[发明专利]一种矢量道路确定方法及装置

说明书

本申请公开了一种矢量道路确定方法及装置，本申请方案从卫星影像图中提取瓦片图，并利用预先训练的道路识别模型，识别瓦片图的中间设定区域各像素点是否为组成道路的像素点，在识别过程中充分利用了瓦片图边缘像素点的信息来确定中间区域各像素点是否为组成道路的像素点，其识别准确率更高。并且，根据模型分类结果进一步确定道路灰度图，根据道路灰度图生成矢量道路图，无需人工辨识卫星影像图，即可实现矢量道路图的自动获取，其效率更高，成本更低。

技术领域

本申请涉及电子地图数据处理技术领域，更具体地说，涉及一种矢量道路确定方法及装置。

背景技术

在交通信息日益重要的今天，拥有高鲜度和高质量的道路信息在很多应用领域都有着举足轻重的作用。例如城市中肩负紧急任务的车辆(如救护车)就需要精准的路网信息来实现快速路径规划。此外，在基于GPS的导航系统中，路网信息的精准程度也对用户体验有着至关重要的影响。

现实中随着路网建设以及老路改造，路网变更频繁，因此如何快速更新道路信息就显得尤为重要。现有技术通过获取卫星拍摄的道路影像图，进而由人工从卫星影像图中识别道路。但是，人工识别的方式普遍存在效率低、成本高的问题。

发明内容

有鉴于此，本申请提供了一种矢量道路确定方法及装置，用于解决现有人工从卫星影像图中识别道路所存在的，效率低、成本高的问题。

为了实现上述目的，现提出的方案如下：

一种矢量道路确定方法，包括：

获取从卫星影像图中提取的卫星影像瓦片图；

将所述卫星影像瓦片图输入预先训练的道路识别模型，得到所述道路识别模型输出的表征所述卫星影像瓦片图的中间设定区域各像素点是否为组成道路的像素点的分类结果；

根据所述分类结果，生成所述卫星影像瓦片图的中间设定区域对应的道路灰度图；

根据所述道路灰度图，生成矢量道路图。

优选地，所述获取从卫星影像图中提取的卫星影像瓦片图，包括：

以设定尺寸窗口及设定滑动步长，对所述卫星影像图进行滑窗取图，每次滑窗获取的图作为卫星影像瓦片图；

所述卫星影像瓦片图的中间设定区域为，边长为设定滑动步长的正方形。

优选地，所述根据所述道路灰度图，生成矢量道路图，包括：

拼接各卫星影像瓦片图的中间设定区域对应的道路灰度图，得到与所述卫星影像图相同尺寸的合成后道路灰度图；

根据所述合成后道路灰度图，生成矢量道路图。

优选地，所述道路识别模型为深度卷积神经网络模型，所述深度卷积神经网络模型的训练过程包括：

确定深度卷积神经网络模型的模型参数的初始值；

利用所述深度卷积神经网络模型对人工标注的训练样本图进行预测，并判断预测的结果向量与训练样本图的真值向量的差异是否达到设定差异范围内；其中，所述结果向量表征训练样本图中间区域各像素点为组成道路的像素点的置信度值，所述真值向量为训练样本图中间区域各像素点是否为道路的人工标注结果；

若否，调整深度卷积神经网络模型的模型参数，并继续利用模型参数调整后的深度卷积神经网络模型对人工标注的训练样本图进行预测，直至预测的结果向量与训练样本图的真值向量的差异达到设定差异范围内时，将深度卷积神经网络模型的模型参数作为最终的模型参数。

优选地，所述判断预测的结果向量与训练样本图的真值向量的差异是否达到设定差异范围内，包括：