道路中心线提取及网络建立的算法研究 (1)

合集下载

一种道路面和道路中心线快速构建提取方法及系统

一种道路面和道路中心线快速构建提取方法及系统

一种道路面和道路中心线快速构建提取方法及系统1. 引言:道路表面和道路中心线的快速构建和提取是实现基于地理信息系统的道路网络分析和应用的重要前提。

我们提出一种新的方法和系统,能够在短时间内准确地构建道路表面和道路中心线。

2. 数据采集:我们需要采集高分辨率的地面影像数据和激光雷达数据。

地面影像数据可通过卫星图像或无人机摄像机获取,而激光雷达数据则可以通过装配在车辆上的激光雷达仪器进行采集。

3. 影像处理:我们使用影像处理算法对采集到的地面影像数据进行预处理。

这包括去除影像中的噪声、校正影像的颜色和亮度差异,并对影像进行几何校正,以确保后续的特征提取过程的准确性。

4. 点云处理:将采集到的激光雷达数据转化为点云数据。

我们使用点云处理算法对点云数据进行滤波和配准,以去除噪声和提高点云数据的准确性。

5. 地面提取:我们使用地面提取算法从点云数据中提取出地面点云。

这个过程包括分类算法和分割算法,能够将地面点云和非地面点云分离开来。

6. 点云重建:我们使用点云重建算法将地面点云重建为地面模型。

这个过程将地面点云转化为平面模型,以便后续的道路中心线提取过程使用。

7. 道路中心线提取:我们使用道路中心线提取算法从重建的地面模型中提取出道路中心线。

这一过程使用了曲线拟合和最短路径算法,能够准确地提取出道路的中心线。

8. 道路表面构建:根据道路中心线,我们使用道路表面构建算法构建出道路表面。

这个过程考虑了道路的宽度和曲率等因素,能够生成符合实际道路形状的道路表面模型。

9. 系统实现:我们将上述的方法整合到一个系统中。

这个系统能够自动完成数据预处理、点云处理、地面提取、道路中心线提取和道路表面构建等步骤,实现快速的道路面和道路中心线的构建和提取。

10. 实验与结果:我们对提出的方法和系统进行了实验验证,并与传统的道路提取方法进行了比较。

实验结果表明,我们的方法能够在短时间内完成道路面和道路中心线的提取,并且具有较高的准确性和效率。

基于矢量路面提取道路中心线智能提取方法的实现

基于矢量路面提取道路中心线智能提取方法的实现

Science &Technology Vision 0引言在地理信息数据中,道路网络是构成几何数据和应用分析的重要组成部分,道路网的描述,是用GIS 方法对自然界中人文影响和经济状况的表现形式。

对于道路网数据采集,往往是采用人工采集和计算机辅助自动化采集两种方法。

在许多GIS 平台,道路面提取中心线的原理有下面两类方法:(1)道路面按Delaunay 方法构造三角网,此方法在对路端喇叭形处生成的中心线表现为波浪折线和不正确的分叉,点数也较多,与理想形状的边线点几何形似差异较大。

(2)提取道路的面填充,生成栅格位图。

这种方法除了数据格式转换烦琐,还有矢量数据属性的丢失。

本文将针对以上情况,对路面形状进行边基于矢量路面提取道路中心线智能提取方法的实现刘学民摘要道路中心线是网络构建和分析的基础内容,为了从已有的大量道路面中快速高效的提取道路中心线,人们进行了研究并得到了一些相应的自动提取方法。

结合实际,本文介绍一种基于距离和内角相关智能化的提取方法。

关键词提取;道路中心线;相关中图分类号:G06T7/66文献标识码:ADOI :10.19694/ki.issn2095-2457.2020.22.25刘学民本科,高级工程师,主要从事航空摄影测量技术研究及地理信息数据处理等工作,河北省地质测绘院。

AbstractRoad centerline is the basic content of network construction and analysis.In order to quickly and efficiently extract road centerline from a largenumber of existing road surfaces ,some corresponding automatic extraction methods have been studied and obtained.This paper introduces an intelligent extraction method based on distanceand Angle correlation.Key wordsExtraction;Center line of the road;Related77线调整、路端处理后,依据科学的计算判别,在已有软件中二次开发自己的工具实现道路中心线自动提取的功能。

