摘要：移動鐳射掃描（mobile laser scanning ,MLS）系統可以在高速公路上以前所未有的速度和比傳統測量更低的成本直接收集精確的三維資訊。這滿足了高速增長的交通相關道路測量需求，包括到路面幾何和道路環境。道路標記作為交通管理系統的一種道路特徵，在給駕駛員和行人指導方面具有重要作用。本文提出了一種逐步識別MLS點雲道路標記的方法。為了提高計算效率，我們首先提出了 一種基於路邊石的路面提取方法。這個方法首先根據車輛行駛軌跡將原始MLS資料劃分為一組輪廓，然後通過坡度和高度差閾值提取輪廓中因約束引起的小高度跳變。接下來利用擴充套件的逆距離加權（inverse-distance-weighted,IDW）方法，將提取的路面上的點插入到一個地理參考強度影象中。最後，我們動態地將地理參考強度影象分割成具有多個閾值的道路標記候選影象，這些閾值對應於點強度的不同範圍。最後採用線性單元的形態學閉合操作，通過去除噪聲和提高完整性，用於細化道路標記候選項。在分析引數靈敏度和整體效能的基礎上，全面討論了這種道路標記提取演算法。對一組具有實際基準的道路標記進行了實驗研究，結果表明，該演算法為從MLS資料中提取道路標記提供了一種很有前途的解決方案。

1、介紹

      隨著人口和城市化的增加導致了對交通運輸服務的需求不斷增長。因此這些服務需要能夠提供有關道路維護、路面狀況、公共設施管理、街道夾具升級、安全分析和交通噪音水平的最新資訊的工具。這些資訊在規劃、建造和維護道路基礎設施方面的重要性已經刺激了大量用於道路資產清查的專門軟體的增加。在遙感資料採集領域中，高效廉價的資料採集技術在道路提取和街道場景物件識別中越來越流行。

     路面標記作為道路交通管理系統的重要特徵，在位駕駛員和行人提供指導和資訊方面具有重要作用。路面標記作為道路交通管理系統的重要特徵，在為駕駛員和行人提供指導和資訊方面具有重要作用。例如，駕駛員輔助系統需要可靠的環境感知，通過告知駕駛員並防止事故發生來提高交通安全。隨著路面狀況和路面地形的變化，由於道路自身的原因，路面標誌的可見度是造成事故的關鍵因素 要一個實用的系統來監控道路標記。

       許多研究已經從數字影象和視訊中識別道路標記。當從數字照片或視訊中進行道路標記檢測時，精確的幾何資訊受到以下環境因素的限制:(1)道路標記的形狀和型別，如固體連續線、箭頭和文字;(2)路面材料，如淺色路面、深色路面或不同路面的組合;(3)天氣狀況，以及一天中對路面能見度影響最大的時間，(4)來自樹木和移動車輛的複雜陰影(McCall和Trivedi, 2006)。儘管從數字照片和視訊中進行道路標記檢測的工作已經進行了多年，但是完全自動化的道路標記提取仍然是一個挑戰.

     與攝影測量相比，鐳射掃描作為一種主動遙感技術，在較短的時間內捕獲高密度的高精度點雲(Haala et al.， 2008;Chehata等人，2009;Ussyshkin, 2009)。典型的，MLS技術非常適合於柵格對映（corridor mapping），因為它的“drive-by”資料採集模式充分地捕捉了道路環境，包括道路的幾何形狀和道路標記 。該技術以高速公路的速度和比傳統調查成本更低的成本，以前所未有的細節收集精確的三維地理空間資料。在交通規則，MLS比其他資料收集手段更安全，不需要道路封閉和交通中斷，從而降低專案的整體風險。最近，由於鐳射掃描相關元件技術(例如掃描、成像和定位裝置)的發展，一些MLS系統已經出現在市場上(Graham,2010)。雖然有許多公司和研究小組提供他們的資料處理服務和解決方案，涉及道路資產清單、管理和維護(Gordon, 2010)， MLS軟體和自動化演算法。與MLS硬體的發展相比，提取道路特徵仍然比較緩慢(Yang et al.， 2013)。

