CN108074253B - 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 - Google Patents
一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 Download PDFInfo
- Publication number
- CN108074253B CN108074253B CN201711424750.1A CN201711424750A CN108074253B CN 108074253 B CN108074253 B CN 108074253B CN 201711424750 A CN201711424750 A CN 201711424750A CN 108074253 B CN108074253 B CN 108074253B
- Authority
- CN
- China
- Prior art keywords
- road network
- similarity
- matching unit
- nodes
- node
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于Delaunay三角剖分的多层级矢量道路网匹配方法,包括利用Stroke原理对道路网进行分层处理,设定阈值得到首层道路网;计算首层道路网中所有结点的凸包,并对凸包进行处理;进行三角剖分;得到每个结点的最小匹配单元;利用缓冲区方法得到每个结点的待匹配结点;得到对应结点最小匹配单元的相似性;迭代优化最小匹配单元的相似性;选取待匹配结点中最小匹配单元相似度最高的作为匹配结点;利用不同层级道路之间的约束计算下一层道路结点的匹配关系,进而得到最终的匹配集。本发明能得到较好的矢量道路要素匹配关系。
Description
技术领域
本发明涉及多源矢量道路数据集成与融合技术,尤其涉及一种基于Delaunay三角剖分的多层级矢量道路网匹配方法。
背景技术
矢量道路网匹配在地图融合、集成与更新领域具有重要作用,要得到不同坐标系下矢量道路之间的匹配关系,必须要解决道路网存在旋转偏移和缩放的问题。利用缓冲区增长法或迭代最近点法来在预定的距离中找到同名匹配要素,并通过相似性度量函数确定匹配的点,只能在同一几何系统(即同一坐标系统或相近坐标系统)处理矢量数据的匹配,很少处理不同甚至未知坐标系统的矢量道路数据,同时,现有的相似性度量函数还存在不同度量方法权值分配的问题。
为了解决不同坐标系下道路网同名要素匹配问题。Saalfeld(1988)提出了一种人工定义两个数据集中相同点,然后使用triangle-based rubber-sheeting方法匹配特征。Chen(2006)提出了一种自动坐标转换方法,该方法的基本思想是提取两个道路网的特征点,通过空间道路数据的特征点的关系找到转换t,然后将道路数据进行坐标转换进而实现空间道路数据的匹配。但2个控制点相对于复杂的城市道路网实在太少。Luan(2012)利用层次路划提取城市道路骨架,然后利用最大公共图算法建立最可能的结点对应图,基于相应的连接点建立两个位置坐标系的放射变换。这种方法受到地图的限制,复杂的空间道路数据必须是在同样的比例尺下。Siriba(2012)提出了一种自动定位的方法,通过Hausdorff距离排名的反复迭代,这一策略对处理非空间道路网路数据集是有效的,不过结果十分依赖于初始的旋转与缩放参数,因为该方法依赖两个点的几何距离。上述的方法中都存在一定的问题,更好的方法是用形状或者结构来寻找道路相似的道路结点。
发明内容
有鉴于此,本发明的实施例提供了一种将道路网数据转化为三角网结构,将道路网匹配问题转化为三角网的匹配问题,解决不同坐标系下道路网存在的旋转偏移的问题,实现在不同坐标系下矢量道路网的匹配的基于Delaunay三角剖分的多层级矢量道路网匹配方法。
本发明的实施例提供一种基于Delaunay三角剖分的多层级矢量道路网匹配方法,包括以下步骤:
步骤1)利用Stroke原理对道路网进行分层处理,设定阈值得到首层道路网;
步骤2)计算首层道路网中所有结点的凸包,并对凸包进行处理;
步骤3)对处理后的凸包的点和首层道路网所有的结点进行三角剖分;
步骤4)分析三角剖分结构得到每个结点的最小匹配单元;
步骤5)利用缓冲区方法得到每个结点的待匹配结点;
步骤6)利用三角形的相似性度量得到对应结点最小匹配单元的相似性;
步骤7)根据最小匹配单元中三角形的对应关系,迭代优化最小匹配单元的相似性;
步骤8)选取待匹配结点中最小匹配单元相似度最高的作为匹配结点;
步骤9)利用不同层级道路之间的约束计算下一层道路结点的匹配关系,进而得到最终的匹配集。
进一步,所述步骤1)中,分层处理的具体过程为:先将连通度为1的结点所在道路放入到剩余层,然后根据Stroke原理得到道路网的Stroke结构,设定阈值,将长度大于阈值的Stroke结构放入到首层道路网中。
