CN111815741B - 一种基于影像纹理识别的道路绘制方法及其系统 - Google Patents

一种基于影像纹理识别的道路绘制方法及其系统 Download PDF

Info

Publication number
CN111815741B
CN111815741B CN202010874505.6A CN202010874505A CN111815741B CN 111815741 B CN111815741 B CN 111815741B CN 202010874505 A CN202010874505 A CN 202010874505A CN 111815741 B CN111815741 B CN 111815741B
Authority
CN
China
Prior art keywords
road
point
gray value
points
correct
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
CN202010874505.6A
Other languages
English (en)
Other versions
CN111815741A (zh
Inventor
何玉生
杨江川
储飞龙
王树春
吴晓瑜
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.)
Hangzhou Jinao Information Technology Co ltd
Original Assignee
Hangzhou Jinao Information Technology Co ltd
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 Hangzhou Jinao Information Technology Co ltd filed Critical Hangzhou Jinao Information Technology Co ltd
Priority to CN202010874505.6A priority Critical patent/CN111815741B/zh
Publication of CN111815741A publication Critical patent/CN111815741A/zh
Application granted granted Critical
Publication of CN111815741B publication Critical patent/CN111815741B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

一种基于影像纹理识别的道路绘制方法及其系统，方法包括步骤：S1获取影像，在影像上选择初始点和道路方向；S2通过纹理识别方法计算道路边界坐标和道路宽度；S3根据道路边界坐标，按照步长沿着道路方向绘制道路；其中，绘制道路过程中，以步长为节点，每次绘制一个步长后重新判断道路方向是否正确，若正确，则继续执行S3；若否，则重新计算并更新道路方向、道路边界坐标和中心点，并调整步长，以更新后的数据继续绘制道路。本发明技术方案利用影像进行纹理识别，快速计算道路边界坐标、道路方位、道路宽度等，只需在影像上确定一次道路初始点和道路方向，即可进行自动追踪道路两边的边界，快速自动绘制一条道路，解决作业人员手动绘制道路的难题。

