CN108830897B - 一种道路中心线提取方法 - Google Patents

一种道路中心线提取方法 Download PDF

Info

Publication number
CN108830897B
CN108830897B CN201810596769.2A CN201810596769A CN108830897B CN 108830897 B CN108830897 B CN 108830897B CN 201810596769 A CN201810596769 A CN 201810596769A CN 108830897 B CN108830897 B CN 108830897B
Authority
CN
China
Prior art keywords
block
road
adjacent
blocks
line
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.)
Active
Application number
CN201810596769.2A
Other languages
English (en)
Other versions
CN108830897A (zh
Inventor
蔡先华
胡卓良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201810596769.2A priority Critical patent/CN108830897B/zh
Publication of CN108830897A publication Critical patent/CN108830897A/zh
Application granted granted Critical
Publication of CN108830897B publication Critical patent/CN108830897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

一种道路中心线提取方法,通过构造道路面围成的街区,从而建立道路几何网络中点线面对象的空间拓扑关系,为路段中心线的提取提供了起止参照条件。本发明根据道路面获取街区;获取每个街区的相邻街区;对所述相邻街区按逆时针方向排序;筛选出所述相邻街区中与原街区间存在共享道路的街区;根据街区间是否存在共享道路构建路网多边形弧段拓扑,并生成初始中心线;根据所述初始中心线对多边形弧段拓扑进行修正;根据所述修正后的多边形弧段拓扑构建点线面之间的完整拓扑并重新生成中心线;在交叉口处对中心线进行修整。本发明解决了从道路面矢量数据提取道路中心线的问题,能够得到路网拓扑关系,提取中心线结果具有位置精确,形状平滑的优点。

