[发明专利]一种针对卫星图像的异步道路信息提取系统及其控制方法

说明书

本发明涉及遥感与机器视觉技术领域，且公开了一种针对卫星图像的异步道路信息提取系统及其控制方法，道路信息提取步骤包括数据预处理、模型推理、推理结果后处理、道路轮廓信息矢量化、道路中心线信息矢量化，异步道路信息提取系统融合了深度学习算法和异步计算结构，实现快速的道路信息提取，包括如下模块：卫星图像数据预处理模块；道路信息提取模块；模型推理结果后处理模块；道路轮廓矢量提取模块；道路中心线提取模块；计算资源监测模块；异步池化资源调度模块。该系统与控制方法，将传统道路信息提取系统的不同步骤异步化，使得不同步骤间的平均等待时长被缩短，更加均衡且充分地利用了计算机的各项资源，能快速提取更高精度的道路信息。

技术领域

本发明涉及遥感与机器视觉技术领域，具体为一种针对卫星图像的异步道路信息提取系统及其控制方法。

背景技术

近年来，我国的基础建设力度持续增强，道路网络的变化速度也随之加快，传统的道路信息统计方式是人工测绘，然而随着近年来，国内外深度学习技术高速发展，计算机视觉技术在遥感领域的应用取得了较大突破。在道路提取方面，主要采用深度学习中的语义分割技术，语义分割算法使用卫星图像作为输入数据，输出能够表示道路信息的全像素掩膜。

传统人工道路测绘工作，需要测绘人员手动绘制，步骤繁琐，耗时较高，测绘工作依赖于人工，主要靠测绘人员使用和观察测绘仪器，从而得到道路的各种数据，这种方式的即时性较弱，新建成的道路信息不一定会及时添加到数据库中，而且出于种种原因，人工测绘的目标道路存在选择性，通常优先服务于城市间的公路、大路，很容易忽略乡间的土路、小路，另外，短时间大范围的测绘会给测绘人员带来极大的工作压力，难以长时间持久稳定地测绘，容易损失测绘精度。

使用计算机视觉算法取代或辅助人工测绘能够有效地提高道路提取的速度，并且保证得到的道路信息精度稳定，然而，一个完整的深度学习道路信息提取系统，往往需要分为数据读取、数据预处理、模型推理、模型推理结果后处理和推理结果矢量化等步骤，其中模型推理是指深度学习模型根据输入的卫星图片推理出道路掩膜的过程，是道路信息提取系统的核心算法，模型推理结果后处理阶段会利用算法将模型推理的结果进行优化，推理结果矢量化是为了将经过后处理的模型推理结果从位图形式转换成矢量信息的形式，位图形式的结果像素数和原图一致，但矢量信息仅需保留足以描述道路边界的点的位置信息，能够极大地节省外存设备的存储空间。

一次道路提取的各个步骤间可能存在速度差异，并且速度快慢受不同因素制约，例如数据读取阶段受制于计算机的硬盘读取速度，模型推理阶段受制于计算机显卡性能，推理结果矢量化阶段受制于计算机CPU性能，基于此种现象，对卫星图像按照各个阶段同步地进行处理会导致处理速度较慢，因此，需要引入异步的计算方式。

目前，道路信息的采集主要以人工采集为主，但随着我国基础设施建设能力增强，无论城市还是乡村的道路变化都十分迅速，而人工采集的方式，成本和耗时较高，往往无法及时更新道路信息数据库，使得数据库信息滞后于实际道路情况。

随着近年来深度学习技术的发展，利用计算机算法从卫星图像中提取高精度的道路信息已经可行，但仍然存在问题，一方面，按照一般的同步计算方式设计的道路信息提取系统，整体计算耗时过高，无法在有限的时间内完成大范围卫星图像的道路提取，另一方面，基于同步计算设计的道路提取系统，由于道路提取过程中各个步骤对计算资源的需求偏重不同，无法充分有效利用计算机资源。

考虑到人工道路测绘的种种弊端，以及现有基于同步计算的道路信息提取系统中存在的计算机资源利用率较低、处理速度慢的问题的种种弊端，提出了一个完整的自动道路信息提取系统，并且结合异步计算技术大幅提升了该系统的处理速度。

发明内容

(一)解决的技术问题

为了解决上述技术问题，本发明提供一种针对卫星图像的异步道路信息提取系统及其控制方法，由以下具体技术手段所达成：