一种隧道车载扫描点云的标靶识别及中心点提取方法技术

本发明专利技术涉及车载激光扫描测绘领域，其公开了一种隧道车载扫描点云的标靶识别及中心点提取方法，有利于在车载激光点云中对标靶的有效识别，并实现高精度提取标靶中心坐标，为后续点云数据的几何修正提供重要技术支撑。本发明专利技术在标靶点云识别过程中，利用车载移动激光扫描设备获取隧道洞壁三维激光扫描数据，并基于多层级空间位置约束和标靶几何约束，实现标靶区域点云数据快速提取；在标靶中心点提取过程中，考虑到标靶点云不完整特征，利用标准模板边缘拟合匹配方法，有效弥补缺失标靶所造成的几何中心计算误差，精准解算标靶中心点坐标。本发明专利技术尤其适用于对山区公路隧道的移动测量作业。作业。作业。

【技术实现步骤摘要】
一种隧道车载扫描点云的标靶识别及中心点提取方法


[0001]本专利技术涉及车载激光扫描测绘领域，具体涉及一种隧道车载扫描点云的标靶识别及中心点提取方法。

技术介绍

[0002]随着车载移动三维激光测量系统的发展，该技术作为一种地理空间数据获取方式，已成为大场景三维点云数据采集的主要数据来源，具有安全、精确、高效的特点，在道路交通等相关领域的应用中发挥着至关重要的作用，在公路的规划管理、运营维护、数字建模及资产要素提取等方面具有巨大的潜力。
[0003]但该技术的点云数据采集精度依赖于良好的连续GNSS信号，所述GNSS即Global Navigation Satellite System的简称，中文全称为全球导航卫星系统。因此，在长度大于3千米的特长隧道的测绘中，由于GNSS信号的缺失，车载移动测量系统的位姿数据仅能通过惯性导航系统和里程计提供，从而导致序贯式的误差累积，造成所采集的隧道内部点云数据空间位置失准，无法满足高精度点云数据采集的需求。
[0004]为此，申请人申请了专利技术名称为隧道GNSS拒止环境下车载扫描点云的几何纠正方法、专利号为2021108201564的专利技术专利，其通过在隧道环境中合理布设测量标靶，并提前对标靶中心点进行控制测量，以隧道标靶作为已知控制点，再对车载激光扫描获取的连续点云数据进行几何纠正，进而高效、高精度解决山区公路隧道整体的测量问题。
[0005]然而，在实际移动测量作业过程中，面临以下问题：大多数车载激光扫描属于线阵扫描方式，为了保证车载移动测量高效作业，车速一般不低于60km/h，这导致移动测量获取的标靶点云数据密度较小，且标靶区域部分缺失，不利于后期标靶中心的高精度提取。
[0006]进而造成长距离隧道GNSS信号缺失环境下，车载激光点云偏移后无法有效几何纠正，进而影响隧道整体的高精度测量。

