本发明涉及领域，具体涉及一种基于车载激光点云的高速公路边界提取方法。
背景技术：
1、传统的高速公路边界提取方法依赖于人工现场勘查或二维地图数据，这些方法不仅耗时耗力，而且难以达到高效率的要求。随着车载激光扫描技术(mobilelidar)的发展，利用其进行高速公路边界的自动提取成为可能。车载激光扫描系统能够在行驶过程中快速收集路面及其周边环境的三维点云数据，提供了一种高效、精确的数据获取手段。
2、三维激光测量技术是一种以非接触方式主动地快速获取物体表面三维密集点云的技术。它能够直接远距离获取高精度的三维点云，其中包括三维坐标、反射强度以及光学纹理等属性，这些点云在空间上呈现出海量且非均匀分布的特点。值得注意的是，三维激光测量技术不受天气条件的影响，并具有一定的穿透性[此，在西南山区植被茂密且地形复杂的环境下，三维激光测量技术成为一项重要的测绘技术手段，能够有效支持高速公路改扩建工作的进行。
3、近年来，三维激光测绘技术逐渐应用于公路建设勘测设计中。然而，在大部分公路勘测中，三维激光测绘局限于获取高精度地形信息，而在高速扩建过程中三维激光测绘数据更深层次的探索较少，例如高速公路边界线精确提取，高速公路资产数字化等。此外，目前激光测绘技术在公路改扩建业务中尚未形成针对全生命周期的激光应用技术体系。同时，三维激光数据的深度应用在公路工程领域缺乏技术探索。在高速公路中，除桥梁隧道路段，一般高速公路路沿通常是平缓且没有明确边界的，不同于城市道路上存在明显路沿。因此，高速公路的点云数据往往缺少明确定义的路沿特征。相比之下，一般道路激光点云可能更关注道路几何特征和包括路沿在内的不同地物。而高速公路由于缺乏明确定义的路沿特征，所以针对高速公路的边界提取与城市道路边界提取的方法不同。因此，基于车载激光点云的高速公路边界提取方法的研究，不仅对高速公路的设计、施工、管理和维护具有重要的实际应用价值，同时也对推动智能交通系统的发展和保护环境生态具有深远的意义。
4、尽管三维激光测绘技术在高速公路改扩建工程中已经得到了应用，主要集中在提供高精度地面高程数据，但其应用仍面临一些局限性。例如，在车载激光点云精度优化方面，研究主要针对特定约束条件和环境特征点，但在实际情况下这些条件可能难以满足，因此需要更为广泛适用和鲁棒的方法。在激光点云道路边界提取方面，虽然已有多种基于图像、点云和数据融合的方法，但仍需强化在复杂环境下的适应能力和提取精确度，尤其是在光照或结构复杂的道路场景下。总体而言，当前研究仍需进一步针对实际应用场景，改进技术和方法，提高高速公路改扩建项目的效率和精度。
技术实现思路
1、本发明的目的是提供一种基于车载激光点云的高速公路边界提取方法，以解决现有三维激光测绘技术在复杂环境下的适应能力和提取精确度较差的问题。
2、为解决上述技术问题，本发明提供一种基于车载激光点云的高速公路边界提取方法，包括：
3、s1：采集道路及道路两侧地物的点云数据，并对点云数据进行预处理；
4、s2：获取与点云数据对应的控制点，对控制点进行分类得到型值点数据；然后对型值点数据进行三次hemite插补处理；最后采用idw分配插补后的型值点数据与点云数据的高程差，对点云数据进行高程校正处理；
5、s3：首先利用dbscan聚类算法结合密度与反射强度滤波提取经高程校正处理的点云数据中的道路点云数据；然后利用alphashape边缘检测算法对提取到的高速公路点云数据进行边界点提取；最后使用ransc直线拟合的方法对高速公路边界点进行拟合，得到完整的高速公路边界。
6、进一步地，步骤s1中，对点云数据进行预处理包括：
7、根据采集到的点云数据的构建kd树形点云图；
8、对点云数据进行去噪处理；
9、对去噪后的点云数据进行精简处理。
10、进一步地，对点云数据进行去噪处理包括：顺序采用高斯滤波、曲面拟合滤波、法向量滤波和形态学滤波对点云数据进行去噪处理。
11、进一步地，步骤s2中，对型值点数据进行三次hemite插补处理包括：
12、采用规范积累弦长法对型值点进行参数化处理，确定节点函数值；
13、通过贝塞尔曲线进行切失计算，确定节点导数值；
14、选择一组插值点集合，插值点集合中的每个插值点均包括节点函数值以及节点导数值；
