%A 何海威, 钱海忠, 谢丽敏, 段佩祥 %T 立交桥识别的CNN卷积神经网络法 %0 Journal Article %D 2018 %J 测绘学报 %R 10.11947/j.AGCS.2018.20170265 %P 385-395 %V 47 %N 3 %U {http://xb.chinasmp.com/CN/abstract/article_7210.shtml} %8 2018-03-20 %X OSM数据中立交桥结构的识别和分类,能够为构建多尺度模型、导航和位置服务、拥堵分析等提供重要信息。传统的立交桥识别方法依赖于人工设计的低层次特征,无法有效区分存在干扰路段的复杂立交桥结构。本文针对当前算法抗差性上存在的不足,提出了一种新的基于卷积神经网络的立交桥识别方法。该方法将矢量数据与栅格图像相结合,利用神经网络学习区分立交桥类型的高层次模糊性特征,从而对OSM中的复杂立交桥结构进行分类。试验表明,该方法有较强的抗干扰性,在复杂的立交桥形态分类中取得了良好的效果,并随着案例库的扩充和神经网络模型的优化存在进一步提升的空间。