一种车载LiDAR 道路点云快速有序化方法
【专利摘要】本发明公开一种车载LiDAR道路点云快速有序化方法，包括如下步骤：(1)获取GPS轨迹数据并对GPS轨迹数据进行简化；(2)将步骤(1)得到简化后的GPS轨迹数据导入车载LiDAR点云数据中，以简化后的GPS轨迹数据为辅助信息并以简化后的GPS轨迹线方向为法向量加入第一辅助面；(3)以简化后的GPS轨迹的时间间隔为阈值设置相邻第二辅助面之间的距离d，并按照所设置的距离d插入一系列第二辅助面。本发明使得计算机快速处理海量数据的车载LiDAR点云数据成为可能，并在很大程度上降低了方法的复杂度，缩短了方法运行时间，提高了点云数据的处理效率。
【专利说明】
一种车载L i DAR道路点云快速有序化方法
技术领域
[0001]本发明涉及对地观测领域，特别涉及一种车载LiDAR道路点云快速有序化方法。
【背景技术】
[0002]随着空间数据应用领域的不断扩大和人们应用需求的不断提升，快速精确地获取各种地物信息变的越来越迫切。传统的测绘技术无论在速度上还是在精度上都不能满足当前的需要。车载LiDAR(Light Detect1n And Ranging)是一种主动式的地面移动测量技术，通过测量激光脉冲传播时间，结合POS系统(由差分GPS和惯导导航系统INS组成)提供的位置姿态信息，直接获取高精度的地物三维坐标。目前，车载LiDAR技术在硬件上发展已经比较成熟，但是与其配套的数据处理方法的发展相对滞后，这对车载LiDAR技术形成了严重的制约作用。车载LiDAR系统获取的各种目标对象中，道路是最主要的对象之一，道路在空间形态特征的独特性在点云中主要表现如下特征:(I)在形态上呈现出空间带状分布特征；
[2]路面平坦地区点云基本落在水平面上，临近点云间高差呈现缓慢变化，在道路边缘处往往有高程的突变；(3)大多数情况下，道路的宽度基本一致，道路两侧的边缘基本平行。在车载激光点云图像中，通过肉眼可以清楚分辨出道路路面和边界，但是实际表达道路的数据点在空间是呈现离散分布，各个离散点之间没有明显的拓扑关系，并且在空间分布也并不均匀，因此，需要在对道路表达的特征认识的基础上，通过一系列算法才能将道路边界自动提取出来。
【发明内容】
[0003]有鉴于此，本发明在于提供一种可以快速实现道路与坡边分离的车载LiDAR道路点云快速有序化方法，使计算机快速处理海量数据的车载LiDAR成为可能，并在很大程度上降低了方法的复杂度，缩短了方法运行时间，提高了点云数据的处理效率。
[0004]为解决上述问题，本发明采用如下技术方案:一种车载LiDAR道路点云快速有序化方法，其特征在于，包括如下步骤:
[0005](I)获取GPS轨迹数据并对GPS轨迹数据进行简化；
[0006](2)将步骤(I)简化后的GPS轨迹数据导入车载LiDAR点云数据中，并以简化后的GPS轨迹数据为辅助信息并以简化后的GPS轨迹线方向为法向量加入第一辅助面；
[0007](3)以简化后的GPS轨迹的时间间隔为阈值设置相邻第二辅助面之间的距离d，并按照所设置的距离d插入一系列第二辅助面，第二辅助面具有与实验对象相匹配的第二辅助面的长度和宽度;并将第二辅助面两侧数据点投影到步骤(2)中的第一辅助面上，得到一系列的断面线数据；
[0008](4)将步骤(3)中得到投影后的每条断面线所包含的数据作为一个独立数据处理单元进行数据处理，即可分离出道路点与道路边线数据；
[0009](5)对步骤(4)中得到的道路点与道路边线数据进行检核和优化处理得到精确的道路边界。
[0010]上述车载LiDAR道路点云快速有序化方法，步骤(I)中通过以点云定位定姿的POS系统得到GPS轨迹数据。
[0011 ]上述车载LiDAR道路点云快速有序化方法，步骤(I)中对GPS轨迹数据进行简化，具体步骤如下:
[0012](1.1)去除车辆在停止时产生的GPS轨迹数据点；
[0013](1.2)去除GPS轨迹数据中重复的GPS轨迹数据点。
[0014]上述车载LiDAR道路点云快速有序化方法，在步骤(1.1)中，对于同一条GPS轨迹线的GPS轨迹数据以时间顺序为参数阈值，对比对应的坐标点，然后将距离较近的GPS轨迹数据点去除，即可去除车辆在停止时产生的GPS轨迹数据点。
