朱二巧

(山東省國土測繪院，濟(jì)南 250013)

0 引言

斑馬線是城市管理與建設(shè)的重要基礎(chǔ)設(shè)施，斑馬線的自動識別與提取在城市基礎(chǔ)地理信息更新中具有重要意義，可大幅提高數(shù)據(jù)更新效率，為智慧城市的管理奠定基礎(chǔ)[1]。同時，隨著無人駕駛技術(shù)的發(fā)展，道路標(biāo)線的自動識別與提取已成為剛需，因此，斑馬線角點(diǎn)的定位與識別就變得至關(guān)重要。車載移動激光掃描系統(tǒng)作為一種新的空間數(shù)據(jù)采集技術(shù)，高度集成了衛(wèi)星定位接收機(jī)、激光掃描儀、慣性測量單元、工業(yè)相機(jī)等傳感器，具有實(shí)時、動態(tài)、主動、高精度和高密度等特點(diǎn)，能夠快速采集大面積的三維空間數(shù)據(jù)[2]，為獲取道路坑槽信息提供了高精度的數(shù)據(jù)源。

國內(nèi)外對于道路標(biāo)線的檢測正在實(shí)現(xiàn)由人工測量到車載移動測量的轉(zhuǎn)變。這種轉(zhuǎn)變大大減少了外業(yè)工作強(qiáng)度，可以在不影響行車安全的情況下快速獲取海量路面點(diǎn)云數(shù)據(jù)，為公路養(yǎng)護(hù)管理提供數(shù)據(jù)支撐。

目前斑馬線的提取與識別方法可以分為3類：一是圖像檢測法[3-4]，此類方法結(jié)合數(shù)字圖像處理技術(shù)分離出斑馬線像元，從而對斑馬線進(jìn)行定位，但受制于圖像自身的分辨率，且精度不高；二是點(diǎn)云檢測法[5-7]，此類方法主要根據(jù)斑馬線點(diǎn)云自身形態(tài)特征實(shí)現(xiàn)提取，提取效果較好，但是需要大量人工干預(yù)，自動化程度不高；三是機(jī)器學(xué)習(xí)法[8-10]，該方法基于現(xiàn)有的機(jī)器學(xué)習(xí)與人工智能算法自動檢測出所有符合斑馬線特征的區(qū)域，檢測速度較快但是極易受到周圍其他地物干擾，影響提取結(jié)果，很難適應(yīng)實(shí)際道路環(huán)境下的斑馬線的檢測。針對現(xiàn)有的點(diǎn)云檢測方法的不足，本文提出了一種基于點(diǎn)云掃描線的斑馬線角點(diǎn)精細(xì)提取算法，可快速準(zhǔn)確地提取斑馬線角點(diǎn)坐標(biāo)。

1 斑馬線角點(diǎn)提取算法

激光點(diǎn)云數(shù)據(jù)是一種高精度、高密度的離散數(shù)據(jù)，本文提出應(yīng)用點(diǎn)云掃描線實(shí)現(xiàn)斑馬線邊緣點(diǎn)的提取，結(jié)合隨機(jī)抽樣一致性算法(random sample consensus，RANSAC)分別對斑馬線的2條長邊與短邊進(jìn)行直線擬合，進(jìn)而提取出斑馬線的4個角點(diǎn)坐標(biāo)。算法流程如圖1所示。

圖1 算法流程圖

1.1 目標(biāo)點(diǎn)云二值化

人機(jī)交互提取的目標(biāo)點(diǎn)云內(nèi)包含斑馬線點(diǎn)云與非斑馬線點(diǎn)云。為排除非斑馬線點(diǎn)云對提取結(jié)果的影響，同時提高數(shù)據(jù)處理效率，本文把數(shù)字圖像處理領(lǐng)域內(nèi)的大津算法[11](OTSU)引入到點(diǎn)云數(shù)據(jù)處理中，計(jì)算最優(yōu)點(diǎn)云回波反射強(qiáng)度二值化分割閾值，區(qū)分斑馬線點(diǎn)云與非斑馬線點(diǎn)云。

