CN115841558B - 城市道路建模的方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请提供了一种城市道路建模的方法、装置、电子设备和存储介质，涉及建模技术领域，该方法包括：获取待处理遥感影像；基于预先构建的图推理网络对待处理遥感影像进行道路语义分割，得到道路掩膜图像；基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线；根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，道路参数用于表征道路中所包含的特征信息。本申请解决了目前道路矢量数据更新速度慢，无法快速更新道路三维模型的问题，为城市级道路的三维建模节省大量时间和人工成本。

Description

城市道路建模的方法、装置、电子设备和存储介质

技术领域

本申请涉及建模技术领域，尤其是涉及一种城市道路建模的方法、装置、电子设备和存储介质。

背景技术

随着数字孪生技术的发展，人们对城市道路的自动三维建模质量要求越来越高。现有的基于参数化生成城市三维道路模型的方法，主要使用人工测绘得到的道路矢量数据。然而人工测绘得到的道路矢量数据往往更新速度慢、工作量大、无法满足城市快速发展的需要。此外，现有的公开人工道路矢量数据，往往无法找到匹配的遥感影像数据或者航拍影像数据，导致矢量数据与现有底图数据无法对齐，或者与建筑等城市矢量数据无法对齐，影响城市级的快速建模质量。

发明内容

本申请的目的在于提供一种城市道路建模的方法、装置、电子设备和存储介质，以解决了目前道路矢量数据更新速度慢，无法快速更新道路三维模型的问题，为城市级道路的三维建模节省大量时间和人工成本。

第一方面，本发明提供一种城市道路建模的方法，方法包括：获取待处理遥感影像；基于预先构建的图推理网络对待处理遥感影像进行道路语义分割，得到道路掩膜图像；基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线；根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，道路参数用于表征道路中所包含的特征信息。

在可选的实施方式中，预先构建的图推理网络包括SPIN Road Mapper网络，SPINRoad Mapper网络在配置卷积神经网络后，对待处理遥感影像中的道路进行分割，得到道路掩膜图像，以对待处理遥感影像的特征图投影的空间和交互空间上构建的图提取空间依赖关系。

在可选的实施方式中，道路掩膜图像为二值图像，通过第一像素值标记道路，通过第二像素值标记非道路；基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线，包括：对道路掩膜图像进行质量矫正处理，得到道路骨骼图像；其中，质量矫正处理至少包括图像腐蚀膨胀处理、噪声去除处理和图像细化处理；对道路骨骼图像中的连续像素点进行合并处理，得到目标道路矢量线。

在可选的实施方式中，对道路骨骼图像中的连续像素点进行合并处理，得到目标道路矢量线，包括：基于道路骨骼图像中的连续像素点将相邻骨骼线段的夹角进行合并处理，得到初始道路矢量线；对目标道路交点位置中存在的交点错位信息进行路线合并，得到目标道路矢量线。

在可选的实施方式中，根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型，包括：将目标道路矢量线投影到大地坐标系，确定与目标道路矢量线对应的高程信息；基于目标道路矢量线、高程信息和道路参数，确定道路网格顶点的顶点坐标信息；道路参数包括以下参数的至少之一：预设车道宽度、预设车道数、预设人行道宽度；基于顶点坐标信息确定三角面的拓扑关系，并进行纹理映射处理，生成城市道路模型。

在可选的实施方式中，方法还包括：基于目标道路矢量线、高程信息和道路参数，确定目标道路宽度；基于目标道路矢量线、目标道路宽度和路侧模型间距确定目标路侧模型的位置信息；对目标路侧模型进行模型三维转换，并基于位置信息将三维的目标路侧模型放置于城市道路模型的对应位置。

在可选的实施方式中，获取遥感影像数据，包括：获取遥感影像数据；将遥感影像数据进行小图切分处理，得到多个待处理遥感影像。

第二方面，本发明提供一种城市道路建模的装置，装置包括：获取模块，用于获取待处理遥感影像；语义分割模块，用于基于预先构建的图推理网络对待处理遥感影像进行道路语义分割，得到道路掩膜图像；道路矢量线确定模块，用于基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线；建模模块，用于根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，道路参数用于表征道路中所包含的特征信息。

第三方面，本发明提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现前述实施方式任一项的城市道路建模的方法。