城市交通路网图自动提取技术研究

城市交通路网图自动提取技术研究

城市交通路网图自动提取技术研究城市的交通路网是城市交通的重要组成部分,而交通路网图作为交通网络的可视化表示,对于城市规划、交通管理以及交通研究都有着重要的作用。

然而,传统的手工绘制和修正的方法已经很难适应现代城市快速发展的需求。

因此,开发一种能够自动提取城市交通路网图的技术已经成为了当今研究热点之一。

一、现有技术与挑战在现有的技术中,卫星遥感技术、地理信息系统(GIS)和计算机视觉技术是用于提取城市交通路网图的主要手段。

其中,卫星遥感技术可以获取城市交通路网的基本信息,如道路宽度、长度和形状等,但卫星遥感图像分辨率不足以提取更为准确的路网信息。

而GIS数据可以提供大量的城市公共设施信息,但是这些数据通常缺乏准确的道路宽度和路线信息。

计算机视觉技术在提取道路信息方面表现良好,但是随着城市路网复杂度的增加,往往需要专业人员进行手动校验,工作量巨大且耗时。

另外,城市交通路网图的复杂度也是技术发展的一大挑战。

城市道路信息的种类多样,各种复杂结构交错在一起,对于道路宽度、车道数量、封闭环路等信息的精准提取要求技术更高的准确度和鲁棒性,以满足实际应用需求。

二、新技术的探索作为现代计算机图像处理和人工智能技术的重要分支,深度学习技术在自动提取城市交通路网图方面具有很大潜力。

深度学习以其独特的优势,可以有效解决人工标注数据中存在的问题,如时间成本和标注精度等方面的问题。

在深度学习技术的应用中,卷积神经网络(Convolutional Neural Network, CNN)可以通过不同分辨率输入图像的不断卷积和下采样,抽取出特定的多尺度特征,在城市交通路网图的自动提取中具有很大的优势。

此外,区域生成对抗网络(Generative Adversarial Networks,GAN)也被广泛应用于城市交通路网图自动提取任务中,它能够利用对抗机制不断优化生成样本,提高自动提取的精确度和有效性。

三、未来展望随着计算机视觉和人工智能技术的不断发展,城市交通路网图自动提取技术也将不断得到优化和进步。

基于高分辨率影像的道路中心线提取技术研究

基于高分辨率影像的道路中心线提取技术研究

基于高分辨率影像的道路中心线提取技术研究周绍光;向晶;邱伟;孙金彦;凡莉【摘要】针对遥感影像道路提取问题,探索了一种基于道路条带自动检测道路中心线的方法。

首先基于概率增进树算法获取道路候选点,并通过形态学运算得到光滑和完整的道路条带;然后结合细化运算自动检测道路中心线。

但检测的中心线存在“毛刺”且局部曲率变化过大,不符合道路的形状特征。

针对该问题,引入了测地距离理论,并用迭代方法去除“毛刺”,获得初始道路中心线;再通过Dijkstra 最短路径算法优化初始结果;最后根据方向一致性和道路连续性获取最终的道路中心线。

采用高分辨率航空影像对上述方法的实验结果证明了该方法的有效性和可行性。

%In this paper, the strategy to extract accurate road centerlines from acquired road stripe image was explored. The workflow is as follows: Firstly, road candidate points are obtained based on probabilistic boosting tree algorithm, and smooth and integrated road stripes are immediately acquaried by morphology. Secondly, thinning algorithm is introduced to automatically detect road centerlines; nevertheless, the output contained spurs and local curvature of centerlines change much. After that, geodesic distance theory is used to remove spurs. Thirdly, initial results are refined on the basis of Dijkstra algorithm. Lastly, the ultimate road centerlines are obtained according to direction consistency and road continuity. The authors performed an experiment on a high resolution aerial image. The result is satisfactory and shows that the strategy proposed in this paper is an effective method.【期刊名称】《国土资源遥感》【年(卷),期】2015(000)004【总页数】6页(P21-26)【关键词】道路中心线提取;测地距离;Dijkstra最短路径算法;概率增进树【作者】周绍光;向晶;邱伟;孙金彦;凡莉【作者单位】河海大学地球科学与工程学院测绘科学与工程系,南京 210098;河海大学地球科学与工程学院测绘科学与工程系,南京 210098;河海大学地球科学与工程学院测绘科学与工程系,南京 210098;河海大学地球科学与工程学院测绘科学与工程系,南京 210098;河海大学地球科学与工程学院测绘科学与工程系,南京 210098【正文语种】中文【中图分类】TP751.10 引言道路的检测与提取为地理信息系统(GIS)数据库的更新以及 GIS应用[1-2]提供了基础数据,具有十分重要的现实意义。