Description

一种基于影像纹理识别的道路绘制方法及其系统
技术领域
本发明属于道路测绘领域，尤其涉及一种基于影像纹理识别的自适应道路矢量化方法及其系统。
背景技术
传统的道路绘制方法是由操作员在遥感影像上进行全手工的矢量数据采集及编辑，传统的模式存在人力投入大、绘制周期长的问题。近年来，更多的开始采用计算机自动识别的方式提取遥感影像上道路信息，以便提高劳动效率，减少数据采集时间；但是现有的绘制方法需要在绘制过程进行人为干预，无法实现完全的自动绘制。
发明内容
本发明针对现有技术中的缺点，提供了一种基于影像纹理识别的自适应道路矢量化方法及其系统，可以实现自动道路绘制，绘制过程中无需人为介入调整。
为了解决上述技术问题，本发明通过下述技术方案得以解决：
一种基于影像纹理识别的道路绘制方法，包括以下步骤：
S1，获取影像，在影像上选择初始点和道路方向；
S2，通过纹理识别方法计算道路边界坐标；
S3，根据道路边界坐标，按照步长沿着道路方向绘制道路；
其中，绘制道路过程中，以步长为节点，每次绘制一个步长后重新判断道路方向是否正确，若正确，则继续执行S3；
若否，则重新计算并更新道路方向和步长，以更新后的数据继续绘制道路。
可选的，所述S3还包括步骤：
S301，根据道路边界坐标实时计算道路中心点；
S302，以道路中心点为起点做道路边界坐标连线的垂线为中心线，根据中心线方向确定道路方向，根据道路中心点实时调整中心线的位置从而改变道路方向；
S303，在中心线上根据当前步长计算下一个步长节点位置并计算该位置点的灰度值，若该位置点灰度值正确，则维持原步长，若该位置点灰度值错误则缩短原步长；
S304，根据道路边界坐标，以最新步长为节点，在道路边界生成道路边界点，将道路边界点进行连接，完成绘制道路。
进一步的，为了精确的绘制道路，步骤S304还包括了绘制道路修正方法，包括：
根据道路边界坐标，以最新步长为节点，在道路边界生成道路边界点，将道路边界点进行连接，生成两条连接线；
在每条连接线上取若干修正点，将所述修正点与平均灰度值进行比对，判断所述修正点是否在道路边界上，若是，保留所述修正点；
若否，以所述修正点为起点，沿连接线垂线方向向两边延伸像素点，通过灰度值比对找到在道路边界的像素点作为修正点；
连接所有修正点作为道路连线。
可选的，步骤S2中通过纹理识别方法计算道路边界坐标，道路宽度和道路中心点的方法包括如下步骤：
S201，获取影像分辨率和像素点个数，并计算单个像素点长度为L；
S202，根据初始绘制点向四周缓冲n个像素点，并计算缓冲n个像素点后的初始绘制点的平均灰度值；
S203，从与道路方向垂直方向向两边逐个计算每一个像素点的灰度值，比对当前像素点灰度值和平均灰度值，判断当前像素点是否为道路内像素点；
若是，以当前像素点更新平均灰度值，继续使用更新后的平均灰度值与下一个像素点进行比对；若否，结束比对，并进入步骤S204；
S204，根据初始点坐标和计算得到的道路内像素点个数计算道路宽度和道路边界坐标。
可选的，步骤S203-步骤S204还包括以下方法：
取当前像素点灰度值与平均灰度值的误差值为G，允许误差值为G1；
若|G|＜G1，则该像素点为正确点，将所述正确点的灰度值记录到正确点集合中，实时根据正确点集合中的像素点灰度值计算平均灰度值，继续判断下一个像素点；
若|G|＞G1，判断该点为错误点，将所述错误点记录到错误点集合中，继续判断下一个像素点；若下一个像素点为正确点，将当前正确点的灰度值记录到正确点集合中，同时将上一个错误点从错误点集合中的删除，并在正确点集合中个数加一；
若错误点集合中的错误点个数大于最大错误点个数，灰度值比对过程结束；
根据正确点集合中正确点的个数及单个像素点长度计算初始点到道路边界的距离，得出道路边界坐标和道路宽度。
可选的，S303步骤还包括：
取该位置点灰度值与平均灰度值的差值为H，允许误差值为H1；
若|H|＜H1，则该位置点为正确点，根据该位置点通过步骤S2计算道路边界坐标；
若|H|＞H1，则该位置点为错误点，根据当前步长除以2取点，计算该点灰度值，直至该点符合正确点要求，根据道路中心点到该点距离重新计算新的步长值，后续取点根据新的步长值进行计算。
可选的，将该位置点向四周缓冲n个像素点，计算缓冲n个像素点后的像素块的平均灰度值。
可选的，道路边界坐标和道路宽度计算方法为：
计算道路边界其中一侧的点坐标B（x1、y1）公式为：
Figure 581478DEST_PATH_IMAGE001
=（180-
Figure 951149DEST_PATH_IMAGE002
）*π/180
Figure 199727DEST_PATH_IMAGE003
