CN115880445A - 路网自动构建方法、装置、电子设备和可读存储介质 - Google Patents
路网自动构建方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN115880445A CN115880445A CN202111159757.1A CN202111159757A CN115880445A CN 115880445 A CN115880445 A CN 115880445A CN 202111159757 A CN202111159757 A CN 202111159757A CN 115880445 A CN115880445 A CN 115880445A
- Authority
- CN
- China
- Prior art keywords
- road network
- indoor
- horizontal
- indoor building
- vertical
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 79
- 238000005520 cutting process Methods 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 230000000877 morphologic effect Effects 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000005260 corrosion Methods 0.000 claims description 13
- 230000007797 corrosion Effects 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 18
- 239000000284 extract Substances 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 4
- 238000011031 large-scale manufacturing process Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering 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
- 230000000717 retained effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供一种路网自动构建方法、装置、电子设备和可读存储介质,涉及图像处理技术领域,方法包括:预处理包含多个室内建筑的图像得到包含室内建筑的轮廓信息的第一底图;采用截线法对室内建筑的轮廓信息进行骨架提取,构建水平路网和垂直路网;对第一底图上的水平路网和垂直路网进行形态学操作,得到整合后的主路网;获取每一室内建筑的质心点,计算质心点至主路网的最短距离,得到最短距离特征点;去除每一室内建筑的特征线与室内建筑的重合部分,得到主路网的支路网,特征线为室内建筑的质心点与其对应的最短距离特征点之间的连线。该方法解决了现有技术路网构建自动化程度低、方法繁琐、生成的行走路线不精确、普适性差的问题。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种路网自动构建方法、装置、电子设备和可读存储介质。
背景技术
室内定位技术发展至今,人们对室内导航服务的需求也越来越强烈。室内路网作为支撑室内导航、室内路径规划的基础,如何快速、准确地构建室内路网具有非常重要的现实意义。现有室内主路网构建方法包括:第一种,采用人工矢量化对道路网络的处理方法;第二种,采用选取关键点计算路线的方法;第三种,采用骨架提取的方法。
技术问题:现有路网构建方法存在:⑴人工矢量化方法工艺复杂,制作周期长,成本高,更新速度慢;⑵选取关键点计算路线方法,折线多,不平滑,缺少普适性,未建支路网;⑶骨架提取方法存在压盖商铺图,行走路线有偏差,未建支路网。
发明内容
本发明实施例提供一种路网自动构建方法、装置、电子设备和可读存储介质,以解决现有技术路网构建自动化程度低、方法繁琐、生成的行走路线不精确、普适性差的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种路网自动构建方法,包括:
获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图;
采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网;
将所述水平路网和垂直路网整合至所述第一底图上,并对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网;
