本技術(shù)涉及測(cè)繪與地理信息行業(yè)地圖制圖領(lǐng)域，特別是涉及一種電子地圖道路信息提取方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、電子地圖在城市級(jí)道路現(xiàn)勢(shì)性和信息豐富度上具有明顯優(yōu)勢(shì)，可作為遙感影像解譯、實(shí)地調(diào)繪等高成本道路采集手段的重要補(bǔ)充，并且高精地圖生成、無(wú)人駕駛等技術(shù)蓬勃發(fā)展賦予了電子地圖更強(qiáng)的生命力。此外，電子地圖作為地圖產(chǎn)品的重要形式之一，通過(guò)預(yù)先動(dòng)態(tài)加載切片的方式實(shí)現(xiàn)視覺(jué)上的多級(jí)無(wú)尺度縮放，雖在地圖美觀性、嚴(yán)謹(jǐn)性上較專業(yè)地圖集產(chǎn)品有所欠缺，但也通過(guò)了制圖綜合、要素分類分級(jí)、注記配置、沖突處理等工藝處理，可抽取形成地圖制圖專家經(jīng)驗(yàn)知識(shí)輔助更高要求的地圖快速編制。

2、導(dǎo)航電子地圖的應(yīng)用已深入交通出行領(lǐng)域的方方面面，無(wú)人駕駛的高精地圖也在蓬勃發(fā)展，相關(guān)標(biāo)準(zhǔn)的持續(xù)完善也為主流導(dǎo)航數(shù)據(jù)產(chǎn)品規(guī)范共享奠定了基礎(chǔ)，因此，提取電子地圖道路信息用于地圖二次編制、數(shù)據(jù)更新等場(chǎng)景的可行性大大增強(qiáng)，而在電子地圖道路信息提取中，存在以下問(wèn)題：

3、（1）電子地圖數(shù)據(jù)非線性偏移：應(yīng)相關(guān)要求，電子地圖通常需要進(jìn)行坐標(biāo)偏移，而偏移為非線性偏移，導(dǎo)致柵格配準(zhǔn)時(shí)全局精度較差，提取的數(shù)據(jù)無(wú)法滿足精度要求。

4、（2）多種要素疊加展示導(dǎo)致提取不準(zhǔn)確：電子地圖展示了道路、水系、建筑物、注記等多種要素，并且同類要素也分為多種類型，諸多要素之間相互疊加、壓蓋，導(dǎo)致采用純柵格像素處理方法提取的要素準(zhǔn)確度低。

5、因此，基于上述問(wèn)題，亟需提供一種新的電子地圖道路信息提取方法，以實(shí)現(xiàn)電子地圖道路實(shí)體的精準(zhǔn)提取。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的是提供一種電子地圖道路信息提取方法、裝置、設(shè)備及介質(zhì)，可實(shí)現(xiàn)電子地圖道路實(shí)體的精準(zhǔn)提取。

2、為實(shí)現(xiàn)上述目的，本技術(shù)提供了如下方案：

3、第一方面，本技術(shù)提供了一種電子地圖道路信息提取方法，包括：

4、獲取目標(biāo)地圖切片集合；所述目標(biāo)地圖切片集合包括目標(biāo)區(qū)域的地圖切片，所述地圖切片包括道路切片和注記切片；

5、采用漸進(jìn)式配準(zhǔn)法，對(duì)所述目標(biāo)地圖切片集合進(jìn)行配準(zhǔn)糾偏，得到待處理道路柵格和待處理注記柵格；

6、將所述待處理道路柵格輸入道路面提取模型，提取所述目標(biāo)區(qū)域的道路面；所述道路面提取模型基于resnet-34模型得到；

7、將所述待處理注記柵格輸入注記信息提取模型，得到所述目標(biāo)區(qū)域的單字符離散文字，并將所述目標(biāo)區(qū)域的單字符離散文字的中心像素點(diǎn)坐標(biāo)確定為所述目標(biāo)區(qū)域的單字符離散文字坐標(biāo)；所述注記信息提取模型基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)得到；

8、根據(jù)所述待處理注記柵格和所述目標(biāo)區(qū)域的單字符離散文字坐標(biāo)，得到所述目標(biāo)區(qū)域的注記庫(kù)；所述注記庫(kù)包括：各個(gè)道路名稱的語(yǔ)義化文字信息；

