CN109993064A - 一种提取图片中道路网络节点间的连接路径的方法 - Google Patents
一种提取图片中道路网络节点间的连接路径的方法 Download PDFInfo
- Publication number
- CN109993064A CN109993064A CN201910168333.8A CN201910168333A CN109993064A CN 109993064 A CN109993064 A CN 109993064A CN 201910168333 A CN201910168333 A CN 201910168333A CN 109993064 A CN109993064 A CN 109993064A
- Authority
- CN
- China
- Prior art keywords
- point
- pixel
- node
- road network
- path
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种提取图片中道路网络节点间的连接路径的方法,包含了数据准备、确定路径搜索方向的方法、确定两个节点间的路径的方法三个步骤。该方法通过识别图片中的道路像素信息确定道路拓扑点之间连接关系,可识别路网的节点间的拓扑连接关系,并建立矢量的路网拓扑数据库,弥补了城市虚拟交通系统中栅格数据向矢量数据转化的空缺。利用图像识别挖掘蕴含在路网图片中的路网拓扑关系信息并输出为矢量数据,速度快、精度较高,可大大方便交通规划人员建立数据库的过程,不仅增加建立数据库的方式,更大大缩短建立交通网络数据库的时间。
Description
技术领域
本发明涉及图片识别技术及城市虚拟交通系统道路网络基础数据库的构建技术,涉及一种提取图片中道路网络节点间的连接路径的方法。
背景技术
随着中国城市转型升级的加快,城市交通系统从扩大供给向着需求管理转变。目前,我国城市交通系统仍是不成熟的体系,庞大的车辆基数使得微小的干扰便会造成大范围的拥堵。大数据技术的发展使构建基于大数据的城市交通集成分析技术平台成为可能。为了避免“病急乱投医”现象,对现实城市中建立在超级大型交通网络上的交通系统进行改造必须事先进行虚拟仿真。因而构建城市虚拟交通系统对于城市交通系统健康发展具有重要意义。
道路网络是交通系统的骨架和基础,道路网络基础数据库的构建是城市虚拟交通系统建设中的关键要素和重要环节。当前采集道路网络信息的主要途径是国际开源数据库Open Street Map,该数据库具有数据易获取、来源丰富等优点,但同时也存在路网精度相对不高、数据更新不及时等弊端。各大主流电子地图的路网信息虽然具有实时性强、准确度高、完整性强等优势,但由于商业公司资料的保密性,研究人员难以获取城市道路网络的矢量数据资料。
在电子地图网站的交互展示界面中,城市道路网络信息以栅格图片的形式存在,利用图像识别技术可批量采集构建道路网络基础数据库所需的路网信息,能够充分利用现有资源,具有精准、高效、成本低等优势。城市道路交通网络可简单抽象为由点和边构成的有向图,利用图像识别技术可准确提取由像素点构成的包含点和边等道路网络信息的骨架图,却无法获取点的位置、点与边之间的拓扑连接关系等重要信息,为构建道路网络基础数据库造成困难。
为解决上述困难,需要构建一套行之有效的路径搜索方法,能够在由像素点构成的道路骨架网中准确点的位置,并利用骨架图中的边以判断点与点之间拓扑连接关系,从而获取道路网络重要的矢量数据,使图像识别技术在构建道路网络基础数据库中充分发挥作用。
发明内容
为了解决以上问题,本发明提供一种提取图片中道路网络节点间的连接路径的方法,该方法通过识别图片中的道路像素信息确定道路拓扑点之间连接关系的方法,可识别路网的节点间的拓扑连接关系,并建立矢量的路网拓扑数据库,弥补了城市虚拟交通系统中栅格数据向矢量数据转化的空缺,为达此目的,本发明提一种提取图片中道路网络节点间的连接路径的方法,包括如下步骤:
步骤1,数据准备,该步骤包括图像预处理、获取路网拓扑点信息两个步骤,步骤1所得的路网拓扑点信息是识别节点间路径的基础,
图像预处理具体包括图像去噪、图像二值化、图像膨胀、路网图像骨架提取4个步骤,通过基本的图像预处理得到便于读取路网信息的路网骨架图,所得路网骨架图中的骨架即能代表路网位置、线型、长度等信息的宽为1像素的线段,其中有道路骨架的像素点的值为1,其他像素点的值为0;
