[發(fā)明專利]一種基于遙感圖像和浮動(dòng)車軌跡的路網(wǎng)生成方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010519044.0
• 申請(qǐng)日: 2020-06-09
• 公開(kāi)（公告）號(hào): CN111811525B
• 公開(kāi)（公告）日: 2022-05-10
• 發(fā)明（設(shè)計(jì)）人: 劉禹麒;莊浩銘;張鴻輝;周裕豐;梁偉峰;李建平
• 申請(qǐng)（專利權(quán)）人: 廣東國(guó)地規(guī)劃科技股份有限公司;廣州藍(lán)圖地理信息技術(shù)有限公司
• 主分類號(hào): G01C21/32
• 分類號(hào): G01C21/32;G06N3/08;G06N3/04
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 俞梁清

本發(fā)明公開(kāi)了一種基于遙感圖像和浮動(dòng)車軌跡的路網(wǎng)生成方法及系統(tǒng)，方法包括：獲取軌跡圖層和高分影像，對(duì)軌跡圖層執(zhí)行柵格化操作，得到第一軌跡圖層；利用軌跡圖層和高分影像訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)，得到第二神經(jīng)網(wǎng)絡(luò)，通過(guò)第二神經(jīng)網(wǎng)絡(luò)得到第一道路柵格圖層；利用高斯卷積核對(duì)第一軌跡圖層執(zhí)行核密度估計(jì)操作，得到第二軌跡圖層；對(duì)第二軌跡圖層執(zhí)行二值化操作，得到第二道路柵格圖層；將第一道路柵格圖層和第二道路柵格圖層疊加并通過(guò)燃燒算法進(jìn)行計(jì)算，得到道路圖層。本發(fā)明將遙感圖像和浮動(dòng)車軌跡作為路網(wǎng)數(shù)據(jù)來(lái)源，利用深度神經(jīng)網(wǎng)絡(luò)和核密度估計(jì)方法分別處理原始數(shù)據(jù)后再通過(guò)燃燒算法合并處理，從而獲取精確度和覆蓋率更高的路網(wǎng)數(shù)據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及路網(wǎng)分析領(lǐng)域，尤其涉及一種基于遙感圖像和浮動(dòng)車軌跡的路網(wǎng)生成方法及系統(tǒng)。

背景技術(shù)

隨著智能交通和自動(dòng)駕駛技術(shù)的普及，進(jìn)一步提升路網(wǎng)地圖的精準(zhǔn)度凸顯地非常重要。雖然OpenStreetMap中記錄的路網(wǎng)數(shù)據(jù)增長(zhǎng)明顯，總里程已達(dá)到228萬(wàn)公里，路網(wǎng)數(shù)據(jù)與實(shí)際網(wǎng)路里程的差距也由78.4%縮小到了52.2%；但仍存在大量未反應(yīng)在地圖中的路網(wǎng)信息，提升路網(wǎng)地圖的現(xiàn)勢(shì)性依舊存在巨大的工作量。

傳統(tǒng)的路網(wǎng)地圖構(gòu)建方法主要通過(guò)實(shí)地測(cè)繪和高分影像矢量化；但這兩種方法都耗時(shí)耗力，無(wú)法實(shí)現(xiàn)實(shí)際路網(wǎng)信息的同步更新；而通過(guò)自動(dòng)化生產(chǎn)或者道路地圖來(lái)快速反映實(shí)際道路的變化又具有巨大的應(yīng)用價(jià)值；隨著智能手機(jī)和其他具備GPS定位功能的設(shè)備進(jìn)一步普及，越來(lái)越多的軌跡數(shù)據(jù)得以獲取，這些軌跡記錄了車輛沿著道路行駛的位置序列，成為了道路地圖自動(dòng)化生產(chǎn)的重要數(shù)據(jù)來(lái)源。

當(dāng)前關(guān)于自動(dòng)化道路地圖構(gòu)建的研究主要?jiǎng)澐譃榛诘难芯亢突诟?dòng)車軌跡的研究，基于遙感圖像的方法主要利用機(jī)器學(xué)習(xí)的方法將像元分類為道路和非道路；近來(lái)的研究開(kāi)始利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)從遙感圖像中分割道路，但這些方法難以直接得到道路的拓?fù)浣Y(jié)構(gòu)信息，且在遙感圖像中道路容易被樹(shù)木，建筑和陰影遮擋，且遙感圖像的獲取周期較長(zhǎng)，單獨(dú)依靠遙感圖像無(wú)法得到完整的道路地圖。基于浮動(dòng)車軌跡的方法依據(jù)方法的特點(diǎn)可以分為：聚類方法，核密度估計(jì)方法，軌跡合并方法。這些方法各有優(yōu)缺點(diǎn)，其中聚類算法容易導(dǎo)致邊冗余問(wèn)題，核密度估計(jì)方法容易將數(shù)據(jù)較少的真實(shí)道路當(dāng)作噪聲平滑掉，軌跡合并算法容易產(chǎn)生虛假道路，而且GPS本身存在采樣點(diǎn)空間分布不均勻，頻率不一致等問(wèn)題，導(dǎo)致單獨(dú)依靠浮動(dòng)車軌跡數(shù)據(jù)也無(wú)法得到完整的道路地圖。

因此，如何同時(shí)利用遙感圖像和浮動(dòng)車軌跡作為數(shù)據(jù)來(lái)源，結(jié)合兩者的優(yōu)點(diǎn)實(shí)現(xiàn)更精準(zhǔn)的路網(wǎng)采集及生成是當(dāng)前急需解決的技術(shù)問(wèn)題。

發(fā)明內(nèi)容

為至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題之一，本發(fā)明的目的在于提供一種基于遙感圖像和浮動(dòng)車軌跡的路網(wǎng)生成方法及系統(tǒng)。

根據(jù)本發(fā)明實(shí)施例的第一方面，一種基于遙感圖像和浮動(dòng)車軌跡的路網(wǎng)生成方法，包括以下步驟：

獲取軌跡圖層和高分影像，對(duì)所述軌跡圖層執(zhí)行柵格化操作，得到第一軌跡圖層；

利用所述第一軌跡圖層和所述高分影像訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)，得到第二神經(jīng)網(wǎng)絡(luò)，輸入所述第一軌跡圖層和所述高分影像至所述第二神經(jīng)網(wǎng)絡(luò)，得到第一道路柵格圖層；

利用高斯卷積核對(duì)所述第一軌跡圖層執(zhí)行核密度估計(jì)操作，得到第二軌跡圖層；

對(duì)所述第二軌跡圖層執(zhí)行二值化操作，得到第二道路柵格圖層；

將所述第一道路柵格圖層和所述第二道路柵格圖層疊加并通過(guò)燃燒算法進(jìn)行計(jì)算，得到道路圖層。

進(jìn)一步，所述第一軌跡圖層的分辨率與所述高分影像的分辨率相同。

進(jìn)一步，所述對(duì)所述軌跡圖層執(zhí)行柵格化操作這一步驟，通過(guò)以下公式實(shí)現(xiàn)：