基于新型遙感與攝影測量三維重建技術(shù)的車輛側(cè)翻預(yù)警系統(tǒng)研究

緒論隨著我國經(jīng)濟(jì)的快速發(fā)展，交通道路建設(shè)取得了輝煌的成就。在建設(shè)水平和規(guī)模迅速提高的同時(shí)，交通道路信息作為交通行業(yè)的基礎(chǔ)性數(shù)據(jù)，在道路規(guī)劃勘測設(shè)計(jì)、災(zāi)害監(jiān)測與評(píng)估、車輛導(dǎo)航、交通擁堵治理、道路施工建設(shè)等方向均發(fā)揮重要作用。憑借新型遙感技術(shù)、攝影測量三維重建技術(shù)、信息處理技術(shù)以及地理信息系統(tǒng)技術(shù)的飛速發(fā)展，高分辨率遙感衛(wèi)星己經(jīng)可以為人們提供清晰度高、信息豐富的遙感衛(wèi)星影像，從遙感影像中準(zhǔn)確提取目標(biāo)信息己成為可能。由于高分辨率遙感具有探測范圍廣、信息客觀準(zhǔn)確等優(yōu)點(diǎn)，為從高分辨率遙感數(shù)據(jù)中有效、快速、準(zhǔn)確提取出交通道路信息提供了一種有效手段，對(duì)于交通行業(yè)的信息化發(fā)展具有重要意義。1.1研究目的在城市交通日益擁堵的情況下，駕駛行為對(duì)研究道路交通安全、通行能力等起到了越來越重要的作用。彎道路段同普通的直線路段相比較，相同點(diǎn)是同為公路載體中的普遍線形，不同點(diǎn)是彎道路段的線形設(shè)計(jì)復(fù)雜些。彎道是車輛發(fā)生交通事故嚴(yán)重的路段，汽車在彎道路段行駛時(shí)發(fā)生的交通事故的原因主要有碰撞車輛或者靜態(tài)障礙物、駕駛時(shí)偏離原車道、駕駛速度偏高而引發(fā)的側(cè)滑側(cè)翻等。在上述因素引發(fā)的彎道交通事故中，發(fā)生頻率較高的有正面碰撞、側(cè)面碰撞和翻車。彎道上碰撞的事故大多都是要駕駛操作不當(dāng)導(dǎo)致的，所以分析彎道上的駕駛行為是十分必要的。同直線路段相比較，彎道是公路組成的一部分，它的線形設(shè)計(jì)包括圓曲線和緩和曲線，交通事故發(fā)生的頻率較高，且嚴(yán)重程度高。傳統(tǒng)的交通路網(wǎng)數(shù)據(jù)主要來自人工外業(yè)手段，消耗人力資源大，更新速度慢。交通道路信息調(diào)查方法往往耗時(shí)費(fèi)力。本文主要研究高分辨率遙感影像在交通道路信息提取的應(yīng)用情況。道路交叉口是組成道路網(wǎng)的重要元素，在遙感影像道路網(wǎng)提取中，準(zhǔn)確地對(duì)交叉口位置定位可顯著提高道路網(wǎng)提取精度和效率。采用高分辨率遙感數(shù)據(jù)提取道路信息，計(jì)算道路的彎道半徑，以方便快捷地為交通管制和預(yù)警政策制定提供準(zhǔn)確依據(jù)。1.2國外研究現(xiàn)狀針對(duì)道路自動(dòng)提取技術(shù)的研巧，在德國科學(xué)基金（DFG）的支持下，德國慕尼黑工業(yè)大學(xué)從20世紀(jì)90年代就著手研究，從1993年至2000年，他們致力于自動(dòng)提取鄉(xiāng)村道路的分析探討，把航空和衛(wèi)星遙感圖像作為數(shù)據(jù)源（分辨力為0.2ｍ至0.5ｍ），取得了很好的效果。這項(xiàng)研究工作主要包括3個(gè)方面在Ｈ維主動(dòng)輪廓模型的半自動(dòng)道路提取的基礎(chǔ)上，結(jié)合多種知識(shí)模型的道路自動(dòng)提取；在知識(shí)模型和圖像處理方法的基礎(chǔ)上，結(jié)合其它相關(guān)信息的房屋提取；在區(qū)域和特征圖像匹配的基礎(chǔ)上，對(duì)區(qū)域髙度的確定。vosseknan所帶領(lǐng)的項(xiàng)目組，在荷蘭代爾夫特工業(yè)大學(xué)攝影測量與遙感實(shí)驗(yàn)室，完成了道路提取和道路地圖的更新并開發(fā)了基于卡爾曼濾波器和輪廓匹配方法的半自動(dòng)道路提取系統(tǒng)。1.3國內(nèi)研究現(xiàn)狀隨著現(xiàn)代遙感技術(shù)的快速發(fā)展，衛(wèi)星、航空以及無人低空遙感平臺(tái)等采集了異常豐富的遙感影像數(shù)據(jù)，其涵蓋了可見光-紅外-微波，甚至紫外等更寬的電磁波譜范圍。高分辨率遙感影像數(shù)據(jù)的質(zhì)量和影像數(shù)據(jù)的數(shù)量都得到了較大的提高。從遙感影像上提取的遙感信息，從地表到大氣、從二維到三維、從定性到定量，能夠滿足日益增長的遙感應(yīng)用研究的需要。高分辨率遙感影像數(shù)據(jù)中空間信息的表達(dá)豐富、地表信息解譯能力強(qiáng)、人工目視解譯精度高等特點(diǎn)，各國應(yīng)用非常廣泛，且傳統(tǒng)高分辨率遙感數(shù)據(jù)大多是應(yīng)用于隨著高分辨率遙感衛(wèi)星應(yīng)用需求的不斷增長。近年來，高分辨率遙感技術(shù)得到了很大的發(fā)展。隨著應(yīng)用領(lǐng)域的不斷擴(kuò)展、系統(tǒng)性能的不斷提高，高分辨率遙感技術(shù)的應(yīng)用已成為智能交通系統(tǒng)中最重要的基礎(chǔ)和前提，信息的采集手段和提取方法越來越受到人們的重視。交通信息可以分為道路網(wǎng)等道路基礎(chǔ)信息和交通流等動(dòng)態(tài)交通信息。交通系統(tǒng)還只能局限在小以域內(nèi)應(yīng)用，無法大范圍、大面積地推廣。遙感技術(shù)的出現(xiàn)為交通信息采集方式提供了新的選擇。