CN110728723B - 一种面向瓦片地图的道路自动提取方法 - Google Patents

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

一种面向瓦片地图的道路自动提取方法

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D_c，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：

D_c(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：

D_c＝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p₀的邻域和01模式示意图。

图4是实施例中图3两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D_c，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：

D_c(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：

D_c＝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 (3)

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，则判断此像素为道路要素，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要素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，对初步提取的路网几何数据进行光滑、综合和错误剔除处理，最终得到可以使用的道路网络；

步骤(3)中所述路网细化算法的具体方法是：

迭代1：将只包含道路要素的二值图像进行扫描，对于取值不为0的道路像素点p₀，设像素点p₀的八邻域分别为p₁、p₂、p₃、p₄、p₅、p₆、p₇、p₈，其中p₁为像素点p₀的上邻域，p₃为像素点p₀的右邻域，p₅为像素点p₀的下邻域，p₇为像素点p₀的左邻域；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：将整副瓦片图像进行扫描，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。

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D_c，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：

D_c(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：

D_c＝max(IR(p)-R₁|，|G(p)-G₁|，|B(p)-B₁|)＜1。

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：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。

Images