提取时取内点数最多的平面方程作为最终的地面平面方程，使得提取的平面更接近原始地面。去除地面点可以避免地面点对点云分割的干扰，防止分割后杆状地物与地面点粘连，影响杆状地物的提取。
[0036]除了地面点会对杆状地物的提取造成影响外，如果地面上存在低矮地物且与杆状地物距离较近时，也可能造成杆状地物点与低矮地物点粘连，影响杆状地物的提取。低矮地物点是指距离地面较近的点，如道路两旁栅栏、花坛和低矮围墙等地物上的点。可通过设置低矮地物高程阈值的方式去除高程小于高程阈值的低矮地物点，进一步去除杆状地物提取时候选点云集中无效的数据，从而减小杆状地物的提取难度。
[0037]在一个实施例中，如图4所示，低空间点包括三维激光点云数据中的地面点和低矮地物点，步骤S210包括:
[0038]步骤S211，获取三维激光点云数据中高程小于预设阈值的点云得到方程候选点云集，根据方程候选点云集进行平面提取得到地平面方程a*x+b*y+c*z+d = O，其中c > O。
[0039]步骤S212，获取低矮地物距离地面的高程阈值dThred，去除三维激光点云数据中所有三维坐标(x，y，z)满足a*x+b*y+c*z+d<dThred的点得到候选点云集。
[0040]具体的，先筛选高程小于预设阈值的点云进行平面提取得到地平面方程，建立地平面方程比直接通过高程阈值与三维激光点云的Z坐标进行比较去除地面点和低矮地物点更精确，因为提取得到的地平面方程考虑了地平面凹凸不平的因素，更接近原始地面。高程阈值dThred可根据需要自定义，如lm。三维坐标(x，y，z)满足a*x+b*y+c*z+d<dThred的点既包括低矮地物点又包括地面点，可快速方便的去除这些干扰杆状地物的点。
[0041 ]步骤S220，对候选点云集进行分割得到独立地物对应的独立点云集。
[0042]具体的，根据合适的距离对候选点云集进行分割得到各个独立地物对应的独立点云集，各独立地物之间相隔的距离可根据需要自定义，如取0.3m-0.5m，分割的算法可根据需要自定义，如基于欧氏距离聚类的点云分割、基于图论的分割方法等。进行分隔可避免多个独立地物对应的点云集混合在一起，影响杆状地物的特征，导致不能提取出杆状地物。如图5所示，为分割后各个独立点云集示意图，不同的灰度代表不同的独立点云集。
[0043]步骤S230，根据独立点云集在水平面上的投影识别独立点云集中的杆状地物点云集。
[0044]具体的，参照杆状地物的先验几何特征，如杆状地物的半径一般比较小，在一定的阈值范围内，且杆状地物在垂直方向上的形状一般相同或相似。将独立点云集在水平面上的投影特征与杆状地物的先验几何特征进行比较，如果符合，则识别为杆状地物点云集，否则识别为非杆状地物点云集。如统计独立点云集中的各个点云在水平面上的投影与坐标原点的距离小于预设阈值的个数，如果符合条件的点云点个数与独立点云集中点云点个数的比例超过预设阈值，则识别为杆状地物点云集。或先将独立点云集在高程空间分段，得到各个分段对应的点云在水平面上的投影图像，根据投影图像的特征得到符合杆状特征的分段数，根据杆状特征的分段数占所有高程空间分段数的比例，区分杆状地物点云集和非杆状地物点云集，如果比例超过预设比例
[0045]如果各个分段的投影图像特征区别过大，则可明显识别为非杆状地物，可快速去除非杆状地物，加快识别速度，其中投影图像特征可为投影半径、投影形状等。如第一分段与第二分段的投影半径差值超过预设长度阈值，则识别为非杆状地物点云集。第一分段投影形状为正方形，第二分段投影形状为圆形，第三分段投影形状为三角形，明显不规则变化，则可识别为非杆状地物点云集。如果投影图像的投影半径在预设范围内的分段数目符合预设比例，或投影图像的形状统一规则，图像边长满足预设长度范围，则可识别为杆状地物点云集。
[0046]步骤S240，对杆状地物点云集进行直线提取，根据提取的直线上的杆状地物点云的高程获取杆状地物的上下端点。
[0047]具体的，直线提取的算法可根据需要自定义，如采用RANSAC直线提取算法，在直线提取的过程中去掉非直线上的点，只有三维坐标满足直线方程的点才是最终的目标杆状地物点云集，获取目标杆状地物点云集中点云的最大高程和最小高程，分别对应提取的杆状地物的上端点和下端点。可以理解的是，在提取过程中如果通过高程阈值dThred去除了三维激光点云数据中的低矮地物点，则将直线上的杆状地物点云的最小高程减去高程阈值dThred得到下端点对应的高程。上下端点之间的线段构成杆状地物，杆状地物形状可根据杆状地物点云集中的点云分布确定，当杆状地物形状为圆筒状时，其圆筒半径可为预设半径或根据直线上的杆状地物点云集在水平面的投影半径确定。
[0048]本实施例中，通过获取三维激光点云数据，去除三维激光点云数据中的低空间点得到候选点云集，对所述候选点云集进行分割得到独立地物对应的独立点云集，根据独立点云集在水平面上的投影识别独立点云集中的杆状地物点云集，对杆状地物点云集进行直线提取，根据提取的直线上的杆状地物点云的高程获取杆状地物的上下端点，从高精度三维点云数据中通过筛选候选点云集、分割独立点云集和识别杆状地物点云集，并进行直线提取自动化地提取出杆状地物，能够有效保证提取的杆状地物的精度，满足高精度地图的需要，提取过程不需人工参与，满足高效率低成本。
[0049]在一个实施例中，对候选点云集进行分割采用基于欧式距离聚类的点云分割算法，如图6所示，步骤S220包括:
[0050]步骤S221，标记候选点云集中的候选点为待聚类状态，新建第一独立点云集合将待聚类状态的候选点加入第一独立点云集合，加入第一独立点云集合的候选点的状态会修改为已聚类状态。
[0051]具体的，可将候选点云集中的候选点标记为0，表示待聚类状态，待聚类状态对应的标记值可根据需要自定义。依次遍历每一个候选点，判断当前处理的候选点是否为待聚类状态，如果是则新建第一独立点云集合，将当前处理的候选点加入第一独立点云集合中，只要加入了独立点云集合中的候选点都会修改为已聚类状态。如果当前处理的候选点不是待聚类状态，则获取下一个候选点。加入独立点云集合的目标候选点的序号根据进入的顺序从O开始依次加I。
[0052]步骤S222，根据已聚类状态的候选点与待聚类状态的候选点之间的距离进行聚类，直到没有新的待聚类状态的候选点加入第一独立点云集合，第一独立点云集合对应了第一独立地物。
[0053]具体的，获取计数参数η并初始化为O，步骤C:将计数参数加I，并判断计数参数是否小于或等于独立点云集合中的候选点数，如果是，则进入步骤D，否则进入步骤Ε。
[0054]步骤D:获取独立点云集合中序号为η-1的点作为当前处理点，获取与当前处理点的距离小于预设距离阈值的候选点，并将符合条件的待聚类状态的候选点加入独立点云集合，并修改为已聚类状态，重复进入所述步骤C。
[0055]步骤Ε:保存第一独立点云集合中的已聚类状态的点，第一独立点云集合对应了第一独立地物。依次遍历候选点云集中的候选点进入下一个独立点云集合的聚类。
[0056]本实施例中，通过基于欧式距离聚类的点云分割算法能精确快速的分割各个独立点云集合。<