王 耀,趙 靜,周 琳

(1.江蘇建筑職業(yè)技術(shù)學(xué)院,江蘇 徐州221116; 2.日照市自然資源和規(guī)劃局,山東 日照276800; 3.徐州工業(yè)職業(yè)技術(shù)學(xué)院,江蘇 徐州221140)

0 引言

城市道路規(guī)劃測量是城市路網(wǎng)建設(shè)的基礎(chǔ)工作,斑馬線作為城市道路的重要組成部分,需對其空間位置信息進行準確采集[1]。由于城市道路縱橫分布,斑馬線數(shù)量較多,若采用傳統(tǒng)的RTK、全站儀測繪方法會使工作量大大增加,難以實現(xiàn)城市管網(wǎng)數(shù)據(jù)的快速生產(chǎn)更新。激光掃描技術(shù)的快速發(fā)展為城市道路測量提供了便捷高效的技術(shù)方法。以測量車為載體,搭載掃描儀、GNSS接收機、慣性測量單元、工業(yè)相機等設(shè)備[2],實時動態(tài)采集高密度城市道路點云,數(shù)據(jù)獲取更為便捷,數(shù)據(jù)精度較為可靠,保障了城市道路測量的安全作業(yè),為公路養(yǎng)護及規(guī)劃管理提供了海量數(shù)據(jù)支撐[3],故以城市道路點云數(shù)據(jù)為基礎(chǔ)對斑馬線自動識別提取方法進行研究具有重要的應(yīng)用價值。

基于點云數(shù)據(jù)識別提取斑馬線的方法較多,主要包括以下幾類：①圖像檢測法：利用數(shù)字圖像處理技術(shù)對掃描影像進行分析處理,分離斑馬線像元,實現(xiàn)斑馬線快速定位。但由于掃描影像分辨率有限,斑馬線識別提取精度相對偏低[4]。②點云檢測法：以斑馬線形態(tài)特征為基礎(chǔ),在點云模型中匹配對應(yīng)特征點云,從而實現(xiàn)斑馬線的識別提取,提取精度較高,但需要投入較多人力物力,自動程度相對較弱。③機器學(xué)習(xí)法：以人工智能算法為基礎(chǔ),借助機器學(xué)習(xí)技術(shù),對符合斑馬線特征的區(qū)域進行自動識別檢測,速度較快。但由于存在其他地物點云影像,斑馬線提取結(jié)果精度相對較低[5],尤其是運營期車輛、人員等干擾因素較多,在一定程度上降低了斑馬線的提取精度。

本研究針對基于掃描點云斑馬線提取方法存在的缺陷,以車載掃描系統(tǒng)點云掃描線為基礎(chǔ),對斑馬線角點進行提取研究,對算法原理及流程邏輯進行分析,設(shè)計相關(guān)實驗,對算法可靠性進行綜合驗證,為城市道路斑馬線角點坐標快速準確地提取提供便捷高效的解決方案。

1 斑馬線角點提取算法

車載三維激光掃描系統(tǒng)獲取的道路數(shù)據(jù)是離散點云數(shù)據(jù),具有高密度、高精度等特征,以車載掃描系統(tǒng)點云掃描線為基礎(chǔ),提取城市道路斑馬線邊緣點,利用隨機抽樣一致性(RANSAC)算法擬合斑馬線長短邊,進行斑馬線角點坐標數(shù)據(jù)提取,流程如圖1所示。

圖1 斑馬線角點坐標提取算法流程

1.1 目標點云二值化處理

車載激光掃描獲取的點云數(shù)據(jù)量較大,包含較多地物類型,需進行目標點云提取,僅保留斑馬線所在區(qū)域的點云數(shù)據(jù)。此時目標點云體量大大降低,但依然包含非斑馬線點云數(shù)據(jù),需進一步分析提取[6]。通過綜合調(diào)研分析,以數(shù)字圖像處理中的大津算法(OTSU)為基礎(chǔ),提取斑馬線點云。

由于不同掃描系統(tǒng)點云強度值存在一定差異,需對其進行歸一化處理,將點云回波反射強度值歸一化至0～255,計算過程如式(1)所示。

(1)

