CN113112488B - 一种道路中心线提取方法、装置、存储介质及终端设备 - Google Patents
一种道路中心线提取方法、装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN113112488B CN113112488B CN202110435089.4A CN202110435089A CN113112488B CN 113112488 B CN113112488 B CN 113112488B CN 202110435089 A CN202110435089 A CN 202110435089A CN 113112488 B CN113112488 B CN 113112488B
- Authority
- CN
- China
- Prior art keywords
- road
- line
- center line
- point
- information
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 22
- 238000009499 grossing Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种道路中心线提取方法、装置、存储介质及终端设备，通过获取道路遥感图像，设置文件参数得到道路的面掩膜文件，设置特征提取规则提取所述面掩膜文件的道路边界信息，生成道路矢量面，将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。通过提前对遥感图像中道路信息的属性设置，滤除其他干扰信息，减少算法难度，提高精确度；通过不同方向的格网图层对道路中心点信息提取，提取模型简单，并且能够通过提高格网图层数量和平行线段数量，来提高道路中心线提取精度，减少误差。
Description
技术领域
本发明涉及遥感影像信息自动提取技术领域，尤其涉及一种道路中心线提取方法、装置、存储介质及终端设备。
背景技术
经济建设和社会发展的步伐不断加快使我国城市空间快速扩张，对城市道路的规划要求越来越多，路径规划和导航通常都是以道路中心线为基础，因此道路中心线提取技术的研究也被愈加重视。获取道路设计文件较为困难，若手动描绘则要花费大量时间成本且会产生一些不容易被察觉的错误。
近年来有许多道路提取中心线方法提出：基于遥感影像的道路提取技术大多建立复杂算法后编程实现；利用ArcScan通过栅格矢量化得到中心线的技术需要多次反复调整分辨率才能达到清晰的图像，得到的道路中心线缺少可用信息，提取精度不高。
现有技术难以通过便捷的自动化模型获取道路中心线沿点的信息，提取精度不高。
发明内容
本发明实施例提供一种道路中心线提取方法、装置、存储介质及终端设备，通过便捷的自动化模型获取道路中心线沿点的信息，效率更高，提取误差小。
与现有技术相比，本发明实施例公开的道路中心线提取方法，包括：
获取道路遥感图像，设置文件参数得到道路的面掩膜文件；
设置特征提取规则提取所述面掩膜文件的道路边界信息，根据所述道路边界信息生成道路矢量面；
将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息；
根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。
优选地，所述文件参数具体包括自定义波段和分割阈值参数。
优选地，所述特征提取规则包括：植被区域滤除规则、房屋区域滤除规则和高反射区域滤除规则；其中，所述植被区域滤除规则通过设置光谱归一化差异范围、归类算法和匹配程度阈值，滤除植被区域；
所述房屋区域滤除规则通过设置第二条属性设置和矩形拟合最大值，滤除房屋区域；
所述高反射区域滤除规则通过设置绿波像元值范围，滤除高反射率区域。
优选地，所述将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，具体包括：
将所述道路矢量面进行平滑处理，得到平滑矢量面；
获取若干个方向不同的格网图层，将若干个方向不同的格网图层分别与所述平滑矢量面相交，并将所有格网图层与所述道路矢量面相交的线段记为第一线要素；
将所述第一线要素与所述平滑矢量面的轮廓线相交，将所有所述第一线要素与所述轮廓线相交的点记为点要素；
通过所述点要素与所述第一线要素相交，将所述点要素分割后的所述第一线要素记为第二线要素；
将所述第二线要素与所述轮廓线相交，第二线要素中每条线段与所述轮廓线的交点为一个点对，得到道路中心线的点对信息。
