基于低空航摄成果自动化编译高精地图道路参考线的方法技术

本发明专利技术公开了一种基于低空航摄成果自动化编译高精地图道路参考线的方法，步骤为：S1数据预处理：通过对目标区域进行测量获得目标区域的影像数据，再进行裁切，得到道路部分的成果数据；S2提取车道线：对道路部分的成果数据进行粗分割，分离车道及背景，再去噪后进行矢量化处理得到道路边界数据；S3高精地图车道线解译：先利用格网对道路边界数据进行分割，再在每个格网内提取车道线暂定中心线，再利用车道线接续算法对车道线暂定中心线进行追踪连接；后再通过数字地表模型DSM获取车道线中心线的高程值，得到完整的道路参考线。采用无人机航摄影像进行道路提取，保证数据高精度的同时既提升了数据获取的便利性，又降低了获取成本。成本。成本。

【技术实现步骤摘要】
基于低空航摄成果自动化编译高精地图道路参考线的方法


[0001]本专利技术属于高精地图
，尤其涉及一种基于低空航摄成果自动化编译高精地图道路参考线的方法。

技术介绍

[0002]道路是重要的人工地物，对经济发展、生态环保和军事国防等有着重要意义，尤其在交通管理、智慧城市以及自动驾驶等领域具有重要价值，因此如何高效地获取高质量道路一直是研究的热点。近年来，随着无人机技术的不断完善，基于无人机的低空摄影测量发展迅速，其生产的航摄影像分辨率更高、获取影像速度更快、受天气影响更小；机载激光雷达LIDAR通过主动发射激光波束探测地物特征，获取的数据具有高程、强度、回波等信息，具有不受阴影遮挡干扰的特点。因此在航测影像或点云数据基础上获取道路特征信息已成为遥感领域的重要手段。
[0003]现阶段的研究成果表明，用于智能驾驶的高精地图大体分为静态层和动态层，而静态层中的道路和车道信息是高精地图的重要组成部分，国内外对于高精地图静态车道级数据采集主要依赖于车载移动测量系统和无人机摄影测量，而以无人机为代表的高分辨率影像具有易获取、低成本等优势，数据获取的精度和效率也不断提升，因此利用低空航摄影像提取高精度的道路、车道等信息
‑‑
如道路面、边界线、车道线等
‑‑
已成为高精地图生产和编译的重要方法之一。
[0004]为了能有效并且准确提取出车道线，国内外的研究人员已经提出了各式各样的技术解决方案。目前，高精地图生产制作主要有两种方式，一种基于无人机低空高分辨率影像提取道路车道线信息，一种是基于车载LiDAR数据提取道路路面、标示线及其他道路要素的信息，还一种是基于多种数据源的融合进行道路提取。
[0005]针对航空影像和高分辨率遥感影像，很多学者提出了以人工智能为基础的道路自动识别方法。其核心思想来源于Marr的视觉理论。主要从以下三个点进行研究：基于低层次边缘检测及链接；基于中层次特征信息处理；基于高层次特征识别处理。余洁等学者以区域生长和道路基元为基础，提出遥感影像道路提取方法。张睿等结合矩形模板构造方法，计算像素点的角度纹理特征，利用最小二乘剖面匹配法，提取遥感影像道路中心线。
[0006]现今主要有两种从LiDAR数据中提取道路标识的方法。其一，通过将LiDAR数据转换为图像栅格数据，再使用图像分割的方法提取道路表示。Guan等使用拓展反距离权重插值法(IDW)生成地理参考特征影像(GRF)，然后使用多尺度张量投票来提取道路标识，也可使用基于点密度的多阈值分割提取道路标识。其二，则是直接从点云数据中，根据道路标示的异常反射率这一特征提取道路标识。Yu等将道路分割为多段，通过多段阈值和空间密度滤波直接从路面点提取道路标记。
[0007]利用多种数据源的融合进行道路提取也是目前国内外学者研究的热点，Salman等提出了一种融合激光雷达数据和遥感影像的分层提取的方法，该方法首先将LiDAR数据转换成DSM，然后利用一个高度阈值将DSM分割成二值图像，完成对建筑物的提取，然后结合
NDVI植被指数完成对植被的提取，最后将道路从中分离出来，完成道路信息的提取；Gong等提出了一种基于聚类的从LiDAR数据和遥感影像中自动提取道路信息的方法。首先利用聚类算法对LiDAR点云数据按照高度信息进行聚类，初步分成道路和植被两大类，然后将航空遥感影像的RGB色彩信息与LiDAR点云数据进行融合，使点云数据既包含位置和高程信息又包含回波强度和光谱信息，最后利用融合的数据设置光谱范围进一步分离出道路信息。
