随着智能交通系统[1](intelligent transportation system, ITS)、辅助驾驶系统[2](advanced drive assistant system, ADAS)、高度自动驾驶[3]等应用的发展，用户对于道路导航地图的现势性和准确性提出了更高的要求[4]。当前，导航与每个人的生活息息相关，可以说导航无人不用、无时不需、无所不在。道路导航地图则是导航中最重要的数据基础，是最核心的组成部分，也是直接面向大众的导航产品，许多应用[5-6]都需要使用精细化的导航电子地图，车辆的导航定位、路径规划、辅助驾驶等功能都基于导航电子地图[7-8]，导航电子地图的质量、精度在实际应用中起到了决定性影响。
现有导航软件中的地图数据多为道路级的，通常只描绘了道路的位置和形态，对于车道线、导向箭头、人行横道线等细节交通信息没有突显，而高精度的道路导航电子地图拥有更丰富、更详细的道路信息，能够更为准确地反映道路实际情况[9]，其生产首先依赖于真实道路交通信息采集的精度及丰富度，另外其数据的维护更新速度也要跟上现实世界的变化节奏。
目前，对于道路交通标线信息的采集主要还是依靠传统的人工采集方法[10]，或利用航片/卫片提取道路网信息[11]。前者主要使用传统测绘仪器在路面上进行采集，此方法成本较高，且耗时耗力，危险性高；后者易受路面上各类物体的遮挡影响，主要针对斑马线以及道路边缘线，无法提取路面箭头等标志信息，数据更新周期也长。这两种方法明显无法满足高精度地图数据的要求。而车载移动测量系统(mobile mapping system，MMS)以其高精度、高效率、可量测性、高机动性等特点为道路导航电子地图测绘开辟了一条快捷高效的途径，为地图数据采集提供了稳定的技术支撑[12]。
因此，本文提出一种基于几何规则的道路交通标线信息提取方法，具体过程如图 1所示。首先参考《GB 5768—2009道路交通标志标线》对道路交通标线的几何、属性特征进行分析及统计，构建交通标线信息提取规则；然后对交通标线车载影像进行预处理、图像分割、特征提取等操作，准确定位其初始种子点(默认为标志尾部左下角点)；最后结合几何规则，基于初始种子点推算完整交通标线的轮廓特征点，并赋予其属性信息。本文方法对于高效采集与管理交通标线空间信息、制作高精度道路导航电子地图、促进智慧交通与智慧城市的建设等方面具有重要意义[13]。
 |
| 图 1 本文的道路交通标线信息提取方法的技术流程 |
1 基于几何特征的道路交通标线信息提取规则
参考《GB 5768—2009道路交通标志标线》，道路交通标线都按照规则的形状、颜色、线型铺设在路面上，同时在不同的速度等级道路设计之下，交通标线具有规范的几何宽度。在分析和统计交通标线各种特征(颜色、线型、线条数、尺寸、轮廓特征点数等)之后，可以构建其信息提取规则。基本过程分为3步：基于车道边缘线的标线起始坐标方位角计算、道路交通标线轮廓边缘线的坐标方位角推算、基于种子点的交通标线特征点坐标。
1.1 车道边缘线起始坐标方位角计算
本文的研究首先需要提取车道边缘线坐标方位角αAB，方位角是用于确定两点间平面位置的相对关系，本文所采用的是坐标方位角，以高斯平面直角坐标系X轴为起算方向。
如图 2所示，假设AB段为车道边缘线一部分，点A(xA, yA)、B(xB, yB)为边缘线上提取的两点，则αAB计算公式如下
 |
| 图 2 车道边缘线坐标方位角计算 |
(1)
由于利用反正弦计算的角度在(-180°，180°)之间，如果αAB < 0, 则αAB需要加上360°。
1.2 交通标线轮廓边缘的坐标方位角推算
不同道路交通标线之间存在一定的位置关系，同一个交通标线形状固定，每条轮廓边缘之间都存在确定的转折关系，因此利用表 1计算得出的车道边缘线坐标方位角，可以推算出交通标线各边的方位角。
表 1 直行导向箭头各边缘的方位角推算规则参数
| 道路交通 标线名称 | 边缘 | 方位角α/(°) |
| 直行导 向箭头 | L12段 | α1, 2=α1+90° |
| L23段 | α2, 3=α1 | |
| L34段 | α3, 4=α1+90° | |
| L45段 | α4, 5=α1-tan-1(9/48) | |
| L56段 | α5, 6=α1+tan-1(9/48)-180° | |
| L67段 | α6, 7=α1+90° | |
| L71段 | α7, 1=-α1 |
以直行导向箭头为例，如图 3所示，从尾部左下角点开始逆时针依次编号，并以车道边缘线起始方位角α1为基础推算各轮廓边缘的方位角，结果见表 1。
 |
| 图 3 直行导向箭头的轮廓边缘线的坐标方位角推算 |
1.3 基于种子点的交通标线特征点坐标推算
根据分析的各类道路交通标线特征，结合推算的交通标线各轮廓边缘方位角，设定种子点，可以基于种子点推算交通标线所有特征点的地理坐标，从而构建道路交通标线的信息提取规则，并且记录相应的几何、属性信息。不同种类交通标线的提取规则不同，下文详细阐述箭头类局部点状交通标线和线状交通标线信息提取的规则。