Description

一种道路中心线提取方法
技术领域
本发明涉及地理信息系统领域,尤其涉及地理信息数据处理技术领域,特别是涉及一种道路中心线提取方法。
背景技术
道路中心线在地理信息系统中具有重要作用,其相关功能包括:一是通过道路中心线矢量数据表达道路的几何形状和空间位置,是传统道路网络地图综合的基础,也是小尺度道路可视化的基本数据;二是通过道路中心线的连通关系获取道路网络拓扑,从而为路径规划等交通网络分析提供基础;三是通过线性参照方法可将道路沿线相关要素与道路中心线建立联系,从而为交通设施、交通事件提供定位基础。
道路中心线提取方法的数据来源包括道路面矢量数据、栅格遥感影像数据、GPS轨迹数据等。其中,基于道路面矢量数据提取方法包括垂线族法、栅格形态变换法、基于Delaunay三角网的方法等,上述方法存在运算效率低,中心线不平滑等不足。
发明内容
为了解决以上问题,本发明公开了一种道路中心线提取方法,通过构造道路面围成的街区,从而建立道路几何网络中点线面对象的空间拓扑关系,为路段中心线的提取提供了起止参照条件。本发明能够自动生成道路网络拓扑关系,运算效率较高,且道路中心线结果具有位置精确,形状平滑的特征,为达此目的,本发明提供一种道路中心线提取方法,具体步骤如下:
(1)根据道路面获取街区,街区指被道路所包围的区域;
(2)获取每个街区的相邻街区;
(3)对所述相邻街区按逆时针方向排序;
(4)筛选出所述相邻街区中与原街区间存在共享道路即通过线面拓扑关联的街区;
(5)根据街区间是否存在共享道路构建路网多边形弧段拓扑,并生成初始中心线;
(6)根据所述初始中心线对多边形弧段拓扑进行修正;
(7)根据所述修正后的多边形弧段拓扑构建点线面之间的完整拓扑并重新生成中心线;
(8)在交叉口处对中心线进行修整。
本发明的进一步改进,所述步骤(1)中,根据道路面获取街区的具体步骤如下:
(1-1)对道路面进行求反操作获取街区;
(1-2)获取道路面的外围边界。
本发明的进一步改进,所述步骤(2)中,获取每个街区的相邻街区的具体步骤如下:
(2-1)获取各个街区一定范围内的近邻街区及街区轮廓上与近邻街区轮廓距离最近的最近邻点,并从近邻街区中排除不相邻的街区从而得到相邻街区;
(2-2)同理,获取外围边界的相邻街区及最近邻点。
本发明的进一步改进,所述步骤(3)中,对所述相邻街区按逆时针方向排序的具体步骤如下:
(3-1)对街区上的对应相邻街区的最近邻点,按对应街区轮廓上位置及其轮廓的矢量化方向进行排序;
(3-2)若矢量数据以顺时针方向组织,则对排序结果进行倒序;若矢量化数据以逆时针方向组织,则不对排序结果进行变动;按照排序结果构成以逆时针方向排序的相近街区循环链表。
本发明的进一步改进,所述步骤(4)中,筛选出所述相邻街区中与原街区间存在共享道路即通过线面拓扑关联的街区的具体步骤如下:
(4-1)取某街区与其相邻街区中的一个街区,并构成相互对应街区间一对最近邻点之间的连线;
(4-2)获取该相邻街区在循环链表中的前趋街区及后继街区,并获取连线线段至两街区的距离;
(4-3)若上述两街区的距离均小于连线长度,则判断该相邻街区与对应间不存在道路,将该相邻街区从原街区的相邻街区集合中剔除,获得仅存在街区间存在道路的相邻街区集合。
本发明的进一步改进,所述步骤(5)中,根据街区间是否存在道路构建路网多边形弧段拓扑,并生成初始中心线的具体步骤如下:
(5-1)根据所述街区的相邻街区集合,判断街区间是否已经生成路段,若已生成,则不重复生成;若街区间未生成路段,获取街区、相邻街区、相邻街区的前趋及后继街区的轮廓边界形状以及街区与相邻街区的最近邻点;
(5-2)以生成路段两侧街区对应的最近邻点连线中点为圆心,连线长度一半为半径,以连线中垂线为起始角度,采用二分法对角度进行划分直至圆上某点到两侧街区的距离相等,以圆上满足条件的两点为新的圆心,半径不变,重复前一步骤直至圆心至相邻街区与至前趋及后继街区的距离之差的绝对值小于该半径,得到所有圆心的位置坐标;
(5-3)以逆时针方向对上述圆心点集进行排序,按顺序连接圆心点,生成初始中心线。
本发明的进一步改进,所述步骤(6)中,根据所述初始中心线对多边形弧段拓扑进行修正的具体步骤如下:
(6-1)判断初始中心线是否存在与街区形状相交的错误或其他错误;
(6-2)根据上述发现的错误修改或人工修改相邻街区循环链表,修正路网多边形弧段拓扑。
本发明的进一步改进,所述步骤(7)中,根据所述修正后的多边形弧段拓扑构建点线面之间的完整拓扑并重新生成中心线的具体步骤如下:
(7-1)若街区A与其某个相邻街区B间未生成路段,则添加一个新的路段L,方向为沿A的逆时针方向,记录L的左街区为A,右街区为B,重复直至所有相邻街区间都存在路段;
