基于交叉口变化引导的矢量道路骨架网更新方法及设备技术

本发明专利技术提供了一种基于交叉口变化引导的矢量道路骨架网更新方法及设备。所述方法包括：步骤1至步骤5。本发明专利技术运用融合边缘提取模块的双流多尺度卷积神经网络MED提取道路交叉口，交叉口提取准确度和精度都得到提升，为后续的交叉口引导道路骨架自动更新提供道路拓扑节点变化信息；采用交叉口引导矢量道路骨架网变化发现具有较高的准确率，可以有效地完成矢量道路骨架的更新。矢量道路骨架的更新。矢量道路骨架的更新。

【技术实现步骤摘要】
基于交叉口变化引导的矢量道路骨架网更新方法及设备


[0001]本专利技术实施例涉及遥感影像应用
，尤其涉及一种基于交叉口变化引导的矢量道路骨架网更新方法及设备。

技术介绍

[0002]路网变化主要体现在交叉口的位置和节点度的变化，为充分利用这一特征，从检测交叉口的变化这一角度出发去发现道路网的变化，并利用交叉口的分支方向进行道路网更新。其中基于道路交叉点检测交叉口的方法精度依赖于道路提取的精准度，而道路的提取一直是遥感地物提取中的难点；基于形态学特征检测交叉口的方法为通过对影像中交叉口的形状和纹理等特征进行提取，从而达到检测交叉口的目的，存在漏检率较高且鲁棒性较低的问题；目前的网络模型泛化能力有限，对于背景简单、轮廓特征较明显的道路交叉口有不错的检测效果，但在不同尺度、不同地域的复杂遥感影像中对小尺寸或遮挡严重的道路交叉口检测难度很大，且需要引入较多的人工干预，自动化程度和检测精度不高。因此，开发一种基于交叉口变化引导的矢量道路骨架网更新方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。

