基于激光雷达数据和遥感影像的立交桥快速自动检测技术.docxVIP

基于激光雷达数据和遥感影像的立交桥快速自动检测技术 该桥具有复杂的结构组成和空间特征，是评价和建模人工结构的难度较大的类型。这一研究的进展可以作为其他人工结构研究的参考，以促进gis数据自动更新的问题。同时,立交桥作为公路设施中一个不可或缺的部分,使得研究立交桥在设施管理、交通控制、紧急救援等相关城市基础设施课题中都有着非常重要的现实意义。 国内外对于立交桥的自动检测方法研究较少,而对立交桥三维建模作了大量的研究,文献对早期的研究情况作了较全面的总结。总的来说,虽在交互式建模和可视化系统的开发方面取得显著成果,但单纯利用遥感影像实施立交桥自动检测尚存在较大困难。为此,根据立交桥的空间特性,本文提出了综合利用LiDAR数据和遥感影像实现立交桥的自动检测与三维建模的方法,力求突破上述困难。 1 立交桥具有规则结构 立交桥由桥梁、空间交叉和毗邻建筑物等组成,是道路交通中最复杂的部分,一般由数座(或数十座)跨桥组成,且一般具有两层(或多层)在空中相互交叉的路面。立交桥一般有曲线流畅、占地面积大、形体比较规则等特点,且同时具备一些普通建筑物和地形的特性。立交桥的桥面和一般地形的表面都是由连续曲面组成,但是却在一定程度上具有普通建筑物的规则结构。立交桥具有介于地形与建筑物之间的特征,它与地形的相似之处在于立交桥桥面是一种空间连续曲面,且有一部分与地面直接相连;与建筑物相似之处在于立交桥的空中架设部分具有相对规则的形体并有一定的类似房屋的附属设施。 立交桥的空间特性如图1所示。其中,(a)为某立交桥地区的遥感影像全貌,可见该区域是多条立交桥的交汇之地,结构盘旋复杂,要实现自动检测对算法的要求很高。 (b)为多层立体交会的LiDAR点云视图,可见同属于一个桥面的点云分布在连续曲面,不同的交叉路面存在高程上的突变。 2 文献检测算法 引入LiDAR数据可以为立交桥检测提供三维坐标信息支持,提高算法的自动化程度。但是LiDAR数据采样间隔较大,难以获取精确的目标轮廓。近年来,国内外学者已经开展的研究表明,这将导致目标检测缺乏精确的断裂线。为此,本文算法的重点包括融合多源数据获取高精度的立交桥轮廓和立交桥遮挡的检测和修复等,其技术路线如图2。 首先利用LiDAR数据实现自动化的立交桥点云分割;再利用中心线检测克服点云采样密度变化间接获得近似的立交桥轮廓;融合遥感影像检测的边缘精化轮廓;利用精确轮廓返回LiDAR原始点云,精确分割点云;之后实施立交桥遮挡区域的检测和修复;最后实现立交桥的三维建模。 3 关键步骤 3.1 有地面点的数据 文献提出了渐进加密三角网法滤波算法。但该算法在斜坡以及植被部分密集的地方,很容易将本属于地面点的数据从地形中剔除,导致得到地形数据残缺,不足以表达真实的地形特点。文献结合了区域增长的思想,改进三角网逐层加密的算法,在处理过程中将植被覆盖下的属于地形的斜坡点添加进初始的地形中,从而得到更为接近真实地形的点云数据,为后续的处理提供了更为准确的数据基础。 3.2 模型驱动算法设计 立交桥作为一种特殊人工地物形态,其空间性质和物理性质具有独特性和易区分性。通过建立立交桥空间和物理的描述模型,在非地面点中可以比较容易检测并分割立交桥点云。 在空间性质方面,立交桥单体可以简化为三维空间曲线z=f(x,y),在实际操作中,通常可采用三次样条函数描述。同时满足: (1) 宽度远小于长度,即w/l?1。 (2) 立交桥起止点接与地面,中部隆起,即 ES=EE=EDE(S+E)/2 式中,S、E代表立交桥起止点;D代表地面点;(S+E)/2代表桥体中部。若不满足该条件,则可判断桥体被高层遮挡。 (3) 径向曲率近似为常数,且数值较小,即 κl=ΔφΔl≈T?1κl=ΔφΔl≈Τ?1 式中,Δl为立交桥延伸方向的局部弧长;Δφ为局部切线变化角度。 (4) 横向曲率或者为0,或者近似为常数且大于径向曲率,即kw=0或kwkl。 此外,立交桥路面为水泥或混凝土材料,其周边多为绿化带、建筑物以及其他路面。对于前者可利用反射强度和色彩纹理等加以区分,对后者只有利用空间性质不同予以区分。 模型驱动算法的基本思路是,利用移动窗口扫描分离地面点之后的LiDAR点云,然后以局部坡度阈值搜索连续曲面,对连续曲面以坡度阈值为条件进行生长。在生长过程中,以径向曲率和横向曲率特性判断立交桥的可能性;在生长结束时,以长宽比和LiDAR点云提供的强度信息作为最终判决条件。算法步骤如图3。 3.3 桥点云的中心线点 LiDAR采样密度低,采样间隔规则,因此无法有效地获取立交桥的精确轮廓。特别是在点云特别稀疏的情况下,采用传统的边缘检测算子无法获得LiDAR的边缘。笔者认为,相对于LiDAR边缘的不稳定性,立交桥点云的中心线则可利用局部路段的统计值获得较可靠的结果。为此