一种机载激光点云城区道路识别方法技术

本发明专利技术公开一种机载激光点云城区道路识别方法，主要步骤为先转换3D激光点云为2D图像模式；其次选择道路特征点作为种子点；再次基于激光点云的高差和亮度属性，利用区域增长法分类初始道路；然后填充道路空白并平滑道路边界；采用骨架化算法识别城区道路中线；经过道路中线去躁，跟踪并联接道路中线点为矢量道路线，使用抽稀算法删除弯曲度较小的点，最后通过曲线拟合法平滑道路网。本发明专利技术实现了在复杂场景下的城区道路网的高精度识别。

【技术实现步骤摘要】
一种机载激光点云城区道路识别方法
本专利技术涉及机载激光扫描领域，特别是涉及一种机载激光点云城区道路识别方法。
技术介绍
随着地理信息系统技术的发展，从遥感图像中自动识别城市道路的需求正在不断增长，与人工数字化方式不同，利用程序自动识别道路的方法可以提高遥感影像处理的自动化水平，节约处理成本，极大地提高数据处理的效率。城区道路网可以广泛应用于城市规划与设计、城区道路自动驾驶与导航、城市交通状况分析、城市道路管理与运营等方面。从卫星影像中识别道路网的方法借鉴了计算机领域的智能识别算法，很多方法已经成功地根据卫星遥感影像提取出道路网，直接从低于30m分辨率的卫星图像中识别的道路以非连续性的断线为主[1]，因此，采用米级甚至亚米级的卫星影像来进行道路的识别研究具有较强的现实意义[2,3]；但是，相关研究也发现，由于受城市高大建筑和街道行树的影响，从城区高分遥感影像提取的道路精度较差，相反在农村地区却有着更好的结果[4]。机载激光扫描技术的出现，联合高分辨率航空影像与激光点云的方式可以更精确地识别城区道路[5-8]，两者的融合方法不仅步骤多而且非常复杂，这导致道路网的识别效率低下。
技术实现思路
本专利技术的目的在于克服上述
技术介绍
存在的缺陷，提供一种机载激光点云城区道路识别方法，从而减少城市道路网的识别难度，提高其识别精度和效率。本专利技术的技术方案:一种机载激光点云城区道路识别方法，该方法包括如下步骤：(1)、转换3D激光点云为2D图像模式；(2)、手工选择道路特征点；(3)、根据激光点云的高差和亮度信息，利用区域增长法分类初始道路；(4)、填充初始道路空白并平滑道路边界；(5)、采用骨架化算法识别道路中线；(6)、道路中线去躁：根据方向链码和长度阈值删除短分支，采用自定义的路线跟踪法去除多余通路和环形通路；(7)、跟踪、连接中线点，抽稀算法删除多余拐点，利用曲线拟合法形成道路网。所述步骤(2)具体是：根据道路激光点云富含的高差和亮度信息，采用区域增长法搜寻道路种子点周围的8邻域，将与种子点在高差和亮度值上满足阈值的点归类到道路区，完成初始道路的识别。所述步骤(3)具体是：以道路特征点为种子点，以种子点为起点，在种子点的8邻域范围内对比像元与种子点，若它们之间的高差和亮度值分别小于设定阈值，就将它们分类进种子点区域，新分类出的像元重新作为种子点并重复以上搜索和合并的过程，直至没有更多可分类的像元为止；二值化分类的道路像元，满足式(1)中第1个条件时像元赋值1，反之赋值0；式(1)定义如下：式中，f(x,y)表示在x行、y列处图像中的像元值，pk表示位于种子点8邻域内的第k个点，S1为分类的初始道路点集，hs和hk分别表示种子点和第k个点的高程，is和ik分别表示种子点和第k个点的亮度值，∧为“逻辑与”运算符，Ti和Th分别表示亮度阈值与高差阈值。所述步骤(4)中填充初始道路空白，具体是：a)、利用空穴检出法搜索空白区域；b)、统计并计算二值图像中的空白区面积,对于小于面积阈值的空白区域将其填充为道路。所述步骤(4)中平滑道路边界，具体是：道路边界处的平滑操作以3×3的小窗口作为掩膜，以开启算子来完成，其中，开启运算g(x,y)的定义为：式中，f(x,y)(1≤x,y≤N)表示二值图像，N为图像宽度；而w(x,y)(1≤x,y≤L)表示一个结构元素数组，L为奇数；符号表示膨胀运算，符号Θ表示腐蚀运算。