CN108492276B - 一种基于相似性度量的矢量道路变化检测方法及装置 - Google Patents
一种基于相似性度量的矢量道路变化检测方法及装置 Download PDFInfo
- Publication number
- CN108492276B CN108492276B CN201810083737.2A CN201810083737A CN108492276B CN 108492276 B CN108492276 B CN 108492276B CN 201810083737 A CN201810083737 A CN 201810083737A CN 108492276 B CN108492276 B CN 108492276B
- Authority
- CN
- China
- Prior art keywords
- road
- similarity
- matching
- link
- sim
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于相似性度量的矢量道路变化检测方法及装置,属于矢量地图数据库动态更新技术领域。本发明首先对待检测道路数据集重构拓扑关系,提取道路路链,并确定路链中包含的道路弧度;然后采用基于一致性约束的缓冲区法搜索待匹配道路的匹配候选集;再根据道路的几何特征建立相似性评价模型,利用该评价模型从匹配候选集中选择一条相似度最高的道路对象作为待匹配道路的匹配对象;最后对同名实体道路和待匹配道路进行特征差异比较,以确定待匹配道路的变化情况。本发明通过计算道路之间的特征差异性能准确探测出同名道路实体在哪些特征上发生变化,对于变化信息的提取和更新操作的实施提供了保证,具有很高的应用价值。
Description
技术领域
本发明涉及一种基于相似性度量的矢量道路变化检测方法及装置,属于矢量地图数据库动态更新技术领域。
背景技术
道路要素是地形图中的主干要素,也是变化最为突出的一类要素,为了保证道路数据的现势性,必须对道路数据进行实时更新。在道路网增量更新中,道路实体究竟发生哪些变化,是如何探测以及怎样描述这些变化的是道路网更新中的关键问题,它们直接影响着变化信息的存储组织、增量信息采集、更新处理、变化信息分析和发布的效率与水平。
当前,对变化信息的探测与表达,有学者进行了相关研究。朱华吉、陈军等提出了以地理事件和目标快照差为基础的增量信息分类与表达,并给出了基于事件和快照差的变化信息的定义和表达模型,但是此类方法只是从单一层面对变化信息进行分类,忽视了变化信息的多样性,并没有考虑到道路网数据在复杂情况下的变化情况;姬存伟提出了针对居民地要素,通过计算图形数据差进行变化探测,并判别其类型,考虑了简单与复杂的变化类型,然而图形数据差在道路等线状实体的应用上有缺陷。
发明内容
本发明的目的是提供一种基于相似性度量的矢量道路变化检测方法,以解决道路变化检测准确性低、适用性不强的问题;本发明还提供了一种基于相似性度量的道路变化检测装置。
本发明为解决上述技术问题而提供了一种基于相似性度量的矢量道路变化检测方法,包括八个方案,方法方案一:该检测方法包括以下步骤:
1)对待检测数据进行拓扑重构,提取道路路链,并确定路链中包含的道路弧段;
2)采用基于一致性约束的缓冲区法搜索待匹配道路路链的匹配候选集;
3)根据道路的几何特征建立空间相似性评价模型,利用该模型从匹配候选集中选择一条相似度最高的道路对象作为待匹配道路的同名实体道路;
4)对待变化检测道路与其同名实体道路进行特征差异比较,以确定待变化检测道路的变化情况。
方法方案二:在方法方案一的基础上,所述步骤2)中的匹配候选集的确定,具体过程如下:
A.对待匹配道路路链中每个结点根据搜索半径建立缓冲区,将另一数据集中位于各缓冲区中的道路结点作为对应待匹配道路路链中各结点的对应候选匹配结点;
B.对各结点的候选匹配结点进行路链一致性检测,将所有位于同一条路链上的候选匹配结点作为一组,并按照构成路链的先后次序进行排序,将每一组候选匹配结点所在的路链作为候选匹配路链加入到候选匹配集中;
C.根据待匹配道路路链与候选匹配路链的结点对应关系,提取出所有待评价的路段匹配关系对,将这些待评价匹配评价的路段匹配关系对放入到链表中,以得到待匹配道路路链的候选集匹配集。
方法方案三:在方法方案一的基础上,所述步骤3)中建立的空间相似性评价模型如下:
Sim=ω1SimS+ω2SimD+ω3SimL+ω4SimA