第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现前述实施方式任一项的城市道路建模的方法。

本申请提供的城市道路建模的方法、装置、电子设备和存储介质，首先获取待处理遥感影像，然后基于预先构建的图推理网络对待处理遥感影像进行道路语义分割，得到道路掩膜图像，进而基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线，最后根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，道路参数用于表征道路中所包含的特征信息。该方式通过预先构建的图推理网络提取了待处理遥感影像中路段之间的长期依赖关系，并有效地描述了其他语义中的道路，可以使用较低成本的标注数据训练，获取准确的道路语义；通过生成道路掩膜图像（二值图），可以无需标注数据，实现了道路矢量数据的快速提取，进而实现了城市级道路的三维自动建模和快速更新，解决了目前道路矢量数据更新速度慢，无法快速更新道路三维模型的问题，为城市级道路的三维建模节省大量时间和人工成本。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种城市道路建模的方法的流程图；

图2为本申请实施例提供的一种SPIN Road Mapper网络的结构图；

图3为本申请实施例提供的一种城市道路建模的方法的整体流程示意图；

图4为本申请实施例提供的一种切分后的遥感影像数据示意图；

图5为本申请实施例提供的一种道路语义分割的道路mask图；

图6为本申请实施例提供的一种道路骨骼图像中的道路骨骼线的示意图；

图7为本申请实施例提供的一种目标道路矢量线的示意图；

图8为本申请实施例提供的一种包含路灯的城市道路模型；

图9为本申请实施例提供的一种与图4所示的遥感影像对应的城市道路模型；

图10为本申请实施例提供的一种城市道路建模的装置的结构图；

图11为本申请实施例提供的一种电子设备的结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

参见图1所示，本申请实施例提供了一种城市道路建模的方法，该方法主要包括以下步骤：

步骤S102，获取待处理遥感影像。

在一种实施方式中，该待处理遥感影像为对初始获取的遥感影像进行预处理之后的数据，该预处理可以包括图像的质量矫正处理，从而可以保证后续的数据精度，减低数据处理难度。

在一优选的实施方式中，上述预处理可以包括图像的小图切分处理，在实施是，可以首先获取遥感影像数据，然后将遥感影像数据进行小图切分处理，得到多个待处理遥感影像。由于获取的遥感影像数据为数据量较大的图像，因此通过将遥感影像数据进行小图切分处理后，可以得到多个遥感小图，也即待处理遥感影像。

步骤S104，基于预先构建的图推理网络对待处理遥感影像进行道路语义分割，得到道路掩膜图像。

在一种实施方式中，上述预先构建的图推理网络包括SPIN Road Mapper网络，该SPIN Road Mapper网络的结构图参见图2所示，SPIN Road Mapper网络在配置卷积神经网络后，对待处理遥感影像中的道路进行分割，得到道路掩膜图像，通过对从特征图投影的空间和交互空间上构建的图执行推理，对空间的推理提取了不同空间区域和其他上下文信息之间的依赖关系。

SPIN Road Mapper网络基于堆叠沙漏模块和SPIN金字塔的网络进行道路语义分割，相对于现有的语义分割网络，更适用于大尺度高分辨率航空图像。并且该网络计算效率高，训练时收敛速度显著提高，且网络分割精度可以达到85%以上。

上述道路掩膜图像也可以称之为道路mask图像，该图像为二值图像，通过第一像素值标记道路，通过第二像素值标记非道路。在一种实施方式中，诸如，当第一像素值为255时为道路，第二像素值为0时为非道路；也可以当第一像素值为0时为道路，第二像素值为255时为非道路；还可以采用其他的第一像素值和第二像素值对道路和非道路区域进行区分，此处仅作示例，不作具体限定。

步骤S106，基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线。

当确定道路掩膜图像后，用于标记道路的像素部分可能会存在有宽有细、线条错位等情况的发生，因此，在一种实施方式中，可以根据道路掩膜图像确定道路骨骼图像，来确定道路的整体框架，进而通过道路骨骼图中的像素信息进一步进行处理，以得到标记的目标道路矢量线。

