如何从二维二值数字表面数据中自动提取building intervals与道路

建筑间距（building intervals）的提取需要先完成建筑、道路要素的识别提取，再通过空间计算得到对应数值，目前成熟的技术链路和可选方案如下：

1. 开源全流程工具链 #

• 要素提取阶段可直接使用遥感场景预训练的分割模型，比如DeepGlobe赛道预训练的Unet++、Mask R-CNN，针对0.3~1m分辨率的常见航拍影像，建筑、道路的分割识别精度普遍可达85%以上；你手里已有的手动标注红线数据可以直接作为训练集做微调，能进一步提升识别精度
• 栅格分割结果转矢量可以直接调用gdal_polygonize.py工具，一键输出shp格式的建筑轮廓、道路范围矢量图层
• 建筑间距计算可通过QGIS或ArcGIS的近邻分析工具实现，能批量计算单个建筑与周边相邻建筑的最短欧氏距离，即为你需要的building intervals数据

2. 商用免开发方案 #

• 国内高德、百度地图开放平台提供公开的建筑矢量、道路网数据接口，可直接拉取指定区域的要素数据后完成建筑间距计算，无需自行处理影像
• Google Earth Engine平台内置了全球覆盖的Open Buildings建筑矢量数据集，配合平台内置的公开道路数据集，可直接在线完成建筑间距的批量计算，无需本地部署模型

3. 基于OSM数据的补充方案 #

你之前尝试的OSM平台本身只提供建筑轮廓、道路中心线的原始矢量数据，没有预计算的建筑间距字段，你可以直接导出目标区域的OSM建筑矢量数据后，用上述近邻分析工具自行计算间距，若OSM的数据精度能满足你的需求，可以省去影像识别的全部流程

内容的提问来源于stack exchange，提问作者Sclaomao