CN111062958B - 一种城市道路要素提取方法 - Google Patents
一种城市道路要素提取方法 Download PDFInfo
- Publication number
- CN111062958B CN111062958B CN201911145655.7A CN201911145655A CN111062958B CN 111062958 B CN111062958 B CN 111062958B CN 201911145655 A CN201911145655 A CN 201911145655A CN 111062958 B CN111062958 B CN 111062958B
- Authority
- CN
- China
- Prior art keywords
- road
- line
- sampling
- points
- urban
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种城市道路要素提取方法。该方法包括以下步骤:步骤1:利用开源路网数据获取城市道路中心线;步骤2:获取道路分段等距采样点及采样点位置的街景图像;步骤3:基于获取的街景图像利用射影几何原理完成城市道路要素几何信息的量测;步骤4:对城市道路边界线和城市道路面进行拟合和表达;步骤5:结合城市道路面及遥感影像获取隔离带及交叉口采样点;步骤6:再次执行几何量测,对道路要素分类拟合,最终获取城市道路要素。本发明依据“先整体后局部”、“先点再线后面”的原则,通过栅格化中心线提取、分段信息采样、几何宽度量测及要素拟合等过程,构建了一种新型的基于开源地图的城市道路要素提取法。
Description
技术领域
本发明属于测绘、摄影测量与遥感技术领域,涉及一种基于开源地图的城市道路数据提取方法。
背景技术
城市道路要素是对城市道路功能构成部分的数字化表达,集成了城市道路几何形态、属性特征及语义描述等多维信息,成为解析与重构城市道路网络的关键。城市道路要素的高精度、细粒度提取,可为城市地形精准建模、城市高精地图表达及城市洪涝过程精准模拟等方面提供数据基础。
已有城市道路要素提取技术主要基于数字地形图数据、无人机影像、遥感影像数据、LIDAR点云数据及轨迹大数据等,特别是以高分遥感影像和车载(机载)点云数据为数据源的信息提取成为主流。其中,基于遥感影像的道路提取研究主要以道路边界或道路面为主;基于点云数据的要素提取除了包含道路边缘线外还有道路中心线、标识线、路坎等。此外,各类数据的多源融合和优势互补也是目前重点关注的问题之一。从目前城市道路要素提取的数据源来看,排除数据本身的误差,从大比例尺数字地形图中提取的道路要素相对全面、误差较小,但存在数据获取费力、保密级别较高等问题;从遥感影像及摄影测量数据进行城市道路要素提取时,常因树木遮挡、天气(如云)影响及数据自身分辨率等约束,使得城市道路要素提取精度不高和粒度不够,无法满足精细尺度要求;LIDAR点云数据虽能获取细粒度城市道路要素,但获取昂贵且滤波难度大,通常较难适用于较大研究区域。
作为可免费获取的数据源,开源地图蕴含了道路网、街景图像、遥感影像以及各种属性信息(如道路名称、级别等)等丰富资源,具有地图来源多、覆盖范围大及数据现势性强等优势,可为城市道路要素提取提供良好的数据支撑。特别是,开源地图中的街景图像是城市地理场景高精度信息获取的重要数据源,已在城市地理对象标记、城市道路分割以及城市环境评估等方面获得较好地应用。然而,现有文献鲜见综合运用开源地图中多元数据开展城市道路要素提取的报道。
在少量基于街景数据进行城市道路提取的研究中,主要存在以下问题:第一,采用的方法多为边缘检测、对象分割等技术,这些技术局限于单张影像,且提取结果为道路局部摄影变形后的面状数据,无法实现大区域的城市道路完整道路面提取。第二,现有研究中基于街景数据的城市道路提取主要提取的是城市道路边界线、城市道路中心线等单独要素,很少有文献进行道路全地形要素信息的提取,特别是城市非机动车道和隔离带的提取等。第三,基于分割及边缘检测技术的街景数据道路提取结果,其坐标系与常用大地坐标系之间的转换较为困难,很难与其他已有数据进行叠加及对应的处理分析。
发明内容
本发明针对上述现有技术中存在的问题,提供一种基于开源数据获取城市道路要素的提取方法。
本发明采用的技术方案如下:
一种城市道路要素提取方法,包括如下步骤:
步骤1:基于开源路网数据,利用栅格化方法提取城市道路中心线;
步骤2:对道路中心线进行分段等距采样,获取采样点以及采样点对应的街景图像;
步骤3:基于步骤2的街景图像,利用射影几何原理对城市道路要素几何宽度信息进行量测;
步骤4:对城市道路边界线和城市道路面进行拟合和表达;