上述道路骨骼图像中包括道路骨骼线，该道路骨骼线也即道路Mask图中表示道路区域的中心线。目标道路矢量线为提取得到的用于标记道路的具有方向的道路线。

步骤S108，根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型。

上述道路参数用于表征道路中所包含的特征信息，在一种实施方式中，该道路参数诸如可以包括预设的车道数、车道宽度等道路参数。生成的城市道路模型的三维模型。在进行道路建模处理时，可以在得到目标道路矢量线和道路参数后，首先生成三维道路模型，然后通过预设的纹理库中包含的纹理信息对三维带路模型进行贴图处理，并结合路侧模型生成城市道路模型。在一种实施方式中，上述纹理信息至少包括以下信息中的一种或多种：路面纹理、车道线纹理、路牙纹理、人行道纹理、斑马线纹理、道路纹理。

本申请实施例提供的城市道路建模的方法，通过预先构建的图推理网络提取了待处理遥感影像中路段之间的长期依赖关系，并有效地描述了其他语义中的道路，可以使用较低成本的标注数据训练，获取准确的道路语义；通过生成道路掩膜图像（二值图），可以无需标注数据，实现了道路矢量数据的快速提取，进而实现了城市级道路的三维自动建模和快速更新，解决了目前道路矢量数据更新速度慢，无法快速更新道路三维模型的问题，为城市级道路的三维建模节省大量时间和人工成本。

为便于理解，以下对本申请实施例提供的城市道路建模的方法进行详细说明。

图3示出了一种城市道路建模的方法的整体流程示意图，在输入初始的遥感影像和数字正射影像图（DOM，Digital Orthophoto Map）后，首先对遥感影像进行切分，主要用于遥感影像切分为小图，为后续图像语义分割做准备。图4示出了一种切分后的遥感影像数据示意图。

在进行道路语义分割时，可以使用SPIN Road Mapper网络执行，该网络是一种基于堆叠沙漏模块和SPIN金字塔的网络，与现有的方法相比，取得了更好的性能。此外，该方法计算效率高，训练时收敛速度显著提高，适用于大尺度高分辨率航空图像。该网络分割精度为84.9。这一步主要是对切好的小图进行道路语义分割，输出道路Mask图。图5示出了一种道路语义分割的道路mask图（二值图）。

进一步，在进行中心线提取时，也即上述基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线，可以包括以下步骤1和步骤2：

步骤1，对道路掩膜图像进行质量矫正处理，得到道路骨骼图像；其中，质量矫正处理至少包括图像腐蚀膨胀处理、噪声去除处理和图像细化处理；

步骤2，对道路骨骼图像中的连续像素点进行合并处理，得到目标道路矢量线。

针对步骤1，对道路Mask图进行质量矫正处理可以包括腐蚀膨胀、去除噪声和图像细化，得到道路Mask图的骨骼图。

针对步骤2，在具体实施时，可以进一步包括以下步骤2.1和步骤2.2：

步骤2.1，基于道路骨骼图像中的连续像素点将相邻骨骼线段的夹角进行合并处理，得到初始道路矢量线；

步骤2.2，对目标道路交点位置中存在的交点错位信息进行路线合并，得到目标道路矢量线。

在一种示例中，上述步骤2.1和步骤2.2可以为将骨骼图中的连续像素点，基于相邻线段夹角做合并，初步得到矢量线段；对道路十字路可能存在错位的交点，根据距离做合并，输出道路矢量线段。图6示出了一种道路骨骼线，图7中虚线标记的线条为自动提取的目标道路矢量线。

进一步，在生成目标道路矢量线后，可以根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型，在具体实施时，可以包括以下步骤A至步骤C：

步骤A，将目标道路矢量线投影到大地坐标系，确定与目标道路矢量线对应的高程信息。大地坐标系也即国家大地坐标系CGCS2000坐标系，目标道路矢量线可以通过列表进行表示，相应的，确定的高程信息也可以通过列表表示，且高程信息的列表与目标道路矢量线的列表相对应。

步骤B，基于目标道路矢量线、高程信息和道路参数，确定道路网格顶点的顶点坐标信息；道路参数包括以下参数的至少之一：预设车道宽度、预设车道数、预设人行道宽度；

步骤C，基于顶点坐标信息确定三角面的拓扑关系，并进行纹理映射处理，生成城市道路模型。在进行纹理映射时，可以纹理贴图的方式进行纹理映射，该纹理映射处理时，所采用的纹理信息至少包括以下信息中的一种或多种：路面纹理、车道线纹理、路牙纹理、人行道纹理、斑马线纹理、道路纹理。