Ax、Ay为初始点坐标， 为道路方向，D为A到B点的距离，Bx、By为B点坐标，即B（x1、y1）；
根据以上公式计算道路边界另一侧的点坐标C（x2、y2）；
根据B（x1、y1）、C（x2、y2）点坐标计算道路宽度，公式如下：
Figure 798199DEST_PATH_IMAGE004
。
可选的，初始步长的计算方法包括：
根据道路边界坐标确定道路宽度，根据道路宽度确定道路类型，根据道路类型确定步长。
可选的，若当前步长小于初始步长，且已根据当前步长绘制道路N次，同时每次绘制后计算中心线上对应的步长节点位置均为正确点时，则判断当前绘制道路为类直线道路，将当前步长值修改为初始步长值。
本发明还提供了一种基于影像纹理识别的道路绘制系统，包括：
外部输入端，用于输入影像数据，和在影像上输入初始点和初始道路方向；
灰度值比对模块，用于通过纹理识别计算道路边界；
自动绘制模块，用于根据所述道路边界位置及步长自动绘制道路。
本发明的有益效果：
1、本发明技术方案利用影像进行纹理识别，快速计算道路边界坐标、道路方位、道路宽度等，只需在影像上确定一次道路初始点和道路方向，即可进行自动追踪道路两边的边界，快速自动绘制一条道路，解决作业人员手动绘制道路的难题。
2、本发明技术方案通过纹理识别动态获取道路边界坐标道路宽度及道路方向，根据道路宽度及道路方向自动调整道路绘制步长，实现道路的快速自动绘制。解决了现有技术中在半自动绘制过程中需要人为干预的问题。
3、本发明技术方案在计算过程中，通过纹理识别，排除道路中的错误点（例如：车辆），准确计算道路两侧边界位置；根据道路形态（例如：蜿蜒山路、笔直主路）自动计算调整步长；通过计算道路中心点和中心线，自动调整道路走向。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是道路绘制方法总流程图；
图2是初始绘制状态示意图；
图3是道路方向和步长调整其中一种状态示意图；
图4是道路方向和步长调整另一种状态示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
如图1，一种基于影像纹理识别的道路绘制方法，包括以下步骤：
S1，获取影像，在影像上选择初始点和道路方向；
S2，通过纹理识别方法计算道路边界坐标和道路宽度；
S3，根据道路边界坐标，按照步长沿着道路方向绘制道路；
其中，绘制道路过程中，以步长为节点，每次绘制一个步长后重新判断道路方向是否正确，若正确，则继续执行S3；
若否，则重新计算并更新道路方向和步长，以更新后的数据继续绘制道路。
其中，步骤S1具体包括：
S101，向系统导入影像数据；
S102，通过鼠标（或其他设备）点击影像中的道路确定初始点位置；
S103，确定系统识别度初始值，用于调整纹理识别的误差值。
S104，通过鼠标移动的方位角预判道路方向。
其中，步骤S2中通过纹理识别方法计算道路边界坐标，道路宽度和道路中心点的方法包括：
S201获取影像分辨率和像素点个数，并计算单个像素点长度为L；
L=
Figure 832145DEST_PATH_IMAGE005
L用于表示单个像素点实际长度（米）；
R用于表示影像分辨率（DPI）；
P用于表示影像像素点个数；
S202，根据初始绘制点向四周缓冲n个像素点，并计算缓冲n个像素点后的初始绘制点的平均灰度值；即通过RGB转灰度方法计算(2n+1)2个像素点的灰度值，根据(2n+1)2个像素点灰度值计算初始平均灰度值。
S203，从与道路方向垂直方向向两边逐个计算每一个像素点的灰度值，比对当前像素点灰度值和平均灰度值，判断当前像素点是否为道路内像素点；
若是，以当前像素点更新平均灰度值，继续使用更新后的平均灰度值与下一个像素点进行比对；若否，结束比对；
其中，S203中比对过程具体包括：
取当前像素点灰度值与平均灰度值的误差值为G，允许误差值为G1；
若|G|＜G1，则该像素点为正确点，将所述正确点的灰度值记录到正确点集合中，实时根据正确点集合中的像素点灰度值计算平均灰度值，继续判断下一个像素点；
若|G|＞G1，判断该点为错误点，将所述错误点记录到错误点集合中，继续判断下一个像素点；若下一个像素点为正确点，将当前正确点的灰度值记录到正确点集合中，同时将上一个错误点从错误点集合中的删除，并在正确点集合中个数加一；
若错误点集合中的错误点个数大于最大错误点个数，灰度值比对过程结束。
上述步骤避免了所述位置点的取点是取到道路内的障碍物，如汽车、石子等。
S204，根据初始点坐标和计算得到的道路内像素点个数计算道路宽度和道路边界坐标；