优选地，所述若干个方向不同的格网图层包括：南北方向格网图层、东西方向格网图层、45°东南方向格网图层、45°西北方向格网图层、67.5°东南方向格网图层、112.5°西北方向格网图层、157.5°西北方向格网图层、202°西南方向格网图层。
优选地，所述根据所述点对信息，提取道路中点，并将所述道路中点连接成线，得到道路中心线，具体包括：
根据所述点对信息获取所有道路中点位置信息，并生成道路中心线的沿点坐标信息表；
根据所述沿点坐标信息表生成道路中心线沿点；
根据道路形态规则，将所述平滑矢量面分割为若干个单独图层；
将每个单独图层的道路中心线沿点连接成道路中心线，合并所有单独图层的道路中心线；
采用指数核的多项式近似平滑算法对合并的道路中心线进行平滑处理，得到道路中心线。
优选地，所述将每个单独图层的道路中心线沿点连接成道路中心线，具体包括：
将每个单独图层与道路中心线沿点相交，获取每个单独图层的道路中心线沿点；
计算每个单独图层的道路中心线沿点的坐标极差的大小，判断每个单独图层的中心线走向；
根据所述中心线走向自动连接每个单独图层的道路中心线沿点。
本发明提供的一种道路中心线提取方法，通过获取道路遥感图像，设置文件参数得到道路的面掩膜文件，设置特征提取规则提取所述面掩膜文件的道路边界信息，生成道路矢量面，将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。通过提前对遥感图像中道路信息的属性设置，滤除其他干扰信息，减少算法难度，提高精确度；通过不同方向的格网图层对道路中心点信息提取，提取模型简单，并且能够通过提高格网图层数量和平行线段数量，来提高道路中心线提取精度，减少误差。
本发明另一实施例对应提供了一种道路中心线提取装置，包括：面掩膜文件获取模块、道路矢量面提取模块、点对获取模块和道路中心线生成模块；其中，
所述面掩膜文件获取模块用于获取道路遥感图像，设置文件参数得到道路的面掩膜文件；
所述道路矢量面提取模块用于设置特征提取规则提取所述面掩膜文件的道路边界信息，根据所述道路边界信息生成道路矢量面；
所述点对获取模块用于将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息；
所述中心线生成模块用于根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。
作为一种优选方式，所述文件参数具体包括自定义波段和分割阈值参数。
作为一种优选方式，所述特征提取规则包括：植被区域滤除规则、房屋区域滤除规则和高反射区域滤除规则；其中，所述植被区域滤除规则通过设置光谱归一化差异范围、归类算法和匹配程度阈值，滤除植被区域；
所述房屋区域滤除规则通过设置第二条属性设置和矩形拟合最大值，滤除房屋区域；
所述高反射区域滤除规则通过设置绿波像元值范围，滤除高反射率区域。
作为一种优选方式，所述点对获取模块，具体用于：
将所述道路矢量面进行平滑处理，得到平滑矢量面；
获取若干个方向不同的格网图层，将若干个方向不同的格网图层分别与所述平滑矢量面相交，并将所有格网图层与所述道路矢量面相交的线段记为第一线要素；
将所述第一线要素与所述平滑矢量面的轮廓线相交，将所有所述第一线要素与所述轮廓线相交的点记为点要素；
通过所述点要素与所述第一线要素相交，将所述点要素分割后的所述第一线要素记为第二线要素；
将所述第二线要素与所述轮廓线相交，第二线要素中每条线段与所述轮廓线的交点为一个点对，得到道路中心线的点对信息。
作为一种优选方式，所述若干个方向不同的格网图层包括：南北方向格网图层、东西方向格网图层、45°东南方向格网图层、45°西北方向格网图层、67.5°东南方向格网图层、112.5°西北方向格网图层、157.5°西北方向格网图层、202°西南方向格网图层。
作为一种优选方式，所述中心线生成模块具体用于：
根据所述点对信息获取所有道路中点位置信息，并生成道路中心线的沿点坐标信息表；
根据所述沿点坐标信息表生成道路中心线沿点；
根据道路形态规则，将所述平滑矢量面分割为若干个单独图层；
将每个单独图层的道路中心线沿点连接成道路中心线，合并所有单独图层的道路中心线；
采用指数核的多项式近似平滑算法对合并的道路中心线进行平滑处理，得到道路中心线。
作为一种优选方式，所述中心线生成模块还用于：
将每个单独图层与道路中心线沿点相交，获取每个单独图层的道路中心线沿点；
计算每个单独图层的道路中心线沿点的坐标极差的大小，判断每个单独图层的中心线走向；
根据所述中心线走向自动连接每个单独图层的道路中心线沿点。
本发明另一实施例提供了一种存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的道路中心线提取方法。
