針對目前利用低頻時空軌跡數據進行道路提取與更新,難以同時滿足提取精度和算法效率要求的問題,該文提出一種基于低頻軌跡數據的多時相增量式道路提取方法。首先,將原始軌跡數據分割為多個時相軌跡序列,并利用柵格化法得到多個時相的初始道路中心線;接著,采用吸引力模型糾正初始道路中心線的位置偏差,再通過k-segment主曲線算法擬合得到最終道路中心線,構建道路骨架地圖;最后,統(tǒng)計與道路中心線關聯(lián)的軌跡位置與方向信息,進一步挖掘道路寬度與單雙向通行規(guī)則等交通語義信息,豐富道路骨架地圖。實驗結果表明,基于多時相軌跡分別提取與增量融合的方式,可有效發(fā)現道路網的時空變化規(guī)律,獲得較高的道路檢測概率與信息提取準確率,同時避免對全時段軌跡直接處理的復雜運算量。 

【文章來源】：測繪科學. 2020,45(04)北大核心CSCD

【文章頁數】：7 頁

【部分圖文】：

本文方法流程圖

城市道路網每天發(fā)生變化,本文將原始軌跡按天劃分為多時相軌跡序列,然后采用柵格化法提取多時相初始道路網,從而有效追蹤道路時空變化。具體地,按不同日期對預處理后軌跡進行分組,將各時相軌跡點轉換為二值圖像,利用膨脹、開運算和細化等柵格化方法提取初始路網。首先,考慮到軌跡稀疏性,需要對各時相軌跡二值圖像進行膨脹處理。膨脹是利用3×3結構元素對原始圖像中各像素進行邏輯與操作,若皆為0,則結果為0,否則為1,從而將目標邊緣或內部的空隙填充,達到連接斷裂路段的目的。如圖2所示,圖像M即為原始圖像A經過結構元素B膨脹處理后結果。為了減少毛刺現象,需要對膨脹后二值圖像進行形態(tài)學開運算。形態(tài)開運算是利用一結構元素對目標圖像依次進行腐蝕和膨脹操作。腐蝕與膨脹操作類似,是將結構元素與目標圖像各像素進行邏輯與操作,若皆為1,則結果圖像為1,否則為0。本文開運算使用的結構元素B=[0 1 0;1 1 1;0 1 0]。

如圖3所示,圖3(b)表示對圖3(a)中原始圖像直接開運算得到的結果,圖3(c)表示原始圖像經膨脹運算后再進行開運算得到的結果。由圖3可見,膨脹后開運算比直接開運算得到結果更能有效保留稀疏軌跡的道路特征。最后,利用細化算法提取初始道路中心線,現有細化算法包括基于布爾運算,數學形態(tài)和逐層剝離的方法。本文綜合考慮運算效率和道路完整性,采用基于形態(tài)學的細化算法提取初始道路中心線。該算法主要通過一系列結構元素 B1…BN 逐一細化目標圖像A,刪除A中被B1…BN擊中或匹配的像素,公式如式(1)所示。

【參考文獻】：
期刊論文
[1]運用約束Delaunay三角網從眾源軌跡線提取道路邊界[J]. 楊偉,艾廷華.  測繪學報. 2017(02)
[2]符合認知規(guī)律的時空軌跡融合與路網生成方法[J]. 唐爐亮,劉章,楊雪,闞子涵,李清泉,董坤.  測繪學報. 2015(11)
[3]利用車輛軌跡數據提取道路網絡的幾何特征與精度分析[J]. 蔣益娟,李響,李小杰,孫靖.  地球信息科學學報. 2012(02)



本文編號：3584231