arcgis道路中心线提取

arcgis道路中心线提取

arcgis道路中心线提取一、背景在GIS领域中,道路中心线提取是一个非常重要的任务。

道路中心线是道路要素的核心部分,它可以用来进行交通规划、道路设计、交通管理等方面的工作。

因此,如何快速、准确地提取道路中心线成为了GIS领域中一个重要的研究课题。

二、arcgis道路中心线提取方法1.数据准备在进行arcgis道路中心线提取之前,需要先准备好相关数据。

这些数据包括:影像数据、DEM数据、道路矢量数据等。

其中,影像数据和DEM数据用于提取地形特征,而道路矢量数据则用于辅助确定道路位置。

2.影像预处理在进行影像预处理时,需要对原始影像进行一系列的处理操作。

首先,需要对影像进行大气校正和辐射校正,以消除大气和辐射对影像质量的影响。

其次,在进行图像分割时,需要选择合适的分割算法,并设置合适的参数值。

3.DEM处理DEM是数字高程模型(Digital Elevation Model)的缩写。

在进行DEM处理时,需要对原始DEM进行滤波去噪和填洼操作。

这样可以使得DEM更加平滑,并且填补DEM中的洼地。

4.道路提取在进行道路提取时,可以利用多种算法来实现。

其中,常用的算法包括:边缘检测算法、模板匹配算法、基于区域生长的算法等。

在选择算法时,需要根据具体情况进行选择,并设置合适的参数值。

5.道路中心线提取在进行道路中心线提取时,可以利用多种方法来实现。

其中,常用的方法包括:基于几何特征的方法、基于图像分析的方法、基于拓扑关系的方法等。

在选择方法时,需要根据具体情况进行选择,并设置合适的参数值。

6.结果评估在进行arcgis道路中心线提取之后,需要对结果进行评估。

评估指标包括:精度、召回率、F1值等。

通过对结果进行评估,可以得到提取结果的质量,并对后续工作做出相应调整。

三、arcgis道路中心线提取案例以某城市为例,在arcgis平台上实现了道路中心线提取。

具体步骤如下:1.数据准备首先收集了该城市影像数据、DEM数据和道路矢量数据,并将其导入到arcgis平台中。

提取道路中心线算法

提取道路中心线算法

提取道路中心线算法
道路中心线是道路设计和规划中的重要参数,在GIS和地图制图中也有着广泛的应用。

提取道路中心线算法是一种常见的图像处理技术,其目的是从道路图像中自动提取出道路中心线。

道路中心线的提取可以通过多种方法实现,其中最常见的是基于图像处理算法的方法。

这些算法通常涉及到图像预处理、边缘检测、线性拟合等步骤,最终得到一条尽可能准确的道路中心线。

在图像预处理阶段,需要对输入的道路图像进行平滑处理、灰度化、二值化等操作,以便更好地进行后续的边缘检测和线性拟合。

边缘检测是提取道路中心线的关键步骤之一,其目的是从图像中提取出道路边缘的信息。

常用的边缘检测算法包括Sobel算子、Canny 算子等。

接下来,需要对检测到的道路边缘进行线性拟合,以得到最终的道路中心线。

线性拟合通常采用的是最小二乘法,其目的是找到一条贴合道路边缘的直线,并将其作为道路中心线输出。

需要注意的是,提取道路中心线的算法必须考虑到道路的曲线、交叉口等特殊情况。

在这些情况下,算法需要具备一定的鲁棒性和自适应性,以保证提取出的道路中心线能够准确地反映实际道路的情况。

总体而言,提取道路中心线算法是一项复杂而重要的图像处理技术,其应用范围广泛,对于道路设计、交通规划及地图制图等领域都有着重要的意义。

- 1 -。

arcscan提取道路中心线原理

arcscan提取道路中心线原理

arcscan提取道路中心线原理ArcScan是ArcGIS的一个工具模块,它可以自动提取道路中心线。

道路中心线是道路的中央轴线,通常由道路的车行区域的中心划分而成。

提取道路中心线是许多城市规划、交通管理和导航系统设计等工作的基础,它可以为这些应用提供准确的路线和空间数据。

以下是ArcScan提取道路中心线的原理。

首先,使用ArcScan工具前,需要先进行地理纠正,也就是将扫描的纸质道路地图或空照图转换为地理空间数据。

这可以通过扫描纸质地图或导入空照图,并使用参考数据(如控制点或地理辅助网格)来配准图像完成。

在地理纠正完成后,可以使用ArcScan工具模块开始提取道路中心线。

ArcScan提供了多种工具和方法来帮助用户进行道路中心线的提取。

首先是草图工具。

用户可以使用草图工具手动绘制道路中心线。

草图工具提供了各种绘图功能,如笔刷大小调整、节点调整和拐角调整等。

用户可以根据地图或图像上的道路情况,手动绘制道路中心线。

第二种方法是边界识别。

ArcScan利用边界检测算法来自动探测图像中的道路边界,然后通过将这些道路边界进行连接和平滑操作,生成道路中心线。

这种方法适用于道路边界较为清晰明确的情况。

第三种方法是基于颜色和纹理的识别。

ArcScan可以分析图像中的颜色和纹理信息,根据道路特征提取道路中心线。

这种方法适用于道路的颜色和纹理信息相对突出或与周围环境有明显差异的情况。

最后,ArcScan还提供了一种半自动的方式,即模板匹配。

用户可以事先准备好一组预定义的道路模板,然后将这些模板与图像进行匹配。

ArcScan会根据匹配结果生成道路中心线。

这种方法可以提高道路中心线的准确性和一致性。

总之,ArcScan提取道路中心线的原理主要包括地理纠正、手动绘制、边界识别、基于颜色和纹理的识别以及模板匹配等方法。

这些方法可以根据道路的特征和图像的质量选择和组合使用,提供准确的道路中心线数据。

使用ArcScan进行道路中心线的提取可以为城市规划、交通管理和导航系统等应用提供重要的空间数据基础。

道路中心线提取及网络建立的算法研究 (1)

道路中心线提取及网络建立的算法研究 (1)

