一種基于機載LiDAR和GIS協(xié)同的三維道路生成方法
【專利摘要】本發(fā)明公開了一種基于機載LiDAR和GIS協(xié)同的三維道路生成方法，該方法將致力于解決LiDAR數據在點云道路目標的分割、濾波和道路三維重建方面存在的問題。主要包括：道路點云數據裁切、高架橋道路自動分層、點云濾波、高程內插、道路連接與平滑處理、三維重建與渲染等內容。本發(fā)明首先從點云中分割出道路區(qū)域點，然后利用GIS道路矢量數據的精確邊緣信息，對點云進行幾何約束，提高道路高程信息提取的精確性；然后對道路區(qū)域中的點云進行濾波，剔除非道路面點，并結合GIS矢量數據對高架橋進行自動分層處理；最后，利用內插技術恢復立交遮擋部分，從而實現道路的三維重建。本發(fā)明是一種自動化的可覆蓋大面積區(qū)域的道路三維建模方法。
【專利說明】—種基于機載LiDAR和GIS協(xié)同的三維道路生成方法

【技術領域】
[0001]本發(fā)明屬于三維立體的城市建模【技術領域】，涉及一種三維道路網的生成方法，尤其涉及點云濾波技術及利用濾波后的點云進行道路高程內插的方法。
[0002]

【背景技術】
[0003]近幾十年來，隨著數字城市和智慧城市的興起，三維立體的城市建模已經成為一種新的技術熱點。在這種情況下，道路網絡作為城市運輸命脈，是城市的主要組成部分，三維道路的構建對于數字城市的構建具有重要意義。
[0004]隨著航空和航天遙感技術的快速發(fā)展，遙感技術逐漸成為當今社會信息化高速發(fā)展不可或缺的重要工具，利用遙感技術，能夠快速、準確地獲得大量的地面觀測數據。機載激光雷達系統(tǒng)(Light Detect1n And Ranging,簡稱 LiDAR (Light Detect1n AndRanging，光探測與測量))是一種新型的綜合應用激光測距儀、IMU、GPS的快速測量系統(tǒng)，可以直接聯測地面物體各個點的三維坐標。機載LiDAR (Light Detect1n And Ranging,光探測與測量)數據經過相關軟件數據處理后，可以生成高精度的數字地面模型DTM、等高線圖等4D產品，具有傳統(tǒng)攝影測量和地面常規(guī)測量技術無法取代的優(yōu)越性。機載激光雷達系統(tǒng)在地形測繪、環(huán)境檢測、三維城市建模等諸多領域具有廣闊的發(fā)展前景和應用需求，將為測繪行業(yè)帶來一場新的技術革命。
[0005]隨著數字城市理論和技術的迅速發(fā)展，加之高分辨率遙感衛(wèi)星，機載和車載LiDAR(Light Detect1n And Ranging,光探測與測量)傳感器的出現，加快了三維城市建模的速度，三維重建技術進入到了高速發(fā)展的階段。
[0006]傳統(tǒng)的基于攝影測量方法的三維重建過程既費時又費力，并且需要大量的人工輔助工作。目前，利用LiDAR (Light Detect1n And Ranging,光探測與測量)數據輔助構建真實三維場景的方法，由于其在一定程度上實現了自動化以及點云精度高的特點，成為數字城市三維建模方法的研究熱點。
[0007]隆華平等介紹了機載LiDAR (Light Detect1n And Ranging,光探測與測量)系統(tǒng)的回波探測原理，并從激光測高的計算模型出發(fā)，分析了激光測高的誤差來源，最后通過實驗分析了不同覆蓋區(qū)域生成DEM的精度；Farhad等(提出了一種基于多分類器融合(MCS)提取LiDAR (Light Detect1n And Ranging,光探測與測量)數據中道路信息的方法；Gong等提出了一種基于聚類的從LiDAR (Light Detect1n And Ranging,光探測與測量)數據和遙感影像中自動提取道路信息的方法；香港天文臺(Hong Kong Observatory)在香港國際機場設立了兩個LiDAR (Light Detect1n And Ranging,光探測與測量)系統(tǒng)用于探測機場兩個跑道上的風場，并將探測資料實時傳給機場氣象所，同時，激光雷達還被用于測量懸浮粒子的后散射，用作監(jiān)測機場附近的煙霞。