劉 碩，劉如飛*，柴永寧

（1.山東科技大學(xué) 測(cè)繪科學(xué)與工程學(xué)院，山東 青島 266590）

道路標(biāo)識(shí)線是重要的交通標(biāo)志，具有分離道路區(qū)域、規(guī)定行進(jìn)走向、為行人提供引導(dǎo)信息等作用[1-2]；也是繪制高精度地圖的重要部分，在無(wú)人駕駛技術(shù)中起到關(guān)鍵作用。作為重要的三維空間數(shù)據(jù)獲取技術(shù)，車載激光掃描能快速獲取道路及其周邊地物的高精度三維激光點(diǎn)云，是道路標(biāo)識(shí)線信息快速獲取的重要方式。車載激光點(diǎn)云數(shù)據(jù)是離散的三維點(diǎn)集，具有三維坐標(biāo)和反射強(qiáng)度等信息；而道路標(biāo)識(shí)線是道路上的反光涂層，具有強(qiáng)反射性，且為規(guī)則的幾何圖形，因此可利用該特性進(jìn)行道路標(biāo)識(shí)線的提取。

目前，國(guó)內(nèi)外研究人員已對(duì)利用車載激光點(diǎn)云提取道路標(biāo)識(shí)線進(jìn)行了相關(guān)研究，有些研究人員基于高精度圖像和視頻提取了道路標(biāo)識(shí)線[3-5]，但提取效果受光照等因素干擾較大；YANG B S[6]等對(duì)點(diǎn)云進(jìn)行插值生成強(qiáng)度特征圖像，再利用強(qiáng)度和高程差信息提取道路輪廓，最后通過(guò)語(yǔ)義特征設(shè)立篩選條件，在特征圖像中提取道路標(biāo)識(shí)線；GUAN H Y[7]等利用插值的方法生成強(qiáng)度特征圖像，再采用多閾值分割方法對(duì)強(qiáng)度特征圖像進(jìn)行分割，最后利用形態(tài)學(xué)閉合操作定義來(lái)提取道路標(biāo)識(shí)線；LIN L[8]和YU Y T[9]等重點(diǎn)分析了強(qiáng)度特征圖像二值化問(wèn)題，提出了一種基于大津法改進(jìn)的二值化方法，使強(qiáng)度特征圖像二值化能適應(yīng)單峰現(xiàn)象，通過(guò)劃分左右車道進(jìn)行多閾值二值分割，再利用網(wǎng)格算法提取道路標(biāo)識(shí)線；Veit T[10]和吳哲[11]等在對(duì)強(qiáng)度特征圖像二值化時(shí)采用邊緣檢測(cè)得到了良好雙峰性質(zhì)的圖像，再利用大津法對(duì)圖像進(jìn)行二值分割得到道路標(biāo)識(shí)線；馬浩[12]等直接從點(diǎn)云數(shù)據(jù)中提取道路標(biāo)識(shí)線，并將三維點(diǎn)云數(shù)據(jù)進(jìn)行地面濾波，再根據(jù)點(diǎn)云數(shù)據(jù)反射強(qiáng)度進(jìn)行聚類，從而提取道路標(biāo)識(shí)線。然而，上述方法在提取出道路標(biāo)識(shí)線后不能對(duì)其充分分類并識(shí)別，后續(xù)需人工分類不同標(biāo)識(shí)線。模板匹配法[13-14]作為一種圖像處理的傳統(tǒng)方法，對(duì)識(shí)別道路標(biāo)識(shí)線有可行的效果。針對(duì)上述問(wèn)題，本文提出了一種基于幾何特征匹配的道路標(biāo)識(shí)線分類方法。

