本發(fā)明屬于計(jì)算機(jī)視覺(jué)和激光掃描數(shù)據(jù)處理的交叉領(lǐng)域，尤其涉及一種基于激光掃描離散點(diǎn)強(qiáng)度梯度的道路標(biāo)線自動(dòng)化提取方法。

背景技術(shù)：

移動(dòng)激光掃描系統(tǒng)可以自動(dòng)化的獲取道路環(huán)境周邊的高精度三維坐標(biāo)信息，已成為一種快速的空間數(shù)據(jù)獲取手段，廣泛運(yùn)用于基礎(chǔ)測(cè)繪、數(shù)字城市建設(shè)、交通運(yùn)輸規(guī)劃等領(lǐng)域。同時(shí)，移動(dòng)激光掃描數(shù)據(jù)具有數(shù)據(jù)量大、密度分布不均、場(chǎng)景目標(biāo)多樣(建筑物、道路、樹(shù)木、車輛、交通標(biāo)志牌、交通信號(hào)燈等)、細(xì)節(jié)結(jié)構(gòu)豐富等特點(diǎn)。作為三維道路模型的重要部分，路面標(biāo)線具有豐富的語(yǔ)義信息，為自動(dòng)化駕駛、輔助駕駛提供了豐富的道路信息。但是，激光點(diǎn)云強(qiáng)度受到：1)掃描對(duì)象材質(zhì)、2)掃描角度、以及3)掃描中心距離的影響。同時(shí)，目前市場(chǎng)上的激光掃描儀均沒(méi)有對(duì)強(qiáng)度進(jìn)行標(biāo)定，其噪聲較大。上述特點(diǎn)均對(duì)自動(dòng)化提取標(biāo)線提出了重大挑戰(zhàn)。因此，自動(dòng)化地從移動(dòng)激光掃描數(shù)據(jù)中提取道路標(biāo)線是自動(dòng)化道路環(huán)境建模的難點(diǎn)。

目前從移動(dòng)激光掃描數(shù)據(jù)中自動(dòng)化提取道路標(biāo)線的方法主要包括：全局閾值法、局部閾值法、距離閾值法和圖像轉(zhuǎn)換法四類。全局閾值方面，Thuy(2010)在路面點(diǎn)上應(yīng)用Otsu算法取得最大類間方差、最小類內(nèi)方差的全局閾值來(lái)區(qū)分路面點(diǎn)與標(biāo)線點(diǎn)。局部閾值法方面，Guan((2015)首先根據(jù)點(diǎn)密度的高斯分布，按照三倍方差的標(biāo)準(zhǔn)將路面劃分為三塊；然后，在每一塊上應(yīng)用Otsu算法進(jìn)行閾值分割。Yu((2015)按照車道標(biāo)準(zhǔn)將點(diǎn)云劃分為不同車道，然后在不同車道上應(yīng)用Otsu算法女性閾值分割。距離閾值法方面，Yang and Fang(2012)對(duì)強(qiáng)度按照離車道中心的距離進(jìn)行加權(quán)，獲取不同加權(quán)值下的閾值，得到了反距離加權(quán)的強(qiáng)度閾值，對(duì)標(biāo)線進(jìn)行劃分。Kumar(2015)假定強(qiáng)度閾值與離掃描中心的線性關(guān)系，然后通過(guò)實(shí)驗(yàn)確定了該線性關(guān)系中的參數(shù)值。圖像轉(zhuǎn)換法方面，Velt(2008)首先生成了路面的強(qiáng)度圖像，然后利用canny算子等邊緣提取算法，提取得到了路面標(biāo)線。從激光點(diǎn)云中提取標(biāo)線主要是基于標(biāo)線的高反射性。但是，點(diǎn)的反射強(qiáng)度不僅跟材質(zhì)有關(guān)還與掃描距離角度有關(guān)。因此，全局閾值法在強(qiáng)度受到距離干擾影響較大的情形下很容易失效。而局部閾值法的難點(diǎn)在于確定一個(gè)可以使用單一閾值的局部大小。上述方法給出了一些確定局部的方法，但是這些方法在噪聲影響下很容易失效導(dǎo)致不穩(wěn)健。距離與閾值的關(guān)系不是簡(jiǎn)單的反距離加權(quán)或者線性關(guān)系，因此，上述方法的距離閾值模型都相對(duì)簡(jiǎn)單不能解決通用的問(wèn)題。而圖像轉(zhuǎn)換法，利用圖像處理的方法提取標(biāo)線，這樣會(huì)在轉(zhuǎn)換的過(guò)程中丟失精度。

