本發(fā)明屬于地理信息
技術領域：
，尤其涉及一種高速公路三維實景道路模型的生成方法。
背景技術：
：隨著我國高速公路網(wǎng)發(fā)展建設，到2020年，基本建成“五縱七橫”國家高速公路網(wǎng)，屆時，中國高速公路總里程將達10萬公里。隨著遙感信息技術、計算機視覺及人工智能科學的發(fā)展，這些方法均能獲取高速公路的地形資料，但是我國高速公路數(shù)據(jù)提取大多停留在定性分析研究階段，雖然取得了一定的成果，但是仍然存在一定問題，以往的道路數(shù)據(jù)抽取的研究集中于從遙感影像提取道路二維平面數(shù)據(jù)，其應用集中于測繪制圖，城市規(guī)劃和產業(yè)發(fā)展等，目前高速公路的三維可視化實景設計還在使用傳統(tǒng)的公路設計方法，即通過平、縱、橫設計等步驟來完成路線的整體設計，這種方法的好處是使設計者的設計能滿足路線設計規(guī)范，但是缺少路線整體三維顯示的環(huán)節(jié)，設計者靠想象難以把握設計方案在平、縱、橫結合后的三維整體效果，是以基于開發(fā)者自行設計的道路視景為主，缺乏操作性和真實感。如何基于遙感影像源和空間數(shù)字地理信息源提取并建立高速公路實景三維模型是本發(fā)明要解決的關鍵問題。技術實現(xiàn)要素：本發(fā)明要解決的技術問題是：提供一種高速公路三維實景道路模型的生成方法，克服現(xiàn)有高速公路三維建模中缺乏真實感的問題，提供一種面向駕駛的高沉浸感，高互動感和高現(xiàn)實感的道路實景三維建模方法。本發(fā)明為解決上述技術問題所采取的技術方案為：一種高速公路三維實景道路模型的生成方法，其特征在于：它包括以下步驟：S1、從遙感影像中抽取道路二維信息，道路二維信息包括二維道路平面骨架信息、寬度及道路表面紋理；S2、從數(shù)字高程模型中提取包含目標高速公路的區(qū)域高程數(shù)據(jù)，生成數(shù)字地面模型；S3、將S1中的道路二維信息和S2中的區(qū)域高程數(shù)據(jù)進行多源異構融合，構建高速公路三維數(shù)字模型；S4：在三維建模軟件中利用高速公路三維數(shù)字模型，模擬生成高速公路道路的可視化三維模型，將S1中提取的道路表面紋理用紋理映射的方法映射到可視化三維模型的表面，生成高速公路三維實景道路模型。按上述方法，所述的S1具體包括：S11、提取一段高速公路的遙感影像；S12、將遙感影像進行預處理，提高道路和背景的對比度，突出感興趣的道路目標，得到光譜平面信息；S13、對感興趣的道路目標進行Hough變換檢測道路的方向和寬度；通過統(tǒng)計方法，生成灰度共生矩陣，提取道路紋理特征值；S14、將S12中得到的光譜平面信息作為分類特征，通過支持向量機進行分類分割，分離出道路部分和非道路部分；通過數(shù)學形態(tài)學對分離出的道路部分和非道路部分做后處理，刪除非道路部分，通過曲線擬合方法擬合斷裂的道路部分，生成二維道路平面骨架信息。按上述方法，所述的S2具體為：S21、下載對應地域的數(shù)字高程模型數(shù)據(jù)；S22、獲取目標高速公路的區(qū)域高程數(shù)據(jù)，包括目標高速公路的經緯度數(shù)據(jù)和高程地形數(shù)據(jù)；S23、對步驟S22獲取的區(qū)域高程數(shù)據(jù)采用高維函數(shù)的插值法生成數(shù)字地面模型。按上述方法，所述的S3具體為：S31、將S1提取的道路二維信息的像素圖像的像素坐標轉化成空間地理坐標；S32：將變換坐標后的道路二維信息通過空間矢量轉換成矢量數(shù)據(jù)，并映射到數(shù)字地面模型上，生成地形空間分布的一個有限三維向量系列(Nx,Ny,Nz)，其中(Nx,Ny)表示道路點的地理經緯度，Nz表示相應道路點的地理海拔高度，即生成高速公路三維數(shù)字模型。