不同的車載三維激光掃描系統(tǒng)所獲取的點(diǎn)云強(qiáng)度值存在差異，將所有點(diǎn)云的回波反射強(qiáng)度值歸一化至0～255強(qiáng)度區(qū)間內(nèi)，歸一化計(jì)算如式(1)所示。

(1)

式中：Ki表示第i個點(diǎn)云的歸一化強(qiáng)度值；Ii表示第i個點(diǎn)云的原始強(qiáng)度值；Imax表示點(diǎn)云回波反射強(qiáng)度最大值；Imin表示點(diǎn)云回波反射強(qiáng)度最小值。

遍歷255個歸一化強(qiáng)度區(qū)間所對應(yīng)的強(qiáng)度值t，并將其作為臨時分割閾值把點(diǎn)云分成2個部分。點(diǎn)云集合內(nèi)歸一化強(qiáng)度值小于t的點(diǎn)云個數(shù)記作N0，歸一化強(qiáng)度值大于t的點(diǎn)云個數(shù)記作N1，根據(jù)OTSU算法原理分別計(jì)算上述2部分點(diǎn)云集合所占的比例ω0、ω1以及平均歸一化強(qiáng)度值δ1、δ2，在此基礎(chǔ)上根據(jù)式(2)、式(3)計(jì)算類間方差g。

δ=ω0·δ0+ω1·δ1

(2)

g=ω0·(δ-δ0)2+ω1·(δ-δ1)2

(3)

當(dāng)且僅當(dāng)類間方差g取得最大值時，其對應(yīng)的臨時分割閾值t即為所求最優(yōu)二值化分割閾值T。實(shí)際情況下，斑馬線為人工刷制的油漆，其點(diǎn)云的強(qiáng)度值普遍偏大，故對于目標(biāo)點(diǎn)云集合而言，當(dāng)某個點(diǎn)云的回波反射強(qiáng)度值大于T時，則認(rèn)為是斑馬線點(diǎn)云；反之，認(rèn)為是非斑馬線點(diǎn)云。

1.2 斑馬線長邊獲取

遍歷所有掃描線的id索引，對同一條掃描線上點(diǎn)云按照其X坐標(biāo)或者Y坐標(biāo)值升序排序。如圖2所示，在排序的同時記錄下同一條掃描線上相距最遠(yuǎn)的2個斑馬線點(diǎn)云P1(x1，y1，z1)和P2(x2，y2，z2)的坐標(biāo)，以計(jì)算二者的水平距離d。若當(dāng)前掃描線上不存在或僅有一個斑馬線點(diǎn)云時，其對應(yīng)的水平距離d為0。

圖2 水平距離計(jì)算

掃描線遍歷結(jié)束后得到水平距離d的取值范圍：[dmin，dmax]，將上述區(qū)間等距劃分為若干小區(qū)間，統(tǒng)計(jì)落入各個小區(qū)間內(nèi)的掃描線條數(shù)。如圖3所示，對數(shù)據(jù)進(jìn)行直方圖統(tǒng)計(jì)分析，生成“掃描線條數(shù)-水平距離”頻率分布直方圖。不難發(fā)現(xiàn)，d值在某個小區(qū)間內(nèi)形成緊密聚類，獲取位于該區(qū)間內(nèi)所有掃描線的id索引，這些掃描線上首尾兩端處的斑馬線點(diǎn)云理論上分布于斑馬線長邊附近。若直接對目標(biāo)點(diǎn)進(jìn)行直線擬合，極易受到周圍噪聲點(diǎn)干擾，影響后續(xù)斑馬線長邊提取效果。為避免上述情況，此處使用迭代RANSAC直線擬合算法進(jìn)行處理。假設(shè)原始點(diǎn)集為Pi{p1，p2，…，pm}，經(jīng)過第一次擬合后計(jì)算所有點(diǎn)到擬合直線的距離hi，保留hi小于閾值的點(diǎn)Pj{p1，p2，…，pn}(n

圖3 頻率分布直方圖

1.3 斑馬線短邊邊緣處掃描線獲取

創(chuàng)建掃描線移動判別窗口以遍歷所有掃描線，設(shè)置相應(yīng)的判別條件從而獲取斑馬線首尾邊緣處的掃描線，并對目標(biāo)掃描線上的點(diǎn)云進(jìn)行直線擬合，得到掃描線直線方程。