1 道路標(biāo)識(shí)線提取方法描述

道路標(biāo)識(shí)線提取流程如圖1所示，首先將點(diǎn)云數(shù)據(jù)投影為強(qiáng)度特征圖像，并對(duì)強(qiáng)度特征圖像進(jìn)行預(yù)處理；再按照一定的邊長(zhǎng)將強(qiáng)度特征圖像劃分為多個(gè)區(qū)域，并對(duì)每個(gè)區(qū)域進(jìn)行二值化；然后根據(jù)道路標(biāo)識(shí)線幾何特征構(gòu)建模板匹配模型；最后通過(guò)在二值圖像上進(jìn)行模板匹配來(lái)提取并分類道路標(biāo)識(shí)線。

圖1 道路標(biāo)識(shí)線提取流程圖

1.1 路面點(diǎn)云濾波

原始點(diǎn)云包括樹木、建筑物、車輛、行人等信息。生成道路強(qiáng)度特征圖像前需對(duì)原始點(diǎn)云進(jìn)行濾波處理，去除非道路點(diǎn)云的影響。本文采用參考文獻(xiàn)[15]的濾波方法提取路面點(diǎn)云。

1.2 強(qiáng)度特征圖像二值化

車載激光點(diǎn)云是離散的三維點(diǎn)集，具有空間屬性、強(qiáng)度和顏色屬性。本文利用其強(qiáng)度差異，將點(diǎn)云數(shù)據(jù)投影為二維的強(qiáng)度特征圖像。道路標(biāo)識(shí)線一般為白色或黃色的涂料，對(duì)激光的反射強(qiáng)度高于路面瀝青。

1.2.1 強(qiáng)度特征圖像生成與預(yù)處理

點(diǎn)云數(shù)據(jù)不具備規(guī)則的組織結(jié)構(gòu)，且數(shù)據(jù)量龐大、處理效率低；而道路標(biāo)識(shí)線是二維信息，因此可將點(diǎn)云數(shù)據(jù)轉(zhuǎn)化為強(qiáng)度特征圖像，以減少運(yùn)算數(shù)量、提高運(yùn)算速率。假設(shè)強(qiáng)度特征圖像的像素分辨率為N，根據(jù)式（1）將點(diǎn)云投影到XOY平面中，R、C分別為網(wǎng)格的行數(shù)和列數(shù)，以每個(gè)網(wǎng)格中所有掃描點(diǎn)的平均強(qiáng)度為該網(wǎng)格的灰度值，再將所有網(wǎng)格的灰度值歸一化到0～255之間，得到強(qiáng)度特征圖像。

大津法[16]是以類別方差為判斷依據(jù)的，將使類間方差最大和類內(nèi)方差最小的圖像灰度值作為最佳閾值，但只適用于具有良好雙峰性質(zhì)的圖像。面對(duì)強(qiáng)度不均勻的特征圖像時(shí)，單純依靠大津法不能有效二值化圖像。為了改善單峰的影響，本文將圖像強(qiáng)度分布直方圖歸一化到0～255之間，在不改變灰度值的前提下，增大圖像的對(duì)比度。

1.2.2 分區(qū)域二值化道路標(biāo)識(shí)線的強(qiáng)度一般由3個(gè)因素決定：①激光傳感器到目標(biāo)的掃描范圍；②激光束的入射角度；③目標(biāo)材料的屬性。單位角度內(nèi)掃描儀掃過(guò)路邊距離長(zhǎng)，則點(diǎn)云間隔大；掃過(guò)路中心距離短，則點(diǎn)云間隔小。越靠近路中心，點(diǎn)云密度越大；越靠近路邊，點(diǎn)云密度越小。路面強(qiáng)度不均導(dǎo)致二值化效果不理想，為了削弱這種影響，本文分析了路面點(diǎn)云密度，并按相同密度原則將其劃分。

以圖2中道路圖像為例，設(shè)置路面寬度1 m為一個(gè)區(qū)間，統(tǒng)計(jì)每個(gè)區(qū)間的點(diǎn)云數(shù)量，生成點(diǎn)云密度分布圖。路面長(zhǎng)度相同，則每個(gè)區(qū)間面積可代指密度，依次累加面積，直到面積為總面積的1/(n+1)時(shí)停止，記錄橫坐標(biāo)位置；依此類推，得到n個(gè)位置，將路面縱向劃分為n+1份，n為分布圖像中極大值個(gè)數(shù)。密度分布沿行車方向大體均勻，故將路面橫向平均劃分為n+1份。

