基于点云特征的城市道路标识线提取与分类OA北大核心CSTPCD

为了解决基于车载激光雷达(LiDAR)点云数据中的道路标识线提取完整度与提取精确度方面数值偏低等问题,提出了一种基于点云多元特征的道路标识线快速提取方法。在城市道路标识线的强度信息、几何信息和语义信息基础上,结合路面点云的强度特征、高程特征和点密度特征,生成多个地理参考图像,对多元特征图像进行特征提取与填充,再利用Ostu算法以及Alpha shapes算法实现道路标识线点云精提取,并根据标识线的几何、语义信息和模型匹配方案实现标识线的细分类,进行了理论分析和实验验证,取得了澳大利亚某城市道路的点云数据。结果表明,提取的短虚线、斑马线、单向转向箭头、长虚线的准确率均高于96%,召回率均达到91%及以上,综合评价指标均达到94%及以上。这些结果对无人驾驶领域研究起到了添砖加瓦的作用,也为城市数字化建设提供了一定的参考价值。