根据正确点集合中正确点的个数及单个像素点长度计算初始点到道路边界的距离，得出道路边界坐标和道路宽度，具体方法如下：
计算道路边界其中一侧的点坐标B（x1、y1）公式为：
Figure 857870DEST_PATH_IMAGE001
=（180-
Figure 593745DEST_PATH_IMAGE002
）*π/180
Figure 261487DEST_PATH_IMAGE006
Ax、Ay为初始点坐标， 为道路方向，D为A到B点的距离，Bx、By为B点坐标，即B（x1、y1）；
根据以上公式计算道路边界另一侧的点坐标C（x2、y2）；
根据B（x1、y1）、C（x2、y2）点坐标计算道路宽度，公式如下：
Figure 648474DEST_PATH_IMAGE004
。
其中，S3步骤具体包括：
S301，根据道路边界坐标实时计算道路中心点；
S302，以道路中心点为起点做道路边界坐标连线的垂线为中心线，根据中心线方向确定道路方向，根据道路中心点实时调整中心线的位置从而改变道路方向；
S303，在中心线上根据当前步长计算下一个步长节点位置并计算该位置点的灰度值，若该位置点灰度值正确，则维持原步长，若该位置点灰度值错误则缩小原步长；
进一步的，取该位置点灰度值与平均灰度值的差值为H，允许误差值为H1；
若|H|＜H1，则该位置点为正确点，根据该位置点通过步骤S2计算道路边界坐标；
若|H|＞H1，则该位置点为错误点，根据当前步长除以2取点，计算该点灰度值，直至该点符合正确点要求，根据道路中心点到该点距离重新计算新的步长值，后续取点根据新的步长值进行计算。
为了更精确的计算出S303所述位置点是否为正确点，将该位置点向四周缓冲n个像素点，计算缓冲n个像素点后的像素块的平均灰度值为H。本计算步骤避免了所述位置点的取点是取到道路内的障碍物，如汽车、石子等。
其中，本实施例所述的正确点可以认为是道路内部点，错误点为道路外部点。具体理解根据实际的应用过程可以重新定义。
S304，根据道路边界坐标，以最新步长为绘制节点，在道路边界生成道路边界点，将道路边界点进行连接，连接后的线条即为绘制的道路。
上述关于步骤S2的描述，仅描述了初始绘制点的灰度值比对过程，在其他步骤中，如果涉及到灰度值比对方法的，可以直接通过步骤S2的描述得到相应的步骤，在本实施例中就不做赘述。
其中，初次计算出道路宽度后，需要确定初始步长，初始步长的计算方法包括：根据道路边界坐标确定道路宽度，根据道路宽度确定道路类型，根据道路类型确定步长。
由于目前不同的道路其道路宽度有固定要求，如城市道路等级分快速路、主干路、次干路、支路三级，各级红线宽度控制：快速路不小于40m，主干路30m-40m，次干路20m-24m，支路14m-18m。若道路宽度取值为快速路范围，则可以认为道路弯道较少，取值初始步长取较长范围，如50m；若道路宽度取值为支路范围，则可以认为此道路弯道较多，取值初始步长小，如20m。
在绘制过程会实时更新步长，如判断有弯道（即灰度值错误时），系统会自动缩短步长，调整道路方向。步长调整还包括将当前步长调整至初始步长，判断过程如下：若当前步长小于初始步长，且已根据当前步长绘制道路N次，同时每次绘制后计算中心线上对应的步长节点位置均为正确点时，则判断当前绘制道路为类直线道路，将当前步长值修改为初始步长值。这里取值N可以为5次。若5次后，最新步长（当前步长）对应的位置点为正确点，则认为后续道路为类直线道路，所以为了加快绘制速度，将步长调整至初始步长。
其中，初始点和通过鼠标获取道路方向后的步骤如图2：
通过鼠标在道路中间确定一点A作为初始点，通过鼠标通过移动确定预判的道路方向Kc；
根据初始点位置与预判的道路方向垂直向两边缓冲逐个计算每一个像素的灰度值，进行灰度值循环对比判断该像素是否为正确点；根据步骤S2计算出道路边界B点和C点的坐标，并计算出道路宽度，根据道路宽度确定初始步长；根据预判的道路方向，以道路边界坐标为起点，以初始步长为节点，在道路边界生成道路边界点T1和T2，将第一个计算出来的道路边界点B和C和第二步计算出的道路边界点T1和T2进行连接，连接后的线条即为绘制的道路。
另一种实施例中，为了节约计算成本，在道路绘制前，通过道路边界B点和C点计算出道路中心点Qc和道路中心线K0，以计算出的道路中心线K0为道路方向进行绘制。
每次按照步长进行一次自动绘制后，计算中心线上的步长对应的节点位置的灰度值判断该位置点是否正确。若是，继续自动绘制，若否，根据步骤S3调整绘制方向（即角度）。
由于会实时调整角度和方向，所以即使初判的道路方向角度有误差，在后续的系统自动角度调整过程中也会进行修正。
其中，关于道路方向和步长调整步骤具体的具体说明，如图3所示：
