CN110728723A - 一种面向瓦片地图的道路自动提取方法 - Google Patents
一种面向瓦片地图的道路自动提取方法 Download PDFInfo
- Publication number
- CN110728723A CN110728723A CN201910902214.0A CN201910902214A CN110728723A CN 110728723 A CN110728723 A CN 110728723A CN 201910902214 A CN201910902214 A CN 201910902214A CN 110728723 A CN110728723 A CN 110728723A
- Authority
- CN
- China
- Prior art keywords
- road
- color
- pixel
- point
- tile map
- 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 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000009877 rendering Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 230000007704 transition Effects 0.000 claims abstract description 7
- 230000008030 elimination Effects 0.000 claims abstract description 6
- 238000003379 elimination reaction Methods 0.000 claims abstract description 6
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 4
- 239000003086 colorant Substances 0.000 claims abstract description 4
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
发明公开了一种面向瓦片地图的道路自动提取方法。该方法包括:(1)道路颜色提取:制作配色方案表,根据表格对待处理的瓦片地图逐像素处理,当前像素和某一级道路的渲染色彩的颜色距离低于阈值时,则判断此像素为前景要素,采用同样的方法可以不区分等级提取出所有道路;(2)根据颜色距离对过渡色进行临界分割;(3)利用路网细化算法对只包含道路信息的二值图像进行细化,得到道路要素的骨架线后进行矢量化跟踪,获取路网几何数据,对初步提取数据进行光滑、综合和错误剔除处理,最终得到可以使用的道路网络。本发明提出了颜色提取方法,引入常规噪声消除方法,提出瓦片噪声,提高了道路数据的提取的精度。
Description
技术领域:
本发明涉及一种面向瓦片地图的道路自动提取方法,适用GIS基础数据更新、交通管理单位获取矢量路网数据的一种工具。
背景技术:
道路网络矢量数据是进行复杂空间分析如网络分析、服务区分析、资源分配的基础数据,目前获取方式来自测绘技术,成本较高。
近20年来,互联网地图及应用迅猛发展,而瓦片地图是一种互联网地图的格式,瓦片地图是栅格数据,瓦片中的噪声、空洞问题,一直没有得到有效解决。
发明内容
针对上述存在的问题,本发明提出一种面向瓦片地图的道路自动提取方法,利用瓦片地图颜色数少,渲染方案固定等特点,提出了颜色提取方法,引入常规噪声消除方法,提出瓦片噪声,提高了道路数据的提取的精度。
上述的目的通过以下技术方案实现:
一种面向瓦片地图的道路自动提取方法,所述方法包括如下步骤:
(1)道路颜色提取:制作配色方案表,根据表格对待处理的瓦片地图逐像素处理,当前像素和某一级道路的渲染色彩的颜色距离低于阈值时,则判断此像素为前景要素,根据这个原则对整副瓦片地图进行处理,提取出代表某一级道路的全部像素,采用同样的方法可以不区分等级提取出所有道路;
(2)根据颜色距离对过渡色进行临界分割;
(3)利用路网细化算法对只包含道路信息的二值图像进行细化,得到道路要素的骨架线后进行矢量化跟踪,获取路网几何数据,对初步提取数据进行光滑、综合和错误剔除处理,最终得到可以使用的道路网络。
所述的面向瓦片地图的道路自动提取方法,步骤(2)中所述的根据颜色距离对过渡色进行临界分割的具体方法是:
在RGB颜色空间中,两个像素p和q的颜色距离(Color Distance)记为Dc,则:
当两个像素的颜色距离小于一阈值ε,则认为该像素隶属某个道路,为了提高计算速度,采用以下颜色距离公式近似计算:
Dc(p,q)=max(|R(p)-R(q)|,|G(p)-G(q)|,|B(p)-B(q)|)
依据获取的配色方案表格,渲染道路所使用的颜色为RGB(R1,G1,B1),选择颜色距离的阈值为1,在处理像素p时,计算公式如下:
Dc=max(|R(p)-R1|,|G(p)-G1|,|B(p)-B1|)<ε
所述的面向瓦片地图的道路自动提取方法,阈值ε的取值为1。
所述的面向瓦片地图的道路自动提取方法,步骤(3)中所述路网细化算法的具体方法是:
迭代1:将临时图像进行扫描,对于取值不为0的道路像素点p0,如果满足以下四个条件则置为背景颜色:
①2≤B(p0)≤6
②A(p0)=1
③p1×p3×p5=0
④p3×p5×p7=0
其中,B(p0)为p0的8个邻接像素中道路像素的个数,A(p0)为p0->p1的排列顺序中,0->1模式的数量为1;