获取所述第一底图上的所述室内建筑的质心点,计算所述质心点至所述主路网的最短距离,得到所述室内建筑在所述主路网上对应的最短距离特征点;
去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,所述特征线为所述室内建筑的质心点与其对应的所述最短距离特征点之间的连线。
可选的,所述对所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网,包括:
依据所述水平路网和所述垂直路网之间的宽度差确定膨胀系数和卷积核大小,对所述水平路网和/或所述垂直路网进行膨胀处理,得到第一路网,所述第一路网的区域覆盖所述水平路网和所述垂直路网;
更新所述第一路网为主路网。
可选的,所述更新所述第一路网为主路网之后,还包括:
依据所述主路网的宽度和单位卷积核,对所述主路网进行腐蚀细化处理,腐蚀细化处理后的所述主路网包含所述第一路网的中轴特征。
可选的,所述获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图,包括:
对所述图像作去噪处理;
对对经去噪处理后的所述图像进行标准化灰度处理,并将所述图像的像素点的灰度值取整;
二值化所述图像的像素点的灰度值,确定所述室内建筑的轮廓;
提取所述室内建筑的轮廓的凹凸顶点的位置信息。
可选的,所述采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网,包括:
获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;
将所述凹凸顶点的纵坐标y从小到大排序,得到第一纵坐标序列(y1,y2,y3,…,yn);
从i=1开始,不断获取水平线y=yi与所述室内建筑的轮廓C的交点,并将所述交点存入集合U中,直至i=n后停止,i、n均为正整数;
将所述集合U中的点按横坐标从小到大排序,依次计算所述集合U中相连两点的中点的坐标,并将所述中点存入集合W中;
依据所述中点的横坐标大小,顺序连接所述集合W中的点,构建水平路网。
可选的,所述采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网,还包括:
获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;
将所述凹凸顶点的横坐标x从小到大排序,得到第一横坐标序列(x1,x2,x3,…,xn);
从i=1开始,不断获取水平线x=xi与所述室内建筑的轮廓C的交点,并将所述交点存入集合P中,直至i=n后停止,i、n均为正整数;
将所述集合P中的点按纵坐标从小到大排序,依次计算所述集合P中相连两点的中点的坐标,并将所述中点存入集合N中;
依据所述中点的纵坐标大小,顺序连接所述集合N中的点,构建垂直路网。
可选的,所述去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,包括:
针对所述室内建筑及其特征线,利用相交取反的方法,删除所述特征线与所述室内建筑重合的部分线段,得到所述主路网的支路网。
第二方面,本发明实施例还提供了一种路网自动构建装置,包括:
获取模块,用于获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图;
第一提取模块,用于采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网;
第一整合模块,用于将所述水平路网和垂直路网整合至所述第一底图上,并对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网;
第二提取模块,用于获取所述第一底图上的所述室内建筑的质心点,计算所述质心点至所述主路网的最短距离,得到所述室内建筑在所述主路网上对应的最短距离特征点;
第二整合模块,用于去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,所述特征线为所述室内建筑的质心点与其对应的所述最短距离特征点之间的连线。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器执行所述程序时实现如第一方面任一项所述的路网自动构建方法中的步骤。
第四方面,本发明实施例提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现如第一方面任一项所述的路网自动构建方法中的步骤。