其中SimS、SimD、SimL和SimA分别是形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation无量纲归一化处理后的值,ω1、ω2、ω3和ω4为相应指标的权重,且ω1+ω2+ω3+ω4=1。
方法方案四:在方法方案三的基础上,所述的形状相似度SShape表示道路线要素之间的形状相似距离,采用转向函数计算得到,计算公式如下:
其中Dshape(L1,L2)实际表示折线L1和L2转向函数的差值向水平方向投影所围成的区域的面积,Dshape_tolerance为形状相似性距离的经验阈值,Dshape(L1,L2)值越大,折线L1和L2形状的相似度就越小。
方法方案五:在方法方案三的基础上,所述的距离邻近度SDistance指的是道路线要素之间的邻近程度,线要素之间的距离采用近似折线平均距离来表示,计算公式如下:
其中,dav(L1,L2)表示折线L1和L2之间的近似折线平均距离,lk.i,i+1,k=1或2,表示顶点从Lk.i到Lk.i+1的线段,|lk.i,i+1|表示该线段的长度,lk.i,i′表示顶点从Lk.i到L′k.i的线段,dtolerance为距离阈值,取值为两折线映射节点对距离的最大值。
方法方案六:在方法方案三的基础上,所述的长度相似度SLength指的是待匹配道路在长度上的相似性,
其中Δltolerance是道路弧段长度差异的阈值。
方法方案七:在方法方案三的基础上,所述的方向相似度SOrientation指的是道路路段之间的整体方向差异,整体方向是指道路路段首末结点的连线相对于水平轴旋转的角度,
其中Δθ为两条道路路段之间的整体方向差异,Δθtolerance为方向差异阈值。
方法方案八:在方法方案一的基础上,所述步骤4)中道路变化检测方法,是通过计算待变化检测道路和其同名实体道路的形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation,并与相应的阈值进行比较,判断待变化检测道路在相应特征上有无变化,如果上述某个特征的相似度大于阈值,则说明待变化检测道路在该特征上没有发生变化,否则认定为发生变化,最后根据道路特征的变化情况,确定变化的类型。
本发明还提供了一种基于相似性度量的矢量道路变化检测装置,包括以下四个方案,装置方案一:所述的检测装置包括道路路链生成模块、匹配候选集确定模块、空间相似性评价模块和变化检测模块;
所述道路路链生成模块用于提取道路数据集中的道路路链,并确定道路路链中包含的道路弧段;
所述匹配候选集确定模块用于采用基于一致性约束的缓冲区搜索方法确定待匹配道路的匹配候选集;
所述空间相似性评价模块用于根据道路的几何特征建立空间相似性评价模型,利用该模型从匹配候选集中选择一条相似度最高的道路对象作为同名实体道路;
所述变化检测模块用于对待变化检测道路与其同名实体道路进行特征差异性比较,以确定待分析道路的变化情况。
装置方案二:在装置方案一的基础上,所述匹配候选集确定模块确定匹配候选集的过程如下:
A.对待匹配道路路链中每个结点根据搜索半径建立缓冲区,将另一数据集中位于各缓冲区中的道路结点作为对应待匹配道路路链中各结点的对应候选匹配结点;
B.对各结点的候选匹配结点进行路链一致性检测,将所有位于同一条路链上的候选匹配结点作为一组,并按照构成路链的先后次序进行排序,将每一组候选匹配结点所在的路链作为候选匹配路链加入到候选匹配集中;
C.根据待匹配道路路链与候选匹配路链的结点对应关系,提取出所有待评价的路段匹配关系对,将这些待评价匹配评价的路段匹配关系对放入到链表中,以得到待匹配道路路链的候选集匹配集。
装置方案三:在装置方案一的基础上,所述的道路相似性评价模块建立的空间相似性评价模型如下:
Sim=ω1SimS+ω2SimD+ω3SimL+ω4SimA
其中SimS、SimD、SimL和SimA分别是形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation无量纲归一化处理后的值,ω1、ω2、ω3和ω4为相应指标的权重,且ω1+ω2+ω3+ω4=1。
装置方案四:在装置方案一的基础上,所述变化检测模块是通过计算待变化检测道路和其同名实体道路的形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation,并与相应的阈值进行比较,判断待变化检测道路在相应特征上有无变化,如果上述某个特征的相似度大于阈值,则说明待变化检测道路在该特征上没有发生变化,否则认定为发生变化,最后根据道路特征的变化情况,确定变化的类型。
