【技术实现步骤摘要】
本专利技术涉及城市街道特征分类，具体是一种基于机器识别街景图片的街道围合特征分类方法。
技术介绍
1、随着社会经济物质水平的快速提高，我国的城市空间建设逐步由增速优先转向为品质优先。其中，街道空间作为城市公共空间的重要组成部分之一，其品质的提高对于提升城市整体空间品质有着重要意义。而街道的围合程度是街道空间品质的重要衡量标准之一，一条围合度适宜的街道，可以有效的提高邻里的生活环境，提高人们的幸福感。
2、目前，在街道围合程度的量化研究中影响较大的理论是日本学者芦原义信提出的“d/h”指标。该理论将街道宽度d与街道一侧建筑高度h的比值作为衡量街道空间围合特征的依据，即当d/h等于1时，街道空间较为匀称舒适；当即当d/h小于1时，街道两侧建筑会有接近之感；当d/h大于1时，随着比例的增大，街道会有远离之感；即当d/h大于2时，街道会有空旷之感。但在实际体验中，不同宽度的街道，其围合度数值有着不同的适宜区间，不能一概而论，因此依据围合度对街道进行围合特征的分类还需要将街道的宽度因素纳入考量之中。并且d/h方法对街道的实际视觉体验做了极大的简化，以街道某一断面的宽度与高度之比作为街道尺度的判断依据，将街道的连续空间体验进行了片段的截取，可粗略反映沿街建筑高度较为一致的街道的尺度，当沿街建筑高度差异较大时，此种量化方法具有较大误差。且将观察点到建筑物的距离d与建筑高度h的比值作为判断指标忽略了高大乔木和连续的建筑立面对街道的围合作用，并不能真实的反映人在街道中的空间感受。
3、街景图片是基于人眼视角的对街道空间视觉
4、中国专利技术专利202010053244.1公开了一种街道品质评价方法、装置、系统及存储介质，其中涉及了一种街道中建筑围合度和植被围合度的量化方法。即街景图像中建筑、道路、车辆三种要素的像素之和与街景图像的总像素数之比为建筑围合度指标；植被、建筑要素的像素之和与街景图像的总像素之比为植被围合度指标，进而将建筑围合度与植被围合度作为指标之一评价街道空间品质。但其并未直接对街道围合度量化方法进行探讨，也没有涉及街道的沿街垂直面与地平面之间的关系，并且对街道围合程度舒适度的判断忽略了街道宽度对其的影响。
5、中国专利技术专利202011327398.1公开了一种基于城市多源数据的街道空间品质测度评价方法和系统，其中涉及了一种街道围合度量化方法，即将街景图像内建筑物、柱体和树木要素的像素量之和作为街道围合度的评价指标。此方法以绝对的像素值作为量化指标，也忽略了街道的沿街垂直面与地平面之间的关系，同样没有考虑街道宽度对街道所适宜的围合度范围的影响，没有依据街道围合度对街道围合特征进行分类。
6、以上两个专利对街道围合度的量化都是从目标要素的像素量大小出发进行考量，均没有反映街道的沿街垂直面与地平面之间的关系，以及街道宽度对街道所适宜的围合度范围的影响。而在人们的实际体验中，垂直面与地平面两者之间的量化关系对街道的围合感有着重要的影响，并且不同宽度的街道，其围合度数值有着不同的适宜区间。因此，现提出一种基于机器识别街景图片的街道围合特征分类方法。
技术实现思路
1、本专利技术的目的在于提供一种基于机器识别街景图片的街道围合特征分类方法，通过将街道宽度纳入考量因素，以街道的地平面与沿街垂直面的量化关系作为街道围合度的指标，使得最终分类结果更加符合人们在街道中的实际空间体验感知；特征分类方法可以快速批量的应用到不同尺度的城市街道围合特征分类之中，并为其提供重要的数据支撑，避免了街道围合特征评价的主观性。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于机器识别街景图片的街道围合特征分类方法，所述分类方法包括以下步骤：
4、步骤一：获取街道路网数据，基于空间矢量平台进行预处理，获取街景取样点经纬度坐标。
5、步骤二：通过采样点坐标获取街景图片。
6、步骤三：街景图像进行语义分割。
7、步骤四：根据街景图像中各要素像素值计算街道围合度量化数值。
8、步骤五：根据街道宽度，计算街道围合度加权值。
9、步骤六：依据街道最终围合指数对街道进行特征分类。。
10、进一步的，所述空间矢量平台处理包括将栅格路网数据矢量化，对较短的道路进行合并简化，对路网进行空间校准，以固定距离等距设置街景采样点及获取其坐标。
11、进一步的，所述步骤二通过每一个采样点的位置及路网角度计算平行与垂直道路的视角，根据所得视角抓取平行道路与垂直道路的街景图片视图，每个视图方向水平视角范围为90°，垂直视角为0°。
12、进一步的，所述步骤三利用基于pspnet训练好的模型对街景图像进行语义分割，计算出街景图像中道路、建筑和植被的像素值。
13、所述街景图像中目标要素的像素值计算方法如下公式(a)至(c)；
