一种多期车载激光点云道路变化监测方法技术

本发明专利技术公开了一种多期车载激光点云道路变化监测方法，首先分析车载激光道路点云的特征，将道路场景点云数据预处理为与点云配准相关的信息和无关信息，进一步以道路场景特有的路缘石作为边界辅助，分离出路面点云，然后基于路缘石边界和地物点云数据，建立八叉树索引，采用法向量提取特征区域和LSP(Local Surface Patches)特征检测法等间隔提取特征点；最后用基于特征点的4PCS(4

【技术实现步骤摘要】
一种多期车载激光点云道路变化监测方法


[0001]本专利技术涉及一种多期车载激光点云道路变化监测方法，属于移动测量系统道路检测


技术介绍

[0002]道路主要包括路面、行道树、路灯、护栏、交通信号灯、交通标识牌等诸多地物要素，环境复杂；道路是城市环境中车流量最大，行人活动最频繁的场所。道路系统中任何一个要素出现异常都有可能影响道路正常运行，因此，需要对道路进行变化监测。
[0003]车载移动测量系统能够快速动态获取高精度、高密度、高分辨率三维激光点云数据，为城市道路信息采集和更新提供数据支撑。
[0004]专利技术人在实现本专利技术的过程中，发现目前还没有基于多期点云的道路变化检测方法，车载激光点云场景复杂、目标多样、数据量大且点密度分布不均，车载激光点云数据的配准和变化监测难度较大。

