CN103761711B - 一种车载激光扫描路面点云非均匀抽稀方法 - Google Patents

Abstract

本发明公开了一种车载激光扫描路面点云非均匀抽稀方法，它首先根据车载***记录信息从离散点云中提取出每条扫描线，建立扫描线索引；然后根据要获取的数据精度、调查地物类型、点云密度等因素确定点抽稀和线抽稀尺度；最后基于扫描线索引进行单条扫描线上激光点抽稀和多条扫描线抽稀；在点抽稀过程中，分析以待抽稀点为中心的窗口点集内激光点的高程值和强度值变化，判断是否为信息特征点，予以保留；在线抽稀过程中，根据前一条已抽取的扫描线上信息特征点确定抽稀线上要保留的激光点。本发明提供了一种车载激光扫描路面点云非均匀抽稀方法，该方法在无损路面高程与强度信息的情况下实现了点云的抽稀，给后续数据处理和应用带来便利。

Description

一种车载激光扫描路面点云非均匀抽稀方法

技术领域

本发明涉及车载激光扫描***的数据处理技术。

技术背景

车载激光扫描***能采集大面积、高精度、高密度的海量路面点云数据，通过空间插值可以生成路面数字高程模型、路面强度图等，为进一步分析路面病害、路基沉降等应用提供基础数据。但由于点云数据量大，含有过多冗余信息，给后续数据处理和应用带来很大不便。因此，在不损失信息的前提下，如何对点云数据进行抽稀，用更少的数据表达路面、地物特征具有重要应用价值。

目前点云抽稀方法主要依据数据的空间特征建立抽稀准则，目的在于抽稀地形数据；但对于车载激光点云，不仅记录了地物表面的空间位置信息，还记录了地物强度信息，如果按照传统方法进行处理，则会破坏激光强度反映的信息，所以很需要发明一种新的点云抽稀方法。

发明内容

为了在车载激光扫描路面点云数据抽稀时，能够更好的保留路面空间与强度信息特征，本发明提出一种路面点云非均匀抽稀方法。

一种车载激光扫描路面点云非均匀抽稀方法，包括以下步骤：

第一步：获取车载***采集过程中的行驶轨迹、激光点扫描角度、扫描时间的信息数据，根据已知信息数据进行一系列坐标变换，将点云转化为相应坐标系下的平面坐标系点，然后根据相邻两个扫描点的时间差或角度差把离散的扫描点分割为一系列按照时间排序的扫描线；

第二步：根据需要获取的数据精度、调查地物类型、点云密度等因素确定线抽稀尺度和点抽稀尺度，具体为：

第2.1步：点抽稀尺度的确定

先获取目标地物类型尺寸宽度，比较该尺寸宽度与扫描线上相邻点距的关系，确定出抽稀比例和均匀抽稀间隔点数，然后抽取激光点；

上述抽稀比例＝相邻点距/尺寸宽度；例如尺寸宽度为20cm，相邻点距5cm，则抽稀比例为1/4，原来扫描线上100点，则抽稀间隔点数为4，即每4个点抽取一点，共抽取25点；

第2.2步：线抽稀尺度的确定

当要提取的目标地物类型尺寸小于扫描间隔时，不抽稀；当要提取的目标地物类型尺寸大于两倍扫描间隔时，可进行等间隔抽稀；例如扫描线间隔0.08m，路面坑槽宽度为0.2m，则可以从两条相邻扫描线中抽稀一条；

第三步：建立信息特征点判断准则，具体为：

第3.1步：首先构建以抽稀点为中心的窗口点集，根据扫描线上最小尺寸地物宽度，确定窗口点集数量大小W值；

第3.2步：确定高程特征点

以扫描线上路面中间向两侧一定范围内相邻点的高差均值表示路面粗糙度H_R值；计算待抽稀点与其他点的高程相近的数量HSN值和相差较大数量HDN值，计算时，两点高差H_d值符合条件H_d≤H_R，HSN值增加；当符合条件H_d＞H_R，HDN值增加；当HDN≥HSN时，为高程特征点；

第3.3步：确定强度特征点

在扫描线上对点云的强度值进行直方图统计，确定同类地物的强度最大范围，以两倍范围作为不同地物强度跳跃值I_j；对抽稀点为中心的窗口点集的强度值进行比较，计算强度相近数量ISN值和相差较大数量IDN值，两点强度差I_d值符合条件I_d≤I_j，ISN值增加；符合条件I_d＞I_j，值增加；当IDN≥ISN且IDN＜W-1时，为强度特征点；

第四步：对单条扫描线上激光点进行点抽稀

首先，根据第二步确定的点抽稀尺度均匀抽取激光点；然后，逐点判断每个被抽稀点的信息特征，根据第三步信息特征点判断准则，先判断高程信息特征，如果是，保留该高程特征点；当不是高程特征点时，再判断是否为强度信息特征点，如果是，保留该强度特征点；

第五步：对多条扫描线进行线抽稀

首先，根据线抽稀尺度从多条相邻扫描线中抽取一条；然后，根据前一条抽取的扫描线上信息特征点扫描角位置，分析其他待抽稀线上对应角度位置激光点的高程和强度是否相近，如果相近则保留该点。