式中,Ki為歸一化強度值,Ii為車載掃描系統(tǒng)點云原始強度值,Imax、Imin分別為點云回波反射強度最大和最小值。

遍歷255個歸一化強度區(qū)間各自所對應(yīng)的強度值t,將其作為臨時分割閾值,對目標點云進行分類,將歸一化強度值小于t的點云劃為一類,統(tǒng)計數(shù)量N0,大于t的點云劃為一類,統(tǒng)計數(shù)量N1。利用OTSU算法對兩部分點云集合數(shù)量占比ω0、ω1進行統(tǒng)計計算,計算其平均歸一化強度值δ1、δ2及類間方差g。計算過程如式(2)所示。

(2)

最大值g對應(yīng)的分割閾值t即為所需的最優(yōu)二值化分割閾值T,由于斑馬線的制作材料普遍為油漆,點云強度值一般較大,因此可將回波反射強度值大于T的點云視為斑馬線點云,其他則為非斑馬線點云,從而完成斑馬線點云提取。

1.2 斑馬線長邊采集

對車載掃描系統(tǒng)點云掃描線id索引進行遍歷,基于X/Y坐標對同一掃描線上的點云按照從小到大進行排序,以距離最遠的2個點云P1(x1,y1,z1)和P2(x2,y2,z2)坐標為基礎(chǔ),計算水平距離d,如圖2所示。若掃描線上斑馬線點云數(shù)量為0或1,則d=0。

圖2 掃描線兩端斑馬線點云水平距離

假定水平距離d取值區(qū)間為[dmin,dmax],其劃分為多個小區(qū)間,對各個小區(qū)間內(nèi)的掃描線數(shù)量進行統(tǒng)計分析,獲取“掃描線數(shù)量-水平距離”頻率分布直方圖,如圖3所示。

圖3 “掃描線數(shù)量-水平距離”頻率分布直方圖

由圖3可知,水平距離d在[40,50]長度區(qū)間呈緊密聚集分布狀態(tài),則該區(qū)間內(nèi)掃描線兩端斑馬線點云與斑馬線長邊存在較大關(guān)聯(lián),但由于存在噪聲點影響,無法直接對其進行直線擬合。為確保斑馬線提取結(jié)果的準確性,采用迭代RANSAC直線擬合算法進行目標點擬合,擬合原理為：假定待擬合的原始點集為Pi{p1,p2,…,pm},對其進行一次擬合處理,對集合內(nèi)點云到擬合直線的距離hi進行計算統(tǒng)計,將小于設(shè)定閾值的點位保留,生成新的點云集合Pi{p1,p2,…,pn}(n

1.3 斑馬線短邊采集

斑馬線短邊采集與長邊采集有一定差異,具體操作流程如下：

以斑馬線長邊為限制標準,新建包含k(5≤k≤8)條相鄰掃描線的移動判別窗口,沿掃描線索引id由小到大方向移動,統(tǒng)計分析對移動窗口內(nèi)掃描線點云數(shù)量,將被斑馬線長邊截取部分的點云數(shù)量設(shè)為n,其內(nèi)斑馬線點云數(shù)量設(shè)為m(m

(3)

ωi取值區(qū)間為(0,1),其數(shù)值大小與被斑馬線長邊的掃描面部分的斑馬線點云數(shù)量多少呈正相關(guān)關(guān)系。當ωi最大值與最小值之差趨近于1時,則移動判別窗口位于斑馬線的短邊邊緣區(qū)域。如圖4所示,ωi數(shù)值大小隨移動窗口內(nèi)掃描線編號id的增大呈單調(diào)遞增或單調(diào)遞減趨勢[8],故采用三次多項式曲線擬合算法對移動窗口內(nèi)斑馬線點云進行擬合處理,如式(4)所示。

圖4 三次多項式曲線擬合結(jié)果

f(x)=a0+a1x+a2x2+a3x3

(4)

對f(x)進行二階求導(dǎo),令f″(x)=0,獲取拐點橫坐標x0,對x0進行取整處理,結(jié)果即為短邊邊緣區(qū)域掃描線索引id,如式(5)所示。

(5)

采用移動判別窗口進行遍歷完成后,即可獲得斑馬線短邊邊緣位置的掃描線,采用RANSAC算法對掃描線上點云進行直線擬合處理,即可獲得城市道路斑馬線短邊直線方程L1、L2。