迭代2:将瓦片图像进行扫描,对于取值不为0的道路像素点,如果满足以下四个条件则删除:
①2≤B(p0)≤6
②A(p0)=1
③p1×p3×p7=0
④p1×p5×p7=0
观察两次迭代的第③和第④个条件,第一次迭代时,p3和p5出现了两次,也就是说p3和p5只要有一个是0,条件③④就满足,所以,第一次迭代只是移去右边和下边的边界点,同理,第二次迭代是为了移去左边和上边的边界点。
所述的面向瓦片地图的道路自动提取方法,步骤(3)中所述的矢量化跟踪的具体方法是先从交叉点开始跟踪,采取分而治之的方法进行跟踪,已经检测过的点置为背景色,然后跟踪剩余的道路像素点,遵循以下步骤:
(31)从跟踪完交叉点的图像第一行开始检测,获取一个未跟踪的道路起点;
(32)创建一个线状要素点集合,将起点加入,开始追踪,获取邻接点;
(33)将当前邻接点的颜色设置为背景颜色,按照相同的顺序对邻接点进行检测,获取下个邻接点,直至一条连通路径跟踪完成位置;
(34)从上一道路线的终点所在行开始,找到下一个未被跟踪的道路线起点,重复步骤(32)和步骤(33)直至所有未被跟踪的孤立道路全部跟踪完成。
有益效果:
本发明帮助路网数据使用和生产单位更新、获取道路最新的几何数据,由于在线地图采用了众包数据更新技术,数据的现时性高,本发明能快速获取最新的道路几何数据,从而节省人工数据采集成本。
附图说明
图1为本发明颜色提取算法流程图。
图2为本发明矢量化跟踪步骤示意图。
图3是实施例中图3-1 p0的邻域和01模式示意图。
图4是实施例中图3-2两次迭代的删除对象图。
具体实施方式
本发明提供一种一种面向瓦片地图的道路自动提取方法,所述方法包括如下步骤:
(1)道路颜色提取:制作配色方案表,根据表格对待处理的瓦片地图逐像素处理,当前像素和某一级道路的渲染色彩的颜色距离低于阈值时,则判断此像素为前景要素,根据这个原则对整副瓦片地图进行处理,提取出代表某一级道路的全部像素,采用同样的方法可以不区分等级提取出所有道路;
不同的地图网站渲染方案大同小异,众包地图网站OpenStreetMap的配色方案如下:
表1 OpenStreetMap配色方案
(2)根据颜色距离对过渡色进行临界分割;
(3)利用路网细化算法对只包含道路信息的二值图像进行细化,得到道路要素的骨架线后进行矢量化跟踪,获取路网几何数据,对初步提取数据进行光滑、综合和错误剔除处理,最终得到可以使用的道路网络。
所述的面向瓦片地图的道路自动提取方法,步骤(2)中所述的根据颜色距离对过渡色进行临界分割的具体方法是:
在RGB颜色空间中,两个像素p和q的颜色距离(Color Distance)记为Dc,则:
当两个像素的颜色距离小于一阈值ε,则认为该像素隶属某个道路,为了提高计算速度,采用以下颜色距离公式近似计算:
Dc(p,q)=max(|R(p)-R(q)|,|G(p)-G(q)|,|B(p)-B(q)|)
依据获取的配色方案表格,渲染道路所使用的颜色为RGB(R1,G1,B1),选择颜色距离的阈值为1,在处理像素p时,计算公式如下:
Dc=max(|R(p)-R1|,|G(p)-G1|,|B(p)-B1|)<ε
所述的面向瓦片地图的道路自动提取方法,阈值ε的取值为1。
所述的面向瓦片地图的道路自动提取方法,步骤(3)中所述路网细化算法的具体方法是:
(1)迭代1:将临时图像(临时图像复制处理图像)进行扫描,对于道路像素点p0(取值不为0),如果满足以下四个条件则置为背景颜色。
①2≤B(p0)≤6
②A(p0)=1
③p1×p3×p5=0
④p3×p5×p7=0
其中,B(p0)为p0的8个邻接像素中道路像素的个数,A(p0)为p0->p1的排列顺序中,0->1模式的数量为1。如图3所示的0->1模式为3。
(1)迭代2:将瓦片图像进行扫描,对于道路像素点(取值不为0),如果满足以下四个条件则删除。
①2≤B(p0)≤6
②A(p0)=1
③p1×p3×p7=0
④p1×p5×p7=0
观察两次迭代的第③和第④个条件,第一次迭代时,p3和p5出现了两次,也就是说p3和p5只要有一个是0,条件③④就满足,所以,第一次迭代只是移去右边和下边的边界点,同理,第二次迭代是为了移去左边和上边的边界点。
所述的面向瓦片地图的道路自动提取方法,步骤(3)中所述的矢量化跟踪的具体方法是先从交叉点开始跟踪,采取分而治之的方法进行跟踪,已经检测过的点置为背景色,然后跟踪剩余的道路像素点,遵循以下步骤:
(31)从跟踪完交叉点的图像第一行开始检测,获取一个未跟踪的道路起点;
(32)创建一个线状要素点集合,将起点加入,开始追踪,获取邻接点;
(33)将当前邻接点的颜色设置为背景颜色,按照相同的顺序对邻接点进行检测,获取下个邻接点,直至一条连通路径跟踪完成位置;
(34)从上一道路线的终点所在行开始,找到下一个未被跟踪的道路线起点,重复步骤(32)和步骤(33)直至所有未被跟踪的孤立道路全部跟踪完成。
对于由于标注信息打断的道路,需要少量手工编辑,以保证道路拓扑完整性。
以上所述的具体实施操作方法,对本发明的技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述为本发明具体实施方式,凡在本发明的精神和原则之内,所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种面向瓦片地图的道路自动提取方法,其特征在于:所述方法包括如下步骤:
(1)道路颜色提取:制作配色方案表,根据表格对待处理的瓦片地图逐像素处理,当前像素和某一级道路的渲染色彩的颜色距离低于阈值时,则判断此像素为前景要素,根据这个原则对整副瓦片地图进行处理,提取出代表某一级道路的全部像素,采用同样的方法可以不区分等级提取出所有道路;
