CC BY
58
УДК 528.4
АВТОМАТИЗИРОВАННОЕ ОПРЕДЕЛЕНИЕ ХАРАКТЕРНЫХ ЛИНИЙ АВТОМОБИЛЬНЫХ ДОРОГ ПО ДАННЫМ МОБИЛЬНОГО ЛАЗЕРНОГО СКАНИРОВАНИЯ
Максим Александрович Алтынцев
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, старший преподаватель кафедры инженерной геодезии и маркшейдерского дела, тел. (383)343-29-66, e-mail: mnbcv@mail.ru
Определение характерных линий автомобильных дорог является одной из задач в автодорожной отрасли. Векторизация характерных линий необходима для определения геометрических параметров автомобильных дорог. Данные мобильного лазерного сканирования способны значительно ускорить и повысить точность процесс поиска таких линий. В статье проведены исследования методов поиска характерных линий.
Ключевые слова: мобильное лазерное сканирование, автомобильная дорога, характерные линии.
SEMI-AUTOMATIC DETECTION OF ROAD BREAKLINES USING MOBILE LASER SCANNING DATA
Maxim A. Altyntsev
Siberian State University of Geosystems and Technologies, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., senior lecturer, engineering geodesy and mine surveying department, tel. (383)343-29-66, e-mail: mnbcv@mail.ru
Detection of road breaklines is one of the tasks in the road industry. Vectorization of break-lines is necessary for searching road geometry parameters. Mobile laser scanning data are dramatically capable to speed up and to increase an accuracy of searching such lines. The study of methods for searching breaklines is given.
Key words: laser scanning, road, breaklines.
Эффективное планирование и управление транспортной инфраструктурой требует наличия приемлемого набора пространственных данных. Традиционные технологии сбора пространственных данных весьма дорогостоящи, трудоёмки и требуют серьёзных временных затрат. Мобильное лазерное сканирование (МЛС) позволяет значительно ускорить процесс сбора пространственных данных, которые получаются в виде массивов точек лазерных отражений. В настоящее время появляется всё больше систем МЛС, применимых для сбора данных в автодорожной отрасли. Данные МЛС в этой отрасли применяются для создания топографических планов, построения продольных и поперечных профилей, цифровых моделей поверхности дорожного полотна, для определения геометрических параметров дорог и объектов придорожной полосы [1-4]. МЛС также является надежным и достоверным источником данных при контроле над строительством новых дорог. Повторное выполнение МЛС дорог способно выявить все дефекты дорожного полотна, оценить все его изменения [5-7].
Вследствие огромного объема данных лазерного сканирования возникает необходимость извлекать информацию об автомобильных дорогах из массива точек лазерных отражений (ТЛО) посредством их перевода в векторный формат. В данном формате вся информация об автомобильных дорогах должна быть представлена в виде характерных линий, описывающих покрытие, геометрические параметры дорог и прилегающих к ним территорий. Для быстрого и точного извлечения такого рода информации требуется разрабатывать различные методики и алгоритмы, которые будут способны проанализировать весь массив ТЛО. В настоящее время работы в этом направлении активно ведутся параллельно разными исследователями. В [10-12] представлены основные концепции и алгоритмы извлечения пространственной информации из массива ТЛО. В общем случае задачу автоматизации получения векторной информации по массиву точек можно разделить на несколько этапов [10]:
- получение поверхности дорожного полотна;
- создание геопривязанных растровых изображений по массиву точек поверхности дорожного полотна;
- выделение трещин дорожного полотна по геопривязанным растровым изображениям и на основе анализа значений интенсивности ТЛО;
- выделение дорожной разметки по значениям интенсивности ТЛО;
- векторизация характерных линий автомобильных дорог в результате анализа высот ТЛО и их значений интенсивности;
- построение высокоточных цифровых моделей поверхности дорожного полотна и прилегающих областей на основе полученных характерных линий и массива ТЛО.