(7-2)若街区A的某个相邻街区B未标记,则添加一个新的交叉口J,J代表 AB之间路段L0沿A逆时针方向的终点,并将L0添加至J的邻接路段集合O中,若L 的左街区为A,则设定L的终点为J,反之起点为J,设初始街区为A,当前街区为A,目标街区为A沿逆时针方向的下个街区C,标记C中相邻街区A,并添加CA间路段 L1至O中,判断L1与J的关系,并设当前街区为C。重复直至目标街区等于初始街区,代表J的相邻路段已全部添加;
(7-3)重复上一步直至所有相邻街区间被标记,算法结束,街区、路段、交叉路口拓扑关系及中心线完成生成过程。
本发明的进一步改进,所述步骤(8)中,在交叉口处对中心线进行修整的具体步骤如下:
(8-1)以距离变化趋势与角度趋势判断中心线上到交叉口停止线最近的追踪点;
(8-2)根据路段沿追踪点的延长线相交形成角度判断交叉口处路段是否延续;
(8-3)若交叉口附近存在1对或2对连续路段,即为十字路口或T型路口,十字路口取相连路段交点为交叉口中心,T型路口取不相连路段的延长线与相连路段的交点为交叉口中心,其他情况取延长线构成多边形的中心为交叉口中心;
(8-4)连接交叉口中心与追踪点,并与追踪点截取的道路中心线合并,得到完整的道路中心线数据。
本发明公开了一种道路中心线提取方法,通过构造道路面围成的街区,从而建立道路几何网络中点线面对象的空间拓扑关系,为路段中心线的提取提供了起止参照条件。本发明能够自动生成道路网络拓扑关系,运算效率较高,且道路中心线结果具有位置精确,形状平滑的特征。其具体方法为:根据道路面获取街区;获取每个街区的相邻街区;对所述相邻街区按逆时针方向排序;筛选出所述相邻街区中与原街区间存在共享道路的街区;根据街区间是否存在共享道路构建路网多边形弧段拓扑,并生成初始中心线;根据所述初始中心线对多边形弧段拓扑进行修正;根据所述修正后的多边形弧段拓扑构建点线面之间的完整拓扑并重新生成中心线;在交叉口处对中心线进行修整。本发明解决了从道路面矢量数据提取道路中心线的问题,能够得到路网拓扑关系,提取中心线结果具有位置精确,形状平滑的优点。
附图说明
图1是本发明方法的流程示意图;
图2是本发明实施例的道路面求街区多边形示意图;
图2a是本发明实施例的道路面多边形(P)示意图;
图2b是本发明实施例的道路面Envolope多边形(Q)示意图;
图2c是本发明实施例的街区及道路面的外围边界多边形(Q-P)示意图;
图2d是本发明实施例的道路面轮廓线多边形示意图;
图2e是本发明实施例的道路面的外围轮廓多边形(P0)示意图;
图2f是本发明实施例的道路面的外围边界多边形(Q-P0)示意图;
图2g是本发明实施例的街区并集多边形
Figure RE-GDA0001807392510000041
示意图;
图3是本发明实施例的近邻表、最近邻点及判断相邻关系的示意图;
图3a是本发明实施例的近邻表示意图;
图3b是本发明实施例以近邻表最近邻点X、Y坐标生成最近邻点数据示意图;
图3c是本发明实施例判断相邻关系的示意图;
判断最近邻点间连线是否与其他街区相交判断两街区是否相邻,图中街区501与街区507 相邻,与街区518不相邻;
图4是本发明实施例的相邻街区循环链表示意图;
图4a是本发明实施例的相邻街区循环构成示意图;
图中街区97的相邻街区按逆时针排序为100、263、238、322、251,构成街区97的相邻街区循环链表;
图4b是本发明实施例的最近邻点重合情况示意图;
图中最近邻点重合情况下,街区A部分相邻街区按逆时针排序排序为B、C、D;
图5是本发明实施例的判断相邻街区间是否关联同一道路示意图;根据最近邻点间线段与循环链表中前趋街区与后继街区的距离,判断街区间是否关联同一道路;图中街区97 与街区228间不满足条件,判断街区间为交叉口;
图6是本发明实施例的相邻街区间中心线的提取算法示意图;
图6a是本发明实施例的相邻街区间中心线的提取算法基本思路示意图;
图6b是本发明实施例的中心线提取过程中构造初始滚动圆与初始角度示意图;
图6c是本发明实施例的中心线提取过程中以二分法查找圆上到两侧街区距离相等的点的示意图;
图7是本发明实施例的相邻街区间初始中心线的提取效果示意图;
图8是本发明实施例的初始中心线出现错误的示意图;
图9是本发明实施例的采样点对应街区示意图;
图10是本发明实施例的结束追踪点示意图;
图11是本发明实施例的最终提取道路中心线成果示意图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明公开了一种道路中心线提取方法,通过构造道路面围成的街区,从而建立道路几何网络中点线面对象的空间拓扑关系,为路段中心线的提取提供了起止参照条件。本发明能够自动生成道路网络拓扑关系,运算效率较高,且道路中心线结果具有位置精确,形状平滑的特征。
