CN114326754B - 复杂地形路径规划方法、装置、电子设备和存储介质 - Google Patents
复杂地形路径规划方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114326754B CN114326754B CN202210221246.6A CN202210221246A CN114326754B CN 114326754 B CN114326754 B CN 114326754B CN 202210221246 A CN202210221246 A CN 202210221246A CN 114326754 B CN114326754 B CN 114326754B
- Authority
- CN
- China
- Prior art keywords
- grid
- traffic
- feasibility
- terrain
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000000873 masking effect Effects 0.000 claims description 28
- 230000003595 spectral effect Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000013145 classification model Methods 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种复杂地形路径规划方法、装置、电子设备和存储介质,其中方法包括:获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;以遥感影像数据中像素对应的地理区域为栅格,生成目标区域的栅格地图;基于遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性;基于栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定目标区域中起点与终点之间的规划路径。本发明提供的方法、装置、电子设备和存储介质,能够在道路信息不全或者缺少道路的野外环境中自动规划出适合车辆行驶的最优路径,提高了车辆在野外环境中行驶的安全性和通行效率。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种复杂地形路径规划方法、装置、电子设备和存储介质。
背景技术
在野外救援、应急抢险救灾、野外新修道路选址、泄洪区清场、试验区清场、火灾警示清场等复杂地形环境下,通常需要车辆从某一地域快速转移到另外一个地域。现有的路径规划方法都是根据已有的道路信息进行规划,无法在道路信息不全或者缺少道路的野外环境中规划车辆的行进路线。
因此,如何在复杂地形环境下生成车辆的最优行进路线成为业界亟待解决的技术问题。
发明内容
本发明提供一种复杂地形路径规划方法、装置、电子设备和存储介质,用于解决如何在复杂地形环境下生成车辆的最优行进路线的技术问题。
本发明提供一种复杂地形路径规划方法,包括:
获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;
以所述遥感影像数据中像素对应的地理区域为栅格,生成所述目标区域的栅格地图;
基于所述遥感影像数据、所述道路矢量数据和所述地形高程数据,确定所述栅格地图中每一栅格的通行可行性;
基于所述栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定所述目标区域中起点与终点之间的规划路径。
根据本发明提供的复杂地形路径规划方法,所述基于所述遥感影像数据、所述道路矢量数据和所述地形高程数据,确定所述栅格地图中每一栅格的通行可行性,包括:
基于所述遥感影像数据的光谱特征和/或纹理特征,确定所述栅格地图中每一栅格的地形通行可行性;
基于所述道路矢量数据中每一道路的位置,确定所述栅格地图中每一栅格的道路通行可行性;