與常規(guī)基于地面平臺(tái)的方式不同，遙感以航空或航天飛行器為平臺(tái)，利用遙感進(jìn)行信息采集具有范圍廣、速度快、成本低等優(yōu)點(diǎn)。對(duì)于交通信息采集，遙感具有空間上大而積連續(xù)覆蓋的獨(dú)特優(yōu)勢，能夠在更大范圍內(nèi)獲取交通數(shù)據(jù)，這是當(dāng)前其他任何交通信息采集方式所不具備的。因此，遙感技術(shù)在交通信息采集方面擁有廣闊的前景。1.4研究內(nèi)容與思路本文基于新型遙感與攝影測量三維重建技術(shù)快速發(fā)展的背景和交通實(shí)踐中路網(wǎng)提取的現(xiàn)實(shí)需求下，重點(diǎn)研究基于高分辨率遙感影像的交通道路中彎道信息提取及應(yīng)用?；诟叻直媛蔬b感影像的交通路網(wǎng)提取技術(shù)的研究作為交通運(yùn)輸行業(yè)遙感應(yīng)用的基礎(chǔ)性研究，其提取的交通路網(wǎng)不僅本身是一種基礎(chǔ)地理信息，還可為提取其他地物目標(biāo)提供重要線索和參考價(jià)值，更能對(duì)國內(nèi)交通運(yùn)輸行業(yè)高分遙感應(yīng)用起到一定的帶動(dòng)作用。通過介紹遙感技術(shù)在交通行業(yè)的應(yīng)用現(xiàn)狀，進(jìn)而引出本課題研究的目的，簡要介紹了國內(nèi)外的研究現(xiàn)狀，提出了全文的技術(shù)路線。介紹新型遙感與攝影測量三維重建技術(shù)的核心是基于高分辨率遙感影像的交通路網(wǎng)提取技術(shù)研究，高分辨率遙感影像道路提取的相關(guān)理論基礎(chǔ)，在總結(jié)已有方法和遙感影像中道路特點(diǎn)的基礎(chǔ)上，深入研究了可融合利用的預(yù)處理和幾種常用方法；研究遙感技術(shù)提取后對(duì)所提取圖片的信息提取和處理技術(shù)。重點(diǎn)研究對(duì)轉(zhuǎn)彎半徑的信息提取和應(yīng)用。為了更好的闡述轉(zhuǎn)彎半徑的計(jì)算方法技術(shù)，文章以目前較為成熟的轉(zhuǎn)彎車速預(yù)警系統(tǒng)和轉(zhuǎn)彎防碰撞系統(tǒng)為例進(jìn)行了闡述和研究。最后總結(jié)新型遙感與攝影測量三維重建技術(shù)的研究，針對(duì)基于高分辨率遙感影像的交通道路提取技術(shù)進(jìn)行歸納，對(duì)今后的研究和應(yīng)用工作進(jìn)行展望。2新型遙感與攝影測量三維重建技術(shù)的研究2.1新型遙感與攝影測量三維重建技術(shù)的概念與核心新型遙感與攝影測量三維重建技術(shù)，其本質(zhì)是實(shí)現(xiàn)空間信息采集的自動(dòng)化和智能化，即將攝影測量與遙感技術(shù)進(jìn)行融合，充分利用該技術(shù)的高分辨率對(duì)地觀測數(shù)據(jù)具有覆蓋范圍廣、分辨率高、信息全面而真實(shí)、重返周期短等特點(diǎn)，可以提供豐富的地物信息，隨著其質(zhì)量尤其是空間分辨率的提高，遙感影像路網(wǎng)信息將成為重要的數(shù)據(jù)來源，利用遙感數(shù)據(jù)重建地面交通模型，將遙感數(shù)據(jù)轉(zhuǎn)換為有用的信息，從而確定交通參數(shù)，方便快捷地為交通管制政策制定提供準(zhǔn)確依據(jù)。道路是重要的基礎(chǔ)地理信息，對(duì)于道路網(wǎng)的自動(dòng)提取，經(jīng)過20多年的發(fā)展，已經(jīng)在特定的情況下取得了一些進(jìn)展，但至今還沒有一種針對(duì)各種道路類型和比例尺（分辨率）影像的通用提取策略和算法。交通道路網(wǎng)指在一定區(qū)域內(nèi)，由各種道路組成的相互聯(lián)絡(luò)、交織成網(wǎng)狀分布的道路系統(tǒng)。其中，全部由各級(jí)公路組成的稱為公路網(wǎng)，在城市范圍內(nèi)由各種道路組成的稱為城市道路網(wǎng)。道路網(wǎng)提取是指輸入高分辨率遙感影像，利用計(jì)算機(jī)通過一定的規(guī)則進(jìn)行識(shí)別，從而提取道路網(wǎng)?，F(xiàn)實(shí)中的道路通常有多種類型，這使得道路網(wǎng)提取難以形成一種標(biāo)準(zhǔn)的方法。實(shí)際應(yīng)用中，通常需要根據(jù)道路類別選擇合適的提取思路，因此，根據(jù)道路網(wǎng)的圖像特性對(duì)其進(jìn)行適當(dāng)分類，是提取方法研究中的必要環(huán)節(jié)。高分辨率遙感影像中，道路網(wǎng)的成像更加清晰，道路上的分道線、交通管理線、車道線都可以較清晰的呈現(xiàn)在圖像中。2.2高分辨遙感影像交通路網(wǎng)提取技術(shù)2.2.1高分辨率遙感影像道路網(wǎng)的基本模型道路在遙感影像中一般表現(xiàn)為具有一定寬度、長度并且灰度基本上保持一致的狹長區(qū)域。一般可將道路分為主要道路和一般道路。主要道路即城市的主干道，其特點(diǎn)是路面上有許多對(duì)相互平行的直線，如在主干道路面上有許多分道線、交通管理線以及車道線，它們使得路面上灰度分布不均勻。一般道路主要指的是郊區(qū)中的小路或城市中的小街道，分析遙感影像時(shí)，一般認(rèn)為該類型道路路面上灰度分布比較均勻。遙感影像中道路的特征看上去要比其他地物明顯，并且道路之間互相聯(lián)系構(gòu)成道路網(wǎng)，關(guān)系明晰，但要從高分辨率遙感影像中完全自動(dòng)的提取出道路網(wǎng)實(shí)現(xiàn)起來卻是十分困難。