CN104504718A - 高分辨率航空遥感数据自动道路提取方法 - Google Patents
高分辨率航空遥感数据自动道路提取方法 Download PDFInfo
- Publication number
- CN104504718A CN104504718A CN201510003132.4A CN201510003132A CN104504718A CN 104504718 A CN104504718 A CN 104504718A CN 201510003132 A CN201510003132 A CN 201510003132A CN 104504718 A CN104504718 A CN 104504718A
- Authority
- CN
- China
- Prior art keywords
- road
- verified
- block
- road axis
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 46
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000002790 cross-validation Methods 0.000 claims description 10
- 230000004304 visual acuity Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 241000239290 Araneae Species 0.000 claims description 6
- 230000001427 coherent effect Effects 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract description 6
- 230000000877 morphologic effect Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种高分辨率航空遥感数据自动道路提取的方法,该方法用航空遥感影像以及相应研究区的DSM数据来提取地面以及地上区,并通过一系列的形态学变换,包括开闭运算、凸集外壳、凹集外壳、距离变换、分水岭分割等,构造街区和提取道路中心线。本发明方法所获得的道路中心线和边界线都是连贯的曲线。与传统的方法相比,算法理论完备、道路线准确、计算快速、算法适应性好;经试验表明,本发明方法在道路提取方面具有很强的鲁棒性。
Description
技术领域
本发明涉及一种道路提取方法,尤其涉及一种基于道路元素交叉验证的道路提取方法,属于计算机模式识别技术领域。
背景技术
从遥感数据当中自动提取道路和建模是个全新且开放的问题。解决这类问题的思想方法很大程度上依赖于遥感数据的分辨率和来源。在中分辨率的卫星图上,道路只有一个像素宽,呈现出来的形状近似一条线。因此我们的原理和方法应该集中于线要素的特征,例如基于一定技术的边缘检测等。而在高分辨率的卫星图或者DSM上,道路要显得宽很多,呈现出来的不仅仅是线特征,还有沿方向的面特征。因此我们的研究方法应该同时考虑边缘特征和面特征。
道路提取的方法选取还依赖与目标道路的不同,农村道路、郊区道路和城市道路应当有所区别。不同地区的路网很大程度上伴随着其他地面要素的分布,比如建筑物和绿化带。因此道路提取的方法相应地也有很大区别。我们在此只专注于我们的研究案例即城市道路网的提取。
总体上数据源可以分为两种:光谱数据和深度数据(DSM或者LiDAR)。由此带来的方法就会被分为三种:基于光谱影像的、基于深度数据的和基于混合数据源的。就高分辨率数据来说,这些方法都有各自的优势与不足。一方面,许多特征道路的细节提高了道路辨识度。另一方面,这些细节也是多种多样的:道路边缘的对比度可能不同;可能出现各种大小的车辆;路面的材质和路宽等等同样也会有不同。因此大量细节的呈现增加了道路提取算法的复杂度。
DSM数据衍生自航拍影像,其分辨率为0.5米,具有较高分辨率。对于城市而言,尤其像东京这样的的国际化大都市,居民住宅区相当稠密,周边还布局着许多公寓和商场,主干道位于住宅区和其他功能区之间,公路则位于各个街区之间。在DSM中公路通常是14到30个像素宽,而大多数主干道有26到47个像素宽,有些甚至能达到70个像素宽,在这些区域中同样还会存在高架和高速路。因为单边缘检测不涉及检测公路的中心线,也不检测公路的路宽,可能只会获得一些破碎的街道边缘。如果考虑到还同时会检测出房屋边缘等等,这就不是一个理想的方案。
发明内容
本发明要解决的技术问题是:克服上述现有技术中存在的不足,提出一种高分辨率航空遥感数据自动道路提取方法,能够准确且高效的提取城市道路。
为了解决以上技术问题,本发明提供的高分辨率航空遥感数据自动道路提取方法,包括以下步骤:
步骤1、产生NDSM数据——对DSM数据(数字表面模型数据)进行形态学滤波得到NDSM数据(归一化数字表面模型数据);
步骤2、提取水平地面——从NDSM数据中提取高度在地表平均高度的平坦地面区域数据;
步骤3、产生街区的外壳——对步骤2获得的平坦地面集合求补集得到地上对象区域;接着进行平滑处理获得包含房屋的各个连通街区区域,并获取各街区的光滑外壳;
步骤4、提取道路中心线——对平坦地面区域数据进行距离变换获得距离变换图像,提取距离变换图像的分水岭线,从而获得由若干连贯的待验证道路中心线构成的道路中心线网络;
步骤5、提取道路边界线及交叉路口——使用像素尺寸为5*5的移动窗口从待验证的道路中心线上滑动,移动窗口的中心置于待验证道路中心线上,如果移动窗口内部的待验证道路中心线像素数大于7,则认为此时的移动窗口中心点为一个交叉路口点,将道路中心线网络在该交叉路口点处进行断开;估计最大道路宽度为K,待验证道路中心线向两侧各膨胀K/2作为掩膜,与街区的外壳求交集,所得结果即为待验证道路边界;
步骤6、道路要素的交叉验证——道路中心线一次验证:待验证道路边界线向两侧各膨胀K/2作为掩膜,与待验证道路中心线求交集,剔除交集以外的待验证道路中心线;验证交叉路口点:如果交叉路口点的K/2范围内没有待验证道路中心线,则该交叉路口点为虚假路口,进行剔除,至此获得真实的交叉路口点;道路中心线二次验证:对待验证道路中心线的端点处开窗,窗口的像素尺寸为7*7,如果窗内没有真实的交叉路口点,则剔除该待验证道路中心线及伴随的待验证道路边界,至此获得真实的道路中心线;
步骤7、道路中心线生长——真实的道路中心线检测端点,沿其对应的待验证道路中心线逐点生长,直至接触真实的交叉路口点,15个像素内未接触到交叉路口的中心线取消生长。
从遥感数据当中自动提取道路和建模是数字城市建模的一个重要内容。所使用的遥感数据多为多谱段影像或数字表面模型Digital Surface Model(DSM)。本发明提出一种多元素道路模型及相应的道路提取方法,该方法基于高分辨率航空遥感影像和DSM数据,用中心线、边界线、交叉路口及道路面来表征道路网。用航空遥感影像以及相应研究区的DSM数据来提取地面以及地上区,并通过一系列的形态学及变换,包括开闭运算、凸集外壳、凹集外壳、距离变换、分水岭分割等,构造街区和提取道路中心线。
传统的道路提取方法往往是依据图像分割及一系列优化处理来得到道路区域,在此基础上通过直线检测提取分段的线段再通过剪枝、连接等操作来组合道路。不仅过程琐碎,而且每个步骤由算法本身正确率导致的错误难以避免,需要进行很多纠正。适应性和强壮性均较低。而本发明道路元素交叉验证的道路提取方法,所获得的道路中心线和边界线都是连贯的曲线。与传统的方法相比,算法理论完备、道路线准确、计算快速、算法适应性好。本发明选择日本多个城市不同地区进行试验,结果表明该方法在道路提取方面具有很强的鲁棒性。
此外,本发明高分辨率航空遥感数据自动道路提取方法,还具有如下特征:
1、所述步骤2中,使用Flat Zones方法从NDSM数据上逐层提取面积大于S,高度差异小于λ的平面;再以平均高度对平面集合进行滤波,去除平面屋顶获得包含道路面的平坦地面集合。
2、所述步骤3中,以每个街区内的栅格中心点为点集构建delauney多边形,delauney多边形的外轮廓为对应街区的凸壳;检测相互重叠的凸壳,对于重叠的凸壳而言,如果相应街区的面积与其凸壳的面积之比小于0.5,则追踪街区轮廓,并计算高斯平滑后的凹拐点作为凹角点,插入原有对应街区的凸壳角点中,对该凸壳进行外轮廓重构形成此街区的凹外壳。
本发明将DSM数据与影像数据进行了集成处理,基于公路的线特征和面特征,很好的解决了在DSM数据中提取公路的难题。
首先,数据方面本发明采用NDSM数据用于公路提取。RGB图像虽然提供了公路的平滑颜色信息,但是这些颜色信息和许多建筑物屋顶十分相似,因此和DSM相比,显然DSM更具优势。在DSM中道路高度同样足够平滑,使得它有别于建筑物。
其次,本发明的主要思想是基于公路的面特征和边缘线特征的。众所周知,公路和街道通常是路面的一部分,除了高速路和高架。基于此,我们的首要任务是去除非路面部分,然后从剩下的路面部分中提取公路。在DSM中,非路面的高架或高速路比路面的高度值要高,从高度属性上来说很容易和建筑物混淆。稍后它们会从RGB图像中分离出来。
最后,对于提取公路,本发明所提出的方法是通过从DSM中提取公路中心线和边缘线来实现的。通过设定flat zone标记和高度阈值来提取路面。随着地形对象的提取相应的补集也会设定。通过使用相应的形态学方法,会得到街区及其包络线。其他公路的中心线通过对路面而非街道进行距离变换以及分水岭算法得出。最终交叉验证十字路口、公路中心及其边缘。
本发明的主要创新点在于:1、提出了一个矢量化道路数据模型;2、提出了一个住宅区街区提取及多边形化的方法;3、提出了一个利用距离变换和分水岭分割的单像素道路中心线提取方法;4、提出了一个道路元素交叉验证法。
附图说明
下面结合附图对本发明作进一步的说明:
图1为本发明实例的航拍影像。
图2为本发明实例的NDSM数据。
图3为补洞后的flat zone图像。
图4为带重叠的凸壳示意图。
图5为包含凹壳和凸壳的街道。
图6为研究区域的DT图。
图7为图5被验证的道路中心线图。
图8 为研究区域的DSM中的交叉路口。
图9 为道路提取结果图。
具体实施方式
本实例以日本东京地区某居住区为例进行公路网的提取,该区域的航拍影像见图1,数据源为通过交互式摄影测量方法得到的0.5m分辨率的DSM数据(数字表面模型数据),该DSM数据从该航拍影像中获得。