技术实现思路

[0005]针对现有技术的不足，本专利技术提供一种多期车载激光点云道路变化监测方法。
[0006]本专利技术的技术方案如下：
[0007]一种多期车载激光点云道路变化监测方法，具体包含以下步骤：
[0008]a、选取相同位置的不同期道路点云数据，以路缘石为基准，确定道路边界；使用布料模拟算法分割地面点和非地面点，保留非地面点；删除非地面点中的非刚性物体，非刚性物体包括车辆、行人、绿化带、植被、行道树，提取完整的人造地物，人造地物包括路缘石、路灯、交通标示牌；
[0009]b、计算每一个点的法向量，以小于单块路缘石长度的阈值，等间隔获取邻域内法向量夹角之和的平均值，提取特征区域，用LSP特征点检测法提取特征区域内点云表面起伏变化大的点，获取分布均匀、描述性强的特征点；
[0010]c、用提取的特征点进行4PCS粗配准，在粗配准后原有特征点的基础上建立KD树索引，采用双向K近邻搜索的策略提取特征点对，进行ICP精确配准；
[0011]d、以变化监测的精度为约束条件，对配准后的点云进行处理，检测不同时间点道路的变化。
[0012]优选的，步骤b中：根据每一个点的法向量信息，提取特征区域，步骤如下：
[0013]1)采用最小二乘拟合平面的方法，使任一点P
i
及其k邻域内的点所拟合平面为最佳拟合平面；
[0014]将任一点P
i
及其k邻域内的点，组成协方差矩阵：
[0015][0016]其中，k是点P
i
临近点的数目，是k邻域内所有点的三维质心，λ
j
是协方差矩阵的第j个特征值，V
j
是第j个特征值所对应的特征向量；
[0017]求解该协方差矩阵的最小特征值所对应的特征向量就是P
i
点的法向量
[0018]计算出来的法向量方向不统一，需要对整个点云数据集的法向量方向进行一致性定向，假设视点V
p
的坐标为(0，0，0)，使所有的法向量一致朝向视点方向，只需满足：
[0019][0020]对计算完法向量后的点云建立八叉树索引，以八叉树体素中心点为采样点，计算体素邻域内每一个点的法向量与体素中心点法向量夹角，计算过程如下：
[0021]①
确定点云分布范围、根据不同的实验确定体素的大小：
[0022]②
计算体素中心点：
[0023][0024]其中，num为体素内点的个数，n.x、n.y、n.z表示编号为n的点的坐标值，center.x、center.y、center.z是体素中心点的坐标值；
[0025]③
计算体素邻域内每一个点的法向量与体素中心点法向量的夹角之和：
[0026][0027]其中，sumrad为体素邻域内每一个点法向量与体素中心点法向量的夹角之和，n为体素邻域内点云的个数，为体素中心点法向量的值，为体素内点云法向量的值；
[0028]④
遍历数据中所有的点，对每个点进行步骤
②③
操作，得到每一个点的法向量与对应体素中心点法向量的夹角之和；
[0029]2)由归一化后的法向量夹角之和，提取特征区域；
[0030]①
体素中心点的个数记作V
n
，每一个体素内归一化后法向量夹角之和：
[0031][0032]②
对所有的everad按照从小到大的顺序进行排序，取位置处的值为阈值，大于阈值的区域即为特征区域。
[0033]优选的，步骤b中，检测特征区域内变化明显的点，标记为特征点；
[0034]3)曲率的计算采用局部曲面拟合的方法，首先建立局部坐标系，在局部基面参数化的基础上，对空间点进行二次曲面拟合，得到最佳拟合二次曲面的参数方程为：
[0035][0036]其中,(u,n,w)为任意一点P在局部坐标系下的坐标值，a,b,c为最佳拟合二次曲面的参数；
[0037]根据参数曲面的曲率性质计算其主曲率；记二次曲面为：S，S在点P(u,v)＝(0,0)处的一阶偏导为：Su|(0,0)，Sv|(0,0)；S在点P
i
处的法向量为：n|(0,0)，则：
[0038]二次曲面S的第一基本量为：
[0039][0040]二次曲面S的第二基本量为：
[0041][0042]其中，由第一基本量和第二基本量可解得主曲率为：
[0043][0044]4)用形状指数S(p)检测点云表面变化较大的区域；
[0045]用主曲率计算出每一个点的形状指数，形状指数定义为：
[0046][0047]所有形状指数都映射到区间[0,1]，较大的形状指数值代表凸点，较小的形状指数值代表凹点，计算特征区域每一个八叉树邻域内各点形状指数的极值，极值点即为特征点。
[0048]优选的，步骤c中，车载激光点云道路变化监测方法的配准主要包括以下步骤：
[0049]c1、4PCS算法粗配准；
[0050]c1.1)假定源点云为P，目标点云为Q，源点云的特征点集为P
t
，目标点云的特征点集为Q
t
，P
t
内任一点为Pt
i
，Q
t
内任一点为Qt
i
；
[0051]c1.2)首先在源点云特征点集P
t
中随机选取3个不共线的点，根据源点云特征点集P