究其原因，是因?yàn)槟壳坝?jì)算機(jī)的人工智能尚未達(dá)到全自動(dòng)的從高分辨率遙感影像中理解與提取地物信息的水平。研究人員根據(jù)遙感影像中道路的具體表現(xiàn)形式，將遙感影像中的道路對(duì)象分為：真實(shí)世界層、幾何和材質(zhì)層、影像層。真實(shí)世界層主要包括道路網(wǎng)、交叉口、車道和人行道等對(duì)象，其與幾何和材質(zhì)層的關(guān)系是具體化的關(guān)系；幾何和材質(zhì)層是中間層，它主要描述了道路的兒何形狀和材質(zhì)；影像層可分為高分辨率影像和中、低分辨率影像兩部分，主要包括影像中的一般要素如點(diǎn)、線、邊緣及同質(zhì)區(qū)域等的表現(xiàn)形式。2.2.2角度紋理特征在道路的提取中，一個(gè)矩形模版區(qū)域繞指定點(diǎn)間隔一定角度進(jìn)行旋轉(zhuǎn)，計(jì)算在每一個(gè)位置的模版中所有點(diǎn)的紋理特征。H=-式中，k為當(dāng)前模版中灰度級(jí)的個(gè)數(shù)，p（i)為第i個(gè)灰度級(jí)的概率值。以當(dāng)前道路軌跡點(diǎn)位為旋轉(zhuǎn)點(diǎn)，以道路方向兩側(cè)各90°為限，得出角度紋理特征。根據(jù)道路特征，認(rèn)為沿道路方向的紋理相對(duì)均一，對(duì)應(yīng)的角度紋理模版方差及熵為區(qū)域極值，對(duì)于有較高亮度值的道路取最大值，反之取最小值。計(jì)算出的角度即為下一軌跡點(diǎn)的方向，沿該向延伸一定的步長，即可得到下一點(diǎn)的坐標(biāo)。角度紋理模版的寬度應(yīng)小于等于道路寬度，長度應(yīng)大于等于2倍道路寬度。目前該方法還主要適用于高分辨率全色影像；對(duì)于多光譜影像，只能利用其中的一個(gè)波段。2.2.3模板匹配一般情況下，目標(biāo)物體在不同光線照射下，通過不同圖像采集設(shè)備，在不同的位置對(duì)圖像進(jìn)行采集，將采集到的圖像進(jìn)行對(duì)比，即使是同一目標(biāo)物體的圖像也不盡是相同的，之所以會(huì)產(chǎn)生這種情況，是因?yàn)樵诓杉瘓D像的過程中，目標(biāo)物體受到諸多因素的干擾，使圖像在原有的基礎(chǔ)上發(fā)生了改變，如光照的變化、位置的變化都會(huì)使目標(biāo)物體發(fā)生轉(zhuǎn)變，模板匹配就是略過這些干擾因素，尋找模板圖與搜索圖像相同的那些點(diǎn)。模板匹配算法的基想想是：在一幅大圖中查找是否存在已知的模板圖像，通過相關(guān)搜索策略在大圖中找到與模板圖像相似的子圖像，并確定其位置。模板匹配過程大致可分為以下幾步叫：（1）圖像的取樣與量化：通過采樣設(shè)備獲取到圖像，經(jīng)過圖像處理裝置將計(jì)算機(jī)中的圖像數(shù)據(jù)以數(shù)組的方式存儲(chǔ)。（2）圖像分割：分割圖像是按照顏色、亮度或紋理來進(jìn)行判段是否一致。（3）圖像分析：分析被分割的圖像，是否可修改或合并。（4）形狀描述：將圖像編為相應(yīng)的碼。（5）物體描述；簡單分類。模板匹配的分類方法很多，通常將模板匹配分為四類匹配方法，這四類匹配方法分別是：基于灰度相關(guān)的模板匹配方法、基于特征的模板匹配方法、基于模型的模板匹配方法和基于變換域的模板匹配方法。匹配過程中所需要的匹配方法是不同的。基于灰度的模板匹配算法是基于模板與圖像中最原始的灰度值來進(jìn)行匹配的，是模板匹配中最基本的匹配思想。2.3高分辨率遙感影像信息的提取2.3.1道路提取方式道路提取方法一般根據(jù)其自動(dòng)化程度來劃分。典型的道路自動(dòng)提取系統(tǒng)由道路查詢、道路跟蹤和道路連接三部分組成。而半自動(dòng)方法需要算法與操作者的交互，它不必考慮道路查尋的問題，通常由給定的道路假設(shè)來減少搜索空間。近年來流行的另一種方法是使用先驗(yàn)信息來提取道路，這些先驗(yàn)信息包括地圖、GIS和其它地理數(shù)據(jù)庫，以及物體和場景的模型和限制等，先驗(yàn)信息有助丁得到更加完整和可靠的結(jié)果。我們應(yīng)該認(rèn)識(shí)到完整的道路提取的解釋不僅依賴于所采用的策略和方法，而且與圖象的類型有關(guān)。首先，圖象的分辨率對(duì)物體的描述有著不同的效果。高分辨率圖象中清晰的圖象細(xì)節(jié)在低分辨率中往往變得不清楚甚至消失。低分辨率圖象中的道路表現(xiàn)為線狀或不均勻的表面，容易與其它線性結(jié)構(gòu)混淆。而在高分辨率圖象中，道路的許多特征提供了道路存在的依據(jù)；另一方面，其細(xì)節(jié)信息變化很大。細(xì)節(jié)越多，檢測過程將越復(fù)雜。另外，還需要考慮不同細(xì)節(jié)對(duì)道路存在的貢獻(xiàn)。根據(jù)環(huán)境的不同（如城區(qū)、鄉(xiāng)村），道路網(wǎng)在形狀、密度等方面會(huì)有不同的復(fù)雜度。通常，幾何和亮度信息不能為城市和森林區(qū)域的道路提取提供是夠的信息。2.3.1.1半自動(dòng)提取方式半自動(dòng)道路特征提取的主要思想是：首先人工在道路上選取出初始種子點(diǎn)，然后再由計(jì)算機(jī)根據(jù)道路的影像特征進(jìn)行處理識(shí)別，擴(kuò)展種子點(diǎn)，形成道路段，在這些過程中適當(dāng)加入人機(jī)交互，最終將各個(gè)道路段連接形成完整的道路網(wǎng)。