基于無人機(jī)影像的鄉(xiāng)村道路信息提取及安全導(dǎo)引優(yōu)化設(shè)計(jì)

李旭亮，王保成，田 亮，李 媛，方 飛

（蘭州交通大學(xué) 土木工程學(xué)院，蘭州 730070）

0 引言

鄉(xiāng)村村道路快速發(fā)展對(duì)豐富基礎(chǔ)交通網(wǎng)絡(luò)、加快經(jīng)濟(jì)發(fā)展、降低貧困等具有重要意義。近年來，隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，鄉(xiāng)村扶貧道路也在急劇增長(zhǎng)。但是，鄉(xiāng)村道路普遍具有隱蔽路口多、行人橫穿公路頻繁、路況突變性大、車輛占道停放和行駛等突出特點(diǎn)，另外交通安全設(shè)施的缺乏缺失、基礎(chǔ)道路盲目擴(kuò)張對(duì)交通產(chǎn)生的壓力也在急劇增長(zhǎng)，是行人和車輛出行的重大安全隱患。鄉(xiāng)村不斷發(fā)生的交通事故讓人們認(rèn)識(shí)到鄉(xiāng)村道路的交通安全是目前亟待解決的問題。本文以此為背景，將無人機(jī)應(yīng)用到農(nóng)村扶貧道路數(shù)據(jù)的信息提取當(dāng)中，利用無人機(jī)靈活、簡(jiǎn)便的優(yōu)點(diǎn)，既可解決農(nóng)村道路復(fù)雜多變而相關(guān)數(shù)據(jù)不易獲取的問題，又可節(jié)省大量的人力物力，進(jìn)而有利于做交通安全導(dǎo)引優(yōu)化。

隨著科技的發(fā)展和進(jìn)步，借助大數(shù)據(jù)進(jìn)行高分辨率影像提取成為相關(guān)領(lǐng)域的目標(biāo)，其中道路提取技術(shù)是近年的熱門研究方向。國(guó)外大約在20 世紀(jì)70 年代就已經(jīng)開始初步探索[1]，專家學(xué)者利用各種技術(shù)對(duì)道路的提取方法進(jìn)行了深入探討。通過對(duì)一些道路提取資料的學(xué)習(xí)與研究，可將該提取方法分為全自動(dòng)道路提取法和人機(jī)結(jié)合的半自動(dòng)道路提取法[2-8]。全自動(dòng)法的研究雖然是未來的主要趨勢(shì)，但由于現(xiàn)階段計(jì)算機(jī)水平的限制尚難實(shí)現(xiàn)；半自動(dòng)法采用人機(jī)交互的處理方式可以靈活應(yīng)用于不同復(fù)雜度的場(chǎng)景中。本文以無人機(jī)為影像拍攝載體，以半自動(dòng)道路提取為主要方法，以易康為操作平臺(tái)，研究探討利用無人機(jī)影像進(jìn)行鄉(xiāng)村道路提取的方法。

1 無人機(jī)飛行參數(shù)

本文以甘肅省榆中縣小康營(yíng)鄉(xiāng)劉褚營(yíng)村為研究對(duì)象。劉褚營(yíng)村為河流沖擊地帶，整體地勢(shì)平坦，周圍無高大樹木遮擋。該村房屋錯(cuò)落有序、整齊，建筑物高度低，地表物區(qū)分度高，有利于減少無人機(jī)自身攜帶的誤差和環(huán)境氣候誤差，使實(shí)驗(yàn)數(shù)據(jù)更具有真實(shí)客觀性。

利用大疆 MAVICPRO 機(jī)型獲取實(shí)測(cè)數(shù)據(jù)。該機(jī)型體積不大，操作靈活方便，數(shù)據(jù)采集高效，影像成形快速，能夠基本完成一般的測(cè)繪任務(wù)。MAVICPRO的基本數(shù)據(jù)如表1 所示。

表1 大疆MAVICPRO 型參數(shù)