В статье исследуются вопросы векторизации характерных линий автомобильных дорог и построение цифровой модели поверхности дорожного полотна и модели рельефа придорожной полосы.
Характерные линии определяют основные элементы автомобильных дорог, которые характеризуют их в продольном и поперечном профиле.
К основным характерным линиям автомобильной дороги можно отнести следующие [8]: ось поперечного профиля, выпуклость поперечного профиля, границы укрепленной полосы обочины, кромки проезжей части, бровка и подошва земляного полотна.
Автоматизированная векторизация характерных линий выполнялась на основе данных МЛС, полученных с помощью системы Ше§1 УМХ-250 на участок автомобильной дороги между поселками 8 марта и Верх-Тула в пригороде г. Новосибирска. Обработка данных выполнялась в программном комплексе Тег-гаБоНё.
На первом этапе выполнялась классификация ТЛО. Необходимо было выделить в отдельный класс точки, характеризующие поверхность земли и дорожного полотна. Для классификации использовался алгоритм молдинга [13]. Классифицированные точки служили основой для поиска характерных линий. На исследуемом участке автодороги присутствовала дорожная разметка, кото-
рая описывала кромки и ось автомобильной дороги. Дорожная разметка обладает высокой отражательной способностью. Поэтому она является хорошо читаемой в массиве ТЛО по сравнению с близлежащими участками. Для автоматизированного выделения кромок и оси из массива точек земли и дорожного полотна были выделены в отдельный класс такие точки, которые имели высокую отражательную способность. На рис. 1 показан фрагмент массива ТЛО на участок дороги до выполнения классификации по значениям интенсивности и после неё.
а б
Рис. 1. Массив ТЛО участка дорожного полотна: а - весь массив ТЛО; б - классифицированные ТЛО по интенсивности
Суть автоматизации процесса определения характерных линий заключается сначала в приблизительной векторизации каждой из них, а затем в их автоматическом перенесении в нужную позицию [13]. Вначале в плане была приблизительно векторизована одна из кромок с точностью порядка 1 м. Затем был задействован алгоритм переноса векторных элементов на массив точек по высоте, суть которого заключается в присвоении каждой позиции линии таких же высот, как в массиве ТЛО при равенстве плановых координат линии и ТЛО. Поиск средних высот для линии осуществлялся по массиву ТЛО в радиусе 10 см от каждой её позиции. Затем линия кромки вписывалась в классифицированные по интенсивности ТЛО, соответствующие разметке. Алгоритм вписывания позволяет повысить точность размещения линии как в плане, так и по высоте при задании радиуса поиска. В данном случае радиус поиска был установлен на значении 0,5 м. Затем получившаяся линия кромки была скопирована сначала к разметке на другой стороне дороги, а затем к её оси, и процесс вписывания был повторён. На рис. 2 поэтапно показан процесс определения кромок и оси автомобильной дороги. Все интерактивно векторизованные линии показаны оранжевым цветом, а автоматически - зелёным.
а
б
в г
Рис. 2. Векторизация кромок и оси автомобильной дороги:
а - интерактивная векторизация левой кромки; б - автоматическое вписывание левой кромки; в - копирование линии кромки к оси к другой стороне дороги, вписывание линии правой кромки; г - вписывание линии оси дороги
Следующей задачей стало определение линии выпуклости поперечного профиля автомобильной дороги, соответствующей изменению направления поперечного уклона, то есть определению точек перегиба по оси дороги. За основу была взята автоматизировано определенная ось дороги. Определение точек перегиба выполнялось автоматически с помощью соответствующего алгоритма. Для дороги шириной 8 м был задан радиус поиска точек перегиба на значении 3 м. На рис. 3 показаны результаты поиска линии выпуклости поперечного профиля дороги, где зелёным цветом изображена линия оси дороги, а красным -линия выпуклости.