這方面已有很多研究，并取得了較好的效果。2.3.1.2自動(dòng)提取方式自動(dòng)道路特征提取包括道路特征的自動(dòng)識(shí)別和幾何特征的自動(dòng)定位，基本分成如下三個(gè)步驟：首先通過各種全局的或者局部的方法獲取道路的影像特征；然后根據(jù)第一步的結(jié)果制定相關(guān)的規(guī)則獲取道路的種子點(diǎn)，這些種子點(diǎn)是屬于道路目標(biāo)的并且在相鄰區(qū)域內(nèi)都具有豐富的影像特征；最后將種子點(diǎn)按照影像特征以及相關(guān)的判別規(guī)則擴(kuò)展成線段，將“合法”的線段保留并連接成道路網(wǎng)。其中制定的原則在現(xiàn)階段要根據(jù)不同的圖像，具體的識(shí)別目標(biāo)（比如不同等級(jí)的道路、不同材料的道路等等）具體定制，還沒有通用性，而整個(gè)理解過程包括人工智能、計(jì)算機(jī)視覺、模式識(shí)別、數(shù)學(xué)模型等內(nèi)容。2.3.1.3兩種方式的比較綜上所述，由于遙感圖像包含的信息量異常豐富，并且不同地物在空間排布上縱橫交錯(cuò)、相互影響，使得在現(xiàn)階段要實(shí)現(xiàn)一種能夠針對(duì)各種道路類型和分辨率圖像進(jìn)行目標(biāo)提取的通用的自動(dòng)系統(tǒng)還十分困難。而且從遙感圖像中提取出正確、全面的道路信息這個(gè)研究課題涉及到計(jì)算機(jī)視覺、人工智能、模式識(shí)別與圖像理解等多個(gè)領(lǐng)域，因此，雖然對(duì)自動(dòng)提取道路這個(gè)課題的研究進(jìn)行了許多年，但在目前要很好地實(shí)現(xiàn)全自動(dòng)提取還不太現(xiàn)實(shí)?，F(xiàn)階段將人工的判斷作用與計(jì)算機(jī)識(shí)別算法相結(jié)合進(jìn)行道路的半自動(dòng)特征提取，在目前來講更為現(xiàn)實(shí)。2.3.2道路中心線提取方案主要采用了基于灰度模板匹配與角度紋理特征方法，通過分析可綜合高、低分辨率影像的特點(diǎn)，充分利用目標(biāo)的全局和局部特征提取目標(biāo)。具體為：（1）首先對(duì)圖像進(jìn)行預(yù)處理，主要是對(duì)圖像進(jìn)行增強(qiáng)，提高道路與背景的對(duì)比度，便于后續(xù)處理；（2）取一個(gè)道路種子點(diǎn)，以它為中心新建一個(gè)初始模板窗，這個(gè)初始模板窗要與道路前進(jìn)的方向垂直；其中初始模板窗的選?。涸诘缆分行木€上先取一個(gè)初始種子點(diǎn)，（初始種子點(diǎn)要校正，確保它在中心線上）以它為中心新建一個(gè)（2N+1）×（2N+1）的模板窗，它與道路前進(jìn)的方向垂直，這個(gè)模板窗作為初始模板窗；（3）初始模板窗沿著道路方向以一定步長d（d<N)移動(dòng)，得到一個(gè)目標(biāo)窗；（4）目標(biāo)窗沿下圖2.1的8個(gè)搜索方向以一定的步長進(jìn)行移位，得到若干目標(biāo)（5）取與初始模板窗最相似的目標(biāo)窗的中心點(diǎn)為新的種子點(diǎn)，同時(shí)更新初始模板窗，返回步驟（3），進(jìn)行下一步迭代，在迭代過程中，如果搜索到的中心點(diǎn)偏離道路中心線，則取消偏離的點(diǎn)，返回步驟（2），再取一個(gè)初始種子點(diǎn)，開始迭代；算法如果搜索到圖像邊界或者圖像中的道路搜索完畢，這里使用的相似度準(zhǔn)則是：ε=由于高分辨率圖像道路灰度比較均勻，以提取的前十個(gè)道路中心點(diǎn)的灰度平均值作為基準(zhǔn)t1，設(shè)定一個(gè)閾值t，設(shè)搜索到的中心點(diǎn)的灰度值是t，如果|t-t1|＜e，則保留這個(gè)中心點(diǎn)，繼續(xù)選代；否則，則取消這個(gè)中心點(diǎn)，返回步驟（2）。圖2.1搜索方向2.3.3道路中心線半自動(dòng)提取研究2.3.3.1線狀道路的特征分析從高分辨遙感影像中提取信息首先必須明確所要提取目標(biāo)的內(nèi)容及其特征。正確認(rèn)識(shí)和抽象出線狀道路的特征信息，對(duì)道路的準(zhǔn)確提取具有決定性意義。極具代表性的線狀道路特征一般有如下特征：幾何特征：道路具有一定長度，曲率有一定限制，寬度有一定范圍且變化較小、方向變化緩慢。輻射特征：道路內(nèi)部灰度較均勻，并且與其相鄰的區(qū)域灰度反差較大。拓?fù)涮匦裕旱缆凡粫?huì)無故中斷，不同的道路會(huì)交叉形成道路網(wǎng)。功能特征：道路連接村莊和城鎮(zhèn)。關(guān)聯(lián)特征：高架道路會(huì)投下陰影，樹木有可能遮斷道路表面，成行的樹木有可能是道路存在的標(biāo)志。對(duì)半自動(dòng)提取中小比例尺影像上的道路提取而言，前兩者是最重要的。幾何特征表現(xiàn)為寬度變化小，方向變化緩慢，可以用樣條曲線或折線來描述。2.3.4高分辨率遙感影像預(yù)處理在對(duì)遙感影像中道路提取之前，為了改善后續(xù)算法的提取效果，尤其為保證自動(dòng)提取的魯棒性，需對(duì)圖像進(jìn)行一系列預(yù)處理，特別對(duì)于高分辨率遙感影像，其包含的信息量大噪聲復(fù)雜，預(yù)處理結(jié)果的好壞將直接關(guān)系到提取結(jié)果的準(zhǔn)確率。預(yù)處理主要包括遙感影像的校正處理、灰度化、增強(qiáng)處理和平滑處理。