基于车载激光点云的道路几何信息自动化提取

doi:10.12141/j.issn.1000-565X.220459

华南理工大学学报(自然科学版) ›› 2023, Vol. 51 ›› Issue (2): 88-99.doi: 10.12141/j.issn.1000-565X.220459

所属专题： 2023年交通运输工程

基于车载激光点云的道路几何信息自动化提取

于斌张钰钦王羽尘陈天珩

东南大学交通学院，江苏南京 211189

收稿日期:2022-12-12 出版日期:2023-02-25 发布日期:2023-02-01
通信作者: 于斌（1985-），男，工学博士，教授，博士生导师，主要从事绿色智能交通、功能性路面材料研究。 E-mail:yb@seu.edu.cn
作者简介:于斌（1985-），男，工学博士，教授，博士生导师，主要从事绿色智能交通、功能性路面材料研究。
基金资助:
国家自然科学基金资助项目(51878163)

Automated Extraction of Road Geometry Information Using Mobile LiDAR Point Cloud

YU Bin ZHANG Yuqin WANG Yuchen CHEN Tianheng

School of Transportation，Southeast University，Nanjing 211189，Jiangsu，China

Received:2022-12-12 Online:2023-02-25 Published:2023-02-01
Contact: 于斌（1985-），男，工学博士，教授，博士生导师，主要从事绿色智能交通、功能性路面材料研究。 E-mail:yb@seu.edu.cn
About author:于斌（1985-），男，工学博士，教授，博士生导师，主要从事绿色智能交通、功能性路面材料研究。
Supported by:
the National Natural Science Foundation of China(51878163)

摘要/Abstract

摘要：

为了高效地进行道路设施信息采集与数字化建模，利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性，通过网格降采样和半径滤波精简点云规模、去除噪音点；通过栅格单元划分进行点云组织和索引，合理利用点云的空间局部性、缩减运算规模；利用道路要素在高程上的层次性与路面结构的连续性、光滑性，设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法，实现从原始点云到路面点云的精确分割；利用采集车辆的行驶轨迹信息获取道路走向，利用其方向向量与法向量进行道路横截面的划分；切取横截面后投影至二维平面，并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比，在复杂街区和郊区公路两个实验数据集，点云分割准确性均超过87%，完整性均超过97%，提取质量均超过86%，几何信息的平均相对误差较小，说明算法具有良好的提取质量。有限算力条件下，两个数据集中点云处理时间分别是6.864与10.078 s/km，几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度，在复杂街区和郊区公路环境下具有良好的适用性，可为道路设施的健康评定和三维重建提供参考。

关键词: 道路工程, 车载激光雷达, 路面提取, 点云分割, 聚类分析, 道路几何信息

Abstract:

To efficiently collect and digitally model road facility information, this paper constructed a method framework for automatic extraction of road geometry information by using vehicle-mounted laser point cloud data. For the disorder and redundancy of laser data, grid drop sampling and radius filtering were used to simplify the size of the point cloud and remove noise points. The point cloud is organized and indexed by grid cell division, and the spatial locality of the point cloud is rationally utilized to reduce the scale of operation. Using the hierarchy of road elements on elevation and the continuity and smoothness of pavement structure, elevation filtering, local normal vector filtering based on the principal component analysis framework, and DBSCAN clustering methods were designed to achieve accurate segmentation from the original point cloud to the pavement point cloud. The road direction was obtained by collecting vehicle trajectory information, and the road cross section was divided by its direction vector and normal vector. The cross-section was cut and projected onto a two-dimensional plane, and the road width and horizontal and horizontal parameters were extracted by sliding window and least square algorithm. By comparing the extraction algorithm with the manual measurement results, in the two experimental data sets of complex blocks and suburban roads, the accuracy of point cloud segmentation is more than 87%, the integrity is more than 97%, and the extraction quality is more than 86%. The average relative error of geometric information is small, indicating that the algorithm has good extraction quality. Under the condition of finite computation, the processing time of two data centralized point clouds is 6.864 and 10.078 s/km, respectively, and the extraction time of geometric information is 1.732 and 0.843 s/km, respectively. The proposed method can give a good balance between extraction efficiency and accuracy, and has good applicability in complex blocks and suburban highway environments. It can provide a reference for the health assessment and three-dimensional reconstruction of road facilities.

Key words: road engineering, mobile LiDAR, road extraction, point cloud segmentation, cluster analysis, road geometry information

中图分类号:

TN958.98

于斌, 张钰钦, 王羽尘, 等. 基于车载激光点云的道路几何信息自动化提取[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 88-99.