所述步骤(5)具体为：a)、第一次进行子迭代时去除东、南边界和西北角的像元；b)、第二次进行子迭代时剔除西、北边界和东南角的像元；c)、上述两次的子迭代构成一次大迭代，直到没有更多的像元被剔除为止，剩余的像元组成了道路骨架。所述步骤(6)具体是：a)、对于短分支噪声，从某一端点出发，采用方向链码跟踪非0值连接点，直至搜寻到交叉点或分支点为止，计算该段路线总长度，对于小于长度阈值的短分支噪声赋以0值；b)、遍历全部分支点，如果遇到多余通路的情况，以某一分支点为起始点，分别沿两个分支方向跟踪相应的分支路线，直至跟踪到的端点为交叉点或新分支点为止；c)、在跟踪的路线中，多余通路认为是较长的分支路线，通过赋予0值来去除；d)、在跟踪的路线中，环形通路同样通过赋予0值来去除。所述步骤(7)具体是：a)、以找出的所有交叉点和分支点作为起点，沿所有的分支方向跟踪连接点，直至搜寻到新的端点、交叉点或分支点为止；在跟踪的同时，连接道路骨架线点成矢量化道路线；b)、通过抽稀方法减少不必要的道路骨架点，保留大弯曲度的特征点，去掉道路骨架线中的小弯曲部分；c)、采用曲线拟合法平滑矢量道路网。与现有技术相比，本专利技术具有的优点是：直接根据激光点云的高差和亮度信息自动识别道路点云，仅采用激光点云作为数据源，避免了影像上树木和高楼阴影引起的地物表面属性变化的问题，降低了数据采集的成本和处理难度；利用自动识别算法提取道路中线并进行矢量化、平滑的操作，解决了目前城区道路识别的分叉多、断线多、道路闭塞等问题，从而实现了复杂城市道路网的高精度识别，具体优势如下：1.本专利技术只需依据激光点云的高差和亮度属性，采用区域增长法即可完成分类初始道路点云。2.本专利技术初始分类道路的边界或中心地带往往会保留面积不等的空白区，采用计算机视觉技术中的空穴检出算法来寻找并填充空白区，解决了因为道路周围的茂密树木、道路上的车辆、道路中央的花坛等地物遮挡激光光束所导致的“空白”问题，通过消除这些空白区来提高道路的识别精度。3.对于多余的类似“毛刺”式的短道路，采用3×3的结构元素为掩膜，利用开启算子来进一步平滑道路的边界，消除“毛刺”类型道路。4.本专利技术采用一种骨架化算法来提取道路中心线，有效减少了道路周边地物的干扰，实现了激光点云道路中心识别的功能。5.城市中的道路网是个相互流通的体系，主要道路两侧往往伴随着若干条小路、胡同，甚至一些小型的停车场，使用骨架化算法后主干道路上会出现大量的类似“毛刺”一样的小分支路线，此外由道路的闭塞效应造成的多余通路和环形通路都严重影响着主干道路的拓扑结构和美观程度；本专利技术利用计算机视觉中的方向链码追踪通路噪声，能有效识别并删除它们。6.直接连接的矢量道路中线包含的大量不规则弯曲点严重影响了道路中线的实际形态，利用矢量点抽稀算法和二次曲线拟合算法可以有效地剔除冗余弯曲点，平滑道路中线，实现了光滑美观道路网的自动识别。附图说明图1为原始激光点云图。图2为分类的初始道路点云(黑色部分)和原始激光点云(灰色部分)。图3中(a)为分类的初始道路；(b)为采用空穴检出法填充并平滑的道路。图4为8邻域的像元分布图。图5为经过骨架化算法后生成的道路网。图6为道路噪声示意图。图7为方向链码示意图。图8为移除噪声后的城区道路网。图9为抽稀道路中线点原理示意图：(a)、抽烯前；(b)、抽稀后。图10为自动识别道路网(白色突出线)与正射影像叠加后的效果图。具体实施方式下面通过具体实施例和附图对本专利技术作进一步的说明。本专利技术的实施例是为了更好地使本领域的技术人员更好地理解本专利技术，并不对本专利技术作任何的限制。一种机载激光点云城区道路识别方法，具体步骤如下：1)转换3D激光点云为2D图像模式：根据原始激光点云(如图1所示)的高程分布直方图，使用高差阈值剔除高、低噪声，并将3D本文档来自技高网...