總體而言，從移動(dòng)激光掃描數(shù)據(jù)中快速、準(zhǔn)確地提取標(biāo)線仍然存在：1)強(qiáng)度特征信息對(duì)點(diǎn)密度變化、噪聲等影響比較敏感，導(dǎo)致標(biāo)線提取精度較低；2)強(qiáng)度信息受到的距離干擾過(guò)于嚴(yán)重時(shí)，目前的提取方法均失效；3)沒(méi)有利用標(biāo)線的幾何信息而僅僅利用了標(biāo)線的強(qiáng)度信息，使得對(duì)于強(qiáng)度信息較差的數(shù)據(jù)無(wú)法自動(dòng)化處理。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于激光掃描離散點(diǎn)強(qiáng)度梯度的道路標(biāo)線自動(dòng)化提取方法。

為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

基于激光掃描離散點(diǎn)強(qiáng)度梯度的道路標(biāo)線自動(dòng)化提取方法，包括步驟：

步驟1，利用高程信息從激光點(diǎn)云中提取地面點(diǎn)，采用RANSAC法對(duì)地面點(diǎn)進(jìn)行擬合，獲得路面點(diǎn)集；

步驟2，采用中值濾波器對(duì)路面點(diǎn)集中路面點(diǎn)進(jìn)行濾波；

步驟3，分別計(jì)算路面點(diǎn)集內(nèi)各路面點(diǎn)的強(qiáng)度梯度，具體為：

對(duì)各路面點(diǎn)分別進(jìn)行：

利用KD樹(shù)搜索當(dāng)前路面點(diǎn)的k鄰域點(diǎn)，分別計(jì)算當(dāng)前路面點(diǎn)到各鄰域點(diǎn)的強(qiáng)度方向?qū)?shù)；根據(jù)強(qiáng)度方向?qū)?shù)和強(qiáng)度梯度的關(guān)系，采用最小二乘法估計(jì)當(dāng)前路面點(diǎn)的強(qiáng)度梯度；

步驟4，根據(jù)路面點(diǎn)的強(qiáng)度梯度，采用全局聚類法將路面點(diǎn)集內(nèi)路面點(diǎn)聚類為強(qiáng)度梯度較大和強(qiáng)度梯度較小的兩類路面點(diǎn)，將強(qiáng)度梯度較大的路面點(diǎn)作為種子點(diǎn)；

步驟5，對(duì)各種子點(diǎn)分別進(jìn)行如下：對(duì)當(dāng)前種子點(diǎn)P'，找出同時(shí)滿足如下條件的其他種子點(diǎn)P_o，P以及P到P_o上的所有路面點(diǎn)即標(biāo)線點(diǎn)；所述的條件為：①P_o位于P'的強(qiáng)度梯度方向上；②P_o與P'的距離在預(yù)設(shè)的標(biāo)線寬度范圍內(nèi)；③P_o與P'的強(qiáng)度梯度方向相反。

步驟1具體為：

步驟1.1，對(duì)激光點(diǎn)云進(jìn)行二維格網(wǎng)劃分，對(duì)各格網(wǎng)分別進(jìn)行：記錄格網(wǎng)的最低高程，將格網(wǎng)中與最低高程的高程差不大于高程閾值的激光點(diǎn)標(biāo)記為地面點(diǎn)；高程閾值為經(jīng)過(guò)驗(yàn)證的經(jīng)驗(yàn)值；

步驟1.2，任取三個(gè)地面點(diǎn)，使用RANSAC法進(jìn)行擬合，獲得擬合平面及擬合誤差，將擬合誤差小于預(yù)設(shè)閾值的擬合平面內(nèi)所有數(shù)據(jù)點(diǎn)標(biāo)記為局內(nèi)點(diǎn)，對(duì)擬合誤差小于預(yù)設(shè)閾值的各擬合平面分別進(jìn)行：計(jì)算局內(nèi)點(diǎn)的外包凸多邊形，外包凸多邊形的面積即擬合平面的面積；