步骤5:结合城市道路面及遥感影像获取隔离带及交叉口采样点;
步骤6:获得步骤5中采样点对应的街景图像,利用步骤3和步骤4中的方法,对城市道路、城市机动车道、非机动车道和隔离带分别进行几何信息量测和线要素拟合;
步骤7:将步骤6获得的线要素转换成面要素,同时提取各要素的中心线,最终获取城市道路要素。
进一步地,所述步骤1中,提取道路中心线包括原始路网数据过滤、数据栅格化、空洞填充、自动矢量化四个过程。
进一步地,所述步骤2中,首先,依据道路要素形态特征及要素分类特点,对全局道路网沿中心线进行等距采样;继而利用中心线上的采样点,依据中心线上的相邻三个采样点构成的夹角对道路进行分段,包括将道路分为平直路段、弯度路段以及将弯曲路段分成多个子路段;最后利用分段等距加密方法对弯曲路段进行采样点加密。
进一步地,所述步骤3中,在几何量测的过程中将城市道路标识线作为参考线,利用参考线宽度,通过射影几何的原理测出道路面的真实宽度。
进一步地,所述步骤4中,利用顾及道路双向约束的边界拟合方法生成城市道路边界线,具体为:利用道路纵向和横向获取的信息数据约束道路边界范围,获取道路边界上的点信息,进而对道路边界上的信息点进行线性折线连接或者三次样条曲线拟合,从而实现道路边界线生成;其中,道路纵向几何形态采用道路中心线控制,道路横向宽度则利用道路横断线进行辅助。
进一步地,所述步骤5中,隔离带采样点的获取方法为:
(1)获得高分辨率实验区遥感影像,利用监督分类方法提取隔离带区域的植被并利用形态滤波方法优化提取结果,去除噪声点并对由于路面车辆引起的空洞区域进行填充;
(2)将优化的提取结果转成矢量数据,利用栅格化方法得到隔离带中心线;
(3)取隔离带中心线的首尾点,利用最短距离原理将首尾点映射到道路中心线上,并删除重复点和近距离点,以得到隔离带采样点。
进一步地,所述步骤5中,交叉口采样点的获取方法为:
(1)根据道路中心线的交点,随机认定当前交点处的其中一条中心线代表平直路段,另一条为含有交叉口弯曲部分的道路;
(2)将代表含有弯曲部分的道路中心线以交点为中心,分别向中心线起止方向,以当条城市路宽为偏离距离,利用缓冲技术执行等距采样;由于交叉口等距采样距离小于所述步骤2中的最初等距采样的距离,所以等同于对初始采样点进行了加密。
进一步地,所述步骤6中,对隔离带进行拟合的方法为:
(1)利用步骤4的方法进行隔离带侧边边界线拟合;
(2)将提取的城市道路植被区域转成矢量线;
(3)计算隔离带两端点处的矢量线段与中心线的夹角,同时进行属性存储;
(4)判断隔离带端口的类型:若步骤(2)计算的夹角大于85°且小于95°,则此隔离带的端口形态为直角型,反之则为圆弧型;
(5)隔离带端口的形态拟合:若隔离带端口是圆弧状,则以此处的隔离带宽度为直径进行圆弧拟合;若隔离带端口为直线状,则直接将两边点相连;
(6)将侧边线与隔离带端口矢量线合并,得到隔离带矢量线拟合结果。
进一步地,所述步骤7中,利用ArcGIS软件将线要素转换成面要素,利用栅格化方法提取各要素的中心线,最终获取到城市道路的全要素,并用矢量线和矢量面来表达。
本发明的方法基于开源地图,综合运用矢量电子地图、街景图像和遥感影像,可以提取高精度、细粒度的城市道路要素,具有以下优势:
(1)本发明方法可以解决因遮挡导致的道路信息提取不全等问题,且要素提取精度较高,可实施性较强。
(2)目前的城市道路提取对象主要集中在城市道路面、边界线等粗粒度的信息提取,且具有细粒度提取能力的点云数据获取昂贵。本发明方法的提取对象包括城市道路面、城市非机动车道和道路隔离带等城市道路地形全要素的提取,具有提取要素全、成本低等特点。
附图说明
图1是本发明城市道路要素提取方法的框架示意图。
图2是本发明城市道路要素构成图。
图3是分段等距采样示意图。
图4是含有城市道路及道路标识线街景图像。
图5是几何参数量测原理参考图,(a)是空间域与图像域中的共线点交比示意图,(b)是空间平行的两条线段,(c)是空间平行线段经摄影后构成的交比及灭点灭线图。
图6是城市道路边界线拟合过程示意图。
图7是专题采样点示意图,(a)为隔离带采样,(b)为交叉口采样。
图8是隔离带边界线拟合细节示意图。
图9是实验区最终提取结果示意图,(a)为总体结果示意图,(b)为图(a)中第1方框放大图,(c)为图(a)中第2方框放大图,(d)为图(a)中第3方框放大图,(e)为图(a)中第4方框放大图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,本发明的城市道路要素提取方法的具体步骤如下:
1、道路中心线提取:
(1.a)数据准备:开源路网数据;
(1.b)数据过滤:本实施例选择实验区中的主要道路网作为原始道路,这些道路网数据中包含城市快速通道、城市主干道、城市次干道等,此选择过程依据属性信息进行筛选;