[ J ]. 测绘科学 , 2006, 31 (4) 1
(下转第 65页 )
第 3期 陈学刚等 基于 ESDA 2GIS的新疆县域经济时空差异研究
65
区主要以 “HH”、“LL ”向 “HL ”、“LH ”变化为主 , 内 部空间经济差异性增加 , 未形成经济集聚区域 ; ④天山北 坡以及巴州北部逐渐形成空间差异较小的 “HH ”集聚区 域 。南疆西 部 的 克 州 、喀 什 与 和 田 地 区 已 成 为 落 后 的 “LL ”经济低谷区域 ; ⑤资源禀赋 、基础设施的差异以及 “八五 ”以来实行的经济发展战略是研究期内形成新疆县域 经济差异的重要因素 。
} 3 PTR IANGLE, TR IANGLE; 三角形单元 的 拓 扑 结 构 还 要 通 过 边 来 实 现 , 边 的 定 义为 :
typedef struct Edge { struct Vertex 3 pv [ 2 ]; / /指向该边的两个顶点 struct Triangle 3 p t [ 2 ]; / /指向该边所属于的两个三 角形 struct Edge 3 next, 3 p re; / /指向前后的边
106
测绘科学 第 33卷
} 3 PEDGE, EDGE; 边界链表的定义如下 :
typedef struct BndChain { struct Vertex 3 chain; / /一个边界 char mark; / /边界标记 , 区分散点 、外边界点 、内边 界点内边界点 struct BndChain 3 next; / /下一个边界 } 3 PBNDCHA IN , BNDCHA IN;
3道?中心线网络的建立及优化1通过约束三角形网形成道?中心线网络对提取的位于道?上的三角形集考察三角形元与邻近三角形的关系对其进?分类如图2只有一边有邻近三角形的为a类两边有邻近三角形的为b类三边均有邻近三角形的为c类

gis道路中心线提取

gis道路中心线提取

gis道路中心线提取
道路中心线提取是一种基于地理信息系统(GIS)的技术,用
于从高分辨率卫星图像、航空图像和数字地面模型(DEM)
等数据源中自动或半自动地提取道路中心线。

以下是一些常见的道路中心线提取方法:
1. 基于阈值分割的方法:通过设定阈值来分离道路和背景像素,并通过连接较小的道路片段来恢复中心线。

2. 基于边缘检测的方法:使用边缘检测算法(例如Sobel、Canny等)来提取道路边界,并根据道路的宽度和形状估计道
路中心线。

3. 基于图论的方法:将道路网看作一个图形,使用最短路径算法(例如Dijkstra、A*等)或最小割算法来查找道路中心线。

4. 基于机器学习的方法:通过训练神经网络或支持向量机等分类器来区分道路和非道路像素,并从中恢复道路中心线。

总之,道路中心线提取是一个非常复杂的过程,需要考虑到数据质量、噪声、道路类型和形状等因素,因此选择适合的方法对于正确提取道路中心线至关重要。

一种基于约束三角网的道路中心线的提取方法

一种基于约束三角网的道路中心线的提取方法

一种基于约束三角网的道路中心线的提取方法李功权;蔡祥云【摘要】鉴于道路中心线应用的广泛性,研究了基于约束Delaunay三角网的道路中心线的提取算法.以道路边界线作为约束线,采用Delaunay方法构建三角网.通过确定相邻三角形的类型,把获取的节点分为3类,其对应道路网络中的十字路、T型路和环岛路,对其分别进行优化处理,从而形成道路的中心线.在给出详细的算法步骤的同时,并用C#语言实现该算法.实测数据应用分析表明,该算法生成的道路中心线符合原道路多边形的形态,保持了原图形的拓扑特征.【期刊名称】《长江大学学报(自然版)理工卷》【年(卷),期】2013(010)002【总页数】4页(P47-50)【关键词】道路中心线;约束Delaunay三角网;道路网络模型【作者】李功权;蔡祥云【作者单位】长江大学地球科学学院,湖北武汉430100【正文语种】中文【中图分类】TP391.4根据道路中心线建立的道路网络模型,充分利用了GIS的网络分析功能,在交通管理和汽车导航中有着广泛的应用。

道路中心线的数据一般无法直接得到,在道路规划设计中可能使用的是道路两边的边界线,城市土地管理部门可能有各个地块的边界信息,这就需要从这些数据中提取道路中心线,而不是去实地人工采集。

如果把需要求取道路中心线的区域看作一个多边形,不是道路的相关空间信息作为约束信息,道路中心线的求取问题就可以转化为多边形骨架线的求取。

所谓骨架线,就是用与原形状连通性和拓扑结构相一致的细曲线作为原对象的一种抽象表示,多边形骨架线的本质是对多边形形状的抽象描述,它反映了多边形的延伸方向和形状特征[1-3]。

在GIS中,面状地理空间对象的分析等很多空间操作都需要提取骨架线[4-6]。

多边形骨架线提取的关键是搜寻多边形内部到边界线上的等距离点集,本质上属于空间邻近分析问题。

一般的骨架线的提取算法有:①数学形态学提取骨架线,这种方法本质是矢量化方法;②最大内切圆盘法,最大圆盘完全落于目标图像内,并且至少有2点与目标边界相切。

一种提取道路中心线的方法、设备和系统[发明专利]