P1为当前中心线K1’上当前步长对应的位置点，通过灰度值比对确定该点为错误点（即P1超出道路边界），则对当前步长除以2取点P2，通过灰度值比对确定P2为正确点，则执行S2步骤，计算道路边界点坐标，根据道路边界坐标重新确定中心点Q1和中心线K1，其中，中心线K1是未调整过角度的中心线，K1和K1’平行；通过灰度值比对方法，沿着K1和K1’方向寻找道路边界点A1和A2，连接A1和A2，则A1和A2的连接线即为变更后的道路方向，根据角度β调整K1的角度，得到调整后的中心线K2。（注：这里所谓的中心线并不是绝对中心线，只是在描述过程中的代称。）
同时，重新设置步长为原步长的1/2，根据更新后的步长、更新后的中心点、中心线和道路宽度和道路边界坐标，以最新中心线K2延伸方向作为道路方向（即系统自动绘制方向），以更新后的步长作为当前步长，每次按照当前步长绘制后，判断当前步长位置点是否为正确点，若是则继续绘制，若否则根据上述步骤调整步长和道路方向。
如图4为另一种步长调整的实施方式：
P3为当前中心线K3’上当前步长对应的位置点，通过灰度值比对确定该点为错误点（即P3超出道路边界），则对当前步长除以2取点P4，通过灰度值比对确定P4仍然为错误点，则继续根据二分法计算取点P5，通过灰度值比对确定P5为正确点，则执行S2步骤，计算道路边界坐标，根据道路边界坐标重新确定中心点Q2和中心线K3。
其中，中心线K3是未调整过角度的中心线，K3和K3’平行；通过灰度值比对方法，沿着K3和K3’方向寻找道路边界点A3和A4，连接A3和A4，则A3和A4的连接线即为变更后的道路方向，根据角度γ调整K3的角度，得到调整后的中心线K4。（注：这里所谓的中心线并不是绝对中心线，只是在描述过程中的代称。）
同时，重新设置步长为原步长的1/4，根据更新后的步长、更新后的中心点、中心线和道路宽度和道路边界坐标，以最新中心线K4延伸方向作为道路方向（即系统自动绘制方向），以更新后的步长作为当前步长，每次按照当前步长绘制后，判断当前步长位置点是否为正确点，若是则继续绘制，若否则根据上述步骤调整步长和道路方向。
综上所述，调整步长公式为：若系统对原步长进行了n次二分计算，则缩短步长至：原步长/2n。图3中的弯道较小，只需缩短一次步长即可找到正确点，图4中的弯道较大，需要缩短两次步长才能找到正确点。由此可知，当道路弯道越大，其步长需要缩短的长度越大，缩短后的步长越短，调整的道路方向幅度越大。
上述方法均通过计算机系统实现，可以开发一种基于影像纹理识别的道路绘制系统，将影像数据导入系统，通过鼠标确定初始点和道路方向，该系统实现自动绘制过程，具体的系统包括以下模块：
外部输入端，用于输入影像数据，和在影像上输入初始点和初始道路方向；
灰度值比对模块，用于通过纹理识别计算道路边界；
自动绘制模块，用于根据所述道路边界位置及步长自动绘制道路。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于影像纹理识别的道路绘制方法，其特征在于，包括以下步骤：
S1，获取影像，在影像上选择初始点和道路方向；
S2，通过纹理识别方法计算道路边界坐标和道路宽度；
S3，根据道路边界坐标，按照步长沿着道路方向绘制道路；
其中，绘制道路过程中，以步长为节点，每次绘制一个步长后重新判断道路方向是否正确，若正确，则继续执行S3；
若否，则重新计算并更新道路方向和步长，以更新后的数据继续绘制道路；
其中步骤S3还包括：
S301，根据道路边界坐标实时计算道路中心点；
S302，以道路中心点为起点做道路边界坐标连线的垂线为中心线，根据中心线方向确定道路方向，根据道路中心点实时调整中心线的位置从而改变道路方向；
S303，在中心线上根据当前步长计算下一个步长节点位置并计算该位置点的灰度值，若该位置点灰度值正确，则维持原步长，若该位置点灰度值错误则缩短原步长；
S304，根据道路边界坐标，以最新步长为节点，在道路边界生成道路边界点，将道路边界点进行连接，完成绘制道路。
2.根据权利要求1所述的基于影像纹理识别的道路绘制方法，其特征在于，步骤S2中通过纹理识别方法计算道路边界坐标和道路宽度的方法包括如下步骤：
S201，获取影像分辨率和像素点个数，并计算单个像素点长度为L；
S202，根据初始绘制点向四周缓冲n个像素点，并计算缓冲n个像素点后的初始绘制点的平均灰度值；
S203，从与道路方向垂直方向向两边逐个计算每一个像素点的灰度值，比对当前像素点灰度值和平均灰度值，判断当前像素点是否为道路内像素点；
若是，以当前像素点更新平均灰度值，使用更新后的平均灰度值与下一个像素点进行比对；若否，结束比对，并进入步骤S204；