本发明的有益效果是:本发明首先提取道路路链,并确定路链中包含的道路弧度;然后采用基于一致性约束的缓冲区法搜索待匹配道路的匹配候选集;再根据道路的几何特征建立相似性评价模型,利用该相似性评价模型从匹配候选集中选择一条相似度最高的道路对象作为待匹配道路的同名实体道路;最后对待变化检测道路和其同名实体道路进行特征差异比较,以确定待变化检测道路的变化情况。本发明通过计算道路之间的相似性能准确探测出道路在哪些特征上发生变化,对于变化信息的提取和更新操作的实施提供了保证,具有很高的应用价值。
附图说明
图1是道路变化检测识别流程图;
图2-a路链S1与候选匹配路链S2之间可能存在的匹配关系示意图;
图2-b是路链S2与路链S1构成完全候选匹配关系示意图;
图2-c是路链S2的一部分与路链S1构成候选匹配关系示意图;
图2-d是路链S2与路链S1的一部分构成候选匹配关系示意图;
图2-e是路链S2的一部分与路链S1构成候选匹配关系示意图;
图2-f是路链S2与S1构成一个完全匹配评价对和一个局部匹配评价对示意图;
图2-g是路链S2与S1构成一个完全匹配评价对和一个局部匹配评价对示意图;
图2-h是路链S2与路链S1的一部分构成候选匹配关系示意图;
图2-i是路链S2与S1构成一个完全匹配评价对和一个局部匹配评价对示意图;
图2-j是路链S2与S1构成一个完全匹配评价对和一个局部匹配评价对示意图;
图2-k是路链S2与S1构成一个完全匹配评价对和两个局部匹配评价对示意图;
图3是基于转向函数的折线形状描述示意图;
图4是计算折线形状相似距离原理示意图;
图5是折线整体方向示意图;
图6-a是折线L1和L2之间的平均距离计算原理示意图;
图6-b是折线L1上的顶点在L2上的对应点之间的关系示意图;
图6-c是折线L2上的顶点在L1上的对应点之间的关系示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
本发明基于相似度量的矢量道路变化检测方法的实施例
本发明首先对新旧道路网数据进行预处理,重构网络拓扑关系,修正拓扑错误,提取道路路链(stroke);然后采用基于一致性约束的缓冲区法搜索待匹配道路的匹配候选集;再利用空间相似评价模型确定同名道路实体;最后对待变化检测道路进行特征指标差异性分析,确定道路是否存在变化。
1.数据预处理
对数据进行质量检查,重构道路拓扑关系,修正拓扑错误。根据路链(stroke)生成原则,提取道路路链(stroke),记录路链(stroke)包含的道路弧段,每一条路链(stroke)实际代表一条自然道路。
2.利用基于一致性约束的缓冲区法搜索待匹配道路的匹配候选集。
对一条道路的匹配候选集的搜索过程以图2说明如下:假设S1为一条待匹配道路,包含的结点为Pi(i=0,2,…,n),P0和Pn分别是其首末端点,S1匹配候选集搜索的过程如下:
(2)对所有结点Pi的候选匹配结点进行路链(stroke)一致性检测,检测出位于同一路链(stroke)上的候选匹配结点,将位于同一路链上的候选匹配结点将按照构成路链的先后次序进行排序,以图2-a为例,假设S2是经过路链一致性检验得到的一条路链,Tj、Tk和Tf分别是位于路链S2上的候选匹配结点中的首结点、中间结点和末结点,它们在路链S1上对应的匹配结点分别为Ph、Pl和Pt。
(3)提取路链S1的候选匹配对象。
以步骤(2)中获取的路链S2为例,候选匹配对象提取,分为以下几种情况:
①如果Tj=T0且Tf=Tm、Ph=P0且Pt=Pn,路链S2作为路链S1的完全候选匹配对象,即匹配评价对为<S1-S2>(如图2-b所示);
②如果Tj和Tf有且只有一个是路链S2的端点,Ph=P0且Pt=Pn,路链S2的一部分与路链S1构成候选匹配关系,匹配评价对为<S1-TjTf>(如图2-c所示);
③如果Tj=T0且Tf=Tm,Ph和Pt有且只有一个是路链S1的端点,路链S2与路链S1的一部分构成候选匹配关系,匹配关系对<PhPt-S2>(如图2-d所示);
④如果Tj和Tf都不是路链S2的端点,Ph=P0且Pt=Pn,路链S2的一部分与路链S1构成候选匹配关系,匹配评价对为<S1-TjTf>(如图2-e所示);