本发明另一实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述发明实施例所述的道路中心线方法。
本发明提供的一种道路中心线提取方法、装置、存储介质及终端设备，通过获取道路遥感图像，设置文件参数得到道路的面掩膜文件，设置特征提取规则提取所述面掩膜文件的道路边界信息，生成道路矢量面，将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。通过提前对遥感图像中道路信息的属性设置，滤除其他干扰信息，减少算法难度，提高精确度；通过不同方向的格网图层对道路中心点信息提取，提取模型简单，并且能够通过提高格网图层数量和平行线段数量，来提高道路中心线提取精度，减少误差。
附图说明
图1是本发明实施例提供的一种道路中心线提取方法的流程示意图；
图2是本发明实施例提供的道路中心线提取方法提取的道路边界信息图像；图a)是本发明提供的特征提取规则提取的道路边界信息的栅格图像；图b)是本发明提供的特征提取方法获取的道路矢量面图像；
图3是本发明实施例提供的道路中心线提取方法提取的第二线要素的图像；
图4是本发明实施例提供道路中心线提取方法提取的道路中心线沿点图像，图C)为道路中心线沿点整体图像，图d)为道路中心线沿点局部图像；
图5是本发明实施例提供的道路中心线提取方法提取的道路中心线；
图6是本发明实施例提供的一种终端设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1所示，是本发明提供的一种道路中心线提取方法的一个优选实施例的流程示意图，包括步骤S101～S104：
S101,获取道路遥感图像，设置文件参数得到道路的面掩膜文件；
S102,设置特征提取规则提取所述面掩膜文件的道路边界信息，根据所述道路边界信息生成道路矢量面；
S103,生成若干方向不同的格网图层，并将所述道路矢量面分别与不同的格网图层相交，得到道路中心线的点对信息；
S104,根据所述点对信息，提取道路中点，并将所述道路中点连接成线，得到道路中心线。
在本实施例具体实施时，通过获取道路的遥感图像，对遥感图像文件设置文件参数，得到道路的面掩膜文件，面掩膜文件包含道路信息的信息。
通过设置特征提取规则，能够滤除所述面掩膜文件中除去道路的边界信息以外的其他属性信息，生成包含道路便捷信息的道路矢量面。
生成若干方向不同的格网图层，方向不同的格网图层包含若干平行线段，每个格网图层上的平行线段可等间距分布，不同格网图层的格网图层可采取相同间距的平行线段，不同格网图层也可采取不同间距的平行线段；每个格网图层也可采用间距不等的平行线段。
并且格网图层数量越多，格网图层中平行线段的数量越多，道路中心线的提取就更加准确。
通过不同的格网图层与所述道路矢量面相交，能够得到所有格网图层与道路中心线的的点对信息，每个点对信息包含一个道路中点的位置信息；
最后通过所述点对信息，提取出道路中点的位置信息，并将道路中点连接成线，得到道路中心线。
本发明提供的一种道路中心线提取方法，通过获取道路遥感图像，设置文件参数得到道路的面掩膜文件，设置特征提取规则提取所述面掩膜文件的道路边界信息，生成道路矢量面，将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。通过提前对遥感图像中道路信息的属性设置，滤除其他干扰信息，减少算法难度，提高精确度；通过不同方向的格网图层对道路中心点信息提取，提取模型简单，并且能够通过提高格网图层数量和平行线段数量，来提高道路中心线提取精度，减少误差。
在本发明提供的另一实施例中，所述文件参数具体包括自定义波段和分割阈值参数；
在本实施例具体实施时，在导入获取的遥感图像时，选择自定义波段以提高图像分割的精度，后设置分割阈值参数，并查看参数设置效果，以确定合适的分割阈值参数。通过合适的参数阈值和遥感图像的自定义波段，提高生成的面掩膜文件的清晰度，减少噪声。
在本发明提供的又一种实施例中，所述特征提取规则包括：植被区域滤除规则、房屋区域滤除规则和高反射区域滤除规则；其中，所述植被区域滤除规则通过设置光谱归一化差异范围、归类算法和匹配程度阈值，滤除植被区域；
所述房屋区域滤除规则通过设置第二条属性设置和矩形拟合最大值，滤除房屋区域；
所述高反射区域滤除规则通过设置绿波像元值范围，滤除高反射率区域。
在本实施例具体实施时，特征提取规则需要经过多次调试，得到最佳的特征提取规则；
其中，植被区域滤除规则具体为：将光谱归一化差异范围设置为[0，0.3]，归类算法设置为线性类别归属算法，匹配程度阈值设置为默认值5。