按上述方法，所述的S4具體為：S41、基于成高速公路三維數(shù)字模型，在三維建模軟件中生成道路的可視化三維模型；S42、根據(jù)實景道路真實感的要求，用道路表面紋理生成二維平面紋理坐標，映射到可視化三維模型的空間坐標上，獲得真實紋理信息的道路場景模型；S43、在道路場景模型中添加高速公路上所需的其他設施模型，生成高速公路三維實景道路模型。本發(fā)明的有益效果為：1、本發(fā)明將空間地形信息和二維遙感信息有效的融合生成三維數(shù)字模型，將二維遙感影像中提取的道路紋理添加到道路三維數(shù)字模型中，使得高速公路的紋理特征完全符合人類視覺習慣，使其能夠反映最為真實的高速公路實景；這種數(shù)據(jù)融合技術構建的三維可視化模型，有效解決了虛擬道路視景缺乏真實感的問題。2、本發(fā)明技術簡單可行、操作方便，可應用到模擬駕駛等領域，具有良好的實用性。附圖說明圖1為本發(fā)明一實施例的方法流程圖。圖2為圖1的細分流程圖。具體實施方式下面結合具體實例和附圖對本發(fā)明做進一步說明。本發(fā)明提供一種高速公路三維實景道路模型的生成方法，如圖1所示，它包括以下步驟：S1、從遙感影像中抽取道路二維信息，道路二維信息包括二維道路平面骨架信息、寬度及道路表面紋理；S2、從數(shù)字高程模型中提取包含目標高速公路的區(qū)域高程數(shù)據(jù)，生成數(shù)字地面模型；S3、將S1中的道路二維信息和S2中的區(qū)域高程數(shù)據(jù)進行多源異構融合，構建高速公路三維數(shù)字模型；S4：在三維建模軟件中利用高速公路三維數(shù)字模型，模擬生成高速公路道路的可視化三維模型，將S1中提取的道路表面紋理用紋理映射的方法映射到可視化三維模型的表面，生成高速公路三維實景道路模型。優(yōu)選的，所述的S1具體包括：S11、提取一段高速公路的遙感影像；S12、將遙感影像進行預處理，提高道路和背景的對比度，突出感興趣的道路目標，得到光譜平面信息；S13、對感興趣的道路目標進行Hough變換檢測道路的方向和寬度；通過統(tǒng)計方法，生成灰度共生矩陣，提取道路紋理特征值；S14、將S12中得到的光譜平面信息作為分類特征，通過支持向量機進行分類分割，分離出道路部分和非道路部分；通過數(shù)學形態(tài)學對分離出的道路部分和非道路部分做后處理，刪除非道路部分，通過曲線擬合方法擬合斷裂的道路部分，生成二維道路平面骨架信息。所述的S2具體為：S21、下載對應地域的數(shù)字高程模型數(shù)據(jù)；S22、獲取目標高速公路的區(qū)域高程數(shù)據(jù)，包括目標高速公路的經緯度數(shù)據(jù)和高程地形數(shù)據(jù)；S23、對步驟S22獲取的區(qū)域高程數(shù)據(jù)采用高維函數(shù)的插值法生成數(shù)字地面模型。所述的S3具體為：S31、將S1提取的道路二維信息的像素圖像的像素坐標轉化成空間地理坐標；S32：將變換坐標后的道路二維信息通過空間矢量轉換成矢量數(shù)據(jù)，并映射到數(shù)字地面模型上，生成地形空間分布的一個有限三維向量系列(Nx,Ny,Nz)，其中(Nx,Ny)表示道路點的地理經緯度，Nz表示相應道路點的地理海拔高度，即生成高速公路三維數(shù)字模型。所述的S4具體為：S41、基于成高速公路三維數(shù)字模型，在三維建模軟件中生成道路的可視化三維模型；S42、根據(jù)實景道路真實感的要求，用道路表面紋理生成二維平面紋理坐標，映射到可視化三維模型的空間坐標上，獲得真實紋理信息的道路場景模型；S43、在道路場景模型中添加高速公路上所需的其他設施模型，生成高速公路三維實景道路模型。