我们目前正在开发一种深层卷积神经网络,从空中正射影像中提取路面。我们目前的工作流程包括使用现有的道路中心线来掩蔽足够大的区域,以确定哪些像素是道路表面。概率二值光栅输出是合理准确的。在我们的工作流程中的最后一步是,我们使用原始的道路中心线和平均像素宽度来确定道路宽度,以缓冲道路中心线作为输出路面面积。以下方法的问题是,集热器和主干道在道路宽度上不均匀,而且在道路交叉口上失去了道路喇叭口。目前,开发以下模型的团队正在使用我不熟悉的Matlab,因此,下面的问题是通过逼近道路边缘(直线)、从CNN模型输出的概率光栅中提取道路交叉口的不同道路宽度和喇叭口,可以使用什么形态学操作来更好地提取道路表面的表示。

CNN:当前工作流

CNN:红色(手工导出的路面\训练数据集)黄色(矢量化路面输出)
发布于 2018-03-02 18:21:14
也许您的问题的另一个解决方案是:有一些包含路面的数据集,例如(荷兰)BGT-数据库。
https://datascience.stackexchange.com/questions/28531
复制相似问题