(1.c)数据栅格化:设置一定的栅格分辨率,将获取的道路网转换为栅格数据;
(1.d)空洞填充:由于道路网会出现“一对多”现象,即具有同一名称的城市道路具有多条矢量道路线,且此现象在高等级道路上尤为显著。因此,栅格化后的数据在同一道路反向路网间、以及道路交叉口处会出现空隙,需要设置一定的阈值进行填充;
(1.e)自动矢量化:基于填充后的栅格数据,自动寻找栅格区域的中间位置并进行矢量化,获得简化道路网数据,即道路中心线数据。
2、分段等距采样点设定:
现有研究中虽已存在基于道路网的采样,但是目前常见的采样方法基本是等距采样,此采样方法只能大概获取到道路轮廓无法实现道路细节形态的提取和表达。本发明的分段等距采样在原有的等距采样方法上,增加了直角路段和弯曲路段的分段,并在弯曲路段部分进一步等距加密采样点。该步骤具体实现过程如下:
(2.a)利用ArcGIS软件提供的分割工具对全局道路网沿中心线先进行初步等距采样;
(2.b)依据下述方法对弯曲路段进行分段等距加密(图3):
1)判断当前采样点与前后采样点构成的两线段之间的夹角值,如∠ABC,若小于150°则执行步骤2),反之说明弯度过缓,不做特殊处理;
2)在当前采样点与前一采样点和后一采样点之间的中间位置分别加密一点,如P1,P2;
3)将新加密点作为当前点,重新判断与前后采样点构成的夹角,若小于150°则反复执行步骤2),否则执行步骤4);
4)所有当前点与前后采样点之间组成的夹角均大于150°,则弯曲路段采样点分段加密结束。同时对此部分加密点进行属性标记,为后期曲线段拟合做铺垫。
3、宽度信息量测:
该步骤中利用了摄影几何原理,目前将此原理应用在城市道路提取上的研究较少,个别学者提出了可以进行单张像片的几何量测,但并未对其进行扩展应用,本发明借鉴了此原理进行了城市道路宽度信息提取。具体实现过程如下:
(3.a)数据获取:利用采样点的坐标,通过百度URL进行数据下载;
(3.b)参考线确定:依据城市道交通标志和标线设置规范(GB51038-2015)车速大于60km/h的道路可跨越同向车行道分界线宽度为15cm,小于60km/h的分界线宽度为10cm。因此,本发明以道路交通指示标线中的路面车道分界线为参考线。同时,将参考线宽度赋给不同类型道路,道路面车道分界线如图4中白色标识线(图4);
(3.c)通过射影几何原理编程实现几何宽度量测。具体原理为:
在街景图像中,由射影几何可知,现实空间空平行的一组直线不再平行,而是汇聚在灭点P处;一个平面上只有一个灭线L,且由所有的灭点连接而成,下面是他们的计算公式,其中p1,p2为平面内两个灭点,l1,l2为平面内显示相交的平行线。
L=p1p2
P=l1l2
交比定义共点四线组成线段比值的比值,如图5中的(a)图,以K表示现实中空间点,k表示K在图像中对应点,且k的四点k1、k2、k3、k4构成的交比为CR,d(Ki,Kj)表示空间两点之间的距离,d(ki,kj)表示图像上两点之间的距离,已知参考线K1K2的长度为d,则现实中的K3,K4之间的距离,及K1,K4之间的计算距离如下。
当参考线与所求线段位置平行时(图5中的(b)图),则可以在先求灭点和灭线的基础上,连接K1O1与灭线交于一点P1,K与O分别表示平行线,连接K2P1必交直线O1O2或其延长线于一点Oi,且K1O1与K2Oi平行且相等(图5中的(c)图)。由此可将已知长度的平行参考线段转化为共线参考线段,利用上述公式计算共线的任意两点的宽度。
(3.d)通过编程实现以道路标识线为参考线的城市道路单向机动车道宽度、非机动车道宽度及隔离带等要素的宽度量取,并将获取的宽度信息赋给对应的采样点。
4、城市道路边界生成(图6):
依据宽度信息、中心线数据实现顾及双向约束的城市道路边界提取及城市道路面生成。现有研究中对城市道路面的提取技术主要体现在遥感信息提取技术、对象分割技术以及边缘检测技术。遥感信息提取技术随着面向对象方法及深度学习方法的聚焦,其提取精度逐渐增高,但是仍然存在因遮挡及分辨率导致的道路面提取不全、道路边界不精确等现象,对象分割技术受光谱、形态及相关分割参数和尺度的影响严重,边缘检测技术主要提取道路边界线,且方法的鲁棒性受算子影响很大。本发明采用顾及双向约束的城市道路边界提取技术,是在道路中心线控制道路走向,道路横断线控制道路形态、几何宽度控制道路面宽度的情况下提取的,不受天气及植被的遮挡等影响,可执行度较高,精度较精确。需要说明的是,在城区,人行道往往与居民区和和商业区共面,其边界很难确定,同时相关研究与应用更多关注的是机动车道与非机动车道共同构成的道路面。因此,本实施例在进行城市道路提取时暂不考虑人行道,且将城市道路面界定为排除人行道之外的道路面域。本实例采用“由点到线、由线到面”的思路,具体实现过程为:
