基于格网相交的遥感影像道路中心线提取方法

唐智慧，吴虹坪，周星宇，李正伟

(1. 西南交通大学交通运输与物流学院，四川 成都 610031；2. 合肥工业大学材料科学与工程学院，安徽 合肥 230000；3. 西南交通大学综合交通大数据应用技术国家工程实验室，四川 成都 610031)

1 引言

目前通过数字孪生的方式进行数据驱动成为建设数字城市的新思路[1]。简而言之，即为在虚拟世界中建立现实世界的模型。这种映射方式分为三个层面即：几何模型、物理模型、规则模型[2]。其中几何模型是数据孪生体系的基础[3]，在该文章中详细阐述了如何通过矢量数据建立交通系统的三维几何模型，与此同时指出三维的矢量数据是完成几何模型建立的核心数据，并指出遥感数据是解决既有工程普遍存在的数据缺失问题的有效途径。

利用地物反射光谱差异性进行地物判读已较为成熟，基于遥感影像的道路提取也有大量具有工程实施性质的方法，如文献[2]从影像分割角度分别提取道路的光谱和空间特征，提出了多特征融合框架下对这两种特征进行有效融合的高分辨率遥感影像道路中心线算法。文献[4]提出一种改进的高分辨率遥感影像道路中心线搜索方法，对路面存在干扰因素时的改善效果明显。文献[5]提出一种结合随机投影深度函数和路径形态学的非典型道路中心线提取方法，利用道路光谱特征和其图像背景光谱特征的差异性来提取道路信息，并且利用路径形态学去除独立板块、连接断路来精细化道路区域，再利用形态学细化操作提取道路中心线，以上方法通常是建立复杂算法后编程实现。数字孪生更加依赖ArcGIS、Revit等BIM+GIS系统。因此ENVI等遥感平台与最新的GIS平台的数据互通是制约遥感影像作为建模数据源的主要瓶颈。目前，esri在其产品体系中推出了ArcScan来应对栅格数据(影像数据)到矢量数据的转化，但其存在两项问题，其一为其栅格矢量化需反复调整分辨率以获得结果，更为重要的是ArcScan未集成入最新的Desktop平台ArcGIS Pro，无法在Pro中完成脚本的整合，且Pro中的工具箱难以独立完成此项功能。

因此，本文提出一套以ENVI和ArcGIS Pro为实现平台的方法，旨在实现从遥感数据中获得可用于规则建模的矢量数据[3]，首先利用现有较为成熟的光谱判读技术，提取出道路栅格信息，区别于ArcScan的栅格转矢量技术，使用轮廓矢量与辅助线相交的方法提取出道路中心线中的点，并使用脚本代码对点集进行排序，一方面避免乱序引发的矢量线生成错误，另一方面减少了工作量，使其更具有工程实施性，最后CE利用提取的数据进行建模并将模型集成回ArcGIS Pro，结果表明，通过卫星影像获取的数据可满足几何模型建模需要。

2 基于格网相交的高分辨率遥感影像城市道路中心线提取

2.1 基于卫星影像的道路轮廓提取

世界进入信息时代，丰富的卫星资源带来丰富的影像信息提取途径和内容。城市道路宽窄不一，一些窄的道路在中、低分辨率的影像中提取困难，周边树木、建筑物、标识标线的存在给道路数据精度的提取也带来一定影响，因此，选择适用性较高的卫星影像对道路数据的提取有广泛意义。下表通过比较不同卫星多光谱相机的空间分辨率和数据格式普遍性，总结出对城市道路提取适用性较高的部分卫星产品。

