[发明专利]一种高分遥感影像提取城市路网车辆队列状态信息方法

说明书

技术领域

本发明属于宏观交通状态判别技术领域，具体涉及交通遥感应用与智能交通技术。 

背景技术

近年来，我国城市化进程加快，交通拥堵问题日益严重。如何全面、快速掌握整个城市路网交通拥堵和交通瓶颈分布节点、了解交通拥堵状态、乃至于预测拥堵扩散范围，为交通管理部门进行交通疏导和路网科学建设提供科学性数据依据。车辆队列（信息包括位置和长度）是城市拥堵的重要表现形式，是进行城市道路交通分析的基本参数之一。然而，当前地面交通信息数据获取手段（视频、线圈、微波、雷达）多为点源微观交通信息，数据获取中间传输环节过多，存储物理空间大，数据保存和处理困难，宏观可视化程度低，数据覆盖面有限，设备运营维护成本昂贵，无法满足城市乃至城市群路网大范围交通状态分析和宏观规划的智能交通数据需求。随着卫星技术和遥感影像成像质量的不断提升，2012年国家高分卫星“资源3号”上天，高分辨率遥感影像已进入“平民化时代”。将高分遥感数据应用于智能交通领域进行交通拥堵下的道路车辆队列判别成为一个重要而热门的研究课题。 

专利对比文献1（201010220935.2），公布了一种十字路口摄像头视频图像进行车俩长度的检测，该发明只能获取一个路口有限长度车辆队列情况，无法从宏观上获得整个路网的车辆队列信息。 

专利对比文献2（200910092506.9），公布了一种浮动车数据提取车辆排队长度，但由于浮动车数量的限制，也无法全面准确获取整个城市路网中的车辆队列信息。 

专利对比文献3（201210044347.7），公布了一种环形线圈检测器的数据进行车辆队列的提取，属于点源监测，其检测器的安装与维护都对道路有一定损毁，且受成本因素限制，无法获取整个城市路网中车辆队列信息的获取。 

以上方法均属于地面交通信息获取手段，存在不足，且与本发明方法不属于同一信息来源。 

科技论文对比文献1（Jens Leitloff, Stefan Hinz&UweStilla,etal. Detection of Vehicle Queues in QuickBird Imagery of City[J] Areas PhotogrammetrieFernerkundungGeoinformation，4/2006，315-325），提出了一种通过构建高分遥感影像中车辆队列特征知识库，应用形态学、灰度等信息，直接从遥感影像中提取车辆队列信息的方法，也不同于本发明所述的方法。 

发明内容

本发明目的在于克服现有技术中车辆队列判别方法的不足，提出了基于高分辨率遥感影像的滑块阈值搜索法，提取车辆队列信息。 

本发明方法包括以下步骤： 

(1)、应用图像处理相关算法，基于遥感影像提取面状道路和面状车辆矢量信息； 

(2)、提取面状道路中心线和边线，形成搜索块路； 

a、获取面状道路，找到面状道路的首尾点：如附图1所示，首先获得构成面状道路边界的点集P＝{P₁，P₂，……P_m，P_m+1，……，P_m+n}，共包含m+n(n≥m≥2)个点，将点集按顺时针方向两两组合成向量P＝{P₁，P₂，……P_m，P_m+1，……，P_m+n}，共包含m+n(n≥m≥2)个点，将点集按顺时针方向两两组合成向量共m+n个向量。依次计算其余弦值，如点q： 

当q＝1时，计算与两向量的余弦值； 

当1<q<m+n时，计算以点q为起点的向量和点q后一点即点q-1为终点的向量的余弦值，即计算其中θ为向量和向量的夹角； 

当q＝m+n时，计算与的余弦。 

其中最小的余弦值所对应的点，即为道路首尾点（因为在图像中面状路的出入口处两端的线段近似平行）。