(4.a)隶属关系判断:利用最短距离原理建立采样点与中心线的归属关系;即依据距离判断当前采样点Pi是否属于当前道路中心线Li(图6);
(4.b)横向辅助线绘制:从当前采样点出发做一条与中心线垂直的直线,即生成道路横向辅助线;
(4.c)宽度属性转换为点:从中心线上的采样点出发,沿着横向辅助线方向,将上步获取的道路宽度信息转化为边界坐标点,简称边界点(如Bi);即分别沿着横向辅助线方向截取与属性宽度等长的线段,并将线段的两侧端点提取出来,此点即为边界点;
(4.d)线要素拟合:对平直型道路的边界点,直接连接成折线得到城市道路边界线,对于弯度路段如果加密点的密度足够可以表达出道路弯曲状态则直接将点连接成线。否则用三次样条函数进行线段的简化平滑拟合。
(4.e)利用软件将城市道路边界线转换成面数据。
5、隔离带和交叉口采样点(图7):
隔离带端口采样和交叉口采样两部分技术获取的采样点可以辅助提取隔离带要素且能帮助细化道路要素形态,现有针对街景数据采样的研究中鲜见对隔离带和交叉口进行采样的案例。
该步骤的具体实现过程如下:
(5.a)获取隔离带采样点
城市道路中心及两侧的隔离带基本上以植被填充为主,故对隔离带端口采样即对植被区域的两端进行提取,主要步骤为:
1)数据准备:首先下载分辨率为小于1m的实验区遥感影像(影像分辨率决定了精度),免费的为RGB三个波段。
2)在ENVI软件中,利用监督分类法中的最大似然法,将遥感影像区域分为植被与非植被两类。并利用腐蚀膨胀方法去除细碎点优化提取效果;
3)将分类结果加载到ArcGIS软件中,转换为矢量数据;
4)利用已经获取的道路面,截取道路面内植被;
5)通过步骤1中的自动矢量化方法得到隔离带的中心线(图7虚线表示隔离带中心线),利用软件提供的折线转点工具得到首尾点;
6)利用最短距离原理将点映射到道路中心线上,并删除因隔离带依中心线对称导致的重复点以得到隔离带端口采样点。
(5.b)交叉口采样点
由于道路交叉口路型属于带有弯道特征的复杂路段形态,为了完整显示其形态,需要在道路交叉口处加密布置采样点。
1)随机认定道路中心线的交点处的其中一条中心线代表平直路段,另一条代表含有交叉口弯曲部分的道路;
2)然后将代表含有弯曲部分的道路中心线以交点为中心,分别向中心线起止方向,以一定缓冲距离做多级缓冲区,生成缓冲面与道路中心线的交点即为道路交叉口采样点;
3)交叉口路段加密采样点个数依据实验区交叉口弯曲部分对应中心线的最长长度而定。
长度等于缓冲距离乘以个数,
4)利用点与点之间的距离为判断条件,删除重复点和近距离点。
6、要素拟合:
(6.a)数据准备:根据隔离带采样点和交叉口采样点,利用步骤(3.a)下载街景图像;
(6.b)按照步骤3进行宽度信息测量;
(6.c)利用步骤4进行城市道路交叉口边界点的生成和城市道路边界线的优化;
(6.d)隔离带边界生成,生成结果如图8所示。
1)侧边线的生成。利用边界点带有类型属性和位置属性,将属于隔离带同侧的边界点连接成线。因城市道路的隔离带边界以平直型为主,故此步骤不进行曲线拟合和平滑;
2)隔离带端口拟合。本实施例将提取的城市道路植被区域转成矢量线,然后对两端点处的矢量线段与中心线的夹角通过编程进行判断和属性标记。若角度大于85°且小于95°,则此隔离带的端口形态为直角型,反之则为圆弧型。在隔离带端口形态拟合时,若是圆弧状直接以此处的隔离带宽度为直径进行圆弧拟合;若为直线状则直接将两边点相连。
(6.e)非机动车道边界生成。利用边界点带有类型属性和位置属性,对同属非机动车道的边界点进行连接,生成非机动车道边界线;
(6.f)机动车道生成。考虑到道路构成的完整性,本发明将道路面上除非机动车道和隔离带以外的区域称为机动车道,利用空间分析方法获得;
(6.g)各要素面数据由线数据转换而得。
下面选择南京市建邺区部分区域作为样区,对本实施例作进一步说明。
一、试验区概况
为了验证这种城市道路要素信息提取方法的可行性与有效性,本实施例选取了南京市建邺区部分道路作为实验样区,建邺区位于南京市主城中部,道路类型丰富,宽窄不一,纵横交错,城市道路相对规整且具有微起伏延伸特点,街景图像丰富,道路具有代表性。
二、数据准备
开源路网数据、0.59米实验区遥感影像(RGB三个波段)、依据采样点坐标下载的街景图像。
三、实验过程参数及结果
(1)中心线提取:截取实验区路网数据,依据属性进行数据过滤,栅格分辨率设置为15m,空洞填充阈值设置为15m;
(2)采样点设置:以50m为单位生成道路初步采样点,继而进行分段等距采样点的加密,并下载对应影像;
(3)基于街景图像进行几何参数量测,并将宽度信息录入到对应的采样点;
(4)依据采样点生成边界点(带有归属和位置信息),拟合成道路边界线,进而转化为矢量道路面;
