基于LiDAR数据的非栅格化道路矢量提取及融合高分影像的路网探测与优化

Road network is one of the most important information of basic geography. However, roads extraction is a very difficult task due to the occlusions and shadows of the contextual objects and the complex pattern of the roads. LiDAR data and high-resolution remote sensing images have their own advantages and limitations，which bring new research directions and challenges for road extraction. Combining LiDAR data and imagery can improve the performance of automatic road extraction. Therefore, a proper fusion methodology to achieve a better outcome is explored in this research: (1) For the irregular distribution of LiDAR data, a new method of automatic road extraction without image interpolation and prior model is studied. (2) A road detection algorithm from high-resolution remote sensing image supported by contexts objects and road edge is explored to improve the correctness of road center lines. (3) A fusion method based on multi-information from LiDAR data and imagery is researched to achieve complete road networks. The research will provide a new solution for the automatically extraction of road networks from remote data in urban areas.

遥感数据的目标自动识别与提取是国家基础地理信息建设与更新的重要手段，然而城市道路多样的表现形式及复杂的上下文关系加大了对其自动识别与提取的难度。LiDAR数据与高分辨率遥感影像各自特征的优势与局限，为道路提取研究带来新机遇和挑战。本项目针对LiDAR数据离散分布不均的结构特征和高分辨率遥感影像的清晰边缘及丰富语义，研究多信息融合的城市道路网提取方法，内容包括(1)基于LiDAR数据的道路骨架线提取策略，将多特征聚类与形态感知结合，非栅格化提取道路骨架线，以降低处理步骤和参数，增强方法普适性；(2)基于高分辨率遥感影像的顾及路面上下文的道路探测算法，利用主方向显著性分析实现道路探测，以提高结果的正确性；(3)融合两种遥感数据源多重信息的道路网智能优化方法，实现拓扑关系完整的路网提取。该研究将为城市地区复杂场景下的道路网自动提取提供新的解决方案。

遥感数据的目标自动识别与提取是国家基础地理信息建设与更新的重要手段，然而城市道路多样的表现形式及复杂的上下文关系加大了对其自动识别与提取的难度。LiDAR数据与高分辨率遥感影像各自特征的优势与局限，为道路提取研究带来新机遇和挑战。本项目针对LiDAR数据离散分布不均的结构特征和高分辨率遥感影像的丰富信息，研究多信息融合的城市道路网提取方法，内容包括：基于LiDAR数据的道路线提取策略；基于高分辨率遥感影像的道路显著性探测算法；融合两种遥感数据源多重信息的道路网优化。.本项目通过理论分析、算法设计、数据实验相结合的研究方法，完成了以下研究工作：1）提出了一种基于LiDAR数据的多特征空间聚类与形态感知结合的道路矢量提取方法，不受数据缝隙、分布密度不均匀的影响，适合于城市地区多种形状及宽度的道路类型。方法采用多维特征聚类的方法实现无需先验模型及栅格化采样的道路中线探测，并从提取精度和实验效率两方面，对比了张量投票与霍夫变换结合以及主成分分析与最小二乘直线拟合结合的两种形态感知和矢量提取方法的实验结果。在两者精度相近的情况下，后者处理效率远高于前者； 2）提出了一种顾及路面信息与形状指数抑制相结合的道路显著性探测方法，充分利用高分辨率遥感影像中的路面信息，包括分道线、隔离带等与道路同向性特点，非模型化的获取道路显著图，并融合小尺度下的区域形状指数抑制实现道路显著性探测；3）研究了一种LiDAR数据与遥感影像融合的道路网模型构建与优化方法，利用影像与LiDAR数据的高度互补性探索多重信息的融合机制，设计交叉口与道路段的连通模型，通过建立多重信息融合的连通代价函数，分别利用粒子群和动态规划算法优化道路网络。项目利用几组国内外遥感数据进行实验，验证了本项目成果的有效性，为影像与LiDAR数据中的道路目标的自动识别与和提取提供了一种解决方案。