步驟1.3，多次重復(fù)步驟1.2，選取法向與豎直方向近似平行且面積最大的擬合平面，將該擬合平面內(nèi)所有局內(nèi)點(diǎn)作為路面點(diǎn)；所述的近似平行指法向與豎直方向的夾角的余弦值大于0.8。

步驟2具體為：

對(duì)路面點(diǎn)集中路面點(diǎn)建立KD樹(shù)索引結(jié)構(gòu)，對(duì)各路面點(diǎn)分別進(jìn)行：

利用KD樹(shù)搜索當(dāng)前路面點(diǎn)的k鄰域點(diǎn)，按強(qiáng)度對(duì)鄰域點(diǎn)排序得鄰域點(diǎn)序列，以鄰域點(diǎn)序列的中值強(qiáng)度作為當(dāng)前路面點(diǎn)濾波后的強(qiáng)度。

步驟3中，當(dāng)前路面點(diǎn)I_P到鄰域點(diǎn)的強(qiáng)度方向?qū)?shù)其中：

I_P與分別表示當(dāng)前路面點(diǎn)P和鄰域點(diǎn)Q_i的強(qiáng)度；

表示P和Q_i間的向量模。

步驟3中，所述的強(qiáng)度方向?qū)?shù)和強(qiáng)度梯度的關(guān)系為：其中：

表示當(dāng)前路面點(diǎn)的強(qiáng)度梯度；

表示當(dāng)前路面點(diǎn)到第i個(gè)鄰域點(diǎn)的強(qiáng)度方向?qū)?shù)；

k是當(dāng)前路面點(diǎn)P的鄰域點(diǎn)數(shù)量；

f_x和f_y分別表示當(dāng)前路面點(diǎn)P在x與y方向的強(qiáng)度偏導(dǎo)數(shù)，f_x和f_y為自變量；

與分別表示的x坐標(biāo)與y坐標(biāo)，為與當(dāng)前路面點(diǎn)和第i個(gè)鄰域點(diǎn)間向量方向相同的單位向量。

步驟4中，采用全局聚類法將路面點(diǎn)集內(nèi)路面點(diǎn)聚類為強(qiáng)度梯度較大和強(qiáng)度梯度較小的兩類路面點(diǎn)，進(jìn)一步包括：

步驟4.1，隨機(jī)選取兩個(gè)路面點(diǎn)，將路面點(diǎn)的梯度強(qiáng)度分別作為兩類的中心梯度強(qiáng)度；

步驟4.2，將其他各路面點(diǎn)分配到與其梯度強(qiáng)度差值最小的中心梯度強(qiáng)度所在類；

步驟4.3，將各類中路面點(diǎn)的梯度強(qiáng)度平均值作為該類的中心梯度強(qiáng)度，重復(fù)執(zhí)行步驟4.2～4.3，直至本次和上次的聚類結(jié)果相同。

步驟5中，三個(gè)條件的數(shù)學(xué)表達(dá)如下：

其中：

和分別表示P'的梯度強(qiáng)度和梯度強(qiáng)度向量模；

和分別表示P'和P_o間的向量與向量模；

ω_colinear為同向的內(nèi)積閾值，根據(jù)經(jīng)驗(yàn)取值；

d_min和d_max為標(biāo)線寬度的閾值，根據(jù)實(shí)際情況取值；

和分別表示P_o的梯度強(qiáng)度和梯度強(qiáng)度向量模；

ω_opposite反向的內(nèi)積閾值，根據(jù)經(jīng)驗(yàn)取值。

步驟5中，同時(shí)滿足下式兩個(gè)公式的路面點(diǎn)P_t即標(biāo)線點(diǎn)：

其中，

和分別表示P'和P_t間的向量與向量模；

和分別表示P'的梯度強(qiáng)度和梯度強(qiáng)度向量模；

表示P'和P_o間的向量模；

ω_colinear為同向的內(nèi)積閾值，根據(jù)經(jīng)驗(yàn)取值。

步驟5具體為：

5.1將所有種子點(diǎn)標(biāo)記為未檢驗(yàn)的種子點(diǎn)；

5.2遍歷所有未檢驗(yàn)的種子點(diǎn)，檢驗(yàn)是否存在同時(shí)滿足條件①～③的其他種子點(diǎn)P_o；若存在，將當(dāng)前未檢驗(yàn)的種子點(diǎn)以及位于當(dāng)前未檢驗(yàn)的種子點(diǎn)和其他種子點(diǎn)P_o的連線上的所有路面點(diǎn)均標(biāo)記為標(biāo)線點(diǎn)，將當(dāng)前未檢驗(yàn)的種子點(diǎn)標(biāo)記為已檢驗(yàn)的種子點(diǎn)；若不存在，直接將當(dāng)前未檢驗(yàn)的種子點(diǎn)標(biāo)記為已檢驗(yàn)的種子點(diǎn)；

