[发明专利]一种基于矩形邻域分析的道路数据提取方法

说明书

本发明公开了一种基于矩形邻域分析的道路数据提取方法，其包括数据预处理步骤、筛选道路候选点步骤、提取道路中心线和剔除平坦地域点集步骤、道路连接步骤。本发明主要解决在没有反射强度或者反射强度不能较好反应地物属性，或者没有航空影像等情况，根据道路拓扑结构特点与周围环境的不同进行道路数据提取。

技术领域

本发明涉及一种基于矩形邻域分析的道路数据提取方法。

背景技术

建筑物和道路提取一直是机载LiDAR(Light Detection And Ranging)数据特征提取的重点和难点，在道路提取方面，主要围绕城区道路网提取研究较多，针对野外地域中道路提取方法研究较少。其中机载LiDAR是一种集激光测距、全球定位系统(GPS)和惯性导航系统(INS)三种技术于一体的系统，并用于获取数据并生成精确三维地形(DEM)；机载LiDAR(或称点云数据)是由三维激光扫描仪采集的物体表面点数据，每个点有空间三维坐标，有的还带有颜色和反色强度等信息；点云滤波是指去除点云中的噪声、树木、房屋等非地面点；点云组织是指将点云按照一定的数据格式进行管理，便于数据的查询和显示；道路提取是指从点云数据中自动提取道路点。现有的道路提取方法主要有基于反射强信息的道路提取方法、基于机载LiDAR数据和遥感影像的道路提取方法等，常用的基于点云、反射强度和影像的道路数据提取方法如下：

(1)车载激光扫描数据的结构化道路自动提取方法

车载激光扫描是指将激光扫描仪架设在汽车等移动平台上进行动态车辆，与机载激光扫描不同点在于机载激光扫描的范围更大、速度更快，而车载激光扫描获取的数据都是沿着道路的，因此提取较为容易。

结构化道路是指城区道路或者高速公路等，这些道路的两旁都有高出道路点的特征，通过扫描线提取、地面点云滤波、道路边界自动提取、道路边界跟踪等步骤完成道路的提取。具体方法详见《测绘学报》2013年42卷2期《车载激光扫描数据的结构化道路自动提取方法》。

(2)基于LiDAR回波信息的道路提取

首先采用一种方法(如：逐层加密TIN方法)提取或者生成数字地形模型(DTM)，根据点云的回波信息从DTM中提取道路信息，最后通过搜索孤立点的滤波算法删除其中的噪声点。具体方法详见《测绘科学》2011年36卷2期《基于LiDAR回波信息的道路提取》。

(3)基于机载LiDAR粗糙度指数和回波强度的道路提取

首先，由点云数据衍生归一化数字表面模型和粗糙度指数，然后对配准后的多源数据进行多分辨率分割，进而使用粗糙度指数和回波强度、道路描述因子等特征进行分类，最后，去除道路噪声，并获取准确的道路架网。详见《测绘科学技术学报》2013年30卷1期《基于机载LiDAR粗糙度指数和回波强度的道路提取》。

(4)基于机载LiDAR和高分辨率遥感影像的城市道路网提取

首先将两者进行精确配准然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除得到基本的道路轮廓，再利用形态细化算法提取道路的中心线，最后在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT)利用该算法进行道路修剪得到了平滑和连贯的城市道路网。详见《遥感技术与应用》2013年28卷4期《基于机载LiDAR和高分辨率遥感影像的城市道路网提取》。

然而激光回波强度与地物目标的反射率成正比关系，即反射率越大激光强度值越高，但是激光雷达系统记录的回波强度是尚未经过校正的值，会受大气衰减、激光入射角度等多种因素的影响，而且激光回波强度的校正至今还是一个比较困难的课题，因此激光回波强度很难真实地反映地物的反射率信息。基于遥感影像的道路提取法的提取效果主要取决于影像的清晰程度，但是在多云或者能见度不够的情况下采集的遥感影像往往并不能很好地反应地物属性，因此分类也较为困难。

发明内容