【代码】从道路面矢量到中心线：端到端的道路中心线提取方法

ytkz2024-04-212024-09-09

在路线规划和高精度地图要素采集的过程中，获取道路的中心线是非常关键的步骤。这个过程本质上是将特殊的面矢量转化为线矢量。深度学习技术，特别是卷积神经网络（CNN），可以用于识别图像中的道路，生成一个道路的面矢量图，其中每个像素都被标记为“道路”或“非道路”。然后，我们需要将这个面矢量图转化为道路的中心线。这通常可以通过使用骨架化或细化技术来实现，这些技术可以将二维的面矢量细化为一维的线矢量，即道路的中心线。这样，我们就可以从深度学习生成的道路面矢量图中获取到道路的中心线，为路线规划和高精度地图要素采集提供重要信息。

本文主要讲解如何端对端获取道路中心线，不涉及深度学习道路识别。

输入是道路面矢量，输出是道路中心线矢量

代码

# -*- coding: utf-8 -*- 
# @Time : 2024/4/21 20:48 
# @File : road_centerline.py 

# 获取代表道路轮廓（红线）的多边形中心线

import geopandas as gpd
import pygeoops

def generate_centerline(input_shapefile_path, output_shapefile_path, simplifytolerance=-0.4):
    # Load the polygon representing the road contour as a GeoDataFrame
    gdf = gpd.read_file(input_shapefile_path)

    # Calculate centerline of the polygons
    gdf.geometry = pygeoops.centerline(gdf.geometry, simplifytolerance=simplifytolerance)

    # Save centerlines in a new shapefile.
    gdf.to_file(output_shapefile_path)



if __name__ == '__main__':
    input_shapefile_path = r'D:\道路clip.shp'
    output_shapefile_path = r'D:\道路clip_centerline.shp'
    generate_centerline(input_shapefile_path, output_shapefile_path)

测试效果

获取道路中心线，本质上是特殊的面矢量转为线矢量的过程。

测试数据1

测试数据2

代码逻辑

这段Python代码的主要目的是从代表道路轮廓的多边形中生成道路的中心线。它使用了geopandas和pygeoops两个库。下面是对这段代码的逐行解释：

首先，导入了geopandas和pygeoops两个库。geopandas是一个开源项目，它使得在Python中处理地理空间数据变得更加容易。pygeoops是一个Python库，提供了一些地理空间操作的函数，例如计算几何对象的中心线。
定义了一个函数generate_centerline，这个函数接收三个参数：输入的shapefile文件路径、输出的shapefile文件路径和简化公差（simplifytolerance）。
在generate_centerline函数中，首先使用gpd.read_file函数从输入的shapefile文件中读取多边形数据，这些多边形代表了道路的轮廓。
然后，使用pygeoops.centerline函数计算每个多边形的中心线。simplifytolerance参数用于控制在计算中心线时的简化程度。负值表示允许一些小的偏离，这可以帮助处理一些复杂的多边形。
计算得到的中心线替换了原来的多边形数据，然后将结果保存到新的shapefile文件中。
在主函数中，定义了输入和输出的shapefile文件路径，然后调用generate_centerline函数生成道路的中心线。