YU Bin, ZHANG Yuqin, WANG Yuchen, et al. Automated Extraction of Road Geometry Information Using Mobile LiDAR Point Cloud[J]. Journal of South China University of Technology(Natural Science Edition), 2023, 51(2): 88-99.

图/表 33

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

表1

图14

图15

图16

表2

图17

图18

图19

图20

表3

图21

图22

表4

图23

图24

图25

图26

图27

图28

表5

参考文献 22

1	KUMAR P， MCELHINNEY C， LEWIS P，et al ．An automated algorithm for extracting road edges from terrestrial mobile LiDAR data ［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2013，85：44-55.
2	YANG B， LIU Y， DONG Z，et al ．3D local feature BKD to extract road information from mobile laser scanning point clouds ［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2017，130：329-343.
3	GARGOUM S， BASYOUNY B， SABBAGH J，et al ．Automated highway sign extraction using lidar data ［J］．Transportation Research Record，2017，2643（1）：1-8.
4	方莉娜，杨必胜．车载激光扫描数据的结构化道路自动提取方法［J］．测绘学报，2013，42（2）：260-267.
	FAND Lina， YANG Bisheng ．Automated extracting structural roads from mobile laser scanning point clouds ［J］．Acta Geodaetica et Cartographica Sinica，2013，42（2）：260-267.
5	MA Y， ZHENG Y B， EASA S，et al ．Semi-automated Framework for generating cycling lane centerlines on roads with roadside barriers from noisy MLS data ［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2020，167：396-417.
6	许华荣，王晓栋，方遒．基于B样条曲线模型的结构化道路检测算法［J］．自动化学报，2011，37（3）：270-275.
	XU Huarong， WANG Xiaodong， FANG Xiu ．Structure road detection algorithm based on b-spline curve model ［J］．Acta Automatica Sinica，2011，37（3）：270-275.
7	IBRAHIM S， LICHTI D ．Curb-based street floor extraction from mobile terrestrial lidar point cloud ［J］．ISPRS-International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2012，39：193-198.
8	BORJA R C， SILVERIO G C， CELESTINO O，et al ．An approach to detect and delineate street curbs from MLS 3D point cloud data ［J］．Automation in Construction，2015，51：103-112.
9	YADAV M， HUSAIN A， SINGH A，et al ．Pole-shared object detection using mobile lidar data in rural road environments ［J］．ISPRS Annals of Photogrammetry，Remote Sensing and Spatial Information Sciences，2015，II-3/W5（1）：11-16.
10	YADAV M， SINGH A， LOHANI B ．Extraction of road surface from mobile LiDAR data of complex road environment ［J］．2017，38（16）：4655-4682.
11	YADAV M， LOHANI B， SINGH A ．Road surface detection from mobile LiDAR data ［J］．ISPRS Annals of Photogrammetry，Remote Sensing and Spatial Information Sciences，2018，IV-5 ：95-101.
12	MA Y， ZHENG Y， CHENG J，et al ．Real-time visualization method for estimating 3D highway sight distance using LiDAR data ［J］．Journal of Transportation Engineering，2019，145（4）：04019006.1-04019006.14.
13	TSAI Y， AI C， WANG Z，et al ．Mobile cross-slope measurement method using Lidar technology ［J］．Transportation Research Record，2013，2367（1）：53-59.
14	BARCO A， RIVEIRO B， AGUILERA D，et al ．Automatic inventory of road cross‐sections from mobile laser scanning system ［J］．Computer‐Aided Civil and Infrastructure Engineering，2017，32（1）：3-17.
15	LUO W， LI L ．Automatic geometry measurement for curved ramps using inertial measurement unit and 3D LiDAR system ［J］．Automation in Construction，2018，94：214-232.
16	GARGOUM S， BASYOUNY K， SABBAGH J ．Automated extraction of horizontal curve attributes using LiDAR data ［J］．Transportation Research Record Journal of the Transportation Research Board，2018，83：1-18.
17	HUSAIN A， VAISHYA A ．Road surface and its center line and boundary lines detection using terrestrial Lidar data ［J］．The Egyptian Journal of Remote Sensing and Space Sciences，2017，21（3）：363-374.
18	JIANG X， BUNKE H ．Edge detection in range images based on scan line approximation ［J］．Computer Vision & Image Understanding，1999，73（2）：183-199.
19	马东岭，王晓坤，李广云．一种基于高度差异的点云数据分类方法［J］．测绘通报，2018（6）：46-49.
	MA Dongling， WANG Xiaokun， LI Guangyun ．Research on the classification method of point cloud based on elevation difference ［J］．Bulletin of Surveying and Mapping，2018（6）：46-49.
20	GARGOUM S， BASYOUNY K， FROESE K ．A fully automated approach to extract and assess road cross sections from mobile LiDAR Data ［J］．Journal of Robotics & Machine Learning，2018，19（11）：219.
21	GUAN H， LI J， YU Y，et al ．Using mobile laser scanning data for automated extraction of road markings ［J］．Isprs Journal of Photogrammetry & Remote Sensing，2014，87（jan.）：93-107.
22	MA Y， ZHENG Y B， EASA S，et al ．Automated method for detection of missing road point regions in mobile laser scanning data ［J］．International Journal of Geo-Information，2019，8（12）：525.