李鵬程等提出了一種通過篩選機載LiDAR(Light Detect1n And Ranging,光探測與測量)數據的末次和單次回波，利用構建不規(guī)則三角網進行濾波和去除孤立點的方法獲取DEM的方法，并通過實驗證明了該方法的可行性與有效性。王宗躍等利用機載LiDAR (Light Detect1n And Ranging,光探測與測量)獲取點云數據時水體受陰影和渾濁的影響比傳統(tǒng)的遙感影像小的特點，綜合利用高分辨率遙感影像的高精度與點云數據的穩(wěn)健性，將兩者結合起來提高了水體邊緣輪廓線提取的精確度。程亮等提出一種LiDAR (Light Detect1n And Ranging,光探測與測量)輔助下利用超高分辨率影像進行輪廓提取的新方法，取得了較高的提取準確度。沈蔚等提出一種基于機載LiDAR (Light Detect1n And Ranging,光探測與測量)數據進行建筑物三維重建的方法，針對平頂建筑和非平頂建筑分別采用“Alpha shapes”算法和“基于向量聚類分析的屋頂提取方法”進行提取，具有一定的自適應性，但是目前該方法只能針對具有一定規(guī)則的建筑物進行三維提取，對于不規(guī)則的建筑物提取具有一定的局限性。李影等通過實驗對比了三種建筑物建模的方法，發(fā)現基于機載LiDAR (Light Detect1n And Ranging,光探測與測量)技術生成的三維模型精度高、適用范圍廣、外業(yè)工作量少等優(yōu)點，但同時存在數據量大、不便于快速傳輸等的缺點。張棟利用LiDAR (Light Detect1n And Ranging,光探測與測量)數據的高程信息和航空影像房屋的輪廓信息，分別提取房屋的頂面數據和輪廓數據，并基于此進行房屋的三維建模，相對于只使用LiDAR (Light Detect1n And Ranging,光探測與測量)數據或者只使用航空序列影像前方交會來建模具有一定的優(yōu)勢。Maas等基于分析激光腳點點云的矩不變性，提出了充LiDAR (Light Detect1n And Ranging,光探測與測量)數據中自動提取建筑物模型的方法；尤紅建等根據記載LiDAR (Light Detect1nAnd Ranging，光探測與測量)數據，生成城市的數字表面模型(DSM)和城市的數字地面模型(DTM)，最好根據建筑物具有規(guī)則的形狀這個特點來對建筑物的輪廓線進行規(guī)則化處理而最終恢復建筑物的三維信息。
[0008]雖然自動提取道路等人工地物的研究已經進行了二十多年，然是仍然沒有出現一個實際生產可用的自動化系統(tǒng)(無需人工干預)，鑒于此問題的難度，在當前階段，由人工干預或人工引導的半自動道路提取與建模成為國內外專家的研究熱點。丁如珍等完成了公交立交三維建模CAD系統(tǒng)的開發(fā)，對公路立交三維建模透視圖及渲染圖作為研究對象，對公路立交三維建模CAD系統(tǒng)總體結構進行研究，其次對系統(tǒng)中的數字地面模型、路面模型、跨線橋模型、護欄模型及車道標線模型等的建立進行了闡述。李哲梁等提出了公路道路信息管理系統(tǒng)中按匝道來表示立交橋的方法，并嘗試著立交橋在地理信息系統(tǒng)中如何進行空間分析，然而其對立交模型的表示和描述都停留在二維空間，使得空間分析和更深入的GIS分析功能難以實現。趙西安等提出了一種基于小波的道路中心線模板提取方法，利用道路在中低分辨率遙感圖像中局部特征表現為強的灰度特征的特點，在圖像中道路方向未知時，利用小波多尺度變換在三個尺度下，檢測圖像斷面上相關系數峰值，可以抑制噪聲并剔除候選點，然后綜合兩個方向檢測結果得到道路中心點，初步的實驗結果顯示，該方法對噪聲的抑制處理比較有限。左小清等以公路設計縱、橫斷面數據為基礎，用三角網結構來實現地形、公路及其構造物的三維模型的建立，對于附屬設施用3DS模型庫，該方法是交通地理信息系統(tǒng)和三維可視化相結合的一個初步嘗試，論文僅從設計數據出發(fā)，討論了里程點和參照點法間的關系，討論了點事件的定位方法和簡單的位置查詢，對線和面事件在三維環(huán)境下的定位和屬性表示沒有涉及。Haibin Dong等采用人工輸入種子點的辦法半自動地從單片IKN0S衛(wèi)星影像上提取和重建城市道路網的二維模型。作者對復雜的立交橋模型進行了研究，結合設計曲線線型對立交橋的提取和重建進行了探討。