基于所述地形高程数据中的坡度信息,确定所述栅格地图中每一栅格的坡度通行可行性;
基于所述栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定所述栅格地图中每一栅格的通行可行性。
根据本发明提供的复杂地形路径规划方法,所述基于所述遥感影像数据的光谱特征和/或纹理特征,确定所述栅格地图中每一栅格的地形通行可行性,包括:
基于所述遥感影像数据的光谱特征和/或纹理特征,确定所述遥感影像数据中每一像素对应的地形类型;
基于每一像素对应的地形类型,以及每一地形类型对应的通行可行性,确定所述遥感影像数据中每一像素的通行可行性;
基于所述遥感影像数据中每一像素的通行可行性,确定所述栅格地图中每一栅格的地形通行可行性。
根据本发明提供的复杂地形路径规划方法,所述基于所述道路矢量数据中每一道路的位置,确定所述栅格地图中每一栅格的道路通行可行性,包括:
基于所述道路矢量数据中每一道路的中心线位置,以及每一道路对应的缓冲区宽度,确定每一道路对应的缓冲区域;
基于每一道路对应的缓冲区域,确定所述遥感影像数据中每一道路对应的像素区域;
基于所述遥感影像数据中每一道路对应的像素区域,确定所述栅格地图中每一栅格的道路通行可行性。
根据本发明提供的复杂地形路径规划方法,所述基于所述地形高程数据中的坡度信息,确定所述栅格地图中每一栅格的坡度通行可行性,包括:
基于所述地形高程数据中的坡度信息,确定所述遥感影像数据中每一像素对应的地理区域的坡度大小;
基于所述遥感影像数据中每一像素对应的地理区域的坡度大小,确定所述栅格地图中每一栅格的坡度通行可行性。
根据本发明提供的复杂地形路径规划方法,所述基于所述栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定所述栅格地图中每一栅格的通行可行性,包括:
对所述栅格地图中地形通行可行性小于预设地形通行阈值的栅格进行掩膜,得到所述栅格地图对应的地形通行掩膜区域;
对所述栅格地图中道路通行可行性小于预设道路通行阈值的栅格进行掩膜,得到所述栅格地图对应的道路通行掩膜区域;
对所述栅格地图中坡度通行可行性小于预设坡度通行阈值的栅格进行掩膜,得到所述栅格地图对应的坡度通行掩膜区域;
将所述地形通行掩膜区域与所述道路通行掩膜区域取交集后,与所述坡度通行掩膜区域取并集,得到所述栅格地图中的可通行栅格;
基于所述栅格地图中每一可通行栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定所述栅格地图中每一可通行栅格的通行可行性。
根据本发明提供的复杂地形路径规划方法,所述基于所述栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定所述目标区域中起点与终点之间的规划路径,包括:
以起点所在栅格为起始节点,以终点所在栅格为终止节点,以所述栅格地图中的其余栅格为待扩展节点,基于A星算法确定所述目标区域中起点与终点之间的规划路径;
其中,所述A星算法中的任一待扩展节点的总距离函数是基于所述任一待扩展节点与所述起始节点之间的对角线距离、所述任一待扩展节点对应的栅格的通行可行性和所述任一待扩展节点与所述终止节点之间的欧几里得距离确定的。
本发明提供一种复杂地形路径规划装置,包括:
获取单元,用于获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;
生成单元,用于以所述遥感影像数据中像素对应的地理区域为栅格,生成所述目标区域的栅格地图;
确定单元,用于基于所述遥感影像数据、所述道路矢量数据和所述地形高程数据,确定所述栅格地图中每一栅格的通行可行性;
规划单元,用于基于所述栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定所述目标区域中起点与终点之间的规划路径。
本发明提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的复杂地形路径规划方法。