1.3.1 局部点状交通标线
箭头类局部点状交通标线各轮廓特征点坐标计算的具体原理如下：
(1) 导向箭头类交通标线共有n个特征点，依次编号，箭头指向的坐标方位角为α1(即车道边缘线方位角)。
(2) 假设第i(i≤n)号点坐标(Xi, Yi)为已知种子点，则第i+1(i+1≤n, 若i=n，则令i+1=1)号点坐标(Xi+1, Yi+1)计算公式为
(2)
式中，方位角αi, i+1指第i号点到第i+1号点的坐标方位角，li, i+1指第i号点与第i+1号点之间距离。
1.3.2 线状交通标线
对于车道线类和人行横道类交通标线，实质上可认为其表现为矩形形状，虚线则可认为由多个矩形按照一定规则间隔排列而成，曲线在短距离内可认为由直线组成，人行横道标线同样由黑白矩形横向间隔排列形成，弧线段在局部范围内可近似认为是直线，提取时可采集多个点以更好表现标线形状，之后按照规则生成坐标点。具体原理如下：
1.3.2.1 实线类车道线
如图 4所示，车道线宽为l，提取车道线上A、B两点坐标A(x0, y0)、B(x1, y1)，两点之间距离为D=
，AB之间方位角为α1，车道线宽为l，则按照相应的方位角推算规则参数可以提取A′、B′的坐标，公式为式(3)、式(4)。
 |
| 图 4 车道边缘线的特征信息提取规则 |
(3)
(4)
1.3.2.2 虚线类车道线、人行横道线
如图 5所示，l代表车道线宽度，α1为车道线坐标方位角，D1、D2分别为虚线段长度以及虚线间隔长度，以可跨越同向车道分界线为例介绍提取规则：
 |
| 图 5 车道分界线的特征信息提取规则 |
(1) 提取车道线A、B特征点坐标A(x0, y0)、B(x1, y1)，两点之间距离为
，N+1代表此测量段共有虚线段数，则N的计算公式为
(5)
(2) 第一个虚线段种子点为A(XA, YA)，则每一个虚线段种子点i1坐标计算公式为
(6)
式中，i(0≤i≤N)代表第i+1个虚线段。
(3) 以每一虚线段的种子点i1坐标(Xi1, Yi1)计算同一虚线段的第j+1(1≤j≤3)个特征点坐标(Xij+1, Yij+1)的公式为
(7)
式中，αj, j+1代表第j个特征点与第j+1个特征点的坐标方位角；lj, j+1代表两点之间的距离。
2 基于几何规则的道路交通标线自动提取
道路交通标线按照固定的尺寸设置于路面上，具有十分规则的几何形状，因此在准确提取交通标线轮廓特征点之后，设置一定的约束条件，可以定位交通标线的初始种子点并计算其空间坐标，从而按照本文第1节的交通标线提取规则推算标线所有轮廓特征点空间坐标。
2.1 种子点定位
首先对车载近景影像进行感兴趣区域提取，并对其灰度化进行处理，减少计算量，提高效率；然后使用最大类间方差法分割出交通标线，并利用先开运算后闭运算形态学处理方法，同时达到消除内部孔洞及外部细小噪声点、平滑轮廓的目的，提高交通标线分割质量；最后使用Canny算子对目标标线进行边缘提取，继而使用Emgu.CV轮廓拟合算法[14]提取标线轮廓特征点，并设定规则准确定位标线种子点。
下面针对导向箭头类局部点状交通标线与车道线类线状交通标线，详细叙述其种子点的定位过程。
2.1.1 导向箭头类局部点状交通标线
对于导向箭头类型的局部点状交通标线，定义提取的交通标线连通域内边缘点行列号集合分别为Ph、Pl，其提取流程如图 6所示，步骤如下：
 |
| 图 6 导向箭头类交通标线左下角种子点提取流程 |
(1) 找出边缘点中的最大行号Max(Ph)。
(2) 找出所有行号中距离最大行号Max(Ph)3个像素内的边缘点作为候选种子点，记录所有候选点的行列号Uh、Ul。
(3) 从候选种子点中找出最小列号Min(Ul)及其对应的行号，此特征点即为交通标线左下角种子点。
若定位其他初始种子点，如右下角种子点(ID为2)、箭头最上方种子点(ID视交通标线种类而定)，则可设置类似规则进行提取。
2.1.2 车道线类线状交通标线
对于车道线类线状交通标线，设置规则同样能够提取线类标线的种子点，主要为左下角点和右下角点，流程如图 7所示。
 |
| 图 7 车道线类交通标线种子点提取流程 |
虚线类交通标线种子点与导向箭头类交通标线种子点提取原理相似，经过图像处理后通常只有一个连通域，其边缘点行列号集合分别为Ph、Pl，则步骤如下：
(1) 提取边缘点中的最大行号Max(Ph)。
(2) 提取所有行号中距离最大行号Max(Ph)3个像素以内的边缘点作为候选种子点，记录所有候选点的行列号Uh、Ul。
(3) 从候选种子点中提取最小列号Min(Ul)及其对应的行号，此特征点即为交通标线左下角种子点。
实线类交通标线经图像处理后存在单连通域或多连通域的情况，单连通域的种子点提取步骤与虚线类标线原理相同，多连通域提取步骤如下：