获取路网拓扑点信息即根据骨架图中包含的路网信息提取路网的拓扑点信息,其中若像素点的8邻域内有道路经过的像素点数为1或者大于等于3,则该点为节点;若像素点的8邻域内有道路经过的像素点数为2,且这3个像素点在同一条直线上,则该像素点为中间点,反之,若这3个像素点不在同一条直线上,则该像素点为拐点,其中,节点和拐点都属于拓扑点;
步骤2,确定路径搜索方向的方法,所述确定路径搜索方向是指识别节点间路径曲线时曲线上相邻像素点中下一个像素点相对于上一个像素点的位置,为了便于路径识别及记录,将像素点周围8邻域内的点分别添加标签,即方向标签,不同的标签值即代表不同方向,其中“*”号表示该像素点,为点(x,y)周围的点的坐标,则点(x,y)周围的坐标点相对于(x,y)的方向值分别为:(x-1,y-1): -4、(x-1,y): 1、(x-1,y+1): 3、(x,y-1): -2、(x,y+1):2、(x+1,y-1): -3、(x+1,y): -1、(x+1,y+1): 4,若“*”周围有d个像素点,记这d个像素点对应的方向值的和为sum;
步骤3:确定两个节点间的路径的方法;
采用相应值表示像素点周围8邻域不同位置的方向时,依次从每个节点开始搜索路径,首先判断该点周围8邻域范围内有无道路经过,即若8邻域内的8个像素点中有d个像素点的值为1,则该节点有d个方向有道路经过,实际使用过程中需要依次识别以该节点为起点的d个路段,该步骤中主要详细介绍从一个节点至另一个节点间路段对应的路径的识别方法,其他节点间的路径识别方法相同,两个节点间的路径识别过程如下:
从节点N0开始,从其Nd个方向中依次搜索道路走向,直至到达下一个节点,若搜索至下个节点Nd,则结束本次搜索,并记录该条路径,该路径即为N0至Nd之间的路径,具体路径识别过程如下:
Step1:初始化,令i=1,N0至Nd之间的路径上的像素点点依次记为第0,1,2,…i,…,n个点,其中N0和Nd分别记为第0个点P0和第n个点Pn,从Pi-1开始,先移至的第i个点Pi,其中从点Pi-1点至点Pi的方向标签记为Fi-1;
Step2:判断第i个点的属性,判断第i个点周围像素点的个数di,若di=1或di≥3,第i个点即为节点Nd,说明该条路径搜索结束,进入Step4;若di=2,第i个点即为中间点或拐点,说明该条路径搜索未完成,进入Step3;
Step3:计算sum的值,若sum=0,则i点为中间点,移动至i点周围方向标签为(sum+ Fi-1)的点,并令Fi= Fi-1,i=i+1,并返回Step2;若sum≠0,则i点为拐点,记录该点信息,并令Fi=sum+Fi-1,i=i+1,并返回Step2;
Step4:结束该条路径的搜索,写入数据文件。由N0至Nd的路径搜索完毕,记录该条路径上的拐点数、拐点坐标及其排列顺序,即可确定N0至Nd间的路径;
根据步骤1中得到的所有节点,按照步骤3中所述搜索两个节点间路径的方法依次搜索每个节点与其他节点间的路径,即可得到所有节点间的拓扑连接关系。
作为本发明进一步改进,步骤1骨架图是一个骨架像素点值为1,其他像素点值为0的二值化图,骨架是指骨架图中能代表路网位置、线型、长度等信息的宽为1个像素、像素点值为1的曲线段。
作为本发明进一步改进,步骤2所述像素点8邻域内的方向标签是指为像素点周围的8邻域中每个像素点添加标签,其中对向两个位置的方向标签互为相反数。
本发明一种提取图片中道路网络拓扑点的方法,与现有技术相比,具有以下优点:
本发明充分考虑骨架网中像素点类型,针对类型为节点的像素点提出了节点间连接路径的搜索方法,实现城市道路网络信息从栅格数据向矢量数据的转换,丰富了路网数据库的获取方式。相较于传统获取路网矢量数据的方法,本发明提出的方法能够充分利用电子地图蕴含的信息,具有合理、高效、便捷等优点,而利用该方法构建的路网基础数据库具有精度高、成本低、实时性强等优势。
本发明创新性地对像素点的8邻域内的点添加方向标签,在节点间连接路径搜索过程中,量化了搜索方向和判断条件,具有逻辑清晰、步骤简明、运行高效等优点。一方面,针对一个节点选择连接路径搜索方向时,利用方向标签,确定该节点与相邻像素点之间位置的数学关系,并依据该数学关系确定搜索方向。另一方面,在针对一个节点某一搜索方向进行路径搜索时,利用方向标签,通过相邻像素点间的邻域编号求和运算,确定路径前进的几何形态,并在两节点间仅进行一次搜索即可完成对节点连接路径中像素点类型为拐点或中间点的判断,从而完成道路几何形态数据文件的构建。
附图说明
图1为本发明像素点8邻域内点的方向标签示意图;
