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

论文摘要

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,运用数学形态学相关技术,设计了合理的图像处理流程,从而获取了道路的中心线及关键点等道路信息。（2）基于浮动车轨迹辅助的遥感影像深度学习样本集建立:本文针对深度学习样本集人工标注制作代价巨大这一问题,根据由浮动车轨迹提取得到的道路信息按照网络训练需要的格式对遥感影像中的道路进行标注。制作完成的样本数据集包括训练集和测试集,用于道路提取模型的训练和测试。（3）基于卷积神经网络的高分辨率遥感影像道路提取:本文以图像语义分割神经网络模型LinkNet为结构基础,构建了D-LinkNet模型,通过学习训练含有轨迹数据标注的训练样本集得到了道路提取神经网络,输入测试集数据后获得测试区道路提取结果。为验证研究方法的有效性,本文将学习了轨迹数据的模型提取的道路结果具有良好的提取准确度和完整度,和没有学习轨迹模型提取结果以及浮动车轨迹道路提取结果进行相比,该方法的道路提取结果整体效果更好,说明了本文研究方法的有效性。

论文目录

文章来源

类型: 硕士论文

作者: 张菊

导师: 胡庆武

关键词: 道路提取,浮动车轨迹,高分辨率遥感影像,数学形态学,卷积神经网络

来源: 武汉大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 自然地理学和测绘学,公路与水路运输

单位: 武汉大学

分类号: U491;P228.4

总页数: 73

文件大小: 4985K

下载量: 219

相关论文文献

• [1].一种改进的快速浮动车地图匹配方法[J]. 测绘通报 2017(01)
• [2].基于浮动车数据的区域路网交通状态评价[J]. 科学技术与工程 2017(07)
• [3].浮动车数据在公交调度管理中的运用研究[J]. 公路交通科技(应用技术版) 2017(03)
• [4].基于浮动车数据的信号交叉口排队长度估计[J]. 道路交通与安全 2016(04)
• [5].基于单个浮动车数据的交通流分析算法[J]. 科学家 2017(10)
• [6].基于浮动车数据的拥堵相关性分析[J]. 城市地理 2017(06)
• [7].浮动车技术应用研究进展[J]. 现代电子技术 2016(11)
• [8].基于服务总线浮动车数据分布式并行处理算法[J]. 科技资讯 2013(29)
• [9].基于浮动车数据交通参数提取技术探讨[J]. 测绘与空间地理信息 2013(07)
• [10].大规模浮动车系统路网变更检测技术综述[J]. 福建电脑 2012(02)
• [11].浮动车与空间网格结合的新增道路自动检测[J]. 科学技术与工程 2012(22)
• [12].浮动车数据路网时空分布特征研究[J]. 中国公路学报 2008(04)
• [13].浮动车数据的混合修复方法[J]. 地理空间信息 2019(04)
• [14].基于长春市浮动车数据的城市交通运行状态分析[J]. 交通与运输 2019(06)
• [15].城市浮动车数据定位误差分布规律研究[J]. 科学技术与工程 2016(01)
• [16].基于浮动车技术的城市交通评价预测系统应用研究[J]. 交通与运输(学术版) 2016(01)
• [17].基于历史浮动车数据的城市路网通行能力预测方法[J]. 电子世界 2016(21)
• [18].基于负载均衡的浮动车数据并行处理算法[J]. 江西测绘 2013(04)
• [19].浮动车数据缺失道路的速度推估模型与实现[J]. 同济大学学报(自然科学版) 2010(08)
• [20].基于浮动车技术的区域载客流量研究[J]. 科技传播 2016(06)
• [21].一种基于虚拟化托管框架的浮动车数据弹性云计算算法[J]. 现代计算机(专业版) 2014(01)
• [22].基于短时预测需求的浮动车数据时空特性分析[J]. 公路交通科技 2009(S1)
• [23].基于浮动车轨迹数据的路网快速提取[J]. 地理与地理信息科学 2019(01)
• [24].基于浮动车数据的旅游景点周边路网容量研究——以厦门岛为例[J]. 地理科学进展 2016(12)
• [25].基于浮动车数据的快速交通拥堵监控[J]. 计算机研究与发展 2014(01)
• [26].基于浮动车数据的随机路径选择模型参数估计[J]. 交通运输系统工程与信息 2014(05)
• [27].浮动车数据编码研究[J]. 中国交通信息化 2012(04)
• [28].1种基于浮动车数据的多车车速融合算法[J]. 交通信息与安全 2012(04)
• [29].广东省浮动车交通信息系统方案设计[J]. 中国交通信息化 2010(06)
• [30].浮动车数据城市道路网络交通时空特性研究[J]. 交通科学与工程 2017(04)

标签：道路提取论文;  浮动车轨迹论文;  高分辨率遥感影像论文;  数学形态学论文;  卷积神经网络论文;