2.3.4.1遙感影像的輻射校正與拼接在遙感影像獲取、成像和傳輸?shù)倪^程中，一些外界因素會(huì)產(chǎn)生系統(tǒng)或隨機(jī)的輻射失真或畸變，這些失真會(huì)影響影像的質(zhì)量和應(yīng)用，將影像數(shù)據(jù)中的輻射量失真消除或改正過程叫輻射校正。利用傳感器觀測目標(biāo)物的輻射或反射的電磁能量時(shí)，傳感器得到的測量結(jié)果與目標(biāo)的光譜反射率或光譜輻射亮度等物理量不致，這是由于測量值包含了太陽位置及角度條件、以及霧需等大氣因素造成的失真。為確保目標(biāo)的反射或輻射特性得到正確評(píng)價(jià)，盡可能恢復(fù)影像的本來面目，必須將這些失真予以消除，進(jìn)行輻射校正是預(yù)處理的第一步。接下來就是影像拼接，其本質(zhì)是應(yīng)用影像配準(zhǔn)技術(shù)來消除拼接縫。找到兩幅影像之間的最佳空域變換，配準(zhǔn)過程涉及到如下4個(gè)因素：特征空間，相似性度量，搜索空間，搜索策略…特征空間是從影像中提取的用于配準(zhǔn)的信息；搜索空間是配準(zhǔn)影像之間所有可能的幾何變換組成的集合；搜索策略決定如何在搜索空間中進(jìn)行搜索以找到最優(yōu)的變換；相似測度是判斷匹配特征與參考特征是否是同名特征的度量，也是對(duì)當(dāng)前幾何變換是否最佳的評(píng)價(jià).相似性測度在匹配過程中顯得尤為關(guān)鍵，直接關(guān)系到匹配的精度，準(zhǔn)確性和可靠性.理想的相似性測度要求能夠唯一地確定同名特征.各種配準(zhǔn)算法都是這4個(gè)元素的不同選擇的組合.如灰度互相關(guān)算法，其特征空間是影像區(qū)域的灰度強(qiáng)度，搜索空間是2維空間上的平移，搜索策略采用從上到下，從左到右的窮盡搜索，相似性度量采用影像的互相關(guān)。2.3.4.2遙感影像的幾何校正遙感影像中各像元的位置坐標(biāo)與地圖坐標(biāo)系中的目標(biāo)地物坐標(biāo)的差異叫作幾何畸變。幾何畸變主要由于傳感器性能誤差、成像時(shí)的透視誤差、飛行器字體變化引起的圖像變形、地球曲率和自轉(zhuǎn)等的影響造成。將具有幾何畸變的圖像中消除畸變的過程叫作幾何校正，即定量地確定圖像上的像元坐標(biāo)與目標(biāo)物的地理坐標(biāo)的對(duì)應(yīng)關(guān)系的過程。遙感影像的幾何校正主要步驟如下：（1）確定校正方法：根據(jù)趣感影像中幾何畸變的類型和可用的校正數(shù)據(jù)確定校正方法。（2）確定校正式，確定校正式（地圖坐標(biāo)和圖像坐標(biāo)的變換式等）的結(jié)構(gòu)，結(jié)合地面控制點(diǎn)數(shù)據(jù)等求出校正式的參數(shù)。（3）驗(yàn)證校正方法、校正式的有效性；檢查幾何畸變是否充分校正，驗(yàn)證校正式的有效性，當(dāng)判斷結(jié)果為無效時(shí)，則對(duì)新的校正方法（校正式）進(jìn)行探討?；?qū)πＵ兴玫臄?shù)據(jù)進(jìn)行修改。2.4基于Snakes模型方法的道路提取Snakes模型首次被提出后就在數(shù)字圖像分析和計(jì)算機(jī)視覺等領(lǐng)域得到很大的關(guān)注，目前它已經(jīng)被廣泛應(yīng)用于邊緣檢測、圖像匹配、區(qū)域分割、目標(biāo)跟蹤等多種領(lǐng)域。以往經(jīng)典的目標(biāo)輪廓提取方法中，都是嚴(yán)格按照Mar視覺計(jì)算理論所描述的自下而上的分層處理過程。首先，在視覺處理的最底層邊緣檢測器直接作用于圖像得到包含邊緣點(diǎn)位置及邊緣強(qiáng)度和方向的邊感圖像，然后由邊緣連接算法按照預(yù)先定義的標(biāo)準(zhǔn)對(duì)邊緣點(diǎn)進(jìn)行連接，以產(chǎn)生輪廓，是一個(gè)自底而上的處理過程。而Snakes模型是一種自上而下的充分利用高級(jí)信息的處理過程，與其它特征提取技術(shù)相比其主要優(yōu)點(diǎn)是圖像數(shù)據(jù)、初始估計(jì)、目標(biāo)輪廓特征及基于知識(shí)的約束條件都集成在一個(gè)特征提取過程中，經(jīng)過適當(dāng)?shù)某跏蓟螅軌蜃灾鞯氖招У侥芰繕O小值狀態(tài)。所以利用Snakes模型進(jìn)行道路提取的思路不同于傳統(tǒng)的道路提取方法，本章將對(duì)這一問題進(jìn)行具體的分析。2.4.1道路提取具體方法及提取結(jié)果矢量化處理通過對(duì)現(xiàn)有Snakes模型道路提取方法的分析，總結(jié)得出利用Snakes模型進(jìn)行道路提取，主要由兩個(gè)基本階段組成：道路初始條件的獲取階段和利用初始條件進(jìn)行道路網(wǎng)跟蹤處理階段。Snakes模型對(duì)輪廓的初始位置比較敏感，必須依賴于其它機(jī)制進(jìn)行輪廓的初始化。若初始化條件離實(shí)際邊緣較遠(yuǎn)時(shí)，則初始輪廓不能收斂到正確的位置，甚至發(fā)散，從而不能正確提取出目標(biāo)輪廓。利用Snakes模型提取道路方法中，在道路初始化階段主要采用以下兩種方式：由人工給出初始道路位置或通過己有的道路網(wǎng)數(shù)據(jù)庫來獲得道路定位：基于傳統(tǒng)的道路提取結(jié)果進(jìn)行道路初始條件的篩選。ZiplockSnakes模型在初始化過程中，首先由人工給出幾個(gè)道路附近的控制點(diǎn)，要求足夠靠近正確的邊緣點(diǎn)，并根據(jù)該點(diǎn)處的圖像梯度方向，可得到Snakes在該點(diǎn)處的切線方向。