[0008]中国专利文献CN108537169A公开了一种基于中心线和路宽检测算法的高分辨率遥感影像道路提取方法，属于遥感影像处理
由于采用中心线检测算法直接提取的道路中心线会受到周围各种地物的影响，如树木，车辆，房屋等，导致中心线不完整，出现中断导致道路提取信息的不够完整、精度较差的问题。本专利技术通过引入张量场，通过张量场投票算法，对中心线检测中的中断部分进行补充，并再次利用中心线检测算法计算从而可以获得一个完整的道路中心线，并将距离中断部分最近中心线所对应的路宽作为实际路宽，实现了提取完整的道路信息。
[0009]中国专利文献CN109448046A公开了一种基于多描述子的半自动道路中心线快速提取方法，步骤为：输入影像中道路起止点坐标；对原始影像进行L 0 滤波；对原始影像进行线段提取；在滤波结果及线段提取结果的基础上，根据起止点坐标，建立多级线段方向直方图，以获得当前道路方向；建立扇形描述子；利用最小二乘法将所有得到的道路跟踪点进行拟合，进一步剔除错误提取的道路点，得到道路中心线。
[0010]中国专利文献CN110555423A公开了一种基于多维运动摄像机的航拍视频的交通参数提取方法；该方法框架包括四个步骤，首先采用时间上强大的全局运动补偿方法来补偿无人机摄相机移动并获得视频中稳定的背景。然后，应用核化相关滤波器快速准确地跟踪车辆。之后，使用霍夫线检测来找出视频中的参考标记，并将检测到的参考标记的实际长度映射到无人机视频中的图像长度。最后，使用先前步骤的输出估计交通流中的个体车辆速度，车头时距和车头间距等微观交通参数。将此方法应用于三个不同的航拍视频进行实验。实验结果表明，该方法在估算车速，车头时距和车头间距等交通参数均获得较高的准确率，得到了较好的估算效果。
[0011]中国专利文献CN111738094A公开了一种遥感影像道路自动提取方法及装置，其中，所述方法包括：对待提取道路影像进行分块，获得影像块；对影像块的边缘进行平行线检测，获取影像块边缘的平行线；利用方向线纹理特征对所述平行线进行判断以确定道路位置，从而确定影像块中的道路起始位置，获得影像块中起始道路位置的起始宽度、道路方向及道路中心点；根据道路的起始宽度、道路方向及道路中心点确定可变带宽的道路追踪模板，利用可变带宽的道路追踪模板从道路起始位置开始进行道路追踪，确定影像块中的道路；合并影像块，将每一个影像块中的道路联接，确定待提取道路影像中的道路。综合利用了传统半自动提取算法中模板匹配算法的优势和自动算法高效率无需人工干预的优点，能准确高效的提取道路。
[0012]中国专利文献CN113128405A公开了一种结合语义分割与点云处理的植物识别与模型构建方法，包括：1、根据倾斜摄影所得地景图像生成正射影像；2、训练深度学习网络，由神经网络对正射影像进行语义分割识别植物区域；3、生成图像对应的点云，通过坐标系转换实现点云数据与正射影像的坐标对应；4、分割点云数据，获取植物区域点云；5、结合倾斜摄影图像、点云数据，通过k
‑
means点云聚类、目标检测等方法进一步识别植物种类；6、建
立植物模型库；7、对植物区域点云进行处理，确定其包含的植物种类、位置、尺寸等参数，导入植物模型对点云进行替换；8、将植物模型转换为所需格式。
[0013]由于高分辨率影像中包含了丰富的地物信息，故本专利技术在设计算法提取道路时，既要考虑剔除这些地物的干扰，又要考虑算法能否高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，具体包括以下步骤：S1数据预处理：通过对目标区域进行测量获得目标区域的影像数据，输出相应的成果数据，并对成果数据进行裁切，得到道路部分的成果数据；S2提取车道线：对步骤S1中获取的道路部分的成果数据进行粗分割，分离车道及背景，再去噪后进行矢量化处理得到道路边界数据；S3高精地图车道线解译：先利用格网对道路边界数据进行分割，再在每个格网内提取车道线暂定中心线，再利用车道线接续算法对车道线暂定中心线进行追踪连接；后再通过数字地表模型DSM获取车道线中心线的高程值，从而得到完整的道路参考线。