本实施例基于道路元素交叉验证的高分辨率航空遥感数据自动道路提取方法,包括以下步骤:
步骤1、产生NDSM数据——对数字表面模型数据进行形态学滤波得到NDSM数据(归一化数字表面模型数据)。
本步骤中,用半径为100像素的圆盘结构元素的形态学滤波器对数字表面模型数据滤波,获得NDSM(结果见图2)。形态学运算通常应用在二值图像上,目标仅有区域或形状信息。这个过程影响着目标的形状。本实施例中,把这一过程推广到灰度图像上。如果灰度图像被当作像DSM那样的表面的话,这就能影响目标的区域,形状和灰度级。
步骤2、提取水平地面——从NDSM数据中提取高度在地表平均高度的平坦地面区域数据。
本步骤中,用Flat Zones方法对NDSM进行分割,并提取高度在地表平均高度的平坦地面区域。Flat Zones方法利用面积形态学方法从NDSM上逐层提取面积大于S,高度差异小于λ的平面。再以平均高度对平面集合进行滤波,去除平面屋顶获得包含道路面的平坦地面集合。通常采用整个NDSM平均高度值的1.5倍作为flat zone的高度阈值。之后路面还需要做填充运算。一些小洞可能对应汽车等物。通过闭运算,这些洞能够被填补。对于二值图像,通过小于SE的区域,闭运算能够填补空值区。对于flat zone图像,目标位于路面上,例如建筑物,树木等等也会以洞的形式显示。因此闭运算SE的尺寸应该小于目标。如果是3.5m*3.5m大小的目标物,本实施例相应的选择7*7像素大小来填充。结果如图3所示。
步骤3、产生街区的外壳——对步骤2获得的平坦地面集合求补集得到地上对象区域;接着进行平滑处理获得包含房屋的各个连通街区区域,并获取各街区的光滑外壳。
尽管本实施例能够获取包含公路的路面,但是这些路面并不像公路边缘那样笔直光滑。主要因为有的路面沿房屋伸展。但是,经研究发现大多数公路边缘仅仅就是住宅区、商业区或者其他功能区街道的轮廓。所以公路的提取可以通过计算街道集合的补集来实现。对步骤1所述的地面集合求其补集得到地上对象区域。利用开闭算子平滑后,获得连通街区内房屋的各个街区区域。Alpha-shape是产生凹轮廓的优秀算法,但是轮廓线可能会和目标物形状太接近难以区分,而且房屋之间存在太多凹槽,这使得结果不精确。因此可使用凸壳和凹壳来表示轮廓线。凸壳可以通过delauney三角网生成。delauney三角网有这样一个性质,即对于每个三角形,它的唯一外接圆包含空值点,三角网的外边界构成了点集P的凸多边形“外壳”。而这正是本发明所需要的。因此把每个街区作为点集求其delauney多边形的外轮廓获得街区的凸壳。有些街道不是方形或者矩形,甚至凸多边形。因此一些相邻街道的凸壳可能会重叠,如图4所示。因此,必须进一步处理这一结果并找出哪一个其实是凹壳,然后把它纠正为凹壳。就重叠凸壳而论,如果目标物的面积比上凸壳的面积小于0.5,这个目标物应该被视为凹壳并加以修正。对凹壳,跟踪原街区轮廓,计算高斯平滑后的拐点,将拐点坐标插入外壳的边界点重构凹壳。
具体做法如下:以每个街区内的栅格中心点为点集构建delauney多边形,delauney多边形的外轮廓为对应街区的凸壳;检测相互重叠的凸壳,对于重叠的凸壳而言,如果相应街区的面积与其凸壳的面积之比小于0.5,则追踪街区轮廓,并计算高斯平滑后的凹拐点作为凹角点,插入原有对应街区的凸壳角点中,对该凸壳进行外轮廓重构形成此街区的凹外壳。得到的结果如图5。
步骤4、提取道路中心线——对平坦地面区域数据进行距离变换获得距离变换图像,提取距离变换图像的分水岭线,从而获得由若干连贯的待验证道路中心线构成的道路中心线网络。
步骤3获得的街区外壳是分段直线的边界线,道路两侧的外壳边界平行性良好。因此计算非街区部分的距离变换图像(DT图),道路中心线的距离变换值一定大于两侧邻域的。道路中心线由这些公路中有最大边界距离的像素组成。相应地,在DT图中,道路中心线即为分水岭线,街区即为盆地状。如图6所示,DT图中亮的部分代表距离,相较于街道,路面上有一个大面积距离较大的区域,这块区域也比其他道路更加明亮。 用分水岭分割提取DT图的分水岭线,即为连贯的待验证道路中心线网。如图7所示,显示了图5被验证的道路中心线。
从图7中发现一些位于大面积路面区域的“道路中心线”是“伪中心线”。首先公路是带有边界的平面,而且这些边界通常是街区的外壳,本实施例用一种交叉验证的方法来检测真正的道路中心线及其边界。交叉验证的算法用待验证道路中心线从街区的外壳中检测道路的边界,然后用道路的边界来验证和提取真正的道路中心线。具体参见步骤5。
步骤5、提取道路边界线及交叉路口——使用像素尺寸为5*5的移动窗口从待验证的道路中心线上滑动,移动窗口的中心置于待验证道路中心线上,如果移动窗口内部的待验证道路中心线像素数大于7,则认为此时的移动窗口中心点为一个交叉路口点,将道路中心线网络在该交叉路口点处进行断开;估计最大道路宽度为K,待验证道路中心线向两侧各膨胀K/2作为掩膜,与街区的外壳求交集,所得结果即为待验证道路边界。图8为研究区域交叉路口点示意图。
从本步骤可以发现,道路中心线在十字路口附近是破损的。为了更好地表达道路中心线,需要沿着经验证的交叉道路线生长,产生经验证的道路中心线。