該方法的優(yōu)點是數據源較新，采用了高分辨率遙感影像，但仍然是半自動方法，由于采用的是單片影像，只能得到二維模型，沒有多余觀測，缺乏物方的檢查條件，如果影像有遮擋，重建工作將很難進行。黃建軍等提出了一種航空影像中的立交橋檢測的算法，在給出了一類帶有圓形或近似圓形轉彎匝道的立交橋的描述方法的基礎上，先進行主要干道檢測，再采用改進的Hough變換對匝道進行檢測，從而實現對立交橋的自動檢測。該方法的優(yōu)點是能夠有效地提取影像中具有圓形匝道的立交橋，但是實際獲取的數據中，立交橋不一定都是圓形規(guī)則匝道設計，還有很多沒有特定規(guī)則幾何形狀規(guī)律可言，需要利用其他信息來進行提取，因此該方法不具有普適性。Simon clode 等提出一種利用遙感影像和 LiDAR (Light Detect1n And Ranging,光探測與測量)點云提取道路區(qū)域的方法，該方法利用的是低分辨率影像，得到道路粗略的網絡分布，對于兩種數據的融合存在一定的問題，不能得到精確的道路。羅詔元(2006)，Sander Oude Elberink等,HuboCai等采用GIS數據庫中的道路輪廓線信息,作為道路邊緣的約束條件，并對道路進行定位，提取道路，結合LiDAR (Light Detect1n And Ranging,光探測與測量)高程信息建立道路三維模型。其優(yōu)點是可以充分利用GIS的道路拓撲關系，建立復雜的道路網絡信息，但是道路提取依賴GIS數據信息的時效性。
[0009]在點云濾波方面，國內外學者也提出了多種算法。美國佛羅里達國際大學的ZhangKeqi等提出一種基于變換窗口大小的漸進形態(tài)學濾波器的方法，隨著窗口大小的改變算法中相應的閾值也隨之改變。通過判斷三維點在鄰域窗口內的膨脹度和腐蝕度，進行開閉運算得到濾波結果。報告稱該方法在城區(qū)和山區(qū)都足夠有效，并能夠較好地除去車輛和灌木等目標。Petzold等提出一種利用移動窗口的濾波算法，該方法利用一個大尺度的移動窗口找最低點計算出一個粗略的地形模型；過濾掉所有高差超過給定閾值的點，計算一個更精確的EffiM。重復幾遍類似的操作，在重復計算的過程中，移動窗口不斷變小。結果顯示窗口的大小和閾值的大小會對最終的結果產生影響。奧地利維也納大學的Kraus和Pfeifer等提出一種迭代線性最小二乘內插模型殘差法濾波，在該方法中，DEM內插以及數據過濾同時進行，其核心思想就是基于地物點的高程比對應區(qū)域地形表面激光腳點的高程，線性最小二乘內插后激光腳點的高程擬合殘差不服從正態(tài)分布。該方法比較適用于森林密集覆蓋的地區(qū)的DTM生成。Vosselman提出基于坡度變化的濾波方法，計算測點到半徑范圍內的鄰域點的坡度值，如果找到鄰域點坡度值超過閾值，該點分類成非地面點。坡度閾值越小，點被濾除的機會越大，也就是會有較大量的濾除。Sithole對基于坡度變化的濾波算法進行改進，提出了閾值隨地形變化調適的方案，該方法為了保留傾斜地形信息，適當調整濾波窗口的尺寸大小，并增加篩選閾值的取值，這些濾波參數的最優(yōu)值隨著地形的變化而變化。
[0010]以上可以看出，目前的數字城市三維建模，特別是與機載LiDAR (LightDetect1n And Ranging,光探測與測量)數據的結合方面，主要集中在建筑物的三維建模領域，道路的三維建模還處于半自動化或者小面積的三維道路建模階段；由于現有的三維道路建模技術存在諸多瓶頸，使得有必要開發(fā)基于多種數據源融合的自動化的三維道路建模方法。
[0011]


【發(fā)明內容】

[0012]針對上述三維道路建模技術的發(fā)展態(tài)勢及現有局限，本發(fā)明著重于利用現有的二維道路矢量數據和機載LiDAR (Light Detect1n And Ranging,光探測與測量)數據，提出一種自動化的可覆蓋大面積區(qū)域的道路三維建模方法。
[0013]本發(fā)明所采用的技術方案是:一種基于機載LiDAR和GIS協(xié)同的三維道路生成方法，該方法所使用的數據源包括二維的GIS道路矢量數據和具有三維信息的點云數據；其特征在于，包括以下步驟:
步驟1:道路高程點數據提取，主要包括GIS輔助數據、GIS道路矢量數據的獲取和點云數據裁切；
