详情

原文传递一种道路路面点云标线分割去噪方法

专利名称：	一种道路路面点云标线分割去噪方法
摘要：	本发明涉及一种道路路面点云标线分割去噪方法，属于激光点云处理领域，包括针对于车载道路激光点云数据，对道路点云进行OTSU阈值分割得到标新点云，继而采用基KD‑Tree进行粗差剔除，利用数学形态法操作对标线点云进行去噪。本发明通过使用OTSU算法自动寻找最佳阈值，使用KD‑Tree进行粗差剔除，通过临近点搜索，根据距离和点密度的生长准则，可以更准确地去除不符合特征条件的点，从而保留了标线的完整性和形状特征；通过数学形态滤波方法进行去噪处理，能够更有效地去除噪声同时保留标线的形状特征，可以更好地平衡去噪和标线保留之间的效果，从而得到较为完整的标线点云。
专利类型：	发明专利
国家地区组织代码：	山东;37
申请人：	山东科技大学
发明人：	刘冰;张晓鹏;刘如飞
专利状态：	有效
申请日期：	2023-07-25T00:00:00+0800
发布日期：	2023-11-24T00:00:00+0800
申请号：	CN202310918214.6
公开号：	CN117115012A
代理机构：	济南金迪知识产权代理有限公司
代理人：	孙倩文
分类号：	G06T5/00;G06T5/30;G06T7/11;G06T7/136;G06T7/187;G06T17/00;G06V10/764;G;G06;G06T;G06V;G06T5;G06T7;G06T17;G06V10;G06T5/00;G06T5/30;G06T7/11;G06T7/136;G06T7/187;G06T17/00;G06V10/764
申请人地址：	266590 山东省青岛市黄岛区前湾港路579号
主权项：	1.一种道路路面点云标线分割去噪方法，其特征在于，包括如下步骤： S1：收集车载道路激光点云数据； S2：将步骤S1获得的车载道路激光点云数据进行布料模拟滤波，从而获得道路路面点云数据； S3：对步骤S2得到的道路路面点云数据进行OTSU阈值分割，自动寻找最佳阈值，从而将标线从路面中提取出来； S4：构建KD-Tree三维空间索引，通过KD-Tree将分割之后的点云进行粗差去除； S5：对分割后的点云进行数学形态滤波操作，从而更好地对分割出的标线达到良好的去噪效果，提高点云数据的质量。 2.根据权利要求1所述的道路路面点云标线分割去噪方法，其特征在于，步骤S2包括以下子步骤： S21：对车载道路激光点云数据进行垂直方向的翻转； S22：设置网格的大小，初始化虚拟的布料，布料位置需要在翻转后点云中最高点的上方； S23：将点云与布料粒子投影到同一平面，搜索粒子的最近邻点云并储存其高程值h； S24：布料粒子能够模拟成包含若干质点的栅格，这些质点之间相互联系且具有质量属性，质点通过重力作用下进行移动，而当质点移动到地面时则不可移动，计算可移动粒子在重力作用下的位移，布料粒子在重力作用下的位移计算公式为：式中，m代表粒子的质量，设置为1，Δt表示时间步长；G表示计算常数；X表示在时间t时的质点位置；将可移动粒子在重力作用下的位移与对应最近邻点云的高程值h比较，若可移动粒子在重力作用下的位移小于或等于h则将粒子高度设为h，再将粒子设为不可移动； S25：计算各布料粒子受内部驱动力因素影响下的位移，计算公式为：式中，d表示粒子的位移质量；b表示参数常数，当粒子为可移动时，其值等于1，当粒子为不可移动时，其值等于0；p0表示准备移动的粒子位置；pi表示与准备移动粒子相邻的粒子位置；表示垂直方向上的归一化向量； S26：重复步骤S24与S25，当所有粒子的高度变化小于设定阈值或迭代次数达到最大时停止； S27：计算车载道路激光点云与粒子之间的高度差，公式如下：其中，N表示车载道路激光点云和虚拟布料中的点数，hi为第i个虚拟粒子的高度，zi为与其最近邻的车载道路激光点云的高程值；D表示车载道路激光点云与粒子之间的高度差； S28：若点云与粒子间高度差小于设定阈值，则认为是地面点，否则是非地面点。 3.