[发明专利]一种具有直观交互能力的矢量路网生成方法

权利要求书

1.一种具有直观交互能力的矢量路网生成方法，其特征在于基于图生成网络生成矢量化路网，根据给定的地理图和可选的用户交互，快速生成边界清晰，布局合理的路网，所述图生成网络生成矢量路网具体包括以下步骤：

(一)、密度图的生成

1-1：获取中心坐标匹配，缩放等级一致的地理图、用户编辑图和密度图作为密度图生成网络训练数据集：

1-2：构建并训练密度图生成网络；

1-3：利用训练后的密度图生成网络，通过地理图与可选的用户编辑生成基于图像翻译模型的密度图；

(二)、矢量化路网的生成

基于图生成网络生成矢量化路网具体包括：

2-1：获取矢量化路网序列，用密度图训练样本与相应的矢量化路网序列构成矢量路网生成网络训练数据集；

2-2：构建并训练矢量路网生成网络；

2-3：利用训练后的矢量路网生成网络，通过用户输入的地理图和密度图生成网络生成的密度图，矢量路网生成网络就能输出一组矢量的路网数据，自动生成具有直观交互能力的矢量路网；

所述步骤1-1的密度图生成网络训练数据集具体包括：

1)获取中心坐标匹配，缩放等级一致的高程图，水体分布图，植被分布图作为地理图训练样本；

2)对与地理图对应位置的道路进行采样和重绘制，生成简化的道路图像，然后用显著性检测模型检测道路分布，生成密度图训练样本；

3)用道路交点、水体分布图和植被分布图模拟用户输入，生成用户编辑图；

4)由地理图、用户编辑图和密度图样本构成密度图生成数据集；

所述步骤1-2的构建并训练密度图生成网络具体包括：

a、密度图生成器

1)输入层的维度与输出数据维度相同，对输入尺寸不做限制；

2)通过三次卷积操作对输入数据进行下采样，然后经一系列不改变特征图尺寸的空洞卷积操作，再用反卷积操作对特征图进行上采样，得到输出；

3)下采样与上采样过程中，相同尺寸的特征图会经过跳跃连接进行拼接，特征在拼接前经注意力机制加权；

4)由下述I式计算密度图生成器的输出层误差L_GAN(G)：

L_GAN(G)＝E_x，y[||y-G(x)||₁]-E_x[D_y(G(x))]    (I)；

其中：G为生成器；E为数据的分布；x为地理图与用户编辑图输入；y表示与输入对应的真实密度图；G(x)为生成器根据输入x生成的密度图；D_y为判断数据与y分布一致程度的判别器；||y-G(x)||₁为y与G(x)之间的L₁距离；

5)将密度图生成器的输出层误差L_GAN(G)利用反向传播算法，得到内部隐含层中的节点误差，并利用梯度下降算法调整节点间的权值；

b、判别器

1)对密度图进行3次下采样，将最后一层的输出压平为向量形式；

2)连接压平层与全连接层，输出层的节点数为1；

3)由下述II式计算判别器的输出层误差L_GAN(D)：

L_GAN(D)＝E_y[D_y(y)]-E_x[D_x(x)]-E_x[D_y(G(x))]  (II)；

其中：G为生成器；E为数据的分布；x为地理图与用户编辑图输入；y为与输入对应的真实密度图；G(x)为生成器根据输入x生成的密度图；D_x为判断数据与x分布一致程度的判别器；D_y为判断数据与y的分布一致程度的判别器；

4)将判别器的输出层误差L_GAN(D)利用反向传播算法，得到内部隐含层中的节点误差，并利用梯度下降算法调整节点间的权值；

所述步骤2-1的矢量路网生成网络训练数据集具体包括：

1)对道路图像做形态学操作获取像素宽度为1的骨架，遍历道路骨架获取各个节点的坐标；

2)遍历所有相连的顶点，从起始点出发，对于每一个当前遍历点做出发点和该点的连线，与出发点切线的夹角若大于30度则将该点采样并作为下一个起点，直至遍历到另一个顶点；

所述步骤(二)中的矢量路网生成网络由卷积层、Transformer和全连接层构成，具体包括：

1)三个卷积层将密度图与对应的地理图编码并压平成向量的形式；

2)Transformer计算图像特征与已生成顶点坐标与邻接向量之间的关联；

3)两个全连接层分别将Transformer输出的特征转换成新顶点的坐标与邻接向量；

所述矢量路网生成网络的输出层误差L_graph由下述III式计算：

L_graph＝λ_gMSE(X，X′)+(1-λ_g)BCE(A，A′)     (III)；

其中：X和X′分别为顶点坐标的真值与网络预测的顶点坐标；A和A′分别为邻接向量的真值与网络预测值；λ_g为计算邻接向量与顶点坐标误差的权重；MSE为均方误差；为BCE表示二元交叉熵。

2.根据权利要求1所述具有直观交互能力的矢量路网生成方法，其特征在于所述地理图为高程图、水体分布图和植被分布图。