房屋区域滤除规则具体为：将第二条属性设置为非房屋区，将矩形拟合的最大值设置为0.2485，以减少房屋等近似矩形的干扰区域排除。
高反射区域滤除规则通过将绿波的像元值范围设置为[0，550]，滤除高反射区域。
需要说明的是，在本实施例中，给出的参数范围是作为本发明的一种优选实施例，在其他实施例中，可采用其他参数的特征提取规则获取道路边界信息。
通过植被区域滤除规则、房屋区域滤除规则和高反射区域滤除规则来提取面掩膜文件中的道路边界信息，根据所述道路边界信息生成道路矢量面，参见图2所示，是本发明实施例提供的道路中心线提取方法提取的道路边界信息图像；图a)是本发明提供的特征提取规则提取的道路边界信息的栅格图像；图b)是本发明提供的特征提取方法获取的道路矢量面图像。
是本发明通过特征提取规则提取道路边界信息，滤除其他干扰区域，减少道路中心线提取模型处理的数据量，提高效率，减少误差。
在本发明提供的又一实施例中，步骤S103，具体包括：
将所述道路矢量面进行平滑处理，得到平滑矢量面；
获取若干个方向不同的格网图层，将若干个方向不同的格网图层分别与所述平滑矢量面相交，并将所有格网图层与所述道路矢量面相交的线段记为第一线要素；
将所述第一线要素与所述平滑矢量面的轮廓线相交，将所有所述第一线要素与所述轮廓线相交的点记为点要素；
通过所述点要素与所述第一线要素相交，将所述线要素分割后的所述第一线要素记为第二线要素；
将所述第二线要素与所述轮廓线相交，第二线要素中每条线段与所述轮廓线的交点为一个点对，得到道路中心线的所有点对信息。
在本实施例具体实施时，需要先对获取的道路矢量面进行平滑处理，在体征提取的时候，由于参数设置遥感图像的噪声，会使得道路矢量面具有很多毛刺，通过平滑处理，得到平滑矢量面，较少毛刺在后续的道路中点提取产生误差。
获取若干个不同方向的格网图层，每个图层中有互相平行的线段，线段的方向即为格网图层的方向；将方向不同的格网图层分别与平滑矢量面相交，每个格网图层的每条线段与平滑矢量面相交得到相交的线段，将所有格网图层与所述道路相交的线段记为第一线要素，此时第一线要素中，每个格网图层的每条线段与平滑矢量面相交，可能会得到多段线段，此时多段线段处于同一格网图层的平行线段上，不可区分；
将所述第一线要素与所述平滑矢量面的轮廓线相交，将所有所述第一线要素与所述轮廓线相交的点记为点要素；
通过所述点要素与所述第一线要素相交，将所述第一线要素中的处于同一格网图层的同一格网上的若干线段分割为以单一线段为单位的第二线要素，所述第二先要素为若干单独线段组成；
参见图3所示，图3是本发明实施例提供的道路中心线提取方法提取的第二线要素的图像，在本实施例中，为便于理解，只包含了一个方向的格网图层与平滑矢量面相交后的第二线要素，在其他实施例中，第二线要素为多个格网图层的与平滑矢量面相交的所有线段。
通过将获得的第二线要素与所述轮廓线相交，每条线段的与所述轮廓线的两个交点为一个点对，得到道路中心线的点对信息；第二线要素包含的多个格网图层的与平滑矢量面相交的所有线段与平滑矢量面的轮廓线相交，得到的结果为第二线要素的所有线段的两端点信息，将每个线段与轮廓线相交的两个端点记为一个点对，得到所有点对信息，得到道路矢量面的所有点对信息，每个点对信息包含一个道路中点信息，通过对点对信息进行处理，可以得到的道路中心线。
通过方向不同的格网图层和平滑矢量面相交，提高道路中心线提取的精准度，采用多次相交的过程，采用流程化模型，只需要采用迭代的方式完成数据迭代过程，减少手动调整，流程更加简便，采用的算法模型更加高效。
在本发明提供的又一实施例中，所述若干个方向不同的格网图层包括：南北方向格网图层、东西方向格网图层、45°东南方向格网图层、45°西北方向格网图层、67.5°东南方向格网图层、112.5°西北方向格网图层、157.5°西北方向格网图层、202°西南方向格网图层。
采用这八个方向的格网图层与平滑矢量面相交，更加符合现实道路中心线的走线，因城市道路布局复杂，宽窄不一，使用较少方向的格网图层会使得获得得中心线数量太少，并且离散，影响中心线的提取精度；采用太多的格网图层会产生大量得数据冗余，对提升精度减少误差贡献率小，效率不高。
在本发明提供的又一实施例中，步骤S104，具体包括：
根据所述点对信息获取所有道路中点位置信息，并生成道路中心线的沿点坐标信息表；
根据所述沿点坐标信息表生成道路中心线沿点；
根据道路形态规则，将所述平滑矢量面分割为若干个单独图层；
将每个单独图层的道路中心线沿点连接成道路中心线，合并所有单独图层的道路中心线；
采用指数核的多项式近似平滑算法对合并的道路中心线进行平滑处理，得到道路中心线。