1.4 角點坐標提取

車載掃描系統(tǒng)獲取的掃描線與斑馬線前進方向并非完全垂直,因此解析到的斑馬線短邊直線L1、L2與實際斑馬線短邊存在不完全重合現(xiàn)象,需進一步對計算獲得的斑馬線長短邊幾何關(guān)系進行分析研究。

圖5 斑馬線長短邊幾何關(guān)系

2 實驗驗證

為了對基于點云掃描線的斑馬線角點坐標提取算法的準確性及可靠性進行分析驗證,以某城市規(guī)劃道路竣工測量項目為研究對象,選擇某一路段車載掃描系統(tǒng)點云數(shù)據(jù)進行算法準確性研究,采用人工測量方法對斑馬線角點進行測量作業(yè),與算法提取結(jié)果進行對比分析,通過中誤差σ和距離均方根誤差DRMS全方位評估算法提取結(jié)果的可靠性。實驗區(qū)域點云數(shù)據(jù)如圖6(a)所示,圖6(b)為框選出的待處理點云。

圖6 車載掃描系統(tǒng)點云數(shù)據(jù)

以框選出的待處理點云為例進行算法提取過程分析,其中包含了斑馬線點云和非斑馬線點云。采用OTSU算法提取斑馬線點云,結(jié)果如圖7(a)所示,可以看出,斑馬線點云分離效果相對較好。對斑馬線長邊進行擬合計算,如圖7(b)所示,通過直方圖統(tǒng)計分析較好地剔除了車載系統(tǒng)無效掃描線,最大程度保留了長邊點云,利用RANSAC直線擬合算法擬合效果相對較好。斑馬線短邊邊緣區(qū)域掃描線提取結(jié)果如圖7(c)所示,由于原始點云中的斑馬線短邊邊界模糊不顯著,很難直接對其提取作業(yè),采用移動判別窗口分析斑馬線點云在掃描線上的數(shù)量占比,設(shè)置判別條件,能夠準確高效提取短邊邊緣區(qū)域掃描線。進行斑馬線角點坐標提取,如圖7(d)所示,可以明顯看出提取到的角點與實際斑馬線角點重合度較高,提取結(jié)果具有較高的可靠性。

圖7 斑馬線角點提取

為了對提取的斑馬線角點坐標準確性進行綜合評估,通過人工測量方法隨機選擇了10個斑馬線角點進行實地測量,與算法提取結(jié)果進行對比分析。結(jié)果表明,選擇的10個檢核點中,除6號檢核點點位中誤差較大外,其他檢核點點位中誤差均在4.0 cm以內(nèi),距離均方根誤差為3.7 cm。經(jīng)分析可知,6號檢核點斑馬線磨損較為嚴重,已出現(xiàn)油漆缺失現(xiàn)象,導(dǎo)致算法提取結(jié)果存在較大誤差,其他斑馬線現(xiàn)狀較為良好,斑馬線角點算法提取結(jié)果較為準確,驗證了基于點云掃描線的斑馬線角點坐標提取算法的準確性及可靠性。

3 結(jié)論

斑馬線作為城市道路特征線的重要組成部分,其空間位置信息的快速獲取對城市道路規(guī)劃測量有著重要意義。以車載激光掃描點云數(shù)據(jù)為基礎(chǔ),對現(xiàn)有斑馬線提取算法的不足進行分析,利用車載掃描系統(tǒng)點 云掃描線對斑馬線角點提取算法進行優(yōu)化設(shè)計,采用OTSU算法對點云強度二值化分割閾值進行計算,分離斑馬線點云,通過“掃描線數(shù)量-水平距離”頻率分布直方圖剔除無效掃描線,保留斑馬線長邊點云并進行直線擬合計算,提取斑馬線長邊,以移動判別窗口設(shè)置判別條件,結(jié)合RANSAC算法,實現(xiàn)斑馬線短邊直線擬合,針對車載掃描系統(tǒng)掃描線與斑馬線前進方向不一定完全垂直的問題,利用空間幾何特征對斑馬線角點進行精準提取,以實際工程項目對基于點云掃描線的斑馬線角點坐標提取算法的準確性及可靠性進行分析驗證。結(jié)果表明,此方法與人工現(xiàn)場實測數(shù)據(jù)成果差異較小,斑馬線角點空間坐標提取精度較高,為城市復(fù)雜道路環(huán)境下斑馬線快速測量作業(yè)提供了可靠的解決方案。