[发明专利]一种结合车辆轨迹和遥感图像的路网提取方法

说明书

本发明公开了一种结合车辆轨迹和遥感图像的路网提取方法，本发明首先获取车辆轨迹数据和高清遥感图像，然后利用车辆轨迹数据生成初级道路网络，并利用卷积神经网络识别高清遥感图像中的道路区域，将构建的初级道路网络绘制成图像，再将该图像与识别出的道路区域叠加，最后利用骨架提取算法提取出叠加图形中的骨架作为道路网络。本发明生成的道路网络具有覆盖广、精度高、更新速度快等特点。

技术领域

本发明涉及数据挖掘、图像识别以及信息可视化领域，尤其涉及一种基于车辆轨迹数据和高清遥感图像生成道路网络的方法。

背景技术

街道地图和交通网络是构建智慧城市的基础，完善且精确的道路网络地图有着极大的社会和应用价值。常见的道路网络生成和更新的算法主要分为三类：一是基于专业的GPS设备和地表测量技术进行实地测量，该方法依赖于专业的道路测量车辆和数据采集人员，存在着工作周期长、测量精度不稳定、成本和维护费用高昂等缺点；二是基于图像处理技术从高清遥感影像中提取道路网络地图，但受限于现有的图像处理技术，此类方法难以实现自动化作业，因此提取效率较低。三是通过自发地理信息(Volunteered GeographicInformation，缩写VGI)构建道路网络，VGI是指用户通过在线网络协作的方式创建、编辑、管理以及维护地图，例如维基卫星地图、开放街道地图等。使用这种方法可以收集到最新的和详细的道路信息，但是这种方式更新的地图质量取决于用户的技能水平和数据的准确性，因此不适用于对道路网络精度有一定要求的情况。

发明内容

本发明的目的是针对现有技术的不足，提供一种结合车辆轨迹和遥感图像的路网提取方法。本发明成本低、效率高。

本发明的目的是通过以下技术方案来实现的：一种结合车辆轨迹和遥感图像的路网提取方法，包括如下步骤：

(1)获取车辆轨迹数据和高清遥感图像；

(2)利用车辆轨迹数据生成初级道路网络，该步骤包括以下子步骤：

(2.1)数据预处理：包括车辆轨迹数据缺失的判断与处理、噪音点的判断预处理以及停留点的判断与处理；

(2.2)代表点提取：从车辆轨迹数据中提取代表点，代表点保存了车辆轨迹数据中的位置信息，每个代表点表示附近采样点的平均位置；

(2.3)连接线段提取：从车辆轨迹数据中提取连接线段，连接线段保存了车辆轨迹数据中的时序信息，连接线段用于建立代表点之间的连接关系；

(2.4)道路网络生成：利用Delaunay三角网和Dijkstra算法对连接线段进行插值，构建初级道路网络。

(3)利用卷积神经网络识别高清遥感图像中的道路区域，该步骤包括以下子步骤：

(3.1)从步骤2.4构建的初级道路网络中挑选道路网络片段，结合高清遥感图像，构造训练数据集。通过水平翻转、随机扣取以及旋转操作扩充训练数据集；

(3.2)构建一个用于识别高清遥感图像中的道路区域的卷积神经网络，并使用步骤3.1扩充的训练数据集训练该卷积神经网络，得到一个具有区域特色的卷积神经网络模型；

(3.3)使用步骤3.2获得的卷积神经网络模型，结合滑动窗口算法对高清遥感图像中的道路区域进行识别。

(4)将步骤2.4构建的初级道路网络绘制成图像，再将该图像与步骤3.3识别出的道路区域叠加，最后利用骨架提取算法提取出叠加图形中的骨架作为道路网络。