在本实施例具体实施时，获取点对信息，其中点对信息包括点对的位置信息，每个点对的位置信息能够得到一个道路中点的位置信息，根据所有点对信息，获取所有中点的位置信息，具体可采用坐标形式，输出道路中心线的沿点坐标信息表，所述沿点坐标信息表按照中点坐标的区域和临近位置排列。
根据所述沿点坐标信息表生成道路中心线沿点图像，参见图4所示，是本发明实施例提供道路中心线提取方法提取的道路中心线沿点图像，图C)为道路中心线沿点整体图像，图d)为道路中心线沿点局部图像。
根据道路形态规则，具体按照不同区域和形态将将所述平滑矢量面分割为若干个单独图层；
将每个单独图层的道路中心线沿点连接成道路中心线，合并所有单独图层的道路中心线；
采用指数核的多项式近似平滑算法对合并的道路中心线进行平滑处理，使用参数化连续平均技术来计算平滑线，通过中心点的加权坐标平均值来计算当前点坐标，每个点的权重随着沿线至当前点的距离而减小，得到道路中心线。
参见图5所示，是本发明实施例提供的道路中心线提取方法提取的道路中心线。
获取道路中心线沿点，并按照区域对不同区域的中心线沿点连点成线，相近的点基本处于不同区域交界处，分开不同的区域，避免相近的中心线连点的错误，减少连线误差。
在本发明提供的另一实施例中，所述将每个单独图层的道路中心线沿点连接成道路中心线，具体包括：
将每个单独图层与道路中心线沿点相交，获取每个单独图层的道路中心线沿点；
计算每个单独图层的道路中心线沿点的坐标极差的大小，判断每个单独图层的中心线走向；
根据所述中心线走向自动连接每个单独图层的道路中心线沿点。
在具体实施时，将每个分割出的单独图层与道路中心线沿点相交，获取每个单独图层的道路中心沿点，将相交得到的道路中心线沿点的数据放入同一数据集中，每个单独图层的数据集包含部分道路中心沿点信息，所有单独图层的数据集包含的道路中心沿点信息构成整个道路中点信息。
通过过计算每一数据集上的所有道路中心线沿点的坐标极差大小，判断单独图层上道路中心线沿点的走向，包括南北走向、东西走向；
通过道路中心线沿点的走向自动连接每个单独图层的道路中心线沿点，构成各个单独图层的道路中心线。
根据不同区域分割的单独图层，判断不同单独图层上的道路中心线沿点走向，根据走向，来连接不同的单独图层上的道路中心线沿点，减少复杂路况下，道路中心线的连接的误差，通过获取道路中心线沿点后生成的道路中心线具有每一折线段的属性记录，并且有个沿线生成点的位置信息。
在本发明提供的又一实施例中，本发明的道路中心线的提取方法，可通过在ArcGISPro的ModelBuilder中建立工作流模型，利用ModelBuilder的高级技术可快速地完成提取道路中心工作流的建模以及数据集中多个要素的迭代处理，道路中心线的提取模型效率更高。
本发明提供的一种道路中心线提取方法，通过获取道路遥感图像，设置文件参数得到道路的面掩膜文件，设置特征提取规则提取所述面掩膜文件的道路边界信息，生成道路矢量面，将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。通过提前对遥感图像中道路信息的属性设置，滤除其他干扰信息，减少算法难度，提高精确度；通过不同方向的格网图层对道路中心点信息提取，提取模型简单，并且能够通过提高格网图层数量和平行线段数量，来提高道路中心线提取精度，减少误差；获取道路中心线沿点后生成的道路中心线，具有每一折线段的属性记录，并且有个沿线生成点的位置信息，为后续研究提供更多信息。
本发明另一实施例提出了一种道路中心线提取装置，包括：面掩膜文件获取模块、道路矢量面提取模块、点对获取模块和道路中心线生成模块；其中，
所述面掩膜文件获取模块用于获取道路遥感图像，设置文件参数得到道路的面掩膜文件；
所述道路矢量面提取模块用于设置特征提取规则提取所述面掩膜文件的道路边界信息，根据所述道路边界信息生成道路矢量面；
所述点对获取模块用于将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息；
所述中心线生成模块用于根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。
各个模块具体功能记载在上述实施例中，在本实施例中不作赘述。
参见图6，是本发明实施例提供的一种终端设备的示意图。该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如道路中心线提取程序。所述处理器执行所述计算机程序时实现上述各个道路中心线提取方法实施例中的步骤，例如图1所示的步骤S101～S104。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能.
