基於LiDAR數據與正射影像的停車場結構提取方法
2023-10-20 15:53:07
專利名稱：基於LiDAR數據與正射影像的停車場結構提取方法
技術領域：
本發明涉及一種停車場的結構提取方法，特別是涉及一種基於LiDAR數據與正射影像的停車場結構提取方法。
背景技術：
停車場，作為一種車輛臨時停歇的場所，伴隨著城市化進程的不斷發展正在迅速擴張著。如今，不論是在城鎮還是在郊區，停車場隨處可見，其範圍甚至超過了他們所服務的建築本身。
停車場，作為汽車社會的必需品，在人類生產生活中發揮著不可替代的作用，對於停車場的認知水平也顯得尤為重要。對於停車場結構和停車位數量的認識直接關係到最小停車需求(MPRs)的決策。MPRs近年來吸引了越來越多的注意力，成為了車輛停放政策相關的一個重要議題。合理的車輛停放政策不僅能夠減少車位數的布置數量，節約土地利用，還能夠減少其對自然環境的影響，例如車輛尾氣汙染，熱島效應，雨水流失等等。由於停車場數量是相關車輛停放政策的基礎，停車場結構和數量十分重要。另外，停車場結構在停車指導信息系統(PGIS)中扮演者重要角色，PGIS能夠有效地解決車輛停放問題。在PGIS中，一個熱門話題就是空停車位的檢測。對於這個問題，已經有了大量的技術手段，其共同點在於參照停車場結構的使用。還有一點就是，停車場的結構是機器人領域內研究熱點之一的自動駕駛的基礎。自動駕駛主要目標是使得車輛沿著預設的軌道行駛，並最終停靠下來，而其停靠位置必須是在一個準確的停車位內。這樣的控制系統要求自主駕駛一同提供有準確的路線信息以及準確的停車場結構信息。儘管停車場結構有其不可替代的重要意義，目前對於停車場結構多是採用手工繪圖方式，費時費力，效率低下。大範圍的自動停車場結構的提取成為了一個新的問題。目前利用遙感手段自動獲取停車場結構的方法還比較少。1998年，Wang，X等人在 「Applications of Computer Vision, 1998. WACV ' 98. Proceedings」 會議上首次提出了利用立體像對進行停車場結構的提取，根據影像線段構建空停車位，根據立體像對的高程信息構建車輛區域停車位。2009年，Seo Y W等人在「 Intelligent Robots andSystems,2009」 和「Proceedings ofInternational Joint Conference on ArtificialIntelligence」提出了一種分級策略的停車場結構提取方法，首先從影像中利用線段提取、插值、外推等步驟獲取停車場結構，再利用機器學習的方法進行停車位的篩選。已有的方法多是利用影像進行的停車場結構提取，其主要挑戰在於劇烈的光照變化、陰影效應、透視變形以及車輛遮蓋等，這些涉及到影像質量的問題都直接制約著停車場結構的提取的質量，因此提取的停車場結構準確率和精度都不高。
發明內容
本發明解決的技術問題是提出一種基於LiDAR數據與正射影像的停車場結構提取方法，能夠解決停車場結構提取過程中面臨的光照變化、陰影效應、透視變形以及車輛遮蓋等問題，準確且高精度地提取停車場的結構。為了解決上述技術問題，本發明提出的技術方案是一種基於LiDAR數據與正射影像的停車場結構提取方法，包括以下步驟第一步、利用LiDAR數據將停車場分為空地區域和非空地區域；第二步、提取LiDAR數據中非空地區域的疑似車輛面片，對疑似車輛面片進行篩選,去除非車輛面片，並生成車輛面片的中軸線；第三步、檢測正射影像數據中空地區域的邊緣信息，提取影像數據中的矢量邊緣 線段，得到空地區域中的停車場車位線；第四步、套合非空地區域中的車輛中軸線和空地區域中的車位線，對兩者進行篩選，對篩選後的車輛中軸線和車位線依其最大相交方向劃分停車道；第五步、計算停車場結構參數，包括停車道方向和停車道位置、停車位方向、停車位長度、停車位寬度；第六步、依據所述停車場結構參數構建停車場的車位線，並生成停車道的分割線，完成對停車場結構的提取。