б
Рис. 3. Векторизация линии выпуклости поперечного профиля дороги: а - вид сверху; б - поперечный профиль
Далее выполнялось определение границ укреплённой полосы обочины. Данная задача может быть решена двумя способами: по изменению уклона в точке смены покрытия или по изменению значений интенсивности. Значения интенсивности твёрдого покрытия автомобильных дорог отличаются от значений интенсивности неукрепленной полосы обочины. В случае для исследуемого участка дороги изменений уклона при смене покрытия на обочине не наблюдалось, поэтому векторизация границ укреплённой её полосы выполнялось интерактивно по значениям интенсивности. На рис. 4 показан результат векторизации границ укреплённой полосы обочины с отображением линии выпуклости поперечного профиля дороги.
Затем было проведено выделение откосов дорог, представленных линиями бровок и подошв земляного полотна. В данном случае даже приблизительное определение положения таких линий по массиву ТЛО представляет собой сложную задачу. Упростить процесс интерактивной векторизации линий бровок и подошв земляного полотна способна построенная по точкам земли и дорожного покрытия цифровая модель рельефа (ЦМР) с отображением в виде цветовой палитры с изменением цветов по высоте.
Рис. 4. Результат векторизации границ укреплённой полосы обочины
Построение цифровой модели рельефа по всем таким ТЛО занимает значительное время и требует больших вычислительных ресурсов из-за огромного числа ТЛО. Поэтому предварительно следует выполнять прореживание. Для прореживания применялся алгоритм классификации ключевых точек [9]. Алгоритм классифицирует точки перегиба рельефа на основе заданного допуска по высоте. По ключевым точкам рельефа была построена ЦМР и были интерактивно приблизительно векторизованы линии бровок и подошв откосов дороги (рис. 5, а). Из рис. 4 видно, что откосы описывает небольшое число ТЛО вследствие присутствия зон, не попавших в поле зрения лазерных сканеров системы МЛС. Из-за недостаточного числа ТЛО, описывающих откосы, при автоматической коррекции положения характерных линий откосов могут возникать ошибки. Чтобы их избежать, до выполнения процесса автоматической коррекции по ключевым ТЛО было выполнено создание регулярной сетки ТЛО с шагом 20 см. ТЛО регулярной сетки и ключевые ТЛО рельефа были объединены. На рис. 5, б показаны объединённые ТЛО с отображением по высоте.
'ЩшДШ''''
■ ДЙРЙ1"
¿яв
Рис. 5. ЦМР:
а - ЦМР по ключевым ТЛО и характерные линии откосов; б - регулярная сетка ТЛО
По объединённым ТЛО поверхности земли выполнялась автоматическая коррекция положения характерных линий откосов с заданием значения радиуса поиска 4 м. На рис. 6 показан результат автоматизированного поиска подошвы откоса при использовании исходных ТЛО и при применении ТЛО, соответствующих результату объединения точек регулярной сетки и ключевых точек, где оранжевым цветом показана интерактивно векторизованная линия, красным -автоматически векторизованная линия по исходным ТЛО, а зелёным - автоматически векторизованная линия по объединённым ТЛО. Как видно, линия подошвы откоса, полученная по объединённым ТЛО, более плавная и более точно описывает действительную подошву откоса.
б
Рис. 6. Поиск подошвы откоса: а - вид сверху; б - поперечный профиль исходных ТЛО
Аналогично были получены оставшиеся характерные линии земляного полотна. Все линии были использованы в качестве структурных для построения цифровой модели поверхности (ЦМП) дороги и ЦМР придорожной полосы. На рис. 7 показан результат построения с отображением всех характерных линий.
Рис. 7. ЦМП дороги и ЦМР придорожной полосы
Таким образом, были автоматизировано найдены все характерные линии автомобильной дороги на участке трассы в пригороде г. Новосибирска. Было определено, что сначала необходимо выполнить приблизительную векторизацию каждой характерной линии. Для поиска характерных линий откосов дороги необходимо иметь массив ТЛО без теневых зон или точки на недостающих участках получить методом интерполяции путем создания регулярной в плане сетки высот. Полученные характерные линии можно использовать для создания высокоточной ЦМП дороги и ЦМР придорожной полосы.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Середович В. А., Алтынцев М. А. Применение данных мобильного лазерного сканирования для создания топографических планов // Интерэкспо ГЕО-Сибирь-2013. IX Между-нар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 15-26 апреля 2013 г.). - Новосибирск : СГГА, 2013. Т.3.- С. 96-100.
