發(fā)布時間：2022-01-15 17:27

　　車載激光掃描近年來被廣泛應用于道路環(huán)境信息提取及道路三維模型重建方面等工作,然而由于測量數(shù)據(jù)中包含目標種類繁多、點云數(shù)據(jù)量大,仍然需要大量的人工處理步驟以實現(xiàn)道路標線等目標的提取,已有研究所提出的自動化目標提取算法在實用性上仍不成熟。基于車載激光點云,利用標線點云的空間分布特點及反射強度信息,結合行車軌跡及標線的位置、高程特征,提出了一種能快速提取道路標線的方法。首先基于點云反射強度指標建立Logistic回歸模型,以選取合適的閾值進行標線點分類。其次,利用行車軌跡及標線點的位置、高程特征建立圓柱體搜索區(qū)域,并且進行定步長迭代式的標線點搜索。最后,對搜索結果進行分段式最小二乘法擬合并將其轉換為CAD三維多段線,從而得到道路標線提取結果。該方法中采用的Logistic回歸模型兼顧了標線點的提取率和誤判率兩大指標,在保證足夠提取率的同時,使得誤判率盡量低。所提出的定步長迭代式的搜索方法具有極強的適應性,在標線不清晰甚至較大面積缺失的情況下也能準確地提取出道路標線。以Topcon公司生產的IP-S2移動測繪系統(tǒng)為例的試驗結果表明:該算法能高效、穩(wěn)定地提取道路標線、提取精度,以符合工程實踐需要... 

【文章來源】：公路交通科技. 2019,36(07)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

道路標線提取流程Fig.3Flowchartofroadmarkinglineextraction

Ｖけ晗吣夂閑Ч?。2.1.2模型標定與對比采用Ｒ語言進行Logistic回歸模型的建立與參數(shù)標定。將數(shù)據(jù)集分為訓練集(80%)和測試集(20%)，用Ｒ語言完成5折交叉驗證(5-fold-cross-validation)的Logistic回歸分析［12－13］，得到模型參數(shù)β0=－13.668，β1=0.0782。為檢查模型可靠性，繪制了ＲOC曲線，如圖4所示。本研究Logistic回歸模型計算得到的AUC為0.8915，交叉驗證得到的預測準確率為0.9512，可靠性較高［14］。圖4ＲOC曲線Fig.4ＲOCcurve標線點概率閾值的選取對標線點判別有很大影響。多次試驗后發(fā)現(xiàn)，判別模型應保證至少40%的提取率以保證最小二乘法的樣本數(shù)量，且誤判率應盡量低。為此通過研究提取率和誤判率兩個指標隨不同標線點概率閾值p0的變化趨勢(表2)，確定最佳標線點概率閾值。可以看出，隨著p0的增大，提取率TPＲ和誤判率FPＲ的值都不斷下降，當FPＲ為0時，最大的TP在p0=0.50時取到，此時的提取率為0.41。因此，取概率閾值p0=0.5。采用p0=0.5時的Logistic回歸模型得到的混淆矩陣表如表3所示。可以看出，此時提取數(shù)為2932，且誤判數(shù)為0，誤判率為0。用分位數(shù)法算得θ=0.0687，分位數(shù)Iθ=160，準確率為93.51%。從混淆矩陣對比表(表4)可以看出，分位數(shù)法的提取率較高，但誤判率遠大于Logistic回歸模型，因此Logistic回歸模型相比分位數(shù)法更具可靠性，故選擇Logistic回歸模型為標線點判別模型。2.2標線迭代式提取算法反射強度是標線點識別的一個重要指標，但仍需加

戶在AutoCAD中選擇的標線起點O，后續(xù)搜索區(qū)域的底面圓心C為上一段標線線段的末端端點;(2)按照前述方法，計算搜索區(qū)域位置處的道路切線方向向量S;(3)以S作為搜索區(qū)域的中心軸方向向量，以用戶指定的基點作為搜索區(qū)域的底面圓心，創(chuàng)建一個底面半徑r為0.2m，高h為0.5m的圓柱體區(qū)域。2.2.3篩除高反射強度的非標線點除道路標線點外，在創(chuàng)建的搜索區(qū)域內存在許多高反射強度的非標線點(如車輛外殼及護欄等設施)。根據(jù)道路設計標準，其縱坡一般小于8%［16］，圖5搜索區(qū)域的建立Fig.5Establishmentofsearcharea圖6搜索區(qū)域Fig.6Searcharea道路標線的高程變化也相對緩慢，據(jù)此可以篩除行駛的車輛、路側護欄等反射強度較高而高程較大的點。記圓柱體搜索區(qū)域中心軸的xy平面投影線段長度為hx，標線起始點為點O。設試驗路段最大縱坡為imax，如果將搜索區(qū)域內點Pi的反射強度代入邏輯回歸模型中得到的預測概率大于0.5，且高程hP與基點高程h0之間的高程差符合hPi－h(huán)0＜hx×imax的判別條件，則可將其判別為標線點，記標線點集合為{Q1，Q2，Q3，…，Qn}。2.2.4標線擬合算法將搜索區(qū)域內判別出的標線點{Q1，Q2，Q3，…，231

【參考文獻】：
期刊論文
[1]基于激光雷達的三維車載掃描儀系統(tǒng)研究[J]. 潘明夷,才家華,龍星宇.  科技資訊. 2017(19)
[2]一種用于激光雷達識別車道標線算法[J]. 孔棟,孫亮,王建強,王曉原.  科學技術與工程. 2017(16)
[3]基于車載三維激光掃描的道路線提取研究[J]. 李明輝,田雪冬,胡維強.  測繪與空間地理信息. 2014(04)
[4]空間離散點最小二乘法分段直線擬合的研究[J]. 韓慶瑤,肖強,樂英.  工業(yè)儀表與自動化裝置. 2012(04)
[5]淺談道路的縱坡設計[J]. 肖志禮.  黑龍江科技信息. 2011(23)

碩士論文
[1]基于車載激光點云數(shù)據(jù)的典型地物分類與提取[D]. 唐云龍.北京工業(yè)大學 2015



本文編號：3591027