實施例：下面以湖北省境內的一段高速三維實景道路模型的生成方法為實例對本發(fā)明方法作進一步具體的說明，如圖2所示，該方法的具體步驟如下：S11：從Googleearths選定湖北境內一段高速公路的遙感影像(分辨率30米)，運用MATLAB軟件讀取道路影像圖片；S12：首先對遙感圖像進行預處理，具體地，通過使用采用圖像銳化技術unsharp使遙感圖像變得清晰，特征明顯；對變換后的圖像做中值濾波變換，選擇5*5的平滑窗口進行濾波；將提取的彩色道路影像用加權值法轉換成灰度圖像，將真彩色圖像像素點(R,G,B)的轉換為灰度影像值g，灰度值可表示為如下式所示：g＝0.4R+0.57G+0.07B；S13：對S12預處理后的圖像用灰度共生法提取紋理特征，具體地，首先調用graycomatrix函數(shù)創(chuàng)建一個灰度共生矩陣(GrayLevelCo-occurrenceMatrix,GLCM)，記為p(i,j|δ,θ)。設置四個參數(shù)包括移動窗口的大小，選取5*5的提取窗，距離δ＝1，灰度級數(shù)G設置為16，像素對的相對方向角度θ取4個方向：0°、45°、90°、135°，當δ和θ選定時，則記為p(i,j)。在創(chuàng)建GLCM后，我們可以通過使用graycoprops函數(shù)，在GLCM的基礎上再提取紋理特征量，包括對比度(慣性矩)、角二階矩(能量)、熵、相關性等，具體求法如下：角二階矩對比度同質性相關性其中(R為歸一化常數(shù))μ1=Σi=0L-1iΣj=0L-1p^(i,j)μ2=Σj=0L-1jΣi=0L-1p^(i,j)]]>σ1=Σi=0L-1(i-μ1)2Σj=0L-1p^(i,j)]]>σ2=Σj=0L-1(j-μ2)2Σi=0L-1p^(i,j)]]>S14：將S12中讀取道路的光譜平面信息作為道路特征，通過支持向量機(SVM)分離出道路部分和非道路部分，采用數(shù)學形態(tài)學做后處理，用曲線擬合斷裂的道路信息，生成二維道路骨架信息，具體步驟如下：S141：用Hough變換對道路進行邊緣檢測，近似測出道路的方向和寬度信息，具體地，將前面預處理的灰度圖像采用canny邊緣檢測，高斯參數(shù)為2，閾值為(0.01,0.17)，用Hough函數(shù)生成矩陣H，角度θ和線性距離rho，調用Houghlines函數(shù)提取圖像中直線，調用Houghpeaks函數(shù)返回峰值，迭代參數(shù)選取5；S142：在待分割的影像上，以目標像素為中心的5×5像素的移動窗口，灰度均值和標準差(σR,σG,σB)作為支持向量機的輸入特征。從待分割的道路影像中選取500個樣本的光譜特征值作為訓練樣本，通過支持向量機對訓練樣本數(shù)據(jù)進行分類訓練生成分類器，再將待分割的遙感影像的數(shù)據(jù)樣本輸入分類器中進行分割。其中支持向量機的參數(shù)設置為maxaΣi=1mai-12Σi=1mΣj=1maiajyiyjK(xi,xj)s.t.0≤ai≤C,i=1,2,...mΣi=1maiyi=0]]>其中ai為Lagrange稱子，只有支持向量對應的ai才不為0；為核函數(shù)，是樣本(xi,xj)通過某個變換在高維特征空間中的內積。最優(yōu)分類函數(shù)為：f(x)=sgn[Σi=1maiyiK(xi,x)+b]]]>K(xi,x)＝exp(-g||x-xi||2)選取高斯徑向基核函數(shù)，核函數(shù)參數(shù)g和懲罰因子C。更進一步得，其中核函數(shù)參數(shù)g和懲罰因子C由遺傳算法得到，具體步驟如下：1)隨機產生一組支持向量機參數(shù)g和C組合，對每個支持向量機參數(shù)進行編碼，進而構造初始群體，形成初始化種群；2)計算它的誤差，從而確定適應度，若誤差越大，適應度越?。?)