影得到的特征圖中間接提取道路信息,該類方法首先根據(jù)路面點云信息與鄰域其他點云信息在密度或高程上的差異進行圖像轉(zhuǎn)換,再將圖像處理領(lǐng)域中的方法引入進行道路信息提取[2-3]。由于該類方法首先需要進行圖像轉(zhuǎn)換,造成了部分精度損失,因此限制了該類方法的使用。道路信息提取另一種方法是從道路點云場景中直接提取道路信息,該類方法根據(jù)的是道路點云場景中不同地理實體在空間中的局部特征差異進行點云聚類分析,從而實現(xiàn)道路信息的提取。諸多學者針對點云分布特征進行了相關(guān)研究。張達[4]根據(jù)點云的法向量殘差、離散度等特征,綜合使用支持向量機進行樹木、斜坡、地面點的分類;陳健華[5]根據(jù)掃描線特征將近似水平線的長直線點云作為道路面點云進行提取,道路受到遮擋時該方法的使用受限;方莉娜等[6]根據(jù)城市道路典型特征提出了一種適用于路邊緣點較為突出的道路點云提取方法,并取得了良好的效果;李波[7]使用模糊聚類算法結(jié)合道路點云分布特征實現(xiàn)道路面點云提取;Smadja等[8]基于隨機抽樣一致性算法提取路面點云。

本文根據(jù)城市道路車載激光點云數(shù)據(jù)的分布特征,針對非地面點云濾波中存在過分割的問題,提出引入Otsu算法進行高程閾值自適應(yīng)獲取,同時將道路點云法向量夾角與曲率值閾值作為約束條件,使用區(qū)域生長算法進行道路面點云的準確提取。

1 城市道路面點云提取算法

本文針對城市結(jié)構(gòu)化道路點云場景分布特征,提出了道路面點云提取的算法流程,主要包括兩個步驟：

(1)地面點云提取。首先使用體素濾波對原始點云數(shù)據(jù)進行下采樣處理,再使用基于高程閾值的濾波算法獲取地面點。

(2)道路面點云提取。針對地面點云特征,根據(jù)歐氏聚類進行最大連通區(qū)域點云的選取并分段,采用區(qū)域生長算法并且以法向量夾角、曲率值閾值作為約束條件進行道路面點云獲取。

1.1 地面點提取

由于車載激光掃描系統(tǒng)在進行道路點云采集時掃描路線較長,在采集道路面點云的同時能夠掃描得到道路兩側(cè)行道樹、桿狀物、建筑物等非地面點。因此在進行道路面點云提取時首先需要將非地面地濾除。根據(jù)不同地物在點云場景中的高程信息,本文選擇通過設(shè)置高程閾值的方法進行非地面點濾除。由于城市道路具有一定的坡度,不同路段路面的高程具有一定差異,不同路段需設(shè)置不同的高程閾值,因此研究如何根據(jù)不同路段自適應(yīng)地設(shè)置高程閾值尤為關(guān)鍵。

作為一種主要用于二值圖像的自適應(yīng)閾值分割算法,Otsu算法能夠根據(jù)不同閾值實現(xiàn)二值圖像的自適應(yīng)分割[9]。通過計算二值圖像前景與背景部分的類間方差,取方差最大值所得的閾值為最佳分割閾值。

考慮Otsu算法在二值圖像閾值分割中的應(yīng)用效果,本文引入該算法至點云濾波高程閾值選取中,針對不同路段,使用Otsu算法自適應(yīng)地計算得到高程分割閾值,將高于閾值的點刪除,保留低于閾值的點,從而實現(xiàn)非地面點濾除[10-11]。Otsu算法進行非地面點自適應(yīng)濾除的具體步驟為：

1)記錄輸入點云數(shù)據(jù)為N,將點云高程最大值記為Hmax,點云高程最小值記為Hmin。對輸入點云進行高程分層,每層中點云是數(shù)量記為ni,每層點云的概率記為

