一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法技术

本发明专利技术公开了一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，包括步骤1：由车载激光扫描仪获取道路以及路侧地物的点云，并解算后输出LAS格式的点云数据传输至MICROSTATION CE平台；步骤2：MICROSTATION CE平台对LAS格式的点云数据预处理；步骤3：MICROSTATION CE平台对LAS格式的点云数据全自动分割处理,得到杆状物点云数据；步骤4：MICROSTATION CE平台对杆状物点云数据分类处理；步骤5：MICROSTATION CE平台将杆状物点云数据转换为二维地图符号，并在二维地图符号上自动挂接属性，本发明专利技术的目的在于提供一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，解决了点云分割部分不同类别杆状物相连以及无法实时获取杆状物坐标的问题，提高了普适性，并降低计算复杂度。并降低计算复杂度。并降低计算复杂度。

【技术实现步骤摘要】
一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法


[0001]本专利技术涉及测绘科技
，尤其涉及一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法。

技术介绍

[0002]目前杆状交通设施作为我国重要的基础道路设施，其信息的快速获取与更新对保障公路安全有重大意义。高精度的杆状交通设施信息如位置、倾角、朝向和属性等，在道路资产调查、自动驾驶和辅助驾驶等领域都有重要作用。
[0003]而道路杆状地物的提取和分类技术主要包括人工测量、基于车载影像判读和基于车载激光点云提取三大类。首先，由于杆状交通设施数量巨大且较为分散，人工测量方法不可取，它的安全性较低，质量难以保证，不适合信息的快速更新。车载影像的判读则严重依赖成像质量，相片质量差，判读效果就差，自动化程度也比较低。
[0004]车载点云的目标提取有基于机器学习、先分割后识别和深度学习三大类。机器学习和深度学习对硬件要求高，人工添加标签耗时很长，切换道路场景之后就需要再次制作训练数据集重新学习模型，不太适合商业化应用。先分割后识别的目标提取方法则更易于理解。但采用先分割后识别时，在点云分割部分，现有方法着重实现杆状物和其它非杆状地物的分割，导致在实际场景中不同类型杆状物偶尔会重叠连接在一起，影响分类，同时在分割过程中并不能同时获取杆状物的位置信息。在目标提取方面，也有三种方法：基于语义规则、基于机器学习和基于模型匹配三类。基于语义规则的目标提取需要预先定义待提取目标的一系列规则，如尺寸、反射强度、形状等，但是在切换道路场景后，所有的语义规则都需要重新定义，语义规则并不普适，只能应用于特定的目标类别和场景。基于模型匹配的目标识别则对模型(点云的局部特征)的描述性和鲁棒性要求较高，而且点云匹配的计算复杂度较高，效率偏低。
[0005]因此，对于一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，点云分割部分不同类别杆状物相连以及无法实时获取杆状物坐标、目标提取部分语义规则普适性差、模型匹配计算复杂度高是我们要解决的问题。

