闫利：车载激光点云道路标线提取方法

第一步：道路强度特征图像生成

将点云投影到M行C列的网格中。如何 投影？整个点云区域中，最大最小X,Y坐标分别为Xmax,Xmin,Ymax,Ymin，将这些坐标构成的矩形投影到XOY平面，那么就可以生成像素大小为N（格网间隔为N）的M行C列的网格中。采用落在每个网格内所有的扫描点的平均强度作为该格的灰度值（像素值），最后将灰度值归一化到0和255之间得到强度特征图像。

优点：道路面是平面地物，同一位置在高程方向只有一个点，因此路面点云可以认为是2.5维数据，将道路面点云投影成强度特征图像信息损失较小，同时能够减少数据量，提高处理效率。

缺点：强度特征图像较好的保留了原始点云的信息，但是由于投影分辨率的关系，定位精度不高。

第二步：强度图像特征提取和连通性分析

通过检测图像灰度的差异，可以提取道路标线边缘，从而进一步确定道路标线的具体位置。

通过使用sobel算子对图像卷积得到梯度图像，利用一维最大熵算法计算阈值提取图像边缘。对边缘图像进行连通区域分析，将彼此连通的像素标记为一个连通区域，每个连通区域对应一条图像边缘。（一个连通区域对应一个道路标线边缘）

（连通区域一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，连通区域分析是指将图像中各个连通区域找出并标记https://blog.csdn.net/ada_1215/article/details/69247796）

可以看出边缘检测之后会有一些噪声。

1）点云中存在强度突变引起的噪声点

2）道路面经过修补的部分也存在噪声点，此类噪声边缘连通区域内部的噪声强度低于区域外部强度

解决办法，设置2个约束：

1）连通区域的最小像素个数大于阈值P

2）连通区域内部像素平均灰度值大于边缘像素平均灰度值

第三步：道路标线点云提取与精化

提取出标线边缘后，可以直接在二维图像中恢复道路标线，但是由于投影分辨率的原因，这种方法得到的道路标线精准度不高，且缺乏高程信息。

强度特征图像带有地理特征参考，每个像素对应N*N的路面点云区域。由于投影分辨率低，每个像素对应的点云区域可能既包含标线点云又包含路面点云，因此要去除路面点云噪声。

根据边缘信息提取的候选道路标线点云可认为包含路面点云和标线点云两类目标，假设这两类目标均服从高斯分布，同一条道路标线的强度-点数直方图可认为服从均值为μ1，标准差为σ1的高斯分布，道路标线周边路面点云的强度-点数直方图可认为服从均值为μ2，标准差为σ2的高斯分布.使用高斯混合模型估计均值和方差，拟合高斯分布曲线，将强度低于T的点作为噪声点剔除，实现道路标线的精化。