本发明提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的复杂地形路径规划方法。
本发明实施例提供的复杂地形路径规划方法、装置、电子设备和存储介质,获取目标区域的遥感影像数据、道路矢量数据和地形高程数据,根据遥感影像数据生成目标区域的栅格地图,根据遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性,并在栅格地图中确定目标区域中起点与终点之间的规划路径,综合考虑了复杂地形中的地形信息、道路信息和坡度信息,能够在道路信息不全或者缺少道路的野外环境中自动规划出适合车辆行驶的最优路径,提高了车辆在野外环境中行驶的安全性和通行效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的复杂地形路径规划方法的流程示意图;
图2是本发明提供的复杂地形路径规划装置的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明提供的复杂地形路径规划方法的流程示意图,如图1所示,该方法包括步骤110、步骤120、步骤130和步骤140。
步骤110,获取目标区域的遥感影像数据、道路矢量数据和地形高程数据。
具体地,本发明实施例提供的复杂地形路径规划方法适用于对行驶在复杂地形区域下的车辆进行自动路径规划。复杂地形区域是指包含野外环境的地理区域,包括裸地、草地、沙地、田地、林地、水地、建筑地、山地等地形,缺少道路或者道路不全,障碍物种类繁多,地貌变化复杂,对车辆的通过性影响较大。车辆的通过性用于衡量车辆能否顺利行驶通过复杂地形区域。
遥感影像数据,是指通过航天器上的成像设备对目标区域进行拍摄得到的图像数据。通过遥感影像数据,可以分辨出目标区域内的各个地形。例如,可以对目标区域的遥感影像数据中的地物类型进行识别,得到目标区域中所包含的草地、山地、水地等,还可以识别出目标区域内所包含的道路和建筑物等。
道路矢量数据,是指以矢量形式表示目标区域中道路的位置和形状等特征的数据。道路矢量数据可以通过公开的数据源获取。
地形高程数据,是指记录目标区域内地面各点沿铅垂线到绝对基面的距离的数据。通过地形高程数据,可以分析得到地形的坡度、坡向以及坡度变化率等参数。地形高程数据可以通过数字高程模型(Digital Elevation Model,DEM)获取。数字高程模型可以从公开数据源中获取。
步骤120,以遥感影像数据中像素对应的地理区域为栅格,生成目标区域的栅格地图。
具体地,遥感影像数据是通过航天器上的成像设备拍摄的,其包含的像素数量是由成像设备的分辨率决定的。目标区域的遥感影像数据中的每一像素对应目标区域中的一个地理区域。对于目标区域而言,遥感影像数据的分辨率越高,像素点也就越多,显示效果越精细,每一像素点对应的地理区域的面积也就越小。
可以以像素对应的地理区域为一个栅格,对目标区域的遥感影像数据所在的二维地理空间进行栅格化,从而得到目标区域的栅格地图。像素对应的地理区域的单位长度为单位栅格的长度。
一个栅格可以为一个像素对应的地理区域,也可以为多个像素对应的地理区域。可以理解的是,一个栅格对应的像素越少,栅格地图的精度越高,路径规划的精度也就越高,路径规划的运算量越高;一个栅格对应的像素越多,栅格地图的精度越低,路径规划的精度也就越低,路径规划的运算量也就越少。
步骤130,基于遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性。
具体地,根据遥感影像数据,可以确定目标区域中的地形信息,不同的地形对于车辆的通过性的影响是不同的。根据道路矢量数据,可以确定目标区域中的道路信息,道路区域和非道路区域对于车辆的通过性的影响是不同的。根据地形高程数据,可以确定目标区域中的坡度信息,不同坡度的地面对于车辆的通过性的影响也是不同的。
可以通过遥感影像数据、道路矢量数据和地形高程数据,确定遥感影像数据中每一像素对应的地理区域对车辆通过性的影响,进而确定栅格地图中每一栅格的通行可行性。