9、采用重分類提取法對(duì)所述目標(biāo)區(qū)域的道路面進(jìn)行矢量提取，得到所述目標(biāo)區(qū)域的道路要素；

10、將所述目標(biāo)區(qū)域的注記庫(kù)與所述目標(biāo)區(qū)域的道路要素進(jìn)行匹配，確定所述目標(biāo)區(qū)域的道路要素的名稱屬性；

11、根據(jù)所述目標(biāo)區(qū)域的道路要素的名稱屬性和所述目標(biāo)區(qū)域的道路要素確定所述目標(biāo)區(qū)域的道路實(shí)體。

12、可選地，采用漸進(jìn)式配準(zhǔn)法，對(duì)所述目標(biāo)地圖切片集合進(jìn)行配準(zhǔn)糾偏，得到待處理道路柵格和待處理注記柵格，具體包括：

13、將所述目標(biāo)地圖切片集合按照目標(biāo)區(qū)域的地圖切片的行列號(hào)次第拼接融合，形成大版柵格；

14、以所述大版柵格中每個(gè)地圖切片的邊界線作為格網(wǎng)線創(chuàng)建格網(wǎng)，并基于所述格網(wǎng)標(biāo)注所述大版柵格中地圖切片的坐標(biāo)；

15、采用n次迭代的方法確定所述大版柵格中的待處理道路柵格和待處理注記柵格；其中，第n次迭代的過(guò)程包括：

16、根據(jù)第n次迭代的最大柵格行列數(shù)、設(shè)定配準(zhǔn)精度和地圖切片的坐標(biāo)從所述大版柵格中選取第n次迭代的已配準(zhǔn)柵格范圍；1≤n≤n；

17、從所述目標(biāo)地圖切片集合中取出第n次迭代的已配準(zhǔn)柵格范圍內(nèi)的道路切片和注記切片；

18、將第n次迭代的已配準(zhǔn)柵格范圍的道路切片拼接，得到拼接后的道路柵格；將第n次迭代的已配準(zhǔn)柵格范圍的注記切片拼接，得到拼接后的注記柵格；

19、采用二階多項(xiàng)式變換方法，分別將拼接后的道路柵格和拼接后的注記柵格進(jìn)行坐標(biāo)變換，形成第n次迭代的已配準(zhǔn)道路柵格和第n次迭代的已配準(zhǔn)注記柵格；

20、若滿足n等于n，將前n次迭代的已配準(zhǔn)道路柵格拼接，得到待處理道路柵格，將前n次迭代的已配準(zhǔn)注記柵格拼接，得到待處理注記柵格；

21、若不滿足n等于n，則進(jìn)行第n+1次迭代。

22、可選地，根據(jù)第n次迭代的最大柵格行列數(shù)、設(shè)定配準(zhǔn)精度和地圖切片的坐標(biāo)從所述大版柵格中選取第n次迭代的已配準(zhǔn)柵格范圍，具體包括：

23、根據(jù)第n次迭代的最大柵格行列數(shù)、設(shè)定配準(zhǔn)精度和地圖切片的坐標(biāo)，采用m次迭代的方法從所述大版柵格中選取第n次迭代的已配準(zhǔn)柵格范圍；其中，第m次迭代的過(guò)程包括：

24、確定第m次迭代最大柵格行列數(shù)，并根據(jù)第m次迭代最大柵格行列數(shù)在所述大版柵格中選定第m次迭代的配準(zhǔn)范圍；1≤m≤m；

25、獲取第m次迭代的配準(zhǔn)范圍內(nèi)的配準(zhǔn)矢量數(shù)據(jù)；

26、將第m次迭代的配準(zhǔn)范圍內(nèi)的標(biāo)識(shí)物的控制點(diǎn)與配準(zhǔn)矢量數(shù)據(jù)中對(duì)應(yīng)的相同標(biāo)識(shí)物的控制點(diǎn)確定為一對(duì)控制點(diǎn)對(duì)，并選取設(shè)定對(duì)數(shù)的控制點(diǎn)對(duì)構(gòu)成第m次迭代的配準(zhǔn)范圍內(nèi)的控制點(diǎn)對(duì)集；

27、采用二階多項(xiàng)式變換方法，根據(jù)第m次迭代的配準(zhǔn)范圍內(nèi)的控制點(diǎn)對(duì)集和地圖切片的坐標(biāo)對(duì)所述大版柵格進(jìn)行坐標(biāo)變換，得到第m次迭代變換后的大版柵格；第m次迭代變換后的大版柵格與第m次迭代的配準(zhǔn)范圍內(nèi)的配準(zhǔn)矢量數(shù)據(jù)處于相同的坐標(biāo)系下；