进一步，为了保证生成的城市道路模型更加真实，可以进一步在道路两侧设置路侧模型。在具体实施时，可以进一步包括以下步骤x至步骤z：

步骤x，基于目标道路矢量线、高程信息和道路参数，确定目标道路宽度。该目标道路矢量线用于标记道路的位置和走向，目标道路宽度为生成的模型中对应高程下的道路总宽度，也即不同的高程下对应的道路宽度可能不同。

步骤y，基于目标道路矢量线、目标道路宽度和路侧模型间距确定目标路侧模型的位置信息。该路侧模型诸如可以包括路灯、道路指示牌、路边广告牌、公交站等等对应的模型，为使得生成的城市道路模型真实性更强，路侧模型间距可以针对模型的类型设置等间距或非等间距的数值，例如，对于路灯模型，可以设置等间距的数值，对于广告牌、道路指示牌等，可以设置非等间距的数值。此外，还可以根据遥感影像数据获取路侧模型的位置，进行相应的位置匹配，此处不作过多说明。

步骤z，对目标路侧模型进行模型三维转换，并基于位置信息将三维的目标路侧模型。通过将三维的目标路侧模型放置于城市道路模型的对应位置，可以使得最终生成的城市道路模型更加真实，提升了用户观感和沉浸式体验。图8示出了一种包含路灯的城市道路模型，图9示出了一种与图4所示的遥感影像对应的城市道路模型。

进一步，本申请提供了一种在城市道路建模中，具体的计算方式，宝库以下步骤a至步骤i：

步骤a），输入精度为0.5米/像素的遥感影像，切分为n张尺寸为1024*1024的图像Pi，且相邻图像之间的重叠宽度为20个像素。

步骤b），将n张图像Pi分别输入SPIN Road Mapper网络分割道路，输出道路二值图Mi，图中值为255的像素点为道路，值为0的像素点为非道路。

步骤c），将Mi合并为一张大图,得到图像M。

步骤d），使用(5*5)的卷积核对图像M做腐蚀操作，迭代3次。然后做膨胀操作，迭代2次。最后，再对图像做细化操作，得到骨骼线列表S。

步骤e），新建列表S’，遍历列表S中的线段像素点pi，计算同一线段中相邻点组成的线段夹角a。若a小于阈值t,则丢弃pi；若a大于或等于阈值t，则将pi存到新的列表S’中。

步骤f），新建列表R，遍历列表S’中的线段lj，根据lj的端点，查找S’中的临近线段。计算临近线段端点的中心点，将中线点坐标替换为原有端点坐标，生成新的线段列表，加入R中。

步骤g），将道路矢量线段列表R中的点，投影到CGCS2000坐标系，从输入的DOM中读取高程数据，构建与列表R对应的高程列表E。

步骤h），基于列表R、E、预设的车道宽度、车道数及人行道宽度，可计算道路总宽度W，及道路网格模型的关键顶点坐标，并建立三角面的拓扑关系，然后根据关键点所在区域，映射纹理。

步骤i），基于道路矢量线段列表R、W及路灯间距，可计算出道路两边的路灯位置，及路灯的方向，然后对组件模型库的路灯模型做三维变换，摆到相应位置。

本申请实施例通过结合卷积神经网络的SPIN Road Mapper，分割遥感影像中的道路，获得了与遥感影像完全匹配的道路语义的优点，为后续的城市快速建模，提供准确的道路语义支持；通过道路语义二值图的形态学处理，获得了道路矢量数据的快速提取的优点，为下一步的道路自动建模提供关键数据；通过使用从遥感影像中提取的道路矢量数据、道路参数化建模规则以及道路纹理与道路组件模型库，获得了城市级道路的三维自动建模和快速更新的优点。

综上，本申请实施例通过对遥感影像数据提取道路中心线，可以更适应于大规模城市场景中的道路矢量线提取；采用SPIN Road Mapper网络，在插入ConvNet时，可以从特征图投影的空间和交互空间上构建的图执行推理，对空间的推理提取了不同空间区域和其他上下文信息之间的依赖关系，从而可以针对遥感影像道路语义分割更加高效且准确；通过图像掩膜图像进行二值图的形态学处理获取道路中心矢量线，可以无需标注大量特定道路数据集，即可进行道路中心矢量线的提取，从而便于提升道路矢量数据的更新速度，及道路三维模型的更新速度，为城市级道路的三维建模节省大量时间和人工成本。