通行可行性,用于衡量栅格对应区域对车辆通过性的影响。通行可行性越高,表明栅格对应区域适宜车辆通过的可能性越高,通行可行性越低,表明栅格对应区域适宜车辆通过的可能性越低。
步骤140,基于栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定目标区域中起点与终点之间的规划路径。
具体地,可以在栅格地图中设定起点和终点,确定起点所在的栅格和终点所在的栅格。
每一栅格的通行可行性可以用通行权重表示。通行可行性越高,车辆经过该栅格遇到的障碍也就越少,通行权重也就越高;通行可行性越低,车辆经过该栅格遇到的障碍也就越多,通行权重也就越低。
考虑每一栅格的通行权重,按照路径规划算法,确定目标区域中起点与终点之间的规划路径。路径规划算法可以选择A星算法、贪心算法、广度优先搜索算法(BFS)、深度优先搜索算法(DFS)和Dijkstra算法等。
本发明实施例提供的复杂地形路径规划方法,获取目标区域的遥感影像数据、道路矢量数据和地形高程数据,根据遥感影像数据生成目标区域的栅格地图,根据遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性,并在栅格地图中确定目标区域中起点与终点之间的规划路径,综合考虑了复杂地形中的地形信息、道路信息和坡度信息,能够在道路信息不全或者缺少道路的野外环境中自动规划出适合车辆行驶的最优路径,提高了车辆在野外环境中行驶的安全性和通行效率。
基于上述实施例,步骤130包括:
基于遥感影像数据的光谱特征和/或纹理特征,确定栅格地图中每一栅格的地形通行可行性;
基于道路矢量数据中每一道路的位置,确定栅格地图中每一栅格的道路通行可行性;
基于地形高程数据中的坡度信息,确定栅格地图中每一栅格的坡度通行可行性;
基于栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定栅格地图中每一栅格的通行可行性。
具体地,地形通行可行性是指地形信息对车辆通过性的影响。在遥感影像数据中,不同地面和不同事物的显示效果是不同的,这些不同可以通过遥感影像数据中的光谱特征和纹理特征体现出来。光谱特征是指地形区域在遥感影像数据中的颜色、灰度和亮度等特征。纹理特征是指地形区域在遥感影像数据中图案要素分布的周期性、均匀性和方向性等特征。例如,草地和林地在遥感影像数据中的像素的光谱特征是不同的,山地和水地在遥感影像数据中的纹理特征是不同的。因此,可以根据光谱特征和/或纹理特征确定遥感影像数据中的地形类别,从而区分出便于车辆行驶通过的地形区域。这些地形区域所在的栅格相比于其他栅格,便于车辆行驶通过,也就是具有较高的地形通行可行性。
道路通行可行性是指道路信息对车辆通过性的影响。根据道路矢量数据中每一道路的位置,在遥感影像数据中确定道路对应的像素,进而可以在目标区域的栅格地图中确定每一道路所在的栅格。这些栅格对应的地理区域是道路区域,相对于其他栅格,便于车辆行驶通过,也就是具有较高的道路通行可行性。
坡度通行可行性是指坡度信息对车辆通过性的影响。根据地形高程数据中的坡度信息,可以在遥感影像数据中确定每一像素的坡度大小,进而在目标区域的栅格地图中确定每一栅格对应的地理区域的坡度大小。坡度较小的栅格相比于坡度较大的栅格,便于车辆行驶通过,也就是具有较高的坡度通行可行性。
根据栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,可以综合确定栅格地图中每一栅格的通行可行性。例如,可以选择取各个通行可行性的最大值或者和,来确定每一栅格最终的通行可行性。
基于上述任一实施例,基于遥感影像数据的光谱特征和/或纹理特征,确定栅格地图中每一栅格的地形通行可行性,包括:
基于遥感影像数据的光谱特征和/或纹理特征,确定遥感影像数据中每一像素对应的地形类型;
基于每一像素对应的地形类型,以及每一地形类型对应的通行可行性,确定遥感影像数据中每一像素的通行可行性;
基于遥感影像数据中每一像素的通行可行性,确定栅格地图中每一栅格的地形通行可行性。