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成面掩膜文件获取模块、道路矢量面提取模块、点对获取模块和道路中心线生成模块，具体功能不作赘述。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本发明提供的一种道路中心线提取方法、装置、存储介质及终端设备，通过获取道路遥感图像，设置文件参数得到道路的面掩膜文件，设置特征提取规则提取所述面掩膜文件的道路边界信息，生成道路矢量面，将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线。通过提前对遥感图像中道路信息的属性设置，滤除其他干扰信息，减少算法难度，提高精确度；通过不同方向的格网图层对道路中心点信息提取，提取模型简单，并且能够通过提高格网图层数量和平行线段数量，来提高道路中心线提取精度，减少误差；获取道路中心线沿点后生成的道路中心线，具有每一折线段的属性记录，并且有个沿线生成点的位置信息，为后续研究提供更多信息。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种道路中心线提取方法，其特征在于，包括：
获取道路遥感图像，设置文件参数得到道路的面掩膜文件；
设置特征提取规则提取所述面掩膜文件的道路边界信息，根据所述道路边界信息生成道路矢量面；
将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息；
根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线；
其中，所述将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息，具体包括：
将所述道路矢量面进行平滑处理，得到平滑矢量面；
获取若干个方向不同的格网图层，将若干个方向不同的格网图层分别与所述平滑矢量面相交，并将所有格网图层与所述道路矢量面相交的线段记为第一线要素；
将所述第一线要素与所述平滑矢量面的轮廓线相交，将所有所述第一线要素与所述轮廓线相交的点记为点要素；
通过所述点要素与所述第一线要素相交，将所述点要素分割后的所述第一线要素记为第二线要素；
将所述第二线要素与所述轮廓线相交，第二线要素中每条线段与所述轮廓线的交点为一个点对，得到道路中心线的点对信息。
2.如权利要求1所述的道路中心线提取方法，其特征在于，所述文件参数具体包括自定义波段和分割阈值参数。
3.如权利要求1所述的道路中心线提取方法，其特征在于，所述特征提取规则包括：植被区域滤除规则、房屋区域滤除规则和高反射区域滤除规则；其中，所述植被区域滤除规则通过设置光谱归一化差异范围、归类算法和匹配程度阈值，滤除植被区域；
所述房屋区域滤除规则通过设置第二条属性设置和矩形拟合最大值，滤除房屋区域；
所述高反射区域滤除规则通过设置绿波像元值范围，滤除高反射率区域。
4.如权利要求1所述的道路中心线提取方法，其特征在于，所述若干个方向不同的格网图层包括：南北方向格网图层、东西方向格网图层、45°东南方向格网图层、45°西北方向格网图层、67.5°东南方向格网图层、112.5°西北方向格网图层、157.5°西北方向格网图层、202°西南方向格网图层。
5.如权利要求1所述的道路中心线提取方法，其特征在于，所述根据所述点对信息，提取道路中点，并将所述道路中点连接成线，得到道路中心线，具体包括：
根据所述点对信息获取所有道路中点位置信息，并生成道路中心线的沿点坐标信息表；
根据所述沿点坐标信息表生成道路中心线沿点；
根据道路形态规则，将所述平滑矢量面分割为若干个单独图层；
将每个单独图层的道路中心线沿点连接成道路中心线，合并所有单独图层的道路中心线；
采用指数核的多项式近似平滑算法对合并的道路中心线进行平滑处理，得到道路中心线。
6.如权利要求5所述的道路中心线提取方法，其特征在于，所述将每个单独图层的道路中心线沿点连接成道路中心线，具体包括：
将每个单独图层与道路中心线沿点相交，获取每个单独图层的道路中心线沿点；
将相交得到的道路中心线沿点的数据放入同一数据集中，通过计算每一数据集上的所有道路中心线沿点的坐标极差大小，判断每个单独图层的中心线走向；
根据所述中心线走向自动连接每个单独图层的道路中心线沿点。
7.一种道路中心线提取装置，其特征在于，包括面掩膜文件获取模块、道路矢量面提取模块、点对获取模块和道路中心线生成模块；其中，
所述面掩膜文件获取模块用于获取道路遥感图像，设置文件参数得到道路的面掩膜文件；
所述道路矢量面提取模块用于设置特征提取规则提取所述面掩膜文件的道路边界信息，根据所述道路边界信息生成道路矢量面；
所述点对获取模块用于将所述道路矢量面分别与若干个方向不同的格网图层相交，得到道路中心线的点对信息；
所述中心线生成模块用于根据所述点对信息，提取道路中点的位置信息，并将所述道路中点连接成线，得到道路中心线；
其中，所述点对获取模块具体用于：将所述道路矢量面进行平滑处理，得到平滑矢量面；
获取若干个方向不同的格网图层，将若干个方向不同的格网图层分别与所述平滑矢量面相交，并将所有格网图层与所述道路矢量面相交的线段记为第一线要素；
将所述第一线要素与所述平滑矢量面的轮廓线相交，将所有所述第一线要素与所述轮廓线相交的点记为点要素；
通过所述点要素与所述第一线要素相交，将所述点要素分割后的所述第一线要素记为第二线要素；