步骤6、道路要素的交叉验证——道路中心线一次验证:待验证道路边界线向两侧各膨胀K/2作为掩膜,与待验证道路中心线求交集,剔除交集以外的待验证道路中心线;验证交叉路口点:如果交叉路口点的K/2范围内没有待验证道路中心线,则该交叉路口点为虚假路口,进行剔除,至此获得真实的交叉路口点;道路中心线二次验证:对待验证道路中心线的端点处开窗,窗口的像素尺寸为7*7,如果窗内没有真实的交叉路口点,则剔除该待验证道路中心线及伴随的待验证道路边界,至此获得真实的道路中心线。
步骤7、道路中心线生长——真实的道路中心线检测端点,沿其对应的待验证道路中心线逐点生长,直至接触真实的交叉路口点,15个像素内未接触到交叉路口的中心线取消生长。最终结果见图9。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (3)
1. 一种高分辨率航空遥感数据自动道路提取方法,包括以下步骤:
步骤1、产生NDSM数据——对DSM数据进行形态学滤波得到NDSM数据;
步骤2、提取水平地面——从NDSM数据中提取高度在地表平均高度的平坦地面区域数据;
步骤3、产生街区的外壳——对步骤2获得的平坦地面集合求补集得到地上对象区域;接着进行平滑处理获得包含房屋的各个连通街区区域,并获取各街区的光滑外壳;
步骤4、提取道路中心线——对平坦地面区域数据进行距离变换获得距离变换图像,提取距离变换图像的分水岭线,从而获得由若干连贯的待验证道路中心线构成的道路中心线网络;
步骤5、提取道路边界线及交叉路口——使用像素尺寸为5*5的移动窗口从待验证的道路中心线上滑动,移动窗口的中心置于待验证道路中心线上,如果移动窗口内部的待验证道路中心线像素数大于7,则认为此时的移动窗口中心点为一个交叉路口点,将道路中心线网络在该交叉路口点处进行断开;估计最大道路宽度为K,待验证道路中心线向两侧各膨胀K/2作为掩膜,与街区的外壳求交集,所得结果即为待验证道路边界;
步骤6、道路要素的交叉验证——道路中心线一次验证:待验证道路边界线向两侧各膨胀K/2作为掩膜,与待验证道路中心线求交集,剔除交集以外的待验证道路中心线;验证交叉路口点:如果交叉路口点的K/2范围内没有待验证道路中心线,则该交叉路口点为虚假路口,进行剔除,至此获得真实的交叉路口点;道路中心线二次验证:对待验证道路中心线的端点处开窗,窗口的像素尺寸为7*7,如果窗内没有真实的交叉路口点,则剔除该待验证道路中心线及伴随的待验证道路边界,至此获得真实的道路中心线;
步骤7、道路中心线生长——真实的道路中心线检测端点,沿其对应的待验证道路中心线逐点生长,直至接触真实的交叉路口点,15个像素内未接触到交叉路口的中心线取消生长。
2. 根据权利要求1所述的高分辨率航空遥感数据自动道路提取方法,其特征在于:所述步骤2中,使用Flat Zones方法从NDSM数据上逐层提取面积大于S,高度差异小于λ的平面;再以平均高度对平面集合进行滤波,去除平面屋顶获得包含道路面的平坦地面集合。
3. 根据权利要求1所述的高分辨率航空遥感数据自动道路提取方法,其特征在于:所述步骤3中,以每个街区内的栅格中心点为点集构建delauney多边形,delauney多边形的外轮廓为对应街区的凸壳;检测相互重叠的凸壳,对于重叠的凸壳而言,如果相应街区的面积与其凸壳的面积之比小于0.5,则追踪街区轮廓,并计算高斯平滑后的凹拐点作为凹角点,插入原有对应街区的凸壳角点中,对该凸壳进行外轮廓重构形成此街区的凹外壳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510003132.4A CN104504718B (zh) | 2015-01-06 | 2015-01-06 | 高分辨率航空遥感数据自动道路提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510003132.4A CN104504718B (zh) | 2015-01-06 | 2015-01-06 | 高分辨率航空遥感数据自动道路提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104504718A true CN104504718A (zh) | 2015-04-08 |
CN104504718B CN104504718B (zh) | 2017-03-29 |
Family
ID=52946112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510003132.4A Expired - Fee Related CN104504718B (zh) | 2015-01-06 | 2015-01-06 | 高分辨率航空遥感数据自动道路提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104504718B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975913A (zh) * | 2016-04-28 | 2016-09-28 | 武汉大学 | 一种基于自适应聚类学习的道路网提取的方法 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