[0015]上述车载LiDAR道路点云快速有序化方法，在步骤(1.2)中，去除车辆停止时产生的GPS轨迹数据点后，对同一条GPS轨迹线上的GPS轨迹数据点按照时间顺序进行编号，然后从编号的起始位置，按照编号顺序依次以每个GPS轨迹数据点为圆心，搜索半径r内且序号大于当前GPS轨迹数据点的GPS轨迹数据点，去除与当前GPS轨迹数据点的序号差和时间差均大于给定阈值且位于以当前GPS轨迹数据点为圆心、半径r的圆内的GPS轨迹数据点;所述半径r大于O。搜索半径r的大小依据待建模道路建模要求的精度以及实际尺寸的不同而设定。
[0016]上述车载LiDAR道路点云快速有序化方法，在步骤(2)中，以GPS轨迹数据为辅助信息加入的第一辅助面与简化后的GPS轨迹线垂直相交，交点为第一辅助面的中心点。
[0017]上述车载LiDAR道路点云快速有序化方法，在步骤(2)中，根据道路的宽度设置第一辅助面的高和宽，并依据中心点的坐标与第一辅助面的高和宽通过下列公式计算出第一辅助面的4个顶点的坐标值:
[0018]χ = ρι-ρο,
[0019]y = χ.z ,
[0020]vi = poh.z/2±w.y/2.
[0021]式中:PQ，P1为要插入第一辅助面和简化后的GPS轨迹线交点；X为简化后的轨迹线的方向向量;Z = (0，0，I)为向上的方向向量;y为向右的方向向量;w，h为第一辅助面的宽和高;Vl为要插入的第一辅助面顶点坐标。
[0022]上述车载LiDAR道路点云快速有序化方法，步骤(4)为利用投影在第一辅助面上点云得到的断面线，设置阈值，然后利用K均值聚类方法分离道路路面和道路边界。
[0023 ]上述车载LiDAR道路点云快速有序化方法，步骤(4)包括如下步骤:
[0024](4.1)道路点云相比于其它地物高程值小，利用高程值的不同选择两个点作为聚类中心点；
[0025](4.2)判断投影后点离两个聚类中心的距离，按照最小距离准则将投影后点云进行聚类，得到A，B两个聚类；
[0026](4.3)由于道路点云中各个点之间高程差异值较小，判断聚类中高程值差异，如果距离大于给定阈值，再对高程低的A类重复步骤(4.2)和步骤(4.3);
[0027](4.4)如果距离小于或者等于给定阈值，停止聚类，得到最终聚类结果，分离道路点与边坡点数据。
[0028]本发明中所用到参数阈值依据待建模道路实际情况和建模要求的不同而不同。
[0029]本发明的有益效果是:
[0030]1.本发明能快速实现山区丘陵道路信息的提取，适用于条带状大范围道路结构，其优点在于道路边界提取精度高的同时其点云数据处理效率得到大幅提升。
[0031]2.本发明使得无序的点云数据有序化，并且使得计算机快速处理海量的车载LiDAR点云数据变得可能，并且在很大程度上降低了算法的复杂度，缩短了算法运行的时间，提尚了算法效率。
[0032]3.本发明方法步骤简单、设计合理且实现方便、使用效果好，能简便、快速实现基于车载LiDAR数据的无序点云有序化，所获取的模型精度高，适应性强，为后期的地物三维精细模型重建奠定了良好的数据基础。
【附图说明】
[0033]图1为山区丘陵公路边坡公路信息提取流程图；
[0034]图2横截面示意图；
[0035]图3点云投影横截面俯视图；
[0036]图4点云投影横截面侧视图；
[0037]图5为插入截面效果图；
[0038]图6为点云投影效果图；
[0039]图7公路提取效果图；
[0040]图8公路三维模型效果图。
【具体实施方式】
[0041]为清楚说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。
[0042]本发明为一种车载LiDAR道路点云快速有序化方法，包括如下步骤:
[0043](I)通过以点云定位定姿的POS系统获取GPS轨迹数据并对GPS轨迹数据进行简化；
[0044](2)将步骤(I)简化后的GPS轨迹数据导入车载LiDAR点云数据中，并以简化后的GPS轨迹数据为辅助信息并以简化后的GPS轨迹线方向为法向量加入第一辅助面，以简化后的GPS轨迹数据为辅助信息加入的各个第一辅助面与简化后的GPS轨迹线垂直相交，交点为第一辅助面的中心点，根据道路的宽度设置第一辅助面的高和宽，并依据中心点的坐标与第一辅助面的高和宽通过下列公式计算出第一辅助面的4个顶点的坐标值:
[0045]χ = ρι-ρο,
[0046]y = χ.z ,
[0047]vi = poh.z/2±w.y/2.
