[发明专利]一种基于叉路识别的道路智能提取方法

权利要求书

1.一种基于叉路识别的道路智能提取方法，其特征在于，包括以下步骤：

步骤1：选择空间分辨率在Nm以内的高分辨率全色遥感影像，无云层覆盖，对影像进行直方图分段拉伸，增大道路区域与周围地物的反差；其中N≤6；

步骤2：根据影像的特征选择设置追踪模板参数，包括模板长宽、模板内部预设的方差阈值、模板前进步长、叉路模板阈值、差值阈值；

步骤3：在影像中任意一条道路段的一端，设定追踪初始线段；初始线段为有向线段，起点记录为初始点，末点用于指示和计算前进方向，初始化时指向道路延伸方向，线段位于道路中间；

步骤4：令初始点前进一个步长，然后对当前位置点进行叉路检测、处理和存储；

步骤5：经过上一步的叉路检测处理后，以当前位置点为模板起始端点，沿前进方向构造矩形模板，使用旋转角度纹理匹配法确定下一步前进方向，并保存当前位置点为确认道路点；

步骤6：判断旋转角度纹理匹配是否超过预设的方差阈值，

如果是，则终止当前道路段追踪，保存当前道路段；并顺序执行下述步骤7；

如果否，则确认当前道路点，并回转执行所述的步骤4；

步骤7：遍历步骤4中存储的叉路对象，逐个检查叉路对象是否仍有未被追踪过的支路，

如果有，则选择一条可通行支路作为新的追踪起点，并回转执行所述的步骤4；

如果否，则顺序执行下述步骤8；

步骤8：对追踪得到的道路网进行后处理，删除重复路段，增加遗漏路段。

2.根据权利要求1所述的基于叉路识别的道路智能提取方法，其特征在于：步骤2中所述的影像的特征，包括空间分辨率、道路宽度、道路区域的像素均一度。

3.根据权利要求1所述的基于叉路识别的道路智能提取方法，其特征在于：步骤4中所述的对当前位置点进行叉路检测，包括历史叉路检测和常规叉路检测；所述的历史叉路检测，首先检测当前位置点是否进入到先前已识别叉路的区域内；对已经识别出的叉路会记录包围叉路的正方形端点，通过检测当前点是否在已识别叉路的正方形区域内，判断是否进入叉路区域；如果判断没有进入历史叉路区域，则进行“常规叉路检测”；如果判断已进入历史叉路区域，则访问该叉路对象，查看该叉路口是否还有未被追踪过的支路；如果有，则将当前追踪点置于该支路上，将前进方向更新为与支路方向一致，沿该支路继续追踪，并且将对应叉路对象的该条支路更新设为已追踪，下次再经过这个叉路口时该条叉路将不再可通行；如果没有，则代表该叉路口各支路都已追踪完毕，当前道路段追踪完毕；所述的常规叉路检测，以当前道路追踪模板的最前端点出发，从模板方向向前、向左侧90度、向右侧90度伸出三个探测模板，每个方向又分布向两侧10度扩展一个辅助探测模板；计算每个探测模板窗口对应区域的像素的灰度均方差，如果小于一定阈值，则认为该方向存在叉路；根据存在支路的组合，将叉路分为不同类型，被检测出来的叉路将被存储为一个叉路对象，并记录该叉路的包括叉路中心点坐标、包围叉路的正方形框端点坐标、叉路类型、支路坐标对信息；叉路对象保存后，然后根据预设规则，选取叉路的一条支路继续进行追踪。

4.根据权利要求1所述的基于叉路识别的道路智能提取方法，其特征在于：步骤5中的具体实现包括以下子步骤：

步骤5.1：以当前的道路追踪位置点为模板中心线的起始端点，沿前进方向延伸，按预设的长宽构造矩形模板；以两侧各90°为限对矩形模板进行旋转，计算180°内的每个模板窗口对应的像素的灰度均方差；根据道路特征，相应的极小值对应的角度即为道路的前进方向；

步骤5.2：对于任意像素点，利用式(1)和式(2)计算灰度方差σ2，即：

m(i,j,L,θ)=Σn=1rΣk=-llp(i′,j′)r*(2l+1)---(1)]]>

σ2(i,j,L,θ)=Σn=1rΣk=-ll(p(i′,j′)-m(i,j,L,θ))2r*(2l+1)---(2)]]>

式中，r和(2l+1)分别为矩形模板的长和宽；i′＝i+n*sinθ+k*cosθ，j′＝j+n*cosθ-k*sinθ，i′和j′分别对应矩形模板对应的所有点的位置，θ为模板方向；p(i′，j′)为位置(i′，j′)所对应像素灰度；m(i，j，L，θ)为像素点(i，j)在方向θ上所对应灰度均值；σ(i，j，L，θ)为像素点(i，j)在方向θ上所对应的灰度均方差；

步骤5.3：计算当前模板位置的所有方向候选模板窗口的灰度方差，具有最小值的窗口被认为最有可能出在道路内部，从而其对应模板的中心点被接受为新的道路点，加入之前的道路轨迹；

步骤5.4：前进一个步长，重复上述步骤5.1-5.4，进行角度纹理检测，并不断添加更新道路轨迹点。