(2)根据颜色距离对过渡色进行临界分割;
(3)利用路网细化算法对只包含道路信息的二值图像进行细化,得到道路要素的骨架线后进行矢量化跟踪,获取路网几何数据,对初步提取数据进行光滑、综合和错误剔除处理,最终得到可以使用的道路网络。
2.根据权利要求1所述的面向瓦片地图的道路自动提取方法,其特征在于:步骤(2)中所述的根据颜色距离对过渡色进行临界分割的具体方法是:
在RGB颜色空间中,两个像素p和q的颜色距离(Color Distance)记为Dc,则:
当两个像素的颜色距离小于一阈值ε,则认为该像素隶属某个道路,为了提高计算速度,采用以下颜色距离公式近似计算:
Dc(p,q)=max(|R(p)-R(q)|,|G(p)-G(q)|,|B(p)-B(q)|)
依据获取的配色方案表格,渲染道路所使用的颜色为RGB(R1,G1,B1),选择颜色距离的阈值为1,在处理像素p时,计算公式如下:
Dc=max(|R(p)-R1|,|G(p)-G1|,|B(p)-B1|)<ε。
3.根据权利要求1所述的面向瓦片地图的道路自动提取方法,其特征在于:阈值ε的取值为1。
4.根据权利要求1所述的面向瓦片地图的道路自动提取方法,其特征在于:步骤(3)中所述路网细化算法的具体方法是:
迭代1:将临时图像进行扫描,对于取值不为0的道路像素点p0,如果满足以下四个条件则置为背景颜色:
①2≤B(p0)≤6
②A(p0)=1
③p1×p3×p5=0
④p3×p5×p7=0
其中,B(p0)为p0的8个邻接像素中道路像素的个数,A(p0)为p0->p1的排列顺序中,0->1模式的数量为1;
迭代2:将瓦片图像进行扫描,对于取值不为0的道路像素点,如果满足以下四个条件则删除:
①2≤B(p0)≤6
②A(p0)=1
③)p1×p3×p7=0
④p1×p5×p7=0
观察两次迭代的第③和第④个条件,第一次迭代时,p3和p5出现了两次,也就是说p3和p5只要有一个是0,条件③④就满足,所以,第一次迭代只是移去右边和下边的边界点,同理,第二次迭代是为了移去左边和上边的边界点。
5.根据权利要求1所述的面向瓦片地图的道路自动提取方法,其特征在于:步骤(3)中所述的矢量化跟踪的具体方法是先从交叉点开始跟踪,采取分而治之的方法进行跟踪,已经检测过的点置为背景色,然后跟踪剩余的道路像素点,遵循以下步骤:
(31)从跟踪完交叉点的图像第一行开始检测,获取一个未跟踪的道路起点;
(32)创建一个线状要素点集合,将起点加入,开始追踪,获取邻接点;
(33)将当前邻接点的颜色设置为背景颜色,按照相同的顺序对邻接点进行检测,获取下个邻接点,直至一条连通路径跟踪完成位置;
(34)从上一道路线的终点所在行开始,找到下一个未被跟踪的道路线起点,重复步骤(32)和步骤(33)直至所有未被跟踪的孤立道路全部跟踪完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910902214.0A CN110728723B (zh) | 2019-09-23 | 2019-09-23 | 一种面向瓦片地图的道路自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910902214.0A CN110728723B (zh) | 2019-09-23 | 2019-09-23 | 一种面向瓦片地图的道路自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110728723A true CN110728723A (zh) | 2020-01-24 |
CN110728723B CN110728723B (zh) | 2023-04-28 |
Family
ID=69218287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910902214.0A Active CN110728723B (zh) | 2019-09-23 | 2019-09-23 | 一种面向瓦片地图的道路自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110728723B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733621A (zh) * | 2020-12-25 | 2021-04-30 | 江西裕丰智能农业科技有限公司 | 一种地图高精度信息识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004246554A (ja) * | 2003-02-13 | 2004-09-02 | Zenrin Co Ltd | 道路データ生成方法 |
JP2006268804A (ja) * | 2005-03-19 | 2006-10-05 | Koji Miyake | 2値画像の細線化方式 |
JP2007033931A (ja) * | 2005-07-27 | 2007-02-08 | Hitachi Software Eng Co Ltd | 衛星画像等を用いた地図作成のための道路認識システム |
US20100086174A1 (en) * | 2007-04-19 | 2010-04-08 | Marcin Michal Kmiecik | Method of and apparatus for producing road information |