步驟2:對提取的道路高程點數據依次進行道路自動分層、點云分層和點云濾波處理，然后判斷道路分層是否結束？
若是，則繼續(xù)執(zhí)行下述步驟3;
若否，則回轉執(zhí)行所述的步驟2 ；
步驟3:對分層后的數據進行道路高程內插，然后判斷道路內部以及道路連接處是否平滑？
若否，則對道路連接處平滑處理，并回轉執(zhí)行所述的步驟3 ；
否是，則生成三維道路。
[0014]作為優(yōu)選，所述的二維的GIS道路矢量數據包括面狀類型和線狀類型兩種。
[0015]作為優(yōu)選，所述的面狀類型的二維GIS道路矢量數據包括道路、道路交叉口、道路輔助設施、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺。
[0016]作為優(yōu)選，所述的線狀類型的二維GIS道路矢量數據包括道路中心線、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺。
[0017]作為優(yōu)選，所述的具有三維信息的點云數據包括機載LiDAR數據，或具有X、Y、Z坐標的以text文件存儲的三維點數據。
[0018]作為優(yōu)選，步驟2中所述的道路自動分層，其具體實現包括以下子步驟:
步驟2.1.1:獲取落入道路面的所有點，并求高程的中值作為該段道路的高程初始值； 步驟2.1.2:通過空間分析的方法獲取該道路與其他道路的空間鄰接或重疊關系； 步驟2.1.3:對于當前道路存在上述空間關系的道路的高程初始值進行排序；
步驟2.1.4:判斷與其序號值相鄰的面是否已經標記過道路層次，若有，那么當前道路的層次應該介于相鄰面的層次之間，否則將當前排序的序號值賦給當前道路作為道路層次，同時結合道路數據已有的相關屬性信息加以輔助判斷。
[0019]作為優(yōu)選，步驟2中所述的點云分層是基于其所落入的道路的最高等級作為點云的層次等級。
[0020]作為優(yōu)選，步驟2中所述的點云濾波是對道路面內的點云的濾波；針對平原地區(qū)，采用的是基于RANSAC (Random Sample Consensus,隨機抽樣一致性)算法的濾波方法進行濾波；針對山地，采用的是基于多重屬性(Multiple Attribute)的濾波方法；針對建筑物聚集區(qū)，首先對點云進行預處理，將落入建筑物或者與建筑物的邊界處的點排除掉，然后再利用RANSAC濾波的方法進行濾波。
[0021]作為優(yōu)選，步驟3中所述的對分層后的數據進行道路高程內插，采用的是線性內插或者最小二乘擬合內插法。
[0022]作為優(yōu)選，步驟3中所述的對道路連接處平滑處理，其具體實現包括以下子步驟: 步驟3.1:根據相關道路標準(如坡度信息)進行道路節(jié)點的高程異常檢測；
步驟3.2:對檢測出的高程異常點進行標記；
步驟3.3:對標記的高程異常點利用最小二乘曲線擬合等擬合或內插方法進行擬合，并根據擬合結果內插出新的高程值。
[0023]本發(fā)明將致力于解決LiDAR (Light Detect1n And Ranging,光探測與測量)數據在點云道路目標的分割、濾波和道路三維重建方面存在的問題。主要包括:道路點云數據裁切、高架橋道路自動分層、點云濾波、高程內插、道路連接與平滑處理、三維道路質量檢查等內容。本發(fā)明的發(fā)方法是一種自動化的可覆蓋大面積區(qū)域的道路三維建模方法。
[0024]

【專利附圖】

【附圖說明】
[0025]圖1:本發(fā)明的方法流程圖；
圖2:本發(fā)明實施例的對道路內部及連接處平滑處理流程示意圖。
[0026]

【具體實施方式】
[0027]為了便于本領域普通技術人員理解和實施本發(fā)明，下面結合附圖及實施例對本發(fā)明作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。
[0028]現有的三維道路建模技術存在諸多瓶頸，使得有必要開發(fā)基于多種數據源融合的自動化的三維道路建模方法。其可行性在于:
首先，道路提取已經成為遙感研究的熱點，在理論和實驗方面都得到了迅速發(fā)展，并且在土地覆蓋制圖、變化檢測、GIS (Geographic Informat1n System,地理信息系統(tǒng))數據庫更新等方面得到了非常好的應用，但是目前的方法大多基于半自動的道路提取，提取效率低，全自動化的道路提取算法還不夠成熟，道路提取的成熟軟件也沒有投入商用，因此有待于進一步研究；