為航測(cè)成圖及圖像拼接，采集數(shù)據(jù)時(shí)無人機(jī)飛行重疊區(qū)域正向設(shè)為70%，側(cè)向設(shè)為60%。地面控制終端為影像獲取載體附屬軟件設(shè)Atizure。軟件中無人機(jī)航跡如圖1 所示。

圖1 無人機(jī)航向軌跡

2 數(shù)據(jù)處理

將多張影像組合在一起形成一張整個(gè)區(qū)域的影像圖時(shí)，由于影像圖中的各種地物與地面地物的特征是有差別的，因此需要對(duì)其進(jìn)行幾何校正[9-10]。這種差別亦是后期需要調(diào)整圖像質(zhì)量的原因。

幾何校正就是對(duì)在不同的坐標(biāo)系之間轉(zhuǎn)換的過程中產(chǎn)生的坐標(biāo)不一致進(jìn)行修正。經(jīng)過處理的圖像如圖2 所示。

圖2 劉褚營(yíng)村無人機(jī)影像

在進(jìn)行影像信息提取之前，先對(duì)本次實(shí)驗(yàn)取得的無人機(jī)影像預(yù)先處理，即進(jìn)行影像融合以及增強(qiáng)。融合是將圖像不同空間、時(shí)間的冗余信息進(jìn)行重組，使其包含內(nèi)容更加豐富。增強(qiáng)是將圖像灰度調(diào)整均勻，道路特征更加明顯。圖3 為預(yù)處理以后的圖像。

圖3 預(yù)處理圖像

3 多尺度分割法

要對(duì)空間上非相鄰的區(qū)域進(jìn)行合并，運(yùn)算量變得相當(dāng)巨大。為解決運(yùn)算量問題，發(fā)展出了迭代分而治之的多尺度分割近似計(jì)算以及相應(yīng)的有效實(shí)現(xiàn)方式[11-12]。

多尺度分割是通過設(shè)定波段、光譜、紋理、幾何形狀、緊致度等各因子參數(shù)來確定最適合的分割尺度，來實(shí)現(xiàn)影像分割的方法[13-14]。能輸出一個(gè)從初始化分割直至一個(gè)區(qū)域的分割的多尺度序列，在這個(gè)序列中，一個(gè)特定的對(duì)象既可以表示成幾個(gè)區(qū)域從而具有較好的細(xì)節(jié)信息，也可以與其他對(duì)象一起被一個(gè)區(qū)域吸收。

3.1 最優(yōu)分割尺度

多尺度分割方法是面向?qū)ο蟮摹Ｋ硎驹诜指钣跋駮r(shí)對(duì)異質(zhì)性靠近的區(qū)域進(jìn)行合并，也叫分型網(wǎng)絡(luò)演化算法。其實(shí)質(zhì)是對(duì)相互靠近的像元進(jìn)行屬性識(shí)別，判斷是否能夠進(jìn)行合并。圖4 為多尺度分割步驟。圖中：f表示異質(zhì)數(shù)值；s表示給定的參數(shù)值。若f小于s，則繼續(xù)分割；若f大于s，則分割完成。這個(gè)分割過程是重復(fù)的，一直到整幅影像圖全部分割完成[15]。

圖4 多尺度分割算法的具體流程

在多尺度法分割影像時(shí)，分割尺度的大小對(duì)分割結(jié)果的準(zhǔn)確度會(huì)產(chǎn)生重要的影響，尺度大小會(huì)影響分割后影像對(duì)象的大小及其所包含的信息。因此若要對(duì)目標(biāo)對(duì)象進(jìn)行提取就必須熟悉目標(biāo)，而且要選取合適的分割尺度。

結(jié)合劉褚營(yíng)村鄉(xiāng)村道路比較窄小，大約有5 m寬，且本文所選取的影像圖為無人機(jī)高分辨影像圖的情況，綜合考慮無人機(jī)精度及研究地域面積大小等因素，根據(jù)處理經(jīng)驗(yàn)可選用100 作為1 個(gè)初始分割值，分別以100、150、200、300 作為本次實(shí)驗(yàn)的分割參數(shù)值來進(jìn)行驗(yàn)證。形狀指數(shù)暫定為0.5，緊致度指數(shù)暫定為0.5。分割結(jié)果如圖5 所示。