本發明的創新點在於本發明綜合利用從LiDAR數據提取的車輛中軸線和從正射影像數據提取的準確車位線信息進行停車場結構的構建，能夠有效解決傳統的基於影像的停車場結構提取過程中面臨的光照變化、陰影效應、透視變形以及車輛遮蓋等問題，從而可以準確高精度地進行停車場結構的構建。本發明對上述技術方案的改進是第四步中，將車輛中軸線與車位線套合後，互相之間夾角小於β的線段為一編組；對編組後的線段根據最大相交方向方法進行停車道劃分的方法，具體如下Ia)對所述編組中任一條線段中心點為圓心構建半圓，將半圓均分為η個扇形，依次將每個扇形的中心線雙向延伸，記錄每一中心線與其相交的所述編組中其他線段的數量，其中相交線段數量最多的中心線所在的方向為該線段的最大相交方向；Ib)每個編組內所有線段中相交線段數量最多的最大相交方向為該編組的主方向；Ic)計算編組內的所有線段中心點到所述編組主方向的距離，對距離值通過聚類計算進行編組，屬於同一編組的線段即位於同一停車道。上述方法中，β的範圍為3-5°，η的範圍為8-16。為構建停車場車位線，需要計算停車場結構參數，本發明在第五步中，計算停車場結構參數的方法如下2a)停車道方向及位置將位於同一停車道上的車輛中軸線的中點擬合直線，如果某停車道缺失車輛中軸線，則用該停車道上較長的車位線中點擬合直線，擬合得到的直線為停車道中心線，停車道中心線的斜率即為該停車道方向，截距即為停車道位置；2b)停車位方向將停車道的車位線角度的平均值作為該停車道的停車位候選方向，當停車位候選方向一側是停車道或停車場邊緣，則該側方向為該停車道的停車位方向；2c)停車位長度對於縱向和斜向停車道，在車位線及車輛中軸線中長度最長的線段即為停車位長度；對於橫向停車道，在車位線中長度最長的線段即為停車位長度；2d)停車位寬度對於縱向和橫向停車道，找到所有相鄰平行車位線之間的距離中出現次數最多的距離區間，該距離區間內所有平行車位線之間距離的平均值為停車位寬
度；對於斜向停車道，停車位寬度需要轉化為其在停車道方向上的長度，即Z = 其中
α為停車道方向和車位線的夾角，D為車位線之間的平行距離。本發明第六步中，根據停車場結構參數構建停車場車位線的方法具體如下3a)構建起始車位線-從每一停車道中選擇任一從正射影像中提取的車位線，
以其與相應停車道中心線的交點為中心，沿平行於所述停車位方向雙向延伸，使其長度等於所述停車位長度，得到起始車位線；·
3b)生成車位線——以起始車位線為起點，沿著平行於停車道方向以停車位寬度為間隔雙向生長，生長的過程中，如果生長的車位線與最近鄰車位線距離在O. 3m之內，則沿停車道方向平行移動生長的車位線，使其與提取的車位線重合度最高；以生長的車位線為參照，繼續向兩側生長，直到停車場邊緣；3c)生成停車道分割線——對每一停車道，在其停車位方向一側，連接各車位線的端點，形成停車道分割線，完成停車場結構的提取。為了計算停車場結構參數，本發明需要從LiDAR數據中生成非空地區域的車輛面片中軸線，並從正射影像數據中提取空地區域停車場車位線。其中本發明第二步中，從LiDAR數據中生成非空地區域的車輛面片中軸線的具體方法如下4a)對非空地區域的數據根據最大高程差、面積和最小外界矩形長寬比進行篩選，提取非空地區域中的車輛面片；4b)對車輛面片的邊緣進行離散化，使用離散點在車輛面片的多邊形內部構建不規則三角網，其中相鄰三角形個數為I的離散點為起始節點；4c)從每個起始節點開始,連接該點與所在三角形的對邊中點，由該中點繼續生長，若該中點有兩個未生長三角形，則計算這兩個三角形的面積，向面積較大的三角形方向生長，直到到達另一個起始節點；4d)在骨架線分支處，以分支部分的面積為標準，捨棄面積較小的分支，保留面積較大的分支，直至終止於多邊形的兩個節點，即得到主骨架線；對於主骨架線的各個節點進行擬合，即得到了多邊形中軸線，即車輛面片的中軸線。