技术实现思路

[0007]本专利技术所要解决的技术问题是：提出一种隧道车载扫描点云的标靶识别及中心点提取方法，有利于在车载激光点云中对标靶进行有效识别，并实现高精度提取标靶中心坐标，为后续点云数据的几何修正提供重要技术支撑。
[0008]本专利技术解决上述技术问题采用的技术方案是：一方面，本专利技术提出一种隧道车载扫描点云的标靶识别方法，该识别方法所采用标靶包括主体及沿主体边缘布设的条带，其中，主体采用激光反射率高于隧道边墙激光反射率的材料，条带采用激光反射率低于隧道边墙激光反射率的材料，且所述主体为具有中心点的规则形状；该识别方法包括以下步骤：S1、针对当前识别标靶，基于标靶设置高度设定高度条件，对扫描点云数据进行分割，仅保留满足设定高度条件的点的点云数据，构建对应当前识别标靶的初始点云数据集
Q；S2、基于当前识别标靶沿轨迹方向的设置位置，提取该标靶对应的车载扫描系统的轨迹时刻，并计算该轨迹时刻的轨迹位置所对应的横断线；S3、在初始点云数据集Q中，基于当前识别标靶所对应的各横断线，沿轨迹方向筛选符合距离条件的点的点云数据，构建对应该标靶的区域点云数据集R；所述距离条件为沿轨迹方向基于车载扫描系统扫描特性、轨迹定位误差以及标靶定位误差所设定的筛选距离，以确保该R中包含对应标靶的点云数据；S4、针对当前识别标靶所对应的区域点云数据集R，基于反射强度I
p
将其所包括点云数据由大到小进行排序，并提取排序靠前的n
max
个点的点云数据，构成对应该标靶的种子点云数据集B
p
；S5、针对当前识别标靶所对应的种子点云数据集B
p
，遍历其所包括的各点P
Bi
，分别在该B
p
对应的区域点云数据集R中，提取与点P
Bi
的空间距离符合设定约束条件的点的点云数据，构成对应该P
Bi
的图斑点云数据集B
ti
，所述约束条件为基于标靶的形状尺寸设定的形状约束条件，以确保各图斑点云数据集B
ti
中的点所构成的区域形状为与标靶主体形状相适应的形状；S6、针对各图斑点云数据集B
ti
，分别对其所包括点的点云数据进行反射强度判定，提取其中反射强度高于设定阈值的点的点云数据，构成对应该B
ti
的主体备选点云数据集B
wi
；S7、基于标靶的形状尺寸设定几何约束条件，针对当前识别标靶，分别将与其对应的各主体备选点云数据集B
wi
，按设定几何约束条件进行筛选，合并该标靶对应各B
wi
筛选出的满足几何约束条件的点的点云数据，构建当前识别标靶的主体点云数据集B
w
‑
final
。
[0009]进一步的，步骤S1中，设定的高度条件为：H
min
－σ≤Z
point
≤H
max
＋σ其中，Z
point
为点云数据的高度坐标，H
max
为标靶设置高度公差范围的最高高度，H
min
为标靶设置高度公差范围的最低高度，所述σ为基于安装误差设定的宽容距离。
[0010]进一步的，步骤S2中，基于当前识别标靶沿轨迹方向的设置位置，提取该标靶对应的车载扫描系统的轨迹时刻，具体包括：若当前识别标靶为首个标靶，则沿车载扫描系统的轨迹方向，基于首个标靶的设置位置，确定与其对应的车载扫描系统轨迹位置的时刻为t0；否则，沿轨迹方向，基于标靶设置距离间隔D，根据前一标靶对应车载扫描系统轨迹位置的时刻为t
i
，确定当前识别标靶对应车载扫描系统轨迹位置的时刻t
i+1
：t
i+1
－t
i
=D/V其中，D为前一标靶至当前识别标靶沿轨迹方向的距离，V为t
i
至t
i+1
时刻车载扫描系统的平均车速。
[0011]进一步的，步骤S2中，该轨迹时刻的轨迹位置所对应的横断线L
c
上的点，满足以下约束条件：
其中，x、y为横断线L
c
上各点在xy平面内的坐标，所述xy平面为点云数据的投影平面；P
x_c
为当前识别标靶对应轨迹位置的x轴坐标，P
y_c
为当前标靶对应轨迹位置的y轴坐标，P
z_c
为当前识别标靶对应轨迹位置的空间高程，z为横断线L
c
的空间高程；P
k
为当前识别标靶对应轨迹位置处在xy平面内的切线斜率。
[0012]进一步的，步骤S3中，在初始点云数据集Q中，基于当前识别标靶所对应的横断线，沿轨迹方向筛选符合距离条件的点的点云数据，构建对应该标靶的区域点云数据集R，具体包括：S31、提取当前识别标靶对应的轨迹位置及该轨迹位置对应的横断线L
c