表1 适用于城市道路提取的部分高分卫星产品

本次进行技术验证使用的遥感产品为分辨率为2.44m的quickbird多光谱数据，其感光器扫描线有全色、红、绿、蓝和近红外五个光谱通道，全色波段分辨率为0.61m，多光谱波段分辨率为2.44m。植被和道路周边水泥地是在特征提取中最容易与道路发生混淆的地物，植物与房屋等规则地物的区分通过630-690nm的红光波段完成，探测水体特征及健康植物的绿色反射率通过520-600nm的绿光波段完成，地物交接处的边界信息通过面向对象图像分类可用来提取道路矢量数据，其分类技术为集合临近像元为对象识别感兴趣的光谱要素，通过卫星遥感影像进行道路地物判读的理论依据为不同材质的地物在不同波段的光谱反射具有明显的差异性[12-13]，如图1所示。因此多光谱数据可以完整的反应地物在不同光谱的反射特征，在道路矢量边界提取过程中起决定性作用的就是参数阈值的选取，发现对象阶段是根据邻近像素的亮度、纹理、颜色对影像进行合并和分割，继而可在某波段选择符合道路反射特征的光谱要素组成道路轮廓区域，阈值选取如表2所示。

图1 不同波长下不同地物反射率

表2 规则参数选取范围

*Edge：基于边缘检测的图像分割算法；

*Full Lambda Schedule：合并迭代小斑块地物；

*Rectangular Fit：地物长宽比；

*Spectral Mean (Green)：光谱范围。

与此同时，道路在高分辨的遥感图像中具有很强的规则性，其图像特征为呈长条状的线性目标，宽度变化缓慢[14]，因此长宽比跟其它地物比有较大区别，通过多次试验可以得到增加其长宽比约束可有效提高判读质量。如图2所示。

图2 地物长宽比约束范围选取

通过规则的选取得到道路图像如图3中左图所示，利用像元特征选取道路数据的方式最终得到栅格图像(tif)。

图3 道路边界线矢量数据提取效果

2.2 中心线生成原理

ENVI的识别结果储存为tif格式可实现ArcGIS Desktop直读，继而通过对矢量或栅格的操作完成中心线的提取工作。ArcScan是利用道路的栅格图像生成道路中心线(图3左)，根据结果逆向其原理为(图4a)：通过对栅格范围内的像元(进行二值化处理)进行累加计算，累加的对象M固定为目标像元的K阶邻距(式(1))，通过控制像元的实际大小来控制累加的空间范围；根据此计算方法，位于边界上的点由于其累加域内存在空值像元，其累加结果将小于位于道路中心位置的点，因此累加值得分较高点的集合即为中心线。该方法存在以下局限性：1)若累加范围小于道路宽度则会出现靠近中心的点与中心点同值的情况，故需要反复调整分辨率以获得较为准确的中心点集合，且道路宽度变化(如道路并线)将导致最佳累加范围的变化，继而导致中心线提取工作需分批次进行操作。2)ArcGIS Pro并未集成ArcScan功能，导致流程无法集中简化。

图4 两种中心线提取原理区分

(1)

故本文设计一种使用图3左图中的边缘轮廓线进行中心线提取的方法，其原理如图4b所示，定义辅助线与轮廓线相交的形成的线段的中点为道路中心点，摆脱了最佳提取分辨率的限制；对于同一路段不同方向的辅助线的定义结果具有不变性，对于道路宽度变化问题的适应性也强于累加提取方法。方法流程如图5(a)所示：

图5 中心线生成方法流程图

2.3 数据处理

由图3可知，由于行道树遮挡等原因，ENVI的提取结果边缘存在“锯齿”现象，这种情况对于两种提取方法都会产生较大误差，因此可使用文献7所述方法对边缘进行平滑处理。具体做法为：离散轮廓线为点，使用连续局部加权平均的算法来计算平滑线，每个点的权重随着原折线上点至平滑后对应点的距离增大而减小，通过求得原折线上的点与式(2)的卷积后最终即可得到平滑结果。

(2)

式中表示折线上点对应的权重，τ为沿原折线的路径长度，d为平滑参数，通过控制d得出不同的平滑结果，后文统称为“平滑矢量”，多次试验得到最佳平滑参数为50m。

由于道路走向不同，绘制多条上文所述的辅助线以增加与轮廓线相交的数据，后文统称为“格网数据集”，本文利用可以与ArcGIS互通的CAD进行绘制，通信格式为LandXML。同时，对于同方向辅助线，以图层为单位，以便程序进行迭代(iterate)、分组(group by)等工作。