[0048]式中:PQ，P1为要插入第一辅助面和简化后的GPS轨迹线交点;X为简化后的GPS轨迹线的方向向量;Z = (O，0，I)为向上的方向向量;y为向右的方向向量;w，h为第一辅助面的宽和高;V1为要插入的第一辅助面顶点坐标；
[0049](3)以简化后的GPS轨迹的时间间隔为阈值设置相邻横截面之间的距离d，并按照所设置的距离插入一系列的第二辅助面，且第二辅助面具有与实验对象相匹配的第二辅助面的长度和宽度;并将第二辅助面两侧一定距离范围内的数据点投影到步骤(2)中的第一辅助面上，得到一系列的断面线数据；
[0050](4)将步骤(3)中得到投影后的每条断面线所包含的数据作为一个独立数据处理单元进行数据处理，处理方法为:利用投影在截面上点云得到的断面线，设置阈值，然后利用K均值聚类方法分离道路路面和道路边界，包括如下步骤:
[0051](4.1)道路点云相比于其它地物高程值小，利用高程值的不同选择两个点作为聚类中心点；
[0052](4.2)判断投影后点离两个聚类中心的距离，按照最小距离准则将投影后点云进行聚类，得到A，B两个聚类；
[0053](4.3)由于道路点云中各个点之间高程差异值较小，判断聚类中高程值差异，如果距离大于给定阈值，再对高程低的A类重复步骤(4.2)和步骤(4.3);
[0054](4.4)如果距离小于或者等于阈值，停止聚类，得到最终聚类结果，分离道路点与边坡点数据；
[0055](5)对步骤(4)中得到的道路点与道路边线数据进行检核和优化处理得到精确的道路边界。
[0056]其中将简化后的GPS轨迹数据导入车载LiDAR点云数据中，实现了GPS轨迹数据与点云数据的匹配，而根据道路的宽度设置第一辅助面适当的高和宽，并以简化后的GPS轨迹的时间间隔为阈值设置相邻第二辅助面之间的距离d，且按照所设置的距离d插入一系列第二辅助面，且第二辅助面具有与实验对象相匹配的第二辅助面的长度和宽度，然后将每个第二辅助面两侧一定距离范围内的数据点投影到第一辅助面上，形成一系列的断面线数据，而投影后的每条断面线所包含的数据可以视为一条扫描线，并作为一个独立数据处理单元进行处理，然后依据每个第一辅助面上投影点三维坐标信息以每个第二辅助面上的投影点为数据处理单元对投影点进行聚类分析，即可将道路路面与道路边界分离。
[0057]本实施例中，采用本发明对山区丘陵公路三维精细模型进行重建，其处理流程如图1所示。
[0058]首先，通过以点云定位定姿的POS系统获取GPS轨迹数据并对GPS轨迹数据进行简化;具体简化方法是简化GPS轨迹时，主要以GPS时间间隔为原则实现GPS轨迹单一化处理，其具体算法主要分为两部分:①对于同一条GPS轨迹线的GPS轨迹数据以时间顺序为参数阈值，对比对应的坐标点，然后将距离较近的GPS轨迹数据点去除，即可去除车辆在停止时产生的GPS轨迹数据点，S卩:在数据采集之前需要对GPS等传感器进行初始化，初始化过程中GPS产生大量的非轨迹点数据，是车辆在行驶过程中，由于GPS接收的信息中包括时间和坐标信息，每个时间点对应一个GPS位置信息，而且同一条GPS轨迹线上相邻数据点在时间上相差甚微，以时间顺序为参数阈值，对比对应的坐标点，将距离较近的点去除，这样可以去除车辆在停止时产生的数据点；②去除车辆停止时产生的GPS轨迹数据点后，对同一条GPS轨迹线上的GPS轨迹数据点按照时间顺序进行编号，然后从编号的起始位置，按照编号顺序依次以每个GPS轨迹数据点为圆心，搜索半径r(r>0)内且序号大于当前GPS轨迹数据点的GPS轨迹数据点，去除与当前GPS轨迹数据点的序号差和时间差均大于给定阈值且位于以当前GPS轨迹数据点为圆心、半径r的圆内的GPS轨迹数据点；即在去除车辆停止时产生的数据点的基础上，对各个数据点按照时间顺序进行编号;从编号的起始位置，按照编号顺序依次以每个数据点为圆心，搜索一定距离半径内，且序号大于当前数据点的点，判断当前点与各点之间的序号差和时间差，大于给定阈值则去除该点，这样可以去除轨迹中重复轨迹点，实现在轨迹上的单一化。