【摘要】：隨著城市規(guī)模不斷擴大,城市道路網絡處于快速變化之中,及時獲取準確的路網信息變的尤為重要。從車輛軌跡及街景影像數據中獲取路網信息相對于傳統(tǒng)方法具有低成本、高現(xiàn)勢性的優(yōu)點,但也存在數據分布不均勻、精度低、噪聲多及如何從街景影像中獲取交通標識等問題。本文聚焦軌跡及街景影像數據,提出基于軌跡數據提取道路中心線、道路交叉口、道路邊界、路網更新的方法以及基于街景影像獲取交通標識語義信息的方法。本文主要研究工作如下:(1)研究了基于軌跡數據獲取道路中心線的方法,通過對軌跡數據柵格化得到軌跡柵格圖像,以此為基礎使用數學形態(tài)學及其形態(tài)學骨架提取算法對軌跡圖像進行處理獲取道路中心線。在此基礎上引入同態(tài)濾波對形態(tài)學骨架提取算法進行改進,實驗表明優(yōu)化后的算法去噪效果較好。(2)研究了提取道路交叉口的方法,以道路中心線為基礎,本文采用道路中心線交叉口像素鄰域判別法,通過對中心點像素構建8鄰域像素框來判別像素點個數,從而提取道路交叉口,實驗結果表明該方法在提取道路交叉口中準確率提升了6.06%。(3)研究了提取道路邊界的方法,采用密度變化指數和邊長指數作為約束條件來構建狄羅尼三角網,建立道路邊界判別模型,最后通過優(yōu)化Canny邊緣檢測算子探測道路邊界,使其在閾值(0,1)內既有較好的抗噪性,又有較好的邊緣保持性。(4)研究了路網更新的方法,采用圖像差值法和基于小波變化及SIFT的路網更新方法。本文通過RANSAC算法對SIFT算法進行優(yōu)化,實現(xiàn)對圖像差值法的改進,實驗結果表明對路網的噪聲邊有較好的剔除效果,最后通過小波變換和SIFT實現(xiàn)路網更新。(5)通過全卷積神經網絡進行深度學習實現(xiàn)語義分割,對獲取交通標識信息進行了初步探索。
【圖文】：

圖 1.1 技術路線1.4 本章小結本章對論文的緒論部分做了詳細的闡述，主要介紹了論文的研究背景及意義、國內外研究現(xiàn)狀、研究目標、研究內容、論文結構安排等內容，確定了本文的研究思路、論文結構和技術路線。

數學形態(tài)學基本運算包括：腐蝕、膨脹、開運算、閉運算，其中腐蝕是運用結構元素 B 在目標影像 X 內部運動最終將運動軌跡所圍成的圖像標記出來，被標記的圖像即為腐蝕后的圖像(如圖2.1所示)，這種運算可以剔除目標圖像內部小于結構元素的毛刺，可以使目標圖像縮小，用公式 2.1 表示：XB{ x|(B)X}x （2.1）圖 2.1 腐蝕集合 X 被結構元素 B 膨脹，表示為 X B，其計算公式見式 2.2，X 為目標圖像，，B 為結構元素。 是以 B 為中心開始在集合外部進行移動，移動過程中將中心位置標記出來
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U495

【參考文獻】

相關期刊論文 前10條

1 劉金龍;張曉雨;;基于直線模型的道路邊界識別技術[J];電子科技;2014年10期

2 尹川;王艷慧;;路網增量更新中基于OSTU的目標幾何匹配閾值計算[J];武漢大學學報(信息科學版);2014年09期

3 賀桂嬌;;幾種經典的圖像邊緣檢測算子分析比較[J];計算機光盤軟件與應用;2014年09期

4 歐陽鴻;劉建勛;劉毅志;廖祝華;陳佘喜;;基于步行GPS軌跡的路網提取方法[J];計算機與現(xiàn)代化;2014年02期

5 陳卓;馬洪超;李云帆;;結合角度紋理信息和Snake方法從LiDAR點云數據中提取道路交叉口[J];國土資源遙感;2013年04期

6 杜金輝;管業(yè)鵬;時勇杰;;基于快速SIFT匹配的行人信息檢測[J];電子器件;2012年05期

7 袁叢洲;張金芳;彭進;;高分辨率遙感影像道路線性要素識別[J];計算機工程與應用;2012年18期

8 蔣益娟;李響;李小杰;孫靖;;利用車輛軌跡數據提取道路網絡的幾何特征與精度分析[J];地球信息科學學報;2012年02期

9 張偉偉;毛政元;;一種面向高空間分辨率遙感影像的路口自動定位新方法[J];國土資源遙感;2012年01期

10 陳趁新;唐娉;邊釗;;遙感影像分割邊界的平滑方法[J];計算機工程與設計;2012年02期

相關博士學位論文 前3條

1 趙曉麗;面向圖像分割的智能算法研究[D];上海大學;2018年

2 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

3 王釗;車輛導航電子地圖的自增量更新[D];清華大學;2012年

相關碩士學位論文 前10條

1 石斌斌;基于全卷積神經網絡的遙感影像修復方法研究[D];東華理工大學;2018年

2 蘇燕飛;基于卷積神經網絡和SIFT的多源遙感圖像配準研究[D];南昌大學;2018年

3 王德浩;基于低頻出租車GPS軌跡數據的路網信息提取[D];武漢大學;2017年

4 張家搏;基于圖像的規(guī)則化道路檢測與跟蹤算法研究[D];哈爾濱工業(yè)大學;2017年

5 鄧思雨;道路場景理解技術的研究[D];吉林大學;2016年

6 高朋;基于GPS的路網更新系統(tǒng)研究與實現(xiàn)[D];東南大學;2015年

7 線冰曦;基于多特征融合的全景圖道路輪廓自動提取方法及應用研究[D];北京工業(yè)大學;2015年

8 白雪;高分辨率衛(wèi)星影像道路提取方法研究[D];遼寧工程技術大學;2015年

9 張莉婷;基于出租車GPS軌跡的導航道路數據更新[D];昆明理工大學;2014年

10 周昀罡;基于知識的道路信息提取方法研究[D];四川師范大學;2013年

本文編號：2687551