技术实现思路

[0006]为克服上述问题，本专利技术的目的在于提供一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，全自动分割处理解决了点云分割部分不同类别杆状物相连以及无法实时获取杆状物坐标的问题，并优化了分割方法，提高了分割效率和精度；标准模型体素语义和同类杆件判别的结合使用，提高了普适性，并降低计算复杂度。
[0007]为了达到以上目的，本专利技术采用的技术方案是：一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，包括如下步骤：步骤1：由车载激光扫描仪获取道路以及路侧地物的点云，并解算后输出LAS格式的点云数据传输至MICROSTATION CE平台；步骤
2：MICROSTATION CE平台对LAS格式的点云数据预处理；步骤3：MICROSTATION CE平台对LAS格式的点云数据全自动分割处理,得到杆状物点云数据；步骤4：MICROSTATION CE平台对杆状物点云数据分类处理，分类处理包括c、获取标准模型体素语义和d、同类杆件判别两个步骤；步骤5：MICROSTATION CE平台将杆状物点云数据转换为二维地图符号，并在二维地图符号上自动挂接属性。
[0008]本专利技术一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法的有益效果是，使用车载激光扫描仪获取道路以及路侧地物的点云，并解算后输出LAS格式的点云数据传输至MICROSTATION CE平台，车载激光扫描仪可为Pegasus：Two Ultimate移动激光扫描系统。MICROSTATION CE平台对LAS格式的点云数据预处理，在MICROSTATION CE平台中剔除道路之外的冗余数据，MICROSTATION CE平台并对较长路段进行分段，只留下道路点云数据。MICROSTATION CE平台对LAS格式的点云数据全自动分割处理,得到杆状物点云数据。MICROSTATION CE平台对杆状物点云数据进行分类处理，分类处理包括c、获取标准模型体素语义和d、同类杆件判别两个步骤。MICROSTATION CE平台根据不同的需求，将杆状物点云数据转换为二维地图符号，二维地图符号即根据获取的杆件位置信息，在坐标位置自动批量放置二维杆件符号；并在二维地图符号上自动挂接属性，挂接属性即将基于标准模型体素语义获取的杆高、杆长、柱体直径等属性自动批量赋予给杆件符号。
[0009]通过全自动分割处理解决点云分割部分不同类别杆状物相连以及无法实时获取杆状物坐标的问题，并优化了分割方法，提高了分割效率和精度。结合使用标准模型体素语义和同类杆件判别，通过框选标准模型解决场景变换带来的语义规则和阈值更改问题，提高普适性。通过使用标准模型体素语义解决模型匹配时点云计算量大，最优匹配阈值难以确定的问题，直接比较标准模型体素语义和待匹配点云超体素语义的异同来确定同类杆件，能高效准确，有效的降低了计算复杂度。
[0010]作为本专利技术的进一步改进是，在步骤2中，预处理包括以下步骤：s21、在MICROSTATION CE平台中剔除道路之外的冗余数据；s22、MICROSTATION CE平台并对较长路段进行分段。MICROSTATION CE平台收到LAS格式的点云数据后，在MICROSTATION CE平台中剔除道路之外的冗余数据，并对较长路段进行分段，只留下道路点云数据，保证提取效率。
[0011]作为本专利技术的进一步改进是，在步骤3中，全自动分割处理包括a、判断高程连续和b、垂直道路延伸方向裁切两个步骤。通过判断高程连续和垂直道路延伸方向裁切两个步骤，获取了附加坐标信息(也就是位置信息)且互不相连的完全分割的杆状物。简明直观的提取规则有效提高了分割效率，坐标信息的获取以及杆件的完全分割为后续分类带来了极大的便利。
[0012]作为本专利技术的进一步改进是，a、判断高程连续包括以下步骤：a1、将道路点云的外包围划分为一个个0.5m*0.5m*0.5m的立方盒；a2、在每个立方盒内寻找所有含有点云的立方块，并记录每个立方块的XYZ坐标和序号；a3、判断是否有XY坐标一致、Z坐标垂直地面连续的立方块群；a4、当Z坐标的差值超过设定的阈值，则初步判断此处有杆状物，并记录下该杆状物最低点所在立方体的XYZ坐标和序号。实现得到杆状物的坐标信息(也就是位置信息)。
[0013]作为本专利技术的进一步改进是，b、垂直道路延伸方向裁切包括以下步骤：b1、基于获取的任一潜在杆状物点P，获取距离该点最近的同侧另一杆状物点Q，计算杆状物点P和杆状
物点Q两点连线的第一直线方程，并以第一直线方程作为模拟的道路延伸方向；b2、计算XY平面上与第一直线方程垂直且过杆状物点P的第二直线方程，并将第二直线方程向两侧各拓宽一定距离，得到矩形框；b3、获取所有XY坐标在矩形框内的点云，即为初步分割得到的杆状物点云数据。得到相互独立、完全分割的多个杆状物点云数据。
[0014]作为本专利技术的进一步改进是，c、获取标准模型体素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：包括如下步骤：步骤1：由车载激光扫描仪获取道路以及路侧地物的点云，并解算后输出LAS格式的点云数据传输至MICROSTATION CE平台；步骤2：MICROSTATION CE平台对LAS格式的点云数据预处理；步骤3：MICROSTATION CE平台对LAS格式的点云数据全自动分割处理,得到杆状物点云数据；步骤4：MICROSTATION CE平台对杆状物点云数据分类处理，分类处理包括c、获取标准模型体素语义和d、同类杆件判别两个步骤；步骤5：MICROSTATION CE平台将杆状物点云数据转换为二维地图符号，并在二维地图符号上自动挂接属性。2.根据权利要求1所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：在所述步骤2中，所述预处理包括以下步骤：s21、在MICROSTATION CE平台中剔除道路之外的冗余数据；s22、MICROSTATIONCE平台并对较长路段进行分段。3.根据权利要求1所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：在所述步骤3中，所述全自动分割处理包括a、判断高程连续和b、垂直道路延伸方向裁切两个步骤。4.根据权利要求3所述一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法，其特征在于：所述a、判断高程连续包括以下步骤：a1、将道路点云的外包围划分为一个个0.5m*0.5m*0.5m的立方盒；a2、在每个立方盒内寻找所有含有点云的立方块，并记录每个立方块的XYZ坐标和序号；a3、判断是否有XY坐标一致、Z坐标垂直地面连续的立方块群；a4、当Z坐标的差值超过设定的阈值，则初步判断此处有杆状物，并记录下该杆状物最低点所在立方体的...

【专利技术属性】
技术研发人员：沈姜威，蔡东健，岳顺，邢万里，
申请(专利权)人：苏州工业园区测绘地理信息有限公司，
类型：发明
国别省市：