針對(duì)車載激光點(diǎn)云中道路邊界提取困難,自動(dòng)化程度低的問題,提出一種基于離散點(diǎn)Snake的車載激光點(diǎn)云道路邊界提取方法。不同于傳統(tǒng)基于圖像建立Snake,本文直接基于離散點(diǎn)建立Snake模型。先利用偽軌跡點(diǎn)數(shù)據(jù),確定初始輪廓位置,參數(shù)化不同類型的道路邊界初始輪廓;然后基于離散點(diǎn)構(gòu)建適合多類型道路邊界的Snake模型,定義模型內(nèi)部、外部和約束能量,通過能量函數(shù)最小化推動(dòng)輪廓曲線移動(dòng)到顯著道路邊界特征點(diǎn)處,實(shí)現(xiàn)不同道路邊界的精細(xì)提取。本文試驗(yàn)采用3份不同城市場景的車載激光點(diǎn)云數(shù)據(jù)驗(yàn)證本文方法的有效性,道路邊界提取結(jié)果的準(zhǔn)確率達(dá)到97.62%,召回率達(dá)到98.04%,F1-Measure值達(dá)到97.83%以上,且提取的道路邊界結(jié)果與軟件交互提取的結(jié)果有較好的吻合度。試驗(yàn)結(jié)果表明,本文方法能夠修正噪聲、斷裂等數(shù)據(jù)質(zhì)量對(duì)道路邊界提取的影響,能夠?qū)崿F(xiàn)各類復(fù)雜城市環(huán)境中不同形狀道路邊界的提取,具有較強(qiáng)的穩(wěn)健性和適用性。 

【文章來源】：測繪學(xué)報(bào). 2020,49(11)北大核心

【文章頁數(shù)】：13 頁

【部分圖文】：

基于離散點(diǎn)Snake的車載激光點(diǎn)云道路邊界提取

式中,wl(s)、wr(s)表示軌跡線v(s)距離左右道路邊界距離,即道路寬度的一半,在保證算法速度和精度的情況下,左右寬度初始值一般小于最小道路寬度的一半w0(s)=wl(s)=wr(s)≤1/2·min(wd),wd為道路寬度;n(s)為軌跡線單位法向量。1.2.2.2 閉合道路邊界初始輪廓

為保證拐角道路邊界處的連續(xù)性,取距離首末道路出入口拐點(diǎn)的兩端10至30個(gè)Snake點(diǎn),與左右條帶vgl(s)、vgr(s)一起定義為拐角處初始輪廓線,即道路出入口處Snake的初始輪廓線,如圖3(c)所示。1.3 基于離散點(diǎn)的Snake模型能量

【參考文獻(xiàn)】：
期刊論文
[1]基于DBN的車載激光點(diǎn)云路側(cè)多目標(biāo)提取[J]. 羅海峰,方莉娜,陳崇成,黃志文.  測繪學(xué)報(bào). 2018(02)
[2]GVF Snake與顯著特征相結(jié)合的高分辨率遙感圖像道路提取[J]. 王峰萍,王衛(wèi)星,薛柏玉,曹霆,高婷.  測繪學(xué)報(bào). 2017(12)
[3]車載激光掃描數(shù)據(jù)路坎點(diǎn)云提取方法[J]. 羅海峰,方莉娜,陳崇成.  地球信息科學(xué)學(xué)報(bào). 2017(07)
[4]基于點(diǎn)云密度的結(jié)構(gòu)化道路邊界增強(qiáng)檢測方法[J]. 蘇致遠(yuǎn),徐友春,彭永勝,王任棟.  汽車工程. 2017(07)
[5]先驗(yàn)知識(shí)引導(dǎo)的車載激光掃描點(diǎn)云道路信息提取[J]. 魏雙全,房華樂,林祥國.  測繪科學(xué). 2014(10)
[6]基于車載LiDAR數(shù)據(jù)的道路邊界精細(xì)提取[J]. 李永強(qiáng),王文越,鄭艷慧,曹鴻,孫鵬,楊莎莎.  河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(04)
[7]車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法[J]. 方莉娜,楊必勝.  測繪學(xué)報(bào). 2013(02)
[8]面向車載激光掃描點(diǎn)云快速分類的點(diǎn)云特征圖像生成方法[J]. 楊必勝,魏征,李清泉,毛慶洲.  測繪學(xué)報(bào). 2010(05)
[9]Snake模型綜述[J]. 李天慶,張毅,劉志,胡東成.  計(jì)算機(jī)工程. 2005(09)

博士論文
[1]點(diǎn)云模型分割與融合關(guān)鍵技術(shù)研究[D]. 孫金虎.南京航空航天大學(xué) 2013
[2]車載LiDAR點(diǎn)云中建筑物的自動(dòng)識(shí)別與立面幾何重建[D]. 魏征.武漢大學(xué) 2012

碩士論文
[1]OpenStreetMap輔助的車載激光點(diǎn)云道路幾何特征提取[D]. 韓婷.武漢大學(xué) 2018



本文編號(hào)：2997347