Manual digitising of roads is an expensive and time consuming task. Several approaches
have been proposed in order to automate this task. In this work we propose an automated
method of extracting roads from data (images and elevation data) obtained with small format
cameras on board of a UAV or a small manned plane. Both the UAV data collection and the
processing have the goal of reducing the amount of work, time and costs. The basis of the
method is the detection of line segments belonging to roads (seed) and a sequential search,
from the seed, of linear features that represent the axis of the roads. The seed detection
is based on k-mean cluster and linear regression, while the sequential search uses a cost
function composed of 4 parameters. The validation of results was done by completeness,
correction and RMS indices, measured in a reference image, manually digitised. This is a
promising method, with a good quality result and economy achieved in the process.
A extração manual de rodovias é um processo exaustivo e oneroso. Várias abordagens têm
sido propostas no intuito de automatizar ou semi-automatizar essa tarefa. Nesse trabalho,
é proposto um método automático de extração de rodovia em dados (imagem e altimetria)
obtidos com câmeras de pequeno formato em VANT e em aeronave convencional. Tanto
a automatização da tarefa quanto o conceito dos dados VANT é de redução de trabalho,
custo e tempo. O fundamento do método é a deteção de segmentos de reta pertencentes a
uma rodovia (semente) e uma posterior busca sequencial, a partir da semente, de feições
lineares que representam o eixo de rodovias. A deteção de sementes tem por base o
cluster k-média e a regressão linear enquanto a busca sequencial faz uso de uma função
de aptidão composta por quatro parâmetros. A validação dos resultados foi realizada com
os índices: completeza, correção e RMS, medidos em uma imagem de referência, vetorizada
manualmente. A proposta é promissora tendo em vista a qualidade dos resultados obtidos
e a economia proporcionada em todo o processo.