本发明实施例基于ArcMap软件及ArcGIS Engine二次开发环境,以shapefile文件格式道路面矢量数据为样本,提供一种提取shapefile文件格式的道路中心线的方法,包括以下步骤:
步骤1,由道路面求街区多边形(多边形求反)。其原理为,在给定的2维空间中,设道路面形状为带孔的复杂多边形P,P的最小外接矩形为Q,P的外围多边形为P0,P 内部的n(n≥0)个孔分别为简单多边形P1、P2、…、Pn。其中P0代表道路面的外围轮廓,P1、P2、…、Pn代表被道路面包围的街区。设多边形A、B间的交、并、差符号分别为A∩B、A∪B、A-B,则上述多边形的关系如下:
Figure RE-GDA0001807392510000051
Figure RE-GDA0001807392510000052
其中,
Figure RE-GDA0001807392510000053
为街区的并集,街区间互不相交;Q-P为属于Q而不属于P的部分,且
Figure RE-GDA0001807392510000061
Q-P即在道路面最小外接矩形范围内道路面求反得到的非道路面部分;同理, Q-P0为外围轮廓为道路面最小外接矩形,内部孔为道路面的外围轮廓的多边形,即道路面的外围边界;(Q-P)-(Q-P0)即为非道路面中排除道路面外围边界后剩余的街区部分。如图2所示,步骤1具体实施过程如下:
首先,基于道路面shapefile文件构造道路面envolope(即最小外接矩形),通过擦除工具,以道路面envolope为输入要素,道路面为擦除要素,获得街区
Figure RE-GDA0001807392510000062
及道路面的外围边界(Q-P)的整体;
其次,基于道路面shapefile文件,通过要素转线工具获得道路面轮廓线,并根据线要素长度,筛选出长度最长的道路面外围轮廓线,并转换为道路面外围轮廓多边形(P0),以道路面envolope为输入要素,道路面外围轮廓多边形为擦除要素,得到道路面的外围边界(Q-P0);
然后,以Q-P为输入要素,Q-P0为擦除要素,通过擦除工具得到街区的并集
Figure RE-GDA0001807392510000063
最后,通过拆分多要素工具,将街区集合拆分为独立相离的街区(P1,P2,…,Pn)。
步骤2,生成相邻街区表。由于街区多边形间关系为相离,因此,多边形之间的距离大于0。多边形与多边形距离的计算方法由点到线段距离的计算方法衍生而出。点到多边形上线段的距离为:过该点构成该线段的垂线,若垂足在线段上,则垂线段长度为点到线段的距离,否则取点到线段两端点的最小距离作为点到线段的距离。点到多边形的距离为点到多边形上各线段的最短距离。对于街区多边形Pi、Pj(i≠j),其间的距离为:
D(Pi,Pj)=min(D(Pi→Pj),D(Pj→Pi)) 公式3
其中,D(Pi→Pj)为Pi上的所有顶点到Pj的最短距离,D(Pj→Pi)为Pj上的所有顶点到Pi的最短距离。步骤2具体实施过程如下:
通过生成近邻表工具获取街区间距离小于阈值的近邻街区及对应的最近邻点坐标,根据最近邻点坐标生成最近邻点文件;通过街区间最近邻点构造连线,若连线不与其他街区相交,则判断两街区为相邻关系。其原理是,当街区多边形之间的最近邻点连线不与其他街区相交时,意味着两街区分别位于一段道路面的两侧,即两街区之间存在道路或交叉口。基于上述方式,得到所有街区的相邻街区表,如图3所示。
步骤3,相邻街区排序。以最近邻点在街区轮廓线上所属的线段(Segment)序号进行升序排序(若序号相同,则按最近邻点到线段起始点的距离由小到大排序;若最近邻点重合,则以该最近邻点为极坐标极点,连接序列中的前一街区中对应的最近邻点作为极轴,计算重合的最近邻点对应街区上的最近邻点的极角,按极角从小到大排序),如图 4所示。若街区轮廓线为顺时针方向,则排序列表倒序,最终得到街区的以逆时针方向排序的相邻街区循环链表。
步骤4,判断两相邻街区是否关联同一道路。连接街区A与相邻街区B的对应最近邻点得到线段LAB,计算街区A的相邻街区循环链表中街区B的前趋街区C与后继街区 D与线段LAB的距离DC、DD。若DC与DD距离均小于LAB,则认为街区A与街区B间为交叉口,并不关联同一道路。其含义为,假设AB间存在道路,则AB间的路段的宽度可约等于LAB,而DC与DD之和约等于AD间路段的长度,若Dc、DD均小于LAB,可以推断DC+DD<2LAB,可近似认为AB间的路段长度接近于AB间道路宽度,判断街区A 与街区B之间为交叉口,如图5所示。对所有街区进行上述操作,排除相邻街区循环链表中的街区间为交叉口的相邻街区,得到所有街区的满足关联同一道路(共边)的相邻街区集合。
