摘要: 随着露天矿无人驾驶技术和智能调度的快速发展，矿车在生产调度中迫切需要更为精确、更符合实际的矿区路网模型。为了满足无人矿车的高精度路网导航需求，首先通过无人机倾斜摄影技术分别采集不同天气、不同角度和不同采矿场条件的露天矿区图像瓦片数据，结合矿区道路成像特点提出了基于矿区道路特征的图像正负分类方法，实现对矿区道路的整体划分;然后根据图像数据特征提出了一种强弱光图像互补方法，可用于消除强光数据集中图像光照失衡问题，生成最优训练集;其次露天矿区非结构化道路图像较结构化道路图像经解析处理后平面形态及连通性维度更高，横纵剖面上的几何形态等道路信息更复杂。基于ResNet101构建更符合露天矿道路提取的D-LinkNet101网络模型，运用最优训练集训练D-LinkNet101网络，并从采集到的瓦片数据中提取出道路图像;最后将提取的道路图像与原始图像(包含焦距，GPS等)结合生成露天矿路网模型，根据生成露天矿路网模型的特有噪声进行相应模型修复处理，从而生成高精度的露天矿路网模型。实验结果表明：该方法提取的路网数据真实可靠，可满足露天矿区主干路网的智能识别和路网建模的精度要求。