【技术实现步骤摘要】
本专利技术涉及图像检测，尤其是涉及一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法。
技术介绍
1、早期的道路规划未能考虑到如此快速的城市化进程，导致现有道路存在线形不规范、预留的道路红线不足等问题。在地形地貌等因素的共同影响下，路网中形成了大量不同类型的平面畸形交叉口。这些畸形交叉口的几何设计不规范、冲突点多、视距不理想，降低了通行的安全性，是交通事故的高发点。由于畸形交叉口的路况特殊、驾驶负荷度高，容易导致交通拥堵，降低道路通行效率。因此，加强畸形交叉口的治理与管控对于提高交通安全性、缓解交通拥堵、促进城市可持续发展是非常必要的。
2、在治理畸形交叉口之前，首要的工作是确定畸形交叉口的位置和类别。然而，现有平面畸形交叉口识别研究还存在以下问题：定义准则适应性不强，畸形交叉口的形态多样，仅凭设计指标阈值或模板库的定义方式难以涵盖所有可能情况。同时在全球交通工程领域，没有关于畸形交叉口的统一定义准则；识别精度与效率较低，畸形交叉口的识别主要依赖于人工鉴别，识别结果受制于个体经验而过于主观，而且对于大规模排查工程，人工识别显然是低效的；研究样本不足，现有研究主要针对单个或几个畸形交叉口进行隐患分析与改善治理，仅依赖有限的样本容易受限于局部特例，难以捕捉到畸形交叉口间的关联性与共性规律，从而限制了路网整体改善策略的制定和实施。
技术实现思路
1、本专利技术的目的是为了提供一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，采用定性与定量
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，对大范围城区矢量道路网中的畸形交叉口进行自动提取，并形成包含交叉口坐标、几何设计信息的数据集以供分析，具体的，包括以下步骤：
4、步骤1)构建定量与定性结合的畸形交叉口定义准则；
5、步骤2)采集典型城市矢量道路网数据并构建为栅格切片数据集，根据步骤1)的定义准则对数据集进行标注；
6、步骤3)使用步骤2)中的标注数据集训练多个yolov5主干网络，并使用加权投票法对训练完成的多个主干网络进行集成，得到矢量畸形交叉口识别模型；
7、步骤4)将待检测的矢量道路网输入矢量畸形交叉口识别模型，识别得到畸形交叉口的数量、裁剪图及裁剪框信息，并计算各畸形交叉口中心经纬度坐标；
8、步骤5)使用角度纹理特征算法，识别畸形交叉口裁剪图中的道路交叉条数、夹角和偏角，构建畸形交叉口特征分布数据集。
9、所述步骤1)包括以下步骤：
10、步骤11)结合矢量交叉口特征，参考交叉口设计规范，对4个定量指标和1和定性指标进行标定，其中，所述定量指标包括交叉口的交角、偏角、道路交叉条数和错位量，所述定性指标为不良平面线形；
11、步骤12)基于定量指标和定性指标构建畸形交叉口定义准则，若交叉口满足以下任一条件，则属于畸形交叉口：
12、a)交叉口夹角小于75°或大于115°，所述夹角为两条相邻道路边线所围的角；
13、b)偏角大于5°，所述偏角为十字交叉口中，直行车流动线偏移的角度；
14、c)错位量大于3m且小于50m；
15、d)交叉口物理区内存在接入口；
16、e)有五条及以上的道路交叉条数；
17、f)与预设的其他特殊畸形交叉口汇总形成的模板库相匹配。
18、所述步骤2)包括以下步骤：
19、步骤21)选择多个路网布局典型的城市作为数据源，如上海、北京等，收集其矢量道路网数据并进行预处理，所述道路包含公路与城市道路；
20、步骤22)将步骤21)收集到的各城市道路网数据进行单元划分：利用arcgis的渔网(fishnet)工具，将道路网制作成若干个方形网格切片，其中每个网格的边长为2.3km，以每个网格的id为序，将网格依次导出为带经纬度坐标的标签图像文件格式(tag image fileformat，tiff)，得到道路网切片的栅格图像数据集；
21、步骤23)根据步骤1)构建的畸形交叉口定义准则，使用labelme、labelimg等数据标注软件对道路网切片的栅格图像数据集中的各类目标交叉口进行人工标注，并根据不同类型交叉口的数量，将数据集划分为训练集、验证集和测试集，其中，所述交叉口标注的类型包括畸形交叉口(di)、正常交叉口(ni)、立体交叉口(ic)、环形交叉口(ra)。
22、所述步骤21)中的预处理为删除建筑内部道路、等外公路以及其他等级小于预设等级(即等级过低)的道路，仅保留其接入主线的路段，并用不同颜色对各类型道路进行符号化，区分各道路并利用其隐含特征。