步骤5,根据街区关联道路关系生成多边形弧段拓扑,并生成初始道路中心线。按步骤4中的相邻街区循环链表生成围绕街区的路段循环链表(仍为逆时针方向),若两街区之间已生成路段,则不重复生成,从而得到街区周围路段逆时针顺序以及路段的左右街区多边形信息。以生成路段两侧街区对应的最近邻点连线中点为圆心,线段长度一半为半径,以线段两侧中垂线为起始角度,分别向两侧采用滚动圆法提取道路中心线,采用二分法对角度进行划分直至圆上某点到两侧街区的距离相等,再以圆上符合条件的两点为不同方向上的新道路中心线追踪点,以这两个点为圆心分别作圆(滚动圆半径不变),用同样的方法寻找该方向上的下一个追踪点,直至中心线上追踪点到相邻街区的距离与目标街区的距离之差的绝对值小于滚动圆的半径,目标街区为相邻街区循环链表中的前驱街区与后继街区。对两个方向上所生成的道路中心线点集进行合并,再按照围绕当前街区的逆时针方向排序,如图6所示。步骤5具体实施过程如下所示:
假设当前街区为A,目标为构造与相邻街区B间的道路中心线,而相邻街区集合中B逆时针方向上的前趋街区为C,后继街区为D;A、B轮廓线上的最近邻点为PA、PB, PA与PB连线中点O坐标值为(x0,y0),滚动圆的半径长度为r,设初始角度为θ,PA、 PB连线与x轴的角度,二分法的最小角度minAngle=0,最大角度maxAngle=π,中值角度midAngle=π/2,则滚动圆上向C、D方向的初始点坐标计算公式如下:
Figure RE-GDA0001807392510000071
Figure RE-GDA0001807392510000072
其中,(xC,yC)为圆上朝C方向的初始点PC的坐标,(xD,yD)为圆上朝D方向的初始点PD的坐标,判断PC街区A与街区B的距离Adist、Bdist,若Adist=Bdist,则设Pc为C 方向上的追踪点;若Adist<Bdist,则设minAngle=midAngle,若Adist>Bdist,则设 maxAngle=midAngle,中值角度midAngle=(minAngle+maxAngle)/2,通过公式4计算追踪点Pc坐标,重复上述步骤,直至满足Adist=Bdist;添加追踪点Pc至C方向的追踪点集合中。设x0=xC,y0=yC,θ=θ+midAngle-π/2,重复上述步骤直至Pc至C、B间的距离绝对值之差小于r,表示C方向上所有追踪点已添加完毕。同理,按相同方式完善D 方向上的追踪点集合,对C、D方向上的追踪点集合进行合并,并以围绕A逆时针方向对道路追踪点集合中的点排序,构成初始道路中心线成果,如图7所示;
步骤6,根据生成中心线几何特征对多边形弧段拓扑进行修正。由于步骤4中判断条件可能导致少数街区间存在道路的情况被误判为不存在,因此在步骤5中生成的初始中心线会存在错误,通常为路段与街区多边形相交,如图8所示。对于存在错误的中心线附近的街区,可通过对街区轮廓线上以小间隔取采样点,判断每个采样点与相邻街区的距离,以最短距离的街区为采样点的对应街区,如图9所示,根据采样点序列的对应街区生成新的相邻街区链表,结合新的链表对原链表进行修改,或者采用人工处理的方式对原链表进行修改,从而得到符合实际的相邻街区链表,完成对多边形弧段拓扑的修正。
步骤7,生成多边形点线面完整拓扑,并重新生成中心线。即根据正确的多边形拓扑关系生成弧面关系,继而生成点弧拓扑关系。根据弧面拓扑关系重新生成道路中心线,并记录算法中追踪点到两侧街区的距离,以及以两侧街区上到追踪点的最短距离点为起点与终点、追踪点为中间点,三点之间构成的角度。由于接近交叉口时路面形状大多近似喇叭状,可根据距离变化趋势与角度趋势判断中心线上到交叉口停止线最近的追踪点,得到距离交叉口停止线最近的追踪点即为路段的结束追踪点。如图10所示,设中心线上第i各追踪点为Oi,追踪点到两侧街区上的最近点为Ai、Bi,|OiAi|=|OiBi|,0<∠AiOiBi<π,则判断路段的结束追踪点满足以下条件:
Figure RE-GDA0001807392510000081
步骤8,在交叉口处修整道路中心线。根据路段的延长线相交角度判断交叉口集合中是否存在连续的路段,若两路段延长线相交角度小于15°,则判断两路段在交叉口处连续。由于交叉口附近的路段基本少于5,交叉口附近可能存在1对或2对连续路段,即为十字路口或T型路口,十字路口取相连路段交点为交叉口中心,T型路口取不相连路段的延长线与相连路段的交点为交叉口中心,其他情况取追踪点构成多边形中心为交叉口中心。连接交叉口中心与结束追踪点,并与结束追踪点截取的道路中心线合并,得到完整的道路中心线shapefile文件,如图11所示。
以上所述的具体实施例仅为本发明的较佳实施例,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的修改或补充或采用类似方法,仍属于本发明所要求保护的范围。