基于上述方法实施例，本申请实施例还提供一种城市道路建模的装置，参见图10所示，该装置主要包括以下部分：

获取模块1002，用于获取待处理遥感影像；

语义分割模块1004，用于基于预先构建的图推理网络对待处理遥感影像进行道路语义分割，得到道路掩膜图像；

道路矢量线确定模块1006，用于基于道路掩膜图像确定道路骨骼图像，并基于道路骨骼图像中像素信息确定目标道路矢量线；

建模模块1008，用于根据目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，道路参数用于表征道路中所包含的特征信息。

本申请实施例提供的城市道路建模的装置，通过预先构建的图推理网络提取了待处理遥感影像中路段之间的长期依赖关系，并有效地描述了其他语义中的道路，可以使用较低成本的标注数据训练，获取准确的道路语义；通过生成道路掩膜图像（二值图），可以无需标注数据，实现了道路矢量数据的快速提取，进而实现了城市级道路的三维自动建模和快速更新，解决了目前道路矢量数据更新速度慢，无法快速更新道路三维模型的问题，为城市级道路的三维建模节省大量时间和人工成本。

在一些实施方式中，预先构建的图推理网络包括SPIN Road Mapper网络，SPINRoad Mapper网络在配置卷积神经网络后，对待处理遥感影像中的道路进行分割，得到道路掩膜图像，对待处理遥感影像的特征图投影的空间和交互空间上构建的图提取空间依赖关系。

在一些实施方式中，道路掩膜图像为二值图像，通过第一像素值标记道路，通过第二像素值标记非道路；

上述道路矢量线确定模块1006，还用于：

对道路掩膜图像进行质量矫正处理，得到道路骨骼图像；其中，质量矫正处理至少包括图像腐蚀膨胀处理、噪声去除处理和图像细化处理；

对道路骨骼图像中的连续像素点进行合并处理，得到目标道路矢量线。

在一些实施方式中，上述道路矢量线确定模块1006，还用于：

基于道路骨骼图像中的连续像素点将相邻骨骼线段的夹角进行合并处理，得到初始道路矢量线；

对目标道路交点位置中存在的交点错位信息进行路线合并，得到目标道路矢量线。

在一些实施方式中，建模模块1008，还用于：

将目标道路矢量线投影到大地坐标系，确定与目标道路矢量线对应的高程信息；

基于目标道路矢量线、高程信息和道路参数，确定道路网格顶点的顶点坐标信息；道路参数包括以下参数的至少之一：预设车道宽度、预设车道数、预设人行道宽度；

基于顶点坐标信息确定三角面的拓扑关系，并进行纹理映射处理，生成城市道路模型。

在一些实施方式中，上述装置还包括：路侧模型确定模块，用于：

基于目标道路矢量线、高程信息和道路参数，确定目标道路宽度；

基于目标道路矢量线、目标道路宽度和路侧模型间距确定目标路侧模型的位置信息；

对目标路侧模型进行模型三维转换，并基于位置信息将三维的目标路侧模型放置于城市道路模型的对应位置。

在一些实施方式中，上述获取模块1002，还用于：

获取遥感影像数据；

将遥感影像数据进行小图切分处理，得到多个待处理遥感影像。

本申请实施例提供的城市道路建模的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，城市道路建模的装置的实施例部分未提及之处，可参考前述城市道路建模的方法实施例中相应内容。

本申请实施例还提供了一种电子设备，如图11所示，为该电子设备的结构示意图，其中，该电子设备100包括处理器111和存储器110，该存储器110存储有能够被该处理器111执行的计算机可执行指令，该处理器111执行该计算机可执行指令以实现上述任一项城市道路建模的方法。

在图11示出的实施方式中，该电子设备还包括总线112和通信接口113，其中，处理器111、通信接口113和存储器110通过总线112连接。

其中，存储器110可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口113（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线112可以是ISA（IndustryStandard Architecture，工业标准体系结构）总线、PCI（Peripheral ComponentInterconnect，外设部件互连标准）总线或EISA（Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线112可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器111可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器111中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器111可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器111读取存储器中的信息，结合其硬件完成前述实施例的城市道路建模的方法的步骤。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述城市道路建模的方法，具体实现可参见前述方法实施例，在此不再赘述。