23、所述步骤3)包括以下步骤：
24、步骤31)构建多个yolov5主干网络，yolov5模型包括输入端(input)、主干网络(backbone)、颈部网络(neck)和检测端(prediction)；yolov5共有n、s、m、l和x五种主流的主干网络，差异主要表现在深度与宽度组件不同。
25、步骤32)将标注后的路网栅格图像输入yolov5模型的输入端，并进行尺寸调整与数据增强操作；具体的，通过缩放、裁剪、填充等方式使其尺寸满足640×640的要求；采用mosaic的方式进行数据增强处理，原理为任取4张图片，对其进行随机裁剪、缩放、翻转、改变饱和度等操作后，用矩阵截取4张图片的固定区域并组合，形成一张新图像，以丰富学习样本。
26、步骤33)将步骤32)处理后的图像输入主干网络以进行特征提取，其中，所述主干网络包括focus模块、cbl(convolution-batchnormalization-leakyrelu)模块、跨阶段局部网络模块(cross stage partial network,cspnet)、空间金字塔池化(spatial pyramidpooling,spp)模块；
27、步骤34)在主干网络进行特征提取的同时，颈部网络使用特征金字塔网络(feature pyramid network,fpn)与路径聚合网络(path aggregation network,pan)提取和融合交叉口特征信息，增强各类交叉口目标检测的能力；
28、步骤35)将经过特征提取后的路网图像输入检测端生成各类交叉口预测框与置信度，其中，所述检测端由卷积层、池化层和全连接层组成；
29、步骤36)利本文档来自技高网...
【技术保护点】
1.一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤1)包括以下步骤：
3.根据权利要求1所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤2)包括以下步骤：
4.根据权利要求3所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤21)中的预处理为删除建筑内部道路、等外公路以及其他等级小于预设等级的道路，仅保留其接入主线的路段，并用不同颜色对各类型道路进行符号化，区分各道路并利用其隐含特征。
5.根据权利要求1所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤3)包括以下步骤：
6.根据权利要求5所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤33)包括以下步骤：
7
8.根据权利要求5所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，使用边框回归损失和分类损失作为YOLOv5模型的损失函数，其中边框回归损失采用GIoU损失函数，分类损失采用二元交叉熵损失函数，得到完整的损失函数表示为：
9.根据权利要求1所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤4)包括以下步骤：
10.根据权利要求1所述的一种基于集成YOLOv5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤5)包括以下步骤：
...【技术特征摘要】
1.一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤1)包括以下步骤：
3.根据权利要求1所述的一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤2)包括以下步骤：
4.根据权利要求3所述的一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤21)中的预处理为删除建筑内部道路、等外公路以及其他等级小于预设等级的道路，仅保留其接入主线的路段，并用不同颜色对各类型道路进行符号化，区分各道路并利用其隐含特征。
5.根据权利要求1所述的一种基于集成yolov5和角度纹理特征的畸形交叉口识别与特征提取方法，其特征在于，所述步骤3)包括以下步骤：
6....
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。