Claims (1)

1.一种道路中心线提取方法,具体步骤如下,其特征在于:
(1)根据道路面获取街区,街区指被道路所包围的区域;
其中根据道路面获取街区的具体步骤如下:
(1-1)对道路面进行求反操作获取街区;
(1-2)获取道路面的外围边界;
(2)获取每个街区的相邻街区;
其中获取每个街区的相邻街区的具体步骤如下:
(2-1)获取各个街区一定范围内的近邻街区及街区轮廓上与近邻街区轮廓距离最近的最近邻点,并从近邻街区中排除不相邻的街区从而得到相邻街区;
(2-2)同理,获取外围边界的相邻街区及最近邻点;
(3)对所述相邻街区按逆时针方向排序;
其中所述相邻街区按逆时针方向排序的具体步骤如下:
(3-1)对街区上的对应相邻街区的最近邻点,按对应街区轮廓上位置及其轮廓的矢量化方向进行排序;
(3-2)若矢量数据以顺时针方向组织,则对排序结果进行倒序;若矢量化数据以逆时针方向组织,则不对排序结果进行变动;按照排序结果构成以逆时针方向排序的相邻街区循环链表;
(4)筛选出所述相邻街区中与原街区间存在共享道路即通过线面拓扑关联的街区;
其中,筛选出所述相邻街区中与原街区间存在共享道路即通过线面拓扑关联的街区的具体步骤如下:
(4-1)取某街区与其相邻街区中的一个街区,并构成相互对应街区间一对最近邻点之间的连线;
(4-2)获取该相邻街区在循环链表中的前趋街区及后继街区,并获取连线线段至前趋街区及后继街区的距离;
(4-3)若上述前趋街区及后继街区的距离均小于连线长度,则判断该相邻街区与对应间不存在道路,将该相邻街区从原街区的相邻街区集合中剔除,获得仅存在街区间存在道路的相邻街区集合;
(5)根据街区间是否存在共享道路构建路网多边形弧段拓扑,并生成初始中心线;
其中根据街区间是否存在道路构建路网多边形弧段拓扑,并生成初始中心线的具体步骤如下:
(5-1)根据所述相邻街区集合,判断街区间是否已经生成路段,若已生成,则不重复生成;若街区间未生成路段,获取街区、相邻街区、相邻街区的前趋及后继街区的轮廓边界形状以及街区与相邻街区的最近邻点;
(5-2)以生成路段两侧街区对应的最近邻点连线中点为圆心,连线长度一半为半径,以连线中垂线为起始角度,采用二分法对角度进行划分直至圆上某点到两侧街区的距离相等,以圆上满足条件的两点为新的圆心,半径不变,重复前一步骤直至圆心至相邻街区与至前趋及后继街区的距离之差的绝对值小于该半径,得到所有圆心的位置坐标;
(5-3)以逆时针方向对上述所有圆心进行排序,按顺序连接圆心点,生成初始中心线;
(6)根据所述初始中心线对多边形弧段拓扑进行修正;
其中根据所述初始中心线对多边形弧段拓扑进行修正的具体步骤如下:
(6-1)判断初始中心线是否存在与街区形状相交的错误;
(6-2)根据上述发现的错误修改相邻街区循环链表,修正路网多边形弧段拓扑;
(7)根据所述修正后的多边形弧段拓扑构建点线面之间的完整拓扑并重新生成中心线;
其中根据所述修正后的多边形弧段拓扑构建点线面之间的完整拓扑并重新生成中心线的具体步骤如下:
(7-1)若街区A与其某个相邻街区B间未生成路段,则添加一个新的路段L,方向为沿A的逆时针方向,记录L的左街区为A,右街区为B,重复直至所有相邻街区间都存在路段;
(7-2)若街区A的某个相邻街区B未标记,则添加一个新的交叉口J,J代表AB之间路段L0沿A逆时针方向的终点,并将L0添加至J的邻接路段集合O中,若L的左街区为A,则设定L的终点为J,反之起点为J,设初始街区为A,当前街区为A,目标街区为A沿逆时针方向的下个街区C,标记C中相邻街区A,并添加CA间路段L1至O中,判断L1与J的关系,并设当前街区为C,重复直至目标街区等于初始街区,代表J的相邻路段已全部添加;
(7-3)重复上一步直至所有相邻街区间被标记,算法结束,街区、路段、交叉路口拓扑关系及中心线完成生成过程;
(8)在交叉口处对中心线进行修整;
其中在交叉口处对中心线进行修整的具体步骤如下:
(8-1)以距离变化趋势与角度趋势判断中心线上到交叉口停止线最近的追踪点;
(8-2)根据路段沿追踪点的延长线相交形成角度判断交叉口处路段是否延续;
(8-3)若交叉口附近存在1对连续路段,即为T型路口, 或2对连续路段,即为十字路口,十字路口取相连路段交点为交叉口中心,T型路口取不相连路段的延长线与相连路段的交点为交叉口中心,其他情况取延长线构成多边形的中心为交叉口中心;
(8-4)连接交叉口中心与追踪点,并与追踪点截取的道路中心线合并,得到完整的道路中心线数据。
CN201810596769.2A 2018-06-11 2018-06-11 一种道路中心线提取方法 Active CN108830897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810596769.2A CN108830897B (zh) 2018-06-11 2018-06-11 一种道路中心线提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810596769.2A CN108830897B (zh) 2018-06-11 2018-06-11 一种道路中心线提取方法

