基于法向量距离的路面坑槽提取方法

摘要：

以路面高程激光点云为研究对象,提出一种基于法向量距离的路面坑槽提取方法.首先对路面高程点云数据进行数据清洗;其次采用自适应最优邻域的PCA方法估算路面点云数据的法向量,通过计算路面点云中采样点到其局部二次曲面的切平面的法向距离作为法向量距离;以法向量距离描述采样点的三维空间特征,并通过阈值分割自动提取路面坑槽点云集合,通过Mean-Shift聚类算法分割路面坑槽点云集合得到多个坑槽点集;最后针对每个坑槽点集,采用Alpha Shape算法提取坑槽边界点,对坑槽边界点进行三次样条插值拟合得到坑槽轮廓,据此计算坑槽尺寸(长度、宽度、深度)、面积信息.以规则坑槽模型点云数据与真实路面点云数据进行实验,本文方法提取坑槽的深度的相对误差的均值分别为2.7％,4.7％,提取坑槽面积的相对误差的均值分别为6.8％,4.3％.实验结果表明本文方法可以精确提取路面坑槽边界点及其尺寸信息,且对于不规则形状坑槽的识别及提取具有较强的抗干扰性.

关键词：特征提取、目标检测、坑槽、数据清洗、Mean-Shift、自适应最优邻域、法向量距离、Alpha Shape算法

所属期刊栏目：31

分类号：TP391;P208;TP274.3

资助基金：陕西省交通运输厅交通科研项目;陕西省交通运输厅交通科研项目

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：222-229