本发明实施例中,首先对包含多个室内建筑的图像进行预处理,将图像转换为室内路网二值化轮廓,并获得轮廓边缘凹凸顶点;然后使用水平、垂直截线,对路网轮廓进行路网特征点提取,遍历全轮廓;将水平、垂直截线法获取的路网进行利用形态学操作进一步提取主路网信息;依据室内建筑图块质心位置,计算其在主路网上距离质心点最近的交点,连线获取室内建筑图块“门”的位置与主路网间的支路网信息,提供了一种自动构建包含主路网和支路网的路网方法。本发明的路网自动构建方法依据水平、垂直截线法获取道路特征点与室内主路网,融合水平、垂直两方向的特征,实现了对单一截线法的补充;依据路网宽度特点整合水平路网和垂直路网得到的整合后的主路网,既保证了路网构建的精密度和平滑度又解决了室内图像在连接处存在不连通、有断点等问题;此外,基于精密主路网进一步得到了室内建筑的“门”信息进一步构建支路网,进一步提高了最终构建的路网的完整和精细程度。本方法无需大量影像参与处理,只对输入影像进行操作,方法容易实现、处理速度较快,适用于大规模生产。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的一种路网自动构建方法的流程示意图之一;
图2为本发明实施例提供的一种水平主路网的路网示意图;
图3为本发明实施例提供的一种垂直主路网的路网示意图;
图4为本发明实施例提供的将水平主路网和垂直主路网整合至第一底图上的路网示意图;
图5为本发明实施例提供的将水平主路网和垂直主路网进行膨胀操作后的路网示意图;
图6为本发明实施例提供的将进行膨胀操作后的主路网进行腐蚀细化处理的路网示意图;
图7为本发明实施例提供的多种方式得到的路网的结构对比图;
图8为本发明实施例提供的一种路网自动构建装置的结构示意图之一;
图9为本发明实施例提供的一种电子设备的结构示意图之一。
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。
请参考图1,图1为本发明实施例提供的一种路网自动构建方法的流程示意图之一;
本发明实施例提供了一种路网自动构建方法,包括:
步骤11:获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图;
步骤12:采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网;
步骤13:将所述水平路网和垂直路网整合至所述第一底图上,并对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网;
步骤14:获取所述第一底图上的所述室内建筑的质心点,计算所述质心点至所述主路网的最短距离,得到所述室内建筑在所述主路网上对应的最短距离特征点;
步骤15:去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,所述特征线为所述室内建筑的质心点与其对应的所述最短距离特征点之间的连线。
本发明实施例中,首先对包含多个室内建筑的图像进行预处理,将图像转换为室内路网二值化轮廓,并获得轮廓边缘凹凸顶点;然后使用水平、垂直截线,对路网轮廓进行路网特征点提取,遍历全轮廓;将水平、垂直截线法获取的路网进行利用形态学操作进一步提取主路网信息;依据室内建筑图块质心位置,计算其在主路网上距离质心点最近的交点,连线获取室内建筑图块“门”的位置与主路网间的支路网信息,提供了一种自动构建包含主路网和支路网的路网方法。本发明的路网自动构建方法依据水平、垂直截线法获取道路特征点与室内主路网,融合水平、垂直两方向的特征,实现了对单一截线法的补充;依据路网宽度特点整合水平路网和垂直路网得到的整合后的主路网,既保证了路网构建的精密度和平滑度又解决了室内图像在连接处存在不连通、有断点等问题;此外,基于精密主路网进一步得到了每一室内建筑的“门”信息进一步构建支路网,进一步提高了最终构建的路网的完整和精细程度。本方法无需大量影像参与处理,只对输入影像进行操作,方法容易实现、处理速度较快,适用于大规模生产。
在本发明的一些实施例中,可选的,对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作包括但不限于对所述水平路网和所述垂直路网进行膨胀操作、腐蚀细化操作中的一种或多种。
在本发明的一些实施例中,可选的,所述计算所述质心点至所述主路网的最短距离的方法为近邻分析的最短距离方法。
请参见图2,图2为本发明实施例提供的一种水平主路网的路网示意图;其中左侧图为构建水平截线过程,右侧图为依据构建完成的水平截线进一步进行骨架提取后得到的水平路网图。
请参见图3,图3为本发明实施例提供的一种垂直主路网的路网示意图;其中左侧图为构建垂直截线过程,右侧图为依据构建完成的垂直截线进一步进行骨架提取后得到的垂直路网图。
请参见图4,图4为本发明实施例提供的将水平主路网和垂直主路网整合至第一底图上的路网示意图,其中细实线为水平路网、粗虚线为垂直路网。
请参见图5,图5为本发明实施例提供的将水平主路网和垂直主路网进行膨胀操作后的路网示意图;记为第一路网。
请参见图6,图6为本发明实施例提供的将进行膨胀操作后的主路网(第一路网)进行腐蚀细化处理的路网示意图;记为第二路网。
请参见图4和图5,本发明的一些实施例中,可选的,所述对所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网,包括:
依据所述水平路网和所述垂直路网之间的宽度差确定膨胀系数和卷积核大小,对所述水平路网和/或所述垂直路网进行膨胀处理,得到第一路网,所述第一路网的区域覆盖所述水平路网和所述垂直路网;