(1)

2)假設(shè)將高程值k設(shè)置為閾值對原始點云進行劃分,一部分點云為C0,另一部分點云為C1,這兩部分點云出現(xiàn)概率為

(2)

高程平均值為

(3)

式中，μT表示點云平均高程。

3)點云分割后，計算地面點與非地面點間的高程類間方差

g=ω0ω1(μ0-μ1)2

(4)

4)不斷通過新的高程閾值重復上述步驟,將最佳分割閾值確定為地面點、非地面點高程類間方差最大時的閾值,此時保留小于該閾值的點,剔除高于該閾值的點。

1.2 路面點云提取

Otsu算法進行地面點提取時,獲取的不僅是道路面點云,還有道路面以外的平面區(qū)域點云。所有地面點云數(shù)據(jù)區(qū)域構(gòu)成了最大連通區(qū)域,包括道路低矮植被、路緣石、道路面等,如圖1所示。根據(jù)圖1可知,在道路面區(qū)域,點云法向量的分布較其他區(qū)域更為集中并且法向量垂直地面向上。因此,可將道路面點云法向量夾角作為約束條件,利用區(qū)域生長算法進行道路面點云提取。

圖1 道路橫截面法向量示意

1.2.1點云法向量計算

作為地理實體的重要屬性之一,法向量可以表征實體在幾何空間的分布狀態(tài)。然而點云作為眾多離散點組成的點集合,無法通過法向量表征點云的幾何特征,因此對于某個點的法向量,只能通過該點所在鄰域范圍內(nèi)擬合平面的法向量表征[12-13]。

對于點云場景中的激光點pi(xi,yi,zi),首先確定該點k個鄰域點,通過鄰域點使用最小二乘法得到局部擬合平面P,P可表示為

(4)

式中,k表示鄰域點個數(shù);n表示法向量;d表示擬合平面與原點間距。

求導運算式(4),得到矩陣C最小特征值以及特征值對應(yīng)特征向量,該點法向量就是計算得到的特征向量

(5)

C·vj=λj·vj,j∈{0,1,2}

(6)

式中,p表示鄰域內(nèi)三維質(zhì)心的坐標向量;λj、vj分別表示特征值以及其對應(yīng)的特征向量。

1.2.2區(qū)域生長算法

作為一種常用的分割算法,區(qū)域生長算法實現(xiàn)分割的兩個主要步驟分別為種子點選取與設(shè)置生長規(guī)則[14]。以往區(qū)域生長算法中對于種子點選取較為隨意,造成點云分割效率低下、過分割等問題,本文通過將曲率值最小點作為初始種子點進行區(qū)域生長獲取道路面點云。因此,本文基于區(qū)域生長算法的道路面點云具體步驟為：

使用高程閾值濾波算法提取得到地面點云為P。

1)對地面點云中所有點的法向量N與曲率值c進行計算。

2)設(shè)置初始種子點集Sc,將地面點集P中曲率值最小的點Pmin加入初始種子點集Sc中。

3)在初始種子點集Sc中任意選擇一點Pc,使用KD樹得到該點Pc鄰域點集R。

4)計算種子點Pc與鄰域點集R中點的法向量夾角θ,將夾角小于夾角閾值θth的點加入點集Rc中。

5)將Rc中曲率值ci小于曲率值閾值cth的點加入點集Sc中。

6)將種子點從點集中剔除,重復步驟3)至步驟6),直至Sc為空點集。

7)合并Rc中的點為點集Pr。

將Pr作為道路面點云輸出。

2 實驗與結(jié)果分析

2.1 實驗數(shù)據(jù)

