АВТОМАТИЗОВАНА КОМП’ЮТЕРНА ТЕХНОЛОГІЯ СЕГМЕНТАЦІЇ ДОРІГ - Научное сообщество
Главная
UA RU EN

Вас приветствует Интернет конференция!

Приветствуйем на нашем сайте

Рік заснування видання - 2011

АВТОМАТИЗОВАНА КОМП’ЮТЕРНА ТЕХНОЛОГІЯ СЕГМЕНТАЦІЇ ДОРІГ

21.02.2022 17:38

[1. Информационные системы и технологии]

Автор: Каштан Віта Юріївна, к.т.н., доцент, Національний технічний університет «Дніпровська політехніка», м. Дніпро; Гнатушенко Володимир Володимирович, д.т.н., професор, Національний технічний університет «Дніпровська політехніка», м. Дніпро


Автомобільна дорога є основним видом транспорту в нашому суспільстві. Картографування дорожньої мережі на основі даних географічної інформаційної системи є дуже важливим для галузей людської діяльності, а саме при управлінні транспортним рухом, моніторингу доріг, навігації транспортними засобами, містобудуванні, оновленню географічних інформаційних систем, управлінню катастрофами, тощо.

Одним із способів отримання актуальних і об'єктивних даних про процеси і явища, що відбуваються в різних геосферах Землі є супутникові дані різного діапазону та просторового розрізнення. Сьогодні стрімко відбувається будівництво нових доріг, розбудова  міст і традиційні методи побудови карт не відповідають сучасним вимогам [1]. Тематична обробка інформації космічних знімків на основі векторизації у ручному режимі є трудомістким, і дорогим процесом обробки даних, що не дозволяє отримувати дані швидко. Тому, існує потреба у методах автоматизованої сегментації інформації зі супутникових знімків для швидкого оновлення карт.

Проблематика розпізнавання доріг є актуальною вже більше 30 років [2], і незважаючи на це так і не було розробленого програмного забезпечення, яке могло б узагальнити бажаний результат у всіх можливих ситуаціях, що виникають у вбудованому середовищі. Причина в тому, що процес розпізнавання доріг по космічним знімкам є складним. Так, крім основної інформації, що добувається – дороги (вулиці) та їх взаєморозташування, наявні й заважаючи елементи такі як дерева, будівлі, автомобілі або наявні об’єкти, що мають подібну текстуру. Крім того, значення пікселів інтенсивності доріг можуть змінюватися через різницю в атмосферних умовах, сезонність збору даних і найголовніше, наявність тіней об’єкту.

У роботі [3] нами запропоновано методику розпізнавання доріг на основі згорткової нейронної мережі, що містить два основних процеси – це морфологічну сегментацію та нейрону мережу на основі архітектури U-Net. В даній роботі для реалізації методу сегментації доріг було обрано мову програмування С++. Графічний інтерфейс користувача містить структурні елементи як: набір транзакцій, якими управляє користувач; елементи управління програмним забезпеченням; навігація інтерфейсу; візуальний (і не тільки) дизайн вікон та екранних форм програми.

Головне меню програми, що представлено на рисунку 1 складається з: завантаження та налаштування первинних даних; сегментації доріг; розпізнанням доріг, що виділено жовтим кольором. Програмна реалізація методу складається з таких етапів як:

1. Створення набору об'єктів на основі геоданих.

2. Можливість внесення діагностичних параметрів полів до атрибутивних таблиць класів об'єктів.

3. Налаштування візуалізації кожного шару проекту.

4. Перехід у режим створення векторних об'єктів, вибір класу «Проїзна частина», описана в модулі roads_network, що реалізує модель U-Net та використовує її для тренування з великими масивами зображень. 

5. Векторизація меж проїзної частини. На даному етапі отримуємо контури границь доріг.

6. Сегментація. Після виконання сегментації отримуємо полігон, що присвоює відповідні їх характеристики підтипам даних. 

7. Дешифрування дороги. Оператор візуально визначає зовнішню межу крайової смуги та виконує векторизацію за допомогою інструментів створення об'єктів. Жовтим кольором програма виділяє зони доріг.





Рисунок 1 – Результат автоматизованої сегментації доріг

Тестування проводилось на еталонному зображенні розміром 749 x 770 та зображеннях з супутника Worldview-2 розмірами: 400х400, 350х350, 612х600, тощо. Процес сегментації доріг зайняв в середньому 5 хвилин.

Висновки. У даній роботі запропоновано новий метод автоматизованої сегментації доріг на основі супутникових даних високого просторового розрізнення. Проведені тестування розробленого методу підтвердили високу ефективність відповідного алгоритму сегментації доріг.

Література

1. Choudhurya A. QuadRoad: An Ensemble of CNNs for Road Segmentation / A.Choudhurya, B. Parajulib, P.Kumara // Procedia Computer Science, 2020, Volume 176, Pages 138-147.

2. Cheng G. Automatic road detection and centerline extraction via cascaded end-to-end convolutional neural network / G. Cheng, Y. Wang, S. Xu, H. Wang, ect. // IEEE Transactions on Geoscience and Remote Sensing 55, 2017, pp.3322–3337.

3. Каштан В.Ю. Дешифрування автодоріг на цифрових космічних знімках на основі нейронних мереж / В.Ю. Каштан, В.В. Гнатушенко, О.Г. Баглай// ХVI міжнародна конференція «Проблеми використання інформаційних технологій в освіті, науці та промисловості» / Збірник наукових праць № 6. – м. Дніпро. – 15 грудня 2021, С.71 – 75.







Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Другие научные работы даной секции

Конференции

Конференции 2024

Конференции 2023

Конференции 2022

Конференции 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення