[发明专利]一种基于手机定位数据的社区级矢量道路网提取方法

说明书

本发明提出了一种基于手机定位数据的社区级矢量道路网提取方法，包括根据研究区域经纬度的矢量面范围提取区域内的所有轨迹数据；提取区域内的所有轨迹数据；室外场景建模，剔除掉所有在建筑物内的轨迹数据；对研究区域进行单元网格划分；统计每个网格中心的经纬度坐标并根据空间位置连接操作提取每个网格内的轨迹点数量；对处理后的网格数据利用自研代码生成DEM；利用生成的DEM通过填洼操作使得DEM表面光滑；对预处理的DEM数据通过流向计算、汇流量计算、路网分级、栅格路网矢量化提取得到路网；利用形态学中的膨胀收缩法优化提取道路的几何结构；利用简化线算法进一步优化，进而得到最终的道路网，本发明有助于封闭式社区内部矢量道路网的集成与更新。

技术领域

本发明涉及矢量道路网络提取与更新技术，特别是一种基于手机定位数据的社区级矢量道路网提取方法。

背景技术

道路地图数据是国家基础地理信息、智能交通的重要组成部分，在智慧城市建设、车辆智能导航、网络地图服务、地图数据更新等方面起着关键作用。由于城乡道路建设飞速发展，道路网变得越来越精细化和复杂，道路信息快速获取与更新成为亟待解决的问题。随着移动设备的飞速发展，现在导航设备广泛存在于手机、ipad等移动设备中，人们对位置服务的实时性的要求越来越高。矢量道路网数据作为导航系统最关键的数据之一，其现时性的高低对导航系统的服务质量有着及其重要的影响。

在过去近四十年中，路网的生成一直是地理信息领域里面的研究重点，Edelkamp(2003)利用K-Means聚类算法对所有的轨迹点进行聚类分析，然后连接各中心点，并采用样条曲线的方法来拟合生成道路网，大大提高了道路网的精度，但提取得到的路网拓扑结构不够理想。Zhang Yongchuan等人通过遍历轨迹段集合，基于轨迹的空间位置关系确定是否将轨迹段添加到待生成的路网集合当中，由于道路交叉处的确定受阈值影响明显，该方法提取得到的路网平滑度不够；Guangliang Cheng提出了一种级联端到端卷积神经网络(CasNet)来从高分辨率的遥感影像中同时提取到道路面和道路中心线。但道路边缘的图像特征易受周围建筑、道路两旁树木等遮挡而影响道路提取的效果。Zhen Lv等人一种自适应多特征(包含了颜色、局部熵和HSC特征)基于稀疏性模型的道路提取，并取得了良好的效果，但该方法比较依赖于特征值提取的效果。上述的方法大多数聚焦在城市的主干道路提取上，却忽略了居民区等小范围区域内部精细道路网的更新。

发明内容

有鉴于此，本发明的提供了一种基于手机定位数据的社区级矢量道路网提取方法，包括以下步骤：

S1、根据研究区域经纬度的矢量面范围提取区域内的所有轨迹数据；

S2、室外场景建模，剔除掉研究区域中所有在建筑物内的轨迹数据；

S3、对S2处理之后的研究区域进行单元网格划分；

S4、统计每个网格中心的经纬度坐标并根据空间位置连接操作提取每个网格内的轨迹点数量；

S5、对处理后的网格数据利用自研代码插值方法生成DEM；

S6、利用生成的DEM通过填洼操作使得DEM表面光滑；

S7、对预处理的DEM数据依次通过流向计算、汇流量计算、路网分级、栅格路网矢量化提取得到路网；

S8、利用形态学中的膨胀收缩法优化提取道路网的几何结构；

S9、利用简化线算法使得道路拓扑结构不变的情况下进一步优化，进而得到最终的道路网。

本发明提供的技术方案带来的有益效果是：本发明提取出了一种低成本，可实时性高的方法来提取居民区的精细道路网，相较于OSM道路地图与专业地图生厂商高德地图，本发明生成了它们很难采集与获取到的精细级别的行人小径；而这些小区级别的精细道路将作为现有社区级别精细道路网的重要补充，为行人导航地图服务有重要意义。

附图说明