圖5 100～400 分割值效果

從圖中可以看出，在形狀因子參數(shù)和緊致度因子參數(shù)都不變的情況下，隨著尺度值的增大，分割完成后得到子對(duì)象的表面形狀面積也在不斷地增加。當(dāng)分割尺度設(shè)置為300 時(shí)，在分割完成后的圖像中，道路形狀較完整且清晰。道路兩旁的建筑物與樹木在道路上的投影較少，為接下來的道路信息提取減少了數(shù)據(jù)處理的工作量。因此認(rèn)為300 是本次道路信息提取實(shí)驗(yàn)的比較合理的分割尺度值。

3.2 形狀因子和光譜因子

除了分割尺度外，形狀因子和光譜因子也可以影響道路信息提取。為取得形狀因子和光譜因子在道路信息提取過程中的優(yōu)值，同樣設(shè)置4 組參數(shù)值來進(jìn)行尺度分割實(shí)驗(yàn)，分別為（0.9，0.7）、（0.1，0.9）、（0.9，0.1）、（0.5，0.5）。其中：括號(hào)中的第1 個(gè)值為形狀因子參數(shù)；第2 個(gè)值為光譜因子參數(shù)。尺度參數(shù)為300。分割結(jié)果如圖6 所示。

圖6 4 種形狀參數(shù)分割結(jié)果

從圖中可以看到，當(dāng)分割尺度參數(shù)不變時(shí)，形狀因子參數(shù)和緊致度因子參數(shù)不一致，分割后的影像結(jié)果也不同。因此得出幾何指標(biāo)和緊致度指標(biāo)對(duì)影像的分割效果是很重要的。通過上述4 組參數(shù)組合，在分割尺度一致的情況下，經(jīng)過實(shí)驗(yàn)數(shù)據(jù)對(duì)比，發(fā)現(xiàn)第3 組實(shí)驗(yàn)數(shù)據(jù)是分割效果最好的，因此在基于面向?qū)ο蟮臒o人機(jī)影像道路提取中將分割參數(shù)設(shè)定為300，形狀和緊致度設(shè)為（0.9,0.1），作為本次道路提取的最優(yōu)數(shù)值。

4 道路提取

4.1 道路樣本特征與提取規(guī)則

遙感影像分割完成后，將相同屬性的元素排列組合成目標(biāo)對(duì)象。根據(jù)目標(biāo)對(duì)象自身屬性特征，以及面向?qū)ο蟮南噜応P(guān)系特征，借助易康（eCognition）軟件，實(shí)現(xiàn)對(duì)鄉(xiāng)村道路的信息提取。

為了將我們所需的道路目標(biāo)與遙感影像中其他的背景地物完整地分離出來，就要充分利用影像中的道路特征來做理論支撐。另外為了驗(yàn)證道路特征選取的合理與否，隨機(jī)選取多個(gè)道路樣本來進(jìn)行特征對(duì)比分析，并得出道路樣本提取規(guī)則集，如表2 所示。

表2 道路樣本提取規(guī)則集

4.2 道路提取

在易康軟件中，將分割參數(shù)設(shè)定為300，形狀因子組合為（0.9，0.1），得出分割結(jié)果。分割完成后，接下來進(jìn)行樣本特征選取，分別為道路樣本和耕地樣本。

運(yùn)用最鄰近分類算法，在進(jìn)行分類操作時(shí)，易產(chǎn)生漏分、錯(cuò)分的現(xiàn)象，進(jìn)而使實(shí)驗(yàn)結(jié)果產(chǎn)生誤差，致使道路信息自動(dòng)提取的結(jié)果不能滿足精度要求。為解決漏分錯(cuò)分的問題，需要在分類后進(jìn)行人工解譯識(shí)別，進(jìn)行2 次分類優(yōu)化操作，將錯(cuò)分漏分的目標(biāo)對(duì)象劃分到自身屬性類別中去，并對(duì)提取結(jié)果進(jìn)行再生長(zhǎng)、收縮等多重優(yōu)化以減少道路輪廓誤差。最終結(jié)果如圖7 所示。

