一种结合OSM和遥感影像提取人行天桥的深度学习方法技术

本发明专利技术公开了一种结合OSM和遥感影像提取人行天桥目标的深度学习方法。首先根据所述人行天桥在开放街道地图（OpenStreetMap，OSM）中的语义信息、拓扑信息和形状信息，从所述OSM数据中自动识别与提取所述人行天桥；然后基于图像语义分割的深度神经网络模型获取所述人行天桥轮廓；进而对所述人行天桥进行结构建模与矢量成图；最后更新人行导航系统中的所述人行天桥数据。本发明专利技术不仅能够自动化识别OSM中的人行天桥，降低了现有方法的主观性，并且利用遥感影像数据弥补OSM不完整的缺点，同时兼顾数据的时效性和完整性，提高了人行天桥的识别效率和准确度。

A Deep Learning Method for Pedestrian Overpass Extraction Based on OSM and Remote Sensing Images

The invention discloses a deep learning method for extracting pedestrian overpass targets by combining OSM and remote sensing images. Firstly, according to the semantic information, topological information and shape information of the pedestrian overpass in the OpenStreet Map (OSM), the pedestrian overpass is automatically recognized and extracted from the OSM data, and then the outline of the pedestrian overpass is obtained based on the depth neural network model of image semantics segmentation. The pedestrian bridge is modeled and mapped by vectors. Finally, the data of the pedestrian bridge in the pedestrian navigation system is updated. The method can not only automatically identify footbridges in OSM, but also reduce the subjectivity of existing methods, and make up for the incomplete defects of OSM by using remote sensing image data, taking into account the timeliness and integrity of data, thereby improving the recognition efficiency and accuracy of footbridges.

【技术实现步骤摘要】
一种结合OSM和遥感影像提取人行天桥的深度学习方法
本专利技术属于地理要素识别与更新领域，尤其涉及一种结合OSM和遥感影像提取人行天桥目标的深度学习方法。
技术介绍
人行导航服务（PedestrianNavigationService，PNS）需求日益增加，使得人行道路数据的采集越来越重要。人行天桥作为整个人行道路系统不可或缺的一部分，可以缓解车流、人流与城市有限的公共交通空间产生的直接矛盾。快速便捷地获取人行天桥数据，不仅是完善人行导航系统的基础，也有助于相关部门（如基础测绘部门）完成对地理要素的识别与更新。目前，人行天桥数据的获取主要有两种方式，即利用传统的测绘手段直接采集和从OpenStreetMap（OSM）中提取的方法。传统的测绘手段利用全站仪、GPS等测绘仪器对地理要素进行采集，然而，这种方法会耗费大量的人力、物力，时间周期也较长，目前采集的地理空间数据中人行天桥信息相对较少。当前，随着Web2.0的到来，使得用户自发贡献各种地理数据成为可能，Goodchild将其定义为“自发地理信息”（VolunteeredGeographicInformation，VGI），本专利技本文档来自技高网...

【技术保护点】
1.一种结合OSM和遥感影像提取人行天桥的深度学习方法，其特征在于，所述方法包括：S1、根据所述人行天桥在开放街道地图（OpenStreetMap，OSM）数据中的语义信息、拓扑信息和形状信息，从所述OSM数据中自动识别与提取所述人行天桥；S2、基于图像语义分割的深度神经网络模型获取所述人行天桥轮廓；S3、对所述人行天桥进行结构建模与矢量成图；S4、更新人行导航系统中的所述人行天桥数据。

【技术特征摘要】
1.一种结合OSM和遥感影像提取人行天桥的深度学习方法，其特征在于，所述方法包括：S1、根据所述人行天桥在开放街道地图（OpenStreetMap，OSM）数据中的语义信息、拓扑信息和形状信息，从所述OSM数据中自动识别与提取所述人行天桥；S2、基于图像语义分割的深度神经网络模型获取所述人行天桥轮廓；S3、对所述人行天桥进行结构建模与矢量成图；S4、更新人行导航系统中的所述人行天桥数据。2.如权利要求1所述的方法，其特征在于，所述步骤S1包括：S11、根据所述语义信息进行建模；S12、根据所述拓扑信息进行建模；S13、根据所述形状信息进行建模。3.如权利要求2所述的方法，其特征在于，所述步骤S2包括：S21、构建训练样本集；S22、将所述样本集输入至深度神经网络模型U-Net进行训练，得到基于U-Net的人行天桥预测网络模型；S23、输入待检测影像至所述基于U-Net的人行天桥预测网络模...

【专利技术属性】
技术研发人员：刘慧敏，王晓路，邓敏，陈袁芳，唐建波，黄金彩，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43