图2为本发明像素点8邻域内点的坐标值示意图;
图3为本发明规划路网原始图;
图4为本发明提取规划路网节点的结果示意图;
图5为本发明点的相对位置的方向值说明图;
图6为本发明提取规划路网节点间连接路径的结果示意图;
图7为本发明方法的流程图。
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:
本发明提供一种提取图片中道路网络节点间的连接路径的方法,该方法通过识别图片中的道路像素信息确定道路拓扑点之间连接关系的方法,可识别路网的节点间的拓扑连接关系,并建立矢量的路网拓扑数据库,弥补了城市虚拟交通系统中栅格数据向矢量数据转化的空缺。
本发明提供一种提取图片中道路网络节点间的连接路径的方法,具体步骤如下:
步骤1,数据准备。该步骤包括图像预处理、获取路网拓扑点信息两个步骤。步骤1所得的路网拓扑点信息是识别节点间路径的基础。
图像预处理具体包括图像去噪、图像二值化、图像膨胀、路网图像骨架提取4个步骤,通过基本的图像预处理得到便于读取路网信息的路网骨架图。所得路网骨架图中的骨架即能代表路网位置、线型、长度等信息的宽为1像素的线段,其中有道路骨架的像素点的值为1,其他像素点的值为0。
获取路网拓扑点信息即根据骨架图中包含的路网信息首先提取路网的拓扑点信息,其中若像素点的8邻域内有道路经过的像素点数为1或者大于等于3 ,则该点为节点;若像素点的8邻域内有道路经过的像素点数为2,且这3个像素点在同一条直线上,则该像素点为中间点,反之,若这3个像素点不在同一条直线上,则该像素点为拐点。其中,节点和拐点都属于拓扑点。
步骤2,确定路径搜索方向的方法。所述确定路径搜索方向是指识别节点间路径曲线时曲线上相邻像素点中下一个像素点相对于上一个像素点的位置,为了便于路径识别及记录,本发明创新性地将像素点周围8邻域内的点分别添加标签,即方向标签,不同的标签值即代表不同方向,如图1所示,其中“*”号表示该像素点。若“*”周围有d个像素点,记这d个像素点对应的方向值的和为sum。
步骤3:确定两个节点间的路径识别的方法。
采用图1所示的值表示像素点周围8邻域不同位置的方向时,依次从每个节点开始搜索路径,首先判断该点周围8邻域范围内有无道路经过,即若8邻域内的8个像素点中有d个像素点的值为1,则该节点有d个方向有道路经过,实际使用过程中需要依次识别以该节点为起点的d个路段。该步骤中主要详细介绍从一个节点至另一个节点间路段对应的路径的识别方法,其他节点间的路径识别方法相同。两个节点间的路径识别过程如下:
从节点N0开始,从他的Nd个方向中依次搜索道路走向,直至到达下一个节点,若搜索至下个节点Nd,则结束本次搜索,并记录该条路径,则该路径即为N0至Nd之间的路径。具体路径识别过程如下:
Step1:初始化。令i=1。N0至Nd之间的路径上的像素点点依次记为第0,1,2,…i,…,n个点。其中N0和Nd分别记为第0个点P0和第n个点Pn。从Pi-1开始,先移至的第i个点Pi,其中从点Pi-1点至点Pi的方向标签记为Fi-1。
Step2:判断第i个点的属性。判断第i个点周围像素点的个数di,若di=1或di≥3,第i个点即为节点Nd,说明该条路径搜索结束,进入Step4;若di=2,第i个点即为中间点或拐点,说明该条路径搜索未完成,进入Step3。
Step3:计算sum的值,若sum=0,则i点为中间点,移动至i点周围方向标签为(sum+Fi-1)的点,并令Fi= Fi-1,i=i+1,并返回Step2;若sum≠0,则i点为拐点,记录该点信息,并令Fi= sum+Fi-1,i=i+1,并返回Step2。
Step4:结束该条路径的搜索,写入数据文件。由N0至Nd的路径搜索完毕,记录该条路径上的拐点数、拐点坐标及其排列顺序,即可确定N0至Nd间的路径。
根据步骤1中得到的所有节点,按照步骤3中所述搜索两个节点间路径的方法依次搜索每个节点与其他节点间的路径,即可得到所有节点间的拓扑连接关系。
作为本发明一种具体实施例,如图7所示为提取图片中道路网络节点间的连接路径的方法的总体流程图。下面结合图7对本发明方法作更进一步的说明。
提取图片中道路网络节点间的连接路径的方法,包括如下步骤:
步骤1,数据准备。该步骤包括图像预处理、获取路网拓扑点信息两个步骤。步骤1所得的路网拓扑点信息是识别节点间路径的基础。如图3即为本案例使用的路网图片,本案例通过本发明提取该图片内路网信息。