一种提取道路中心线的方法、设备和系统[发明专利]

专利名称:一种提取道路中心线的方法、设备和系统
专利类型:发明专利
发明人:刘松,彭伟,张军民,秦华,韩凯铭,杨丽君,于莎丽,沈炎娣,杨飚,洪海晨
申请号:CN202010495644.8
申请日:20200603
公开号:CN111696153A
公开日:
20200922
专利内容由知识产权出版社提供
摘要:本发明公开了一种提取道路中心线的方法、设备和系统,属于测绘技术领域。

本发明通过获取道路的边界线,并在边界线上选取多个子线段,子线段的长度与道路宽度相关;将子线段旋转至道路内部方向;将子线段中路面内部的几何点连接,获得道路中心线,避免了人工操作,提高了道路的中心线提取的效率和可靠性。

申请人:杭州市勘测设计研究院
地址:310013 浙江省杭州市西湖区莫干山路武林门新村13号
国籍:CN
代理机构:北京维正专利代理有限公司
代理人:郭彩红
更多信息请下载全文后查看。

提取道路中心线算法

提取道路中心线算法

提取道路中心线算法
道路中心线是道路设计和交通规划中非常重要的一个参数。

在计算机
图形学和机器视觉中,道路中心线的提取是一项基本任务。

本文将介
绍一些常见的道路中心线提取算法。

一、基于数字高程模型的道路中心线提取算法
数字高程模型是道路地形的数字化数学模型,其反映了地形高度信息。

因此,数字高程模型在道路中心线提取中具有较为广泛的应用。

常用
的方法有:
1. 等高线法
等高线法是一种常用的数字高程模型处理方法,可通过计算相邻等高
线的交点提取道路中心线。

2. 剖面法
剖面法是一种基于数字高程模型的方法,它通过剖面分析提取道路中
心线。

二、基于图像处理的道路中心线提取算法
在机器视觉领域,又称为基于图像处理的道路中心线提取算法。

常用
的方法有:
1. 霍夫变换
霍夫变换是一种基于图像处理的方法,它可以检测出图像中直线的位置和方向。

2. Canny算法
Canny算法是一种基于图像处理的边缘检测方法,它可有效地检测出道路边缘,并进一步提取道路中心线。

三、基于GIS的道路中心线提取算法
地理信息系统(GIS)是一种基于地图的信息处理系统。

常用的道路中心线提取算法有:
1. 矢量化
矢量化是一种能够将栅格数据转换成矢量数据的方法,它能够将数字高程模型进行矢量化处理,进而提取道路中心线。

2. 数据库查询
数据库查询是一种基于地图统计的方法,它可以快速地搜索与查询一定条件下的道路中心线信息。

以上就是一些常见的道路中心线提取算法。

在实际应用中,需要根据具体场景和数据特点选择合适的算法。

提取道路中心线算法

提取道路中心线算法

提取道路中心线算法
道路中心线是指道路两侧边缘之间的中心线,是道路设计和规划中的重要参数,也是车辆自动驾驶和导航系统中的基础之一。

提取道路中心线算法是将图像或激光雷达数据转化为道路中心线的过程,其准确性和效率直接影响到自动驾驶和导航系统的实际效果。

常用的提取道路中心线算法有基于图像处理的方法和基于激光
雷达数据处理的方法。

基于图像处理的方法一般采用边缘检测算法或者霍夫变换等方法,先将道路边缘提取出来,然后通过一系列处理步骤得到道路中心线。

而基于激光雷达数据处理的方法则是利用激光雷达获取的点云
数据进行计算,一般采用分割算法、曲线拟合算法等方法,将道路边缘点云数据分割出来并进行曲线拟合,从而得到道路中心线。

无论是基于图像处理还是基于激光雷达数据处理的方法,提取道路中心线算法都需要考虑数据的噪声、复杂性和实时性等问题。

因此,算法的优化和改进是提高道路中心线提取准确性和效率的关键。

- 1 -。

利用fme提取道路中心线方法研究

利用fme提取道路中心线方法研究

充连接ꎬ将中断部分补充完整ꎬ最后利用完整的道路边
中心线ꎬArcGIS 平台提取中心线效果如图 1 所示ꎮ
图 1 ArcGIS 平台提取中心线效果
3 FME 软件生产中心线方法
3 1 资料准备
约 180 km CASS 格式成都坐标系下的 1 ∶ 2 000