通過這幾個(gè)條件可以產(chǎn)生一條貝賽爾曲線來初始化ZiplockSnakes。LSB-Snakes算法將已有矢量地圖中的道路網(wǎng)作為已知信息（初值），將已有的矢量化地圖中的道路網(wǎng)通過粗略的3個(gè)控制點(diǎn)進(jìn)行仿射變換，把變換的結(jié)果疊加到影像上作為模型迭代優(yōu)化初始值。用上述方法將道路的中心線進(jìn)行提取，經(jīng)過對(duì)提取道路中心線的候選點(diǎn)進(jìn)行合理且有效的篩選后，緊接著就是將提取結(jié)果矢量化處理。主要工作包括：對(duì)圖形對(duì)象進(jìn)行目標(biāo)提取，然后將目標(biāo)用點(diǎn)、線、面等矢量圖元進(jìn)行表達(dá)，以便編輯屬性信息和進(jìn)行空間失量分析，實(shí)現(xiàn)分析規(guī)劃和決策支持。矢量化是利用數(shù)字圖像處理算法，將柵格位圖的各種柵格點(diǎn)陣轉(zhuǎn)換成為矢量圖元如點(diǎn)、線和面等，構(gòu)成拓?fù)潢P(guān)系，并以一定數(shù)據(jù)文件格式保存起來，形成矢量圖。矢量化技術(shù)是將柵格位圖中的點(diǎn)、組成線和面的點(diǎn)集轉(zhuǎn)換成矢量點(diǎn)、線和面。點(diǎn)數(shù)據(jù)的矢量轉(zhuǎn)換只需將柵格點(diǎn)的中心坐標(biāo)轉(zhuǎn)換為矢量坐標(biāo)即可；線對(duì)象的矢量轉(zhuǎn)換需要對(duì)線狀圖形進(jìn)行識(shí)別與提取，繼而根據(jù)線狀圖形走向進(jìn)行沿線跟蹤，將線上柵格序列點(diǎn)坐標(biāo)轉(zhuǎn)換為失量坐標(biāo)，并儲(chǔ)存其各點(diǎn)間的矢量關(guān)系，形成線元整體；而面對(duì)象的矢量轉(zhuǎn)換則是提取具有相同圖形屬性編碼的柵格集合，矢量化其邊界線及儲(chǔ)存邊界與邊界之間的拓?fù)潢P(guān)系，并將邊界所圍城的區(qū)城內(nèi)部賦與相同的因形屬性，形成面狀矢量對(duì)象。柵格位圖經(jīng)矢量化預(yù)處理和細(xì)化之后，圖像中的元素主要表現(xiàn)為點(diǎn)、直線、曲線和一些面區(qū)城等基本矢量圖元。由于區(qū)城本質(zhì)是由直線和曲線邊界及其圍成的特定空間內(nèi)部點(diǎn)集組成，因而，目前地圖矢量化主要是集中在對(duì)線狀對(duì)象的矢量化和符號(hào)文字等信息的提取與識(shí)別等方面，而在結(jié)合本文研究的高分辨率遙感信息影響線狀道路的信息提取下，故選擇該種矢量化方法。3道路彎道半徑信息測量與提取近年來，出現(xiàn)了許多基于超聲波、微波、激光、紅外、等技術(shù)的彎道半徑測量方法。而視覺信號(hào)具有探測范圍寬、價(jià)格便宜、符合人的認(rèn)知習(xí)慣等優(yōu)點(diǎn)，特別是在對(duì)車道檢測和識(shí)別上具有無法代替的優(yōu)勢。因此，用圖像處理的方法，來提取和測量通過遙感技術(shù)捕捉到的圖像從而計(jì)算出轉(zhuǎn)彎半徑，和相關(guān)的彎道信息從而來減少彎道處交通事故發(fā)生率的問題越來越受到青睞。彎道圖像包含豐富的道路信息和環(huán)境信息，解釋了道路周圍場景。彎道檢測是從道路圖像中檢測出彎曲車道線的邊界，這也是對(duì)彎道理解的基礎(chǔ)。在檢測出彎道邊界的基礎(chǔ)上，確定車道偏離評(píng)價(jià)算法，根據(jù)彎道的曲率半徑給出車輛在彎道處的臨界安全車速，或者進(jìn)一步判斷道路彎曲方向，識(shí)別前方道路上的障礙物。3.1彎道檢測方法彎道檢測與傳統(tǒng)道路檢測的相同之處在于，其目的也是檢測出圖像中的道路邊界。但區(qū)別在于彎道檢測不僅要識(shí)別出道路邊界線，還需要判斷道路彎曲方向，確定彎道的曲率半徑。目前，常用的車道檢測方法可分為2大類：基于道路特征和基于道路模型的方法。一般基于道路特征的方法在道路標(biāo)記明顯和完整的條件下才會(huì)有較好的檢測效果，而基于道路模型的方法可以克服此弊端。國內(nèi)外彎道檢測的方法主要是基于道路模型的方法，即將彎道檢測轉(zhuǎn)化為各種曲線模型中數(shù)學(xué)參數(shù)的求解問題。傳統(tǒng)彎道檢測方法一般分為建立彎道模型、提取車道線像素點(diǎn)、擬合車道線模型3個(gè)步驟。3.2彎道半徑的計(jì)算整個(gè)圖像處理系統(tǒng)是為了得到公路彎道半徑，因此，圖像處理的過程也可以看作是一個(gè)半徑計(jì)算系統(tǒng)。下圖說明整個(gè)半徑計(jì)算過程。圖2-2彎道半徑計(jì)算系統(tǒng)4基于遙感的彎道側(cè)翻預(yù)警研究4.1彎道側(cè)翻的事故分析研究彎道路段各種形態(tài)的交通事故的分布及其變化規(guī)律，可以總結(jié)出彎道路段交通事故的主要形態(tài)，在此基礎(chǔ)上對(duì)交通事故主要形態(tài)發(fā)生的原因進(jìn)行分析，得到影響該類形態(tài)交通事故的影響因素，為后期交通安全的治理提供依據(jù)。為了調(diào)查近幾年不同形態(tài)交通事故的分布情況，本文參考2010年和2011年的事故形態(tài)統(tǒng)計(jì)進(jìn)行分析，表是我國2010年和2011年發(fā)生在彎道路段不同形態(tài)交通事故的統(tǒng)計(jì)表，圖是2010年和2011年彎道路段不同形態(tài)交通事故的的分布圖。