一种基于点云的道路场景地面标识物的提取方法技术

本发明专利技术涉及一种基于点云的道路场景地面标识物的提取方法。首先将激光点云数据分段，分割出地面点云，接着按预设的分辨率将点云转换成图像，对图像进行目标检测与分类，得到地面标识物的位置和类别，然后利用卷积神经网络提取地面标识物的关键点，用标准的路面标识物关键点与提取出的关键点做尺度、方向和位置匹配，最后根据匹配结果将标准的路面标识物转换到地图坐标系。相比现有方法需要对提取结果进行进一步处理才能在高精度地图中使用，本发明专利技术在提取的过程中加入关键点提取和关键点匹配两步，使得最终的提取成果能直接输入高精度地图中，提高了生产效率；提取过程使用深度学习的方法，普适性好，可以处理不同激光设备的数据。据。据。

【技术实现步骤摘要】
一种基于点云的道路场景地面标识物的提取方法


[0001]本专利技术属于移动测量领域，特别是涉及一种基于点云的道路场景地面标识物的提取方法。

技术介绍

[0002]地面标识物是汽车驾驶过程中必须要遵守的交通规则之一，能为自动驾驶或辅助驾驶提供关键信息，是高精度地图中必不可少的要素。
[0003]目前基于点云的地面标识物的提取方法主要可以分为两个方向：基于人工特征的提取方法和基于深度学习的提取方法。基于人工特征的提取方法将点云数据构建人工特征，如点云强度，然后将点云数据进行阈值分割并进行聚类、过滤等操作，提取出地面标识物，该方法优点是处理速度快，但是由于不同的激光设备采集的点云数据强度信息可能差别较大，并且点云密度也不尽相同，因此该方法不能很好地适用各种激光设备；基于深度学习的提取方法先将点云转换成灰度图像，再利用深度学习技术对图像分割，然后将分割结果转换到点云坐标系中得到提取结果，该方法虽然能提取出路面标识物，但输出结果不是高精度地图的标准输入数据格式，还需再进行其他处理才能在高精度地图中使用，或者利用深度学习技术对图像分类，再进行人工标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云的道路场景地面标识物的提取方法，其特征在于，包括如下步骤：步骤1，对原始激光雷达点云数据进行预处理，分割出地面点云；步骤2，将步骤1分割出的地面点云按照预设分辨率转换成图像；步骤3，对步骤2转换成的图像进行目标检测与分类，得到路面标识物的位置和类别；步骤4，利用卷积神经网络提取路面标识物的关键点；步骤5，将标准的路面标识物关键点与步骤4提取的关键点做尺度、方向和位置匹配，进行关键点对齐；步骤6，将标准的路面标识物坐标按照步骤5的匹配结果转换到地图坐标系中。2.如权利要求1所述的一种基于点云的道路场景地面标识物的提取方法，其特征在于：所述步骤1需根据点云长度将原始激光雷达点云数据均匀分为n段，然后选用合适的点云滤波器，去除原始点云的噪声点，接着根据轨迹的高程Z
P
，去掉高程Z
P
以上的点云，分割出地面点云。3.如权利要求1所述的一种基于点云的道路场景地面标识物的提取方法，其特征在于：所述步骤2是在路面平面内，将步骤1分割出的地面点云按照预设分辨率划分网格，将每个网格中点云的强度信息映射成图像的像素灰度值；如果是彩色点云，可将点云RGB信息映射成图像中像素的RGB信息；没有点云数据的网格...

【专利技术属性】
技术研发人员：郭晟，王若曦，蔡振东，张文俊，项俊平，
申请(专利权)人：立得空间信息技术股份有限公司，
类型：发明
国别省市：