根据权利要求1所述的道路路面点云标线分割去噪方法，其特征在于，步骤S3包括以下子步骤： S31：读入步骤S2得到的道路路面点云数据，遍历点云数据获得强度最大值Imax与最小值Imin，并记录点云总个数N0，将强度分为L个强度级，统计各强度级出现的点云个数ni，则点云中每个强度级出现的概率表示为： S32：假设以强度值k(Imin3S，即P与邻近k个点的距离平均值大于其3倍标准差，则认为P点为粗差点，故应剔除。 5.根据权利要求4所述的道路路面点云标线分割去噪方法，其特征在于，步骤S41中利用KD-Tree建立点云数据的三维空间索引的过程为： (1)选取第1个分割位，此处选择将点云数据按照x坐标进行分割； (2)找到第1个分割点，根据选中的坐标轴，找到所有点中的中位数，并将该点作为当前根节点； (3)将点集划分成左右两部分，把比中位数小的所有点放在左边，比中位数大的所有点放在右边； (4)对两个子节点重复步骤(1)～(3)，直到每个子节点只剩下一个点时终止，这时所有非叶子节点的左右节点都为单个数据点。 6.根据权利要求4所述的道路路面点云标线分割去噪方法，其特征在于，所述步骤S5包括如下子步骤： S51：使用建立的KD-Tree点云数据的三维空间索引结构，将其划分为局部区域，每个区域包含一个中心点以及临近点集合； S52：距离阈值是指任意激光点P与k个最邻近点的距离，根据距离阈值搜索临近点的密度以及分布规律，得到该局部区域的特征信息，包括：临近点数量、距离、法向量； S53：生成适当大小和形状的结构元素，用于数学形态学滤波处理，结构元素大小和形状取决于局部的特征和距离阈值； S54：对于每个局部区域，将其包含的点集做数学形态滤波操作，以去除噪声和离群点，即进行开运算，先腐蚀，后膨胀； f(x，y)为输入图像，b(x，y)为结构元素，定义如下：膨胀：结构元素b对f进行了灰度膨胀记为定义为 Df和Db分别是f和b的定义域，s、t表示输出图像的位置坐标，膨胀运算是由在结构元素确定的域中，选取的最大值；腐蚀：结构元素b对f进行灰度腐蚀记为 (f⊙b)(s，t)＝min{f(s+t，t+y)+b(x，y)\|(s+x)，(t+y)∈Df，(x，y)∈Db} 腐蚀是由结构元素确定的域中选取的的最小值；开运算，用b开运算f，记为定义为将结构元素内的所有数据填充为区域最小值，然后再填充为该区域的最大值；对于每个P点，根据其临近点的特征信息和结构元素进行数学形态学滤波处理，并将处理后的点P’加入到新的点云中； S55：重复上述步骤S52～S54，直到所有的局域区域都被处理完成，最终得到的点云即为数学形态学滤波处理的结果。 7.根据权利要求6所述的道路路面点云标线分割去噪方法，其特征在于，对于滤波后出现的过腐蚀的情况，通过KD-Tree建立的三维空间索引，设置好生长准则，分别为距离与点的密度两个条件，判断种子点的邻域点是否与邻域点属于同一特征条件；采用距离与点密度两个条件来判断种子节点的领域点是否与领域点属于同一特征，如果满足该条件将该点作为种子点继续生长，否则不加入，以此类推，将所有满足特征条件的邻域点划入到同一区域内，直到生长结束，从而得到完整的标线。 8.根据权利要求6所述的道路路面点云标线分割去噪方法，其特征在于，步骤S51中，对于地面道路点云数据的处理，将车载设备附近的点划分为局部区域，进行局部区域划分时，按照以下步骤进行： A、根据数据特征确定局部区域的中心点，选择在数据中心或者关键位置附近进行划分； B、利用KD-Tree进行相邻点的搜索和分类，将与局部区域中心点距离近的点划分为一类，即临近点集合，使用最邻近搜索来确定每个点与中心点之间的距离和相对位置，以此进行分类。 9.根据权利要求6所述的道路路面点云标线分割去噪方法，其特征在于，步骤S52中，对于临近点数量与距离，先在KD-Tree中搜索到目标点周围一定范围内的所有数据点，然后对这些数据点进行统计与计算，在搜索时记录下目标点距离在一定范围内的所有数据点的数量，或者计算这些点的到目标点的距离平均值、最大值、最小值的距离特征；对于法向量，通过计算目标点周围点云的法向量获取局部区域的法向量，从与目标点距离在一定范围内的数据点集合中，选取一个子集作为样本点集，通过主成分分析来计算该点集的法向量，从而获取整个局部区域的法向量。
所属类别：	发明专利