2.根据权利要求1所述的基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，所述步骤S1中的成果数据包括DOM成果数据和DSM成果数据，数据预处理的具体步骤包括：S11：布设像控点并测量像控点，同时进行无人机航空测量，获得目标区域的影像数据，采用三维建模进行数据处理，输出DOM成果数据和DSM成果数据；S12：利用合并图层对生成DOM成果数据和DSM成果数据进行裁剪，保留DOM成果数据和DSM成果数据中的道路部分的影像数据，形成道路部分的成果数据。3.根据权利要求2所述的基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，所述步骤S2的具体步骤为：S21粗分割：先将DOM成果数据转化成灰度图，再设置阈值并利用阈值对步骤S1中获得的道路部分的成果数据进行粗分割，将灰度值高于阈值的部分设置为白色，否则为黑色，从而实现车道线的粗分割；S22去除噪声：对步骤S21中粗分割后的成果数据通过形态学算子及面积因子，分别实现点状及面状噪声的去除，获得去除噪声的结果图；S23矢量化：在步骤S22中得到的结果图中利用白色及黑色分别表示车道线及背景，搜索区块边界点即可得到车道线矢量化结果。4.根据权利要求3所述的基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，所述步骤S3的具体步骤为：S31格网分割：在得到车道线矢量化结果后，以交通要素属性表中“路宽”字段值的一半为格网边长，建立覆盖所有车道线的格网，利用该格网对车道线矢量化结果的图层进行分割，分割后车道线与格网的位置关系包括长实线和虚线；S32提取车道线暂定中心线：针对长实线和虚线分别提取车道线暂定中心线，分别获得每个格网内的长实线的车道线暂定中心线和虚线的车道线暂定中心线；S33暂定中心线的追踪连接：再利用车道线接续算法对步骤S32中获得的各个车道线暂定中心线进行追踪并连接，从而完成车道线中心线的提取；S34最终车道中心线的高程赋值：将连接后的车道线中心线叠加在DSM成果数据上，根据连接后的车道线中心线的每个节点的平面坐标，在空间上找到对应的DSM栅格，并将该DSM栅格的高程值赋值给该节点，从而获取完整的有高程的道路参考线。5.根据权利要求4所述的基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，所述步骤S22的具体步骤为：
S221形态学算子：先利用形态学开运算滤除宽度小于或等于两个像素的噪声点，再利用形态学闭运算填充空洞，实现噪声的初步去除；S222形状因子：设置比例因子及宽度因子，将设置为白色的区域中长宽比大于比例因子且宽度大于宽度因子的区块去除，即得到最终噪声去除结果图。6.根据权利要求5所述的基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，所述步骤S222中将每个连通的白色的区域视为一个区块，计算区块中任意两点距离，取距离最大者为区块长，两者夹角为长度方向；与长度方向垂直的方向为宽度方向，则区块最小外接矩形的长视为区块长，宽视为区块宽，从而获得长宽比；比例因子及宽度因子分别设置为1/20和15。7.根据权利要求6所述的基于低空航摄成果自动化编译高精地图道路参考线的方法，其特征在于，所述步骤S32的具体步骤包括：S321提取长实线的车道线暂定中心线：按照车道线的长实线与某一格网的交点数量n，分为6种情况，其中当n≤2时，则不对该格网内的车道线进行处理；当n≥3时，利用n个交点P
n
的平面坐标值（X
Pn
，Y
Pn
）进行判断，提取车道线暂定中心线；S322提取虚线的车道线暂定中心线：采用矩形边界围合计算中心线算法...

【专利技术属性】
技术研发人员：张伟，孙骏，冯建亮，河海，张广思，朱婷婷，
申请(专利权)人：速度时空信息科技股份有限公司，
类型：发明
国别省市：