∗ 收稿日期:2019—01—17
LineJoiner
CoordinateExtractor
NeighborFinder
VertexCreator
Intersector
பைடு நூலகம்
AreaBuilder
功能
交通图层中仍然有很多要素ꎬ利用 TestFilter 函数ꎬ过滤掉小路、里程碑、阶梯路辅助线、道路注记等不需要的要素ꎬ仅保留有用要素
捕捉ꎬ设置容差半径ꎮ 因为收集的资料来源多样ꎬ质量参差不齐ꎬ存在部分该连未连的节点ꎮ 利用该转换器将容差范围内的
1 ∶ 2 000地形图项目生产实践ꎮ
关键词:地形图ꎻ道路中心线ꎻFME 软件ꎻ成都市
1 引 言
后点选道路两侧边线才能生成中心线ꎬ对于路网密集
制图工作中ꎬ将大比例尺地形图缩编为小比例尺
地形图时ꎬ需要把依比例尺的道路综合为半依比例尺
区域ꎬ工作量大且容易遗漏ꎮ
ArcGIS 下生产中心线ꎬ在制图综合工具箱下也有
过一系列综合转换器整理为连续完整的面ꎬ并利用道
(1) 选择源文件
因为函数需要通过 CASS 编码来过滤掉不需要的
路长宽比大的特性将其分离ꎮ
模板使用的转换器 表 1
转换器名称
TestFilter
Snapper
如图 3 所示ꎮ
的要素单独提取出来ꎮ 另外因为 2000 地形图要素多ꎬ

一种复杂道路网中心线自动提取算法

一种复杂道路网中心线自动提取算法

一种复杂道路网中心线自动提取算法刘昌振;马红【摘要】由于道路网的复杂性,自动提取道路网的中心线并建立正确的拓扑关系是比较复杂和困难的.针对实际生产中道路网中心线自动提取的需求,提出一套针对较复杂道路网中心线自动提取的算法,主要包括道路网交叉拆分、约束迭代三角网建立、道路中心线提取并连接成网三个方面.实验表明:提出的算法可以实现复杂道路网中心线的自动提取.【期刊名称】《城市勘测》【年(卷),期】2019(000)004【总页数】3页(P145-147)【关键词】道路网;中心线;约束三角网【作者】刘昌振;马红【作者单位】重庆市勘测院,重庆 401121;重庆市地理国情监测工程技术研究中心,重庆 401121;重庆市勘测院,重庆 401121;重庆市地理国情监测工程技术研究中心,重庆 401121【正文语种】中文【中图分类】P208.1;P2091 引言道路作为地理信息要素的重要组成部分,是数据生产过程中重点采集的对象,道路中心线是路径规划、导航等应用的基础数据。

基础测绘数据入库一般要求提取道路中心线,并建立正确的拓扑关系和连通性。

在实际生产中,一般先采集道路边线,再根据道路边线获取道路中心线,因此,实现从道路边线中自动提取中心线可以有效提高生产效率。

目前,关于中心线自动提取的研究较多,如董箭等[1]提出了一种基于缓冲区边界相向逼近求交模型的中心线生成算法,杨得志等[2]提出一种单位圆滚动追踪算法提取中心线,艾廷华等[3]、钟世彬等[4]、罗小飞等[5]、李功权等[6]通过建立约束Delaunay三角网提取中心线,并基于三角网的邻接关系确定道路起点和交叉口,杨伟等[7]基于Delaunay三角网从众源轨迹数据提取中心线,朱庄生等[8]基于道路轮廓自动生成道路中心线,乔庆华[9]等通过改进Voronoi图提取面状河流中轴线,江岭等[10]提出一种基于欧式距离分配的面状河流图斑中轴线提取方法,王新生等[11]对比了Voronoi图矢量法和欧式距离区域分配栅格法提取复杂多边形中轴线,胡鹏等[12]总结和对比了多种中心线提取的算法,并提出了理论上较为严密的点对序列法和地图代数多边形中轴法。

快速提取城市道路中心线

快速提取城市道路中心线

快速提取城市道路中心线江中亮;杨敏华;杨德地【期刊名称】《测绘与空间地理信息》【年(卷),期】2015(000)001【摘要】City Road has a regularity in the spatial distribution .The main layout of china’s road is square format, fan format etc.A method is proposed for fast extraction of the centerline of the road according to the rules of the road network layout .Merge pixels be-long to a road into a container by scanning the image and extract the center points and output line .Meanwhile introduce a processing method of several typicalroads .The result indicates that the method can rapidly and accurate extract the centerline of the road , and has practical value .%城市道路在空间分布上具有一定的规则。