更新所述第一路网为主路网。
本发明实施例中,若仅使用截线法自动构建室内主路网,生成的路网在连接处存在不连通、有断点、对室内建筑有压盖等问题,而本实施例将水平路网和垂直路网先膨胀整合为一个路网,则会大大平滑主路网的走向,避免了室内图像在连接处存在不连通、有断点等问题。
在本发明的一些实施例中,可选的,膨胀处理包括:采用卷积核对整合路网特征的图像进行卷积,在遍历过程中,存在卷积核与图像的重叠区域,即为图像膨胀结果。公式如下:
其中,A表示原图像(本处为水平路网或垂直路网);
B表示卷积核;
本公式代表若能击中原图像A,则所有z点组成的集合称为A对B的膨胀。
具体地,由于室内路网宽度一般有限,建筑内道路宽度差距较小,一般不会超过20米,可以选定卷积核大小为29,膨胀宽度约为22米,对水平路网和/或垂直路网进行膨胀操作,膨胀操作得到的第一路网的区域覆盖水平路网和垂直路网。
请参见图6,本发明的一些实施例中,可选的,所述更新所述第一路网为主路网之后,还包括:
依据所述主路网的宽度和单位卷积核,对所述主路网进行腐蚀细化处理,腐蚀细化处理后的所述主路网包含所述第一路网的中轴特征。
本发明实施例中,膨胀后的第一路网可能因宽度过宽与室内建筑图块有压盖问题,将膨胀后的第一路网进一步进行腐蚀细化操作,得到的主路网既包含了原路网的垂直特征和水平特征,又保证了自身平滑性,也规避了道路过宽对原室内建筑图像的影响,具有视觉效果好、平滑度高且对商铺图块无压盖的特点。
在本发明的一些实施例中,可选的,腐蚀细化处理包括:对膨胀后的第一路网宽度进行计算,然后利用单位卷积核历遍全图,获得腐蚀后的中轴特征,实现最终的主路网提取。腐蚀细化公式为:
其中:A表示原图像(本处为第一路网);
B表示卷积核;
本公式代表若(B)z仍包含于A中,则其所有z点组成的集合称为A对B的腐蚀,腐蚀的结果表现为原图的外围被剥除。
本发明的一些实施例中,可选的,所述获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图,包括:
对所述图像作去噪处理;
对对经去噪处理后的所述图像进行标准化灰度处理,并将所述图像的像素点的灰度值取整;
二值化所述图像的像素点的灰度值,确定所述室内建筑的轮廓;
提取所述室内建筑的轮廓的凹凸顶点的位置信息。
本发明实施例中,通过将原始图像进行去噪处理、标准化灰度处理、二值化处理图像像素点,实现室内建筑的轮廓提取,进一步地,在提取的轮廓中进一步提取轮廓的凹凸顶点的位置信息,用于下一步的路网骨架提取。本方法提取的凹凸顶点位置信息直接快速、容易实现、适用于大规模处理,自动化程度高。
本发明的一些实施例中,可选的,采用中值滤波对所述图像作去噪处理。
本发明的一些实施例中,可选的,所述对经去噪处理后的所述图像进行标准灰度化处理的计算公式为:
其中:
Gray表示该图像进行标准灰度处理后的灰度值;
R表示所述图像的红色像素值;
G表示所述图像的绿色像素值;
B表示所述图像的蓝色像素值。
本发明的一些实施例中,可选的,将所述图像的像素点的灰度值取整包括:将计算得到的灰度值保留至整数位,范围为0-255。
本发明的一些实施例中,可选的,所述二值化所述图像的像素点的灰度值包括:将图像上的像素点的灰度值设置为0或255,呈现出明显的黑白效果,从而确定出目标的轮廓。
请参见图2,图2为本发明实施例提供的一种水平主路网的路网示意图;本发明的一些实施例中,可选的,所述采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网,包括:
获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;
将所述凹凸顶点的纵坐标y从小到大排序,得到第一纵坐标序列(y1,y2,y3,…,yn);
从i=1开始,不断获取水平线y=yi与所述室内建筑的轮廓C的交点,并将所述交点存入集合U中,直至i=n后停止,i、n均为正整数;
将所述集合U中的点按横坐标从小到大排序,依次计算所述集合U中相连两点的中点的坐标,并将所述中点存入集合W中;
依据所述中点的横坐标大小,顺序连接所述集合W中的点,构建水平路网。
本发明实施例中,依据水平截线法获取室内建筑的道路特征点并提取水平主路网的骨架,提供了一种自动化程度高、精确程度高、完整且快速有效的水平主路网的生成方法。
请参见图3,图3为本发明实施例提供的一种垂直主路网的路网示意图;本发明的一些实施例中,可选的,所述采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网,还包括:
获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;
将所述凹凸顶点的横坐标x从小到大排序,得到第一横坐标序列(x1,x2,x3,…,xn);
从i=1开始,不断获取水平线x=xi与所述室内建筑的轮廓C的交点,并将所述交点存入集合P中,直至i=n后停止,i、n均为正整数;
将所述集合P中的点按纵坐标从小到大排序,依次计算所述集合P中相连两点的中点的坐标,并将所述中点存入集合N中;