15、构建插值基函数，再将插值基函数与对应的函数值和导数值进行线性组合，可得到一个三次多项式；
16、根据三次多项式计算得到在插值点之间进行插值的曲线或曲面。
17、进一步地，步骤s2还包括对进行高程校正处理前后的点云数据进行纵向验证和横向验证。
18、进一步地，步骤s3中，利用dbscan聚类算法结合密度与反射强度滤波提取经高程校正处理的点云数据中的道路点云数据包括：
19、采用dbscan聚类算法将道路表面的点与其他非道路表面的点进行区分；
20、根据点云密度不同将道路表面的点与其他非道路表面的点进行区分；
21、根据点云反射率不同将道路表面的点与其他非道路表面的点进行区分。
22、进一步地，步骤s3中，利用alphashape边缘检测算法对提取到的高速公路点云数据进行边界点提取包括：
23、对输入点集进行delaunay三角剖分，生成一个连接所有输入点并满足delaunay条件的三角网；
24、基于构造的delaunay三角剖分，对每个三角形或边进行评估，计算其外接圆的半径，并将其与预设的α值进行比较，如果一个三角形或边的外接圆半径小于或等于α值，则该三角形或边被认为是目标形状的一部分；如果半径大于α值，则认为该三角形或边不属于目标形状，需被舍去；
25、通过上述筛选步骤，剩下的三角形或边构成了满足alpha shapes条件的目标形状；在此基础上，提取形状的边缘或边界，得到目标对象的轮廓。
26、进一步地，步骤s3中，使用ransc直线拟合的方法对高速公路边界点进行拟合，得到完整的高速公路边界包括：
27、通过随机抽样的方式选择点云数据中的一部分子集，在该子集上拟合出一个模型，并将该模型与所有点云数据进行比较，根据预先设定的阈值判断哪些数据点符合该模型，从而得到一个更可靠的模型；经过m次迭代后，选取具有最大内点数的模型作为最终的拟合结果；
28、在m次迭代中，在保证设定置信概率之下，其拟合模型最小数据量与数据内点占比p(p＞t)满足以下关系:
29、p＝1-(1-tn)m
30、
31、其中，p为置信度；t内点占总数据量比例；n拟合模型最小数据量；1-tn为选取n点时，至少有一个局外点；当时，终止迭代。
32、本发明的有益效果为：
33、1、该方法可以在无法利用路沿特征进行边界识别的情况下完成高速公路路面点云的精确提取，且为无路沿的道路提取提供了可行的较为复杂解决思路；
34、2、采用滤波算法链的方法对复杂的车载激光点云数据进行去噪处理，提高了后续高程校正处理和高速公路边界线提取的精度与效率；
35、3、采用三次埃尔米特插值及反距离权重约束方法对点云数据的高程精度进行校正，相较于以往设立靶标的方式进行提高点云数据精度，能够很好保证点云数据的精度，以及使点云数据能够达到工程应用。
1.一种基于车载激光点云的高速公路边界提取方法，其特征在于，包括：
2.根据权利要求1所述的基于车载激光点云的高速公路边界提取方法，其特征在于，所述步骤s1中，对所述点云数据进行预处理包括：
3.根据权利要求2所述的基于车载激光点云的高速公路边界提取方法，其特征在于，所述对点云数据进行去噪处理包括：顺序采用高斯滤波、曲面拟合滤波、法向量滤波和形态学滤波对点云数据进行去噪处理。
4.根据权利要求1所述的基于车载激光点云的高速公路边界提取方法，其特征在于，步骤s2中，对所述型值点数据进行三次hemite插补处理包括：
5.根据权利要求1所述的基于车载激光点云的高速公路边界提取方法，其特征在于，所述步骤s2还包括对进行高程校正处理前后的点云数据进行纵向验证和横向验证。
6.根据权利要求1所述的基于车载激光点云的高速公路边界提取方法，其特征在于，步骤s3中，所述利用dbscan聚类算法结合密度与反射强度滤波提取经高程校正处理的点云数据中的道路点云数据包括：
7.根据权利要求1所述的基于车载激光点云的高速公路边界提取方法，其特征在于，步骤s3中，所述利用alphashape边缘检测算法对提取到的高速公路点云数据进行边界点提取包括：
8.根据权利要求1所述的基于车载激光点云的高速公路边界提取方法，其特征在于，步骤s3中，所述使用ransc直线拟合的方法对高速公路边界点进行拟合，得到完整的高速公路边界包括：