⑤如果Tj和Tf都不是路链S2的端点,Ph=P0,Pt≠Pn,路链S2与路链S1将构成一个完全匹配评价对<PhPt-TjTf>,一个局部匹配评价对<PtPn–TfTm>(如图2-f所示);
⑥如果Tj和Tf都不是路链S2的端点,Ph≠P0,Pt=Pn,路链S2与路链S1将构成一个完全匹配评价对<PhPt-TjTf>,一个局部匹配评价对<P0Ph–T0Tj>(如图2-g所示);
⑦如果Ph和Pt都不是路链S1的端点,Tj=T0,Tf=Tm,路链S2与路链S1的一部分构成候选匹配关系,匹配评价对<PhPt–S2>(如图2-h所示);
⑧如果Ph和Pt都不是路链S1的端点,Tj=T0,Tf≠Tm,路链S2与路链S1将构成一个完全匹配评价对<PhPt–T0Tf>,一个局部匹配评价对<PtPn–TfTm>(如图2-i所示);
⑨如果Ph和Pt都不是路链S1的端点,Tj≠T0,Tf=Tm,路链S2与路链S1将构成一个完全匹配评价对<PhPt–T0Tf>,一个局部匹配评价对<P0Ph–T0Tj>(如图2-j所示);
⑩如果Ph和Pt都不是路链S1的端点,Tj和Tf也都不是路链S2的端点,路链S2与路链S1将构成一个完全匹配评价对<PhPt–TjTf>,两个局部匹配评价对<P0Ph–T0Tj>和<PtPn–TfTm>(如图2-k所示)。
(4)对所有经过路链一致性检验后得到的路链,利用上述方法提取候选匹配评价对,将所有候选匹配评价对放入到链表中,完成一条道路匹配候选集的搜索。
3.利用空间相似性评价模型从匹配候选集中选择一条相似度最高的道路对象作为同名实体道路。
本发明中,相似性评价模型主要考虑以下几何特征指标:形状特征、距离特征、长度特征和方向特征。
(1)形状特征:形状是道路匹配中一个常用的重要几何特征。本发明采用转向函数法用于描述线状道路形态,线要素形状描述的转向函数ΘL(s)表示为图3所示的形式:X轴表示线上各顶点相对于参考点的归一化距离,Y轴表示线要素所对应折线中各线段与水平方向的夹角(逆时针方向为正,顺时针方向为负)。从图中可以看出,ΘL(s)在折线的连续两个顶点之间的值为恒量,在顶点处的值发生变化。将转向函数应用于形状匹配,通过计算待匹配线要素之间的形状相似距离(或称为匹配距离)来衡量它们的形状相似程度。形状相似距离的计算公式为:
上式中,表示用于描述曲线L1形状的函数,Dshape(L1,L2)实际表示折线L1和L2转向函数的差值向水平方向投影所围成的区域的面积(如图4所示)。Dshape(L1,L2)值越大,折线L1和L2形状的相似度就越小。公式(2)为线要素形状相似度评价函数:
式中,Dshape_tolerance为形状相似性距离的经验阈值,当线要素间的形状相似性距离Dshape(L1,L2)大于该值时,Dshape(L1,L2)值为0。
(2)方向指标:道路方向采用整体方向来表示,整体方向是指用道路首末结点的连线相对于水平轴旋转的角度来近似描述,如图5中的α为该折线的整体方向。两条待匹配道路弧段之间的整体方向差异Δθ介于[0,π]之间,当Δθ为0时,表示两条弧段的方向沿一致方向平行,当Δθ为π时,表示两条弧段的方向沿相反方向平行。公式(3)用待匹配弧段之间的整体方向差异来评价它们的方向相似性,
式中Δθtolerance是弧段方向差异阈值。
(3)位置指标:位置特征用于描述要素之间的邻近程度。在不考虑***误差的情况下,同名实体道路在空间位置上应该是非常接近的,通过比较空间要素之间在位置上的差异程度来评估它们是否为同名实体的可能性。本发明利用一种近似计算折线间平均距离的方法来描述道路之间的邻近程度。
根据折线L1=<L1.1,L1.2,…,L1.n-1,L1.n>和L2=<L2.1,L2.2,…,L2.n-1,L2.n>顶点信息找出顶点在另一条折线上的对应点,折线上L1的顶点在L2上的对应点集合记为L′1=<L′1.1,L′1.2,…,L′1.n-1,L′1.n>(如图6-b所示),同理折线L2上的顶点在L1上的对应点集合记为L′2=<L′2.1,L′2.2,…,L′2.n-1,L2′.n>(如图6-c所示),折线L1与L2间的平均距离可以由式(4)计算得到,
其中,lk.i,i+1(k=1或2)表示顶点从Lk.i到Lk.i+1的线段,|lk.i,i+1|表示该线段的长度,lk.i,i′表示顶点从Lk.i到L′k.i的线段。
在道路匹配中,道路对象之间邻近度的表达公式为:
其中dtolerance为距离阈值,取值为两折线映射节点对距离的最大值,dav表示曲线之间的平均距离,当道路对象之间的距离大于该阈值时,即认为它们没有匹配的可能(SDistance=0)。