      道路標記是漆在道路上的反光表面;目標的反射率的強度可以用來識別道路標記(Chen et al.， 2009)。根據路面和路面標記的強度差異，Toth等將道路標記作為的基準控制（ground control ），用於圖片資料的質量評價(quality assessment,QA)或質量控制(quality control,QC)。Smadja等人對強度資料應用一個單一的閾值來提取道路標記。Yang等人(2012)首先對MLS點應用插值法，然後利用強度和海拔差資訊對地理參考特徵影象進行分割，勾勒出實邊線和折線標記。最後，通過整合它們的語義知識(如形狀、大小)來估計道路標記。然而，由於大多數演算法已經將全域性閾值分割應用於MLS點雲的強度資料，引入了更多的噪聲，使得這種方法在提取道路標記時效率較低。強度資料高度依賴於從掃描器到物體的範圍、鐳射脈衝的入射角度以及路面的材料特性。因此，在分割前需要對強度資料進行規範化。Jaakkola等人(2008)從FGI Roamer MLS系統獲得的強度資料中對道路標記建模：(1)對強度資料進行輻射校正和分割，(2)進行形態學運算得到一組片段，(3)對這些片段進行交叉等性質的分類。然而，該演算法只能用於停車線和斑馬線。輻射測量校準擬合在掃描中心兩側的峰值之間的二階曲線。Chen等人(2009)利用自適應閾值定位道路標記候選體，其中閾值與鐳射束返回的絕對值不變，利用霍夫變換聚類提取道路標記，然後進行軌跡約束和幾何檢驗的細化步驟。由於指定要檢測的道路標記的數量，Hough變換用於道路標記提取的使用被削弱了，這是複雜型別的道路標記(如剖面線和文字)的一個限制因素。Vosselman(2009)引入了距離相關強度歸一化和連通分量分析來識別道路標記。儘管識別了幾種型別的道路標記，但是仔細觀察一輛自行車的標記就會發現，提取出來的標記不完整並且帶有顯著的噪聲。用於擬合道路標記部分的預先定義的形狀被認為是原因。除了導讀標記外，其他高反射性的城市 元素（交通標誌、樹木和草地）以及花等可能會對道路標記的提取產生負面影響。為了細化提取的道路標識，需要考慮高度資訊和形狀標準等措施。由於道路標記繪製在路面上，我們提出了一種方案，首先從MLS資料中識別道路表面，然後從識別的道路資料中提取道路標記。在此方案下，道路標記的提取僅限於道路表面，不受其他引起嚴重失真的物體的干擾。

       本文的目的是開發一個用於移動地圖系統的道路標記識別框架，並分析它在從RIEGL VMX-450 MLS資料中選擇的各種道路標記型別上的效能。第2節描述了從RIEGL VMX-450 MLS系統的研究領域和資料。我們的方法在第3節中提出，目的是提取道路標記。該方法首先基於路邊石提取道路，通過檢測基於車輛軌跡資料的一組輪廓上的路邊石引起的高度跳變，將道路與非道路點分開。這些剖面為從大量的MLS資料中提取路面提供了有效的策略。然後，將分類的道路點插入到一個地理參考的強度影象中。接下來,為了降低噪聲，將基於點密度的多閾值分割方法應用於位置參考強度影象中，利用形態學操作識別道路標記。在第4節中對所進行的測試進行了描述和分析。結論見第5節。

3.方法

道路標誌線的提取可以視為逐步解釋MLS資料的過程，主要步驟如下：

（1）基於路邊石的道路提取：原始的MLS資料基於行車軌跡被劃分為塊和相應的剖面。通過這種方法偽掃描線形成並且檢測由路邊石引起的高度差。

（2）產生地理參考強度影象。分割的道路點被插值到地理參考強度影象中通過擴充套件的逆距離權值方法，這一方法綜合了局部和全域性的強度資料。

（3）道路標識線提取：利用點密度相關的多閾值分割方法對地理參考強度影象進行分割，以識別由形態學閉操作細化的道路標誌線。                                                                                                                                                                                           路邊石的作用是在城市場景中將道路和路邊分離開 ，路邊石高度通常在10cm至20cm之間，取決於特殊的城市街道設計和建築材料。基於路邊石是道路表面邊界的假設，我們提出了基於路邊石的方法來提取道路表面。