選擇若干適應度大的個體，直接遺傳給下一代；利用交叉、變異等遺傳操作算子對當前一代群體進行處理，產生下一代群體；4)重復步驟2)，使初始確定的一組支持向量機參數(shù)不斷進化，直到訓練目標滿足條件為止，找出最優(yōu)g和C組合。S143：通過步驟S142分割以后的圖像，通過數(shù)學形態(tài)學bwareaopen函數(shù)刪除一些非道路的區(qū)域，細化后生成二維道路平面骨架，最后通過曲線擬合來擬合斷裂的道路部分，采樣多項式曲線擬合，用polyfit函數(shù)計算擬合數(shù)據(jù)集的多項式的系數(shù)。S2具體如下：S21：從美國太空總署NASA網(wǎng)站下載仿真地域數(shù)據(jù)，為ASTERGDEM數(shù)字高程模型(DEM)數(shù)據(jù)，數(shù)據(jù)格式為tiff；S22：根據(jù)DEM數(shù)據(jù)的地理坐標(經緯度坐標)X，Y值與高程Z值，應用高維插值法，三次樣條空間插值法，生成對應區(qū)域的高精度的數(shù)字地面模型。S3具體步驟如下：S31：采用地理幾何坐標作為中間坐標，將道路平面信息的像素坐標(px,py)轉換成地理坐標(logx,laty)，設像素坐標點(px,py)，每個道路點的柵格坐標可以通過在MATLAB中的imtool函數(shù)得到，scalex=3600*(Longr-Longl)/(w)scaley=3600*(Latb-Latt)/(h)]]>logx=px*scalex3600+LonglLaty=Latb-py*scaley3600]]>式中，Longl代表圖像左端的經度值，Longr代表圖像右端的經度值，Latb代表圖像底端的緯度值，Latt代表圖像頂端的緯度值，w代表圖像的寬度，h代表圖像的高度，scalex代表像素坐標X軸上每像素代表的經度秒數(shù)，scaley代表像素坐標Y軸上每像素代表的緯度秒數(shù)；S32：將二維道路平面信息的柵格數(shù)據(jù)通過空間矢量轉換方法轉換成矢量數(shù)據(jù)，并映射到數(shù)字地面模型上，生成一個有限三維向量{Nx,Ny,Nz}系列，其中(Nx,Ny)表示道路點的地理位置即經緯度坐標，Nz表示相應點的地形位置即海拔，即為高速公路三維數(shù)字模型。S4具體如下：S41：將S3生成的高速公路三維數(shù)字模型導入到三維建模軟件Cheetah3D中生成道路的可視化三維模型；S42：根據(jù)實時的三維場景的渲染要求，將從S13遙感影像提取的道路表面紋理，利用紋理映射的方法，映射到道路的可視化三維模型增強真實感，即給定空間曲面F∈R3和二維參數(shù)域D∈R2，對于F中的任一點(x,y,z)，通過紋理映射φ找到參數(shù)域中對應點(u,v)，即(x,y,z)∈F→φ(x,y,z)=φu(x,y,z)φv(x,y,z)=uv]]>根據(jù)中心投影原理建立紋理坐標(u,v)與三維空間坐標之間的直接映射u＝A/Cv＝B/CA＝L1x+L2y+L3z+L4B＝L5x+L6y+L7z+L8C＝L9x+L10y+L11z+1利用呈一定分布的6個以上的控制點，就可根據(jù)最小二乘原理解算出這11個參數(shù)，確定道路二維影像與三維模型的映射關系。紋理坐標即對應道路二維平面信息的坐標，三維空間坐標即是道路三維模型的空間坐標。S43：在S42生成的道路模型中添加高速公路上所需的其他設施模型(車輛、綠化帶等)，快速生成高速公路三維實景模型。以上實施例僅用于說明本發(fā)明的設計思想和特點，其目的在于使本領域內的技術人員能夠了解本發(fā)明的內容并據(jù)以實施，本發(fā)明的保護范圍不限于上述實施例。所以，凡依據(jù)本發(fā)明所揭示的原理、設計思路所作的等同變化或修飾，均在本發(fā)明的保護范圍之內。當前第1頁1 2 3