(4)长度特征:道路长度用表示道路的折线长度表示。
D表示两道路曲线之间的距离,实际用曲线之间的平均距离dav表示,l表示曲线的长度,Δl表示两条曲线之间的长度差,vi表示曲线的结点,xi和yi表示结点vi的坐标。
为了评价待匹配道路在长度上的相似性,需建立长度相似性评价模型:
其中Δltolerance是道路弧段长度差异的阈值,通常取两条评价道路长度的最大值。
上述每个特征指标只是反映了道路特征的某个方面,为了集成上述特征指标并建立综合性相似性评价模型,需要消除它们在量纲上的差异,进行无量纲归一化处理。道路之间的空间相似性评价模型为:
Sim=ω1Sims+ω2SimD+ω3SimL+ω4SimA (8)
其中SimS、SimD、SimL和SimA分别是形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation无量纲归一化处理后的值,ω1、ω2、ω3和ω4为相应指标的权重,且ω1+ω2+ω3+ω4=1权重的取值通过层次分析法来确定。
4.对道路进行特征差异性分析,检测同名实体道路在哪些特征上发生了变化。
同名实体道路进行特征差异性分析,道路变化通过变化表达模型Change=[S,L,D,A]进行表达,用于表达道路在形状、长度、距离和方向上的变化情况。S,L,D和A的赋值需要计算它们对应的形状相似度simS、大小相似度simL、距离邻近度simD和方向相似度simA,并与阈值μ进行比较(simS、simL、simD和simA都是经过了无量纲归一化处理后的值),如果某个特征的相似度>μ,则认为同名实体道路在该特征上没有发生变化,相应的赋值为0,反之则认为发生变化,赋值为1。对于道路长度特征发生变化时,还存在着延长与缩短两种相反的情况,将延长的变化赋值为+1,将缩短的变化赋值为-1。经过大量实验,阈值μ设为0.8为效果最佳。
5.确定道路变化的类型。
对于道路变化的分类,本发明将道路变化分为简单变化和复杂变化两种,简单变化是指道路实体有且仅有一个特征发生变化。然而,现实中道路实体发生的变化往往不止一个特征上,而是多个特征变化的组合,称为复杂变化。简单变化的具体分类见表1,复合变化的分类见表2。
表1
表2
本发明的基于相似性度量的矢量道路变化检测装置的实施例
本发明的检测装置包括道路路链生成模块、匹配候选集确定模块、空间相似性评价模块和变化检测模块;道路路链生成模块用于提取道路数据集中的道路路链,并确定道路路链中包含的道路弧段;匹配候选集确定模块用于采用基于一致性约束的缓冲区搜索方法确定待匹配道路的匹配候选集;空间相似性评价模块用于根据道路的几何特征建立空间相似性评价模型,利用该模型从匹配候选集中选择一条相似度最高的道路对象作为同名实体道路;变化检测模块用于对待变化检测道路与其同名实体道路进行特征差异性比较,以确定待分析道路的变化情况。个模块的具体实现手段已在方法的实施例中进行了详细说明,这里不再赘述。
通过上述过程,本发明能准确探测出同名实体道路在哪些特征上发生变化,对于变化信息的提取和更新操作的实施提供了保证,具有很高的应用价值。
Claims (10)
1.一种基于相似性度量的矢量道路变化检测方法,其特征在于,该检测方法包括以下步骤:
1)对待检测数据进行拓扑重构,提取道路路链,并确定路链中包含的道路弧段;
2)采用基于一致性约束的缓冲区法搜索待匹配道路路链的匹配候选集;
3)根据道路的几何特征建立空间相似性评价模型,利用该模型从匹配候选集中选择一条相似度最高的道路对象作为待匹配道路的同名实体道路;
4)对待变化检测道路与其同名实体道路进行特征差异比较,以确定待变化检测道路的变化情况;
所述步骤2)中的匹配候选集的确定,具体过程如下:
A.对待匹配道路路链中每个结点根据搜索半径建立缓冲区,将另一数据集中位于各缓冲区中的道路结点作为对应待匹配道路路链中各结点的对应候选匹配结点;
B.对各结点的候选匹配结点进行路链一致性检测,将所有位于同一条路链上的候选匹配结点作为一组,并按照构成路链的先后次序进行排序,将每一组候选匹配结点所在的路链作为候选匹配路链加入到候选匹配集中;
C.根据待匹配道路路链与候选匹配路链的结点对应关系,提取出所有待评价的路段匹配关系对,将这些待评价匹配评价的路段匹配关系对放入到链表中,以得到待匹配道路路链的候选集匹配集。
2.根据权利要求1所述的基于相似性度量的矢量道路变化检测方法,其特征在于,所述步骤3)中建立的空间相似性评价模型如下:
