劉云彤,黃金亭,王家耀

(1.黃河水利職業(yè)技術學院,河南 開封 475004; 2.河南大學地理與環(huán)境學院,河南 開封 475004;3.河南大學時空大數(shù)據(jù)產(chǎn)業(yè)研究院,河南 鄭州450046)

近年來,隨著城市化進程的加速和車輛保有量的快速增長,停車問題逐漸成為城市交通管理和規(guī)劃的重要挑戰(zhàn)之一[1]。室內(nèi)停車場作為解決停車需求的重要設施,在城市中扮演著重要的角色,不僅提供車輛停放的空間,還能有效利用地下空間,緩解交通壓力。然而,室內(nèi)停車場的管理和使用涉及一系列復雜的問題,如停車位的分配、車輛導航、安全性規(guī)劃等。在解決這些問題時,室內(nèi)停車場平面圖作為一種重要的工具和信息載體發(fā)揮著至關重要的作用。構(gòu)建精確的室內(nèi)停車場平面圖是一項重要的工作,對于解決城市停車問題、提高停車效率和優(yōu)化交通流動具有積極的影響[2]。

近年來,由于手持式三維激光掃描儀具備體積小巧、重量輕、易于攜帶和操作的優(yōu)點,逐漸被應用于地下空間普查[3]、工業(yè)測量[4-5]和文物保護[6]等領域。使用者可以自由移動掃描儀,不受固定架或支撐設備的限制,能夠快速、方便地掃描室內(nèi)停車場,得到整個停車場的三維點云。然而,目前商業(yè)軟件中尚未見到利用手持掃描儀點云高效、自動化進行室內(nèi)停車場成圖的工具。在實際制圖過程中,常常采用在點云上手工繪圖的方法,制圖效率較低。其主要瓶頸在于缺乏快速、自動化的三維點云地圖要素的提取方法,從而無法自動識別和提取地圖要素,制約了制圖效率的提高。室內(nèi)停車場的地面標識要素(車位線、車道線和地面箭頭標識)占據(jù)制圖要素的絕大部分,其提取效率制約著停車場制圖的效率。基于此,本文在手持激光掃描點云的基礎上,提出室內(nèi)停車場地面標識要素的自動化提取方法,以期能夠精確提取室內(nèi)停車場的地面標識要素,有效提高室內(nèi)停車場地圖構(gòu)建的效率。

1 室內(nèi)停車場點云的獲取

為快速獲取室內(nèi)停車場的三維點云,本文采用Leica BLK2GO手持激光掃描儀作為室內(nèi)停車場點云采集設備。Leica BLK2GO采用GrandSLAM定位方式,不再依賴于三腳架和固定位置靜態(tài)掃描,可以邊走邊采集,掃描速度高達42萬點/s,數(shù)據(jù)實時傳輸,掃描效率提高數(shù)倍。Leica BLK2GO獲取室內(nèi)停車場點云如圖1所示。

2 地下停車場地面標識要素提取

2.1 地面點云提取

考慮整個停車場點云數(shù)據(jù)量較大,同時點云處理對內(nèi)存的要求較高,本文首先按照平面規(guī)則格網(wǎng)的方式對整個停車場點云進行劃分,然后在每個區(qū)塊點云的基礎上提取地面點。為了實現(xiàn)劃分,采用了邊長為L的正方形網(wǎng)格(設置L為15 m)對整個停車場點云進行劃分。單個網(wǎng)格的點云示意圖如圖2所示。

圖2 室內(nèi)停車場點云劃分

由于單個網(wǎng)格覆蓋范圍較小,劃分后每個網(wǎng)格內(nèi)的點云數(shù)量較少,并且單個網(wǎng)格內(nèi)的地面點云都處于同一個平面附近。本文使用RANSAC平面擬合算法[7](擬合距離閾值設置為4 cm)提取點云中的平面。設置平面法向量約束條件,若法向量與Z軸的夾角小于M(設置M=20°),則保留該平面及其對應點,否則,將該平面排除。通過該方法,可以得到頂面和地面等多個平面,選擇最底部的平面作為地面,其對應的點為地面點,如圖3所示。

圖3 單個網(wǎng)格地面點云

2.2 標識要素提取

點云具有稀疏性和散亂性,直接從大范圍地面點云提取標識要素,算法的復雜程度較高,并且識別精度有限。相比之下,二維圖像數(shù)據(jù)更加規(guī)則。因此,為了提高室內(nèi)停車場標識要素的識別精度,本文根據(jù)地面點云生成圖像,并在圖像的基礎上采用深度神經(jīng)網(wǎng)絡識別標識要素。

2.2.1 地面點云圖像生成

根據(jù)點的坐標將網(wǎng)格內(nèi)的地面點云,投影至XOY平面。假設投影后點云的最小X、Y坐標分別為xmin、ymin,則投影后的任意一點P(xp,yp,zp)的圖像坐標為