其次，當前針對數字城市的三維重建工作仍然停留在算法研究與測試階段，大范圍的應用以及成熟的、自動化程度較高的數字城市三維重建軟件還很少，因此，現有的科研成果(包括有效的算法與現有的商業(yè)軟件)具有先進的算法和穩(wěn)定的效率，為本發(fā)明的順利完成奠定了基礎；
第三,LiDAR (Light Detect1n And Ranging,光探測與測量)數據提供了精確的高程信息，加之GIS (Geographic Informat1n System,地理信息系統(tǒng))矢量數據的引入，可以為點云的分割與濾波提供精確的幾何約束，能有效的提供高程內插的精度，本發(fā)明將充分利用這些已有的數據，將LiDAR (Light Detect1n And Ranging,光探測與測量)點云數據與GIS (Geographic Informat1n System,地理信息系統(tǒng))數據進行融合，提高道路高程信息提取和三維重建的精度；
為此，本發(fā)明提供一種基于機載LiDAR (Light Detect1n And Ranging,光探測與測量)和GIS (Geographic Informat1n System,地理信息系統(tǒng))協(xié)同的三維道路生成方法，請見圖1，本實施例所使用的數據源包括二維的GIS道路矢量數據和具有三維信息的點云數據；包括以下步驟:
步驟1:道路高程點數據提取，主要包括GIS輔助數據、GIS道路矢量數據的獲取和點云數據裁切；
道路高程點數據的獲取可以利用現有的從影像中自動或半自動的道路信息提取方法獲得，本發(fā)明對道路面獲取的方法不做特殊要求。
[0029]點運數據裁切主要是為了降低數據量，利用現有的GIS數據空間分析方法(clip)將落入道路內的點云從全部點云數據集中裁切出來，用于后續(xù)的數據處理。
[0030]步驟2:對提取的道路高程點數據依次進行道路自動分層、點云分層和點云濾波處理，然后判斷道路分層是否結束？
若是，則繼續(xù)執(zhí)行下述步驟3;
若否，則回轉執(zhí)行所述的步驟2 ；
本實施例的道路選擇高架道路，高架道路的自動分層算法是本發(fā)明的核心算法，該算法的主要步驟為:
1)遍歷所有道路面；
2)求出落入該面的點云，并計算這些點云的高程值的中值，作為該面的高程標記值；
3)求出所有與當前面有相交關系的面，然后根據每個面的高程標記值進行排序；
4)求出當前面的高程標記值所在的序號；
5)然后判斷與其序號值相鄰的面是否已經標記過道路層次，若有，那么當前道路的層次應該介于相鄰面的層次之間，否則將當前排序的序號值賦給當前道路作為道路層次。
[0031]點云分層:利用分層后的道路面對點云進行分層，由于存在道路重疊的現象，因此LiDAR (Light Detect1n And Ranging,光探測與測量)點中的一個點可能會同時落入不同的道路中，因此點云分層基于其所落入的道路的最高等級作為點云的層次等級。
[0032]點云濾波:針對大范圍的道路區(qū)域，根據地形的高低起伏和密集建筑物等的特殊情況，需要根據不同情況選用不同的濾波策略。本發(fā)明專利將分為三種情況進行濾波處理:
1平原地區(qū):
針對地形起伏比較小的地區(qū)，本發(fā)明采用一種基于RANSAC (Random SampleConsensus,隨機抽樣一致性)算法的濾波方法進行濾波，該濾波算法的具體步驟為:
1)對落入每一個道路區(qū)域內的點的集合，隨機選擇可以滿足模型參數的最小數量的占.2)利用選擇的點的集合計算模型的參數；
3)判斷滿足預設閾值的點的數量，并標記為內部點；
4)如果內部點的數量部分超出了預設的閾值，那么就用已經確定的內部點重新估計模型的參數并終止；
5)否則，重復步驟1)至4)(直到達到最大次數N為止)。
[0033]2 山地:
針對地形起伏比較大的丘陵或者山地地區(qū)，本發(fā)明采用一種基于多重屬性(MultipleAttribute)的濾波方法，該濾波算法的具體步驟為: 1)從點云的屬性字段中提取高程值和強度值，并利用這兩個值構建一個二維的空間。