技术实现思路

[0003]针对现有技术存在的上述问题，本专利技术实施例提供了一种基于交叉口变化引导的矢量道路骨架网更新方法及设备。
[0004]第一方面，本专利技术的实施例提供了一种基于交叉口变化引导的矢量道路骨架网更新方法，包括：步骤1，数据预处理与模型训练，首先对旧时相矢量路网设立缓冲区并转换为道路二值图像，方便后续交叉口的提取；其次运用事先标注好的交叉口样本库对融合边缘约束的多尺度双流道路交叉口提取网络进行训练获得交叉口检测模型；最后对新时相遥感影像和旧时相道路二值图像进行裁剪，方便输入网络进行交叉口检测；步骤2，提取新旧时相道路交叉口，将步骤1中分块后的新旧时相影像数据输入到训练好的交叉口检测模型中进行交叉口提取，输出交叉口的位置、范围以及节点度，并对交叉口数据模型中的属性参数进行初始化；步骤3，交叉口的变化发现，采用指标部分交并比作为交叉口位置匹配的量化条件，当新旧交叉口的PIoU值大于阈值T
piou
时则认定该新旧交叉口满足位置匹配条件，对新旧交叉口的节点度个数进行对比，若节点度个数相同则修改该新旧交叉口的类型为未变化交叉口，若节点度数目不同则根据节点度变化情况修改相应的新旧交叉口类型为节点度新增或减少交叉口；步骤4，交叉口引导道路网更新，首先采用边缘限制的区域生长算法提取变化交叉口的分支方向，其次采用方向限制的区域生长算法验证并删减未变化与消失道路段，最后再采用方向限制的区域生长算法提取新增矢量道路段；步骤5，路网连接，根据各类交叉口位置、范围和结构特征将删减后矢量道路网和新增矢量道路段进行连接，构成更新后的矢量道路骨架网。
[0005]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于交叉口变化引导的
矢量道路骨架网更新方法，步骤1的具体实现方式包括：步骤1.1：对旧时相矢量路网中的每个矢量路段设定一个缓冲区范围，再对该缓冲区所组成的图层作融合与栅格化操作，形成二值化的道路图像，根据通用道路设计标准，各级道路车道宽度大于等于3米，OSM矢量数据中单条矢量路段通常表示为2
‑
3条车道，不同向车道之间通常包含有绿化带等具有一定宽度的地物，为保证相邻近的两车道线缓冲区相接，能够完整地覆盖真实道路面，故在提取二值道路图像时应对每条矢量路段取半径为6
‑
9米的缓冲区；步骤1.2：利用事先标注好的交叉口样本库对MED网络进行训练，得到交叉口检测模型。所述MED交叉口检测网络为融合边缘提取模块的双流多尺度卷积神经网络，该网络特征提取模块包含两个工作流：基于CSPDarknet的多尺度复合特征提取流与多尺度边缘特征提取流，特征提取完成后对不同尺度的复合特征图与边缘特征图进行堆叠，再将堆叠后不同尺度的特征图输入到FPN加强特征提取模块中进行多尺度特征融合，最后将融合后特征图输入到交叉口提取任务头中进行交叉口提取；步骤1.3：对新时相遥感影像与旧时相道路二值图像裁剪成512*512像素的分块图像。
[0006]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于交叉口变化引导的矢量道路骨架网更新方法，步骤2中交叉口数据模型与属性参数包括：编号、所在图幅号、中心横坐标、中心纵坐标、边框宽、边框高、节点度、类型和是否已处理。
[0007]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于交叉口变化引导的矢量道路骨架网更新方法，步骤3中评价新旧交叉口位置匹配的指标PIoU包括：
[0008]PIoU＝max(A∩B/A，A∩B/B)
ꢀꢀꢀ
(1)
[0009]式(1)中，A与B表示正在进行位置匹配的新旧交叉口，max为最大值函数。
[0010]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于交叉口变化引导的矢量道路骨架网更新方法，步骤4的具体实现方式包括：步骤4.1：基于边缘限制的区域生长算法提取交叉口分支方向，将步骤2中提取的新旧时相交叉口中心点作为种子点，以canny算子提取的交叉口边缘特征作为生长限制条件，直至生长到交叉口范围边界停止生长，获得交叉口的分割结果，并根据分割结果提取交叉口的分支方向向量；步骤4.2：基于方向限制的区域生长算法验证并删减未变化与消失道路段，将消失或节点度减少的交叉口消失分支方向向量与其边界范围的交点作为种子点，以消失分支方向作为生长限制条件，以旧时相道路二值图像为生长底图进行定向生长，快速生长到下一交叉口A，判断交叉口A的当前分支是否消失，若消失则删除该支路；若未消失则从交叉口A的当前分支开始以新时相遥感影像为生长底图进行定向生长，直至生长到该方向上无相似像素后停止生长，获得未变化路段，最后将该支路上消失的路段删除；步骤4.3：基于方向限制的区域生长算法提取新增道路段：将新增或节点度增加的交叉口新增分支方向向量与其边界范围的交点作为种子点，以新增分支方向作为生长限制条件，以新时相遥感影像为生长底图进行定向生长，直至生长到该方向上无相似像素或生长到下一交叉口处停止生长，获得新增矢量路段。