Sim=ω1SimS+ω2SimD+ω3SimL+ω4SimA
其中SimS、SimD、SimL和SimA分别是形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation无量纲归一化处理后的值,ω1、ω2、ω3和ω4为相应指标的权重,且ω1+ω2+ω3+ω4=1。
7.根据权利要求1所述的基于相似性度量的矢量道路变化检测方法,其特征在于,所述步骤4)中道路变化检测方法,是通过计算待变化检测道路和其同名实体道路的形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation,并与相应的阈值进行比较,判断待变化检测道路在相应特征上有无变化,如果上述某个特征的相似度大于阈值,则说明待变化检测道路在该特征上没有发生变化,否则认定为发生变化,最后根据道路特征的变化情况,确定变化的类型。
8.一种基于相似性度量的矢量道路变化检测装置,其特征在于,所述的检测装置包括道路路链生成模块、匹配候选集确定模块、空间相似性评价模块和变化检测模块;
所述道路路链生成模块用于提取道路数据集中的道路路链,并确定道路路链中包含的道路弧段;
所述匹配候选集确定模块用于采用基于一致性约束的缓冲区搜索方法确定待匹配道路的匹配候选集;
所述空间相似性评价模块用于根据道路的几何特征建立空间相似性评价模型,利用该模型从匹配候选集中选择一条相似度最高的道路对象作为同名实体道路;
所述变化检测模块用于对待变化检测道路与其同名实体道路进行特征差异性比较,以确定待分析道路的变化情况;
所述匹配候选集确定模块确定匹配候选集的过程如下:
A.对待匹配道路路链中每个结点根据搜索半径建立缓冲区,将另一数据集中位于各缓冲区中的道路结点作为对应待匹配道路路链中各结点的对应候选匹配结点;
B.对各结点的候选匹配结点进行路链一致性检测,将所有位于同一条路链上的候选匹配结点作为一组,并按照构成路链的先后次序进行排序,将每一组候选匹配结点所在的路链作为候选匹配路链加入到候选匹配集中;
C.根据待匹配道路路链与候选匹配路链的结点对应关系,提取出所有待评价的路段匹配关系对,将这些待评价匹配评价的路段匹配关系对放入到链表中,以得到待匹配道路路链的候选集匹配集。
9.根据权利要求8所述的基于相似性度量的矢量道路变化检测装置,其特征在于,所述的道路相似性评价模块建立的空间相似性评价模型如下:
Sim=ω1SimS+ω2SimD+ω3SimL+ω4SimA
其中SimS、SimD、SimL和SimA分别是形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation无量纲归一化处理后的值,ω1、ω2、ω3和ω4为相应指标的权重,且ω1+ω2+ω3+ω4=1。
10.根据权利要求8所述的基于相似性度量的矢量道路变化检测装置,其特征在于,所述变化检测模块是通过计算待变化检测道路和其同名实体道路的形状相似度SShape、距离邻近度SDistance、长度相似度SLength和方向相似度SOrientation,并与相应的阈值进行比较,判断待变化检测道路在相应特征上有无变化,如果上述某个特征的相似度大于阈值,则说明待变化检测道路在该特征上没有发生变化,否则认定为发生变化,最后根据道路特征的变化情况,确定变化的类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810083737.2A CN108492276B (zh) | 2018-01-29 | 2018-01-29 | 一种基于相似性度量的矢量道路变化检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810083737.2A CN108492276B (zh) | 2018-01-29 | 2018-01-29 | 一种基于相似性度量的矢量道路变化检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108492276A CN108492276A (zh) | 2018-09-04 |
CN108492276B true CN108492276B (zh) | 2021-03-19 |
Family