圖2 路面點(diǎn)云密度分布與劃分示意圖

本文選取圖2中a、b、c三個(gè)劃分區(qū)域進(jìn)行強(qiáng)度分析，并計(jì)算自適應(yīng)閾值。區(qū)域強(qiáng)度分析情況如圖3所示，可以看出，對(duì)區(qū)域劃分后的每個(gè)區(qū)域進(jìn)行二值化，可保留更多的道路信息，得到更清晰的二值圖像。

本文利用OTSU法對(duì)每個(gè)區(qū)域進(jìn)行二值化，再按分割順序拼接成完整的二值圖像，然后對(duì)二值圖像進(jìn)行一次開運(yùn)算再進(jìn)行一次閉運(yùn)算，濾除多余噪點(diǎn)和細(xì)小空洞。

圖3 區(qū)域強(qiáng)度分析情況統(tǒng)計(jì)

1.3 道路標(biāo)識(shí)線分類

為避免標(biāo)識(shí)線傾斜給模板匹配算法造成干擾，本文采用一種旋轉(zhuǎn)窗口圖像校正方法。圖像校正方法大體分為透視變換法和控制點(diǎn)變換法兩種，本文所用圖像全部由點(diǎn)云正射投影生成，只需校正X、Y軸傾斜，因此利用基于控制點(diǎn)變換法的旋轉(zhuǎn)窗口圖像校正方法。首先提取出道路標(biāo)識(shí)線的最小外接矩形輪廓，獲取矩形輪廓的4個(gè)頂點(diǎn)坐標(biāo)和矩形中心坐標(biāo)；再利用霍夫直線檢測(cè)方法檢測(cè)長(zhǎng)邊的方程表達(dá)式，令斜率為k，即

那么，只有k=0時(shí)，該直線會(huì)平行或重合于Y軸，因此以矩形框中心點(diǎn)為原點(diǎn)進(jìn)行旋轉(zhuǎn)，當(dāng)k=0時(shí)停止旋轉(zhuǎn)，得到校正角度；再將矩形框中所有坐標(biāo)按校正角度進(jìn)行矩陣變換，得到平行于Y軸的矩形框。

由于得到二值圖像后，傳統(tǒng)的聚類分割提取標(biāo)識(shí)線的方法不能有效地對(duì)道路標(biāo)識(shí)線進(jìn)行分類，因此本文提出了一種通過(guò)幾何特征進(jìn)行模板匹配的提取方法。建立如圖4所示的道路標(biāo)識(shí)線模板庫(kù)，道路上主要的標(biāo)識(shí)線包括箭頭類的直行、直行轉(zhuǎn)向、轉(zhuǎn)向、直行雙向和短標(biāo)線。以行駛方向?yàn)榫匦慰蚩v坐標(biāo)的方向，生成最小外接矩形。道路標(biāo)識(shí)線的長(zhǎng)寬間隔大致相同且指向方向?yàn)槠叫嘘P(guān)系。設(shè)矩形框面積為S，利用D、L、Q、Z等值建立判別條件，進(jìn)一步分類不同類型標(biāo)識(shí)線，判別條件如表1所示。

圖4 道路標(biāo)識(shí)線模板

表1 道路標(biāo)識(shí)線幾何語(yǔ)義描述

2 實(shí)驗(yàn)過(guò)程與結(jié)果分析

2.1 實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)數(shù)據(jù)采用車載移動(dòng)測(cè)量系統(tǒng)采集的青島市某段道路數(shù)據(jù)（圖5），選擇標(biāo)識(shí)線種類較多的路段進(jìn)行對(duì)比實(shí)驗(yàn)。數(shù)據(jù)的點(diǎn)云間隔為0.03 m，掃描線間距為0.05 m。對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行處理，為保證每個(gè)格網(wǎng)中都存在點(diǎn)云，設(shè)置格網(wǎng)邊長(zhǎng)為0.05 m，生成強(qiáng)度特征圖像。所選路段包含短標(biāo)線、直行箭頭、轉(zhuǎn)向箭頭以及其他標(biāo)線，部分標(biāo)線有磨損，道路中間平均強(qiáng)度低，道路兩側(cè)平均強(qiáng)度高，路面上噪點(diǎn)較多。