本發明從正射影像數據中提取空地區域停車場車位線的方法具體如下提取正射影像數據中空地區域的矢量邊緣線段，將角度小於5度、平行距離小於O. 3m且中點距離小於2m的線段編組；當編組內存在兩條以上線段時，根據這些線段的端點擬合出一條新的線段，完成車位線的提取。本發明的有益效果是I)本發明綜合利用從LiDAR數據提取的車輛中軸線和從正射影像數據提取的準確車位線信息進行停車場結構的構建，能夠有效解決傳統的基於影像的停車場結構提取過程中面臨的光照變化、陰影效應、透視變形以及車輛遮蓋等問題，從而可以準確高精度地進行停車場結構的構建。2)本發明利用套合的車輛中軸線和車位線信息，提出一種基於最大相交方向的方法，有效地了實現停車道的劃分，準確性高。3)本發明在停車場結構參數的計算中，充分利用了車輛中軸線信息和車位線信息，與傳統的僅使用車位線信息相比，利用的信息更全面更可靠，計算得到的結構參數準確性和精度更高。4)本發明在提取停車場結構的過程中，使用從正射影像數據中提取的車位線作為約束，當生長的車位線與從提取的車位線距離較近時，將其移動至提取車位線位置，從而有效地減少了生長過程中的傳遞誤差，提高了停車場結構提取的精度。
下面結合附圖對本發明的基於LiDAR數據與正射影像的停車場結構提取方法作進一步說明。圖I是本發明實施例的正射影像數據。圖2是本發明實施例的LiDAR數據。圖3是圖2中提取的疑似車輛面片。圖4是圖2中提取的車輛面片。圖5是提取的車輛面片的中軸線。圖6是圖I中檢測到的的線段圖。圖7是對圖6篩選後得到的結果圖。圖8是本發明實施例劃分的停車道的結果圖。圖9是本發明實施例的停車場車位線生長示意圖。圖10是本發明實施例提取的停車場結構圖。
具體實施例方式實施例本實施例的正射影像數據和LiDAR數據分別如圖I和圖2所示，其中正射影像數據解析度為5cm，LiDAR數據以不同的灰度值表示不同的高程，平均點間距為lm，高程精度為15cm,平面精度為30cm。本實施例的基於LiDAR數據與正射影像的停車場結構提取方法，採用ArcGIS9. 3、matlab2009> Visual Studio2OO8 以及開源軟體 Edge Detection and ImageSegmentationsystem共同完成,包括以下步驟第一步、利用LiDAR數據將停車場分為空地區域和非空地區域。本實施例使用數學形態學方法的打開操作提取車輛。對於LiDAR數據來說，打開操作可以消除點集中小於指定窗口大小高值區域。這裡利用數學形態學打開操作對LiDAR進行濾波，設定窗口大小為O. 5m，得到的疑似車輛面片如圖3所示，共30個面片。第二步、提取Li DAR數據中非空地區域的疑似車輛面片，對疑似車輛面片進行篩選,去除非車輛面片，並生成車輛面片的中軸線。具體方法如下4a)本實施例中經過第一步濾波後LiDAR數據中的疑似車輛面片中，存在一些小灌叢、小房屋等非車輛面片。根據面片的幾何特徵對疑似車輛面片進行篩選，採用的幾何特徵包括最大高程差、面積和最小外接矩形長寬比。其中最大高程差閾值設置為3m，面積閾值設置為3-12m2，要求最小外接矩形長寬比小於4，得到的車輛面片如附圖4所示，共19個面片。4b)本實施例中對提取得到的19個車輛面片的邊緣進行離散化，使用離散點在多邊形內部構建不規則三角網。4c)從每個起始節點開始,連接該點與所在三角形的對邊中點，由該中點繼續生長，若該中點有兩個未生長三角形，則計算這兩個三角形的面積，向面積較大的三角形方向生長，直到到達另一個起始節點。