一种车载激光点云数据恢复路面缺失点的方法与流程

1.本发明涉及数据处理技术，特别涉及一种车载激光点云数据恢复路面缺失点的方法。


背景技术：

2.随着道路建设的不断发展，为了面向未来车路协同、道路基础设施全周期数字化管理的需求，建设数字化的道路平台成为研究热点。车载激光雷达是耦合了高精度卫星定位技术、惯性导航技术、激光扫描系统、全景高清影像采集系统的测绘技术，通过车辆在路面上行驶扫描道路周边环境，可以精确采集到三维激光点云数据，获得丰富的道路信息，这些数据可以用于道路基础设施的数字化管理、地图生成、道路检测等。
3.传统的测量方法效率低，需要花费大量的人力、物力，而车载激光雷达有着速度快、精度高、测距远、受环境干扰小、分辨率高等优点，能显著提高测量效率，采集到的数据类型主要包括点的三维坐标信息、反射强度信息、颜色信息等，坐标精度为0.02m。由于采集得到的三维激光点云数据的数据量十分庞大，不能直接从中获得所需道路信息，因此需要先对其进行处理，提取出所需的道路要素信息，目前已有研究对三维激光点云数据进行语义分割、目标识别，提取识别出路面点以及路边路灯、灯牌等道路设施点，其中路面点是最为重要的道路信息，可以从中得到道路的几何线型信息。通常激光雷达车辆在路面上行驶时，经常会受到路面上其它行驶车辆遮挡的影响，导致部分路面点的缺失，从而导致部分道路信息的缺失，因此有必要将激光点云数据中缺失的路面点进行恢复。