ID=63343829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810083737.2A Active CN108492276B (zh) | 2018-01-29 | 2018-01-29 | 一种基于相似性度量的矢量道路变化检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492276B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543712B (zh) * | 2018-10-16 | 2023-04-07 | 哈尔滨工业大学 | 时态数据集上的实体识别方法 |
CN109949692B (zh) * | 2019-03-27 | 2021-03-26 | 腾讯大地通途(北京)科技有限公司 | 路网匹配方法、装置、计算机设备及存储介质 |
CN110750607B (zh) * | 2019-09-17 | 2023-03-14 | 西安工程大学 | 一种基于gnss车行轨迹数据的路网匹配方法 |
CN111291790B (zh) * | 2020-01-19 | 2021-03-26 | 华东师范大学 | 一种基于轨迹相似度的转向路径提取及路网拓扑变化检测框架方法 |
CN112559660B (zh) * | 2020-12-11 | 2022-06-17 | 腾讯科技(深圳)有限公司 | 一种道路数据处理方法、装置、电子设备和存储介质 |
CN114066088A (zh) * | 2021-11-19 | 2022-02-18 | 郑州天迈科技股份有限公司 | 一种基于极坐标变换的公交线路与道路绑定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1653505A (zh) * | 2002-03-29 | 2005-08-10 | 松下电器产业株式会社 | 地图匹配方法、地图匹配设备、用于形状匹配的数据库、和形状匹配设备 |
CN101324440A (zh) * | 2008-07-29 | 2008-12-17 | 光庭导航数据(武汉)有限公司 | 基于预测思想的地图匹配方法 |
CN104361142A (zh) * | 2014-12-12 | 2015-02-18 | 华北水利水电大学 | 一种多源导航电子地图矢量道路网变化快速检测方法 |
CN105825510A (zh) * | 2016-03-17 | 2016-08-03 | 中南大学 | 一种兴趣点与道路网的自动配准方法 |
CN105956542A (zh) * | 2016-04-28 | 2016-09-21 | 武汉大学 | 一种结构线束统计匹配的高分遥感影像道路提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5686088B2 (ja) * | 2011-11-14 | 2015-03-18 | アイシン・エィ・ダブリュ株式会社 | 道路データ作成装置、道路データ作成方法及びプログラム |
US10151592B2 (en) * | 2016-04-28 | 2018-12-11 | Here Global B.V. | Map matching quality evaluation |
-
2018
- 2018-01-29 CN CN201810083737.2A patent/CN108492276B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1653505A (zh) * | 2002-03-29 | 2005-08-10 | 松下电器产业株式会社 | 地图匹配方法、地图匹配设备、用于形状匹配的数据库、和形状匹配设备 |
CN101324440A (zh) * | 2008-07-29 | 2008-12-17 | 光庭导航数据(武汉)有限公司 | 基于预测思想的地图匹配方法 |
CN104361142A (zh) * | 2014-12-12 | 2015-02-18 | 华北水利水电大学 | 一种多源导航电子地图矢量道路网变化快速检测方法 |
CN105825510A (zh) * | 2016-03-17 | 2016-08-03 | 中南大学 | 一种兴趣点与道路网的自动配准方法 |
CN105956542A (zh) * | 2016-04-28 | 2016-09-21 | 武汉大学 | 一种结构线束统计匹配的高分遥感影像道路提取方法 |