图像预处理具体包括图像去噪、图像二值化、图像膨胀、路网图像骨架提取4个步骤,通过基本的图像预处理得到便于读取路网信息的路网骨架图。所得路网骨架图中的骨架即能代表路网位置、线型、长度等信息的宽为1像素的线段,其中有道路骨架的像素点的值为1,其他像素点的值为0。
获取路网拓扑点信息即根据骨架图中包含的路网信息首先提取路网的拓扑点信息,其中若像素点的8邻域内有道路经过的像素点数为1或者大于等于3 ,则该点为节点;若像素点的8邻域内有道路经过的像素点数为2,且这3个像素点在同一条直线上,则该像素点为中间点,反之,若这3个像素点不在同一条直线上,则该像素点为拐点。其中,节点和拐点都属于拓扑点。步骤1所得节点及拐点信息如图4所示,图中圆点为图像识别最终得到的节点,虚线为拐点所在处,拐点决定曲线段的线型。
步骤2,确定路径搜索方向的方法。所述确定路径搜索方向是指识别节点间路径曲线时曲线上相邻像素点中下一个像素点相对于上一个像素点的位置,为了便于路径识别及记录,本发明创新性地将像素点周围8邻域内的点分别添加标签,即方向标签,不同的标签值即代表不同方向,如图1所示,其中“*”号表示该像素点。如图2所示为点(x,y)周围的点的坐标,则点(x,y)周围的坐标点相对于(x,y)的方向值分别为:(x-1,y-1): -4、(x-1,y): 1、(x-1,y+1): 3、(x,y-1): -2、(x,y+1): 2、(x+1,y-1): -3、(x+1,y): -1、(x+1,y+1): 4。若“*”周围有d个像素点,记这d个像素点对应的方向值的和为sum。
需要注意的是,根据所述确定像素方向值的方法,若有像素点“**”在像素点“*”的2方向,则像素点“*”在像素点“**”的-2方向,如图5所示。
步骤3:确定两个节点间的路径识别的方法。
采用图1所示的值表示像素点周围8邻域不同位置的方向时,依次从每个节点开始搜索路径,首先判断该点周围8邻域范围内有无道路经过,即若8邻域内的8个像素点中有d个像素点的值为1,则该节点有d个方向有道路经过,实际使用过程中需要依次识别以该节点为起点的d个路段。该步骤中主要详细介绍从一个节点至另一个节点间路段对应的路径的识别方法,其他节点间的路径识别方法相同。两个节点间的路径识别过程如下:
从节点N0开始,从他的Nd个方向中依次搜索道路走向,直至到达下一个节点,若搜索至下个节点Nd,则结束本次搜索,并记录该条路径,则该路径即为N0至Nd之间的路径。具体路径识别过程如下:
Step1:初始化。令i=1。N0至Nd之间的路径上的像素点点依次记为第0,1,2,…i,…,n个点。其中N0和Nd分别记为第0个点P0和第n个点Pn。从Pi-1开始,先移至的第i个点Pi,其中从点Pi-1点至点Pi的方向标签记为Fi-1。
Step2:判断第i个点的属性。判断第i个点周围像素点的个数di,若di=1或di≥3,第i个点即为节点Nd,说明该条路径搜索结束,进入Step4;若di=2,第i个点即为中间点或拐点,说明该条路径搜索未完成,进入Step3。
Step3:计算sum的值,若sum=0,则i点为中间点,移动至i点周围方向标签为(sum+Fi-1)的点,并令Fi= Fi-1,i=i+1,并返回Step2;若sum≠0,则i点为拐点,记录该点信息,并令Fi= sum+Fi-1,i=i+1,并返回Step2。
Step4:结束该条路径的搜索,写入数据文件。由N0至Nd的路径搜索完毕,记录该条路径上的拐点数、拐点坐标及其排列顺序,即可确定N0至Nd间的路径。
根据步骤1中得到的所有节点,按照步骤3中所述搜索两个节点间路径的方法依次搜索每个节点与其他节点间的路径,即可得到所有节点间的拓扑连接关系。最终识别得到的路网信息在路网编辑软件中展示如图6所示,图中圆点为道路节点,即交叉口或路段端点,线段或曲线段为道路路段,可以看出,该方法基本能完整地将栅格路网数据转化为矢量路网数据,识别精度非常高。
以上所述,仅是本发明的较佳实施例而已,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任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (3)
1.一种提取图片中道路网络节点间的连接路径的方法,包括如下步骤,其特征在于:
步骤1,数据准备,该步骤包括图像预处理、获取路网拓扑点信息两个步骤,步骤1所得的路网拓扑点信息是识别节点间路径的基础,
图像预处理具体包括图像去噪、图像二值化、图像膨胀、路网图像骨架提取4个步骤,通过基本的图像预处理得到便于读取路网信息的路网骨架图,所得路网骨架图中的骨架即能代表路网位置、线型、长度等信息的宽为1像素的线段,其中有道路骨架的像素点的值为1,其他像素点的值为0;
