[发明专利]一种道路信息的更新方法

权利要求书

1.一种道路信息的更新方法，其特征在于，包括以下步骤：

利用特征提取的方式获得道路路面的特征点；

将道路类型分为水泥路、沥青路和砂石路三类，对三类的道路进行不同颜色的标注，将沥青路标记为红色，将水泥路标记为蓝色，将砂石路标记为黄色；

通过手工标注数据集分别对Wordview-3、GF-2以及利用网络爬虫技术的网络地图进行标绘，生成大小不同的两类训练数据集；

利用Deeplab、Caffe两种不同的深度学习网络模型，对大小不同的两类训练样本数据进行基于高分遥感影像道路信息提取模型的训练；

利用Deeplab、Caffe两种不同的深度学习网络模型对道路信息进行提取；

对提取结果进行最小外包络矩形的形态学计算，分别计算出最小外包络矩形中心的经纬度信息、道路宽度信息、道路中心线以及道路材质信息；

通过逆地理编码API接口进行远程数据的访问，通过获取的不同地点道路的经纬度坐标，实现结构化地址与经纬度之间的相互转化；

通过逆地理编码实现结构化地址同经纬度之间的相互转化，实现结构化地址信息的获取；

将不同数据源之间道路宽度对比分析，设定阈值，若相同路段道路宽度差异小于阈值则以互联网道路宽度信息作为准确值；若相同路段道路宽度差异大于阈值，以较大值作为准确值，最后通过均值化处理得到道路宽度信息；

将对比分析的信息进行融合，实现相关研究区域内道路信息的及时、准确和自动获取。

2.根据权利要求1所述的道路信息的更新方法，其特征在于，所述利用特征提取的方式获得道路路面的特征点，包括：对非道路区域进行删除，道路区域连接成片。

3.根据权利要求1所述的道路信息的更新方法，其特征在于，所述道路信息提取方法包括：基于区域分割的道路提取法、基于模板匹配的道路提取法、基于边缘的道路提取方法、多特征结合的道路提取方法、面向对象的道路提取方法和基于深度学习的道路提取方法。

4.根据权利要求1所述的道路信息的更新方法，其特征在于，还包括，图像标注完成后，对图像进行预处理，预处理包括进行分割、清洗和打乱。

5.根据权利要求1所述的道路信息的更新方法，其特征在于，通过手工标注数据集分别对Wordview-3、GF-2以及利用网络爬虫技术的网络地图进行标绘，将图像分割成256*256和500*500像素两种不同的大小，同时对图像进行多次随机分割与镜像变换提高数据集数量。

6.根据权利要求5所述的道路信息的更新方法，其特征在于，将没有或者少量道路的图像进行清洗，降低非道路样本的比例，用于提高训练集的适用性。

7.根据权利要求1所述的道路信息的更新方法，其特征在于，对提取结果进行最小外包络矩形的形态学计算还包括，对提取结果分别进行连通域分析去除小斑块非道路区域后利用叠加分析算法进行两种提取结果的融合。

8.根据权利要求1所述的道路信息的更新方法，其特征在于，通过逆地理编码实现结构化地址同经纬度之间的相互转化，实现结构化地址信息的获取还包括，对结构化数据进行冗余处理，通过文本分析和道路信息筛选工作，实现道路名称、道路宽度、道路等级以及道路空间范围的属性信息的获取以及其他冗余数据的删除。

9.根据权利要求1所述的道路信息的更新方法，其特征在于，将对比分析的信息进行融合还包括，对不同数据源道路栅格信息进行叠加分析，获取已有道路信息、新增以及扩建道路信息、道路等级信息和道路材质信息。