[0011]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于交叉口变化引导的矢量道路骨架网更新方法，步骤5中的路网连接，基于当前路网中待连接处的交叉口位置、范围和分支方向将删减后矢量道路网和新增矢量道路段进行连接，构成更新后的矢量道路网；其中交叉口位置是指所提取的交叉口中心点坐标，交叉口范围指所提取的交叉口边界框，交叉口分支方向是指与该交叉口相连的各支路的方向向量。
[0012]在上述方法实施例内容的基础上，本专利技术实施例中提供的基于交叉口变化引导的矢量道路骨架网更新方法，所述，包括：。
[0013]第二方面，本专利技术的实施例提供了一种基于交叉口变化引导的矢量道路骨架网更新装置，包括：第一主模块，用于实现步骤1，数据预处理与模型训练，首先对旧时相矢量路网设立缓冲区并转换为道路二值图像，方便后续交叉口的提取；其次运用事先标注好的交叉口样本库对融合边缘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交叉口变化引导的矢量道路骨架网更新方法，其特征在于，包括：步骤1，数据预处理与模型训练，首先对旧时相矢量路网设立缓冲区并转换为道路二值图像，方便后续交叉口的提取；其次运用事先标注好的交叉口样本库对融合边缘约束的多尺度双流道路交叉口提取网络进行训练获得交叉口检测模型；最后对新时相遥感影像和旧时相道路二值图像进行裁剪，方便输入网络进行交叉口检测；步骤2，提取新旧时相道路交叉口，将步骤1中分块后的新旧时相影像数据输入到训练好的交叉口检测模型中进行交叉口提取，输出交叉口的位置、范围以及节点度，并对交叉口数据模型中的属性参数进行初始化；步骤3，交叉口的变化发现，采用指标部分交并比作为交叉口位置匹配的量化条件，当新旧交叉口的PIoU值大于阈值T
piou
时则认定该新旧交叉口满足位置匹配条件，对新旧交叉口的节点度个数进行对比，若节点度个数相同则修改该新旧交叉口的类型为未变化交叉口，若节点度数目不同则根据节点度变化情况修改相应的新旧交叉口类型为节点度新增或减少交叉口；步骤4，交叉口引导道路网更新，首先采用边缘限制的区域生长算法提取变化交叉口的分支方向，其次采用方向限制的区域生长算法验证并删减未变化与消失道路段，最后再采用方向限制的区域生长算法提取新增矢量道路段；步骤5，路网连接，根据各类交叉口位置、范围和结构特征将删减后矢量道路网和新增矢量道路段进行连接，构成更新后的矢量道路骨架网。2.根据权利要求1所述的基于交叉口变化引导的矢量道路骨架网更新方法，其特征在于，步骤1的具体实现方式包括：步骤1.1：对旧时相矢量路网中的每个矢量路段设定一个缓冲区范围，再对该缓冲区所组成的图层作融合与栅格化操作，形成二值化的道路图像，根据通用道路设计标准，各级道路车道宽度大于等于3米，OSM矢量数据中单条矢量路段通常表示为2
‑
3条车道，不同向车道之间通常包含有绿化带等具有一定宽度的地物，为保证相邻近的两车道线缓冲区相接，能够完整地覆盖真实道路面，故在提取二值道路图像时应对每条矢量路段取半径为6
‑
9米的缓冲区；步骤1.2：利用事先标注好的交叉口样本库对MED网络进行训练，得到交叉口检测模型。所述MED交叉口检测网络为融合边缘提取模块的双流多尺度卷积神经网络，该网络特征提取模块包含两个工作流：基于CSPDarknet的多尺度复合特征提取流与多尺度边缘特征提取流，特征提取完成后对不同尺度的复合特征图与边缘特征图进行堆叠，再将堆叠后不同尺度的特征图输入到FPN加强特征提取模块中进行多尺度特征融合，最后将融合后特征图输入到交叉口提取任务头中进行交叉口提取；步骤1.3：对新时相遥感影像与旧时相道路二值图像裁剪成512*512像素的分块图像。3.根据权利要求2所述的基于交叉口变化引导的矢量道路骨架网更新方法，其特征在于，步骤2中交叉口数据模型与属性参数包括：编号、所在图幅号、中心横坐标、中心纵坐标、边框宽、边框高、节点度、类型和是否已处理。4.根据权利要求3所述的基于交叉口变化引导的矢量道路骨架网更新方法，其特征在于，步骤3中评价新旧交叉口位置匹配的指标PIoU包括：PIoU＝max(A∩B/A，A∩B/B)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式(1)中，A与B表示正在进行位置匹配的新旧交叉口，max为最大值函数。5.根据权利要求4所述的基于交叉口变化引导的矢量道路骨架网更新方法，其特征在于，步骤4的具体实现方式包括：步骤4.1：基于边缘限制的区域生长算法提取交叉口分支方向，将步骤2中提取的新旧...

【专利技术属性】
技术研发人员：眭海刚，周宁，周明婷，
申请(专利权)人：武汉大学，
类型：发明
国别省市：