Publications (2)

Publication Number Publication Date
CN108830897A CN108830897A (zh) 2018-11-16
CN108830897B true CN108830897B (zh) 2021-03-09

Family

ID=64144558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810596769.2A Active CN108830897B (zh) 2018-06-11 2018-06-11 一种道路中心线提取方法

Country Status (1)

Country Link
CN (1) CN108830897B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816720B (zh) * 2018-12-21 2021-07-20 歌尔光学科技有限公司 道路中心检测方法、机载设备及存储介质
CN109934889B (zh) * 2019-02-25 2022-04-26 中铁第四勘察设计院集团有限公司 一种基于线性排序的道路中心线确定方法
CN111613050B (zh) * 2019-02-26 2022-12-02 阿里巴巴集团控股有限公司 道路数据处理方法、装置、设备及存储介质
CN109945888B (zh) * 2019-03-11 2021-03-16 百度在线网络技术(北京)有限公司 导航引导线的生成方法、装置及计算机设备
CN109949360B (zh) * 2019-03-18 2021-08-17 北京百度网讯科技有限公司 一种道路中心线的提取方法、装置、电子设备及存储介质
CN110232495B (zh) * 2019-04-22 2023-02-28 上海飞未信息技术有限公司 一种用于“两区”划定的多个不相邻多边形融合成一个多边形的方法
CN110245575B (zh) * 2019-05-21 2023-04-25 东华大学 一种以人体轮廓线为基础的人体体型参数捕获方法
CN112148812B (zh) * 2019-06-26 2024-04-12 丰图科技(深圳)有限公司 提取道路中心线方法、装置、设备及其存储介质
CN110348383B (zh) * 2019-07-11 2020-07-31 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 一种基于卷积神经网络回归的道路中心线和双线提取方法
CN110543885B (zh) * 2019-08-13 2022-03-04 武汉大学 一种交互式提取高分辨率遥感影像道路并生成路网的方法
CN111275383B (zh) * 2020-01-19 2023-04-07 腾讯云计算(北京)有限责任公司 一种配送范围生成方法、装置、计算机设备及存储介质
CN113221597B (zh) * 2020-01-21 2022-05-27 初速度(苏州)科技有限公司 一种路段划分方法及装置
CN111402148B (zh) * 2020-03-03 2023-05-23 北京百度网讯科技有限公司 用于自动驾驶车辆的信息处理方法和装置
CN112762947B (zh) * 2020-12-28 2024-04-05 上海汽车集团股份有限公司 地图数据校准方法、装置及计算机设备
CN112580179B (zh) * 2020-12-29 2022-04-19 武汉中海庭数据技术有限公司 高精度地图路口车道形状更新方法及系统、服务器及介质
CN112861238B (zh) * 2021-03-02 2024-03-22 广联达科技股份有限公司 生成道路轮廓线的方法、装置、设备及可读存储介质
CN113112488B (zh) * 2021-04-22 2021-10-29 广州市城市规划勘测设计研究院 一种道路中心线提取方法、装置、存储介质及终端设备
CN115187589B (zh) * 2022-09-07 2022-12-09 腾讯科技(深圳)有限公司 多边形修正及生成方法、装置、设备及可读存储介质
CN116385592B (zh) * 2023-06-07 2023-08-15 山东省国土测绘院 一种基于遥感解译的基础测绘道路数据生成方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101364311A (zh) * 2008-07-23 2009-02-11 上海同盛工程建设配套管理有限公司 大规模城市仿真中快速自动建立模型的方法
CN101976335A (zh) * 2010-09-03 2011-02-16 浙江大学 基于改进c-v模型的遥感图路网提取方法
CN101980317A (zh) * 2010-09-03 2011-02-23 浙江大学 基于改进c-v模型的遥感图路网提取的交通流量预测方法
US8477152B2 (en) * 2009-12-24 2013-07-02 Geum River Water Conservancy System and method for drawing stream and road centerline for GIS-based linear map production
CN104504718A (zh) * 2015-01-06 2015-04-08 南京大学 高分辨率航空遥感数据自动道路提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101364311A (zh) * 2008-07-23 2009-02-11 上海同盛工程建设配套管理有限公司 大规模城市仿真中快速自动建立模型的方法
US8477152B2 (en) * 2009-12-24 2013-07-02 Geum River Water Conservancy System and method for drawing stream and road centerline for GIS-based linear map production
CN101976335A (zh) * 2010-09-03 2011-02-16 浙江大学 基于改进c-v模型的遥感图路网提取方法
CN101980317A (zh) * 2010-09-03 2011-02-23 浙江大学 基于改进c-v模型的遥感图路网提取的交通流量预测方法
CN104504718A (zh) * 2015-01-06 2015-04-08 南京大学 高分辨率航空遥感数据自动道路提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Generating Street Center-Lines from Inaccurate Vector City Maps;Federico Thomas;《https://www.researchgate.net/profile/Federico_Thomas2/publication/250016041_Generating_Street_Center-Lines_from_Inaccurate_Vector_City_Maps/links/0a85e5385d8f43f8d7000000/Generating-Street-Center-Lines-from-Inaccurate-Vector-City-Maps.pdf》;19981031;全文 *
一种自动生成曲线间中心线的算法;杨得志 等;《测绘通报》;20020331;全文 *