将所述第二线要素与所述轮廓线相交，第二线要素中每条线段与所述轮廓线的交点为一个点对，得到道路中心线的点对信息。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的道路中心线提取方法。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的道路中心线提取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110435089.4A CN113112488B (zh) | 2021-04-22 | 2021-04-22 | 一种道路中心线提取方法、装置、存储介质及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110435089.4A CN113112488B (zh) | 2021-04-22 | 2021-04-22 | 一种道路中心线提取方法、装置、存储介质及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113112488A CN113112488A (zh) | 2021-07-13 |
| CN113112488B true CN113112488B (zh) | 2021-10-29 |
Family
ID=76719499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110435089.4A Active CN113112488B (zh) | 2021-04-22 | 2021-04-22 | 一种道路中心线提取方法、装置、存储介质及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113112488B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688198B (zh) * | 2021-08-27 | 2024-03-05 | 湖南省国土资源规划院 | 城区范围划定中线状地物截断处理方法、存储器及装置 |
| CN114494072A (zh) * | 2022-01-28 | 2022-05-13 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103258203A (zh) * | 2013-05-20 | 2013-08-21 | 武汉大学 | 遥感影像的道路中线自动提取方法 |
| CN104036295A (zh) * | 2014-06-18 | 2014-09-10 | 西安电子科技大学 | 多光谱遥感影像道路中心线自动检测方法 |
| CN106528740A (zh) * | 2016-11-04 | 2017-03-22 | 中科宇图科技股份有限公司 | 基于Delaunay三角网的道路中心线提取方法 |
| CN108830897A (zh) * | 2018-06-11 | 2018-11-16 | 东南大学 | 一种道路中心线提取方法 |
| CN109448046A (zh) * | 2018-10-15 | 2019-03-08 | 辽宁工程技术大学 | 一种基于多描述子的半自动道路中心线快速提取方法 |
| CN112581478A (zh) * | 2020-12-15 | 2021-03-30 | 上海电机学院 | 基于质心的道路中心线提取方法 |
| CN112598724A (zh) * | 2021-03-01 | 2021-04-02 | 武大吉奥信息技术有限公司 | 一种改进的基于tin的面状要素中心线提取方法 |
| CN112614206A (zh) * | 2020-12-14 | 2021-04-06 | 中国城市规划设计研究院 | 道路中心线提取方法和装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10089878B2 (en) * | 2015-10-09 | 2018-10-02 | MDR Manufacturing Corporation | Wrong way alert |
| CN108287845A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 一种道路信息自动提取方法和装置、及混合导航系统 |
| CN111062958B (zh) * | 2019-11-21 | 2023-04-07 | 滁州学院 | 一种城市道路要素提取方法 |
| CN111274968B (zh) * | 2020-01-20 | 2023-04-14 | 广州市城市规划自动化中心 | 面向对象的道路信息提取方法、装置及电子设备 |
| CN112561348A (zh) * | 2020-12-18 | 2021-03-26 | 广州市城市规划设计所 | 一种路网密度的估算方法、装置、设备及存储介质 |
-
2021
- 2021-04-22 CN CN202110435089.4A patent/CN113112488B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103258203A (zh) * | 2013-05-20 | 2013-08-21 | 武汉大学 | 遥感影像的道路中线自动提取方法 |
| CN104036295A (zh) * | 2014-06-18 | 2014-09-10 | 西安电子科技大学 | 多光谱遥感影像道路中心线自动检测方法 |
| CN106528740A (zh) * | 2016-11-04 | 2017-03-22 | 中科宇图科技股份有限公司 | 基于Delaunay三角网的道路中心线提取方法 |
| CN108830897A (zh) * | 2018-06-11 | 2018-11-16 | 东南大学 | 一种道路中心线提取方法 |
| CN109448046A (zh) * | 2018-10-15 | 2019-03-08 | 辽宁工程技术大学 | 一种基于多描述子的半自动道路中心线快速提取方法 |