為了對本文提出的道路面點云數(shù)據(jù)提取算法的有效性進行檢驗,選擇兩段城市典型道路進行實驗。該兩段城市典型道路點云數(shù)據(jù)是通過華測導航AS-900HL高精度移動車載激光掃描系統(tǒng)采集得到,該車載激光掃描系統(tǒng)的組成部分主要包括全景相機、激光掃描儀、慣性導航裝置、衛(wèi)星定位模塊以及里程計等。道路點云數(shù)據(jù)采集過程中,為了盡可能將道路特征采集完整,車輛行駛速度保持在30 km/h左右,并且避免與大型車輛并行。圖2(a)為路段1點云數(shù)據(jù),該段道路較為彎曲且坡度較大,總長度約為150 m;圖2(b)為路段2點云數(shù)據(jù),該段道路較為平直且坡度較小,總長度約為200 m。兩段道路均包含行道樹、桿狀物等城市典型地物。

(a)路段1

2.2 精度評價指標

為了定量分析與評價本文提出道路面點云提取算法的性能,使用檢測質(zhì)量q、完整性r以及準確性p表征道路面點云提取精度,評價指標表達式為[15-16]

(7)

(8)

(9)

式中,TP表示正確提取道路面點個數(shù);FP表示誤檢為路面點的非路面點個數(shù);FN表示未正確檢測出的路面點個數(shù)。

2.3 非地面點濾波結(jié)果

對兩段城市典型道路使用Otsu算法自適應(yīng)獲取濾波閾值,其中路段1計算得到的閾值為3.796 5,路段2計算得到的閾值為3.824 7,根據(jù)高程閾值對路段1、路段2進行非地面點濾波,結(jié)果如圖3所示。通過圖3可以看到,點云場景中桿狀物、行道樹等高程較高的地物基本被濾除,實現(xiàn)地面點云的初步提取。但是對于一些貼地的地物如車輛、低矮植被等無法完全濾除,需要使用區(qū)域生長算法進行道路面點云的精確提取。

(a)路段1

2.4 道路面點云精確提取與分析

將經(jīng)非地面點濾波后的點云數(shù)據(jù)作為區(qū)域生長算法的輸入數(shù)據(jù)進行道路面點云提取,區(qū)域生長算法包含主要參數(shù)為鄰域搜索點數(shù)量k、曲率值閾值CT以及法向量夾角閾值ST[17]。本實驗中通過不斷設(shè)置閾值并進行結(jié)果對得知,路段1鄰域搜索點數(shù)量k取30、曲率閾值CT取0.07、法向量夾角閾值ST取9°;路段1鄰域搜索點數(shù)量k取30、曲率閾值CT取0.05、法向量夾角閾值ST取5°。通過設(shè)置閾值并進行路面點云生長,得到路段1、路段2的道路面點云提取結(jié)果如圖4所示。

(a)路段1

通過圖3可知,本文方法可以有效提取道路面點云,無論是彎曲道路還是平直道路,本文方法的提取效果均良好。使用檢測質(zhì)量q、完整性r以及準確性p對道路面點云提取結(jié)果進行定量評價,結(jié)果如表1所示。

表1 道路面點云提取結(jié)果精度統(tǒng)計 單位：%

通過表1可知,本文方法提取兩路段道路面點云結(jié)果的檢測質(zhì)量q、完整性r以及準確性p平均值分別為94.85%、96.12%、97.02%,均在93%以上,表明本文方法可以對道路面點云進行準確提取,受道路形狀、寬度影響較小。

3 結(jié)束語

針對城市典型道路點云的分布特征,本文提出了一整套道路面點云提取方法。首先使用高程閾值濾波算法濾除非地面點,其中引入Otsu算法自適應(yīng)獲取點云濾波高程閾值,保證了地面點獲取的精度與完整度;其次引入?yún)^(qū)域生長算法進行道路面點云提取,將曲率值閾值以及法向量夾角作為區(qū)域生長算法的約束條件。通過某兩段實測道路點云數(shù)據(jù)實驗結(jié)果表明本文提出道路面點云提取算法提取道路檢測質(zhì)量q、完整性r以及準確性p均在93%以上,表現(xiàn)出了較高的性能,下一步將重點針對非典型道路面點云的提取算法進行研究。