5.3重復(fù)步驟5.1～5.2直至不存在未檢驗(yàn)的種子點(diǎn)。

本發(fā)明基于計(jì)算機(jī)視覺(jué)和圖像處理理論，綜合利用離散點(diǎn)的強(qiáng)度梯度信息與標(biāo)線的幾何形態(tài)信息，提高了道路標(biāo)線提取的準(zhǔn)確性和效率，對(duì)較差質(zhì)量的激光點(diǎn)云數(shù)據(jù)，仍然能夠?qū)崿F(xiàn)自動(dòng)化地提取，普適于大多數(shù)移動(dòng)激光掃描數(shù)據(jù)。

本發(fā)明具有如下特點(diǎn)：

1)在路面離散點(diǎn)上利用KD樹(shù)與中值濾波器，去除噪聲影響，使得抗噪聲能力增強(qiáng)。

2)使用強(qiáng)度梯度進(jìn)行種子點(diǎn)的搜索，可免受掃描距離的影響。

3)基于強(qiáng)度梯度的標(biāo)線搜索策略融合了標(biāo)線的幾何信息，使得標(biāo)線的探測(cè)更加穩(wěn)健。

附圖說(shuō)明

圖1是本發(fā)明的具體流程圖；

圖2是采用格網(wǎng)高程信息確定地面點(diǎn)的具體示意圖；

圖3是實(shí)施例的強(qiáng)度梯度計(jì)算效果圖，其中，圖(a)為原始強(qiáng)度圖，圖(b)為強(qiáng)度梯度計(jì)算效果圖；

圖4是梯度計(jì)算與標(biāo)線搜索的具體策略示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明提供的方法能夠用計(jì)算機(jī)軟件技術(shù)實(shí)現(xiàn)流程，整體技術(shù)流程圖參見(jiàn)圖1，包括以下步驟：

步驟1，利用高程信息與RANSAC法從激光點(diǎn)云中提取路面點(diǎn)集，見(jiàn)圖2。

本步驟進(jìn)一步包括：

步驟1.1，對(duì)激光點(diǎn)云進(jìn)行二維格網(wǎng)劃分，對(duì)各格網(wǎng)分別進(jìn)行：記錄格網(wǎng)的最低高程，將格網(wǎng)中與最低高程的高程差不大于高程閾值的激光點(diǎn)均標(biāo)記為地面點(diǎn)。高程閾值為經(jīng)過(guò)驗(yàn)證的經(jīng)驗(yàn)值。

步驟1.2，任取三個(gè)地面點(diǎn)，使用RANSAC法進(jìn)行擬合，獲得擬合平面ax+by+cz+d＝0及擬合誤差，a、b、c、d為平面方程系數(shù)。將擬合誤差小于預(yù)設(shè)閾值的擬合平面內(nèi)所有數(shù)據(jù)點(diǎn)標(biāo)記為局內(nèi)點(diǎn)，對(duì)擬合誤差小于預(yù)設(shè)閾值的各擬合平面分別進(jìn)行：計(jì)算局內(nèi)點(diǎn)的外包凸多邊形，外包凸多邊形的面積即擬合平面的面積。預(yù)設(shè)閾值根據(jù)經(jīng)驗(yàn)取值。

步驟1.3，多次重復(fù)步驟1.2，選取法向與豎直方向近似平行且面積最大的擬合平面內(nèi)所有局內(nèi)點(diǎn)作為路面點(diǎn)。本發(fā)明中，“近似平行”指擬合平面的法向與豎直方向的夾角的余弦值大于0.8。