Non-Patent Citations (1)
Title |
---|
基于全局一致性评价的多尺度矢量空间数据匹配方法研究;翟仁健;《中国博士学位论文全文数据库》;20120715;第29,34,46,57-59,63,97,106页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108492276A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492276B (zh) | 一种基于相似性度量的矢量道路变化检测方法及装置 | |
Tang et al. | Novel visual crack width measurement based on backbone double-scale features for improved detection automation | |
CN111028277B (zh) | 基于伪孪生卷积神经网络的sar和光学遥感图像配准方法 | |
CN108376408B (zh) | 一种基于曲率特征的三维点云数据快速加权配准方法 | |
CN101980250B (zh) | 基于降维局部特征描述子和隐条件随机场的目标识别方法 | |
JP5251080B2 (ja) | 物体認識方法 | |
CN108492298B (zh) | 基于生成对抗网络的多光谱图像变化检测方法 | |
CN110619258B (zh) | 一种基于高分辨率遥感影像的道路轨迹核查方法 | |
CN103400388A (zh) | 一种利用RANSAC消除Brisk关键点错误匹配点对的方法 | |
Andrášik et al. | Efficient road geometry identification from digital vector data | |
CN112330661A (zh) | 一种多期车载激光点云道路变化监测方法 | |
CN112053622A (zh) | 一种多环多边形自相交模式识别及处理方法 | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
CN113204871A (zh) | 一种航空叶片气膜孔的识别方法、装置和*** | |
Schmidt et al. | Forest point processes for the automatic extraction of networks in raster data | |
KR101667875B1 (ko) | 복수개의 지도 상에서의 건물 폴리곤 자동정합 장치 및 방법 | |
Xiong | A three-stage computational approach to network matching | |
CN110310322A (zh) | 一种10微米级高精度器件装配表面检测方法 | |
US6571173B1 (en) | Three-dimensional space curve comparison using spatial angle variance metric and applications thereof | |
CN113569946A (zh) | 开源地图与专业数据源路网自适应匹配法 | |
CN106951873B (zh) | 一种遥感图像目标识别方法 | |
Kieler et al. | Matching river datasets of different scales | |
Liu et al. | M: N Object matching on multiscale datasets based on MBR combinatorial optimization algorithm and spatial district | |
CN112330604A (zh) | 一种从点云数据生成矢量化道路模型的方法 | |
Huh et al. | Line segment confidence region-based string matching method for map conflation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |