基于点密度与卡尔曼滤波的路面标识线提取方法

doi:10.7523/j.ucas.2022.024

中国科学院大学学报 ›› 2023, Vol. 40 ›› Issue (6): 800-809.DOI: 10.7523/j.ucas.2022.024

• 电子信息与计算机科学 • 上一篇下一篇

基于点密度与卡尔曼滤波的路面标识线提取方法

李晓宇^1,2, 周梅¹, 王金虎¹, 姚强强¹

1. 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室, 北京 100094;
2. 中国科学院大学光电学院, 北京 100049

收稿日期:2022-02-17 修回日期:2022-03-28 发布日期:2022-04-07
通讯作者: 周梅,E-mail:zhoumei@aoe.ac.cn
基金资助:
国家自然科学基金（61771456）资助

Road marking detection and extraction method based on neighborhood density and Kalman filter

LI Xiaoyu^1,2, ZHOU Mei¹, WANG Jinhu¹, YAO Qiangqiang¹

1. CAS Key Laboratory of Quantitative Remote Sensing Information Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China;
2. School of Optoelectronics, University of Chinese Academy of Sciences, Beijing 100049, China

Received:2022-02-17 Revised:2022-03-28 Published:2022-04-07

摘要/Abstract

摘要： 提出一种基于邻域点密度和卡尔曼滤波的车载激光点云路面标识线提取与补全方法。该方法由3个部分组成：1）利用时间信息将路面点云数据分割为单条扫描线；2）根据邻域点密度自动生成卷积核以提取标识线轮廓点；3）结合最小二乘算法拟合标识线轮廓，并利用卡尔曼滤波算法填补缺损标识线。经实验验证，最终标识线提取结果的平均中心点位置偏差为0.04 m，平均方向偏差为0.04°，平均完整度为99.69%。该方法降低了点云密度分布不均对路面标识线检测精度的影响，可有效提高标识线检测的完整度。

关键词: 车载激光扫描, 点云, 卷积, 路面标识线, 卡尔曼滤波

Abstract: This paper presents a methodology for detection and extraction of road marking based on neighborhood point density and Kalman filter from mobile laser scanning in three steps:1) Segmenting road point clouds into scan lines; 2) Generating convolution kernel based on point density in neighborhood for extracting road marking contour points; 3) Fitting contour line using least squares algorithm and completing omitted road markings using Kalman filter. A quantitative validation shows that the average deviation of center points and orientation are 0.04 m and 0.04°, respectively, and the average completeness of results are 99.69%. The proposed method reduces the influence of unevenly distributed points on road marking extraction and improves the overall extraction completeness.

Key words: mobile laser scanning, point clouds, convolution, road markings, Kalman filter

中图分类号:

TP75

李晓宇, 周梅, 王金虎, 姚强强. 基于点密度与卡尔曼滤波的路面标识线提取方法[J]. 中国科学院大学学报, 2023, 40(6): 800-809.

LI Xiaoyu, ZHOU Mei, WANG Jinhu, YAO Qiangqiang. Road marking detection and extraction method based on neighborhood density and Kalman filter[J]. Journal of University of Chinese Academy of Sciences, 2023, 40(6): 800-809.

