文献类型：期刊文章

作　　者：黄刚[1,2] 刘先林[3]

Huang Gang;Liu Xianlin(College of Resource Environment and Tourism , Capital Normal Ufiiversity , Beijing 100048,China;Beijing GEO-Vision Tech. Co.,Ltd.,Beijing 100070,China;Chinese Academy of Surveying & Mapping , Beijing 100830, China)

机构地区：[1]首都师范大学资源环境与旅游学院,北京100048 [2]北京四维远见信息技术有限公司,北京100070 [3]中国测绘科学研究院,北京100830

出　　处：《中国激光》

基　　金：国家重点研发计划(2018YFF0215303,2017YFB0503004);高分辨率对地观测系统重大专项(42-Y2-0A14-9001-17/18)

年　　份：2019

卷　　号：46

期　　号：8

起止页码：138-145

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：道路标线提取与分类是智慧城市建设中需要解决的关键技术之一,也是智能驾驶亟待解决的技术难题。提出了一种基于深度学习的道路标线自动提取与分类方法,通过移动窗口法结合相邻扫描线拓扑关系进行地面点云的提取,并生成强度图像,基于深度学习方法实现道路标线的自动提取与分类,并利用KD树聚类分割算法结合矢量化方案实现道路标线的矢量化。基于实验数据对该方法进行验证分析,结果表明,使用该方法进行自动提取与分类的精度和Fscore分别为92.59%和90.15%,证明了该方法的可行性和准确性。该方法为道路标线的自动提取提供了新思路,使道路标线提取工作变得更准确、高效,提升了道路标线获取与分类的智能化程度。

关 键 词：遥感 深度学习  道路标线 自动提取  移动测量系统

分 类 号：O436]