一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

张小东，杜 宁，王 莉，张春亢，王庆余

(贵州大学，贵州 贵阳 550025)

0 引 言

道路和人们的日常生活息息相关，是GIS数据的组成之一，道路信息也是“智慧交通”的重要数据源。道路信息在城市规划、交通控制以及应急响应等众多领域都具有重要的作用[1]，因此准确的道路提取对一个城市而言就显得十分重要。

基于遥感影像的道路提取研究一直是研究的热点，提出了许多的理论模型和方法。如传统的Snake模型及其改进[2-3]、边缘检测算法[4-5]等。随着人工智能和计算机视觉的发展，道路提取算法不断更新。其中Wang等人[6]采用深度卷积网络和有限状态机结合提取道路，提取的道路较为准确，但需要人工选取种子点。魏清等人[7]利用批量随机梯度下降法进行卷积神经网络训练，进而对高分影像进行分类道路点云提取，采用数学形态学优化提取道路，该方法的道路提取精度取决于构建的网络，实验选取的道路场景较为简单。蔡衡等人[8]采用极限学习机来进行城市道路提取，通过改进CS算法确定隐含层节点，提高整体网络训练的精度和稳定性，进而提高道路提取的精度。遥感影像提取道路容易受到阴影遮挡和细节干扰的影响，特别是城区建筑物和植被较多的地方，很容易造成“同谱异物”和“异物同谱”的现象，使得遥感影像道路提取的正确性和完整性达到瓶颈。

机载LiDAR以其具有不受天气条件的影响、作业周期快、时效性强、自动化程度高以及一定的植被穿透性等特点，已经成为城市道路提取重要的数据源之一。……