S204，根据初始点坐标和计算得到的道路内像素点个数计算道路宽度和道路边界坐标。
3.根据权利要求2所述的基于影像纹理识别的道路绘制方法，其特征在于，步骤S203-步骤S204还包括以下方法：
取当前像素点灰度值与平均灰度值的误差值为G，允许误差值为G1；
若|G|＜G1，则该像素点为正确点，将所述正确点的灰度值记录到正确点集合中，实时根据正确点集合中的像素点灰度值计算平均灰度值，继续判断下一个像素点；
若|G|＞G1，判断该点为错误点，将所述错误点记录到错误点集合中，继续判断下一个像素点；若下一个像素点为正确点，将当前正确点的灰度值记录到正确点集合中，同时将上一个错误点从错误点集合中的删除，并在正确点集合中个数加一；
若错误点集合中的错误点个数大于最大错误点个数，灰度值比对过程结束；
根据正确点集合中正确点的个数及单个像素点长度计算初始点到道路边界的距离，得出道路边界坐标和道路宽度。
4.根据权利要求1所述的基于影像纹理识别的道路绘制方法，其特征在于，S303步骤还包括：
取该位置点灰度值与平均灰度值的差值为H，允许误差值为H1；
若|H|＜H1，则该位置点为正确点，根据该位置点通过步骤S2计算道路边界坐标；
若|H|＞H1，则该位置点为错误点，根据当前步长除以2取点，计算该点灰度值，直至该点符合正确点要求，根据道路中心点到该点距离重新计算新的步长值，后续取点根据新的步长值进行计算。
5.根据权利要求4所述的基于影像纹理识别的道路绘制方法，其特征在于，将该位置点向四周缓冲n个像素点，计算缓冲n个像素点后的像素块的平均灰度值。
6.根据权利要求1所述的基于影像纹理识别的道路绘制方法，其特征在于，道路边界坐标和道路宽度计算方法为：
计算道路边界其中一侧的点坐标B（x1、y1）公式为：
Figure DEST_PATH_IMAGE001
=（180-
Figure 99377DEST_PATH_IMAGE002
）*π/180
Figure DEST_PATH_IMAGE003
Ax、Ay为初始点坐标，
Figure 626304DEST_PATH_IMAGE004
为道路方向，D为A到B点的距离，Bx、By为B点坐标，即B（x1、y1），θ角是线段D与X轴的夹角；
根据以上公式计算道路边界另一侧的点坐标C（x2、y2）；
根据B（x1、y1）、C（x2、y2）点坐标计算道路宽度，公式如下：
Figure DEST_PATH_IMAGE005
。
7.根据权利要求1所述的基于影像纹理识别的道路绘制方法，其特征在于，所述步长包括初始步长和更新后的当前步长，所述初始步长的计算方法包括：
根据道路边界坐标确定道路宽度，根据道路宽度确定道路类型，根据道路类型确定初始步长。
8.根据权利要求7所述的基于影像纹理识别的道路绘制方法，其特征在于，若当前步长小于初始步长，且已根据当前步长绘制道路N次，同时每次绘制后计算中心线上对应的步长节点位置均为正确点时，则判断当前绘制道路为类直线道路，将当前步长值修改为初始步长值。
9.根据权利要求1所述的基于影像纹理识别的道路绘制方法，其特征在于，
步骤S304，根据道路边界坐标，以最新步长为节点，在道路边界生成道路边界点，将道路边界点进行连接，生成两条连接线；
在每条连接线上取若干修正点，将所述修正点与平均灰度值进行比对，判断所述修正点是否在道路边界上，若是，保留所述修正点；
若否，以所述修正点为起点，沿连接线垂线方向向两边延伸像素点，通过灰度值比对找到在道路边界的像素点作为修正点；
连接所有修正点作为道路连线。
10.一种基于影像纹理识别的道路绘制系统，其特征在于，用于实现权利要求1所述的基于影像纹理识别的道路绘制方法，其包括以下结构：
外部输入端，用于输入影像数据，和在影像上输入初始点和初始道路方向；
灰度值比对模块，用于通过纹理识别计算道路边界；
自动绘制模块，用于根据所述道路边界位置及步长自动绘制道路。
CN202010874505.6A 2020-08-27 2020-08-27 一种基于影像纹理识别的道路绘制方法及其系统 Active CN111815741B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010874505.6A CN111815741B (zh) 2020-08-27 2020-08-27 一种基于影像纹理识别的道路绘制方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010874505.6A CN111815741B (zh) 2020-08-27 2020-08-27 一种基于影像纹理识别的道路绘制方法及其系统