如圖4所示，以斑馬線長邊為約束，創(chuàng)建一個包含k條(5≤k≤8)相鄰掃描線的移動判別窗口，窗口以k條掃描線為步長并沿著掃描線索引id增大的方向移動。在移動過程中，記錄窗口內(nèi)掃描線被2條斑馬線長邊所截取部分的點(diǎn)云總數(shù)n以及其中屬于斑馬線點(diǎn)云的個數(shù)m(m

(4)

圖4 移動窗口法示意圖

當(dāng)掃描線被長邊所截取部分的斑馬線點(diǎn)云增多時，ω值變大且無限趨近于1；反之，ω值變小且無限趨近于0。當(dāng)且僅當(dāng)百分比ω的最大值與最小值之差近似為1時，表明該判別窗口已經(jīng)移動至斑馬線的短邊邊緣處。如圖5所示，隨著判定窗口內(nèi)掃描線編號id的增大，其對應(yīng)的百分比ω值在整體上呈單調(diào)遞增或單調(diào)遞減的變化趨勢，故此處采用三次多項(xiàng)式曲線擬合算法對t個離散點(diǎn)進(jìn)行擬合，得到擬合曲線函數(shù)f(x)，如式(5)所示。

f(x)=a0+a1x+a2x2+a3x3

(5)

計(jì)算f(x)的二階導(dǎo)函數(shù)f″(x)，并令f″(x)=0得到函數(shù)拐點(diǎn)橫坐標(biāo)x0，對x0取整即可獲取斑馬線短邊邊緣處的掃描線索引id，如式(6)所示。

(6)

移動判別窗口遍歷結(jié)束之后，理論上可以檢索得到2條短邊邊緣處的掃描線，對這2條目標(biāo)掃描線上點(diǎn)云采用RANSAC算法進(jìn)行直線擬合得到直線方程L1、L2。

圖5 三次多項(xiàng)式曲線擬合結(jié)果

1.4 斑馬線角點(diǎn)坐標(biāo)提取

圖6 斑馬線角點(diǎn)計(jì)算

2 實(shí)驗(yàn)分析

為驗(yàn)證本文算法的準(zhǔn)確性，選取了實(shí)際道路某一路段點(diǎn)云作為實(shí)驗(yàn)數(shù)據(jù)，同時以實(shí)地人工測量所得的斑馬線角點(diǎn)坐標(biāo)作為真實(shí)值進(jìn)行對比分析，分別計(jì)算二者之間的點(diǎn)位中誤差σ與距離均方根誤差DRMS，定量分析本文算法的準(zhǔn)確性。實(shí)驗(yàn)數(shù)據(jù)如圖7所示。

圖7 實(shí)驗(yàn)數(shù)據(jù)

圖8為從實(shí)驗(yàn)數(shù)據(jù)中以紅色虛線框?yàn)榻绮们械拇幚睃c(diǎn)云，其中包含了一部分非斑馬線點(diǎn)云，斑馬線輪廓清晰完整，可較為精確提取4個角點(diǎn)坐標(biāo)。僅對當(dāng)前目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行處理。圖9(a)為斑馬線點(diǎn)云提取圖。從圖中可以看出，根據(jù)OTSU算法計(jì)算的點(diǎn)云強(qiáng)度二值化分割閾值可以很好地區(qū)分斑馬線點(diǎn)云與非斑馬線點(diǎn)云，一定程度上克服了人工設(shè)定二值化分割閾值造成分離結(jié)果不穩(wěn)健的問題。圖9(b)中的紅色虛線SL1、SL2為本算法提取的2條斑馬線長邊。結(jié)合直方圖統(tǒng)計(jì)分析可剔除無效的掃描線，保留了位于斑馬線長邊之上的點(diǎn)云，對其進(jìn)行RANSAC直線擬合可成功定位斑馬線長邊。圖9(c)中的紅色虛線L1、L2為本算法提取的斑馬線短邊邊緣處掃描線。原始點(diǎn)云中斑馬線短邊邊界不明顯，難以直接提取，本文算法基于移動判別窗口來分析斑馬線點(diǎn)云在相鄰掃描線上的分布特征，通過設(shè)定相應(yīng)的判別條件，從而有效提取斑馬線短邊邊緣處掃描線。圖9(d)為上述目標(biāo)點(diǎn)云中提取的斑馬線角點(diǎn)結(jié)果圖。從提取圖可以看出，本算法提取的斑馬線角點(diǎn)與實(shí)際角點(diǎn)幾乎重合，可較為全面地反映出斑馬線角點(diǎn)的真實(shí)坐標(biāo)。通過結(jié)合所獲取目標(biāo)直線的幾何特征進(jìn)行二次判定，可適應(yīng)多種行車環(huán)境下的斑馬線角點(diǎn)提取，適用于實(shí)際道路復(fù)雜多變的情況。