[0034]2)將當前道路區(qū)域分割成小的道路段，并獲取落入每一個道路段的點的集合。
[0035]3)利用基于最小協(xié)方差行列式的多屬性模型將地面點和非地面點在上述的二維空間中進行分割。
[0036]3建筑物聚集區(qū):
針對建筑物聚集區(qū)，由于道路可能與建筑物之間有覆蓋或者鄰接的關系，因此首先對點云進行預處理，將落入建筑物或者與建筑物的邊界處較為接近的點排除掉，然后再利用RANSAC (Random Sample Consensus,隨機抽樣一致性)濾波的方法進行濾波；該步驟主要針對落在建筑物邊界附近的點進行處理，以避免對步驟3的高程內插造成影響。本發(fā)明主要通過空間分析中的緩沖區(qū)的方法，通過建立建筑物面的緩沖區(qū)，將落入該緩沖區(qū)的點排除掉。
[0037]步驟3:對分層后的數據進行道路高程內插，然后判斷道路內部以及道路連接處是否平滑？
若否，則對道路連接處平滑處理，并回轉執(zhí)行所述的步驟3 ；
否是，則生成三維道路。
[0038]利用濾波后的點集，對每個道路面的節(jié)點構建緩沖區(qū)，并計算落入緩沖區(qū)內并且與當前道路節(jié)點所在的道路層次相同的點的中值作為當前道路節(jié)點的高程值，并保存下來；如果當前節(jié)點搜索到的符合條件的高程點的個數為0，那么，將當前節(jié)點的高程值標記為0。
[0039]當一段道路處理完畢后，利用高程不為0的節(jié)點的高程值，通過最小二乘擬合或者線性內插的方法，內插出高程為0的節(jié)點的高程值，并保存下來。
[0040]道路連接主要處理兩段道路連接處公共節(jié)點的高程值，使兩段道路平滑連接；道路的平滑主要包括處理道路內部的高程異常以及道路間連接處的平滑過渡與高程異常處理。
[0041]道路的平滑算法主要利用非高程異常點作為已知點，然后通過利用最小二乘曲線擬合的方法，進行高程異常點平滑處理，請見圖2，道路連接處平滑處理的過程包括以下子步驟:
步驟3.1:根據相關道路標準(如坡度信息)進行道路節(jié)點的高程異常檢測；
步驟3.2:對檢測出的高程異常點進行標記；
步驟3.3:對標記的高程異常點利用最小二乘曲線擬合等擬合或內插方法進行擬合，并根據擬合結果內插出新的高程值。
[0042]本實施例的二維的GIS道路矢量數據包括面狀類型和線狀類型兩種；面狀類型的二維GIS道路矢量數據包括道路、道路交叉口、道路輔助設施、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺；線狀類型的二維GIS道路矢量數據包括道路中心線、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺；具有三維信息的點云數據包括機載LiDAR數據，或具有X、Υ、Z坐標的以text文件存儲的三維點數據。
[0043]本實施例的二維道路面的矢量數據的獲取方式可以通過計算機自動獲取也可以通過人工輔助的手段獲取。
[0044]本實施例的點云數據裁切方法不局限于使用ArcGIS軟件進行，也可以用其他軟件進行。
[0045]本實施例的道路自動分層的方法不局限于使用本發(fā)明提出的方法，也可以利用人工輔助的方式完成。
[0046]本實施例的點云濾波方法針對的是對道路面內的點云的濾波，而不是針對大范圍地面的濾波，濾波方法不局限于使用本發(fā)明提出的方法，也可以使用其他濾波方法。
[0047]本實施例的點云分層的方法不局限于使用本發(fā)明提出的方法，也可以使用其他方法。
[0048]本實施例的道路高程內插的方法不局限與線性內插或者最小二乘擬合內插法，也可以使用其他方法。
[0049]應當理解的是，本說明書未詳細闡述的部分均屬于現有技術。
[0050]應當理解的是，上述針對較佳實施例的描述較為詳細，并不能因此而認為是對本發(fā)明專利保護范圍的限制，本領域的普通技術人員在本發(fā)明的啟示下，在不脫離本發(fā)明權利要求所保護的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護范圍之內，本發(fā)明的請求保護范圍應以所附權利要求為準。
【權利要求】
