[發明專利]基于深度學習的遙感影像道路軌跡正確性核查方法及裝置

在審

• 申請號: 202010904124.8
• 申請日: 2020-09-01
• 公開（公告）號: CN112115817A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 蔡紅玥;袁勝古;李程;丁勇強;盛光曉;覃落雨
• 申請（專利權）人: 國交空間信息技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 北京華專卓海知識產權代理事務所(普通合伙) 11664
• 代理人: 張繼鑫

本公開的實施例提供了基于深度學習的遙感影像道路軌跡正確性核查方法、裝置、設備和計算機可讀存儲介質。所述方法包括獲取道路核查參考遙感影像數據；將所述參考影像輸入預先訓練得到的道路識別模型中，得到對應的道路識別結果；根據待核查道路矢量數據與所述道路識別結果進行核查。以此方式，可以快速定位到道路錯誤軌跡，特別適合于山區等偏遠地區、現場核查作業條件艱苦的環境。

技術領域

本公開的實施例一般涉及圖像處理技術領域，并且更具體地，涉及基于 深度學習的遙感影像道路軌跡正確性核查方法、裝置、設備和計算機可讀存 儲介質。

背景技術

公路是經濟發展的動脈，而對公路基礎數據進行的軌跡正確性核查是交 通行業的重要工作之一，其道路核查的準確性直接關系到道路工程進度監管、 路線規劃等實施的情況，在交通管理、城市規劃以及大眾出行等方面均具有 重要意義和價值。無論是公路的建設、管理，還是養護和運營，以及提出的 建設“四好農村路”，都需要精準、真實的公路數據，為做出下一步建多少、 在哪兒建、怎么建等決策提供支撐。公路具有分布廣、里程長的特點，靠傳 統手段獲取數據不僅費時費力，且其精準度和科學性更是難以得到滿足。尤 其是精確掌握農村公路數據對于經濟建設發展起到重大作用。

傳統道路軌跡正確性核查的方法全部依賴人工，這種方法耗時耗力，雖 然可得到道路的真實信息，但道路信息更新速度慢、成本高，無法實現新增 或變化道路的快速監測，進而影響交通、公路建設情況的分析判斷。

遙感影像因其自身的成像范圍廣和真實性特征而漸漸被應用在交通領 域，可充分體現影像中地物的幾何特征，從而能夠實現對于新舊道路的比較 分析，為于道路數據的檢查和管理更新提供了新的技術手段。與依靠人力進 行道路核查相比，通過遙感影像進行分析計算節省了很大的人力物力的投入， 保障了結果的真實有效性，道路數據檢查更新的速度也隨之增加。但是目前， 通過遙感影像進行道路數據質量的檢查與更新工作，仍依賴于人工目視解譯 工作，個人的主觀差異性問題難以避免。且實際生產中對于更新檢查的速度 要求越來越高，人工的方法顯然不足以滿足這一要求。遙感影像的應用雖然 正在發展，但基于影像的道路提取方法仍然難以適用于對于道路數據的更新 和自動化核查，且影像處理工作量巨大，傳統方法難以滿意實際應用需求。

發明內容

根據本公開的實施例，提供了一種基于深度學習的遙感影像道路軌跡正 確性核查方案。

在本公開的第一方面，提供了一種基于深度學習的遙感影像道路軌跡正 確性核查方法。該方法包括：獲取道路核查參考遙感影像數據；將所述參考 影像輸入預先訓練得到的道路識別模型中，得到對應的道路識別結果；根據 待核查道路矢量數據與所述道路識別結果進行核查。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所 述預處理為對所述參考遙感影像進行裁剪，得到多個標準尺寸的遙感影像； 所述道路識別結果為對識別得到的道路影像進行拼接得到的。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所 述預先訓練得到的道路識別模型是通過以下步驟訓練得到的：獲取遙感影像 及對應的道路矢量；根據所述遙感影像及對應的道路矢量數據生成訓練樣本； 將所述訓練樣本輸入預設的神經網絡模型進行訓練；其中，所述神經網絡模 型為Unet網絡模型。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，根 據所述遙感影像及對應的道路矢量數據生成訓練樣本包括：根據對應的道路 矢量數據構建緩沖區，將遙感影像作為底圖，按照道路與矢量的地理對應關 系，對所述遙感影像中除道路以外的其他部分進行掩模處理；對掩膜處理后 的影像進行行列等分裁剪，形成標準尺寸的正方形二值圖像塊作為樣本。