式中,K=5 cm,為像素大小。計算每個點的圖像坐標,可得到單個網(wǎng)格的地面點云圖像,如圖4所示。

圖4 地面點云圖像

2.2.2 基于BiSeNet的地面標識語義分割

近年來,深度學習技術[8]得到快速發(fā)展,其無論在圖像分割的精度還是穩(wěn)健性上都大大優(yōu)于傳統(tǒng)的圖像處理方法。目前,有大量的學者針對圖像的語義分割提出了不同的深度網(wǎng)絡模型,最常用的有FCN[9]、SegNet[10]、BiSeNet[11]等。其中BiSeNet是一種高效的圖像語義分割模型,在保持準確性的同時,具有較低的計算復雜性和內(nèi)存消耗,它在多個公開數(shù)據(jù)集上進行了評估,并在速度和精度方面取得了良好的結(jié)果。鑒于BiSeNet的優(yōu)良特性,采用BiSeNet網(wǎng)絡對停車場地面圖像進行分割。由于本文的樣本庫圖像數(shù)量較少,使用深度神經(jīng)網(wǎng)絡進行訓練時,容易出現(xiàn)過擬合現(xiàn)象,網(wǎng)絡的泛化能力有限。為了提高分割的正確率,采用遷移學習的策略。首先使用SUPS數(shù)據(jù)集[12]對BiSeNet網(wǎng)絡進行預訓練,然后將少量的人工掃描生成的圖像作為樣本對網(wǎng)絡進行微調(diào),以減少人工標注樣本的工作量。語義標簽分為4類,分別為箭頭、車位線、車道線和背景,如圖5所示。

圖5 SUPS數(shù)據(jù)樣例

2.2.3 地面標識要素結(jié)構(gòu)化提取

為了方便后續(xù)的要素提取,將分割后的要素像素單獨進行二值化處理,生成不同要素的二值化圖像。對于車位線和車道線,采用基于霍夫變換的線段檢測方法[13]進行提取。提取后的車位線和車道線如圖6所示。

圖6 車位線和車道線的提取效果

對于地面箭頭標志,采用文獻[14]提出的模板匹配的方法,使用預先設定的模板,與提取的箭頭區(qū)域的像素進行匹配,尋找與其最相似的箭頭,從而使用匹配后的模板箭頭作為提取結(jié)果,如圖7所示。

圖7 地面導線箭頭匹配結(jié)果樣例

3 試驗與分析

為了驗證本文方法的分割效果,選擇2個室內(nèi)停車場,使用Leica BLK2GO手持激光掃描儀進行掃描,獲取其三維點云數(shù)據(jù)。試驗基于Windows 10系統(tǒng),CPU為Intel(R) Core(TM)i7-7700 CPU @ 3.60 GHz,GPU為NVDIA GeForce GTX1080Ti。采用C++語言進行本文方法的程序編碼,程序相關功能的實現(xiàn)采用PCL點云處理及OpenCV圖像處理開源庫。

3.1 BiSeNet網(wǎng)絡訓練

為了實現(xiàn)本文提出的室內(nèi)停車場結(jié)構(gòu)要素提取方法,對BiSeNet網(wǎng)絡進行訓練。選擇5864張圖像作為數(shù)據(jù)集,并將數(shù)據(jù)集按4∶1劃分為訓練集和測試集。對網(wǎng)絡訓練了 200 周期,并統(tǒng)計了F分數(shù)(F-Score)、像素準確率(PA)及平均交并比(MIoU)3個指標,其結(jié)果見表1。

表1 BiSeNet網(wǎng)絡評價指標統(tǒng)計

從表1可以看出,經(jīng)過訓練后的BiSeNet的語義分割精度較高,大部分的地面標識像素可以被準確識別。此外,本文測試了BiSeNet網(wǎng)絡的運行效率,處理100張圖像約耗時1035 ms,運行效率較高,能夠滿足實際應用的需求。

3.2 地面標識要素提取效果

為了測試本文提出的車位線和車道線的提取效果,選擇停車場多個位置進行測試。經(jīng)測試發(fā)現(xiàn),大部分的車道線都能被夠準確完整地識別出來,但對于掃描不全的車位線,不能完整被提取,如圖8所示。這主要是由于停放車輛的遮擋,導致某些車位線只能被部分掃描,從而無法完整地提取車位的邊界線。而車道線附近通常沒有干擾,獲取的車道線點云大部分是完整的,因此,車道線可以較完整地提取出來。

圖8 車道線及車位線提取效果

此外,為了測試箭頭標識匹配的正確率及效率,選擇了136個箭頭標志進行匹配,并統(tǒng)計了匹配的正確率與耗費時間,見表2?？梢钥闯?本文的檢測方法正確率較高,能夠正確識別大部分的地面箭頭標識,可節(jié)省大部分的人工繪制箭頭的工作;且匹配效率較高,可滿足實際應用需求。

表2 箭頭標識匹配結(jié)果統(tǒng)計

4 結(jié) 語

為了實現(xiàn)室內(nèi)停車場的快速制圖,本文在手持三維激光掃描數(shù)據(jù)的基礎上,提出了室內(nèi)停車場地面標識要素的快速提取方法。首先,采用平面規(guī)則網(wǎng)格對整個停車場點云進行劃分;其次,采用RANSAC平面擬合的方法提取每個網(wǎng)格內(nèi)的地面點云;然后,將地面點云投影至XOY平面,生成地面點云圖像;在此基礎上,采用BiSeNet網(wǎng)絡對地面圖像進行語義分割,得到車道線、車位線及導線箭頭的像素;最后,基于霍夫變換的線段提取方法對車道線和車位線進行提取,并采用模板匹配的方法對導線箭頭進行匹配識別,最終實現(xiàn)地面標識要素的提取。試驗證明,本文方法能夠有效提取掃描完整的地面標識要素,大大提高制圖效率,具有一定的應用價值。