CN107421644A (zh) * | 2017-08-28 | 2017-12-01 | 南京大学 | 城市完全表面温度的航空遥感估算方法 |
CN107958183A (zh) * | 2017-12-02 | 2018-04-24 | 中国地质大学(北京) | 一种高分辨率遥感图像的城市路网信息自动提取方法 |
CN108062510A (zh) * | 2017-11-17 | 2018-05-22 | 维库(厦门)信息技术有限公司 | 一种多目标跟踪结果实时动态显示方法及计算机设备 |
CN108287845A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 一种道路信息自动提取方法和装置、及混合导航系统 |
CN108830897A (zh) * | 2018-06-11 | 2018-11-16 | 东南大学 | 一种道路中心线提取方法 |
CN109448046A (zh) * | 2018-10-15 | 2019-03-08 | 辽宁工程技术大学 | 一种基于多描述子的半自动道路中心线快速提取方法 |
CN109446992A (zh) * | 2018-10-30 | 2019-03-08 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
CN111709430A (zh) * | 2020-06-08 | 2020-09-25 | 大连理工大学 | 基于高斯过程回归的室外场景三维点云的地面提取方法 |
CN112801075A (zh) * | 2021-04-15 | 2021-05-14 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003005633A (ja) * | 2001-06-25 | 2003-01-08 | Toyo Keiki Co Ltd | 電子住宅地図からの道路抽出方法 |
KR100762507B1 (ko) * | 2004-09-24 | 2007-10-02 | 김민석 | 수치지도와 LiDAR 자료를 이용한 도시지역 도로의 선형 설계요소 추출 방법 및 그 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
CN102938066A (zh) * | 2012-12-07 | 2013-02-20 | 南京大学 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
CN103218618A (zh) * | 2013-01-09 | 2013-07-24 | 重庆交通大学 | 一种基于遥感数字图像的公路路线自动提取方法 |
CN103258203A (zh) * | 2013-05-20 | 2013-08-21 | 武汉大学 | 遥感影像的道路中线自动提取方法 |
CN103996042A (zh) * | 2014-05-20 | 2014-08-20 | 中山大学 | 一种面向对象分割结合灰度形态学的道路提取方法 |
US20140362082A1 (en) * | 2011-05-03 | 2014-12-11 | Google Inc. | Automated Overpass Extraction from Aerial Imagery |
-
2015
- 2015-01-06 CN CN201510003132.4A patent/CN104504718B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003005633A (ja) * | 2001-06-25 | 2003-01-08 | Toyo Keiki Co Ltd | 電子住宅地図からの道路抽出方法 |
KR100762507B1 (ko) * | 2004-09-24 | 2007-10-02 | 김민석 | 수치지도와 LiDAR 자료를 이용한 도시지역 도로의 선형 설계요소 추출 방법 및 그 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
US20140362082A1 (en) * | 2011-05-03 | 2014-12-11 | Google Inc. | Automated Overpass Extraction from Aerial Imagery |
CN102938066A (zh) * | 2012-12-07 | 2013-02-20 | 南京大学 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
CN103218618A (zh) * | 2013-01-09 | 2013-07-24 | 重庆交通大学 | 一种基于遥感数字图像的公路路线自动提取方法 |
CN103258203A (zh) * | 2013-05-20 | 2013-08-21 | 武汉大学 | 遥感影像的道路中线自动提取方法 |
CN103996042A (zh) * | 2014-05-20 | 2014-08-20 | 中山大学 | 一种面向对象分割结合灰度形态学的道路提取方法 |