依据所述中点的纵坐标大小,顺序连接所述集合N中的点,构建垂直路网。
本发明实施例中,依据垂直截线法获取室内建筑的道路特征点并提取垂直主路网的骨架,提供了一种自动化程度高、精确程度高、完整且快速有效的垂直主路网的生成方法。
请参见图7,图7为本发明实施例提供的多种方式得到的路网的结构对比图;其中,71为基于选点方法(现有技术1)构建得到的路网,存在部分路网信息缺失的问题;72为基于单一截线方法(现有技术2)构建得到的路网,存在部分路网压盖商铺图块的问题;73为依据本方法构建得到的路网,分为主路网和支路网,路网更加完整平滑精细,与室内建筑图块无压盖情况,也无需大量影像参与处理,方法简单适合大量生产。730为本发放构建得到的路网的局部放大图像,其中细实线为主路网,粗实线为支路网。
请参见图7中730处,本发明的一些实施例中,可选的,所述去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,包括:
针对所述室内建筑及其特征线,利用相交取反的方法,删除所述特征线与所述室内建筑重合的部分线段,得到所述主路网的支路网。
本发明实施例中,为进一步提升室内路网的精密度,需要构建与室内建筑关联的支路网,本技术方案通过利用室内建筑的质心计算其与主路网的最短距离获得“门”的位置,并基于质心与“门”的连线进行相交取反去除其与室内建筑重合部分作为该室内建筑的支路网,进一步进行主路网的支路网的自动构建,提供了一种精细度高、自动化程度高、实施方便且更符合用户使用需求的路网构建方法。
请参考图8,图8为本发明实施例提供的一种路网自动构建装置的结构示意图之一;
本发明实施例还提供了一种路网自动构建装置,包括:
获取模块81,用于获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图;
第一提取模块82,用于采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网;
第一整合模块83,用于将所述水平路网和垂直路网整合至所述第一底图上,并对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网;
第二提取模块84,用于获取所述第一底图上的所述室内建筑的质心点,计算所述质心点至所述主路网的最短距离,得到所述室内建筑在所述主路网上对应的最短距离特征点;
第二整合模块85,用于去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,所述特征线为所述室内建筑的质心点与其对应的所述最短距离特征点之间的连线。
本发明实施例中,首先对包含多个室内建筑的图像进行预处理,将图像转换为室内路网二值化轮廓,并获得轮廓边缘凹凸顶点;然后使用水平、垂直截线,对路网轮廓进行路网特征点提取,遍历全轮廓;将水平、垂直截线法获取的路网进行利用形态学操作进一步提取主路网信息;依据室内建筑图块质心位置,计算其在主路网上距离质心点最近的交点,连线获取室内建筑图块“门”的位置与主路网间的支路网信息,提供了一种自动构建包含主路网和支路网的路网装置。本发明的路网自动构建装置依据水平、垂直截线法获取道路特征点与室内主路网,融合水平、垂直两方向的特征,实现了对单一截线法的补充;依据路网宽度特点整合水平路网和垂直路网得到的整合后的主路网,既保证了路网构建的精密度和平滑度又解决了室内图像在连接处存在不连通、有断点等问题;此外,基于精密主路网进一步得到了每一室内建筑的“门”信息进一步构建支路网,进一步提高了最终构建的路网的完整和精细程度。本装置无需大量影像参与处理,只对输入影像进行操作,方法容易实现、处理速度较快,适用于大规模生产。
在本发明的一些实施例中,可选的,对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作包括但不限于对所述水平路网和所述垂直路网进行膨胀操作、腐蚀细化操作中的一种或多种。
在本发明的一些实施例中,可选的,所述计算所述质心点至所述主路网的最短距离的方法为近邻分析的最短距离方法。
在本发明的一些实施例中,可选的,所述第一整合模块83还用于依据所述水平路网和所述垂直路网之间的宽度差确定膨胀系数和卷积核大小,对所述水平路网和/或所述垂直路网进行膨胀处理,得到第一路网,所述第一路网的区域覆盖所述水平路网和所述垂直路网;更新所述第一路网为主路网。
本发明实施例中,若仅使用截线法自动构建室内主路网,生成的路网在连接处存在不连通、有断点、对室内建筑有压盖等问题,而现将水平路网和垂直路网先膨胀整合为一个路网,则会大大平滑主路网的走向,避免了室内图像在连接处存在不连通、有断点等问题。
在本发明的一些实施例中,可选的,所述第一整合模块83还用于所述更新所述第一路网为主路网之后,依据所述主路网的宽度和单位卷积核,对所述主路网进行腐蚀细化处理,腐蚀细化处理后的所述主路网包含所述第一路网的中轴特征。