4d)在骨架線分支處，以分支部分的面積為標準，捨棄面積較小的分支，保留面積較大的分支，直至終止於多邊形的兩個節點，即得到主骨架線；對於主骨架線的各個節點使 用最小二乘擬合算法進行擬合，即得到了多邊形中軸線，即車輛面片的中軸線。如圖5所示，為對所有車輛面片檢測車輛中軸線得到的結果。第三步、檢測正射影像數據中空地區域的邊緣信息，提取影像數據中的矢量邊緣線段，得到空地區域中的停車場車位線。本實施例使用Edison邊緣檢測算子檢測正射影像影像中空地區域的邊緣信息，使用Hough變換提取矢量邊緣線段，得到如附圖6所示的結果。對空地區域的矢量邊緣線段，將角度小於5度、平行距離小於O. 3m且中點距離小於2m的線段編組；當編組內存在兩條以上線段時，根據這些線段的端點採用隨機採樣一致性算法擬合出一條新的線段，完成車位線的提取，如圖7所示，共29條車位線。第四步、套合非空地區域中的車輛中軸線和空地區域中的車位線，對兩者進行篩選，對篩選後的車輛中軸線和車位線依其最大相交方向劃分停車道。本實施例將車輛中軸線與車位線套合後，把互相之間夾角小於5°的線段為一編組；對編組後的線段根據最大相交方向方法進行停車道劃分的方法，具體如下Ia)對所述編組中任一條線段中心點為圓心構建半圓,將半圓均分為12個扇形，依次將每個扇形的中心線雙向延伸，記錄每一中心線與其相交的所述編組中其他線段的數量，其中相交線段數量最多的中心線所在的方向為該線段的最大相交方向；Ib)每個編組內所有線段中相交線段數量最多的最大相交方向為該編組的主方向；Ic)計算編組內的所有線段中心點到所述編組主方向的距離，對距離值通過聚類計算進行編組，屬於同一編組的線段即位於同一停車道。使用最大相交方向得到的停車道結果如圖8所示，共四個停車道。第五步、計算停車場結構參數，包括停車道方向和停車道位置、停車位方向、停車位長度、停車位寬度。本實施例計算停車場結構參數，具體方法如下2a)停車道方向及位置將位於同一停車道上的車輛中軸線的中點擬合直線，如果某停車道缺失車輛中軸線，則用該停車道上較長的車位線中點擬合直線，擬合得到的直線為停車道中心線，停車道中心線的斜率即為該停車道方向，截距即為停車道位置；本例中得到停車道方向為58. 2°，四個停車道截距(位置)分別為2567516、2567496、2567486、2567466 ；2b)停車位方向將停車道的車位線角度的平均值作為該停車道的停車位候選方向，當停車位候選方向一側是停車道或停車場邊緣，則該側方向為該停車道的停車位方向；本例中四個停車道停車位方向分別為149°，-31° ,149°，-31° ；2c)停車位長度對於縱向和斜向停車道，在車位線及車輛中軸線中長度最長的線段即為停車位長度；對於橫向停車道，在車位線中長度最長的線段即為停車位長度；本例中停車位長度為4. 85m ；2d)停車位寬度對於縱向和橫向停車道，找到所有相鄰平行車位線之間的距離中出現次數最多的距離區間，該距離區間內所有平行車位線之間距離的平均值為停車位寬
度；對於斜向停車道，停車位寬度需要轉化為其在停車道方向上的長度，即其中
α為停車道方向和車位線的夾角，D為車位線之間的平行距離。本例中距離區 間的寬度取
O.3m，距離區間按照(0，0. 3]，(O. 3,0. 6]…進行劃分，本例計算到的停車位寬度為2. 47m。第六步，依據所述停車場結構參數構建停車場的車位線，並生成停車道的分割線，完成對停車場結構的提取。本實施例根據上述的停車場結構參數構建停車場車位線的方法，具體如下3a)構建起始車位線-從每一停車道中選擇任一從正射影像中提取的車位線，