圖8 原始斑馬線點(diǎn)云

圖9 斑馬線角點(diǎn)提取流程

圖10為利用本文算法在實(shí)驗(yàn)區(qū)域內(nèi)提取的10個斑馬線角點(diǎn)。以點(diǎn)位中誤差與距離均方根誤差為指標(biāo)驗(yàn)證斑馬線角點(diǎn)提取質(zhì)量，分別將人工提取結(jié)果與本文算法提取結(jié)果進(jìn)行對比分析，分析結(jié)果如表1所示。

圖10 斑馬線角點(diǎn)提取結(jié)果圖

表1 斑馬線角點(diǎn)提取結(jié)果對比

從表1可以看出，大部分經(jīng)人工測量與本文算法提取的斑馬線角點(diǎn)點(diǎn)位中誤差在4 cm之內(nèi)，整體的距離均方根誤差也達(dá)到了3.7 cm。針對不同規(guī)格的斑馬線，利用本文方法同樣可以精確提取出角點(diǎn)坐標(biāo)，這是因?yàn)辄c(diǎn)云數(shù)據(jù)具有高精度的特征，通過掃描線分析實(shí)現(xiàn)斑馬線邊界直線的確定進(jìn)而提取角點(diǎn)坐標(biāo)的方法具有良好的適應(yīng)性。對于第6組角點(diǎn)，點(diǎn)位中誤差偏大，這是由于該斑馬線磨損程度較為嚴(yán)重，部分油漆已經(jīng)缺失無法分辨，造成角點(diǎn)提取錯誤。

3 結(jié)束語

本文以車載激光掃描點(diǎn)云數(shù)據(jù)為研究對象，針對城市道路上的斑馬線，充分挖掘點(diǎn)云自身屬性特征與三維空間分布特征，提出一種基于點(diǎn)云掃描線的斑馬線角點(diǎn)精細(xì)提取算法。算法對OTSU大津法加以改進(jìn)，引入到點(diǎn)云數(shù)據(jù)處理中，計(jì)算最優(yōu)點(diǎn)云回波反射強(qiáng)度二值化分割閾值，實(shí)現(xiàn)斑馬線點(diǎn)云與非斑馬線點(diǎn)云的有效分離，克服了人工設(shè)定分割閾值造成分離結(jié)果不穩(wěn)健的問題。同時以點(diǎn)云掃描線為基本研究單位，結(jié)合頻率分布直方圖進(jìn)行統(tǒng)計(jì)分析，剔除了無效的掃描線，最終保留了位于斑馬線長邊之上的點(diǎn)云對其進(jìn)行直線擬合，成功定位斑馬線長邊，有效克服了噪聲點(diǎn)云干擾的問題。實(shí)際道路的情況復(fù)雜多變，車載激光掃描儀在作業(yè)過程中產(chǎn)生的掃描線不一定完全垂直于斑馬線前進(jìn)方向，結(jié)合所獲取目標(biāo)直線的幾何特征進(jìn)行二次判定，可適應(yīng)多種行車環(huán)境下的斑馬線角點(diǎn)提取。實(shí)驗(yàn)結(jié)果表明，本文算法能夠準(zhǔn)確確定斑馬線角點(diǎn)坐標(biāo)，提取結(jié)果與人工測量結(jié)果具有高度一致性。