t
中最远两个点的距离d
p
以及源点云和目标点云的重叠度f，选取与其他三个点距离在的第四不共线点组成共面四点基B；
[0052]c1.3)通过仿射变换，在目标点云特征点集Q
t
中找到所有与B全等的共面四点集；仿射不变量定义如下：
[0053]已知道在源点云特征点集P
t
中有任一共面四点集B{a,b,c,d}，且共面四点集B{a,b,c,d}中任意三点不共线，令直线ab和cd相交于e，其比率表示为：
[0054][0055本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多期车载激光点云道路变化监测方法，其特征在于，包含以下步骤：a、选取相同位置的不同期道路点云数据，以路缘石为基准，确定道路边界；使用布料模拟算法分割地面点和非地面点，保留非地面点；删除非地面点中的非刚性物体，非刚性物体包括车辆、行人、绿化带、植被、行道树，提取完整的人造地物，人造地物包括路缘石、路灯、交通标示牌；b、计算每一个点的法向量，以小于单块路缘石长度的阈值，等间隔获取邻域内法向量夹角之和的平均值，提取特征区域，用LSP特征点检测法提取特征区域内点云表面起伏变化大的点，获取特征点；c、用提取的特征点进行4PCS粗配准，在粗配准后原有特征点的基础上建立KD树索引，采用双向K近邻搜索的策略提取特征点对，进行ICP精确配准；d、以变化监测的精度为约束条件，对配准后的点云进行处理，检测不同时间点道路的变化。2.根据权利要求1所述的多期车载激光点云道路变化监测方法，其特征在于，步骤b中：根据每一个点的法向量信息，提取特征区域，步骤如下：1)采用最小二乘拟合平面的方法，使任一点P
i
及其k邻域内的点所拟合平面为最佳拟合平面；将任一点P
i
及其k邻域内的点，组成协方差矩阵：其中，k是点P
i
临近点的数目，是k邻域内所有点的三维质心，λ
j
是协方差矩阵的第j个特征值，V
j
是第j个特征值所对应的特征向量；求解该协方差矩阵的最小特征值所对应的特征向量就是P
i
点的法向量假设视点V
p
的坐标为(0，0，0)，使所有的法向量一致朝向视点方向，只需满足：对计算完法向量后的点云建立八叉树索引，以八叉树体素中心点为采样点，计算体素邻域内每一个点的法向量与体素中心点法向量夹角，计算过程如下：
①
确定点云分布范围、根据不同的实验确定体素的大小：
②
计算体素中心点：其中，num为体素内点的个数，n.x、n.y、n.z表示编号为n的点的坐标值，center.x、
center.y、center.z是体素中心点的坐标值；
③
计算体素邻域内每一个点的法向量与体素中心点法向量的夹角之和：其中，sumrad为体素邻域内每一个点法向量与体素中心点法向量的夹角之和，n为体素邻域内点云的个数，为体素中心点法向量的值，为体素内点云法向量的值；
④
遍历数据中所有的点，对每个点进行步骤
②③
操作，得到每一个点的法向量与对应体素中心点法向量的夹角之和；2)由归一化后的法向量夹角之和，提取特征区域；
①
体素中心点的个数记作V
n
，每一个体素内归一化后法向量夹角之和：
②
对所有的everad按照从小到大的顺序进行排序，取位置处的值为阈值，大于阈值的区域即为特征区域。3.根据权利要求2所述的多期车载激光点云道路变化监测方法，其特征在于，步骤b中，检测特征区域内变化明显的点，标记为特征点；3)曲率的计算采用局部曲面拟合的方法，首先建立局部坐标系，在局部基面参数化的基础上，对空间点进行二次曲面拟合，得到最佳拟合二次曲面的参数方程为：其中,(u,n,w)为任意一点P在局部坐标系下的坐标值，a,b,c为最佳拟合二次曲面的参数；根据参数曲面的曲率性质计算其主曲率；记二次曲面为：S，S在点P(u,v)＝(0,0)处的一阶偏导为：Su|(0,0)，Sv|(0,0)；S在点P
i
处的法向量为：n|(0,0)，则：二次曲面S的第一基本量为：二次曲面S的第二基本量为：其中，由第一基本量和第二基本量可解得主曲率为：4)用形状指数S(p)检测点云表面变化较大的区域；用主曲率计算出每一个点的形状指数，形状指数定义为：
所有形状指数都映射到区间[0,1]，较大的形状指数值代表凸点，较小的形状指数值代表凹点，计算特征区域每一个八叉树邻域内各点形状指数的极值，极值点即为特征点。4.根据权利要求3所述的多期车载激光点云道路变化监测方法，其特征在于，步骤c中，车载激光点云道路变化监测方法的配准主要包括以下步骤：c1、4PCS算法粗配准；c1.1)假定源点云为P，目标点云为Q，源点云的特征点集为P
t
，目标点云的特征点集为Q
t
，P
t
内任一点为Pt
i
，Q
t
内任一点为Qt<...

【专利技术属性】
技术研发人员：任红伟，刘如飞，卢秀山，陈敏，王飞，柴永宁，
申请(专利权)人：青岛秀山移动测量有限公司，
类型：发明
国别省市：