融合车载LiDAR点云和全景影像的道路标线自动提取方法

doi:10.13474/j.cnki.11-2246.2023.0138

测绘通报 ›› 2023, Vol. 0 ›› Issue (5): 67-71,139.doi: 10.13474/j.cnki.11-2246.2023.0138

融合车载LiDAR点云和全景影像的道路标线自动提取方法

牛鹏涛^1,2, 曹毅^3,4, 张恩朝⁵, 漆洋¹

1. 成都理工大学地球科学学院, 四川成都 610059;
2. 河南工业职业技术学院, 河南南阳 473009;
3. 中国石油化工股份有限公司西北油田分公司, 新疆乌鲁木齐 830011;
4. 河海大学地球科学与工程学院, 江苏南京 210024;
5. 河南交通职业技术学院, 河南郑州 450000

收稿日期:2022-06-16 修回日期:2023-04-01 发布日期:2023-05-31
作者简介:牛鹏涛(1985-),男,博士,副教授,主要研究方向为摄影测量与遥感。E-mail:2008051@hnpi.edu.cn
基金资助:
国家自然科学基金（41671432；41372340）

Automatic road marking extraction method based on vehicle LiDAR point cloud and panoramic image

NIU Pengtao^1,2, CAO Yi^3,4, ZHANG Enchao⁵, QI Yang¹

1. College of Earth Science, Chengdu University of Technology, Chengdu 610059, China;
2. Henan Polytechnic Institute, Nanyang 473009, China;
3. Sinopec Northwest China Petroleum Bureau, Urumqi 830011, China;
4. School of Sciences and Engineering, Hohai University, Nanjing 210024, China;
5. Henan College of Transportation, Zhengzhou 450000, China

Received:2022-06-16 Revised:2023-04-01 Published:2023-05-31

摘要/Abstract

摘要： 针对传统人工方式、人机交互方式提取公路标线成本高、效率低的问题，本文提出了融合车载LiDAR点云和全景影像数据，使用SCGA-Net网络提取并矢量化道路标线的方法，以解决车载LiDAR点云采集过程中因车辆遮挡、道路修补等造成的数据缺失问题。试验表明，该方法道路标线的提取率和正确率均优于仅使用LiDAR点云提取标线的方法，可有效地提升自动驾驶所依赖的高精地图的生产效率。

关键词: LiDAR点云, 全景影像, 道路标线, SCGA-Net网络, 提取

Abstract: In view of the traditional artificial way, the man-machine interactive way to extract road marking cost is high, the problem of low efficiency, put forward integration vehicle LiDAR point clouds and panoramic images as the data source, using SCGA-Net network to extract the road marking method, vector quantization and to solve the vehicle in the process of the LiDAR points clouds gathering caused by vehicle cover, such as road repair data missing problem. Experimental results show that the extraction rate and accuracy of road markers are better than the method of only using LiDAR point cloud to extract road markers, and can effectively improve the production efficiency of high-precision maps that automatic driving relies on.

Key words: LiDAR points clouds, panoramic image, road marking, SCGA-Net network, extraction

中图分类号:

P237

牛鹏涛, 曹毅, 张恩朝, 漆洋. 融合车载LiDAR点云和全景影像的道路标线自动提取方法[J]. 测绘通报, 2023, 0(5): 67-71,139.

NIU Pengtao, CAO Yi, ZHANG Enchao, QI Yang. Automatic road marking extraction method based on vehicle LiDAR point cloud and panoramic image[J]. Bulletin of Surveying and Mapping, 2023, 0(5): 67-71,139.