本申请实施例所提供的城市道路建模的方法、装置、电子设备和存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。

所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。

在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (9)

1.一种城市道路建模的方法，其特征在于，所述方法包括：

获取待处理遥感影像，对所述待处理遥感影像进行切分，切分后得到的n张图像中相邻图像之间具有重叠宽度；

基于预先构建的图推理网络对n张图像进行道路语义分割，得到n张道路掩膜图像；

将n张道路掩膜图像进行合并，得到一张道路骨骼图像，对道路骨骼图像进行腐蚀操作，迭代3次，然后进行膨胀操作，迭代2次，最后再对图像做细化操作，得到骨骼线列表，遍历骨骼线列表中的线段像素点，计算同一线段中相邻线段像素点组成的线段夹角；若线段夹角小于阈值，则丢弃线段像素点；若线段夹角大于或等于阈值，则将线段像素点存到新的骨骼线列表中；遍历新的骨骼线列表中的线段l_j，根据l_j的端点，查找新的骨骼线列表中的临近线段；计算临近线段端点的中心点，将中线点坐标替换为原有端点坐标，得到目标道路矢量线；

根据所述目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，所述道路参数用于表征道路中所包含的特征信息。

2.根据权利要求1所述的城市道路建模的方法，其特征在于，所述预先构建的图推理网络包括SPIN Road Mapper网络，所述SPIN Road Mapper网络在配置卷积神经网络后，对待处理遥感影像中的道路进行分割，得到道路掩膜图像，以对待处理遥感影像的特征图投影的空间和交互空间上构建的图提取空间依赖关系。

3.根据权利要求1所述的城市道路建模的方法，其特征在于，所述道路掩膜图像为二值图像，通过第一像素值标记道路，通过第二像素值标记非道路。

4.根据权利要求3所述的城市道路建模的方法，其特征在于，根据所述目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型，包括：

将所述目标道路矢量线投影到大地坐标系，确定与目标道路矢量线对应的高程信息；

基于所述目标道路矢量线、所述高程信息和所述道路参数，确定道路网格顶点的顶点坐标信息；所述道路参数包括以下参数的至少之一：预设车道宽度、预设车道数、预设人行道宽度；

基于所述顶点坐标信息确定三角面的拓扑关系，并进行纹理映射处理，生成城市道路模型。

5.根据权利要求4所述的城市道路建模的方法，其特征在于，所述方法还包括：

基于所述目标道路矢量线、所述高程信息和所述道路参数，确定目标道路宽度；

基于所述目标道路矢量线、所述目标道路宽度和路侧模型间距确定目标路侧模型的位置信息；

对所述目标路侧模型进行模型三维转换，并基于所述位置信息将三维的所述目标路侧模型放置于所述城市道路模型的对应位置。

6.根据权利要求1所述的城市道路建模的方法，其特征在于，获取遥感影像数据，包括：

获取遥感影像数据；

将所述遥感影像数据进行小图切分处理，得到多个待处理遥感影像。

7.一种城市道路建模的装置，其特征在于，所述装置包括：

获取模块，用于获取待处理遥感影像，对所述待处理遥感影像进行切分，切分后得到的n张图像中相邻图像之间具有重叠宽度；

语义分割模块，用于基于预先构建的图推理网络对n张图像进行道路语义分割，得到n张道路掩膜图像；

道路矢量线确定模块，用于将n张道路掩膜图像进行合并，得到一张道路骨骼图像，对道路骨骼图像进行腐蚀操作，迭代3次，然后进行膨胀操作，迭代2次，最后再对图像做细化操作，得到骨骼线列表，遍历骨骼线列表中的线段像素点，计算同一线段中相邻线段像素点组成的线段夹角；若线段夹角小于阈值，则丢弃线段像素点；若线段夹角大于或等于阈值，则将线段像素点存到新的骨骼线列表中；遍历新的骨骼线列表中的线段l_j，根据l_j的端点，查找新的骨骼线列表中的临近线段；计算临近线段端点的中心点，将中线点坐标替换为原有端点坐标，得到目标道路矢量线；

建模模块，用于根据所述目标道路矢量线和道路参数进行道路建模处理，生成城市道路模型；其中，所述道路参数用于表征道路中所包含的特征信息。

8.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的城市道路建模的方法。

9.一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存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至6任一项所述的城市道路建模的方法。

Images