14、
15、
16、
17、式中，pn,road,pn,building,pn,greenery指第n个街景采样点的街景图像中道路、建筑和植被的像素总数，i为各街景采样点获取的图像张数，分别为90°，180°，270°和360°四个视角下的四张街景图像，pnxeli,type指第i张街景图片中道路、建筑、植被的像素数。
18、进一步的，所述步骤四计算街道围合度，将各采样点特征要素数值带入街道围合度量化公式，计算得出各点街道空间围合度数值，街道空间各采样点围合度计算方法如下公式(d)；
19、en,enclosing＝pn,road/(pn,building+pn,greenery)(d)
20、式中，en,enclosing为第n个街景采样点的街道围合度指标，pn,building为第n个街景采样点的建筑像素总数，pn,greenery为第n个街景采样点的植被像素总数，pn,road为第n个街景采样点的道路像素总数。
21、所述街道整体围合度计算方法如下公式(e)；
22、
23、式中，eenclosing为街道整体围合度指标，n为街道上采样点总数，en,enclosing为第n个街景采样点的街道围合度指标。
24、进一步的，所述步骤五根据街道的宽度，计算街道围合指数，确定每条街道的围合度加权值，对街道围合度进行加权计算街道围合度加权值计算方法如下公式(f)：
25、λ＝0.04×(15-dstreet)(f)
26、式中，λ为街道的围合度加权值，dstreet为街道的宽度。
27、所述街道围合指数的计算方法如下公式(g)：
28、estreet＝2×eenclosing+λ(g)
29、式中，estreet为街道围合指数，eenclosin本文档来自技高网...
【技术保护点】
1.一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述分类方法包括以下步骤：
2.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述空间矢量平台处理包括将栅格路网数据矢量化，对较短的道路进行合并简化，对路网进行空间校准，以固定距离等距设置街景采样点及获取其坐标。
3.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤二通过每一个采样点的位置及路网角度计算平行与垂直道路的视角，根据所得视角抓取平行道路与垂直道路的街景图片视图，每个视图方向水平视角范围为90°，垂直视角为0°。
4.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤三利用基于PSPNET训练好的模型对街景图像进行语义分割，计算出街景图像中道路、建筑和植被的像素值；
5.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤四计算街道围合度量化值，将各采样点特征要素数值带入街道围合度量化公式，计算得出各点街道空间围合
6.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤五根据街道的宽度，计算街道围合指数，确定每条街道的围合度加权值，对街道围合度进行加权计算街道围合度加权值计算方法如下公式(f)：
7.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤六依据步骤五得出的街道围合指数以及街道围合特征分类标准对街道进行特征分类，围合特征分类的标准为：
...【技术特征摘要】
1.一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述分类方法包括以下步骤：
2.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述空间矢量平台处理包括将栅格路网数据矢量化，对较短的道路进行合并简化，对路网进行空间校准，以固定距离等距设置街景采样点及获取其坐标。
3.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤二通过每一个采样点的位置及路网角度计算平行与垂直道路的视角，根据所得视角抓取平行道路与垂直道路的街景图片视图，每个视图方向水平视角范围为90°，垂直视角为0°。
4.根据权利要求1所述的一种基于机器识别街景图片的街道围合特征分类方法，其特征在于，所述步骤三利用基于pspnet训练好的模型对街景图像进行...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。