CN105139434A (zh) * | 2015-08-11 | 2015-12-09 | 长沙迪迈数码科技股份有限公司 | 露天矿山道路网自动构建方法及系统 |
CN109583282A (zh) * | 2017-09-29 | 2019-04-05 | 高德软件有限公司 | 一种矢量道路确定方法及装置 |
-
2019
- 2019-09-23 CN CN201910902214.0A patent/CN110728723B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004246554A (ja) * | 2003-02-13 | 2004-09-02 | Zenrin Co Ltd | 道路データ生成方法 |
JP2006268804A (ja) * | 2005-03-19 | 2006-10-05 | Koji Miyake | 2値画像の細線化方式 |
JP2007033931A (ja) * | 2005-07-27 | 2007-02-08 | Hitachi Software Eng Co Ltd | 衛星画像等を用いた地図作成のための道路認識システム |
US20100086174A1 (en) * | 2007-04-19 | 2010-04-08 | Marcin Michal Kmiecik | Method of and apparatus for producing road information |
CN105139434A (zh) * | 2015-08-11 | 2015-12-09 | 长沙迪迈数码科技股份有限公司 | 露天矿山道路网自动构建方法及系统 |
CN109583282A (zh) * | 2017-09-29 | 2019-04-05 | 高德软件有限公司 | 一种矢量道路确定方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733621A (zh) * | 2020-12-25 | 2021-04-30 | 江西裕丰智能农业科技有限公司 | 一种地图高精度信息识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110728723B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519605B (zh) | 基于激光雷达和摄像机的路沿检测方法 | |
CN108986119B (zh) | 图像分割方法及装置、计算机设备及可读存储介质 | |
CN107767382B (zh) | 静态三维地图建筑物轮廓线的自动提取方法及系统 | |
US7660441B2 (en) | System and method for fusing geospatial data | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
CN110659644B (zh) | 书法单字的笔画自动提取方法 | |
CN109583345B (zh) | 道路识别方法、装置、计算机装置及计算机可读存储介质 | |
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 | |
CN113689445B (zh) | 结合语义分割与边缘检测的高分辨率遥感建筑物提取方法 | |
CN108629782B (zh) | 基于地面线索传播的道路目标深度估计方法 | |
CN111047603A (zh) | 一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法 | |
CN111985507A (zh) | 一种岩体三维点云节理迹线提取方法 | |
CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
CN110728723B (zh) | 一种面向瓦片地图的道路自动提取方法 | |
WO2019001698A1 (en) | ADVANCED DRIVING ASSISTANCE SYSTEM AND METHOD | |
CN112950662B (zh) | 一种交通场景空间结构提取方法 | |
CN115578725B (zh) | 一种基于人机协同的滑坡边界与裂缝的标注方法及系统 | |
CN113095309B (zh) | 一种基于点云的道路场景地面标识物的提取方法 | |
Ziems et al. | Multiple-model based verification of road data | |
CN115937719A (zh) | 一种基于最大面积的跑道轮廓线获取方法 | |
CN115294066A (zh) | 一种砂石粒径检测方法 | |
CN111435537B (zh) | 模型训练方法、装置及基于拼接图的位姿优化方法、装置 | |
JP2022008108A (ja) | 道路領域確定装置及び方法、電子機器 | |
CN102884565A (zh) | 用于三维地形数据的精度提升设备、用于三维地形数据的精度提升方法及其记录介质 | |
CN104573692B (zh) | 一种基于模糊退化模型的车牌二值化方法 |
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 |