表12010年和2011年彎道路段不同形態(tài)交通事故統(tǒng)計(jì)表根據(jù)圖我們可以看出,在近兩年的交通事故中翻車的交通事故占到了13.19%，其他形態(tài)的交通事故所占比例較低。翻車事故是指車輛的兩個(gè)側(cè)輪或者全部車輪懸空離開地面并且車身著地的事故，以側(cè)翻最為常見。翻車事故的原因包括：①道路因素，車輛通過的彎道半徑過小、超高設(shè)計(jì)不合理以及摩擦系數(shù)過低；②車速過高導(dǎo)致離心力過大，車輛的傾覆力矩逐漸增大并超過限制，導(dǎo)致側(cè)滑或者側(cè)翻；③駕駛員操作不當(dāng)，例如緊張引起的急剎車和急打方向盤等；④車輛的重心位置發(fā)生偏移，重心高度發(fā)生變化引起傾覆力矩增大超過限制，引起翻車。城市交通應(yīng)急和交通災(zāi)害預(yù)警監(jiān)測我國自2000年以來，每年死于交通事故的人數(shù)都在10萬人左右，平均每天有將近300人死于道路交通事故，其中致死率高達(dá)百分之十七，遠(yuǎn)高于發(fā)達(dá)國家。交通事故應(yīng)急工作不及時(shí)，緊急救援不力是造成我國交通事故死亡人數(shù)居高不下的重要問題。因此，對(duì)各種突發(fā)事件的應(yīng)急監(jiān)控和快速、高效地應(yīng)對(duì)是現(xiàn)代城市交通中的重要問題，交通運(yùn)輸?shù)陌l(fā)展對(duì)城市交通監(jiān)控的需求日趨強(qiáng)烈。遙感數(shù)據(jù)覆蓋范圍廣、時(shí)效性強(qiáng)、精度高，能滿足城市交通應(yīng)急數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性的要求。如航空遙感數(shù)據(jù)的空間分辨率可以達(dá)到厘米級(jí)，在如此高分辨的數(shù)據(jù)中城市道路、車輛等交通應(yīng)急所需要的信息都清楚可見。獲取準(zhǔn)確的數(shù)據(jù)之后，再借助地理信息系統(tǒng)建模，配合通訊和網(wǎng)絡(luò)技術(shù)，可以實(shí)現(xiàn)車輛和路網(wǎng)的信息提取、應(yīng)急事件的快速響應(yīng)和處理。4.2彎道預(yù)警方法研究4.2.1公路彎道在遙感圖像中的識(shí)別在道路彎道識(shí)別方面，主要的技術(shù)思路是：利用高分辨率衛(wèi)星遙感影像，采用面向?qū)ο笮畔⑻崛〖夹g(shù)，根據(jù)道路目標(biāo)的光譜和形狀特征建立遙感信息模型，識(shí)別出道路邊界線；利用大比例尺公路網(wǎng)數(shù)據(jù)與道路邊界識(shí)別結(jié)果進(jìn)行矢量操作分析，得到道路邊界彎道的部分；對(duì)初步提取的彎道路段結(jié)果，進(jìn)行人工檢查和調(diào)整，最終提取出彎道路段。以下是技術(shù)流程圖：4.2.2遙感對(duì)彎道預(yù)警的途徑1）遙感和地理信息系統(tǒng)對(duì)預(yù)警的支持地理信息系統(tǒng)（GIS）是以地理空間數(shù)據(jù)為基礎(chǔ)，按照地理特征的關(guān)聯(lián)，將多方面的數(shù)據(jù)以不同層次聯(lián)系起來，構(gòu)成現(xiàn)實(shí)世界模型，并在此基礎(chǔ)上采用地理模型分析方法，提供多種空間和動(dòng)態(tài)的地理信息，為地理研究和空間輔助決策服務(wù)建立起來的計(jì)算機(jī)技術(shù)系統(tǒng)。它是解決空間問題的工具、方法和技術(shù)，具有數(shù)據(jù)存儲(chǔ)、顯示、編輯、處理、分析和輸出等功能，可為各種交通相關(guān)信息的管理與分析及各類問題的輔助決策提供良好的技術(shù)支持。所以說遙感技術(shù)要和地理信息系統(tǒng)配合將對(duì)公路洪水災(zāi)害的預(yù)警提供強(qiáng)有力的支持。交通運(yùn)輸部在項(xiàng)目《西部公路交通抗災(zāi)搶險(xiǎn)輔助決策支持系統(tǒng)研究及應(yīng)用》中遙感與地理信息系統(tǒng)的一體化集成應(yīng)用技術(shù)進(jìn)行了研究，研究中為了提高遙感影像信息提取、分析和出圖、結(jié)果輸出速度，實(shí)現(xiàn)了從遙感和矢量數(shù)據(jù)準(zhǔn)備、目標(biāo)識(shí)別和信息提取到災(zāi)損分析結(jié)果輸出、操作流程化、功能一體化，研究結(jié)合ENVIIDL和ArcGISEngine進(jìn)行二次開發(fā)，將遙感影像專業(yè)處理分析和矢量地圖分析、出圖等功能實(shí)現(xiàn)無縫銜接，提高數(shù)據(jù)分析和處理工作效率。ArcGISEngine是ESRIArcGIS平臺(tái)軟件提供的組件式開發(fā)工具包，可以靈活、快捷、方便地定制各類GIS功能，在研究完成的應(yīng)用系統(tǒng)中實(shí)現(xiàn)空間分析、空間數(shù)據(jù)瀏覽、矢量要素編輯以及專題圖制作等。2）遙感技術(shù)與GPS和GIS技術(shù)對(duì)預(yù)警的支持GPS是利用導(dǎo)航衛(wèi)星進(jìn)行測時(shí)和測距的一種結(jié)合衛(wèi)星及通訊發(fā)展的技術(shù)，應(yīng)用其廣泛，尤其在公路交通鄰域，它具有采集效率高、精度高、實(shí)時(shí)性強(qiáng)等優(yōu)點(diǎn)，所以運(yùn)用到對(duì)公路洪水災(zāi)害的預(yù)警中，將發(fā)揮極大的作用。