本发明提供了一种车载激光扫描路面点云非均匀抽稀方法，该方法在无损路面高程与强度信息的情况下实现了点云的抽稀，给后续数据处理和应用带来便利。

附图说明

图1路面点云非均匀抽稀方法数据处理流程图；

图2高程特征判断原理图；

图3强度特征判断原理图；

图4非均匀抽稀过程示意图。

具体实施方式

为了更加清楚的说明本发明的技术方案，下面结合附图对本发明的技术方法做进一步详细描述。

本发明提供的车载激光扫描路面点云非均匀抽稀方法，数据处理流程如图1，描述如下：

第一步：获取车载***采集过程中的行驶轨迹、激光点扫描角度、扫描时间的信息数据，根据已知信息数据进行一系列坐标变换，将点云转化为相应坐标系下的平面坐标系点，然后根据相邻两个扫描点的时间差或角度差把离散的扫描点分割为一系列按照时间排序的扫描线；

第二步：根据需要获取的数据精度、调查地物类型、点云密度等因素确定线抽稀尺度和点抽稀尺度，具体为：

1)点抽稀尺度的确定：先获取目标地物类型尺寸宽度，比较该尺寸宽度与扫描线上相邻点距的关系，确定出抽稀比例和均匀抽稀间隔点数，然后抽取激光点；

上述抽稀比例＝相邻点距/尺寸宽度；例如尺寸宽度为20cm，相邻点距5cm，则抽稀比例为1/4，原来扫描线上100点，则抽稀间隔点数为4，即每4个点抽取一点，共抽取25点；

2)线抽稀尺度的确定：当要提取的目标地物类型尺寸小于扫描间隔时，不抽稀；当要提取的目标地物类型尺寸大于两倍扫描间隔时，可进行等间隔抽稀；例如扫描线间隔0.08m，路面坑槽宽度为0.2m，则可以从两条相邻扫描线中抽稀一条；

第三步：建立信息特征点判断准则，具体为：

1)首先构建以抽稀点为中心的窗口点集，根据扫描线上最小尺寸地物宽度确定窗口点集数量大小W值；如路面表面道路标示线最窄，其宽度为0.15m，扫描点间隔0.05，包含的点数为3，确定大于3的最近奇数5作为窗口大小；

2)确定高程特征点

以扫描线上路面中间向两侧一定范围内相邻点的高差均值表示路面粗糙度H_R值；然后计算抽稀点与其他点的高程相近的数量HSN值，根据公式(1)，计算时高差H_d值符合条件H_d≤H_R，HSN值增加；计算高程相差较大的数量HDN值，符合条件H_d＞H_R时，HDN值增加；当HDN≥HSN时，为高程特征点；

$\left\{\begin{array}{cc}\mathrm{HDN}=\mathrm{HDN}+1& (H_d>H_R)\\ \mathrm{HSN}=\mathrm{HSN}+1& (H_d\≤H_R)\end{array}\right.---\left(1\right)$

3)确定强度特征点

在扫描线上对点云的强度值进行直方图统计，确定同类地物的强度最大范围，以两倍范围作为不同地物强度跳跃值I_j；对抽稀点为中心的窗口点集的强度值进行比较，计算强度相近数量ISN值和相差较大数量ISN值，根据公式(2)，两点强度差I_d值符合条件I_d≤I_j，ISN值增加；符合条件I_d＞I_j，IDN值增加；当IDN≥ISN且IDN＜W-1时，为强度特征点；

$\left\{\begin{array}{cc}\mathrm{IDN}=\mathrm{IDN}+1& (I_d>I_j)\\ \mathrm{ISN}=\mathrm{ISN}+1& (I_d\≤I_j)\end{array}\right.---\left(2\right)$

如图2所示，点P_i为待抽稀点，窗口包含5个点，分别计算P_i与其他四个点(P_i-2，P_i-1，P_i+1，P_i+2)的高程差值H_d，根据公式(1)计算相近高程与异常高程的数量HSN和HDN。

图2中窗口点集高程分布4种情况：a：HDN＝0，HSN＝4；b：HDN＝4，HSN＝0；c：HDN＝3，HSN＝1；d：HDN＝2，HSN＝2；四种情况中，只有a可以抽稀，因此当HDN≥HSN时，为高程特征点；当高程符合a情况时，继续对强度值进行比较，分别计算P_i与其他四个点(P_i-2，P_i-1，P_i+1，P_i+2)的强度差值I_d，根据公式(2)获取相近强度与异常强度的数量ISN和IDN。

图3中窗口点集强度分布4种情况：A：IDN＝0，ISN＝4；B：IDN＝4，ISN＝0；C：IDN＝3，ISN＝1；D：IDN＝2，ISN＝2；由于强度值影响因素较多，根据地物连续分布特性，认为图3中B情况为强度粗差跳跃点，当符合A，B两种情况时，均可抽稀；因此当IDN≥ISN，IDN＜W-1时，为强度特征点。

