一种结合OSM和遥感影像提取人行天桥的深度学习方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108921173A(43)申请公布日2018.11.30(21)申请号201810559231.4(22)申请日2018.06.01(71)申请人中南大学地址410000湖南省长沙市岳麓山左家垅(72)发明人刘慧敏王晓路邓敏陈袁芳唐建波黄金彩(74)专利代理机构北京纽乐康知识产权代理事务所(普通合伙)11210代理人罗莎(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)G06K9/38(2006.01)权利要求书1页说明书5页附图4页(54)发明名称一种结合OSM和遥感影像提取人行天桥的深度学习方法(57)摘要本发明公开了一种结合OSM和遥感影像提取人行天桥目标的深度学习方法。首先根据所述人行天桥在开放街道地图（OpenStreetMap，OSM）中的语义信息、拓扑信息和形状信息，从所述OSM数据中自动识别与提取所述人行天桥；然后基于图像语义分割的深度神经网络模型获取所述人行天桥轮廓；进而对所述人行天桥进行结构建模与矢量成图；最后更新人行导航系统中的所述人行天桥数据。本发明不仅能够自动化识别OSM中的人行天桥，降低了现有方法的主观性，并且利用遥感影像数据弥补OSM不完整的缺点，同时兼顾数据的时效性和完整性，提高了人行天桥的识别效率和准确度。CN108921173ACN108921173A权利要求书1/1页1.一种结合OSM和遥感影像提取人行天桥的深度学习方法，其特征在于，所述方法包括：S1、根据所述人行天桥在开放街道地图（OpenStreetMap，OSM）数据中的语义信息、拓扑信息和形状信息，从所述OSM数据中自动识别与提取所述人行天桥；S2、基于图像语义分割的深度神经网络模型获取所述人行天桥轮廓；S3、对所述人行天桥进行结构建模与矢量成图；S4、更新人行导航系统中的所述人行天桥数据。2.如权利要求1所述的方法，其特征在于，所述步骤S1包括：S11、根据所述语义信息进行建模；S12、根据所述拓扑信息进行建模；S13、根据所述形状信息进行建模。3.如权利要求2所述的方法，其特征在于，所述步骤S2包括：S21、构建训练样本集；S22、将所述样本集输入至深度神经网络模型U-Net进行训练，得到基于U-Net的人行天桥预测网络模型；S23、输入待检测影像至所述基于U-Net的人行天桥预测网络模型，识别出待检测影像中的人行天桥轮廓信息;S24、利用所述天桥位于主要道路之上的特征，将识别出的所述轮廓信息与所述主要道路的二值图进行叠置分析，相交部分即为人行天桥。4.如权利要求3所述的方法，其特征在于，所述步骤S21还包括：根据天桥矢量数据的坐标范围，利用其最小包络矩形对遥感影像进行裁剪，得到裁剪后的遥感影像；对所述天桥矢量数据存图，并做二值化及膨胀处理，生成对应的掩膜图片作为其标签，将所述裁剪后的遥感影像图及对应的标签掩膜图作为所述训练样本集。5.如权利要求3所述的方法，其特征在于，所述步骤S3还包括：对所得到的人行天桥二值图进行细化处理，提取所述人行天桥轮廓的中心线；通过栅格转矢量的操作得到所述人行天桥的矢量数据。6.如权利要求5所述的方法，其特征在于，所述步骤S4还包括：融合OSM中和遥感影像中获得的天桥矢量数据，与已有的人行道路数据进行匹配，提取出增量部分，更新步行导航数据。2CN108921173A说明书1/5页一种结合OSM和遥感影像提取人行天桥的深度学习方法技术领域[0001]本发明属于地理要素识别与更新领域，尤其涉及一种结合OSM和遥感影像提取人行天桥目标的深度学习方法。背景技术[0002]人行导航服务（PedestrianNavigationService，PNS）需求日益增加，使得人行道路数据的采集越来越重要。人行天桥作为整个人行道路系统不可或缺的一部分，可以缓解车流、人流与城市有限的公共交通空间产生的直接矛盾。快速便捷地获取人行天桥数据，不仅是完善人行导航系统的基础，也有助于相关部门（如基础测绘部门）完成对地理要素的识别与更新。[0003]目前，人行天桥数据的获取主要有两种方式，即利用传统的测绘手段直接采集和从OpenStreetMap（OSM）中提取的方法。传统的测绘手段利用全站仪、GPS等测绘仪器对地理要素进行采集，然而，这种方法会耗费大量的人力、物力，时间周期也较长，目前采集的地理空间数据中人行天桥信息相对较少。当前，随着Web2.0的到来，使得用户自发贡献各种地理数据成为可能，Goodchild将其定义为“自发地理信息”（VolunteeredGeographicInformation，VGI），本发明采用的OSM数据是VGI中最成功的项目之一。OSM更新速度快，数据精细程度高，涵盖了机动车、