本发明实施例中,膨胀后的第一路网可能因宽度过宽与室内建筑图块有压盖问题,将膨胀后的第一路网进一步进行腐蚀细化操作,得到的主路网既包含了原路网的垂直特征和水平特征,又保证了自身平滑性,也规避了道路过宽对原室内建筑图像的影响,具有视觉效果好、平滑度高且对商铺图块无压盖的特点。
在本发明的一些实施例中,可选的,所述获取模块81,还用于对所述图像作去噪处理;对经去噪处理后的所述图像进行标准化灰度处理,并将所述图像的像素点的灰度值取整;二值化所述图像的像素点的灰度值,确定所述室内建筑的轮廓;提取所述室内建筑的轮廓的凹凸顶点的位置信息。
本发明实施例中,通过将原始图像进行去噪处理、标准化灰度处理、二值化处理图像像素点,实现室内建筑的轮廓提取,进一步地,在提取的轮廓中进一步提取轮廓的凹凸顶点的位置信息,用于下一步的路网骨架提取。本装置提取的凹凸顶点位置信息直接快速、容易实现、适用于大规模处理,自动化程度高。
在本发明的一些实施例中,可选的,所述第一提取模块82还用于获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;将所述凹凸顶点的纵坐标y从小到大排序,得到第一纵坐标序列(y1,y2,y3,…,yn);从i=1开始,不断获取水平线y=yi与所述室内建筑的轮廓C的交点,并将所述交点存入集合U中,直至i=n后停止,i、n均为正整数;将所述集合U中的点按横坐标从小到大排序,依次计算所述集合U中相连两点的中点的坐标,并将所述中点存入集合W中;依据所述中点的横坐标大小,顺序连接所述集合W中的点,构建水平路网。
本发明实施例中,路网自动构建装置依据水平截线法获取室内建筑的道路特征点并提取水平主路网的骨架,提供了一种自动化程度高、精确程度高、完整且快速有效的水平主路网的路网构建装置。
在本发明的一些实施例中,可选的,所述第一提取模块82还用于获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;将所述凹凸顶点的横坐标x从小到大排序,得到第一横坐标序列(x1,x2,x3,…,xn);从i=1开始,不断获取水平线x=xi与所述室内建筑的轮廓C的交点,并将所述交点存入集合P中,直至i=n后停止,i、n均为正整数;将所述集合P中的点按纵坐标从小到大排序,依次计算所述集合P中相连两点的中点的坐标,并将所述中点存入集合N中;依据所述中点的纵坐标大小,顺序连接所述集合N中的点,构建垂直路网。
本发明实施例中,路网自动构建装置依据垂直截线法获取室内建筑的道路特征点并提取垂直主路网的骨架,提供了一种自动化程度高、精确程度高、完整且快速有效的垂直主路网的路网构建装置。
在本发明的一些实施例中,可选的,所述第二提取模块84还用于针对所述室内建筑及其特征线,利用相交取反的方法,删除所述特征线与所述室内建筑重合的部分线段,得到所述主路网的支路网。
本发明实施例中,为进一步提升室内路网的精密度,需要构建与室内建筑关联的支路网,本技术方案通过利用室内建筑的质心计算其与主路网的最短距离获得“门”的位置,并基于质心与“门”的连线进行相交取反去除其与室内建筑重合部分作为该室内建筑的支路网,进一步进行主路网的支路网的自动构建,提供了一种精细度高、自动化程度高、实施方便且更符合用户使用需求的路网构建装置。
此外,需要说明的是,上述路网自动构建方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
请参考图9,图9为图9为本发明实施例提供的一种电子设备的结构示意图之一。本发明实施例提供了一种电子设备90,包括存储器91、处理器92及存储在所述存储器91上并可在所述处理器92上运行的程序;所述处理器92执行所述程序时实现如上述任一实施例所述的路网自动构建方法中的步骤。
本发明实施例还提供一种可读存储介质,可读存储介质上存储有程序,该程序被处理器执行时实现如上所述的路网自动构建方法实施例的各个过程;或者实现如上所述的路网自动构建方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的可读存储介质,可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (10)
1.一种路网自动构建方法,其特征在于,包括:
获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图;
采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网;
将所述水平路网和垂直路网整合至所述第一底图上,并对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网;
获取所述第一底图上的所述室内建筑的质心点,计算所述质心点至所述主路网的最短距离,得到所述室内建筑在所述主路网上对应的最短距离特征点;
去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,所述特征线为所述室内建筑的质心点与其对应的所述最短距离特征点之间的连线。