【技术保护点】
一种机载激光点云城区道路识别方法，其特征在于：该方法包括如下步骤：(1)、转换3D激光点云为2D图像模式；(2)、手工选择道路特征点；(3)、根据激光点云的高差和亮度信息，采用区域增长法分类初始道路；(4)、填充初始道路空白并平滑道路边界；(5)、利用骨架化算法识别道路中线；(6)、道路中线去噪：根据方向链码和长度阈值删除短分支，采用自定义的路线跟踪法去除多余通路和环形通路；(7)、跟踪、连接中线点，抽稀算法删除多余拐点，利用曲线拟合法形成道路网。

【技术特征摘要】
1.一种机载激光点云城区道路识别方法，其特征在于：该方法包括如下步骤：(1)、转换3D激光点云为2D图像模式；(2)、手工选择道路特征点；(3)、根据激光点云的高差和亮度信息，采用区域增长法分类初始道路；(4)、填充初始道路空白并平滑道路边界；(5)、利用骨架化算法识别道路中线；(6)、道路中线去噪：根据方向链码和长度阈值删除短分支，采用自定义的路线跟踪法去除多余通路和环形通路；(7)、跟踪、连接中线点，抽稀算法删除多余拐点，利用曲线拟合法形成道路网。2.根据权利要求1所述的机载激光点云城区道路识别方法，其特征在于：所述步骤(2)具体是：根据道路激光点云富含的高差和亮度信息，采用区域增长法搜寻道路种子点周围的8邻域，将与种子点在高差和亮度值上满足阈值的点归类到道路区，完成初始道路的识别。3.根据权利要求1所述的机载激光点云城区道路识别方法，其特征在于：所述步骤(3)具体是：以道路特征点为种子点，以种子点为起点，在种子点的8邻域范围内对比像元与种子点，若它们之间的高差和亮度值分别小于设定阈值，就将它们分类进种子点区域，新分类出的像元重新作为种子点并重复以上搜索和合并的过程，直至没有更多可分类的像元为止；二值化分类的道路像元，满足式(1)中条件时，像元赋值为1，否则赋值为0；式(1)定义如下：式中，f(x,y)表示在x行、y列处图像中的像元值，pk表示位于种子点8邻域内的第k个点，S1为分类的初始道路点集，hs和hk分别表示种子点和第k个点的高程，is和ik分别表示种子点和第k个点的亮度值，∧为“逻辑与”运算符，Ti和Th分别表示亮度阈值与高程阈值。4.根据权利要求1所述的机载激光点云城区道路识别方法，其特征在于：所述步骤(4)中填充初始道路空白，具体是：a)、利用空穴检出法搜索空白区域；b)、统计并计算二值图像中的空白区面积,对于小于面积阈值的空白区域将其填充为道路。5.根据权利要求1所述的机载激光点云城区道路识别方法，其特征在于：所...

【专利技术属性】
技术研发人员：李峰，卫爱霞，
申请(专利权)人：防灾科技学院，
类型：发明
国别省市：河北,13