；S32、基于隧道横向宽度设定筛选条件，遍历初始点云数据集Q，搜索满足筛选条件的点，构建当前识别标靶的备选点云数据集T；S33本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隧道车载扫描点云的标靶识别方法，其特征在于，该识别方法所采用标靶包括主体及沿主体边缘布设的条带，其中，主体采用激光反射率高于隧道边墙激光反射率的材料，条带采用激光反射率低于隧道边墙激光反射率的材料，且所述主体为具有中心点的规则形状；该识别方法包括以下步骤：S1、针对当前识别标靶，基于标靶设置高度设定高度条件，对扫描点云数据进行分割，仅保留满足设定高度条件的点的点云数据，构建对应当前识别标靶的初始点云数据集Q；S2、基于当前识别标靶沿轨迹方向的设置位置，提取该标靶对应的车载扫描系统的轨迹时刻，并计算该轨迹时刻的轨迹位置所对应的横断线；S3、在初始点云数据集Q中，基于当前识别标靶所对应的横断线，沿轨迹方向筛选符合距离条件的点的点云数据，构建对应该标靶的区域点云数据集R；所述距离条件为沿轨迹方向基于车载扫描系统扫描特性、轨迹定位误差以及标靶定位误差所设定的筛选距离，以确保该R中包含对应标靶的点云数据；S4、针对当前识别标靶所对应的区域点云数据集R，基于反射强度I
p
将其所包括点云数据由大到小进行排序，并提取排序靠前的n
max
个点的点云数据，构成对应该标靶的种子点云数据集B
p
；S5、针对当前识别标靶所对应的种子点云数据集B
p
，遍历其所包括的各点P
Bi
，分别在该B
p
对应的区域点云数据集R中，提取与点P
Bi
的空间距离符合设定约束条件的点的点云数据，构成对应该P
Bi
的图斑点云数据集B
ti
，所述约束条件为基于标靶的形状尺寸设定的形状约束条件，以确保各图斑点云数据集B
ti
中的点所构成的区域形状为与标靶主体形状相适应的形状；S6、针对各图斑点云数据集B
ti
，分别对其所包括点的点云数据进行反射强度判定，提取其中反射强度高于设定阈值的点的点云数据，构成对应该B
ti
的主体备选点云数据集B
wi
；S7、基于标靶的形状尺寸设定几何约束条件，针对当前识别标靶，分别将与其对应的各主体备选点云数据集B
wi
，按设定几何约束条件进行筛选，合并该标靶对应各B
wi
筛选出的满足几何约束条件的点的点云数据，构建当前识别标靶的主体点云数据集B
w
‑
final
。2.如权利要求1所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S1中，设定的高度条件为：H
min
－σ≤Z
point
≤H
max
＋σ其中，Z
point
为点云数据的高度坐标，H
max
为标靶设置高度公差范围的最高高度，H
min
为标靶设置高度公差范围的最低高度，所述σ为基于安装误差设定的宽容距离。3.如权利要求1所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S2中，基于当前识别标靶沿轨迹方向的设置位置，提取该标靶对应的车载扫描系统的轨迹时刻，具体包括：若当前识别标靶为首个标靶，则沿车载扫描系统的轨迹方向，基于首个标靶的设置位置，确定与其对应的车载扫描系统轨迹位置的时刻为t0；否则，沿轨迹方向，基于标靶设置距离间隔D，根据前一标靶对应车载扫描系统轨迹位置的时刻为t
i
，确定当前识别标靶对应车载扫描系统轨迹位置的时刻t
i+1
：t
i+1
－t
i
=D/V
其中，D为前一标靶至当前识别标靶沿轨迹方向的距离，V为t
i
至t
i+1
时刻车载扫描系统的平均车速。4.如权利要求1至3任一项所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S2中，该轨迹时刻的轨迹位置所对应的横断线L
c
上的点，满足以下约束条件：其中，x、y为横断线L
c
上各点在xy平面内的坐标，所述xy平面为点云数据的投影平面；P
x_c
为当前识别标靶对应轨迹位置的x轴坐标，P
y_c
为当前识别标靶对应轨迹位置的y轴坐标，P
z_c
为当前识别标靶对应轨迹位置的空间高程，z为对应横断线L
c
的空间高程；P
k
为当前识别标靶对应轨迹位置处在xy平面内的切线斜率。5.如权利要求1所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S3中，在初始点云数据集Q中，基于当前识别标靶所对应的横断线，沿轨迹方向筛选符合距离条件的点的点云数据，构建对应该标靶的区域点云数据集R，具体包括：S31、提取当前识别标靶对应的轨迹位置及该轨迹位置对应的横断线L
c
；S32、基于隧道横向宽度设定筛选条件，遍历初始点云数据集Q，搜索满足筛选条件的点，构建当前识别标靶的备选点云数据集T；S33、遍历当前识别标靶的备选点云数据集T中所有的点，计算各点至对应横断线L
c
的空间垂距；S34、基于该点云数据集T中的至对应横断线L
c
的空间垂距最小的点P
T
‑
minVd
，从初始点云数据集Q中提取满足以下约束条件的点，构建当前识别标靶的局部区域数据集R：x(P
T
‑
minVd
)－d
L
＜x
Q_p
＜ x(P
T
‑
minVd
) ＋d
L
y(P
T
‑
minVd
)－d
L
＜y
Q_p
＜ y(P
T
‑
minVd
) ＋d
L
其中，x
Q_p
、y
Q_p
为数据集Q中的点P的x轴和y轴坐标，x(P
T
‑
minVd
)、y(P
T
‑
minVd
)为点P
T
‑
minVd
的x轴和y轴坐标，d
L
为基于轨迹定位误差以及标靶定位误差所设定的距离条件。6.如权利要求5所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S32中，基于隧道横向宽度设定的筛选条件为：P
x_c
－n
c
×
W
c
＜x
p
＜ P
x_c
＋n
c
×
W
c
P
y_c
－n
c
×
W
c
＜y
p
＜ P
y_c
＋n
c
×
W
c
其中，x
p
、y
p
为初始点云数据集Q中P点的x轴和y轴坐标，P
x_c
为当前识别标靶对应轨迹位置的x轴坐标，P
y_c
为当前识别标靶对应轨迹位置的y轴坐标，n
c
为车道数量，W
c
为单条车道宽度。7.如权利要求5所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S33中，按如下公式计算各点至对应横断线L
c
的空间垂距：
其中，V
di
为备选点云数据集T中第i个点到横断线L
c
的空间垂距，x
pi
和y
pi
分别为备选点云数据集T中第i个点的x轴坐标和y轴坐标；P
x_c
为当前识别标靶对应轨迹位置的x轴坐标，P
y_c
为当前识别标靶对应轨迹位置的y轴坐标，P
k
为当前识别标靶对应轨迹位置处在xy平面内的切线斜率，所述xy平面为点云数据的投影平面。8.如权利要求1所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S6中，反射强度设定阈值的设置方式为：其中，I
threshold
‑
i
为第i个图斑点云数据集B
ti
的反射强度判定阈值，max I{B
ti
}为第i个图斑点云数据集B
ti
中所有点的最大反射强度值，I
p
‑
min
为第i个图斑点云数据集B
ti
对应局部区域数据集R中的最低反射强度值。9.如权利要求1所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，所述标靶主体为正方形。10.如权利要求9所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S5中，基于标靶的形状尺寸设定的形状约束条件为：其中，D
b
为P
Bi
与R中的点空间距离，L
wl
为标靶的主体的边长，W
bw
为标靶的条带的宽度；所述D
b
计算公式为：其中，x(P
Bi
)、y(P
Bi
)和z(P
Bi
)分别为点P
Bi
的x轴、y轴和z轴坐标；x(P
Rj
)、y(P
Rj
)和z(P
Rj
)分别为R中除P
Bi
外的第j个点的x轴、y轴和z轴坐标。11.如权利要求9所述的一种隧道车载扫描点云的标靶识别方法，其特征在于，步骤S7中，基于标靶的形状尺寸设定几何约束条件为：步骤S7中，基于标靶的形状尺寸设定几何约束条件为：其中，max DeltaZ {p
wk
,p
wj
}为主体备选点云数据集B
wi
中所有点对间的最大高度差值；max D{p
wk
,p
wj
}为主体备选点云数据集B
wi
中所有点对间的最大空间距离；L
wl
为标靶的主体
的边长，W
bw
为标靶的条带的宽度，L
wd
为标靶的主体的对角线长度；主体备选点云数据集B
wi
中点对间的空间距离计算公式如下：主体...

【专利技术属性】
技术研发人员：贾洋，孙璐，李升甫，夏季，柯勇，张弛，杨宇雷，李鹏，汪致恒，丁雨淋，王东，刘长风，王义鑫，
申请(专利权)人：四川省公路规划勘察设计研究院有限公司，
类型：发明
国别省市：