圖7 優(yōu)化提取結(jié)果

4.3 實(shí)驗(yàn)精度評(píng)價(jià)

在基于eCognition 軟件提取操作完成以后，要進(jìn)行效果評(píng)價(jià)，通過目視解譯采用建立混淆矩陣的方式來進(jìn)行，并分析分類的總體精度指數(shù)和卡帕（Kappa）系數(shù)。誤差矩陣如表3 所示。

表3 集誤差矩陣分析結(jié)果

從表中可以看出，本次實(shí)驗(yàn)中樣本的總體分類精度達(dá)到了94.77%。Kappa 系數(shù)為0.778 7。整體的分類效果達(dá)到了預(yù)期要求。因此，利用eCognition 軟件對(duì)農(nóng)村扶貧道路進(jìn)行面向?qū)ο蟮牡缆沸畔⑻崛∈强尚械摹?/p>

5 鄉(xiāng)村道路安全導(dǎo)引優(yōu)化設(shè)計(jì)

以上文所得鄉(xiāng)村道路提取結(jié)果為依據(jù)，得出需要做安全導(dǎo)引優(yōu)化設(shè)計(jì)的道路及相關(guān)參數(shù)，參照相關(guān)設(shè)計(jì)規(guī)范分析計(jì)算路基寬度、道路建筑限界、行車視距等的合理取值，從而提高道路交通的安全性。

該村主干道路有2 條，一條呈南北走向直線穿越該村，另一條呈東西走向深入該村。主干道路基寬度5 m，左右各有0.5 m的凈空，行車道寬度4 m，全道路路段為單行道，全村路段無護(hù)欄等隔離設(shè)施。機(jī)動(dòng)車平均車速低于50 km/h。

該村道路的特點(diǎn)主要為長(zhǎng)直線，但交叉道口較多。其中十字交叉路口有3 個(gè)，T 字型交叉路口8 個(gè)。道路路面情況較差，沒有配置道路交通安全設(shè)施，道路交叉口交通情況極為復(fù)雜，導(dǎo)致交通事故多發(fā)；因此需要科學(xué)謀劃、統(tǒng)籌管理。為此先將缺失的交通安全設(shè)施補(bǔ)充完整，再設(shè)置合理的道路交通標(biāo)志標(biāo)線。先以2 維平面圖的形式，對(duì)2 條主干道及交叉口進(jìn)行交通設(shè)施規(guī)劃。緊接著對(duì)村莊整體道路從入口到出口以車輛行駛方向?yàn)閷?dǎo)引，做出整體道路的全面優(yōu)化。利用軟件生成3 維村莊道路優(yōu)化模型，以立體方式將最終的安全導(dǎo)引效果呈現(xiàn)出來。

為減少及消除長(zhǎng)直線路段的交通安全隱患，根據(jù)公路工程技術(shù)標(biāo)準(zhǔn)和道路交通標(biāo)志和標(biāo)線中關(guān)于交通安全設(shè)施設(shè)置方法的規(guī)定[16-17]，鄉(xiāng)村道路長(zhǎng)直線段交通安全導(dǎo)引優(yōu)化設(shè)計(jì)的方法如下：

1）在主干道上勾畫出行車中線及輪廓線，限定車輛的行駛路線，減少車輛行駛的干擾；

2）村口處設(shè)置前方村莊、注意危險(xiǎn)的警告標(biāo)志，告知駕駛?cè)藛T前方路側(cè)為村鎮(zhèn)，提醒駕駛員謹(jǐn)慎駕駛以防發(fā)生交通事故；