| CN112614206A (zh) * | 2020-12-14 | 2021-04-06 | 中国城市规划设计研究院 | 道路中心线提取方法和装置 |
| CN112581478A (zh) * | 2020-12-15 | 2021-03-30 | 上海电机学院 | 基于质心的道路中心线提取方法 |
| CN112598724A (zh) * | 2021-03-01 | 2021-04-02 | 武大吉奥信息技术有限公司 | 一种改进的基于tin的面状要素中心线提取方法 |
Non-Patent Citations (3)
| Title |
|---|
| Road Centerlines Extraction from High Resolution Remote Sensing Image;Shikai Sun等;《IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium》;20191114;全文 * |
| 基于地面三维激光扫描技术的公路路线设计参数提取;王鑫森等;《科学技术与工程》;20130331;全文 * |
| 基于矢量路面提取道路中心线智能提取方法的实现;刘学民;《科技视界》;20200825;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113112488A (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113112488B (zh) | 一种道路中心线提取方法、装置、存储介质及终端设备 | |
| CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
| CN109241846B (zh) | 遥感影像的时空变化估测方法、装置与存储介质 | |
| CN112669463B (zh) | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 | |
| CN112233240B (zh) | 三维矢量地图的三维矢量数据切片方法、装置及电子设备 | |
| CN110232329B (zh) | 基于深度学习的点云分类方法、装置、存储介质及设备 | |
| CN112336342B (zh) | 手部关键点检测方法、装置及终端设备 | |
| CN106484692A (zh) | 一种三维模型检索方法 | |
| CN110503682B (zh) | 矩形控件识别方法、装置、终端及存储介质 | |
| CN115600307B (zh) | 一种从城市场景的Mesh模型中生成单体化建筑的方法 | |
| CN115641415B (zh) | 基于卫星影像生成三维场景的方法、装置、设备及介质 | |
| CN111508054B (zh) | 地形构建方法、装置及设备 | |
| CN111046735A (zh) | 一种车道线点云提取方法、电子设备及存储介质 | |
| CN113709006B (zh) | 一种流量确定方法、装置、存储介质及电子装置 | |
| CN112505652A (zh) | 目标检测方法、装置及存储介质 | |
| CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
| CN115512258A (zh) | 一种视频图像的脱敏方法、装置、终端设备和存储介质 | |
| CN113269280B (zh) | 文本检测方法、装置、电子设备及计算机可读存储介质 | |
| CN114255352A (zh) | 一种河道提取方法、装置及计算机可读存储介质 | |
| CN110766938B (zh) | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 | |
| CN111862343A (zh) | 一种三维重建方法、装置、设备及计算机可读存储介质 | |
| CN112132845A (zh) | 三维模型的单体化方法、装置、电子设备和可读介质 | |
| CN114170385B (zh) | 实时生成模型剖面带洞网格的方法、装置、介质和设备 | |
| CN112819741B (zh) | 一种图像融合方法、装置，电子设备及存储介质 | |
| CN113936103A (zh) | 激光点云图模型的构建方法及设备 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Lu Zaizhen Inventor after: Zhang Xiaoming Inventor after: Zhou Maosong Inventor after: Lv Lianen Inventor after: Lotus Park Inventor after: Shao Liming Inventor after: Sun Zebin Inventor after: Zeng Ying Inventor before: Lu Zaizhen Inventor before: Jiang Yixin Inventor before: Xu Aidong Inventor before: Zhang Xiaoming Inventor before: Zhou Maosong Inventor before: Lv Lianen Inventor before: Lotus Park Inventor before: Shao Liming Inventor before: Sun Zebin Inventor before: Zeng Ying Inventor before: Zhang Yunan |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |