影响线型缩聚物分子量的因素_论文推荐 | 方莉娜：车载激光扫描数据中实线型交通标线提取...

《测绘学报》

构建与学术的桥梁 拉近与权威的距离

车载激光扫描数据中实线型交通标线提取

方莉娜^1,2,3, 黄志文^1,2,3, 罗海峰^1,2,3, 陈崇成^1,2,3

1. 福州大学地理空间信息技术国家地方联合工程研究中心, 福建 福州 350002;

2. 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350002;

3. 福州大学数字中国研究院, 福建 福州 350002

收稿日期：2018-12-12；修回日期：2019-04-24

基金项目：国家自然科学基金青年基金(41501493)；福建省自然科学基金(2017J01465)；中国博士后科学基金(2017M610391)；福建省教育厅中青年教师科研项目(JAT160078)

第一作者简介：方莉娜(1983-), 女, 博士, 助理研究员, 研究方向为激光雷达数据处理与三维重建。E-mail:fangln@fzu.edu.cn

摘要：本文提出一种基于路面点云强度增强的车载激光点云实线型交通标线提取方法。首先通过预处理提取路面点云，获取各激光点与轨迹线的距离。然后逐段对路面进行强度增强，集合多滤波器集成的策略进行强度变换和去噪，消除距离、点密度、磨损等因素对反射强度值影响，增强路面点云和标线的强度差异。基于增强后的反射强度，采用k均值聚类和连通分支聚类等方法对标线进行分割，并利用归一化图割方法优化强度分割结果。最后利用实线型标线的语义信息和空间分布特征从分割后标线对象中识别实线型交通标线。试验采用四份不同车载激光扫描系统获取的数据用于验证本文方法有效性，实线型标线提取结果的准确率达到95.98%，召回率达到91.87%，综合评价指标F₁-Measure值达到95.55%以上。试验结果表明本文方法能够有效增强受扫描距离、路面磨损及点密度分布不均等因素影响的点云强度信息，实现不同车载激光扫描获取的复杂道路环境下实线型交通标线的提取。

关键词：车载激光点云 强度增强 标线提取 强度分割 实线型标线提取

Solid lanes extraction from mobile laser scanning point clouds

FANG Lina^1,2,3, HUANG Zhiwen^1,2,3, LUO Haifeng^1,2,3, CHEN Chongcheng^1,2,3

1. National Engineering Research Centre of Geospatial Information Technology, Fuzhou University, Fuzhou 350002, China;

2. Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China;

3. Academy of Digital China, Fuzhou University, Fuzhou 350002, China

Foundation support: National Natural Science Foundation of China (No. 41501493); National Natural Science Foundation of Fujian Province (No. 2017J01465); China Postdoctoral Science Foundation (No. 2017M610391); Science Foundation of Education Commission of Fujian Province (No. JAT160078)

First author:FANG Lina (1983—), female, PhD, assistant researchers, majors in LiDAR point clouds processing and 3D modeling.E-mail: fangln@fzu.edu.cn.

Abstract: This paper presented a novel method for solid lanes extraction from Mobile laser scanning (MLS) point clouds. The proposed method firstly removed the off-ground point clouds and then calculated the scanning distance between the points of road surface and sensors. Then, the reflective intensity data of road surface were transformed into relative values to overcome the influence of the scanning distance, the points' density, abrasion and roughness of road surface block by block. After the intensity enhancement, road markings were separated from the road surface based on the k-means clustering and connected component. In order to deal with the problem of under-segmentation and over-segmentation caused by the adhesion of solid lines and stop lines or other entrance markings, some features of geometric shape and the spatial distribution were then used to refine the results of intensity segmentation by the Normalized Cuts. Finally, the semantic structure information of road markings was explored to separate the solid lines from other road markings like zebra crossings, dashed lines. Experiments were undertaken to evaluate the validities of the proposed method with four test data sets acquired from different MLS systems. Quantitative evaluations on four MLS data sets indicated that the proposed method achieved a Precision, Recall and F₁-Measure of 95.98%, 91.87% and 95.55%, respectively, which validated that the proposed method has achieved promising performance.

Key words: MLS points cloud the intensity enhancement road markings extraction intensity segmentation solid lanes detection

实线型交通标线主要包括车行道边缘线和禁止跨越分界线，是重要的道路安全附属设施, 其所传达的信息对规范交通行为、指示道路状况、保障道路功效、引导行人和安全驾驶等方面具有重要的作用，是交通安全与管理、精确导航和辅助驾驶等应用的重要基础数据^[1-2]。随着车载激光扫描系统(mobile lidar system, MLS)的快速发展，车载激光扫描系统不仅能够快速获取道路及其周围环境的三维信息，还能提供地物对激光的反射强度信息，为实线型交通标线的识别和更新提供了一种新数据源。

相较于周围地面点云，交通标线对激光呈高亮反射，具有较大的反射强度值。一些学者基于三维点云转化获得的地理参考强度图像完成标线点云分割和提取。如文献[3-4]基于二维强度特征图像利用图像处理相关技术，如Ostu、Canny等算子分割和提取标线，结合几何形状信息优化分割结果从而完成对标线的检测。文献[5]针对强度特征图，考虑到几何因素对强度的影响，采用基于密度分布的多阈值分割方法实现标线的自动分割。为了进一步提高分割精度，文献[6]提出基于强度特征图，通过邻域权重差异估计获得自适应阈值实现标线的粗分割，并利用二维多尺度张量投票机制抑制噪声从而完成标线的精确分割。但这类方法提取交通标线的精度易受特征图像分辨率影响。于是一些学者则逐点分析局部区域中地面与标线的反射强度差异完成标线点云的分割和提取^[7-9]。如文献[9]基于峰值检测法提取扫描线的强度值作为道路标线点。该方法虽然能够快速提取标线，但未考虑强度分布不均情况。文献[7]则基于分快处理策略，通过多阈值分割和空间密度滤波直接从路面点云中获得标线，并利用标线的空间形状、几何结构及空间语义结构等信息提取交通标线。文献[10]基于几何形状特征与标线间交互关系，利用模型和数据驱动马尔科夫链蒙特卡洛算法构建能量函数，实现标线自动分类。但是目前基于车载激光点云的标线提取多聚焦于虚线型标线，对于实线型标线研究较少。相较于虚线型标线，实线型标线所处的道路环境、类型更为复杂，也更易受磨损、遮挡、路口虚线和斑马线的干扰和影响，实线型标线的提取和识别更为困难。

车载激光扫描系统获取的反射强度信息多为未经改正或归一化的强度信息，反射强度信息不仅与介质表面反射率相关，还受扫描仪特性、几何结构(扫描距离、激光入射角)、材质新旧磨损、行驶环境等因素影响^[11-12]，存在同物异谱和异物同谱现象，直接用于标线分割难以得到较高精度。因此，通过强度改正^{[5, 13-15]}或强度去噪^[16-17]等方法，提升同类地物的强度一致性，增强不同类型地物的强度差异。车载激光点云的强度改正多基于数据驱动&#x