我国的城市道路布局主要有方格式、扇形式等。

本文针对这种布局规则的道路网,提出一种快速提取道路中心线的方法。

通过对图像进行扫描,将属于一条道路的所有像素点归并到一个容器中,提取中心点并输出成道路线。

同时,介绍了几种典型道路的处理方法。

实验研究表明该方法可以快速、精准地提取道路中心线,具有实际应用价值。

【总页数】3页(P153-154,160)【作者】江中亮;杨敏华;杨德地【作者单位】中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙410083【正文语种】中文【中图分类】P237【相关文献】1.一种航空图像道路中心线快速提取算法 [J], 吴亮;胡倩影;漆云海2.冰形表面激光光带中心线快速提取方法 [J], 康含玉;刘桂华;王斌;牛乾3.结肠中心线快速提取算法研究 [J], 张滢;冯筠;赵翊凯;康宝生;贺小伟4.基于MDB数据库的道路中心线快速提取技术 [J], 卢天正;侯岳;方乐道5.基于MDB数据库的道路中心线快速提取技术 [J], 卢天正;侯岳;方乐道因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
对于交叉口 , 有时会有两个 C类三角形 (如图 4) 。为了 消除这样的三角形 , 我们采用构成交叉路口的三角形的最 长边设定为长度阈值 , 当两个交叉三角形的距离小于阈值 时 , 取得两个三角形的重心连线的中心作为起始点或终点 。 处理过程如图 4:
本算法在保持中心线道路的几何特征和拓扑特征上是完善 的 , 本文的中心线生成方法在诸如制图综合中的双线河变 单线河 , 多变形骨架结构分析 , 地名注记的中心配置也可 应用 。
顾及后继中心线提取及建网过程中多边形 、三角形顶 点 、边之间关系的表达 , 对选取的每个三角形元建立如下 的数据存贮结构 :
首先将需要三角剖分的点分为散点和边界点 , 边界点 按一定的顺序 (逆时针或顺时针 )排列 。点的数据结构为单 向链表 , 定义如下 。
typedef struct Vertex { int ID; / / ID 号 double x, y, z; / /坐标值 char mark; / /材料 、边界标记 , 区分散点 、外边界点 、 内边界点 struct Vertex 3 next; / /下一个节点
106
测绘科学 第 33卷
} 3 PEDGE, EDGE; 边界链表的定义如下 :
typedef struct BndChain { struct Vertex 3 chain; / /一个边界 char mark; / /边界标记 , 区分散点 、外边界点 、内边 界点内边界点 struct BndChain 3 next; / /下一个边界 } 3 PBNDCHA IN , BNDCHA IN;
} RoadStru; 3) 道路交叉点的弧线处理 对于交叉口三角形 , 提取的交叉口是弧形 (如图 5) , 这 样是不符合现实的路口 。我们需要对交叉路口进行拉直 。 我们采用的方法是从交叉点开始 , 以一定的长度裁剪 掉直线 , 在比较裁剪后剩余线的角度 , 当两线的角度满足 一定范围时 , 连接两线成一条线 。当是十字路口时 , 求得 交点作为网的结点 。最终形成道路网 。
一般情况下在街区线上的点太少 , 很容易形成生成小 内角的狭长三角形 (如图 1) 。为解决保持 Delaunay特性与 约束条件之间的矛盾 , 我们对街区多边形边界弧段上的矢 量点作加密处理 , 使得有更多的间距接近的点参与构网 。
我们采用方法是 : 当边界线上两点之间的距离大于平 均道路宽度时 , 就添加点 , 直到边界上相邻两点之间的距 离小于平均道路宽度 。平均道路宽度可根据经验预设定 。 从中可看出加密后既保证约束条件又保证了 Delaunay不出 现狭长三角形的特性 。 (如图 1)
①空外接圆性质 : 离散点集 P的 D 三角网中 , 每一个 三角形的外接圆不包含 P中除该三角形三个顶点外的其他 任何点 ; ②三角形最小角最大 : 离散点集 P上的所有不规 则三角 网 中 , D 三 角 网 的 每 个 三 角 形 的 最 小 角 度 是 最
作者 简 介 : 钟 世 彬 ( 19782) , 男 , 硕 士 , 江西万载人 , 专业是地图制图学 与地理信息工程 , 现从事 GIS开发与 应用研究 。 E2mail: shibinzhong@1631com
第 33卷第 3期 2008年 5月
测绘科学 Science of Surveying and M app ing
Vol133 No13 M ay1
道路中心线提取及网络建立的算法研究
钟世彬 ① , 闫喜凤 ②
( ①江西省基础地理信息中心 ,南昌 330046; ②江西科技师范学院 , 南昌 330038)
而在城市地图数据库中 , 街区边界的表达具有双重角 色 , 既是组成街区多边形的弧段又是道路网络的边 , 是跨 接面状目标与网络状目标的桥梁 。城市用地规划 、土地利 用分析是基于街区多边形为主的空间分析 , 交通路径设置 、 城建设施布线选址是基于网络目标为主的空间分析 。对于 街区图的综合则要同时考虑道路网分布的图结构 (连通性 、 邻接关系 、关联关系 、子图层次性 ) 和街区多边形几何信 息 、拓扑信息结构 (面积 、形状 、相邻关系 ) 。为满足这些 应用要求 , 完备的城市地图数据库必须同时建立道路网络 模型和街区多边形模型 , 并在两者之间建立有效的联系 。 以上述的关联规则获取为基础 , 可以为中小比例尺地图中 道路网络建立提供数据源 , 其中将桥梁和居民地视为网络 中的节点 , 如阻抗点或能源中心等 , 将道路段视为链 。