进一步,所述阈值的设定要使两份地图的Stroke结构数量差异最小的情况下,Stroke结构数量最多。
进一步,所述步骤2)中,对凸包进行处理的具体过程为:将凸包向外延伸一段距离,对凸包进行扩充和精细化,进而使凸包围成的多边形中,多边形上的点均匀地分布在首层道路网的外层。
进一步,所述步骤3)中,三角剖分在边约束下进行。
进一步,所述步骤4)中,最小匹配单元是指:在三角网结构中,一个顶点所组成的所有三角形的集合。
进一步,所述最小匹配单元中三角形要顺时针排序,三角形的顶点也要顺时针排序。
进一步,所述步骤6)中,三角形的相似性度量的公式为:
式中:It为三角形ABC和三角形DEF的相似度,Ia为对应∠A和∠D的相似度,Ib为对应∠B和∠E的相似度,Ic为对应∠C和∠F的相似度;
b=aP/3
式中:P为50%,a为∠A的值,x为∠D的值;
依次类推,得到Ib和Ic。
进一步,所述步骤7)中,迭代优化最小匹配单元的相似性通过以下公式进行:
与现有技术相比,本发明具有以下有益效果:不同坐标系下的同名矢量道路网数据,当道路数据存在旋转,特别是在大幅度(180度)的旋转情况下,基于最小凸包匹配单元的相似性度量具有抗旋转干扰的特性,仍然能够有效的计算结点间的相似度,进而得到较好的矢量道路要素匹配关系。
附图说明
图1是本发明一种基于Delaunay三角剖分的多层级矢量道路网匹配方法的一流程图。
图2是图1中步骤1)分层处理的一示意图,2-a为两份匹配的道路网,2-b为分层处理后得到首层道路网。
图3是本发明以一份简单道路数据匹配为实施例的基于Delaunay三角剖分的多层级矢量道路网匹配方法的流程图,3-a为一份简单的道路数据,3-b为多边形上的点均匀地分布在首层道路网外层的数据,3-c为三角剖分的数据。
图4是本发明中两个最小匹配单元。
图5是本发明中利用多层级道路之间的约束得到下一层级道路结点的匹配关系。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明的实施例提供了一种基于Delaunay三角剖分的多层级矢量道路网匹配方法,包括以下步骤:
步骤1)利用Stroke原理对道路网进行分层处理,设定阈值得到首层道路网;具体地,如图2所示,将连通度为1的结点所在的道路放入到剩余层,然后根据Stroke原理得到道路网的Stroke结构,设定阈值,将长度大于阈值的Stroke放入到首层道路网中,阈值的设定要使两份地图的Stroke数量差异最小的情况下,Stroke数量最多。
步骤2)计算首层道路网中所有结点的凸包,并对凸包进行处理,具体为,将凸包向外延伸一段距离,对凸包进行扩充和精细化,进而使凸包围成的多边形中,多边形上的点均匀地分布在首层道路网的外层。
步骤3)对处理后的凸包的点和首层道路网所有的结点进行三角剖分,三角剖分要在边(道路)约束下进行。
步骤4)分析三角剖分结构得到每个结点的最小匹配单元;
最小匹配单元是指:在三角网结构中,一个顶点所组成的所有三角形的集合;最小匹配单元中三角形要顺时针排序,三角形的顶点也要顺时针排序。
步骤5)利用缓冲区方法得到每个结点的待匹配结点;
步骤6)利用三角形的相似性度量方法得到对应结点最小匹配单元的相似性;
具体为:设需要计算相似性的两个三角形分别是ABC和DEF,其中点A和D,点B和E,C和F分别为对应点,则两个角∠A(设值为a)和∠D(设值为x)的相似度为
依次类推,得到两个角∠B和∠E的相似度Ib,两个角∠C和∠F的相似度Ic。
进而得到整个三角形的相似度计算公式如下:
步骤7)根据最小匹配单元中三角形的对应关系,迭代优化最小匹配单元的相似性;
具体地,计算最小匹配单元的相似性过程中,三角形是对应的,进而结点也存在对应关系,利用最小匹配单元边界结点对中心结点的影响进行迭代,得到优化的最小匹配单元相似性。
迭代优化最小匹配单元的相似性通过以下公式进行:
即,在最小匹配单元相似性计算过程,存在对应的三角形及对应的顶点,如图4所示,点O与点P两个最小匹配单元,O与P的相似性,受到最小匹配单元对应点的约束,(也就是A-H,B-I,C-J...),通过公式进行迭代过程,得到最终相似性结果。
步骤8)选取待匹配结点中最小匹配单元相似度最高的作为匹配结点;
步骤9)利用不同层级道路之间的约束计算下一层道路结点的匹配关系,进而得到最终的匹配集。
实施例1
为了更清晰的说明本发明的思想,下面结合附图3一份小的道路网数据作为实施例进行进一步的说明。
图3-a所示是一份简单的道路数据,有3条道路。
利用本发明方法进行匹配道路:
步骤1)移除连通度为1的结点所在的道路并利用Stroke原理对道路网进行分层处理,设定阈值得到首层道路网。
图2-a是两份要进行匹配的道路网数据,图2-b为进行步骤1后得到的首层道路网的结果。
步骤2)得到道路网所有的结点,进而求得它们的凸包多边形,然后对凸包进行扩充和精细化,使得到的多边形上的点均匀地分布在首层道路网外层,如图3-b所示。