2. Деговцев А. А. Технология мобильного лазерного сканирования для выполнения проектно-изыскательских работ // Интерэкспо ГЕО-Сибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск : СГГА, 2012. Т. 3. - С. 140-144.
3. Середович В. А., Востров И. В. Обзор современных программных продуктов для создания и использования трехмерных моделей для проектирования автомобильных дорог // Интерэкспо ГЕО-Сибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск : СГГА, 2012. Т. 3. - С. 115-120.
4. Ковач Н. С., Клименок И. В. Возможности применения мобильного лазерного сканирования для мониторинга дорог и сопутствующей инфраструктуры на основе опыта произведённых работ на участках Октябрьской, Рязанской, Смоленской и Брянской железных дорог // Интерэкспо ГЕО-Сибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч.
конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск : СГГА, 2012. Т. 3. - С. 92-97.
5. Середович В. А., Попов Р. А., Алтынцев М. А. Выявление изменений в инфраструктуре города по данным мобильного лазерного сканирования // Интерэкспо ГЕО-Сибирь-2014. X Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 2 т. (Новосибирск, 8-18 апреля 2014 г.). - Новосибирск : СГТА, 2014. Т. 2. - С. 156-160.
6. Середович В. А., Алтынцев М. А., Попов Р. А. Выбор методики уравнивания данных мобильного лазерного сканирования в зависимости от качества полученных данных и снимаемой территории // Интерэкспо ГЕО-Сибирь-2014. Х Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 2 т. (Новосибирск, 8-18 апреля 2014 г.). - Новосибирск : СГГА, 2014. Т. 2. - С. 142-149.
7. Середович В. А., Алтынцев М. А., Анцифиров Е. С. Исследование точности уравнивания данных мобильного лазерного сканирования // Интерэкспо ГЕО-Сибирь-2013. IX Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 15-26 апреля 2013 г.). - Новосибирск : СГГА, 2013. Т. 3. - С. 90-95.
8. Федотова, Г. А. Справочная энциклопедия дорожника. V том. Проектирование автомобильных дорог [Текст] / Г.А. Федотова, П.И. Поспелова. - М., 2007. - 1466 с.
9. Середович В. А., Алтынцев М. А., Попов Р. А. Исследование точности создания цифровых моделей рельефа и вычисления объемов насыпи и выемки горных пород на основе данных лазерного сканирования // Изв. вузов. Геодезия и аэрофотосъемка. - 2015. - № 5/С. -С. 66-71.
10. Guan, H. Automated extraction of road information from mobile laser scanning data [Text] : A thesis for the degree of Doctor of Philosophy in Geography /H. Guan. - Waterloo, Ontario, Canada, 2013. - 201 p.
11. Hervieu, A. Semi-automatic road/pavement modeling using mobile laser scanning [Text] : / A. Hervieu, B. Soheilian // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume II-3/W3, 2013, CMRT13 - City Models, Roads and Traffic 2013, 12 - 13 November 2013, Antalya, Turkey, pp. 31-36.
12. Miraliakbari, A. Automatic extraction of road surface and curbstone edges from mobile laser scanning data [Text] : / A. Miraliakbari, M. Hahn, S. Sok // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-4/W5, 2015, Indoor-Outdoor Seamless Modelling, Mapping and Navigation, 21-22 May 2015, Tokyo, Japan, pp. 119-124.
13. Soininen, A.TerraScan User's Guide [Text] : / A. Soininen. - Finland, 2014. - 582 p.
© М. А. Алтынцев, 2016