步驟2，采用中值濾波器對(duì)路面點(diǎn)集中各路面點(diǎn)分別進(jìn)行濾波，以濾除路面點(diǎn)云椒鹽強(qiáng)度噪聲的影響。

對(duì)路面點(diǎn)集中路面點(diǎn)建立KD樹(shù)索引結(jié)構(gòu)，對(duì)各路面點(diǎn)分別進(jìn)行：

搜索當(dāng)前路面點(diǎn)的k鄰域點(diǎn)，按強(qiáng)度對(duì)鄰域點(diǎn)排序得鄰域點(diǎn)序列；以鄰域點(diǎn)序列中[k/2]位置鄰域點(diǎn)的強(qiáng)度替代當(dāng)前路面點(diǎn)的強(qiáng)度。這樣，即可有效抑制路面點(diǎn)的椒鹽強(qiáng)度噪聲影響，使得后續(xù)強(qiáng)度梯度計(jì)算更加穩(wěn)健。

步驟3，分別計(jì)算路面點(diǎn)集內(nèi)各路面點(diǎn)的強(qiáng)度梯度

強(qiáng)度梯度的計(jì)算過(guò)程如下：

見(jiàn)圖4，利用KD樹(shù)找到當(dāng)前路面點(diǎn)P周圍的k個(gè)鄰域點(diǎn)Q_i，i＝1,2,...k，分別計(jì)算當(dāng)前路面點(diǎn)P到各鄰域點(diǎn)Q_i的強(qiáng)度方向?qū)?shù)見(jiàn)公式(1)：

式(1)中：

為P到Q_i的強(qiáng)度方向?qū)?shù)；

I_P與分別表示P和Q_i的強(qiáng)度；

和分別表示P和Q_i間的向量與向量模；

是與方向相同的單位向量。

根據(jù)強(qiáng)度方向?qū)?shù)與強(qiáng)度梯度的關(guān)系，見(jiàn)公式(2)，以f_x和f_y為自變量，采用最小二乘法估計(jì)當(dāng)前路面點(diǎn)P的強(qiáng)度梯度

式(2)中：

表示當(dāng)前路面點(diǎn)到第i個(gè)鄰域點(diǎn)的強(qiáng)度方向?qū)?shù)；

f_x和f_y分別表示當(dāng)前路面點(diǎn)P在x與y方向的強(qiáng)度偏導(dǎo)數(shù)；

與分別表示的x坐標(biāo)與y坐標(biāo)；

k是當(dāng)前路面點(diǎn)P的鄰域點(diǎn)數(shù)量。

由于噪聲以及無(wú)窮小距離的假設(shè)，強(qiáng)度方向?qū)?shù)與強(qiáng)度梯度的上述關(guān)系并不能完全滿足，因而產(chǎn)生了一個(gè)優(yōu)化模型。這里的優(yōu)化對(duì)象是一個(gè)線性模型，因此直接采用最小二乘法進(jìn)行強(qiáng)度梯度的估計(jì)。對(duì)于各路面點(diǎn)，按照上述計(jì)算強(qiáng)度梯度，圖3為本實(shí)施例所得標(biāo)線強(qiáng)度梯度結(jié)果。

步驟4，采用全局聚類法對(duì)路面點(diǎn)集內(nèi)路面點(diǎn)進(jìn)行聚類，將強(qiáng)度梯度較大的路面點(diǎn)作為種子點(diǎn)。

本具體實(shí)施中，采用2-均值聚類法對(duì)路面點(diǎn)進(jìn)行聚類，將路面點(diǎn)聚類為強(qiáng)度梯度較大與強(qiáng)度梯度較小的兩類，將強(qiáng)度梯度較大的點(diǎn)選為種子點(diǎn)，進(jìn)行后續(xù)標(biāo)線點(diǎn)搜索。

2-均值聚類法的目標(biāo)函數(shù)J如下：

式(3)中：

表示路面點(diǎn)集內(nèi)第i個(gè)路面點(diǎn)的梯度強(qiáng)度；

c_j為第j個(gè)聚類中心的梯度強(qiáng)度；

i表示路面點(diǎn)集內(nèi)路面點(diǎn)序號(hào)；

j表示聚類類別序號(hào)。

聚類過(guò)程如下：

步驟4.1，隨機(jī)選取兩個(gè)路面點(diǎn)，將路面點(diǎn)的梯度強(qiáng)度分別作為兩類的中心梯度強(qiáng)度；

步驟4.2，將其他各路面點(diǎn)分配到與其梯度強(qiáng)度差值最小的中心梯度強(qiáng)度所在類；

步驟4.3，將各類中路面點(diǎn)的梯度強(qiáng)度平均值作為該類的中心梯度強(qiáng)度，重復(fù)執(zhí)行步驟4.2～4.3，直至本次和上次的聚類結(jié)果相同。