第四步：对单条扫描线上激光点进行点抽稀

首先，根据第二步确定的点抽稀尺度均匀抽取激光点；然后，逐点判断每个被抽稀点的信息特征，根据第三步信息特征点判断准则，确定目标点是否为高程或强度信息特征点；为了保证空间信息准确性、完整性，先判断高程信息特征，如果是，保留该高程特征点；当不是高程特征点时，再判断是否为强度信息特征点，如果是，保留该强度特征点；具体为：

1)确定点抽稀尺度，确定抽稀比例为1/4，设置均匀抽稀间隔点数为4，即每4个点抽取一点；

2)逐点判断每个被抽稀点的信息特征，根据信息特征点判断准则，确定目标点是否为高程或强度信息特征点，为了保证空间信息准确性、完整性，先判断高程信息特征，当不是高程特征点时，再判断是否为强度信息点，保留该特征点，实现扫描线上点的非均匀抽稀。

如图4所示，扫描线Line₁上原始点(P₀，P₁，P₂…P_i)、激光点(P₀，P₄，P₈…)为根据抽稀比例均匀抽取的点，图中P₆和P₁₄为待抽稀点，根据准则判断P₆为高程和强度平滑点，可以抽稀；判断P₁₄为高程或强度特征点，需保留该点。

第五步：对多条扫描线进行线抽稀

首先，根据线抽稀尺度从多条相邻扫描线中抽取一条；然后，根据前一条抽取的扫描线上信息特征点扫描角位置，分析待抽稀线上高程或强度特征点，并保留；具体为：

1)确定线抽稀尺度，当要提取的目标地物类型尺寸小于扫描间隔时，不抽稀；当大于两倍扫描间隔时，可进行等间隔抽稀，例如扫描线间隔0.08m，路面坑槽宽度为0.2m，则可以从两条相邻扫描线中抽稀一条；

2)根据前一条扫描线上信息特征点扫描角位置，分析待抽稀线上对应扫描角度位置激光点的高程和强度是否相近，如果相近则保留，实现扫描线的非均匀抽稀。如图4所示，3条扫描线中间Line₂被抽稀去除，根据Line₁信息特征点，确定抽稀线Line₂上的对应位置的信息特征点被保留。

Claims (2)

1.一种车载激光扫描路面点云非均匀抽稀方法，其特征在于，包括以下步骤：

第一步：获取车载***采集过程中的行驶轨迹、激光点扫描角度、扫描时间的信息数据，根据已知信息数据进行一系列坐标变换，将点云转化为相应坐标系下的平面坐标系点，然后根据相邻两个扫描点的时间差或角度差把离散的扫描点分割为一系列按照时间排序的扫描线；

第二步：根据需要获取的数据精度、调查地物类型和点云密度因素确定线抽稀尺度和点抽稀尺度，具体为：

第2.1步：点抽稀尺度的确定

先获取目标地物类型尺寸宽度，比较该尺寸宽度与扫描线上相邻点距的关系，确定出抽稀比例和均匀抽稀间隔点数，然后抽取激光点；

第2.2步：线抽稀尺度的确定

当要提取的目标地物类型尺寸小于扫描间隔时，不抽稀；当要提取的目标地物类型尺寸大于两倍扫描间隔时，进行等间隔抽稀；

第三步：建立信息特征点判断准则，具体为：

第3.1步：首先构建以抽稀点为中心的窗口点集，根据扫描线上最小尺寸地物宽度，确定窗口点集数量大小W值；

第3.2步：确定高程特征点

以扫描线上路面中间向两侧一定范围内相邻点的高差均值表示路面粗糙度H_R值；计算待抽稀点与其他点的高程相近的数量HSN值和相差较大数量HDN值，计算时，两点高程差H_d值符合条件H_d≤H_R，HSN值增加；当符合条件H_d>H_R，HDN值增加；当HDN≥HSN时，为高程特征点；

第3.3步：确定强度特征点

在扫描线上对点云的强度值进行直方图统计，确定同类地物的强度最大范围，以两倍范围作为不同地物强度跳跃值I_j；对抽稀点为中心的窗口点集的强度值进行比较，计算强度相近数量ISN值和相差较大数量IDN值，两点强度差I_d值符合条件I_d≤I_j，ISN值增加；符合条件I_d>I_j，IDN值增加；当IDN≥ISN且IDN<W-1时，为强度特征点；

第四步：对单条扫描线上激光点进行点抽稀

首先，根据第二步确定的点抽稀尺度均匀抽取激光点；然后，逐点判断每个被抽稀点的信息特征，根据第三步信息特征点判断准则，先判断高程信息特征，如果是，保留该高程特征点；当不是高程特征点时，再判断是否为强度特征点，如果是，保留该强度特征点；

第五步：对多条扫描线进行线抽稀

首先，根据线抽稀尺度从多条相邻扫描线中抽取一条；然后，根据前一条抽取的扫描线上信息特征点扫描角位置，分析其他待抽稀线上对应角度位置激光点的高程和强度是否相近，如果相近则保留该点。

2.如权利要求1所述的车载激光扫描路面点云非均匀抽稀方法，其特征在于，所述抽稀比例＝相邻点距/尺寸宽度。