LiDAR 点云中的自动道路提取与中心线拟合

从 3D 点云中提取道路信息对于城市规划和交通管理具有重要价值。现有方法通常依赖局部特征和激光从坡度处的折射角，使其对可变坡度设计较为敏感，并在高密度区域因数据均匀性问题上存在困难。我们提出一种基于 LiDAR 地面收集点云的自上而下视角来提取道路点并拟合中心线的方法。这种前瞻视角减少了对特定坡度设计的依赖，提高了道路提取效果。我们首先进行统计异常值删除和基于密度的聚类，以减少 3D 点云数据的噪声。接着，使用适应不同道路场景和地形特征的基于网格的分段方法进行地面点过滤。过滤后的点投影到 2D 平面上，通过骨架化算法提取道路。该骨架投影回 3D 点云并计算法线，这些法线指引区域生长算法寻找附近的道路点。提取的道路点随后用 Savitzky-Golay 滤波平滑，以产生最终的中心线。我们最初的、未经后处理的道路骨架方法在 Perth CBD 数据集上测试，IoU 达到 67%。 incorporating 道路骨架的后处理显著改善了围绕平滑骨架的道路点的提取。改进后的方法将 IoU 提高到 73%，并实现了 23% 的处理时间缩减。我们的方法提供了一个通用且计算高效的解决方案，将 3D 和 2D 处理技术相结合，为未来的道路重建和 3D 到 2D 点云对齐奠定了基础。