2.根据权利要求1所述的路网自动构建方法,其特征在于,所述对所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网,包括:
依据所述水平路网和所述垂直路网之间的宽度差确定膨胀系数和卷积核大小,对所述水平路网和/或所述垂直路网进行膨胀处理,得到第一路网,所述第一路网的区域覆盖所述水平路网和所述垂直路网;
更新所述第一路网为主路网。
3.根据权利要求2所述的路网自动构建方法,其特征在于,所述更新所述第一路网为主路网之后,还包括:
依据所述主路网的宽度和单位卷积核,对所述主路网进行腐蚀细化处理,腐蚀细化处理后的所述主路网包含所述第一路网的中轴特征。
4.根据权利要求1所述的路网自动构建方法,其特征在于,所述获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图,包括:
对所述图像作去噪处理;
对经去噪处理后的所述图像进行标准化灰度处理,并将所述图像的像素点的灰度值取整;
二值化所述图像的像素点的灰度值,确定所述室内建筑的轮廓;
提取所述室内建筑的轮廓的凹凸顶点的位置信息。
5.根据权利要求1所述的路网自动构建方法,其特征在于,所述采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网,包括:
获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;
将所述凹凸顶点的纵坐标y从小到大排序,得到第一纵坐标序列(y1,y2,y3,…,yn);
从i=1开始,不断获取水平线y=yi与所述室内建筑的轮廓C的交点,并将所述交点存入集合U中,直至i=n后停止,i、n均为正整数;
将所述集合U中的点按横坐标从小到大排序,依次计算所述集合U中相连两点的中点的坐标,并将所述中点存入集合W中;
依据所述中点的横坐标大小,顺序连接所述集合W中的点,构建水平路网。
6.根据权利要求1所述的路网自动构建方法,其特征在于,所述采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网,还包括:
获取所述室内建筑的轮廓C的凹凸顶点的位置坐标,存入骨架点集合V中;
将所述凹凸顶点的横坐标x从小到大排序,得到第一横坐标序列(x1,x2,x3,…,xn);
从i=1开始,不断获取水平线x=xi与所述室内建筑的轮廓C的交点,并将所述交点存入集合P中,直至i=n后停止,i、n均为正整数;
将所述集合P中的点按纵坐标从小到大排序,依次计算所述集合P中相连两点的中点的坐标,并将所述中点存入集合N中;
依据所述中点的纵坐标大小,顺序连接所述集合N中的点,构建垂直路网。
7.根据权利要求1所述的路网自动构建方法,其特征在于,所述去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,包括:
针对所述室内建筑及其特征线,利用相交取反的方法,删除所述特征线与所述室内建筑重合的部分线段,得到所述主路网的支路网。
8.一种路网自动构建装置,其特征在于,包括:
获取模块,用于获取包含多个室内建筑的图像并对所述图像进行预处理,得到包含所述室内建筑的轮廓信息的第一底图;
第一提取模块,用于采用水平截线法和垂直截线法对所述第一底图中的所述室内建筑的轮廓信息进行骨架信息提取,并采用所述骨架信息构建所述室内建筑的水平路网和垂直路网;
第一整合模块,用于将所述水平路网和垂直路网整合至所述第一底图上,并对所述第一底图上的所述水平路网和所述垂直路网进行形态学操作,得到整合后的主路网;
第二提取模块,用于获取所述第一底图上的所述室内建筑的质心点,计算所述质心点至所述主路网的最短距离,得到所述室内建筑在所述主路网上对应的最短距离特征点;
第二整合模块,用于去除所述室内建筑的特征线与所述室内建筑的重合部分,得到所述主路网的支路网,所述特征线为所述室内建筑的质心点与其对应的所述最短距离特征点之间的连线。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器执行所述程序时实现如权利要求1至7中任一项所述的路网自动构建方法中的步骤。
10.一种可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述的路网自动构建方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159757.1A CN115880445A (zh) | 2021-09-30 | 2021-09-30 | 路网自动构建方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159757.1A CN115880445A (zh) | 2021-09-30 | 2021-09-30 | 路网自动构建方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115880445A true CN115880445A (zh) | 2023-03-31 |