获取路网拓扑点信息即根据骨架图中包含的路网信息提取路网的拓扑点信息,其中若像素点的8邻域内有道路经过的像素点数为1或者大于等于3,则该点为节点;若像素点的8邻域内有道路经过的像素点数为2,且这3个像素点在同一条直线上,则该像素点为中间点,反之,若这3个像素点不在同一条直线上,则该像素点为拐点,其中,节点和拐点都属于拓扑点;
步骤2,确定路径搜索方向的方法,所述确定路径搜索方向是指识别节点间路径曲线时曲线上相邻像素点中下一个像素点相对于上一个像素点的位置,为了便于路径识别及记录,将像素点周围8邻域内的点分别添加标签,即方向标签,不同的标签值即代表不同方向,其中“*”号表示该像素点,为点(x,y)周围的点的坐标,则点(x,y)周围的坐标点相对于(x,y)的方向值分别为:(x-1,y-1): -4、(x-1,y): 1、(x-1,y+1): 3、(x,y-1): -2、(x,y+1):2、(x+1,y-1): -3、(x+1,y): -1、(x+1,y+1): 4,若“*”周围有d个像素点,记这d个像素点对应的方向值的和为sum;
步骤3:确定两个节点间的路径的方法;
采用相应值表示像素点周围8邻域不同位置的方向时,依次从每个节点开始搜索路径,首先判断该点周围8邻域范围内有无道路经过,即若8邻域内的8个像素点中有d个像素点的值为1,则该节点有d个方向有道路经过,实际使用过程中需要依次识别以该节点为起点的d个路段,该步骤中主要详细介绍从一个节点至另一个节点间路段对应的路径的识别方法,其他节点间的路径识别方法相同,两个节点间的路径识别过程如下:
从节点N0开始,从其Nd个方向中依次搜索道路走向,直至到达下一个节点,若搜索至下个节点Nd,则结束本次搜索,并记录该条路径,该路径即为N0至Nd之间的路径,具体路径识别过程如下:
Step1:初始化,令i=1,N0至Nd之间的路径上的像素点点依次记为第0,1,2,…i,…,n个点,其中N0和Nd分别记为第0个点P0和第n个点Pn,从Pi-1开始,先移至的第i个点Pi,其中从点Pi-1点至点Pi的方向标签记为Fi-1;
Step2:判断第i个点的属性,判断第i个点周围像素点的个数di,若di=1或di≥3,第i个点即为节点Nd,说明该条路径搜索结束,进入Step4;若di=2,第i个点即为中间点或拐点,说明该条路径搜索未完成,进入Step3;
Step3:计算sum的值,若sum=0,则i点为中间点,移动至i点周围方向标签为(sum+ Fi-1)的点,并令Fi= Fi-1,i=i+1,并返回Step2;若sum≠0,则i点为拐点,记录该点信息,并令Fi=sum+Fi-1,i=i+1,并返回Step2;
Step4:结束该条路径的搜索,写入数据文件,由N0至Nd的路径搜索完毕,记录该条路径上的拐点数、拐点坐标及其排列顺序,即可确定N0至Nd间的路径;
根据步骤1中得到的所有节点,按照步骤3中所述搜索两个节点间路径的方法依次搜索每个节点与其他节点间的路径,即可得到所有节点间的拓扑连接关系。
2.根据权利要求1所述的一种提取图片中道路网络节点间的连接路径的方法,其特征在于:步骤1骨架图是一个骨架像素点值为1,其他像素点值为0的二值化图,骨架是指骨架图中能代表路网位置、线型、长度等信息的宽为1个像素、像素点值为1的曲线段。
3.根据权利要求1或2所述的一种提取图片中道路网络节点间的连接路径的方法,其特征在于:步骤2所述像素点8邻域内的方向标签是指为像素点周围的8邻域中每个像素点添加标签,其中对向两个位置的方向标签互为相反数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168333.8A CN109993064B (zh) | 2019-03-06 | 2019-03-06 | 一种提取图片中道路网络节点间的连接路径的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168333.8A CN109993064B (zh) | 2019-03-06 | 2019-03-06 | 一种提取图片中道路网络节点间的连接路径的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993064A true CN109993064A (zh) | 2019-07-09 |