28、根據(jù)第m次迭代的配準(zhǔn)范圍內(nèi)的控制點(diǎn)對(duì)集和第m次迭代變換后的大版柵格，計(jì)算第m次迭代的配準(zhǔn)范圍內(nèi)的配準(zhǔn)精度；

29、判斷m是否等于m；

30、若m等于m，則第m次迭代的配準(zhǔn)范圍作為第n次迭代的已配準(zhǔn)柵格范圍；

31、若m不等于m，則判斷第m次迭代的配準(zhǔn)范圍內(nèi)的配準(zhǔn)精度與設(shè)定配準(zhǔn)精度的差值是否在設(shè)定的閾值范圍內(nèi)；

32、若差值在設(shè)定的閾值范圍內(nèi)，將第m次迭代的配準(zhǔn)范圍作為第n次迭代的已配準(zhǔn)柵格范圍；

33、若差值不在設(shè)定的閾值范圍內(nèi)，且第m次迭代的配準(zhǔn)范圍內(nèi)的配準(zhǔn)精度小于設(shè)定配準(zhǔn)精度，則增加第m次迭代最大柵格行列數(shù)，并將增加后的第m次迭代最大柵格行列數(shù)確定為第m+1次迭代最大柵格行列數(shù)，進(jìn)行第m+1次迭代；

34、若差值不在設(shè)定的閾值范圍內(nèi)，且第m次迭代的配準(zhǔn)范圍內(nèi)的配準(zhǔn)精度大于或等于設(shè)定配準(zhǔn)精度，則減小第m次迭代最大柵格行列數(shù)，并將減小后的第m次迭代最大柵格行列數(shù)確定為第m+1次迭代最大柵格行列數(shù)，進(jìn)行第m+1次迭代。

35、可選地，所述道路面提取模型的確定方法為：

36、獲取訓(xùn)練道路切片集合；所述訓(xùn)練道路切片集合包括訓(xùn)練區(qū)域的地圖切片中的道路切片；

37、采用漸進(jìn)式配準(zhǔn)法，對(duì)所述訓(xùn)練道路切片集合進(jìn)行配準(zhǔn)糾偏，得到訓(xùn)練道路柵格；

38、提取所述訓(xùn)練道路柵格中的道路線，并根據(jù)所述道路線確定所述訓(xùn)練區(qū)域的道路面；

39、采用所述訓(xùn)練道路柵格和所述訓(xùn)練區(qū)域的道路面訓(xùn)練resnet-34模型，得到所述道路面提取模型。

40、可選地，所述注記信息提取模型的確定方法為：

41、獲取訓(xùn)練注記切片集合；所述訓(xùn)練注記切片集合包括訓(xùn)練區(qū)域的地圖切片中的注記切片；

42、采用漸進(jìn)式配準(zhǔn)法，對(duì)所述訓(xùn)練注記切片集合進(jìn)行配準(zhǔn)糾偏，得到訓(xùn)練注記柵格；

43、對(duì)所述訓(xùn)練注記柵格中包含各個(gè)注記的最小區(qū)域進(jìn)行定位，得到各個(gè)注記的最小訓(xùn)練矩形選區(qū)；

44、以像素為基本單元，對(duì)所述最小訓(xùn)練矩形選區(qū)內(nèi)的注記進(jìn)行分割，確定訓(xùn)練區(qū)域的單字符離散文字；

45、采用所述訓(xùn)練注記柵格和所述訓(xùn)練區(qū)域的單字符離散文字訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，得到所述注記信息提取模型。

46、可選地，根據(jù)所述待處理注記柵格和所述目標(biāo)區(qū)域的單字符離散文字坐標(biāo)，得到所述目標(biāo)區(qū)域的注記庫(kù)，具體包括：

47、對(duì)所述待處理注記柵格中包含各個(gè)注記的最小區(qū)域進(jìn)行定位，得到各個(gè)注記的待處理最小矩形選區(qū)；

48、根據(jù)所述待處理最小矩形選區(qū)的邊線坐標(biāo)串構(gòu)建待處理最小矩形選區(qū)矢量面；

49、對(duì)所有注記的待處理最小矩形選區(qū)矢量面和所述單字符離散文字坐標(biāo)進(jìn)行空間求交，得到所有注記的相交字符；

50、按照字符分割順序，將所有注記的相交字符組合為符合地物實(shí)際屬性的語(yǔ)義化文字信息；

51、根據(jù)所述語(yǔ)義化文字信息構(gòu)建所述注記庫(kù)。

52、可選地，采用重分類提取法對(duì)所述目標(biāo)區(qū)域的道路面進(jìn)行矢量提取，得到所述目標(biāo)區(qū)域的道路要素，具體包括：

