【摘要】：隨著城市規(guī)模不斷擴大,城市道路網(wǎng)絡(luò)處于快速變化之中,及時獲取準(zhǔn)確的路網(wǎng)信息變的尤為重要。從車輛軌跡及街景影像數(shù)據(jù)中獲取路網(wǎng)信息相對于傳統(tǒng)方法具有低成本、高現(xiàn)勢性的優(yōu)點,但也存在數(shù)據(jù)分布不均勻、精度低、噪聲多及如何從街景影像中獲取交通標(biāo)識等問題。本文聚焦軌跡及街景影像數(shù)據(jù),提出基于軌跡數(shù)據(jù)提取道路中心線、道路交叉口、道路邊界、路網(wǎng)更新的方法以及基于街景影像獲取交通標(biāo)識語義信息的方法。本文主要研究工作如下:(1)研究了基于軌跡數(shù)據(jù)獲取道路中心線的方法,通過對軌跡數(shù)據(jù)柵格化得到軌跡柵格圖像,以此為基礎(chǔ)使用數(shù)學(xué)形態(tài)學(xué)及其形態(tài)學(xué)骨架提取算法對軌跡圖像進行處理獲取道路中心線。在此基礎(chǔ)上引入同態(tài)濾波對形態(tài)學(xué)骨架提取算法進行改進,實驗表明優(yōu)化后的算法去噪效果較好。(2)研究了提取道路交叉口的方法,以道路中心線為基礎(chǔ),本文采用道路中心線交叉口像素鄰域判別法,通過對中心點像素構(gòu)建8鄰域像素框來判別像素點個數(shù),從而提取道路交叉口,實驗結(jié)果表明該方法在提取道路交叉口中準(zhǔn)確率提升了6.06%。(3)研究了提取道路邊界的方法,采用密度變化指數(shù)和邊長指數(shù)作為約束條件來構(gòu)建狄羅尼三角網(wǎng),建立道路邊界判別模型,最后通過優(yōu)化Canny邊緣檢測算子探測道路邊界,使其在閾值(0,1)內(nèi)既有較好的抗噪性,又有較好的邊緣保持性。(4)研究了路網(wǎng)更新的方法,采用圖像差值法和基于小波變化及SIFT的路網(wǎng)更新方法。本文通過RANSAC算法對SIFT算法進行優(yōu)化,實現(xiàn)對圖像差值法的改進,實驗結(jié)果表明對路網(wǎng)的噪聲邊有較好的剔除效果,最后通過小波變換和SIFT實現(xiàn)路網(wǎng)更新。(5)通過全卷積神經(jīng)網(wǎng)絡(luò)進行深度學(xué)習(xí)實現(xiàn)語義分割,對獲取交通標(biāo)識信息進行了初步探索。
【圖文】：

圖 1.1 技術(shù)路線1.4 本章小結(jié)本章對論文的緒論部分做了詳細的闡述，主要介紹了論文的研究背景及意義、國內(nèi)外研究現(xiàn)狀、研究目標(biāo)、研究內(nèi)容、論文結(jié)構(gòu)安排等內(nèi)容，確定了本文的研究思路、論文結(jié)構(gòu)和技術(shù)路線。

數(shù)學(xué)形態(tài)學(xué)基本運算包括：腐蝕、膨脹、開運算、閉運算，其中腐蝕是運用結(jié)構(gòu)元素 B 在目標(biāo)影像 X 內(nèi)部運動最終將運動軌跡所圍成的圖像標(biāo)記出來，被標(biāo)記的圖像即為腐蝕后的圖像(如圖2.1所示)，這種運算可以剔除目標(biāo)圖像內(nèi)部小于結(jié)構(gòu)元素的毛刺，可以使目標(biāo)圖像縮小，用公式 2.1 表示：XB{ x|(B)X}x （2.1）圖 2.1 腐蝕集合 X 被結(jié)構(gòu)元素 B 膨脹，表示為 X B，其計算公式見式 2.2，X 為目標(biāo)圖像，，B 為結(jié)構(gòu)元素。 是以 B 為中心開始在集合外部進行移動，移動過程中將中心位置標(biāo)記出來
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U495

【參考文獻】

相關(guān)期刊論文 前10條

1 劉金龍;張曉雨;;基于直線模型的道路邊界識別技術(shù)[J];電子科技;2014年10期

2 尹川;王艷慧;;路網(wǎng)增量更新中基于OSTU的目標(biāo)幾何匹配閾值計算[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年09期

3 賀桂嬌;;幾種經(jīng)典的圖像邊緣檢測算子分析比較[J];計算機光盤軟件與應(yīng)用;2014年09期

4 歐陽鴻;劉建勛;劉毅志;廖祝華;陳佘喜;;基于步行GPS軌跡的路網(wǎng)提取方法[J];計算機與現(xiàn)代化;2014年02期

5 陳卓;馬洪超;李云帆;;結(jié)合角度紋理信息和Snake方法從LiDAR點云數(shù)據(jù)中提取道路交叉口[J];國土資源遙感;2013年04期

6 杜金輝;管業(yè)鵬;時勇杰;;基于快速SIFT匹配的行人信息檢測[J];電子器件;2012年05期

7 袁叢洲;張金芳;彭進;;高分辨率遙感影像道路線性要素識別[J];計算機工程與應(yīng)用;2012年18期

8 蔣益娟;李響;李小杰;孫靖;;利用車輛軌跡數(shù)據(jù)提取道路網(wǎng)絡(luò)的幾何特征與精度分析[J];地球信息科學(xué)學(xué)報;2012年02期

9 張偉偉;毛政元;;一種面向高空間分辨率遙感影像的路口自動定位新方法[J];國土資源遙感;2012年01期

10 陳趁新;唐娉;邊釗;;遙感影像分割邊界的平滑方法[J];計算機工程與設(shè)計;2012年02期

相關(guān)博士學(xué)位論文 前3條

1 趙曉麗;面向圖像分割的智能算法研究[D];上海大學(xué);2018年

2 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

3 王釗;車輛導(dǎo)航電子地圖的自增量更新[D];清華大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 石斌斌;基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感影像修復(fù)方法研究[D];東華理工大學(xué);2018年

2 蘇燕飛;基于卷積神經(jīng)網(wǎng)絡(luò)和SIFT的多源遙感圖像配準(zhǔn)研究[D];南昌大學(xué);2018年

3 王德浩;基于低頻出租車GPS軌跡數(shù)據(jù)的路網(wǎng)信息提取[D];武漢大學(xué);2017年

4 張家搏;基于圖像的規(guī)則化道路檢測與跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2017年

5 鄧思雨;道路場景理解技術(shù)的研究[D];吉林大學(xué);2016年

6 高朋;基于GPS的路網(wǎng)更新系統(tǒng)研究與實現(xiàn)[D];東南大學(xué);2015年

7 線冰曦;基于多特征融合的全景圖道路輪廓自動提取方法及應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

8 白雪;高分辨率衛(wèi)星影像道路提取方法研究[D];遼寧工程技術(shù)大學(xué);2015年

9 張莉婷;基于出租車GPS軌跡的導(dǎo)航道路數(shù)據(jù)更新[D];昆明理工大學(xué);2014年

10 周昀罡;基于知識的道路信息提取方法研究[D];四川師范大學(xué);2013年

本文編號：2687551