(5)根据实际情况确定以5米作为路面缓冲距离做多级缓冲区,获取交叉口采样点;基于遥感影像利用分类方法提取隔离带矢量数据,以0.5米为分辨率进行栅格化,得到隔离带中心线;然后提取植被线的端点,将点映射到道路中心线上后获取隔离带端口的采样点;以5米作为筛选阈值,进行近距离点删除;
(6)下载专题采样点位置影像,完成剩余要素的几何宽度量测后对各要素分类拟合及表达,特别是隔离带端口的形态拟合。最终提取出南京市该地区的城市道路要素。提取结果见图9。
Claims (10)
1.一种城市道路要素提取方法,其特征在于,包括如下步骤:
步骤1:基于开源路网数据,利用栅格化方法提取城市道路中心线;
步骤2:对道路中心线进行分段等距采样,获取采样点以及采样点对应的街景图像;
步骤3:基于步骤2的街景图像,利用射影几何原理对城市道路要素几何宽度信息进行量测;
步骤4:对城市道路边界线和城市道路面进行拟合和表达;
步骤5:结合城市道路面及遥感影像获取隔离带及交叉口采样点;
步骤6:获得步骤5中采样点对应的街景图像,利用步骤3和步骤4中的方法,对城市道路、城市机动车道、非机动车道和隔离带分别进行几何信息量测和线要素拟合;
步骤7:将步骤6获得的线要素转换成面要素,同时提取各要素的中心线,最终获取城市道路要素。
2.根据权利要求1所述的一种城市道路要素提取方法,其特征在于,所述步骤1中,提取道路中心线包括原始路网数据过滤、数据栅格化、空洞填充、自动矢量化四个过程。
3.根据权利要求1所述的一种城市道路要素提取方法,其特征在于,所述步骤2中,首先,依据道路要素形态特征及要素分类特点,对全局道路网沿中心线进行等距采样;继而利用中心线上的采样点,依据中心线上的相邻三个采样点构成的夹角对道路进行分段,包括将道路分为平直路段、弯度路段以及将弯曲路段分成多个子路段;最后利用分段等距加密方法对弯曲路段进行采样点加密。
4.根据权利要求3所述的一种城市道路要素提取方法,其特征在于,对弯曲路段进行采样点加密的方法为:
(1)判断当前采样点与前后采样点构成的两线段之间的夹角值,若小于150°则执行下一步,反之说明弯度过缓,不做特殊处理;
(2)在当前采样点与前一采样点和后一采样点之间的中间位置分别加密一个采样点,此时,当前采样点与前后采样点构成的两个采样路段被分割成四个采样路段;
(3)将新加密的采样点作为当前采样点,重新判断其与前后采样点构成的夹角,若小于150°则反复执行步骤(2),否则执行步骤(4);
(4)所有当前采样点与前后采样点之间组成的夹角均大于150°,则弯曲路段采样点分段加密结束。
5.根据权利要求1所述的一种城市道路要素提取方法,其特征在于,所述步骤3中,在几何量测的过程中将城市道路标识线作为参考线,利用参考线宽度,通过射影几何的原理测出道路面的真实宽度。
6.根据权利要求1所述的一种城市道路要素提取方法,其特征在于,所述步骤4中,利用顾及道路双向约束的边界拟合方法生成城市道路边界线,具体为:利用道路纵向和横向获取的信息数据约束道路边界范围,获取道路边界上的点信息,进而对道路边界上的信息点进行线性折线连接或者三次样条曲线拟合,从而实现道路边界线生成;其中,道路纵向几何形态采用道路中心线控制,道路横向宽度则利用道路横断线进行辅助。
7.根据权利要求1所述的一种城市道路要素提取方法,其特征在于,所述步骤5中,隔离带采样点的获取方法为:
(1)获得高分辨率实验区遥感影像,利用监督分类方法提取隔离带区域的植被并利用形态滤波方法优化提取结果,去除噪声点并对由于路面车辆引起的空洞区域进行填充;
(2)将优化的提取结果转成矢量数据,利用栅格化方法得到隔离带中心线;
(3)取隔离带中心线的首尾点,利用最短距离原理将首尾点映射到道路中心线上,并删除重复点和近距离点,以得到隔离带采样点。
8.根据权利要求1所述的一种城市道路要素提取方法,其特征在于,所述步骤5中,交叉口采样点的获取方法为:
(1)根据道路中心线的交点,随机认定当前交点处的其中一条中心线代表平直路段,另一条为含有交叉口弯曲部分的道路;
(2)将代表含有弯曲部分的道路中心线以交点为中心,分别向中心线起止方向,以当条城市路宽为偏离距离,利用缓冲技术执行等距采样;由于交叉口等距采样距离小于所述步骤2中的最初等距采样的距离,所以等同于对初始采样点进行了加密。
9.根据权利要求1所述的一种城市道路要素的提取方法,其特征在于,所述步骤6中,对隔离带进行拟合的方法为:
(1)利用步骤4的方法进行隔离带侧边边界线拟合;
(2)将提取的城市道路植被区域转成矢量线;
(3)计算隔离带两端点处的矢量线段与中心线的夹角,同时进行属性存储;
(4)判断隔离带端口的类型:若步骤(2)计算的夹角大于85°且小于95°,则此隔离带的端口形态为直角型,反之则为圆弧型;