CN109993064B CN109993064B (zh) | 2022-04-29 |
Family
ID=67129307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910168333.8A Active CN109993064B (zh) | 2019-03-06 | 2019-03-06 | 一种提取图片中道路网络节点间的连接路径的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993064B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111998859A (zh) * | 2020-09-16 | 2020-11-27 | 杭州海康消防科技有限公司 | 一种路径规划方法、装置、电子设备及路径指示系统 |
CN112529243A (zh) * | 2020-10-22 | 2021-03-19 | 西安超越申泰信息科技有限公司 | 一种基于路网图像的流向地图路径优化展示方法 |
CN113160216A (zh) * | 2021-05-12 | 2021-07-23 | 上海航翼高新技术发展研究院有限公司 | 飞机电气原理图线路交联关系识别方法 |
CN113554891A (zh) * | 2021-07-19 | 2021-10-26 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
WO2022078499A1 (zh) * | 2020-10-16 | 2022-04-21 | 歌尔股份有限公司 | 一种路网地图实现方法、装置和电子设备 |
WO2023124035A1 (zh) * | 2021-12-28 | 2023-07-06 | 美的集团(上海)有限公司 | 机器人的建图方法、电子设备及非易失性可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345538A (zh) * | 2013-05-20 | 2013-10-09 | 西南交通大学 | 基于图像识别的铁路车站站场网络拓扑模型建模方法 |
CN104573390A (zh) * | 2015-01-27 | 2015-04-29 | 武汉大学 | 基于认知规律的时空轨迹融合方法及路网拓扑生成方法 |
CN108021686A (zh) * | 2017-12-14 | 2018-05-11 | 东南大学 | 一种快速匹配电子地图中公交线路与道路网络的方法 |
-
2019
- 2019-03-06 CN CN201910168333.8A patent/CN109993064B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345538A (zh) * | 2013-05-20 | 2013-10-09 | 西南交通大学 | 基于图像识别的铁路车站站场网络拓扑模型建模方法 |
CN104573390A (zh) * | 2015-01-27 | 2015-04-29 | 武汉大学 | 基于认知规律的时空轨迹融合方法及路网拓扑生成方法 |
CN108021686A (zh) * | 2017-12-14 | 2018-05-11 | 东南大学 | 一种快速匹配电子地图中公交线路与道路网络的方法 |
Non-Patent Citations (1)
Title |
---|
黄敏等: "基于路网拓扑的聚类分析算法研究与实现", 《中山大学学报(自然科学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111998859A (zh) * | 2020-09-16 | 2020-11-27 | 杭州海康消防科技有限公司 | 一种路径规划方法、装置、电子设备及路径指示系统 |
WO2022078499A1 (zh) * | 2020-10-16 | 2022-04-21 | 歌尔股份有限公司 | 一种路网地图实现方法、装置和电子设备 |
CN112529243A (zh) * | 2020-10-22 | 2021-03-19 | 西安超越申泰信息科技有限公司 | 一种基于路网图像的流向地图路径优化展示方法 |