Publications (2)

Publication Number Publication Date
CN111815741A CN111815741A (zh) 2020-10-23
CN111815741B true CN111815741B (zh) 2021-01-05

Family

ID=72859695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010874505.6A Active CN111815741B (zh) 2020-08-27 2020-08-27 一种基于影像纹理识别的道路绘制方法及其系统

Country Status (1)

Country Link
CN (1) CN111815741B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114249078A (zh) * 2021-12-10 2022-03-29 广东智源机器人科技有限公司 轨道标识定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539297A (zh) * 2020-04-20 2020-08-14 武汉中地数码科技有限公司 一种高分辨率遥感影像道路信息半自动提取方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7925653B2 (en) * 2008-02-27 2011-04-12 General Electric Company Method and system for accessing a group of objects in an electronic document
CN109657614B (zh) * 2018-12-19 2023-02-03 沈阳天择智能交通工程有限公司 航拍道路交通事故现场勘查中道路自动识别方法
CN111476213A (zh) * 2020-05-19 2020-07-31 武汉大势智慧科技有限公司 一种基于道路影像的遮挡物覆盖区域填充方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539297A (zh) * 2020-04-20 2020-08-14 武汉中地数码科技有限公司 一种高分辨率遥感影像道路信息半自动提取方法

Also Published As

Publication number Publication date
CN111815741A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
CN109916416B (zh) 车道线数据处理与更新方法、装置及设备
CN102542901B (zh) 用于电子地图的线段抽稀装置及其方法
CN110852342A (zh) 一种路网数据的获取方法、装置、设备及计算机存储介质
CN109801220B (zh) 一种在线求解车载视频拼接中映射参数方法
CN111815741B (zh) 一种基于影像纹理识别的道路绘制方法及其系统
CN112193239B (zh) 自动泊车控制系统中的轨迹计算方法、设备及存储设备
CN114821530B (zh) 基于深度学习的车道线检测方法及系统
CN111141296B (zh) 车道线众包数据的多道路片段数据的预处理方法及系统
JP6586146B2 (ja) 地図情報処理装置、地図情報処理方法および地図情報処理プログラム
CN114279434B (zh) 一种建图方法、装置、电子设备和存储介质
CN114090594A (zh) 地图融合方法、装置、电子设备和存储介质
CN115546313A (zh) 车载相机自校准方法、装置、电子设备及存储介质
CN110109165B (zh) 行驶轨迹中异常点的检测方法及装置
CN110717141A (zh) 一种车道线优化方法、装置及存储介质
CN113050660B (zh) 误差补偿方法、装置、计算机设备及存储介质
CN114119749A (zh) 一种基于密集关联的单目3d车辆检测方法
CN114089370A (zh) 一种雷达回波视频数据矢量化的处理方法、系统及设备
CN107085208B (zh) 基于分段曲面拟合的干涉合成孔径声纳复图像配准方法
CN115995074A (zh) 一种基于改进半全局立体匹配算法的无人车测距方法
CN115388878A (zh) 一种地图构建方法、装置及终端设备
CN114782588A (zh) 一种数字孪生城市中道路名称实时绘制方法及系统
CN111462195A (zh) 基于主线约束的非规则角度方向代价聚合路径确定方法
CN109919998B (zh) 卫星姿态确定方法、装置和终端设备
CN114413852B (zh) 一种无人机辅助测绘方法及系统
JP2019211793A (ja) 地図情報処理装置、地図情報処理方法および地図情報処理プログラム

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Road Drawing Method and System Based on Image Texture Recognition

Granted publication date: 20210105

Pledgee: Zhejiang Hangzhou Yuhang Rural Commercial Bank Co.,Ltd. Science and Technology City Branch

Pledgor: Hangzhou Jinao Information Technology Co.,Ltd.

Registration number: Y2024980017583