3）設(shè)置限速40 km/h 標(biāo)志與限速標(biāo)線相配合，用來降低車輛在鄉(xiāng)村主干道的車速；

4）村口處及路口設(shè)置停車讓行標(biāo)志及減速帶，強(qiáng)制減小村口以及路口出入車輛行駛速度，確保出入口交通安全；

5）全路段設(shè)置減速慢行警告標(biāo)志，提醒駕駛員減速慢行；

6）鄉(xiāng)村道路主干道與支線道路交叉口設(shè)置人行橫道，降低因村民橫穿道路而引發(fā)的交通事故；

7）在斑馬線前30～50 m 處設(shè)置斑馬線提示標(biāo)識(shí)，告知駕駛員前方路段有村民橫穿公路；

8）長(zhǎng)直線路段設(shè)置路側(cè)護(hù)欄，提高道路兩邊住戶的安全。

具體優(yōu)化設(shè)計(jì)示意圖如圖8 所示。

圖8 長(zhǎng)直路段優(yōu)化示意圖

為減少和消除村內(nèi)村民生活路段的交通安全隱患，該道路安全導(dǎo)引優(yōu)化設(shè)計(jì)如下：

1）設(shè)置限速40 km/h 標(biāo)志與限速標(biāo)線相互配合，用來降低車輛在鄉(xiāng)村主干道的車速；

2）村民生活區(qū)人流量大，所以全路段設(shè)置減速慢行警告標(biāo)志以及禁止掉頭標(biāo)志，提醒駕駛?cè)藴p速慢行防止駕駛員在人流量大的地方隨意掉頭，影響居民生活區(qū)道路交通安全；

3）斑馬線前30～50 m 處設(shè)置斑馬線提示標(biāo)識(shí)，告知駕駛員前方有行人橫穿公路；

4）在道路上勾畫出行車中線及輪廓線，限定車輛的行走路線，減少相互間的交通干擾；

5）生活區(qū)道路兩側(cè)設(shè)置人行道及護(hù)欄，全路段設(shè)置減速帶；

6）為了防止夜間行人及行車的不安全，生活區(qū)全路段全部配置照明路燈。具體優(yōu)化示意圖如圖9 所示。

圖9 村民生活區(qū)路段優(yōu)化示意圖

為減少和消除村內(nèi)道路交叉口的安全隱患，需遵循主干道優(yōu)先，且村莊路段中以主路轉(zhuǎn)彎向側(cè)路和側(cè)路轉(zhuǎn)彎沿主路2 種視距形式，將無人機(jī)影像處理數(shù)據(jù)代入處理，得出優(yōu)化解。

1）側(cè)路轉(zhuǎn)主路視距測(cè)算公式為

式中：ISD 為交叉路口沿主干道視距；v為汽車行駛速度；t為側(cè)路轉(zhuǎn)彎等待時(shí)間。

2）主路轉(zhuǎn)側(cè)路視距測(cè)算公式為

式中：S為道路口沿側(cè)路視距；a為側(cè)路減速度，取值為3.0 m/s2；v為側(cè)路行駛速度；t為識(shí)別時(shí)間，取值為2.5 s。

實(shí)驗(yàn)村莊中，主路段設(shè)計(jì)時(shí)速為40 km/h。從安全角度出發(fā)，車輛計(jì)算速度為設(shè)計(jì)時(shí)速的90%，取36 km/h。文中對(duì)于側(cè)路定位為讓行道路，由于側(cè)路段是生活區(qū)路段，因此取行駛速度10 km/h。主干道轉(zhuǎn)彎所需視距S=8 m，主干道停車視距S=46 m，側(cè)路停車視距S=36 m，構(gòu)建出交叉路口通視三角區(qū)，如圖10 所示。

圖10 交叉口通視三角區(qū)

