摘要：道路中心线作为抽象类,无明确显性特征,进而造成模型无法准确提取道路中心线。针对该问题,文中将道路中心线提取建模为语义分割任务,并根据道路中心线的线性结构特点提出了一种方向感知金字塔聚合网络(Direction-aware Pyramidal Aggregation Network,DAPANet)。首先,针对道路中心线的空间分布特性及结构特点,设计了方向感知模块(Direction-aware Module,DAM),在主干网络(ResNet18)最后输出的4个层级上分别使用4个方向感知层提取道路中心线的方向特征。然后,进一步设计融合多向性特征的金字塔聚合模块(Pyramid Aggregation Module,PAM),融合4个层级提取到的结构特征,得到更具有鲁棒性的道路中心线特征。最后,在无人机平台下采集的真实数据上进行了实验,实验结果显示所提出的DAPANet取得了84.7%的mIoU和98.6%的Precision,道路中心线的IoU达到77.28%,性能优于其他先进的对比方法,证明了所提方法对提取道路中心线的有效性。

摘要：为从遥感影像中获得可用于建模的道路中心线矢量数据,首先利用成熟光谱反射(面向对象图像分类)方法,自动判读出道路范围,继而使用转化工具得出道路范围的矢量轮廓;通过添加辅助线与轮廓相交、提取线段中心点的方式得出道路中心线上的点集;最后设计工作流对点集进行排序处理,最终转化成可以用于规则建模的道路矢量数据。结果表明上述方法可有效利用遥感数据作为数字孪生几何模型的建模数据来源,同时,方法步骤可利用ModelBuilder(模型构建器)进行代码化整合,形成易于推广的端到端模式。