最后，依据道路走向，通过图层编辑功能对道路轮廓(面要素)做简单的划分，并以此面要素作为索引配合中心点坐标生成中心线，避免拓扑错误，后文统称为“道路轮廓划分”。

3 中心线提取

3.1 模型建立

利用可视化编程工具ModelBuilder完成中心线提取和结果二次处理工作，完整代码流程如图6所示。

图6 中心线沿点提取模型

由图6可见，模型的输入为上节所述的：辅助线集、平滑后的道路轮廓矢量、沿点各图层，最终输出为平滑后的道路中心线，其中上半部分为中心线提取工作。其过程可简述为：

Step1：辅助线集迭代筛选

将数据集中的格网数据分别与道路矢量面进行相交，再将输出的线要素与道路矢量面进行相交输出点要素，一组同方向的辅助线的输出结果如下图所示，利用迭代器根据分组命名遍历格网数据集中的所有方向辅助线，使用通配符 “%名称%***”对分组命名进行匹配。第一次相交选择线要素为输出结果，以筛选出与道路轮廓有交点的辅助线集合。

Step2：辅助线截取与提取

此时，筛选的结果为完整的辅助线，根据图4，用于提取中心点的线段为轮廓矢量截断辅助线的部分，因此利用上一步筛选结果与轮廓矢量线再次相交，输出点要素，并利用点要素分割辅助线筛选结果生成被截断的辅助线图层，值得注意的是，点要素图层是乱序的，其数据中并无其关联终点的字段，因此无法直接利用点集转线工具获得所需截断辅助线。利用轮廓矢量面与截断的辅助线图层进行第三次拓扑相交提取出所需的辅助线线段，如下图7(a)所示。

图7 中心线提取过程图

3.2 中心线平滑

为保证采样结果准确性，将8方向的辅助线通过迭代进行上述操作，以扩充数据集，同时为中心点添加经纬度坐标，其目的是点集转线提供一定顺序(不同的点的经纬度坐标总是升序或降序排列)，以道路轮廓划分为索引进行生成。按照2.3节所述方法进行平滑，经过多次试验，对于道路宽度为10m的本次所用路网来说，容差设置为55m效果最好，在保留道路线形的基础上能最大程度地平滑呈尖角的折线段，经过平滑处理后得到整个道路网的道路中心线，如图7(b)所示。

由上图可知，在平直线段及缓和曲线段中心线提取效果较好，部分道路交叉口处因生成的中心点数量较多范围较广，且存在收费站等地物的遮挡及标志标线干扰，故需人为干预以保证其拓扑正确性，结果如图7(c)所示。

4 建模试验及分析

实践发现，交通以线状工程为主，其结构复杂性远低于建筑工程[15]，通过ArcGIS转化为合适的投影坐标系后即可利用CityEngine直读中心线，并执行道路建模规则(rule)完成三维模型重建[3]，再将道路范围内的卫星影像作为底图导入CityEngine即可得到图8，由结果可知，通过本方法提取中心线可满足LOD1级别的三维模型数据要求，渠化交通所造成的道路分割也被忠实的进行了还原。为得到更高细节层次的模型，可通过参考地形及上文得到的道路中心线间隔放样点建立LOD3级别的三维道路模型构建交通数字孪生系统。

图8 道路的规则建模效果图

5 结束语

1)本文提出了一套遥感影像三维重建技术，一方面丰富了遥感技术的应用范围，另一方面为交通数字孪生中的基础数据缺失提供了有效的解决途径，结果表明，通过遥感影像获取几何模型建模数据是可行的。

2)区别于ArcScan栅格提取方法，本文提出一种基于矢量方法完成道路中心线提取，减少了分辨率约束，并利用ArcGIS Desktop的ModelBuilder实现全过程的集中及自动化，提高提取效率。