1.一種基于機載“0八1？和以3協(xié)同的三維道路生成方法，該方法所使用的數據源包括二維的613道路矢量數據和具有三維信息的點云數據；其特征在于，包括以下步驟: 步驟1:道路高程點數據提取，主要包括以3輔助數據、以3道路矢量數據的獲取和點云數據裁切； 步驟2:對提取的道路高程點數據依次進行道路自動分層、點云分層和點云濾波處理，然后判斷道路分層是否結束？ 若是，則繼續(xù)執(zhí)行下述步驟3； 若否，則回轉執(zhí)行所述的步驟2 ； 步驟3:對分層后的數據進行道路高程內插，然后判斷道路內部以及道路連接處是否平滑？ 若否，則對道路連接處平滑處理，并回轉執(zhí)行所述的步驟3 ； 否是，則生成三維道路。
2.根據權利要求1所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:所述的二維的613道路矢量數據包括面狀類型和線狀類型兩種。
3.根據權利要求2所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:所述的面狀類型的二維613道路矢量數據包括道路、道路交叉口、道路輔助設施、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺。
4.根據權利要求2所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:所述的線狀類型的二維613道路矢量數據包括道路中心線、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺。
5.根據權利要求1所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:所述的具有三維信息的點云數據包括機載“0八1？數據，或具有乂、12坐標的以仏#文件存儲的三維點數據。
6.根據權利要求1所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:步驟2中所述的道路自動分層，其具體實現包括以下子步驟: 步驟2.1.1:獲取落入道路面的所有點，并求高程的中值作為該段道路的高程初始值； 步驟2.1.2:通過空間分析的方法獲取該道路與其他道路的空間鄰接或重疊關系； 步驟2.1.3:對于當前道路存在上述空間關系的道路的高程初始值進行排序； 步驟2.1.4:判斷與其序號值相鄰的面是否已經標記過道路層次，若有，那么當前道路的層次應該介于相鄰面的層次之間，否則將當前排序的序號值賦給當前道路作為道路層次，同時結合道路數據已有的相關屬性信息加以輔助判斷。
7.根據權利要求1所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:步驟2中所述的點云分層是基于其所落入的道路的最高等級作為點云的層次等級。
8.根據權利要求1所述的基于機載“0八1？和以3協(xié)同的三維道路生成方法，其特征在于:步驟2中所述的點云濾波是對道路面內的點云的濾波；針對平原地區(qū)，采用的是基于
( 1^811(10111 351卹16 &31186118118，隨機抽樣一致性)算法的濾波方法進行濾波；針對山地，采用的是基于多重屬性(11111:11)16八1:廿'1)3111:6)的濾波方法；針對建筑物聚集區(qū)，首先對點云進行預處理，將落入建筑物或者與建筑物的邊界處的點排除掉，然后再利用狀吧八濾波的方法進行濾波。
9.根據權利要求1所述的基于機載和以3協(xié)同的三維道路生成方法，其特征在于:步驟3中所述的對分層后的數據進行道路高程內插，采用的是線性內插或者最小二乘擬合內插法。
10.根據權利要求1所述的基于機載和613協(xié)同的三維道路生成方法，其特征在于:步驟3中所述的對道路連接處平滑處理，其具體實現包括以下子步驟: 步驟3.1:根據相關道路標準進行道路節(jié)點的高程異常檢測； 步驟3.2:對檢測出的高程異常點進行標記； 步驟3.3:對標記的高程異常點利用最小二乘曲線擬合等擬合或內插方法進行擬合，并根據擬合結果內插出新的高程值。
【文檔編號】G06T17/00GK104376595SQ201410706320
【公開日】2015年2月25日 申請日期:2014年11月28日 優(yōu)先權日:2014年11月28日
【發(fā)明者】史文中, 高利鵬 申請人:史文中, 高利鵬