具体地,在获取遥感影像数据后,可以根据光谱特征和/或纹理特征,来确定遥感影像数据中每一像素对应的地形类型。地形类型包括裸地、草地、沙地、田地、林地、水地、建筑地、山地等。可以理解的是,每一地形类型对应的通行可行性是不同的。例如,裸地和草地的通行可行性较高,沙地和田地的通行可行性次之,山地、林地和建筑地的通行可行性较低,水地的通行可行性最低(无法通行)。
确定遥感影像数据中每一像素对应的地形类型可以通过采用地形分类模型来实现。将遥感影像数据输入至地形分类模型,得到地形分类模型输出的每一像素对应的地形类型。
地形分类模型是可以预先训练得到的。首先,在遥感影像数据中选择部分像素作为样本像素,采用人工识别得到样本像素对应的地形类型标签,然后将样本像素和样本像素对应的地形类型标签输入至初始模型中,使初始模型对像素对应的地形类型和像素对应的光谱特征和/或纹理特征之间的关联性进行学习,提高对像素的地形类型的识别能力,最终得到地形分类模型。初始模型可以选择神经网络模型。
根据每一像素对应的地形类型,以及每一地形类型对应的通行可行性,可以确定遥感影像数据中每一像素的通行可行性,再根据像素与栅格的对应关系,可以确定栅格地图中每一栅格的地形通行可行性。
基于上述任一实施例,基于遥感影像数据的光谱特征和/或纹理特征,确定遥感影像数据中每一像素对应的地形类型,之前包括:
对目标区域的遥感影像数据进行预处理,预处理包括辐射校正、大气校正、正射校正、几何配准、图像融合中的至少一种。
具体地,对目标区域的遥感影像数据进行预处理,可以提高遥感影像数据中数据的准确性。
辐射校正,用于消除遥感影像数据中辐射亮度中的各种失真。可以用公式表示为:
大气校正,用于消除由大气影响所造成的辐射误差,反映地物真实的表面反射率。可以用公式表示为:
正射校正用于将遥感影像数据的中心投影的影像进行纠正形成正射投影影像。几何配准用于消除遥感影像数据的几何畸变。图像融合用于对多张遥感影像数据进行拼接。
基于上述任一实施例,基于道路矢量数据中每一道路的位置,确定栅格地图中每一栅格的道路通行可行性,包括:
基于道路矢量数据中每一道路的中心线位置,以及每一道路对应的缓冲区宽度,确定每一道路对应的缓冲区域;
基于每一道路对应的缓冲区域,确定遥感影像数据中每一道路对应的像素区域;
基于遥感影像数据中每一道路对应的像素区域,确定栅格地图中每一栅格的道路通行可行性。
具体地,对地理信息进行空间分析时,线要素的缓冲区,通常是以线为中心轴线,距中心轴线一定距离的平行条带多边形。相应地,道路对应的缓冲区是指以道路中心线为中心轴线,道路可能占据的平面区域。
由于道路是分等级的,每一等级的道路的实际宽度不同,体现在遥感影像数据中的宽度也不同。例如,对于一级道路,其道路总宽为40至70米左右,缓冲区宽度可以选择为55米;对于二级道路,其道路总宽为30至60米左右,缓冲区宽度可以选择为45米;对于三级道路,其道路总宽为20至40米左右,缓冲区宽度可以选择为30米;对于四级道路,其道路总宽为16至30米左右,缓冲区宽度可以选择为25米。
根据道路矢量数据中每一道路的中心线位置,以及每一道路对应的缓冲区宽度,可以确定每一道路对应的缓冲区域。在遥感影像数据中,每一道路对应的缓冲区域所覆盖的像素区域即为每一道路对应的像素区域。
在每一道路对应的像素区域内的像素,可以认为是实际道路,栅格地图中相应的栅格可以设置为具有较高的道路通行可行性;在每一道路对应的像素区域外的像素,可以认为不是实际道路,栅格地图中相应的栅格可以设置为具有较低的道路通行可行性。
基于上述任一实施例,基于地形高程数据中的坡度信息,确定栅格地图中每一栅格的坡度通行可行性,包括:
基于地形高程数据中的坡度信息,确定遥感影像数据中每一像素对应的地理区域的坡度大小;
基于遥感影像数据中每一像素对应的地理区域的坡度大小,确定栅格地图中每一栅格的坡度通行可行性。
具体地,根据地形高程数据中的坡度信息,可以确定遥感影像数据中每一像素对应的地理区域的坡度大小。像素对应的地理区域的坡度越小,相应的栅格的坡度通行可行性越高。
