一种基于MLS点云的道路标线提取分类方法及系统
本发明涉及智能交通测绘识别，具体而言，涉及一种基于mls点云的道路标线提取分类方法及系统。
背景技术：
1、道路标线是绘制在路面上的各类交通标志和文字，包括车道线、停止线、斑马线、箭头、文字等。他们在道路交通安全方面发挥着重要作用，能够为道路使用者提供必要的引导和保护，从而减少事故数量并缓解交通拥堵。道路标线的准确识别和提取是实现交通监测、自动驾驶、车道级高精地图等技术的基础。
2、已有研究大多基于车载数码相机获取的视频和图像来提取和分类道路标线，然而，这种方法容易受到天气条件和光照的影响。不同于光学图像，移动激光扫描(mls)点云对光照环境并不敏感，并且拥有几何信息和反射强度。因此，目前已进行了一系列利用mls点云相关特征来提取道路标线的研究。例如，一些方法利用点云的几何信息使用hough变换进行提取，但这类方法仅适用于特定类型的标线，且易受道路场景变化的影响。还有研究者利用点云的反射强度信息设定阈值，通过mstv、全局阈值分割、多阈值分割等方法来提取道路标线，但这些方法易受点云强度变化的影响，在不同场景之间的适应性较差。
3、在深度学习技术不断进步的推动下，学者们提出了各种实例分割网络模型，并在自然场景中得到了广泛应用。然而，道路标线不同于自然图像，在单个图像中会出现多个实例对象，且这些对象只占据整个图像的一小部分，在特征融合过程中极易受到背景噪声的影响。
技术实现思路
1、为了解决上述问题，本发明的目的是提供一种基于mls点云的道路标线提取分类技术，意在解决现有技术侧重于从移动激光扫描(mls)点云中提取道路标线，其性能受到路面背景复杂、道路标线尺度变化以及边界模糊等限制问题，提升提取分类道路标线的能力。
2、为了实现上述技术目的，本申请提供了一种基于mls点云的道路标线提取分类方法，包括以下步骤：
3、基于mask r-cnn，将具有道路标线的二维强度特征图像，输入到特征提取网络resnet-50中提取特征图，并进行多尺度特征融合具有多尺度信息的特征图后，通过区域建议网络rpn，生成区域候选框；
4、将区域候选框作为roialign层的输入，提取特征图中每个区域候选框所对应的特征，输入到检测分支和掩膜分支中，对道路标线进行分类识别。
5、优选地，在获取强度特征图像的过程中，通过布料模拟算法csf对道路的点云数据进行处理，提取出仅包含路面背景和道路标线的点云数据；并利用路面点云的强度信息，将点云数据转换为二维强度特征图像。
6、优选地，在生成二维强度特征图像的过程中，基于点云数据，采用反距离加权插值算法idw生成二维强度特征图像。
7、优选地，在进行多尺度特征融合的过程中，将pafpn横向连接处的1×1卷积替换为sa混洗注意力模块，通过细化通道和空间维度，构建混洗注意力特征金字塔，用于对通过特征提取网络resnet-50提取的四个不同尺度的特征图进行多尺度特征融合。
8、优选地，在对道路标线进行分类识别的过程中，在检测分支中，通过校正特征图中每个实例对象的边界框坐标，并预测其分类得分，对道路标线进行分类。
9、优选地，在对道路标线进行分类识别的过程中，在掩膜分支中，通过引入点渲染模块，对cnn网络输出的粗略分割结果进行2倍上采样，在上采样结果中选择n个预测概率接近0.5的点，计算这n个点的逐点特征，利用多层感知机来预测逐点特征的标签，对道路标线进行识别，其中，逐点特征包括所选n点上的粗粒度特征和细粒度特征。
10、优选地，在获取细粒度特征的过程中，通过混洗注意力特征金字塔，提取细粒度特征。
11、优选地，在获取粗粒度特征的过程中，通过构建多尺度上下文感知模块去捕获多尺度特征信息，作为粗粒度特征，其中，每个分支由cnn和transformer两条路径并行构成，每个cnn路径中具有一个3×3 dilated convolution，每个分支结构完全一样，区别在于膨胀卷积的膨胀率。
12、优选地，在获取粗粒度特征的过程中，通过将cnn和transformer并行组合，同时捕获全局上下文关系和局部空间细节信息，其中，在cnn路径中，通过逐步增加感受野，从局部到全局编码特征；在transformer路径中，首先获取全局上下文信息，随后逐步恢复局部细节，最后融合两个路径中提取到的具有相同分辨率的特征。
13、本发明公开了一种基于mls点云的道路标线提取分类系统，用于实现道路标线提取分类方法，包括：
14、数据处理模块，用于基于mask r-cnn，将具有道路标线的二维强度特征图像，输入到特征提取网络resnet-50中提取特征图，然后进行多尺度特征融合，并将融合后具有多尺度信息的特征图通过区域建议网络rpn，生成区域候选框；
15、分类识别模块，用于将区域候选框作为roialign层的输入，提取特征图中每个区域候选框所对应的特征，输入到检测分支和掩膜分支中，对道路标线进行分类识别。
16、本发明公开了以下技术效果：
17、本发明解决了现有技术中由于侧重于从移动激光扫描(mls)点云中提取道路标线，而造成的性能受到路面背景复杂、道路标线尺度变化以及边界模糊等限制问题，提升了道路标线的提取分类能力，通过在道路标线的准确提取在智能交通系统、高精地图构建、自动驾驶等领域具有重要意义。
技术特征：
1.一种基于mls点云的道路标线提取分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于mls点云的道路标线提取分类方法，其特征在于：
3.根据权利要求2所述一种基于mls点云的道路标线提取分类方法，其特征在于：
4.根据权利要求3所述一种基于mls点云的道路标线提取分类方法，其特征在于：
5.根据权利要求4所述一种基于mls点云的道路标线提取分类方法，其特征在于：
6.根据权利要求5所述一种基于mls点云的道路标线提取分类方法，其特征在于：
7.根据权利要求6所述一种基于mls点云的道路标线提取分类方法，其特征在于：
8.根据权利要求7所述一种基于mls点云的道路标线提取分类方法，其特征在于：
9.根据权利要求8所述一种基于mls点云的道路标线提取分类方法，其特征在于：
10.一种基于mls点云的道路标线提取分类系统，其特征在于，包括：
技术总结
本发明公开了一种基于MLS点云的道路标线提取分类方法及系统，属于智能交通测绘识别技术领域，包括：基于Mask R‑CNN，将具有道路标线的二维强度特征图像，输入到特征提取网络ResNet‑50中提取特征图，然后进行多尺度特征融合，并将融合后具有多尺度信息的特征图通过区域建议网络RPN，生成区域候选框；将区域候选框作为RoIAlign层的输入，提取特征图中每个区域候选框所对应的特征，输入到检测分支和掩膜分支中，对道路标线进行分类识别。本发明提升了道路标线的提取分类能力，通过在道路标线的准确提取在智能交通系统、高精地图构建、自动驾驶等领域具有重要意义。
技术研发人员：刘涛,李德辉,曹小鸿,杜萍,闫浩文,王文宁,李朋朋,刘双童,程星智
受保护的技术使用者：兰州交通大学
技术研发日：
技术公布日：2024/9/23