Non-Patent Citations (6)
Title |
---|
DARLIS HERUMURTI 等: "Automatic urban road extraction on DSM data based on fuzzy ART, region growing, morphological operations and Radon transform", 《PROC. OF SPIE》 * |
PANKAJ PRATAP SINGH 等: "Automatic Road Extraction from High Resolution Satellite Image using Adaptive Global Thresholding and Morphological Operations", 《JOURNAL OF THE INDIAN SOCIETY OF REMOTE SENSING》 * |
WENZHONG SHI 等: "An Integrated Method for Urban Main-Road Centerline Extraction From Optical Remotely Sensed Imagery", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
文贡坚 等: "从航空遥感图像中自动提取主要道路", 《软件学报》 * |
申邵洪 等: "高分辨率多光谱遥感影像中城区道路信息的自动提取", 《遥感信息》 * |
黄睿 等: "航空遥感图象中道路的自动提取方法", 《计算机工程与应用》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975913A (zh) * | 2016-04-28 | 2016-09-28 | 武汉大学 | 一种基于自适应聚类学习的道路网提取的方法 |
CN108287845A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 一种道路信息自动提取方法和装置、及混合导航系统 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
CN107356933B (zh) * | 2017-06-23 | 2020-09-18 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
CN107421644A (zh) * | 2017-08-28 | 2017-12-01 | 南京大学 | 城市完全表面温度的航空遥感估算方法 |
CN108062510A (zh) * | 2017-11-17 | 2018-05-22 | 维库(厦门)信息技术有限公司 | 一种多目标跟踪结果实时动态显示方法及计算机设备 |
CN107958183A (zh) * | 2017-12-02 | 2018-04-24 | 中国地质大学(北京) | 一种高分辨率遥感图像的城市路网信息自动提取方法 |
CN108830897B (zh) * | 2018-06-11 | 2021-03-09 | 东南大学 | 一种道路中心线提取方法 |
CN108830897A (zh) * | 2018-06-11 | 2018-11-16 | 东南大学 | 一种道路中心线提取方法 |
CN109448046A (zh) * | 2018-10-15 | 2019-03-08 | 辽宁工程技术大学 | 一种基于多描述子的半自动道路中心线快速提取方法 |
CN109448046B (zh) * | 2018-10-15 | 2021-08-17 | 辽宁工程技术大学 | 一种基于多描述子的半自动道路中心线快速提取方法 |
CN109446992A (zh) * | 2018-10-30 | 2019-03-08 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
CN109446992B (zh) * | 2018-10-30 | 2022-06-17 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
CN111709430A (zh) * | 2020-06-08 | 2020-09-25 | 大连理工大学 | 基于高斯过程回归的室外场景三维点云的地面提取方法 |
CN111709430B (zh) * | 2020-06-08 | 2021-10-15 | 大连理工大学 | 基于高斯过程回归的室外场景三维点云的地面提取方法 |
CN112801075A (zh) * | 2021-04-15 | 2021-05-14 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
CN112801075B (zh) * | 2021-04-15 | 2021-07-27 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104504718B (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504718A (zh) | 高分辨率航空遥感数据自动道路提取方法 | |