例如,某些像素对应的地理区域的坡度小于等于15度,可以认为这些地理区域具有较好的车辆通过性,栅格地图中相应的栅格可以设置为具有较高的坡度通行可行性;某些像素对应的地理区域的坡度大于15度且小于等于30度,可以认为这些地理区域具有较差的车辆通过性,栅格地图中相应的栅格可以设置为具有较低的坡度通行可行性;某些像素对应的地理区域的坡度大于30度,可以认为这些地理区域不具有车辆通过性,栅格地图中相应的栅格可以设置坡度通行可行性为零。
基于上述任一实施例,基于栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定栅格地图中每一栅格的通行可行性,包括:
对栅格地图中地形通行可行性小于预设地形通行阈值的栅格进行掩膜,得到栅格地图对应的地形通行掩膜区域;
对栅格地图中道路通行可行性小于预设道路通行阈值的栅格进行掩膜,得到栅格地图对应的道路通行掩膜区域;
对栅格地图中坡度通行可行性小于预设坡度通行阈值的栅格进行掩膜,得到栅格地图对应的坡度通行掩膜区域;
将地形通行掩膜区域与道路通行掩膜区域取交集后,与坡度通行掩膜区域取并集,得到栅格地图中的可通行栅格;
基于栅格地图中每一可通行栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定栅格地图中每一可通行栅格的通行可行性。
具体地,栅格地图中的部分栅格具有较差的通行可行性甚至不具有通行可行性,此时可以通过图像掩膜的方法,快速去除栅格地图中的不可通行栅格,仅保留可通行栅格。
对栅格地图中地形通行可行性小于预设地形通行阈值的栅格进行掩膜,例如,对于林地、水地和建筑地,其地形较差,不利于车辆通过,也就是地形通行可行性较小甚至为零,则可以直接将这些地形对应的栅格进行掩膜,得到栅格地图对应的地形通行掩膜区域A。
同理,对于道路通行可行性小于预设道路通行阈值的栅格,得到道路通行掩膜区域B。对于坡度通行可行性小于预设坡度通行阈值的栅格进行掩膜,得到栅格地图对应的坡度通行掩膜区域C。
掩膜操作可以为将对应的栅格的通行可行性直接设置为零。
将地形通行掩膜区域与道路通行掩膜区域取交集后,与坡度通行掩膜区域取并集,得到栅格地图中的可通行栅格D。用公式表示为:
其中,将地形通行掩膜区域与道路通行掩膜区域取交集是为了得到栅格地图中同时具有较高的地形通行可行性和较高的道路通行可行性的第一类栅格。再与坡度通行掩膜区域取并集,是为了得到栅格地图中虽然不是道路区域,但是其坡度较小仍然可以供车辆通过的第二类栅格。第一类栅格和第二类栅格是可通行栅格。
在得到栅格地图中的可通行栅格后,可以根据每一可通行栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定栅格地图中每一可通行栅格的通行可行性。通行可行性可以用通行权重表示。
例如,对于坡度为0至15度的裸地,其通行权重可以为0.1;对于坡度为0至15度的草地,其通行权重可以为0.1;对于坡度为0至15度的沙地,其通行权重可以为0.08;对于坡度为0至15度的田地,其通行权重可以为0.08;对于坡度为15至30度的草地,其通行权重可以为0.06;对于坡度为15至30度的沙地,其通行权重可以为0.04;对于坡度为15至30度的田地,其通行权重可以为0.04;对于道路,其通行权重可以为0.5。
本发明实施例提供的复杂地形路径规划方法,通过图像掩膜的方法,能够快速提取出栅格地图中的可通行栅格,过滤不可通行栅格,减少了路径规划算法的运算量和运算时间,提高了路径规划算法的运行效率。
基于上述任一实施例,步骤140包括:
以起点所在栅格为起始节点,以终点所在栅格为终止节点,以栅格地图中的其余栅格为待扩展节点,基于A星算法确定目标区域中起点与终点之间的规划路径;
其中,A星算法中的任一待扩展节点的总距离函数是基于任一待扩展节点与起始节点之间的对角线距离、任一待扩展节点对应的栅格的通行可行性和任一待扩展节点与终止节点之间的欧几里得距离确定的。
具体地,在栅格地图中,可以采用A星算法进行路径规划,确定目标区域中起点与终点之间的规划路径。
采用A星算法进行路径规划的详细步骤包括:
步骤1,设置两个集合,分别是open集合和close集合,初始化两个集合为两个空列表,分别用来管理待处理的节点和已处理的节点;