53、對(duì)所述目標(biāo)區(qū)域的道路面中的像元進(jìn)行二值化處理，得到二值化柵格；

54、采用邊緣檢測(cè)算法處理所述二值化柵格，得到所述二值化柵格中的對(duì)象輪廓；

55、將所述對(duì)象輪廓矢量化為面要素；

56、提取所述面要素的骨架線，得到道路線矢量；

57、對(duì)所述道路線矢量進(jìn)行轉(zhuǎn)換處理，得到目標(biāo)區(qū)域的道路要素；所述轉(zhuǎn)換處理包括斷線連接、斷線合并和支岔路刪除。

58、第二方面，本技術(shù)提供了一種電子地圖道路信息提取裝置，包括：

59、切片獲取模塊，用于獲取目標(biāo)地圖切片集合；所述目標(biāo)地圖切片集合包括目標(biāo)區(qū)域的地圖切片，所述地圖切片包括道路切片和注記切片；

60、配準(zhǔn)拼接模塊，用于采用漸進(jìn)式配準(zhǔn)法，對(duì)所述目標(biāo)地圖切片集合進(jìn)行配準(zhǔn)糾偏，得到待處理道路柵格和待處理注記柵格；

61、道路面提取模塊，用于將所述待處理道路柵格輸入道路面提取模型，提取所述目標(biāo)區(qū)域的道路面；所述道路面提取模型基于resnet-34模型得到；

62、注記信息提取模塊，用于將所述待處理注記柵格輸入注記信息提取模型，得到所述目標(biāo)區(qū)域的單字符離散文字，并將所述目標(biāo)區(qū)域的單字符離散文字的中心像素點(diǎn)坐標(biāo)確定為所述目標(biāo)區(qū)域的單字符離散文字坐標(biāo)；所述注記信息提取模型基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)得到；

63、注記庫(kù)確定模塊，用于根據(jù)所述待處理注記柵格和所述目標(biāo)區(qū)域的單字符離散文字坐標(biāo)，得到所述目標(biāo)區(qū)域的注記庫(kù)；所述注記庫(kù)包括：各個(gè)道路名稱的語(yǔ)義化文字信息；

64、道路線提取模塊，用于采用重分類提取法對(duì)所述目標(biāo)區(qū)域的道路面進(jìn)行矢量提取，得到所述目標(biāo)區(qū)域的道路要素；

65、匹配模塊，用于將所述目標(biāo)區(qū)域的注記庫(kù)與所述目標(biāo)區(qū)域的道路要素進(jìn)行匹配，確定所述目標(biāo)區(qū)域的道路要素的名稱屬性；

66、道路信息整合模塊，用于根據(jù)所述目標(biāo)區(qū)域的道路要素的名稱屬性和所述目標(biāo)區(qū)域的道路要素確定所述目標(biāo)區(qū)域的道路實(shí)體。

67、第三方面，本技術(shù)提供了一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述中任一項(xiàng)所述的電子地圖道路信息提取方法的步驟。

68、第四方面，本技術(shù)提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任一項(xiàng)所述的電子地圖道路信息提取方法的步驟。

69、根據(jù)本技術(shù)提供的具體實(shí)施例，本技術(shù)具有了以下技術(shù)效果：

70、本技術(shù)提供了一種電子地圖道路信息提取方法、裝置、設(shè)備及介質(zhì)，通過(guò)采用漸進(jìn)式配準(zhǔn)法，對(duì)目標(biāo)地圖切片集合進(jìn)行配準(zhǔn)糾偏，使得電子地圖局部精度達(dá)標(biāo)，既能提升配準(zhǔn)精度，又能顯著降低幾何畸變，基于道路面提取模型和注記信息提取模型實(shí)現(xiàn)道路面、單字符離散文字提取，將注記庫(kù)與道路要素進(jìn)行空間匹配，完成道路要素的屬性化，為道路補(bǔ)充了屬性信息，有利于后續(xù)使用，本技術(shù)實(shí)現(xiàn)了高精度控制、信息屬性化的電子地圖道路信息提取，形成包含屬性信息的道路實(shí)體，從而實(shí)現(xiàn)電子地圖道路實(shí)體的精準(zhǔn)提取。