遙感（RS）為空間數(shù)據(jù)框架的采集和更新提供了必要的數(shù)據(jù)源，為建立應(yīng)用系統(tǒng)及建設(shè)集成環(huán)境提供技術(shù)支持；GIS技術(shù)為海量空間數(shù)據(jù)的存儲(chǔ)、管理、分析和應(yīng)用提供了強(qiáng)有力的技術(shù)手段；GPS定位技術(shù)的發(fā)展和應(yīng)用大大加快了數(shù)據(jù)采集的進(jìn)程。利用GIS、GPS對(duì)RS的輔助測量功能，將三者有機(jī)地結(jié)合，從而使測量方法更科學(xué)、測量數(shù)據(jù)更準(zhǔn)確。因此，3S技術(shù)的集成應(yīng)用已成為當(dāng)前國內(nèi)外研究與應(yīng)用的熱點(diǎn)，對(duì)公路彎道側(cè)翻的預(yù)警也有相當(dāng)大的可發(fā)展空間4.2.3遙感對(duì)彎道預(yù)警的方法根據(jù)預(yù)警搶險(xiǎn)數(shù)據(jù)庫的綜合信息收集處理，對(duì)公路彎道側(cè)翻預(yù)警提供必要的支持?？梢圆捎酶鶕?jù)預(yù)警等級(jí)的支持方法預(yù)警的等級(jí)不同說明彎道對(duì)公路上車輛速度的影響和作用范圍也不同。所以說，對(duì)預(yù)警的支持也要根據(jù)預(yù)警等級(jí)的不同而做相應(yīng)的區(qū)別。根據(jù)遙感影像的數(shù)據(jù)和路網(wǎng)疊加，判斷彎道的側(cè)翻指數(shù)。一般情況下，公路彎道翻車是由于超重或轉(zhuǎn)彎速度過高形成，所以在行駛過程中要及時(shí)注意。提供預(yù)警支持方法具體可以根據(jù)預(yù)警等級(jí)分為以下4個(gè)方面：（1）根據(jù)遙感得到的公路彎道的影像信息判斷可能因公路彎道過大（過?。┛赡軐?dǎo)致的速度變化、造成車輛側(cè)翻、車輛阻塞或者人員大量滯留，公路彎道堵塞導(dǎo)致周邊道路運(yùn)行受到影響；可能因公路彎道翻車可能導(dǎo)致重要客運(yùn)干線樞紐的運(yùn)行中斷停止，造成旅客大量滯留，人員的疏散和恢復(fù)運(yùn)行的時(shí)間預(yù)計(jì)在48小時(shí)以上；由以上原因造成可能使全國或者大面積地區(qū)的整體交通運(yùn)行產(chǎn)生嚴(yán)重影響，人民的生活不能正常進(jìn)行，可以作為預(yù)警的最高等級(jí)一級(jí)。（2）根據(jù)遙感得到的公路彎道的影像信息判斷可能導(dǎo)因公路彎道半過大（過?。?dǎo)致的國家干線公路翻車、造成交通中斷、車輛阻塞或者人員大量滯留，公路損毀導(dǎo)致周邊道路運(yùn)行受到影響；可能因公路彎道翻車可能導(dǎo)致重要客運(yùn)干線樞紐的運(yùn)行中斷停止，造成旅客大量滯留，人員的疏散和恢復(fù)運(yùn)行的時(shí)間預(yù)計(jì)在24小時(shí)以上；可以作為預(yù)警等級(jí)二級(jí)，要采取必要措施防治災(zāi)情進(jìn)一步惡化，因?yàn)檫b感的實(shí)時(shí)和快速性，在各部門都知情的情況下，可以做到快速應(yīng)急，得到控制。（3）根據(jù)遙感得到的公路彎道的影像信息判斷并,參照一級(jí)和二級(jí)預(yù)警等級(jí)，結(jié)合地方特點(diǎn)確定公路彎道半徑程度，只需要限速（限重），可以作為預(yù)警等級(jí)三級(jí)。（4）根據(jù)遙感得到的公路彎道信息的影像信息判斷，根據(jù)地方特點(diǎn)地形地勢，僅需要標(biāo)示注意前方彎道。可作為預(yù)警等級(jí)四級(jí)。5遙感在公路彎道中的應(yīng)用5.1車速預(yù)警系統(tǒng)在車速預(yù)警系統(tǒng)中要計(jì)算車輛在彎道處的臨界安全車速，首先需要確定彎道的曲率半徑。黃勇等根據(jù)擬合曲線由余弦定理求得彎道半徑，根據(jù)車輛臨界側(cè)滑狀態(tài)和臨界側(cè)翻狀態(tài)確定了彎道處的臨界安全車速，給駕駛員一個(gè)定量的車速控制提示。Loose等首先利用坐標(biāo)轉(zhuǎn)換將圖像坐標(biāo)系下的彎道圖像轉(zhuǎn)換成世界坐標(biāo)系下的彎道模型，然后根據(jù)實(shí)際的車道線圖像計(jì)算彎道處的曲率半徑。警示類限速設(shè)施是指高速公路沿線設(shè)置的用于提醒駕駛員注意限速、警示超速行為的高速公路配套設(shè)施。高速公路路政部門通過在高速公路路段沿線設(shè)置這類設(shè)施，從視覺上對(duì)駕駛員形成刺激，已達(dá)到讓駕駛員在限速范圍內(nèi)行駛的目的。警示類限速設(shè)施主要包括：限速標(biāo)志、限速標(biāo)線、雷達(dá)測速裝置等。5.2無人駕駛道路檢測系統(tǒng)要使得無人駕駛系統(tǒng)能夠在彎道實(shí)現(xiàn)正確的判斷，必須能夠做到：正確識(shí)別出道路的邊界；準(zhǔn)確判斷道路延伸的方向；很好地預(yù)測汽車預(yù)期行駛的軌跡點(diǎn)；識(shí)別出障礙物和本車道的相對(duì)位置。因此，準(zhǔn)確判斷道路走向?qū)τ跓o人駕駛系統(tǒng)的實(shí)現(xiàn)至關(guān)重要。在實(shí)現(xiàn)彎道檢測的基礎(chǔ)上判斷彎道方向時(shí)，通常的算法是通過對(duì)白色分道線的識(shí)別，再以分道線的走向進(jìn)一步識(shí)別彎道的方向。如黃勇等通過判斷擬合曲線的交點(diǎn)與兩直線交點(diǎn)的相對(duì)位