一种低等级道路自动提取及变化分析方法

    公开(公告)号:CN109815859A

    公开(公告)日:2019-05-28

    申请号:CN201910023523.0

    申请日:2019-01-10

    摘要: 本发明公开了一种低等级道路自动提取及变化分析方法,该方法能够实现道路路网的自动提取与变化分析,通过高分辨率遥感影像,对道路材质的几何、纹理、光谱特征进行样本的选择,生成数据集进行模型的训练,利用生成的模型进行道路的自动提取。基于数据模型进行道路提取,实现影像提取结果与网络数据的自动配准。设置阈值、置信区间等方式进行对比变化分析,进行融合降低数据集的生成工作。能够大幅度减少训练数据集生成工作,基于影像的道路提取结果与网络道路数据进行融合,融合结果道路数据精确度较高,根据融合结果可自动生成新的数据集,大幅度降低训练数据集的生成工作。

    一种低等级道路自动提取及变化分析方法

    公开(公告)号:CN109815859B

    公开(公告)日:2021-10-01

    申请号:CN201910023523.0

    申请日:2019-01-10

    摘要: 本发明公开了一种低等级道路自动提取及变化分析方法,该方法能够实现道路路网的自动提取与变化分析,通过高分辨率遥感影像,对道路材质的几何、纹理、光谱特征进行样本的选择,生成数据集进行模型的训练,利用生成的模型进行道路的自动提取。基于数据模型进行道路提取,实现影像提取结果与网络数据的自动配准。设置阈值、置信区间等方式进行对比变化分析,进行融合降低数据集的生成工作。能够大幅度减少训练数据集生成工作,基于影像的道路提取结果与网络道路数据进行融合,融合结果道路数据精确度较高,根据融合结果可自动生成新的数据集,大幅度降低训练数据集的生成工作。

    一种公路落石识别分析方法

    公开(公告)号:CN111539363A

    公开(公告)日:2020-08-14

    申请号:CN202010352541.6

    申请日:2020-04-28

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种公路落石识别分析方法,该方法包括建立U-net深度学习网络模型,对训练样本数据进行训练;通过模型对公路路面区域进行道路面状区域的提取;采用object_detection算法将道路面状区域的提取情况进行识别;将识别完成的道路面状区域进行图像区域分类,得到像素级分类结果,并对不同类型目标进行不同颜色标注;将识别的数据分别通过灰度图转换、图像高斯平滑、车道线边缘检测、霍夫转换和线条提取进行道路车道线的识别。本发明通过利用object_detection算法,车道线识别算法分别得到车辆、行人、落石以及道路车道线的像素坐标值,分析得出公路路面落石所处位置、所处车道线位置以及所占路面面积的大小。