步骤3)对道路上所有的结点和步骤1)得到的多边形的点进行Delaunay三角剖分,其中要加入边(道路)约束,如图3-c所示。
步骤4)在得到的三角剖分结果中,依次获得每个结点的最小匹配单元,最小匹配单元是指一个顶点所组成的所有三角形的集合,如图3-c中虚线围成的区域就是中心点的最小匹配单元。
步骤5)对待匹配图层中所有结点做缓冲区,得到匹配图层中缓冲区内的结点,这些结点就是待匹配结点。
步骤6)利用三角形的相似性度量方法得到结点与其每个待匹配结点的最小匹配单元的相似性。如图4所示,O,P两个最小匹配单元,计算构成最小匹配单元的三角形之间的相似性得到最小匹配单元的相似性。
步骤7)计算最小匹配单元的相似性过程,三角形是对应的,进而结点也存在对应关系,如图4所示,△OAG和△PHM是对应的,那么点A-H,G-M就是对应关系。利用最小匹配单元边界结点对中心结点的影响进行迭代,得到新的最小匹配单元相似性。
步骤8)选取待匹配结点中最小匹配单元相似度最高的作为匹配结点。
步骤9)利用多层级道路之间存在的约束关系,得到下一层道路结点的匹配关系进而得到整个匹配集。
如图5所示,点A与Q,B与W是首层道路网中得到的匹配结果,线AB是相同道路图层中的一条道路,线FG,DC,HE是AB上的差异道路图层的道路。HE位于AB的右侧,RT位于QW的左侧,点D在AB的相对位置在75%(大概),点R在QW的相对位置在28%(大概)。点F在AB的相对位置25%(大概),FG在AB左侧,所以点F与点R匹配。
不同坐标系下的同名矢量道路网数据,当道路数据存在旋转,特别是在大幅度(180度)的旋转情况下,基于最小凸包匹配单元的相似性度量具有抗旋转干扰的特性,仍然能够有效的计算结点间的相似度,进而得到较好的矢量道路要素匹配关系。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,包括以下步骤:
步骤1)利用Stroke原理对道路网进行分层处理,设定阈值得到首层道路网;
步骤2)计算首层道路网中所有结点的凸包,并对凸包进行处理;
步骤3)对处理后的凸包的点和首层道路网所有的结点进行三角剖分;
步骤4)分析三角剖分结构得到每个结点的最小匹配单元;
步骤5)利用缓冲区方法得到每个结点的待匹配结点;
步骤6)利用三角形的相似性度量得到对应结点最小匹配单元的相似性;
步骤7)根据最小匹配单元中三角形的对应关系,迭代优化最小匹配单元的相似性;
步骤8)选取待匹配结点中最小匹配单元相似度最高的作为匹配结点;
步骤9)利用不同层级道路之间的约束计算下一层道路结点的匹配关系,进而得到最终的匹配集。
2.根据权利要求1所述的基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,所述步骤1)中,分层处理的具体过程为:先将连通度为1的结点所在道路放入到剩余层,然后根据Stroke原理得到道路网的Stroke结构,设定阈值,将长度大于阈值的Stroke结构放入到首层道路网中。
3.根据权利要求2所述的基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,所述阈值的设定要使两份地图的Stroke结构数量差异最小的情况下,Stroke结构数量最多。
4.根据权利要求1所述的基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,所述步骤2)中,对凸包进行处理的具体过程为:将凸包向外延伸一段距离,对凸包进行扩充和精细化,进而使凸包围成的多边形中,多边形上的点均匀地分布在首层道路网的外层。
5.根据权利要求1所述的基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,所述步骤3)中,三角剖分在边约束下进行。
6.根据权利要求1所述的基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,所述步骤4)中,最小匹配单元是指:在三角网结构中,一个顶点所组成的所有三角形的集合。
7.根据权利要求6所述的基于Delaunay三角剖分的多层级矢量道路网匹配方法,其特征在于,所述最小匹配单元中三角形要顺时针排序,三角形的顶点也要顺时针排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711424750.1A CN108074253B (zh) | 2017-12-25 | 2017-12-25 | 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711424750.1A CN108074253B (zh) | 2017-12-25 | 2017-12-25 | 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108074253A CN108074253A (zh) | 2018-05-25 |