依據(jù)道路交通標(biāo)志和標(biāo)線的有關(guān)規(guī)定[17]，通視三角形內(nèi)不能有障礙物阻擋駕駛員的視野。通過走訪調(diào)查，劉褚營(yíng)村的主干道與側(cè)路之間路口視線不通暢，周圍布滿建筑房屋。發(fā)現(xiàn)實(shí)際路段通視三角形內(nèi)存在障礙物，阻礙駕駛安全。因此本段交叉口的視距不滿足視距安全的指標(biāo)，需要采取相應(yīng)的優(yōu)化措施。應(yīng)在此位置加大交通管理力度，采取設(shè)置誘導(dǎo)標(biāo)志、減速標(biāo)志、減速帶、斑馬線、交通凸面鏡以及轉(zhuǎn)彎行駛時(shí)鳴笛等措施。T 形路口優(yōu)化后的3 維可視化效果如圖11 所示。

圖11 T 字交叉口優(yōu)化

以規(guī)范及道路實(shí)際狀況為依據(jù)，優(yōu)化整個(gè)村莊的所有道路，最后以二維平面圖的形式呈現(xiàn)出來。如圖12 所示。

圖12 村莊道路整體優(yōu)化

以2 維平面圖為基礎(chǔ)導(dǎo)入軟件，將村莊道路的優(yōu)化設(shè)計(jì)以3 維模型的形式展現(xiàn)出來。

首先，當(dāng)車輛行駛到村莊入口處時(shí)，安全導(dǎo)引如圖13 所示。

圖13 村口處安全導(dǎo)引優(yōu)化

其次，在汽車駛?cè)刖用裆顓^(qū)路段時(shí)，交通安全設(shè)施的優(yōu)化設(shè)計(jì)如圖14 所示。

圖14 交叉口安全導(dǎo)引優(yōu)化

再次，當(dāng)車輛行駛到村中心時(shí)，對(duì)村委會(huì)道路交叉口的安全導(dǎo)引細(xì)節(jié)如圖15 所示。

圖15 村委會(huì)交叉口安全導(dǎo)引優(yōu)化

最后，以3 維全景視圖的形式對(duì)整個(gè)劉褚營(yíng)村的鄉(xiāng)村道路安全導(dǎo)引優(yōu)化進(jìn)行展示，如圖16所示。

圖16 褚營(yíng)村道路整體安全優(yōu)化

6 結(jié)束語

本文采用的面向?qū)ο蟮奶崛》椒ㄊ且詧D像為前提來進(jìn)行研究的，因此圖形質(zhì)量直接影響道路提取的結(jié)果。本文所選的影像為無人機(jī)所拍攝的影像，圖像中地物目標(biāo)復(fù)雜，背景區(qū)分大，但道路兩側(cè)的樹木在道路上的投影大大影響了道路信息提取的精度。如何解決這個(gè)問題還要進(jìn)一步研究。

1）影像的分割尺度對(duì)道路提取的準(zhǔn)確度影響很大，利用多尺度分割法顯然分割效果較好。

2）本文在進(jìn)行最鄰近分類時(shí)，出現(xiàn)了錯(cuò)分和漏分的現(xiàn)象。主要原因可能是在這一點(diǎn)上這2 類目標(biāo)地物的特征差異較小，比較相似。因此須研究是否可以利用其他的方法對(duì)分類以后的結(jié)果進(jìn)行校正，以提高目標(biāo)對(duì)象的分類精度。

3）本文研究對(duì)象區(qū)域的道路提取并不復(fù)雜，旨在體現(xiàn)半自動(dòng)提取法的優(yōu)勢(shì)及驗(yàn)證其精度是否能達(dá)到預(yù)期要求，為更為復(fù)雜多變的鄉(xiāng)村道路提取提供參考。

4）就目前而言，對(duì)鄉(xiāng)村道路修建等級(jí)和標(biāo)準(zhǔn)以及交通安全設(shè)施設(shè)置方法方面的規(guī)定較少，只能參考道路設(shè)計(jì)規(guī)范和準(zhǔn)則上面的零星知識(shí)。其次由于條件所限，對(duì)交通事故分析的原始數(shù)據(jù)較少，樣本不夠豐富。在因素分析中環(huán)境因素參與度較低。在導(dǎo)引設(shè)計(jì)中只從安全角度出發(fā)，沒有考慮其經(jīng)濟(jì)性。