CN113160216A (zh) * | 2021-05-12 | 2021-07-23 | 上海航翼高新技术发展研究院有限公司 | 飞机电气原理图线路交联关系识别方法 |
CN113160216B (zh) * | 2021-05-12 | 2022-09-16 | 上海航翼高新技术发展研究院有限公司 | 飞机电气原理图线路交联关系识别方法 |
CN113554891A (zh) * | 2021-07-19 | 2021-10-26 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN113554891B (zh) * | 2021-07-19 | 2022-07-01 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
WO2023124035A1 (zh) * | 2021-12-28 | 2023-07-06 | 美的集团(上海)有限公司 | 机器人的建图方法、电子设备及非易失性可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109993064B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993064A (zh) | 一种提取图片中道路网络节点间的连接路径的方法 | |
US10083517B2 (en) | Segmentation of an image based on color and color differences | |
CN109635748B (zh) | 高分辨率影像中道路特征的提取方法 | |
CN110853057B (zh) | 基于全局和多尺度全卷积网络的航拍图像分割方法 | |
CN109948477B (zh) | 一种提取图片中道路网络拓扑点的方法 | |
CN113628291B (zh) | 基于边界提取与合并的多形状目标栅格数据矢量化方法 | |
CN113724279B (zh) | 路网自动划分交通小区的系统、方法、设备及存储介质 | |
CN110135014B (zh) | 一种线状道路要素自动化建模方法及装置 | |
Bastani et al. | Machine-assisted map editing | |
CN114758337A (zh) | 一种语义实例重建方法、装置、设备及介质 | |
CN105893577A (zh) | 路网数据处理方法及装置 | |
CN110992366A (zh) | 一种图像语义分割方法、装置及存储介质 | |
CN111599007B (zh) | 一种基于无人机航拍的智慧城市cim道路贴图方法 | |
CN115393745A (zh) | 一种基于无人机与深度学习的桥梁形象进度自动识别方法 | |
CN101996515A (zh) | Gis-t中基于局部控制的城市矢量路网配准方法 | |
CN111626971B (zh) | 具有图像语义感知的智慧城市cim实时成像方法 | |
KR101063827B1 (ko) | 한국토지정보시스템 연속지적도와 수치지형도의 기하학적 지도 변환을 위한 반자동화된 공액점 쌍 추출방법 | |
CN116846811A (zh) | 一种基于小区道路的光纤路由路径规划方法、系统及介质 | |
Yang et al. | Street Layout Design via Conditional Adversarial Learning | |
CN110058945A (zh) | 基于割点分割机制的大规模图并行计算最大流的加速算法 | |
Sun et al. | Drivescenegen: Generating diverse and realistic driving scenarios from scratch | |
Sun et al. | UAV-Ground Visual Tracking: A Unified Dataset and Collaborative Learning Approach | |
CN113220806B (zh) | 一种基于衍生平行线段的大规模路网方向判定方法及系统 | |
CN111784822A (zh) | 具有图像语义感知的智慧城市cim实时成像方法 | |
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 |