2) 网络的进一步优化 为得到平直光滑的中心线 , 可采用最小二乘法进行直 线拟合 ; 在形成约束 Delaunay三角网时 , 加密了点 , 以致 在形成的道路中心线上有很多的点 , 为了减少文件大小 , 对道路中心线进行抽稀 。经过对直线进行拟合和抽稀 , 可 以得到平直光滑的中心线 。
街区边界的抖动会产生多余的中心线分枝 , 对于这些 分支 , 当 “死胡同 ”型道路出现时 , 该分枝作为胡同道路 的中心线是合理的 , 解决这一矛盾 , 可以设定一长度阈值 , 多边形凹部的中心线分枝大于阈值视为合理 , 否则弃除 。 我们在实际过程中 , 以最短道路长度为阈值 。
[ J ]. 测绘科学 , 2006, 31 (4) 1
(下转第 65页 )
第 3期 陈学刚等 基于 ESDA 2GIS的新疆县域经济时空差异研究
65
区主要以 “HH”、“LL ”向 “HL ”、“LH ”变化为主 , 内 部空间经济差异性增加 , 未形成经济集聚区域 ; ④天山北 坡以及巴州北部逐渐形成空间差异较小的 “HH ”集聚区 域 。南疆西 部 的 克 州 、喀 什 与 和 田 地 区 已 成 为 落 后 的 “LL ”经济低谷区域 ; ⑤资源禀赋 、基础设施的差异以及 “八五 ”以来实行的经济发展战略是研究期内形成新疆县域 经济差异的重要因素 。
DO I: 1013771 / j1 issn1100922307120081031037
1 引言
网络分析是 GIS应用中的基本工具 , 最优路径和资源 分配都是在地理要素的网络图上进行的 。在三维系统中的 道路漫游 , 在城市中的道路的最短路径分析 , 都是在道路 网络上进行的 。在制图中 , 道路是用两条线表示 , 而要形 成道路网络 , 则需要进行道路中心线的提取 , 变双线为单 线的问题 。
【摘 要 】提取道路中心线并建立道路网络是网络分析和地图综合中的基本问题 , 本文提出了利用约束 Delaunay 算法形成道路约束三角形网 , 并在此基础上提取道路中心线 , 形成道路中心线及建立网络 。强调在提取过程中要 注意的几个关键问题 , 并提出了解决方法 。 【关键词 】中心线 ; Delaunay三角网 ; 网络分析 ; 地图综合 【中图分类号 】P282 【文献标识码 】A 【文章编号 】100922307 (2008) 0320105203
} 3 PVERTEX, VERTEX; 三角形单元的定义是三角剖分的基础 , 必须定义很好 的结构表达三角形的拓扑结构 , 以提高算法的效率 , 并且 必须方便三角形单元在三角网中脱离拓扑结构 。本文定义 如下 。
typedef struct Triangle { struct Edge 3 pe [ 3 ]; / /指向三角形的三个边 struct Vertex 3 pv [ 3 ]; / /指向三角形的三个顶点 int ID; / / ID 号 struct Triangle 3 next, 3 p re; / /指向前后的三角形
3 道路中心线网络的建立及优化
1) 通过约束三角形网形成道路中心线网络 对提取的位于道路上的三角形集 , 考察三角形元与邻 近三角形的关系 , 对其进行分类 (如图 2) , 只有一边有邻近 三角形的为 A类 , 两边有邻近三角形的为 B 类 , 三边均有 邻近三角形的为 C类 。A 类三角形出现在道路的入口或出 口 , C类三角形出现在道路的交叉口 , 其他处出现的则为 B 类三角形 。 按照下述方法对 3种三角形内的中心线进行连接 , 这 里我们将两邻近三角形的公用边称为邻近边 。A 类三角形 连接惟一邻近边的中点与其相对的顶点 , B 类三角形连接 两条邻近边的中点 , C类三角形连接重心与三边的中点 。 道路中心线网络由道路交叉口结点和道路边构成 。A 类和 C类三角形在道路网络中充当网络图的结点 。在中心 线连接实现的过程中 , 先从 C类三角形开始搜索 , 终止于 A类三角形或 C类三角形 , 得到网络一条边 , 直到处理完 C类三角形 ; 再采用从 A 类三角形开始搜索 , 终止于 A 类 三角形 , 得到所有边 。从而形成道路中心线网络 。如图 2:
在建立道路网络 , 我们自动提取了道路的宽度和长度 。 一般情况下 , 道路的宽度是不一样的 , 但是交叉口间的道 路宽度大多数变化不大 。根据这个特点 , 可以得到我们采 用的是方法是 : 从道路约束三角网中 , 获取三角元的宽度 , 取平均值 ; 各三角元的宽度与平均值比较 , 在某个长度阈 值范围内的保留 ; 再次求平均值 , 作为交叉口间的道路宽 度 。添加如下的道路中心线属性结构 。
typedef struct
{ double dLen; / /长度 double dW id; / /宽度 double dA rea; / /面积 TCHAR sCode [ 12 ]; / /道路代码 TCHAR sName [ 20 ]; / /道路名 TCHAR sType [ 10 ]; / /道路类型 CHAR sGrade [ 7 ]; / /道路等级 TCHAR time [ 16 ]; / /铺路时间
本文就将基于街区矢量数据的基础上 , 介绍道路中心 线提取及网络建立的算法 。
2 利用约束 D elaunay算法形成道路约束三角形网
空间离散点集上不规则三角网在与几何形体有关的信 息数据分析处理中得到了广泛应用 , 其中 Delaunay三角网 (以下简称 D三角网 )由于其优良的数学性质而成为是最常 用的一种 [1, 2 ] 。D 三角网具有两个独特的性质 :
相关文档
最新文档