(1) 计算连通域面积，提取面积最大连通域M(边缘点行列号集合分别为Mh、Ml)，以及面积第二连通域N(边缘点行列号分别为Nh, Nl)。
(2) 计算连通域M中边缘点的最大行号Max(Mh)的点A坐标(h1, l1)、最小行号Min(Mh)的点B坐标(h2, l2)；计算连通域N中边缘点的最大行号Max(Nh)的点C坐标(h3, l3)、最小行号Min(Nh)的点D坐标(h4, l4)。
(3) 判断l1、l2，若l1≤l2，则为左车道线，左下角种子点为A(h1, l1)；否则左下角种子点为C(h3, l3)。
设定相同规则，可定位标线右下角种子点(ID=2)，以应对不同交通场景。试验证明，此方法可以很好地区分左右车道线，准确定位所需种子点。
2.2 特征点三维空间坐标计算
完成交通标线种子点的像方坐标提取，再基于车载系统建立的三维解析模型即可计算出交通标线特征点的真实空间坐标，基本过程可分为两步：首先进行交通标线种子点的左右像片同名点匹配；然后根据空间前方交会方法计算其地面实际坐标[15]。
局部范围内道路交通标线可假设处于同一水平面，即高程相同，基于提取的种子点空间地理坐标，利用构建的对应道路交通标线信息提取规则，可生成交通标线其余特征点坐标。
3 试验结果与分析
为了验证本文方法的实用性，采用实际采集的车载近景序列影像进行试验，并与人机交互式的交通标线采集方法进行对比分析。
3.1 试验数据说明
本文的试验数据为南京师范大学虚拟地理环境教育部重点实验室所研发的车载移动测量系统于2013年1月17日在南京市奥体中心区域采集的道路序列影像。该道路设计等级为城市道路且设计速度≥40 km/h。车载系统的硬件结构如图 8所示。
 |
| 图 8 本文所采用的车载移动测量系统的硬件结构 |
3.2 提取结果分析
为了验证本文方法的可靠性，从多个方面对比传统人机交互式采集法与本文提出的采集方法两者的效率。
3.2.1 针对完整清晰的道路交通标线
传统采集即人机交互采集方法需要采集标线所有轮廓特征点，而本文方法只需采集一个种子点，以种子点为基础即可计算所有特征点地理坐标，大大提高了采集效率。将两类方法采集的标线信息存入数据库，以图层形式展示对比，如图 9所示，结果显示本文的方法提取的道路交通标线几何特征更好，形状更为规则，符合国标。
 |
| 图 9 完整交通标线提取效果对比 |
3.2.2 针对复杂环境下的道路交通标线
车载移动测量系统采集的道路序列影像包含了各种道路场景，而道路交通标线的采集容易受到车辆遮挡、强光、污损等不同因素的影响，如图 10中的原始影像。传统人机交互式采集方法无法很好地采集其中交通标线所有特征点，而本文方法可以很好地应对此类场景，对影像中交通标线的完整度、清晰度要求较低，提取交通标线其中一个特征点即可计算出所有特征点，完成标线采集工作，有效克服了各种不良环境带来的影响，提取效果对比如图 10所示。
 |
| 图 10 复杂环境下的交通标线提取效果对比 |
4 结论
本文针对道路交通标线信息的自动采集问题，提出了基于几何规则的车载近景立体影像的道路交通标线信息提取方法，构建了基于交通标线几何特征的提取规则，并以道路交通标线种子点为基础，实现了道路上多种交通标线的高效提取。相对于传统的道路交通标线采集方法，本文方法提取的交通标线更为标准、几何特征更为美观，且在标线破损、遮挡、阴影等复杂交通场景下，也能有效完成标线采集工作。
当然，本文所研究的交通标线类型仍然有限，未来需要研究更多种类的道路交通标线信息提取规则。同时需进一步改进方法的自动化水平，考虑与机器学习等人工智能方法相结合，以实现交通标线的全自动检测与信息提取，减少人机交互操作，提高采集效率与精度。
引文格式：
袁家明, 张卡, 陈辉, 等. 基于几何规则的车载近景立体影像道路交通标线自动提取[J]. 测绘通报，2020(4)：27-33. DOI: 10.13474/j.cnki.11-2246.2020.0107. 
YUAN Jiaming, ZHANG Ka, CHEN Hui, et al. Automatic extraction of road traffic marking from vehicle-borne close-range stereo images based on geometric rules[J]. Bulletin of Surveying and Mapping, 2020(4): 27-33. DOI: 10.13474/j.cnki.11-2246.2020.0107.
———————& End &————————
微信投稿邮箱：imiaoh@163.com
欢迎加入《测绘通报》作者QQ群： 435838860
进群请备注：姓名+单位
扫一扫
1807
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