技术实现要素：

4.发明目的：针对以上问题，本发明目的是提供一种车载激光点云数据恢复路面缺失点的方法。
5.技术方案：本发明的一种车载激光点云数据恢复路面缺失点的方法，包括如下步骤：
6.(1)根据时间戳将缺失的激光点云数据划分为若干条扫描线；
7.(2)根据每条扫描线上路面点的数量以及每条扫描线上相邻两个点之间的距离，判断扫描线上是否存在路面点缺失；
8.(3)若扫描线存在路面点缺失，通过临界点内插对缺失点进行恢复。
9.进一步，步骤(1)中，根据时间戳将缺失的激光点云数据划分为若干条扫描线包括：
10.激光雷达扫描点是按扫描线的顺序进行，设激光点云数据中每个路面点采集到的时间为t
i
，其中i为每个点的编号，令每个路面点所在的扫描线序号为l
i
，其中第一扫描点对应的扫描线序号为1，即l1＝1，若两个相邻点之间的时间差小于阈值时，即t
i 1
‑
t
i
<t
n
，则这两个相邻点在同一扫描线，即l
i 1
＝l
i
，否则，则令下一扫描点的扫描线序号在当前扫描点扫描线序号基础上加1，即l
i 1
＝l
i
1，其中，t
n
为一条扫描线上相邻两个点时间差的阈值。
11.进一步，步骤(2)中，判断扫描线上是否存在路面点缺失包括：
12.计算每条扫描线上相邻两点的距离，表达式为：
[0013][0014]
式中，k为扫描线序号，n
k
为第k条扫描线上路面点的数量，和分别为第k条扫描线上第j个点与第j 1个点的坐标，若第k条扫描线上第j个点与第j 1个点之间存在数据点的缺失时需要同时满足以下条件：
[0015][0016]
式中，d0为每条扫描线上相邻两点的距离阈值，n0为路面点不存在缺失的扫描线上路面点的数量。
[0017]
进一步，步骤(3)中，通过临界点内插对缺失点进行恢复包括：
[0018]
在第j个点与第j 1个点之间进行内插，内插点的数量由第j个点与第j 1个点间的距离确定，初步设定按间隔d0恢复一个内插来进行，设内插点的数量为m，则需要内插点数量的表达式为：
[0019][0020]
式中，[]表示四舍五入的取整，则实际相邻两个内插点间的距离为则该条扫描线上第s个恢复点的坐标表达式为：
[0021][0022]
有益效果：本发明与现有技术相比，其显著优点是：与现有技术相比，本发明有效解决了行驶车辆遮挡导致的激光点云数据中部分路面点缺失的问题；现有恢复路面点的技术需要扫描角，而并非所有的激光点云数据都包含扫描角数据，本发明只需要xyz坐标数据、采集时间数据即可实现，具有更好的适用性与高效性。
附图说明
[0023]
图1为行驶车辆遮挡导致的路面点缺失图；
[0024]
图2为点云数据划分的扫描线图；
[0025]
图3为存在缺失点的扫描线图；
[0026]
图4为恢复的缺失点图；
[0027]
图5为缺失点恢复后的路面点云图。
具体实施方式
[0028]
本实施例以南京市城市道路的数据集为例，如图1所示，由于受到路面行驶车辆遮挡的影响，数据集中存在部分路面点的缺失。本实施例所述的一种车载激光点云数据恢复路面缺失点的方法，包括如下步骤：
[0029]
(1)根据时间戳将缺失的激光点云数据划分为若干条扫描线：
[0030]
激光雷达扫描点是按扫描线的顺序进行，在同一条扫描线上，两个相邻点采集到的时间差很小，而当从一条扫描线的最后一个点跳跃到下一条扫描线的第一个点时，时间差会有一个显著上升，设激光点云数据中每个路面点采集到的时间为t
i
，其中i为每个点的编号。令每个路面点所在的扫描线序号为l
i
，其中第一扫描点对应的扫描线序号为1，即l1＝1，若两个相邻点之间的时间差小于阈值时，即t
i 1
‑
t
i
<t
n
，则这两个相邻点在同一扫描线，即l
i 1
＝l
i
，否则，则令下一扫描点的扫描线序号在当前扫描点扫描线序号基础上加1，即l
i 1
＝l
i
1，其中，t
n
为一条扫描线上相邻两个点时间差的阈值。
[0031]
由于同一扫描线上相邻点的时间差与相邻扫描线上点的时间差有着数量级上的差异，因此t
n
取值在10
‑4数量级，每个路面点所在的扫描线序号相同的点即为同一条扫描线上的点，划分的扫描线见图2。
[0032]
(2)根据每条扫描线上路面点的数量以及每条扫描线上相邻两个点之间的距离，判断扫描线上是否存在路面点缺失：
[0033]
计算每条扫描线上相邻两点的距离，表达式为：
[0034][0035]
式中，k为扫描线序号，n
k
为第k条扫描线上路面点的数量，和分别为第k条扫描线上第j个点与第j 1个点的坐标，若第k条扫描线上第j个点与第j 1个点之间存在数据点的缺失时需要同时满足以下条件：
[0036][0037]
式中，d0为每条扫描线上相邻两点的距离阈值，d0可取0.2m，n0为路面点不存在缺失的扫描线上路面点的数量。存在缺失点的扫描线见图3。
[0038]
(3)若扫描线存在路面点缺失，通过临界点内插对缺失点进行恢复：
[0039]
由于一条扫描线是在道路的一个横断面位置上，而一个横断面位置上路面的横坡是一个定值，因此对于路面缺失点，可以通过临界点内插进行恢复，在第j个点与第j 1个点之间进行内插，内插点的数量由第j个点与第j 1个点间的距离确定，初步按间隔d0恢复一个内插来进行，本实施例中d0取0.2m，设内插点的数量为m，则需要内插点数量的表达式为：
[0040][0041]
式中，[]表示四舍五入的取整，则实际相邻两个内插点间的距离为则该条扫描线上第s个恢复点的坐标表达式为：
[0042][0043]
恢复的路面点见图4(深色部分)，恢复路面缺失点之后的路面点云如图5所示。
[0044]
为了验证本方法的恢复精度，剔除一些已知坐标的路面点，再利用本实施例所提出的方法进行路面点恢复，比较恢复出的路面点与实际路面点的坐标偏差。本实施例随机挑选了6条扫描线，每条扫描线上人工额外剔除20个路面点，每条扫描线上的平均误差见表1。
[0045]
表1恢复路面点的精度
[0046][0047]
由结果可知，恢复的路面点的x坐标平均误差为1.70cm，y坐标平均误差为0.63cm，z坐标平均误差为0.33cm。由于一条扫描线是在道路的一个横断面位置上，因此恢复路面点的y坐标与z坐标的误差很小，均在毫米级。由于三维坐标数据的采集精度为0.02m，因此恢复路面点的x坐标也具有良好的精确性。