CN108074253B true CN108074253B (zh) | 2020-06-26 |
Family
ID=62155739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711424750.1A Expired - Fee Related CN108074253B (zh) | 2017-12-25 | 2017-12-25 | 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108074253B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112013862B (zh) * | 2020-07-31 | 2022-06-17 | 深圳大学 | 一种基于众包轨迹的行人路网提取及更新方法 |
CN113704377B (zh) * | 2021-08-30 | 2024-03-01 | 中国地质大学(武汉) | 一种结合人工交互与主动学习的路网匹配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252601B1 (en) * | 1997-09-19 | 2001-06-26 | Nec Corporation | Tetrahedral mesh generation and recording medium storing program therefor |
US9477798B1 (en) * | 2012-06-20 | 2016-10-25 | Synopsys, Inc. | Moving mesh system and method for finite element/finite volume simulations |
CN106485766A (zh) * | 2016-10-21 | 2017-03-08 | 西南大学 | 一种约束Delaunay三角网的并行构建方法 |
CN106528740A (zh) * | 2016-11-04 | 2017-03-22 | 中科宇图科技股份有限公司 | 基于Delaunay三角网的道路中心线提取方法 |
CN105069824B (zh) * | 2015-08-11 | 2017-12-08 | 中南大学 | 基于gps数据的露天矿山道路网自动构建方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639850B (zh) * | 2009-06-01 | 2013-01-16 | 北京四维图新科技股份有限公司 | 一种道路网络数据的合并方法及合并装置 |
US20180365825A1 (en) * | 2009-10-05 | 2018-12-20 | Carolyn M. Salafia | Automated placental measurement |
-
2017
- 2017-12-25 CN CN201711424750.1A patent/CN108074253B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252601B1 (en) * | 1997-09-19 | 2001-06-26 | Nec Corporation | Tetrahedral mesh generation and recording medium storing program therefor |
US9477798B1 (en) * | 2012-06-20 | 2016-10-25 | Synopsys, Inc. | Moving mesh system and method for finite element/finite volume simulations |
CN105069824B (zh) * | 2015-08-11 | 2017-12-08 | 中南大学 | 基于gps数据的露天矿山道路网自动构建方法及系统 |
CN106485766A (zh) * | 2016-10-21 | 2017-03-08 | 西南大学 | 一种约束Delaunay三角网的并行构建方法 |
CN106528740A (zh) * | 2016-11-04 | 2017-03-22 | 中科宇图科技股份有限公司 | 基于Delaunay三角网的道路中心线提取方法 |
Non-Patent Citations (5)
Title |
---|