Zhang | Towards an operational system for automated updating of road databases by integration of imagery and geodata | |
Rodriguez-Cuenca et al. | An approach to detect and delineate street curbs from MLS 3D point cloud data | |
CN107958183A (zh) | 一种高分辨率遥感图像的城市路网信息自动提取方法 | |
Díaz-Vilariño et al. | Automatic classification of urban pavements using mobile LiDAR data and roughness descriptors | |
CN107169464A (zh) | 一种基于激光点云的道路边界检测方法 | |
Yan et al. | Automatic extraction of highway light poles and towers from mobile LiDAR data | |
CN104361589A (zh) | 一种基于尺度间映射的高分辨率遥感影像分割方法 | |
CN107679498A (zh) | 一种机载激光点云城区道路识别方法 | |
CN103703490A (zh) | 用于产生三维特征数据的设备、用于产生三维特征数据的方法、以及其上记录有用于产生三维特征数据的程序的记录介质 | |
CN107330422A (zh) | 一种基于高精度数字高程模型对半干旱地区进行微地形分类的方法 | |
WO2016198873A1 (en) | Flood risk mapping and warning system and method | |
CN104463164A (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN103206957B (zh) | 车辆自主导航的车道线检测与跟踪方法 | |
CN103310199B (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
CN103324916A (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN104700071A (zh) | 一种全景图道路轮廓的提取方法 | |
Zhou et al. | Highway alignments extraction and 3D modeling from airborne laser scanning point clouds | |
Tejenaki et al. | A new hierarchical method for automatic road centerline extraction in urban areas using LIDAR data | |
Ural et al. | Road and roadside feature extraction using imagery and LiDAR data for transportation operation | |
Ning et al. | Converting street view images to land cover maps for metric mapping: A case study on sidewalk network extraction for the wheelchair users | |
Husain et al. | Road surface and its center line and boundary lines detection using terrestrial Lidar data | |
Rastogi et al. | Urban sprawl analysis using shannon’s entropy and fractal analysis: A case study on Tiruchirappalli city, India | |
Mhangara et al. | Road extraction using object oriented classification | |
Dai et al. | Automatic method for extraction of complex road intersection points from high-resolution remote sensing images based on fuzzy inference |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170329 Termination date: 20180106 |