以其與相應停車道中心線的交點為中心，沿平行於所述停車位方向雙向延伸，使其長度等於所述停車位長度，得到起始車位線，圖9中短實線為起始車位線；3b)生成車位線——以起始車位線為起點，沿著平行於停車道方向以停車位寬度為間隔雙向生長，生長的過程中(如圖9所示，短實線為起始車位線，短虛線為生長出的車位線)，如果生長的車位線與最近鄰車位線距離在O. 3m之內，則沿停車道方向平行移動生長的車位線，使其與提取的車位線重合度最高；以生長的車位線為參照，繼續向兩側生長，直到停車場邊緣；3c)生成停車道分割線——對每一停車道，在其停車位方向一側，連接各車位線的端點，形成停車道分割線，完成停車場結構的提取。本實施例最終提取的停車場結構如圖10所示。本發明綜合利用從LiDAR數據提取的車輛中軸線和從正射影像數據提取的準確車位線信息進行停車場結構的構建，能夠有效解決傳統的基於影像的停車場結構提取過程中面臨的光照變化、陰影效應、透視變形以及車輛遮蓋等問題，從而可以準確高精度地進行停車場結構的構建。本發明基於LiDAR數據與正射影像的停車場結構提取方法不局限於上述實施例所述的具體技術方案，凡採用等同替換形成的技術方案均為本發明要求的保護範圍。
權利要求
1.一種基於LiDAR數據與正射影像的停車場結構提取方法，包括以下步驟 第一步、利用LiDAR數據將停車場分為空地區域和非空地區域； 第二步、提取LiDAR數據中非空地區域的疑似車輛面片，對疑似車輛面片進行篩選，去除非車輛面片，並生成車輛面片的中軸線； 第三步、檢測正射影像數據中空地區域的邊緣信息，提取影像數據中的矢量邊緣線段，得到空地區域中的停車場車位線； 第四步、套合非空地區域中的車輛中軸線和空地區域中的車位線，對兩者進行篩選，對篩選後的車輛中軸線和車位線依其最大相交方向劃分停車道； 第五步、計算停車場結構參數，包括停車道方向和停車道位置、停車位方向、停車位長度、停車位寬度； 第六步、依據所述停車場結構參數構建停車場的車位線，並生成停車道的分割線，完成對停車場結構的提取。
2.根據權利要求I所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於，第四步中，將車輛中軸線與車位線套合後，互相之間夾角小於β的線段為一編組；對編組後的線段根據最大相交方向方法進行停車道劃分的方法，具體如下 la)對所述編組中任一條線段中心點為圓心構建半圓，將半圓均分為η個扇形,依次將每個扇形的中心線雙向延伸，記錄每一中心線與其相交的所述編組中其他線段的數量，其中相交線段數量最多的中心線所在的方向為該線段的最大相交方向； Ib)每個編組內所有線段中相交線段數量最多的最大相交方向為該編組的主方向； Ic)計算編組內的所有線段中心點到所述編組主方向的距離，對距離值通過聚類計算進行編組，屬於同一編組的線段即位於同一停車道。
3.根據權利要求2所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於β的範圍為3-5°，η的範圍為8-16。
4.根據權利要求I所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於，第五步中，計算停車場結構參數的方法如下 2a)停車道方向及位置將位於同一停車道上的車輛中軸線的中點擬合直線，如果某停車道缺失車輛中軸線，則用該停車道上較長的車位線中點擬合直線，擬合得到的直線為停車道中心線，停車道中心線的斜率即為該停車道方向，截距即為停車道位置； 2b)停車位方向將停車道的車位線角度的平均值作為該停車道的停車位候選方向，當停車位候選方向一側是停車道或停車場邊緣，則該側方向為該停車道的停車位方向。
2c)停車位長度對於縱向和斜向停車道，在車位線及車輛中軸線中長度最長的線段即為停車位長度；對於橫向停車道，在車位線中長度最長的線段即為停車位長度。