《Line-of-Sight Stroke Graphs and Parzen Shape Context Features for Handwritten Math Formula Representation and Symbol Segmentation》;Lei Hu;《2016 15th International Conference on Frontiers in Handwriting Recognition (ICFHR)》;20161026;第180-185页 * |
《Matching Road Network Combining Hierarchical Strokes and Probabilistic》;Lin Yang;《The Open Automation and Control Systems Journal》;20141231;第268-276页 * |
《一种基于层次路划结构关系约束的矢量道路网自动匹配方法》;杨林;《武汉大学学报(信息科学版)》;20151231;第40卷(第12期);第1661-1665页 * |
《基于Delaunay三角网的图像匹配算法》;李山奎;《微计算机信息》;20091203;第25卷(第28期);第115-116页 * |
《采用Stroke层次结构模型的道路网匹配方法》;刘海龙;《测绘科学技术学报》;20131231;第30卷(第6期);第647-651页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108074253A (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107123164B (zh) | 保持锐利特征的三维重建方法及系统 | |
CN103703490B (zh) | 用于产生三维特征数据的设备以及用于产生三维特征数据的方法 | |
CN106023298B (zh) | 基于局部泊松曲面重建的点云刚性配准方法 | |
CN108171131B (zh) | 基于改进MeanShift的Lidar点云数据道路标识线提取方法 | |
CN109685080B (zh) | 基于霍夫变换与区域生长的多尺度平面提取方法 | |
CN108376408B (zh) | 一种基于曲率特征的三维点云数据快速加权配准方法 | |
CN108267141B (zh) | 道路点云数据处理系统 | |
CN110599506B (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN111652892A (zh) | 一种基于深度学习的遥感影像建筑物矢量提取及优化方法 | |
CN110838115B (zh) | 运用轮廓线提取和四维曲面拟合的古文物三维模型变化检测方法 | |
CN112033413B (zh) | 一种基于结合环境信息的改进a*算法的路径规划方法 | |
CN109615581B (zh) | 一种融合扩展高斯球和颜色几何特征的三维碎片的拼接复原方法 | |
CN104463953B (zh) | 基于惯性测量单元与rgb‑d传感器的三维重建方法 | |
CN109147040B (zh) | 基于模板的人体点云孔洞修补方法 | |
CN105654483A (zh) | 三维点云全自动配准方法 | |
CN115661374B (zh) | 一种基于空间划分和模型体素化的快速检索方法 | |
CN111457930B (zh) | 一种利用车载Lidar与无人机联合的高精度测图定位方法 | |
CN108074253B (zh) | 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 | |
CN106204719A (zh) | 基于二维邻域检索的三维场景中海量模型实时调度方法 | |
CN112884886A (zh) | 一种自适应搜索半径的三维点云管道提取与建模方法 | |
CN112241676A (zh) | 一种地形杂物自动识别的方法 | |
CN114037948A (zh) | 基于迁移主动学习的车载道路点云要素矢量化方法与装置 | |
CN111598941A (zh) | 一种杆塔倾斜度测量方法、装置、设备及存储介质 | |
Huh et al. | Line segment confidence region-based string matching method for map conflation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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 |
Granted publication date: 20200626 Termination date: 20211225 |
|
CF01 | Termination of patent right due to non-payment of annual fee |