(5)隔离带端口的形态拟合:若隔离带端口是圆弧状,则以此处的隔离带宽度为直径进行圆弧拟合;若隔离带端口为直线状,则直接将两边点相连;
(6)将侧边线与隔离带端口矢量线合并,得到隔离带矢量线拟合结果。
10.根据权利要求1所述的一种城市道路要素的提取方法,其特征在于,所述步骤7中,利用ArcGIS软件将线要素转换成面要素,利用栅格化方法提取各要素的中心线,最终获取到城市道路的全要素,并用矢量线和矢量面来表达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911145655.7A CN111062958B (zh) | 2019-11-21 | 2019-11-21 | 一种城市道路要素提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911145655.7A CN111062958B (zh) | 2019-11-21 | 2019-11-21 | 一种城市道路要素提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062958A CN111062958A (zh) | 2020-04-24 |
CN111062958B true CN111062958B (zh) | 2023-04-07 |
Family
ID=70298592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911145655.7A Active CN111062958B (zh) | 2019-11-21 | 2019-11-21 | 一种城市道路要素提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062958B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858810B (zh) * | 2020-07-20 | 2022-05-06 | 滁州学院 | 一种面向道路dem构建的建模高程点筛选方法 |
US11380093B2 (en) * | 2020-07-30 | 2022-07-05 | GM Global Technology Operations LLC | Detecting road edges by fusing aerial image and telemetry evidences |
CN113379754A (zh) * | 2020-12-02 | 2021-09-10 | 哈尔滨理工大学 | 基于车载gps数据与神经网络的道路中心线提取方法 |
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 |
CN113849585B (zh) * | 2021-08-12 | 2022-07-01 | 广东省国土资源测绘院 | 一种地表图形的拓扑检查方法、设备、介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101277A1 (zh) * | 2015-12-14 | 2017-06-22 | 华南理工大学 | 一种基于互联网词频的城市认知地图生成方法 |
CN107958183A (zh) * | 2017-12-02 | 2018-04-24 | 中国地质大学(北京) | 一种高分辨率遥感图像的城市路网信息自动提取方法 |
-
2019
- 2019-11-21 CN CN201911145655.7A patent/CN111062958B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101277A1 (zh) * | 2015-12-14 | 2017-06-22 | 华南理工大学 | 一种基于互联网词频的城市认知地图生成方法 |
CN107958183A (zh) * | 2017-12-02 | 2018-04-24 | 中国地质大学(北京) | 一种高分辨率遥感图像的城市路网信息自动提取方法 |
Non-Patent Citations (2)
Title |
---|
基于形态重建的高分辨率遥感影像城市道路提取;杨先武等;《地理科学》;20110815(第08期);全文 * |
既有铁路曲线整正测量;全志强等;《测绘科学》;20150420(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111062958A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062958B (zh) | 一种城市道路要素提取方法 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