参考文献

[1] 李德仁, 洪勇, 王密, 等. 测绘遥感能为智能驾驶做什么?[J]. 测绘学报, 2021, 50(11):1421-1431.
[2] 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.
[3] 黄刚, 刘先林. 深度学习的极化合成孔径雷达影像语义分割[J]. 测绘科学, 2019, 44(6):166-169.
[4] 毛寅睿, 陈雨人, 刘洋东. 基于车载激光点云的道路标线提取方法研究[J]. 公路交通科技, 2019, 36(7):127-135.
[5] 姚连璧, 秦长才, 张邵华, 等. 车载激光点云的道路标线提取及语义关联[J]. 测绘学报, 2020, 49(4):480-488.
[6] 方莉娜, 王爽, 赵志远, 等. 车载激光点云中交通标线自动分类与矢量化[J]. 测绘学报, 2021, 50(9):1251-1265.
[7] 马浩, 裴智惠, 李婷婷. 移动激光扫描数据的道路标线自动提取[J]. 测绘科学, 2019, 44(6):217-221.
[8] 闫利, 任大伟, 谢洪, 韦朋成.一种激光点云与密集匹配点云融合方法[J/OL].中国激光.https://kns.cnki.net/kcms/detail/31.1339.tn.202[110.0939.018.html.
[9] 罗文婷, 李中轶, 李林, 等. 基于改进Canny算法的道路标线自动识别及定位[J]. 西南交通大学学报, 2018, 53(6):1253-1260.
[10] 朱弘戈, 朱晓东, 徐志刚, 等. 面向示范应用与可复制推广的智慧高速公路建设方案[J]. 公路, 2020, 65(10):252-259.
[11] 邓凯, 杨灿灿, 尹力, 等. 多源数据协同的城市道路提取[J]. 测绘通报, 2021(10):60-66, 82.
[12] WANG J, WANG R, HUI F, et al.Road marking seg-mentation method for research based on splitting andmerging algorithm[J].Application Research of Computers, 2014(31):3880-3884.
[13] GOPALAN R, HONG T, SHNEIER M, et al. A learning approach towards detection and tracking of lane markings[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(3):1088-1098.
[14] 李明辉, 田雪冬, 胡维强. 基于车载三维激光扫描的道路线提取研究[J]. 测绘与空间地理信息, 2014, 37(4):118-121.
[15] 刘力荣, 唐新明, 赵文吉, 等. 基于影像与激光数据的小交标检测与地理定位[J]. 中国激光, 2020, 47(9):325-333.
[16] 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.
[17] KHEYROLLAHI A, BRECKON T P. Automatic real-time road marking recognition using a feature driven approach[J]. Machine Vision and Applications, 2012, 23(1):123-133.
[18] KUMAR P, MCELHINNEY C P, Lewis P, et al. Automated road markings extraction from mobile laser scanning data[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 32:125-137.

融合车载LiDAR点云和全景影像的道路标线自动提取方法

Automatic road marking extraction method based on vehicle LiDAR point cloud and panoramic image

RichHTML

PDF

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

[1]	马海超, 王崇倡, 何昭宁, 信晟, 王蕾. 面向GF-7影像的绿波改正归一化水体指数构建[J]. 测绘通报, 2023, 0(5): 38-43.
[2]	姚萌萌, 李晓明, 王伟玺, 谢林甫, 黄俊杰, 黄鸿盛, 汤圣君. 几何特征与神经网络联合优化的室内三维点云语义分割方法[J]. 测绘通报, 2023, 0(5): 56-61.
[3]	张清宇, 崔丽珍, 杜秀铎, 马宝良. 矿山环境三维激光雷达SLAM算法建图与定位[J]. 测绘通报, 2023, 0(5): 72-77.
[4]	吕欣阳, 樊冬丽, 张广运, 檀丁. 无人机影像匹配点云的露天矿台阶高度计算方法[J]. 测绘通报, 2023, 0(5): 135-139.
[5]	韩扬, 元伟涛, 赖忠平, 程世秀, 刘文可. 多空间分辨率Google Earth影像和Canny边界算法的雅丹地貌边界提取[J]. 测绘通报, 2023, 0(5): 175-179.
[6]	蒲泓亦, 李锋, 徐铮. 众源空中全景影像位姿的透视变换解算方法[J]. 测绘通报, 2023, 0(4): 29-34,40.
[7]	佘佐明, 申勇智, 宋剑虹, 向玉瑨. 利用经典CNN网络方法构建贵阳市道路要素遥感影像自动提取模型[J]. 测绘通报, 2023, 0(4): 177-182.
[8]	高亚萍, 王艳, 刘春菊, 王琪, 吴霞仙. 一种顾及重叠区地形变化的DSM镶嵌线智能提取算法[J]. 测绘通报, 2023, 0(3): 22-26.
[9]	程苗苗, 王世东, 张学军, 张合兵. 基于Landsat 8影像的城市蓝色顶面建筑物提取光谱模型构建[J]. 测绘通报, 2023, 0(3): 116-122.
[10]	于浩洋, 董春, 张辉. 融合空间信息和高光谱影像的四旁树自动提取方法[J]. 测绘通报, 2023, 0(2): 65-71.
[11]	宗慧琳, 袁希平, 甘淑, 张晓伦, 梁昌献, 赵振峰. 改进AKAZE算法的泥石流区无人机影像特征匹配[J]. 测绘通报, 2023, 0(2): 91-96,103.
[12]	施仲添, 沈正伟, 杨四海. 基于前景感知的遥感影像建筑物提取方法[J]. 测绘通报, 2023, 0(2): 134-138.
[13]	杜林丹, 董春, 赵荣, 张玉, 亢晓琛. 基于北京二号与地理国情数据的林地提取[J]. 测绘通报, 2023, 0(1): 39-44.
[14]	向煜, 黄志, 华媛媛, 邓剑峰. 深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用[J]. 测绘通报, 2023, 0(1): 163-167.
[15]	刘禹麒, 陈广亮, 蔡岳臻, 李名豪, 陈定安, 胡小中. 一种基于倾斜摄影测量点云密度自适应分割的建筑物边界提取方法[J]. 测绘通报, 2022, 0(9): 52-57.