[發明專利]道路網拓撲和幾何信息的提取方法在審

申請號：	201710981117.6	申請日：	2017-10-19
公開（公告）號：	CN107704837A	公開（公告）日：	2018-02-16
發明（設計）人：	蔡波	申請（專利權）人：	千尋位置網絡有限公司
主分類號：	G06K9/00	分類號：	G06K9/00;G06K9/34;G06K9/40;G06K9/44;G06N3/04;G06N3/08
代理公司：	上海市海華永泰律師事務所31302	代理人：	包文超
地址：	200433 上海市楊浦***	國省代碼：	上海;31
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	道路網拓撲幾何信息提取方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及道路拓撲和幾何信息的提取方法，尤其涉及道路拓撲和幾何信息的提取方法。

背景技術

從衛星遙感和航拍影像中自動地提取道路，是一個已經進行了20多年的研究課題。已有的方式主要利用計算機視覺和機器學習技術，采用邊緣檢測、特征提取、模板匹配、動態規劃、模糊集、多尺度檢測、隨機場模型或神經網絡等方法，進行道路的提取。但由于道路提取問題的復雜性(如道路上有車輛和行人、道路面顏色與建筑頂部顏色接近、道路與周圍地面無明顯分界和存在樹木遮擋等)，提取的準確度和魯棒性一直是實現自動化的阻礙。目前道路提取及道路網拓撲和幾何信息的生成仍然以人工為主。

通過網絡和專利搜索，與本發明最為接近的技術方案如下：

(1)專利《一種基于自適應聚類學習的道路網提取的方法》(專利號申請號：201610273017.3)。該方法需要解決的目標問題包括路網提取。路網提取是在分段提取道路的基礎上，基于路段連接的幾何結構進行拼接來進行的，然后基于交叉結構再進行拼接的修正。

(2)專利《一種基于K means的高分辨率遙感地圖道路提取方法》(專利申請號：201410219942.9)。該方法需要解決的目標問題是道路提取，但輸出為原始圖像的道路分割圖像，而不是結構化的道路網拓撲和幾何信息。該方法使用了連通域過濾來降噪，并對圖像進行了骨架提取。

現有的技術主要利用計算機視覺和機器學習技術進行道路提取，并在提取過程中生成道路中心線和拓撲信息。道路網拓撲和幾何信息的準確性受限于算法所能夠達到的道路提取的準確性，并影響了技術的最終價值。同時，現有的研究大多關注在道路網的圖像分割上，很少涉及可用于導航路線規劃和輔助高精度地圖車道線提取的道路網拓撲和幾何信息的自動生成上。

深度學習在圖像分割領域，已經表現出了傳統計算機視覺和機器學習技術無法比擬的優勢。尤其在存在海量標記樣本數據的情況下，深度學習具有獲得持續性能提升的潛力。

使用深度學習卷積神經網絡對高精度正射航拍影像進行道路精細分割，可較大程度提升分割的準確率，但由于道路分割問題的復雜性，仍然會出現錯檢和漏檢的情況。

發明內容

本發明解決的問題是現有道路拓撲和幾何信息的提取存在錯檢和漏檢的情況、不能自動提取以及魯棒性差的問題。

為解決上述問題，本發明提供一種道路網拓撲和幾何信息的提取方法，該方法包括如下步驟：采用深度學習對高精度正射航拍影像進行道路分割獲得二值圖像，對所述二值圖像進行預處理；處理預處理得到的圖像以生長出道路的整個網狀結構；對所述道路的整個網狀結構進行修正以得到正確的道路網拓撲信息。

在進一步方案中，所述預處理是采用計算機視覺形態學方法和連通域分析進行所述預處理。

在進一步方案中，所述預處理包括先對二值圖像進行降采樣；接著，使用形態學閉運算-先膨脹后腐蝕所述降采樣得到的圖像，以填充細小空洞和連接鄰近區域；最后，后使用連通域分析，得到圖像上所有的連通域，只保留最大面積的連通域。

在進一步方案中，所述生長出道路的整個網狀結構包括：從預處理的圖像中提取網狀結構的結點；對所有結點使用種子填充算法，迭代生長出整個的網狀結構。

在進一步方案中，所述預處理的圖像中提取網狀結構的結點包括：采用骨架提取算法獲得單像素骨架，再通過均值濾波對所述單像素骨架圖像進行卷積運算而提取網狀結構的結點。

在進一步方案中，所述方法還包括對圖像進行卷積操作后，統計所有大于255/3的像素作為網狀結構的結點，對于所有相鄰結點，只保留一個，刪除其它所有與之相鄰結點，從而獲得了網狀結構的所有結點。

在進一步方案中，所述對所述道路的整個網狀結構進行修正包括設計網狀算子去除網狀結構中的短邊。

在進一步方案中，所述對所述道路的整個網狀結構進行修正包括設計網狀算子去除網狀結構中的小橋。