[发明专利]基于车载GPS数据与神经网络的道路中心线提取方法

权利要求书

1.一种基于车载GPS数据与神经网路的道路中心线提取方法,其特征在于包含有以下几个步骤：

步骤100：划分M个等大的区域，利用出租车的出行记录获得对应区域的GPS数据，利用人工标记或现有道路矢量图获得对应区域的道路中心线；

步骤200:对于步骤100中的每一个区域中的GPS处理得到关于道路的特征矩阵,作为输入；

步骤300：对于步骤100中的每一个区域中的道路中心线数据进行处理得到关于道路中心线特征矩阵,作为样本真实值；

步骤400：构建全卷积神经网络，并使用步骤200与步骤300得到的训练样本，利用梯度下降法对网络进行训练；

步骤500：将训练好模型的应用于新的区域，以获得该区域的道路中心线。

2.如权利要求1基于车辆GPS数据与神经网路的道路中心线提取方法，其特征在于，步骤200中，车载GPS数据的预处理方法包含以下几个步骤：

步骤201：将选定区域按照空间等分为N×N的栅格网络；

步骤202：根据GPS数据点的位置，将GPS点分配至对应的栅格当中；

步骤203：将角度区间0-360°平均划分为8个子区间，对于位于第i行第j列的栅格中的GPS点，根据其航向角划分至对应的子区间当中可以得到向量(n₁,n₂,...,n₈)，其中n_k表示航向角大于(k-1)*45°，小于k*45°的GPS点的数量。则该栅格的特征向量υ_i,j＝(α₁,α₂,...,α₈)：

其中

步骤204：按照步骤103中的方法对每一个栅格进行处理，合并各个特征，最终可以得到尺寸为N×N×8的矩阵X作为该区域的特征矩阵。X_i,j,k表示位于第i行，第j列的栅格中大于(k-1)*45°，小于k*45°的GPS点所占该栅格中总GPS点数量的比例。

3.如权利要求1基于车载GPS数据与神经网路的道路中心线提取方法，其特征在于人工标记的道路中心线数据的预处理方法包含有以下几个步骤：

步骤301：将选定区域按照空间等分为N×N的栅格网络；

步骤302：遍历每一个栅格，计算其中心位置到道路中心线的最短距离h；

步骤303：按照公式对栅格进行赋值，参数σ用于调节衰减程度，最终得到N×N×1的矩阵作为样本的目标值。

4.如权利要求1基于车辆GPS数据与神经网路的道路中心线提取方法，其特征在于用于训练与预测的神经网络为包含有编码器与解码器结构的全卷积神经网络。

5.如权利要求1基于车辆GPS数据与神经网路的道路中心线提取方法，步骤500中通过神经网络输出得到道路中心线包含有几个步骤：

步骤501：获得的新区域的车载GPS数据，对其进行预处理具体同步骤200；

步骤502：将样本送入训练好的神经网络中得到输出；

步骤503：确定阈值将网络输出转化为二值图像；

步骤504：分别对二值图像进行形态学开运算与闭运算；

步骤505：对步骤504中得到的图像进行细化处理，得到单像素宽度的道路中心线。