然后，将简化的GPS轨迹数据作为辅助信息加载到山区丘陵公路道路的原始车载LiDAR三维点云数据中，并以简化后的GPS轨迹线方向为法向量加入第一辅助面，以简化后的GPS轨迹数据为辅助信息加入的各个第一辅助面与简化后的GPS轨迹线垂直相交，交点为第一辅助面的中心点，如图2所示，并根据道路的宽度设置第一辅助面的高为5m，宽为16m，然后依据中心点的坐标与第一辅助面的高和宽通过下列公式计算出第一辅助面的4个顶点的坐标值:
[0059]χ = ρι-ρο,
[0060]y = χ.z ,
[0061]vi = poh.z/2±w.y/2.
[0062]式中:PQ，P1为要插入第一辅助面和简化后的GPS轨迹线交点;X为简化后的GPS轨迹线的方向向量;Z = (O，0，I)为向上的方向向量;y为向右的方向向量;w，h为第一辅助面的宽和高;Vl为要插入的第一辅助面顶点坐标。
[0063]然后以简化后的GPS轨迹的时间间隔为阈值设定两个待插入第二辅助面之间的距离，并按照所设定的距离插入一系列第二辅助面，且第二辅助面具有与待建模道路相匹配的第二辅助面的长度16m和宽度5m。本实施例中，以简化后的GPS轨迹的时间间隔△ t = 0.4S为第二辅助面间隔阈值加入第二辅助面，如图5所示，而对于每个第二辅助面而言，将其两侧0.2S的距离范围内的数据点投影到第一辅助面上，如图3和4所示，构成一系列断面线数据，如图6所示;然后利用投影在第一辅助面上点云得到的断面线，设置阈值，再利用K均值聚类方法分离道路路面与道路边界，并对道路边界进行拟合。得出道路边界信息，如图7所示，最后按照构网原则对道路进行三维模型重建，得到道路的三维模型，如图8所示。
[0064]本实例中待建模道路的实际宽度为15.523m，通过现有技术提取的道路的宽度为15.605m，而通过本发明提取的道路的宽度为15.510m。由此可见，本发明所获取的模型精度更高，能为后期的地物三维精细模型重建奠定良好的数据基础。
[0065]在对山区丘陵公路三维精细模型重建过程中，本发明步骤简单、设计合理且实现方便、使用效果好，能简便、快速实现基于车载LiDAR数据的无序点云有序化，所获取的模型精度高，适应性强，为后期的地物三维精细模型重建奠定了良好的数据基础。
[0066]上述实施例仅仅是为清楚地说明本发明创造所作的举例，而并非对本发明创造【具体实施方式】的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所引伸出的任何显而易见的变化或变动仍处于本发明创造权利要求的保护范围之中。
【主权项】
1.一种车载LiDAR道路点云快速有序化方法，其特征在于，包括如下步骤: (1)获取GPS轨迹数据并对GPS轨迹数据进行简化； (2)将步骤(I)简化后的GPS轨迹数据导入车载LiDAR点云数据中，并以简化后的GPS轨迹数据为辅助信息并以简化后的GPS轨迹线方向为法向量加入第一辅助面； (3)以简化后的GPS轨迹的时间间隔为阈值设置相邻第二辅助面之间的距离d，并按照所设置的距离d插入一系列第二辅助面，第二辅助面具有与待建模道路相匹配的第二辅助面的长度和宽度;并将第二辅助面两侧数据点投影到步骤(2)中的第一辅助面上，得到一系列的断面线数据； (4)将步骤(3)中得到投影后的每条断面线所包含的数据作为一个独立数据处理单元进行数据处理，即可分离出道路点与道路边线数据； (5)对步骤(4)中得到的道路点与道路边线数据进行检核和优化处理得到精确的道路边界。