圖5 實(shí)驗(yàn)點(diǎn)云數(shù)據(jù)

從數(shù)據(jù)里選取各種類型道路標(biāo)識(shí)線進(jìn)行分類識(shí)別，得到實(shí)驗(yàn)結(jié)果如圖6所示，可以看出，圖6a成功將直線標(biāo)線、斑馬線和直行標(biāo)線分類；圖6b分類出3種箭頭類標(biāo)線和直行標(biāo)線；圖6c分類出大部分標(biāo)線，斑馬線有漏提現(xiàn)象；圖6d和圖6e存在殘損標(biāo)線，說(shuō)明本文方法在分類殘損標(biāo)線時(shí)具有較好的效果。

2.2 精度分析

分別利用本文方法與閆利[1]、YANG B S[6]等提出的方法進(jìn)行道路標(biāo)識(shí)線提取與分類的對(duì)比實(shí)驗(yàn)，設(shè)置兩個(gè)精度評(píng)定參數(shù)，即提取準(zhǔn)確率（Precision），提取的標(biāo)識(shí)線不是噪點(diǎn)等物體；識(shí)別準(zhǔn)確率（Completeness），分類出的標(biāo)識(shí)線的正確率?？傮w精度（Accuracy）則由這兩個(gè)參數(shù)評(píng)定，計(jì)算公式為：

圖6 實(shí)驗(yàn)結(jié)果圖像

式中，TP、FP和FN分別為真正（提取并識(shí)別正確）、假正（提取但識(shí)別錯(cuò)誤）和假負(fù)（漏提、錯(cuò)提）的數(shù)量。

精度對(duì)比結(jié)果如表2所示，可以看出，閆利[1]等提出的方法在該實(shí)驗(yàn)數(shù)據(jù)中的Precision和Completeness均較低，導(dǎo)致Accuracy不理想；YANG B S[6]等提出的方法的Precision最高，為90.35 %，但該方法的Completeness較低，Accuracy為77.62 %；本文方法的Precision為90.01 %，Completeness為82.83 %，Accuracy為86.27%，整體效果在3種方法中最優(yōu)。閆利[1]等提出的方法僅對(duì)道路標(biāo)識(shí)線進(jìn)行了提取，并未進(jìn)一步分類；YANG B S[6]等提出的方法提取并分類了標(biāo)識(shí)線，但分類效果不明顯；本文方法提取并分類了標(biāo)識(shí)線，且具有較高的精度。

表2 精度對(duì)比結(jié)果/%

3 結(jié) 語(yǔ)

本文提出了一種基于結(jié)構(gòu)特征匹配的道路標(biāo)識(shí)線提取方法。該方法首先將道路劃分成多個(gè)區(qū)域，分別計(jì)算分割閾值并優(yōu)化，再根據(jù)道路標(biāo)識(shí)線幾何特征建立判別模型來(lái)分類道路標(biāo)識(shí)線。與其他根據(jù)強(qiáng)度信息提取道路標(biāo)識(shí)線的方法相比，該方法適用于路面強(qiáng)度分布不均勻的道路，能有效剔除噪點(diǎn)并保留標(biāo)識(shí)線。本文通過(guò)多個(gè)路段進(jìn)行實(shí)驗(yàn)，結(jié)果表明，道路標(biāo)識(shí)線的Precision和Completeness分別達(dá)到90.01%和82.83%，Accuracy達(dá)到86.27%。在提取過(guò)程中，該方法出現(xiàn)了少數(shù)錯(cuò)提、漏提現(xiàn)象，后期將重點(diǎn)研究更好的判定道路標(biāo)識(shí)線的幾何約束條件。