利用Faster R-CNN进行立交桥自动识别与定位

• 作者: 马京振 陈换新 朱新铭 张付兵
• 来源期刊: 测绘通报
• 关键词: 立交桥 目标检测 Faster R-CNN 深度神经网络 模式识别
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 28-32,86
• 页数: 6页
• 分类号: P237
• 语种: 中文

摘要

立交桥结构的自动识别对道路网多尺度建模、空间分析和车辆导航具有重要意义.传统基于矢量数据的立交桥识别方法过分依赖人工设计的特征,对复杂场景的适应性较差.本文提出了一种基于目标检测Faster R-CNN神经网络模型的立交桥识别方法,该方法利用卷积神经网络学习立交桥样本的深层次结构特征,进而实现立交桥的自动识别与准确定位.试验结果表明,该方法对立交桥的识别效果较好,能够在复杂的道路网中准确确定立交桥的位置,避免了人为干预对试验结果不确定性的影响,抗干扰性较强.