步驟5，根據(jù)種子點(diǎn)進(jìn)行標(biāo)線點(diǎn)搜索，見(jiàn)圖4。

對(duì)各種子點(diǎn)，分別進(jìn)行如下：

對(duì)當(dāng)前種子點(diǎn)P'，找出同時(shí)滿足如下條件的其他種子點(diǎn)P_o：

1)P_o位于P'的強(qiáng)度梯度方向上；

2)P_o與P'的距離在d_min到d_max范圍內(nèi)；

3)P_o與P'的強(qiáng)度梯度方向相反。

找出種子點(diǎn)P_o，P到P_o上的所有路面點(diǎn)即標(biāo)線點(diǎn)。

將上述條件描述為數(shù)學(xué)表達(dá)，如下：

且

公式(4)～(7)中：

和分別表示P'的梯度強(qiáng)度和梯度強(qiáng)度向量模；

和分別表示P_o的梯度強(qiáng)度和梯度強(qiáng)度向量模；

和分別表示P'和P_o間的向量與向量模；

和分別表示P'和P_t間的向量與向量模；

ω_colinear為同向的內(nèi)積閾值，根據(jù)經(jīng)驗(yàn)取值，一般在0.7～0.9范圍內(nèi)取值，本實(shí)施例中，ω_colinear取0.8；

ω_opposite反向的內(nèi)積閾值，根據(jù)經(jīng)驗(yàn)取值，一般在-0.9～-0.7范圍內(nèi)取值，本實(shí)施例中，ω_opposite取-0.8；

d_min和d_max為標(biāo)線寬度的閾值，通過(guò)在國(guó)標(biāo)規(guī)定的標(biāo)線寬度上增加誤差的方式進(jìn)行取值。

上述，公式(4)～(6)分別對(duì)應(yīng)條件1)、2)、3)，公式(7)用來(lái)描述標(biāo)線點(diǎn)的找尋。

本步驟的具體實(shí)施過(guò)程如下：

5.1將所有種子點(diǎn)標(biāo)記為未檢驗(yàn)的種子點(diǎn).

5.2遍歷所有未檢驗(yàn)的種子點(diǎn)，檢驗(yàn)是否存在滿足上述條件的其他種子點(diǎn)P_o；如果存在，將當(dāng)前未檢驗(yàn)的種子點(diǎn)以及位于當(dāng)前未檢驗(yàn)的種子點(diǎn)和其他種子點(diǎn)P_o的連線上的所有路面點(diǎn)均標(biāo)記標(biāo)線點(diǎn)，將當(dāng)前未檢驗(yàn)的種子點(diǎn)標(biāo)記為已檢驗(yàn)的種子點(diǎn)；若不存在，直接將當(dāng)前未檢驗(yàn)的種子點(diǎn)標(biāo)記為已檢驗(yàn)的種子點(diǎn)。

5.3重復(fù)步驟5.1～5.2直至不存在未檢驗(yàn)的種子點(diǎn)，此時(shí)，所有的標(biāo)線點(diǎn)均被檢測(cè)出來(lái)。

本發(fā)明使用離散點(diǎn)(即路面點(diǎn))的強(qiáng)度梯度進(jìn)行標(biāo)線提取，采用強(qiáng)度梯度可免受激光掃描強(qiáng)度的距離效應(yīng)影響，可適用于多種環(huán)境下的數(shù)據(jù)，從而增強(qiáng)方法的穩(wěn)健性。同時(shí)，強(qiáng)度梯度可融合標(biāo)線點(diǎn)的幾何信息，如標(biāo)線的寬度等，使得算法不僅僅受限于掃描數(shù)據(jù)強(qiáng)度信息。

本文中所描述的具體實(shí)施例僅僅是對(duì)本發(fā)明精神作舉例說(shuō)明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。