文献类型：期刊文章

作　　者：方莉娜[1,2,3] 黄志文[1,2,3] 罗海峰[1,2,3] 陈崇成[1,2,3]

FANG Li’na;HUANG Zhiwen;LUO Haifeng;CHEN Chongcheng(National Engineering Research Centre of Geospatial Information Technology,Fuzhou University,Fuzhou 350002,China;Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education,Fuzhou University,Fuzhou 350002,China;Spatial Information Research Center of Fujian Province,Fuzhou University,Fuzhou 350002,China)

机构地区：[1]福州大学地理空间信息技术国家地方联合工程研究中心,福州350002 [2]空间数据挖掘与信息共享教育部重点实验室,福州350002 [3]福建省空间信息工程研究中心,福州350002

出　　处：《地球信息科学学报》

基　　金：国家自然科学基金青年基金项目(41501493);福建省自然科学基金项目(2017J01465);中国博士后科学基金项目(2017M610391);福建省教育厅中青年教师科研项目(JAT160078)~~

年　　份：2019

卷　　号：21

期　　号：7

起止页码：994-1008

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：本文提出一种基于SVM与图匹配相结合的车载激光点云道路标线识别方法。该方法基于标线点云分割对象,利用Hu不变矩、实心形状上下文(SSC)、最小外包矩形(MBR)面积和延展度构建形状特征向量,采用SVM进行道路标线粗分类。针对粗分类结果,构建能够精确描述空间语义信息(如局部区域内标线间的排列、方向、距离)的图结构,通过图匹配方法优化粗分类结果,完成直行箭头、人行横道预告标识线、单向转向箭头、双向转向箭头、虚线型标线、斑马线共六类道路标线的精确识别。本文实验采用4份不同场景车载激光点云数据,实验结果中6类标线分类的准确率分别达100%、100%、94.12%、100%、94.94%、99.25%,召回率分别达100%、100%、88.89%、100%、98.21%、99.00%,F1-Measure值分别达100%、100%、91.43%、100%、96.59%、99.12%。结果表明,本文方法能实现多类标线对象的精确识别,并对形状相似标线(如直行箭头、虚线型标线与斑马线)的区分具有较强稳健性。

关 键 词：车载激光点云  道路标线识别  形状特征  SVM 图结构 图匹配

分 类 号：TP391.41] TP181[计算机类] U463.6]