       我們使用行車軌跡資料，將原始的MLS資料以Rg為間隔劃分成一系列的資料塊Blocki(i=0,1,2..N)，當收集鐳射掃描資料時，RIEGL MLS系統沿著機車移動的方向記錄行車軌跡 。在每一個Blocki內，相關的剖面以一定寬度Sg橫切。如下圖a所示。  圖b是原始MLS資料的一個樣本，藍線表示剖面位置。由於RIEGL MLS系統被用於此項研究中，車架被定義為右正交座標系，其原點在任意的使用者定義點。車架的方向是固定的，所以x軸是朝向車輛前部的，y軸是朝向車輛右側的，z軸是朝向車輛底部的                      

     從剖面圖可以看出路邊石几乎垂直於道路表面並且有一定高度跳躍。因此，我們想要通過坡度和高度差閾值估計路邊石邊角來將道路與非道路點分離。之後，每個剖面首先以Sp的寬度劃分成偽掃描線的網格，Sp主要取決於MLS資料的點密度。第二，對每一個單元格取樣選擇主要點，如圖3所示。為了在每個單元格內選擇主要點，我們使用了快速排序演算法根據他們的海拔高度對網格單元內所有點進行排序。從最低點開始，計算兩個連續點之間的高程差，並且將他們分組到不同層,N是在每個單元格內點的數量。當且僅當高程差低於預定義的閾值時，兩個連續的點被標記為同一層，也就是， 否則一個新層被建立來分離兩個點。通常我們設定LT=5cm.假設屬於道路表面的點在最底層。每個單元格的主要點通過在最低層中選擇高程差最大的點來確定。使用這個方案，大多數離群點（如覆蓋路面的樹點）都可以被移除。圖三所示的red1 circles表示從單元格選出的主要的點。這些提取出來的點重新組織成一個偽掃描線，以較少干擾的噪音保持道路點和關鍵道路特徵。如圖3（b）所示。

     在本研究中，我們的路邊石邊角檢測演算法是基於坡度和高度差估計，並以兩種相反的方向應用在掃描中心。我們從數學上定義後來產生的偽掃描線內兩個連續點之間的坡度，以及掃描線內的點與周圍點的高程差。我們使用兩個標準來檢測一個點是否為路邊石邊角。

（1）首先，人行道和路面邊界間的坡度通常比路面上連續點間的坡度大。

（2）人行道上的點比其臨近道路上的點高度大。

坡度標準可以檢測出非道路點，如車或者路邊石。高程差標準能夠從非道路點中檢測出路邊石。路邊石高度大概是10cm至25cm，我們從數學上定義這兩個標準為：

指兩個連續點之間的坡度。指給定的坡度閾值。Gi是一個點與周圍點的高程差。Gmin和Gmax分別是最大最小閾值。這個定義可以描述如下：對於偽掃描線內的任意點Pi,如果Sslop大於ST，並且Gi在Gmin 和Gmax之間，點Pi就被標記為路邊石候選點。否則，Pi就是非路邊石點。隨著檢測汽車沿著街道移動，根據對路面的先驗知識，我們選擇離掃描中心最近的路邊石候選點為路邊石邊角。從剖面識別出路邊石邊角之後，我們應用B-Spline擬合算法產生兩個順滑的道路邊界，並且最終將道路與非道路點分離。

3.2產生強度地理參考影象

        從MLS資料中提取出道路點之後，我們將道路關鍵點柵格化為地理強度參考影象，畫素灰度值從領域插值使用IDW（inverse-distance-weighted，逆距離加權方法）插值。儘管插值會造成精度上的損失，但使用已建立的影象處理演算法來處理大量的MLS資料是非常有效的。我們對Yang提出的IDW插值（IDW interpolation）擴充套件，產生地理參考的強度影象。影象畫素值由點強度所決定，類似於3.1節格網寬度（grid width Sp）。

       作為對yang的文章的一種擴充套件，生成強度影象有以下兩個規則：

      （1）點的反射強度越大權重就越大

      （2）離中心點越遠的點權重越小

       根據上述兩個規則，格網單元灰度值計算如下：

從MLS資料中提取道路點後，


我們將感興趣的道路點柵格化成一個地理參考的強度影象，其中一個畫素的灰度值是用IDW插值從其最近的鄰居中插值出來的。雖然插值可能會導致精度損失，但使用已建立的影象處理演算法來處理大量的MLS資料是非常有效的。我們擴充套件了Yang等人(2012)提出的IDW插值，生成了一個地理參考強度影象。影象解析度(rg)由點密度決定，類似於3.1節的網格寬度。