参考文献

[1] Tan H C, Zhou Y, Zhu Y, et al. A novel curve lane detection based on improved river flow and RANSA[C]//17th International IEEE Conference on Intelligent Transportation Systems (itsc). October 8-11, 2014, Qingdao, China. IEEE, 2014:133-138. DOI:10.1109/ITSC.2014.6957679.
[2] 方莉娜, 黄志文, 罗海峰, 等. 车载激光扫描数据中实线型交通标线提取[J]. 测绘学报,2019,48(8):960-974. DOI:10.11947/j.AGCS.2019.20180579.
[3] 牟春霖. 车载激光雷达在城市轨道交通勘测中的应用[J]. 铁道勘察, 2020, 46(6):44-49. DOI:10.19630/j.cnki.tdkc.202007140004.
[4] Liu L R, Ma H, Chen S Y, et al. Image-translation-based road marking extraction from mobile laser point clouds[J]. IEEE Access, 2020, 8:64297-64309. DOI:10.1109/ACCESS.2020.2985413.
[5] Yang B S, Fang L N, Li Q Q, et al. Automated extraction of road markings from mobile Lidar point clouds[J]. Photogrammetric Engineering & Remote Sensing, 2012, 78(4):331-338. DOI:10.14358/PERS.78.4.331.
[6] Ma L F, Li Y, Li J, et al. Capsule-based networks for road marking extraction and classification from mobile LiDAR point clouds[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, 22(4):1981-1995. DOI:10.1109/TITS.2020.2990120.
[7] 闫利, 李赞. 车载激光点云道路标线提取方法[J]. 遥感信息, 2018, 33(1):1-6. DOI:10.3969/j.issn.1000-3177.2018.01.001.
[8] Yu Y T, Li J, Guan H Y, et al. Learning hierarchical features for automated extraction of road markings from 3-D mobile LiDAR point clouds[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(2):709-726. DOI:10.1109/JSTARS.2014.2347276.
[9] Kim H, Liu B B, Myung H. Road-feature extraction using point cloud and 3D LiDAR sensor for vehicle localization[C]//201714th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI). June 28-July 1, 2017, Jeju, Korea (South). IEEE, 2017:891-892. DOI:10.1109/URAI.2017.7992858.
[10] Otsu N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1):62-66. DOI:10.1109/TSMC.1979.4310076.
[11] 尹辉增, 方莉娜. 智能交通系统中道路标识线自动提取方法[J]. 科技资讯, 2012,10(26):167-168. DOI:10.16661/j.cnki.1672-3791.2012.26.182.
[12] 邹晓亮, 缪剑, 郭锐增, 等. 移动车载激光点云的道路标线自动识别与提取[J]. 测绘与空间地理信息, 2012, 35(9):5-8. DOI:10.3969/j.issn.1672-5867.2012.09.002.
[13] Yan L, Liu H, Tan J X, et al. Scan line based road marking extraction from mobile LiDAR point clouds[J]. Sensors(Basel, Switzerland), 2016, 16(6):903. DOI:10.3390/s16060903.
[14] Kalman R E. A new approach to linear filtering and prediction problems[J]. Journal of Basic Engineering, 1960, 82(1):35-45. DOI:10.1115/1.3662552.
[15] Ester M, Kriegel H P, Sander J, et al. A density-based algorithm for discovering clusters in large spatial databases with noise[C]//Proceedings of the Second International Conference on Knowledge Discovery and Data Mining. August 2-4, 1996, Portland Oregon, America. AAAI Press,1996:226-231.
[16] Cheng M, Zhang H C, Wang C, et al. Extraction and classification of road markings using mobile laser scanning point clouds[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(3):1182-1196. DOI:10.1109/JSTARS.2016.2606507.
[17] Yang B S, 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. DOI:10.1016/j.isprsjprs.2017.06.007.
[18] Yang M M, Wan Y C, Liu X L, et al. Laser data based automatic recognition and maintenance of road markings from MLS system[J]. Optics & Laser Technology, 2018, 107:192-203. DOI:10.1016/j.optlastec.2018.05.027.

基于点密度与卡尔曼滤波的路面标识线提取方法

Road marking detection and extraction method based on neighborhood density and Kalman filter

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	董文豪, 张怀. 基于迁移学习的岩屑岩性识别[J]. 中国科学院大学学报, 2023, 40(6): 743-750.
[2]	许凯凯, 张锐. 基于SE-TCN的一维低采样卫星帆板温度遥测数据插补方法[J]. 中国科学院大学学报, 2023, 40(6): 810-820.
[3]	张萌, 潘志刚. 基于分层模糊聚类和小波卷积神经网络的SAR图像变化检测算法[J]. 中国科学院大学学报, 2023, 40(5): 637-646.
[4]	肖俊, 石光田. 三维点云去噪技术[J]. 中国科学院大学学报, 2023, 40(5): 577-595.
[5]	王孟醒, 冯毅飞, 杨栋宇, 申立勇. 一种经济型扫描式数字化测量系统[J]. 中国科学院大学学报, 2023, 40(4): 547-554.
[6]	姚沐风, 昝露洋, 李柏鹏, 李庆亭, 陈正超. 基于CAR-Siamese网络的高分辨率遥感图像建筑物变化检测[J]. 中国科学院大学学报, 2023, 40(3): 380-387.
[7]	张龙, 肖俊, 程晓龙, 王颖. 基于多类型几何图元匹配的三维点云配准[J]. 中国科学院大学学报, 2023, 40(2): 258-267.
[8]	庄子俊, 袁晓兵, 裴俊, 王国辉, 刘建坡. 基于无监督表达学习的森林地貌特征建模及林火易发性评估[J]. 中国科学院大学学报, 2023, 40(2): 227-239.
[9]	霍鑫怡, 李焱磊, 陈龙永, 张福博, 孙巍. 基于卷积注意力和胶囊网络的 SAR少样本目标识别方法[J]. 中国科学院大学学报, 2022, 39(6): 783-792.
[10]	刘王超, 娄鑫. 基于双目点云的三维物体检测准确性分析[J]. 中国科学院大学学报, 2022, 39(5): 677-683.
[11]	马曌月, 肖俊, 王颖. 基于面提取的三维岩体点云孔洞检测与修复方法[J]. 中国科学院大学学报, 2022, 39(5): 668-676.
[12]	古煜民, 阎福礼. 基于不同骨架UNet++网络的建筑物提取[J]. 中国科学院大学学报, 2022, 39(4): 512-523.
[13]	张韬, 肖俊, 王颖. 基于匹配点逐层过滤的岩体点云配准方法[J]. 中国科学院大学学报, 2022, 39(3): 352-359.
[14]	张杰, 李婧华, 胡超. 基于容积卡尔曼滤波的卫星导航定位解算方法[J]. 中国科学院大学学报, 2021, 38(4): 532-537.
[15]	肖亚楠, 周伟, 崔杰, 刘亭亭, 肖灵. 一种LSTM神经网络和卡尔曼滤波相结合的复合材料承载预测方法[J]. 中国科学院大学学报, 2021, 38(3): 374-381.