基于浮动车轨迹学习的高分影像城市道路网提取方法研究

发布时间：2020-12-11 19:12

　　道路交通网络是重要的地理要素,它的更新数据量大、更新速度快,同时其准确性和完善性直接影响着人民的出行导航、灾害应急等生成生活方方面面。但在实际生产制作中,仍有大量的道路绘制工作是由实地测绘或人工影像目视解译的方式来完成的,绘制周期长、投入大量的人力物力。随着GPS定位技术、遥感科学技术、计算机视觉技术等的飞速发展,道路提取也由人工描绘向半自动化、自动化提取转变。综合利用多种科学技术和手段,智能高效的道路信息提取研究,对地图数据信息的完善有着重要的意义。从道路提取的常见数据源来看,车辆GPS轨迹数据能直接反映道路的几何结构,但包含信息过于单一且易受GPS精度影响,导致提取结果的完整性降低。而遥感影像数据虽然受各种噪声干扰,影响道路提取结果的准确性,但包含地物详细全面,二者各有所长,能够在一定程度上互为补充。本文针对城市中复杂地形、各异场景下的多等级的道路,综合利用浮动车轨迹数据和高分辨率遥感影像数据,提出一种新的对道路进行自动化提取的方法。本文的主要研究内容有如下几点:（1）基于浮动车轨迹的城市道路提取:本文根据轨迹点的疏密程度将GPS轨迹分别进行栅格化处理,合并得到轨迹栅格图像,运用数... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

不同分辨率的轨迹栅格图

基于浮动车轨迹学习的高分影像城市道路网提取方法研究图像，（b）是使用线性插值法对轨迹栅格化的结果。可以看出，对于图 3-3（a）轨迹稀疏路段可能仅有几个离散的轨迹点，在后期去噪时很容易被当作椒盐去除，造成道路信息丢失；而如图 3-3（b），在轨迹量大的路段仍然采用线值法对轨迹进行插值则会造成数据冗余，同时使边缘毛刺增多，加重噪声影响

（a） （b）图 3-3 两种栅格化方法效果图分了轨迹稀疏和稠密区域，使用一周的的路宽设置合理的结构元素对栅格图像域即认为是轨迹稀疏的区域，留下的区路轨迹点的疏密情况使用不同的方法对用线性插值法，也就是将轨迹数据根据轨迹进行排列，按时序顺序用直线连接密的路段，则只将轨迹点进行了栅格化，态。这种根据轨迹疏密分别处理浮动车3-4 所示。

【参考文献】：
期刊论文
[1]基于深度卷积神经网络的场景自适应道路分割算法[J]. 王海,蔡英凤,贾允毅,陈龙,江浩斌.  电子与信息学报. 2017(02)
[2]一种基于约束三角网的道路中心线的提取方法[J]. 李功权,蔡祥云.  长江大学学报(自科版). 2013(04)
[3]利用车辆轨迹数据提取道路网络的几何特征与精度分析[J]. 蒋益娟,李响,李小杰,孙靖.  地球信息科学学报. 2012(02)
[4]基于数学形态学的高分辨率遥感影像道路提取[J]. 李利伟,刘吉平,尹作为.  遥感信息. 2005(05)
[5]基于形态分割的高分辨率遥感影像道路提取[J]. 朱长青,王耀革,马秋禾,史文中.  测绘学报. 2004(04)
[6]基于约束Delaunay结构的街道中轴线提取及网络模型建立[J]. 艾廷华,郭仁忠.  测绘学报. 2000(04)

博士论文
[1]基于整体优先性的遥感影像道路信息提取研究[D]. 马力.武汉大学 2011

硕士论文
[1]基于低频出租车GPS轨迹数据的路网信息提取[D]. 王德浩.武汉大学 2017
[2]栅格地图矢量化关键技术研究[D]. 邹修明.南京理工大学 2002



本文编号：2911077