2d)停車位寬度對於縱向和橫向停車道，找到所有相鄰平行車位線之間的距離中出現次數最多的距離區間，該距離區間內所有平行車位線之間距離的平均值為停車位寬度；對於斜向停車道，停車位寬度需要轉化為其在停車道方向上的長度，即，其中α為停車道方向和車位線的夾角，D為車位線之間的平行距離。
5.根據權利要求4所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於，第六步中，根據所述停車場結構參數構建停車場車位線的方法具體如下3a)構建起始車位線——從每一停車道中選擇任一從正射影像中提取的車位線，以其與相應停車道中心線的交點為中心，沿平行於所述停車位方向雙向延伸，使其長度等於所述停車位長度，得到起始車位線； 3b)生成車位線——以起始車位線為起點，沿著平行於停車道方向以停車位寬度為間隔雙向生長，生長的過程中，如果生長的車位線與最近鄰車位線距離在O. 3m之內，則沿停車道方向平行移動生長的車位線，使其與提取的車位線重合度最高；以生長的車位線為參照，繼續向兩側生長，直到停車場邊緣。
3c)生成停車道分割線——對每一停車道，在其停車位方向一側，連接各車位線的端點，形成停車道分割線，完成停車場結構的提取。
6.根據權利要求I所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於在第一步中使用數學形態法對LiDAR數據進行濾波，將停車場劃分為空地區域和非空地區域。
7.根據權利要求I所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於，第二步中在LiDAR數據中生成非空地區域的車輛面片中軸線的具體方法如下 4a)對非空地區域的數據根據最大高程差、面積和最小外界矩形長寬比進行篩選，提取非空地區域中的車輛面片； 4b)對車輛面片的邊緣進行離散化，使用離散點在車輛面片的多邊形內部構建不規則三角網，其中相鄰三角形個數為I的離散點為起始節點； 4c)從每個起始節點開始,連接該點與所在三角形的對邊中點，由該中點繼續生長,若該中點有兩個未生長三角形，則計算這兩個三角形的面積，向面積較大的三角形方向生長，直到到達另一個起始節點； 4d)在骨架線分支處，以分支部分的面積為標準，捨棄面積較小的分支，保留面積較大的分支，直至終止於多邊形的兩個節點，即得到主骨架線；對於主骨架線的各個節點進行擬合，即得到了多邊形中軸線，即車輛面片的中軸線。
8.根據權利要求I所述的基於LiDAR數據與正射影像的停車場結構提取方法，其特徵在於，在第三步中從正射影像數據中提取空地區域停車場車位線的方法具體如下提取正射影像數據中空地區域的矢量邊緣線段，將角度小於5度、平行距離小於O. 3m且中點距離小於2m的線段編組；當編組內存在兩條以上線段時，根據這些線段的端點擬合出一條新的線段，完成車位線的提取。
全文摘要
本發明涉及一種基於LiDAR數據與正射影像的停車場結構提取方法，該方法利用LiDAR數據將停車場分為空地區域和非空地區域，從LiDAR數據中生成非空地區域的車輛面片的中軸線，從正射影像數據中得到空地區域中的停車場車位線；套合非空地區域中的車輛中軸線和空地區域中的車位線，依其最大相交方向劃分停車道；計算停車場結構參數，生成停車道的分割線，完成對停車場結構的提取。該方法能夠解決停車場結構提取過程中面臨的光照變化、陰影效應、透視變形以及車輛遮蓋等問題，準確且高精度地提取停車場的結構。
文檔編號G06K9/46GK102938064SQ20121048362
公開日2013年2月20日 申請日期2012年11月23日 優先權日2012年11月23日
發明者程亮, 童禮華, 李滿春, 劉永學, 陳振傑, 李飛雪, 黃秋昊, 王結臣, 杜培軍, 鍾禮山 申請人:南京大學