实验数据	道路环境	平面范围/m²	点个数/10⁴	路线长度/km
数据集1	郊区公路	1 710×2 693	1 000	4.5
数据集2	复杂街区	535×1 149	781	0.6

实验数据	准确性p/%	完整性r/%	提取质量q/%
数据集1	87.49	98.95	86.67
数据集2	95.15	97.37	92.77

桩号	算法提取的路宽/m	手动提取的路宽/m	相对误差
10	16.492	16.954	0.027
20	17.775	17.888	0.006
30	12.457	13.260	0.061
40	16.883	13.556	0.245
50	15.293	16.048	0.047
60	17.025	16.028	0.062
70	16.599	14.581	0.138

桩号	算法提取的坡度/%	手动提取的坡度/%	相对误差
10	-1.120	-1.375	0.185
30	-0.387	-1.015	0.107
50	-1.135	13.260	0.135
70	0.733	0.767	0.048
90	0.269	0.222	0.215
110	1.011	0.944	0.070
130	-1.226	-1.667	0.264

实验数据	预处理/s	路面提取/s	几何信息计算/s	总时间/s	平均时间/（s·km^-1）
数据集1	3.230	19.863	7.795	30.888	6.864
数据集2	0.303	5.238	0.506	6.047	10.078

基于车载激光点云的道路几何信息自动化提取

Automated Extraction of Road Geometry Information Using Mobile LiDAR Point Cloud

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 33

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李百建, 黄炎, 符锌砂. 波纹钢形状与拱效应对加固盖板涵承载力的影响[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 110-118.
[2]	杨永红, 唐祖德, 王醇, 朱冠儒. 公路转弯段线形指标对混凝土护栏安全性能的影响[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 90-99.
[3]	毛雪松, 王悦月, 吴谦, 等. 渗流作用下多级配土石混合填料的结构演化规律[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 65-75.
[4]	兰凤崇, 张越, 陈吉清, 等. 人车碰撞事故中行人伤亡风险的关联性分析与预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 1-10.
[5]	张驰, 任士鹏, 王博, 等. 长大下坡路段货车运行速度特性及预测[J]. 华南理工大学学报(自然科学版), 2022, 50(3): 38-49.
[6]	陈吉清, 舒孝雄, 兰凤崇, 等. 典型危险事故特征的自动驾驶测试场景构建[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 1-8.
[7]	付国志, 韦金城, 赵延庆, 等. 沥青路面结构的动态效应对验收弯沉值的影响[J]. 华南理工大学学报（自然科学版）, 2021, 49(4): 90-96.
[8]	艾长发, 黄杨权, 罗柳芬, 等. 基于 ISS ＆ SSDR 的沥青路面层间疲劳寿命外因素综合影响预估#br#[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 58-66,74.
[9]	张驰, 胡涛, 林宣财, 等. 高速公路连续长下坡路段大型货车专用缓速车道研究 [J]. 华南理工大学学报（自然科学版）, 2020, 48(4): 104-113.
[10]	李百建朱良生符锌砂李勇. 两种内衬加固混凝土管涵的力学性能[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 101-107.
[11]	朱江鸿韩淑娴童艳梅李燕余荣光张虎元. 干湿循环对不同密度砂岩强度劣化的影响[J]. 华南理工大学学报（自然科学版）, 2019, 47(3): 126-134.
[12]	张驰侯宇迪秦际涵张宏. 基于制动毂温升的连续下坡安全设计方法[J]. 华南理工大学学报(自然科学版), 2019, 47(10): 139-150.
[13]	李百建符锌砂朱良生. 基于刚度等效的钢波纹板－减压板力学特性研究[J]. 华南理工大学学报(自然科学版), 2018, 46(9): 131-139.
[14]	李百建朱良生符锌砂. 基于刚度等效的钢波纹板叠合梁结构数值分析[J]. 华南理工大学学报（自然科学版）, 2018, 46(12): 111-120.
[15]	申爱琴宋攀郭寅川李鹏. 基于COMSOL Multiphysics的路表瞬态动水压力数值仿真分析[J]. 华南理工大学学报（自然科学版）, 2018, 46(11): 92-101.