Also Published As

Publication number Publication date
CN108830897A (zh) 2018-11-16

Similar Documents

Publication Publication Date Title
CN108830897B (zh) 一种道路中心线提取方法
US10627241B2 (en) Map-centric map matching method and apparatus
US10606962B2 (en) Horizontal optimization of transport alignments
US9978161B2 (en) Supporting a creation of a representation of road geometry
JP2019512668A (ja) ルート逸脱認識方法、端末、および記憶媒体
CN102521884A (zh) 一种基于LiDAR数据与正射影像的3维屋顶重建方法
CN110532602A (zh) 一种基于平面图图像的室内自动制图与建模方法
EP2906999A1 (en) System and method in connection with occurrence of platoons
Zhao et al. Advanced topological map matching algorithm based on D–S theory
Yang et al. A pattern‐based approach for matching nodes in heterogeneous urban road networks
CN115077550A (zh) 一种基于导航地图与高精地图匹配的无人车路径规划方法
CN109937342B (zh) 用于定位移动物体的方法、装置和系统
Janus et al. Towards a full automation of land consolidation projects: Fast land partitioning algorithm using the land value map
Fu et al. Density adaptive approach for generating road network from GPS trajectories
CN114018239A (zh) 一种三维车道地图构建方法、装置、设备及存储介质
Huang et al. Complex road intersection modelling based on low-frequency GPS track data
CN109086528B (zh) 在civil3d中按排序规则自动命名网状道路的方法
CN114705200A (zh) 一种基于路径增量的高采样率轨迹地图匹配方法
US20210325196A1 (en) Vector Tile Navigation
CN108763817B (zh) 一种基于最小二乘法建模的电力地下管网匹配方法
Wu et al. A Vehicle Map-matching Algorithm based on Measure Fuzzy Sorting.
CN112529361B (zh) 一种基于智能手机和数字地形图的公路勘察选线方法
CN113358129A (zh) 基于Voronoi图的避障最短路径规划方法
JP4707536B2 (ja) 道路ペイント認識システム、道路ペイント認識方法及び道路ペイントデータベースの作成方法
Drozdzynski et al. On constructing a base map for collaborative map generation and its application in urban mobility planning

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