US20200393265A1 (en) | Lane line determination for high definition maps | |
CN111542860A (zh) | 用于自主车辆的高清地图的标志和车道创建 | |
CN104376595B (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
Gargoum et al. | Assessing stopping and passing sight distance on highways using mobile LiDAR data | |
Hatger et al. | Extraction of road geometry parameters from laser scanning and existing databases | |
CN108921943B (zh) | 一种基于车道级高精度地图的道路三维模型建模方法 | |
CN107679498A (zh) | 一种机载激光点云城区道路识别方法 | |
Ma et al. | Real-time visualization method for estimating 3D highway sight distance using LiDAR data | |
CN104281746A (zh) | 一种基于点云的交通安全道路特征图成图方法 | |
CN105677899A (zh) | 一种包含道路行进方向的增强型矢量数字地图制作方法 | |
Hosseini et al. | Mapping the walk: A scalable computer vision approach for generating sidewalk network datasets from aerial imagery | |
Bassani et al. | 3D GIS based evaluation of the available sight distance to assess safety of urban roads | |
Zhou et al. | Highway alignments extraction and 3D modeling from airborne laser scanning point clouds | |
CN114859374B (zh) | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 | |
Qiu et al. | Automatic extraction of road networks from GPS traces | |
JP2008170611A (ja) | 道路データ生成方法、装置及びプログラム | |
CN115661004A (zh) | 三维地形模型及道路dem的更新方法、设备以及存储介质 | |
Badenko et al. | Comparison of software for airborne laser scanning data processing in smart city applications | |
Zeybek et al. | Geometric feature extraction of road from UAV based point cloud data | |
CN115294293B (zh) | 基于低空航摄成果自动化编译高精地图道路参考线的方法 | |
Potó et al. | Representing road related laserscanned data in curved regular grid: A support to autonomous vehicles | |
Wang et al. | GPS trajectory-based segmentation and multi-filter-based extraction of expressway curbs and markings from mobile laser scanning data | |
Qiao et al. | Application of DSM in obstacle clearance surveying of aerodrome |
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 |