基于高分辨率影像的道路中心线提取技术研究

针对遥感影像道路提取问题,探索了一种基于道路条带自动检测道路中心线的方法。首先基于概率增进树算法获取道路候选点,并通过形态学运算得到光滑和完整的道路条带;然后结合细化运算自动检测道路中心线。但检测的中心线存在"毛刺"且局部曲率变化过大,不符合道路的形状特征。针对该问题,引入了测地距离理论,并用迭代方法去除"毛刺",获得初始道路中心线;再通过Dijkstra最短路径算法优化初始结果;最后根据方向一致性和道路连续性获取最终的道路中心线。采用高分辨率航空影像对上述方法的实验结果证明了该方法的有效性和可行性。     

基于车载LiDAR点云的车辆目标自动检测

以武汉市三环线内主要道路夜间停车调查项目为背景,利用车载三维激光扫描技术获取了武汉市三环线内夜间某道路沿线的点云数据,提出了一种基于知识规则的车辆目标自动检测方法。该方法首先采用基于欧式距离分割的聚类方法将点云分割为簇,再分析车辆目标的点云特征和空间几何特征等相关特点,然后建立车辆目标检测的知识规则,最后根据知识规则实现车辆目标的自动检测。实测数据的实验表明,该方法的自动检测准确率为88.10%,证明了其有效性。     

基于稀疏点云的ADAS三维地图构建方法

提出了一种基于机载LiDAR稀疏点云与已有道路二维导航地图快速构建ADAS三维地图的方法。通过稀疏点云与导航地图拓扑叠加分析和三维空间关系检验,实现了对复杂道路结构的高程平滑和面向ADAS的道路三维地图构建。以香港地区ADAS地图为例,采用该方法进行了三维地图构建。结果表明,该方法合理且效率高,精度满足先进自动驾驶三维地图要求。     

智能道路检测系统

阐述了一种智能道路检测系统,该系统以中型客车为载体,集成多种高精度传感器,实现自动检测路面破损、车辙、平整度等各项道路指标的功能.     

基于Siamese卷积神经网络的影像瓦片变化检测技术

针对地理信息变化较快而传统更新方式效率不高的问题,目前许多学者提出了各类变化检测的方法,但这些方法大都是基于影像数据进行试验,对影像预处理要求较高,且检测精度的稳定性较差,受数据源质量影响较大。而天地图、百度地图、谷歌地图等地图中均可免费下载各种级别的影像瓦片,因此本文提出利用天地图影像瓦片进行试验,采用Siamese卷积神经网络（SCNN）和深度学习技术,开发基于SCNN的高精度变化监测算法,以快速发现变化区域,实现地理信息变化信息检测。     

车辆导航系统中定位数据处理和地图匹配技术

分析了GPS误差来源,并提出了相应的处理办法;融合电子地图中的道路数据和GPS所提供的定位数据的地图匹配算法,可以有效地提高车辆导航的定位精度.在分析各种地图匹配算法基础上,提出了一种实用的地图匹配方法,并且在实践中得到了验证.     

基于机载LiDAR和GIS数据的建筑物变化信息自动检测方法

建筑物的变化信息对地图更新和相关地理要素的统计至关重要。首先,通过Li DAR数据提取建筑物信息,应用alpha-shapes算法得到建筑物的边缘信息;然后,将该信息和GIS地图矢量数据对比,应用多级变化检测策略进行自动检测,得出变化的建筑物并精确到建筑物变化的细部特征。该方法不仅能实现建筑物的定性变化检测,而且能对变化信息进行定量统计,检测结果的准确率达到95%。与以往单纯利用影像数据的方法相比,该方法自动化程度和效率均较高,且处理流程简捷。     

基于ArcGIS的导航电子地图道路层次融合显示解决方案研究

基于作者多年地图制图和渲染的工作经验介绍了基于ArcGIS的电子导航地图道路层次融合显示解决方案。针对导航地图数据提出了正确数据处理方法及渲染方法,介绍了求取道路层次的算法,对于使用导航数据的相关人员提供了参考。     

基于JavaScript和Ajax技术的车载全景地图发布

提出了一种基于JavaScript和Ajax技术的车载全景地图发布方法,并分别用城区道路和山区道路数据进行了实例验证,实现了全景地图的发布。结果表明,基于JavaScript和Ajax技术的车载全景地图发布方案具有可行性。     

顾及结构和几何特征的道路自动选取方法

提出了一种顾及结构和几何特征的道路网自动选取方法。综合考虑道路的度中心性、集聚系数和路划的几何长度等道路选取影响因素,提出一种道路重要性评价方法。实验结果表明,本文方法能够很好地保持选取道路网的整体与局部结构、拓扑结构以及路网连通性。基于该方法,由大比例尺地图选取出的小比例尺地图与相应标准比例尺地图保持较高的一致性,表明该方法是稳定可靠的。