Family
ID=85756678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111159757.1A Pending CN115880445A (zh) | 2021-09-30 | 2021-09-30 | 路网自动构建方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880445A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117213471A (zh) * | 2023-11-08 | 2023-12-12 | 国家电投集团科学技术研究院有限公司 | 露天矿区的路网图像获取方法、装置和电子设备 |
-
2021
- 2021-09-30 CN CN202111159757.1A patent/CN115880445A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117213471A (zh) * | 2023-11-08 | 2023-12-12 | 国家电投集团科学技术研究院有限公司 | 露天矿区的路网图像获取方法、装置和电子设备 |
CN117213471B (zh) * | 2023-11-08 | 2024-02-02 | 国家电投集团科学技术研究院有限公司 | 露天矿区的路网图像获取方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sohn et al. | Data fusion of high-resolution satellite imagery and LiDAR data for automatic building extraction | |
WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
CN112927370A (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
CN111209291B (zh) | 一种利用众包感知地图更新高精度地图的方法及系统 | |
CN110659644A (zh) | 书法单字的笔画自动提取方法 | |
JP2001067463A (ja) | 異なる視点からの複数のフェイシャル画像に基づき新たな視点からのフェイシャル画像を生成するフェイシャル画像生成装置及び方法並びにその応用装置及び記録媒体 | |
CN113538501A (zh) | 低空图像dsm生成建筑物边缘精细化方法 | |
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 | |
CN115641415B (zh) | 基于卫星影像生成三维场景的方法、装置、设备及介质 | |
CN114742957B (zh) | 一种基于点云数据的建筑物立面提取方法 | |
CN111489416A (zh) | 隧道轴线拟合方法及在超欠挖方量计算上的应用 | |
CN111126211B (zh) | 标牌识别方法和装置、电子设备 | |
Tarsha Kurdi et al. | Automatic evaluation and improvement of roof segments for modelling missing details using Lidar data | |
CN115880445A (zh) | 路网自动构建方法、装置、电子设备和可读存储介质 | |
CN108287845A (zh) | 一种道路信息自动提取方法和装置、及混合导航系统 | |
CN114494385A (zh) | 一种输水隧洞病害可视化预警方法 | |
CN114677435A (zh) | 一种点云全景融合要素提取方法和系统 | |
CN111782739A (zh) | 地图更新方法及装置 | |
CN113409332A (zh) | 一种基于三维点云的建筑物平面分割方法 | |
CN112907601A (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN112258568A (zh) | 一种高精度地图要素的提取方法及装置 | |
JP4908867B2 (ja) | 地理画像処理システム | |
CN113076803B (zh) | 一种基于高分辨率遥感影像的建筑物矢量提取方法及系统 | |
Namouchi et al. | Piecewise horizontal 3d roof reconstruction from aerial lidar | |
CN107808160B (zh) | 三维建筑物提取方法和装置 |
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 |