2.根据权利要求1所述的车载LiDAR道路点云快速有序化方法，其特征在于，步骤(I)中通过以点云定位定姿的POS系统得到GPS轨迹数据。3.根据权利要求2所述的车载LiDAR道路点云快速有序化方法，其特征在于，步骤(I)中对GPS轨迹数据进行简化，具体步骤如下: (I.I)去除车辆在停止时产生的GPS轨迹数据点； (1.2)去除GPS轨迹数据中重复的GPS轨迹数据点。4.根据权利要求3所述的车载LiDAR道路点云快速有序化方法，其特征在于，在步骤(1.1)中，对于同一条GPS轨迹线的GPS轨迹数据以时间顺序为参数阈值，对比对应的坐标点，然后将距离较近的GPS轨迹数据点去除，即可去除车辆在停止时产生的GPS轨迹数据点。5.根据权利要求4所述的车载LiDAR道路点云快速有序化方法，其特征在于，在步骤(1.2)中，去除车辆停止时产生的GPS轨迹数据点后，对同一条GPS轨迹线上的GPS轨迹数据点按照时间顺序进行编号，然后从编号的起始位置，按照编号顺序依次以每个GPS轨迹数据点为圆心，搜索半径r内且序号大于当前GPS轨迹数据点的GPS轨迹数据点，去除与当前GPS轨迹数据点的序号差和时间差均大于给定阈值且位于以当前GPS轨迹数据点为圆心、半径r的圆内的GPS轨迹数据点;所述半径r大于O。6.根据权利要求5所述的车载LiDAR道路点云快速有序化方法，其特征在于，在步骤(2)中，以简化后的GPS轨迹数据为辅助信息加入的第一辅助面与简化后的GPS轨迹线垂直相交，交点为第一辅助面的中心点。7.根据权利要求6所述的车载LiDAR道路点云快速有序化方法，其特征在于，在步骤(2)中，根据道路的宽度设置第一辅助面的高和宽，并依据中心点的坐标与第一辅助面的高和宽通过下列公式计算出第一辅助面的4个顶点的坐标值:X = Pl-POjy = x.z,vi = poh.z/2±w.y/2.式中:Ρ0，Ρ1为要插入第一辅助面和简化后的GPS轨迹线交点;X为简化后的GPS轨迹线的方向向量;Z = (O，0，I)为向上的方向向量;y为向右的方向向量;w，h为第一辅助面的宽和高为要插入的第一辅助面顶点坐标。8.根据权利要求1?7任一所述的车载LiDAR道路点云快速有序化方法，其特征在于，步骤(4)为利用投影在第一辅助面上点云得到的断面线，设置阈值，然后利用K均值聚类方法分离道路路面和道路边界。9.根据权利要求8所述的车载LiDAR道路点云快速有序化方法，其特征在于，步骤(4)包括如下步骤: (4.1)道路点云相比于其它地物高程值小，利用高程值的不同选择两个点作为聚类中心点； (4.2)判断投影后点离两个聚类中心的距离，按照最小距离准则将投影后点云进行聚类，得到A，B两个聚类； (4.3)由于道路点云中各个点之间高程差异值较小，判断聚类中高程值差异，如果距离大于给定阈值，再对高程低的A类重复步骤(4.2)和步骤(4.3); (4.4)如果距离小于或者等于给定阈值，停止聚类，得到最终聚类结果，分离道路点与边坡点数据。
【文档编号】G06K9/62GK105844224SQ201610159200
【公开日】2016年8月10日
【申请日】2016年3月21日
【发明人】李永强, 刘会云, 郭增长, 毛杰, 蔡来良, 张西童, 李有鹏, 刘洋洋
【申请人】河南理工大学