步骤2,将起始节点放入open列表中,遍历open列表;
步骤3,判断open列表是否为空;如果列表为空,则完成搜索,跳出循环;如果列表不为空,选择总距离f最小的点;
步骤4,判断步骤3的节点是否为终止节点;如果该节点是终止节点,则搜索结束;如果不是终止节点,将节点从open列表中放入close列表;
步骤5,遍历节点的临近节点;
步骤6,判断临近节点是否在close列表中;如果该临近节点在close列表中则跳过该点,重复步骤5;如果该临近节点不在close列表中,则进行下一步。
步骤7,判断该临近节点是否在open 列表中,如果该节点既不在open列表中,则将其放入到open列表中,并计算起始节点到该临近节点的对角线距离乘以该点权重值的倒数(以下称为g值)以及该临近节点到终止节点的欧几里得距离h值,相加得到总距离f值,随后记录父节点,并更新g值、h值;如果该临近节点已经在open表中,则获取该点原来的g值,并计算现在的g值,现在的g值等于起始节点到父节点的g值加上父节点到该节点的g值,随后进入步骤8。
步骤8,判断现在的g值与原来的g值的大小;如果前者更大,则计算出该临近节点新的总距离f值,放入到open列表中;如果后者更大,则重复步骤5。
步骤9,重复步骤2,直到搜索结束;如果open列表在搜索到终止节点前就为空,则两点之间没有可达路径;如果搜索到终止节点,则通过close列表回溯出栅格地图中起始节点与终止节点之间的规划路径,也即是目标区域中起点与终点之间的规划路径。
本发明实施例提供的复杂地形路径规划方法,通过改进后的A星算法进行路径规划,能够求解得到目标区域中起点和终点之间的最优路径,提高了路径规划效率。
基于上述任一实施例,图2是本发明提供的复杂地形路径规划装置的结构示意图,如图2所示,该装置包括:
获取单元210,用于获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;
生成单元220,用于以遥感影像数据中像素对应的地理区域为栅格,生成目标区域的栅格地图;
确定单元230,用于基于遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性;
规划单元240,用于基于栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定目标区域中起点与终点之间的规划路径。
本发明实施例提供的复杂地形路径规划装置,获取目标区域的遥感影像数据、道路矢量数据和地形高程数据,根据遥感影像数据生成目标区域的栅格地图,根据遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性,并在栅格地图中确定目标区域中起点与终点之间的规划路径,综合考虑了复杂地形中的地形信息、道路信息和坡度信息,能够在道路信息不全或者缺少道路的野外环境中自动规划出适合车辆行驶的最优路径,提高了车辆在野外环境中行驶的安全性和通行效率。
基于上述任一实施例,确定单元包括:
地形通行可行性确定子单元,用于基于遥感影像数据的光谱特征和/或纹理特征,确定栅格地图中每一栅格的地形通行可行性;
道路通行可行性确定子单元,用于基于道路矢量数据中每一道路的位置,确定栅格地图中每一栅格的道路通行可行性;
坡度通行可行性确定子单元,用于基于地形高程数据中的坡度信息,确定栅格地图中每一栅格的坡度通行可行性;
通行可行性确定子单元,用于基于栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定栅格地图中每一栅格的通行可行性。
基于上述任一实施例,地形通行可行性确定子单元具体用于:
基于遥感影像数据的光谱特征和/或纹理特征,确定遥感影像数据中每一像素对应的地形类型;
基于每一像素对应的地形类型,以及每一地形类型对应的通行可行性,确定遥感影像数据中每一像素的通行可行性;
基于遥感影像数据中每一像素的通行可行性,确定栅格地图中每一栅格的地形通行可行性。
基于上述任一实施例,道路通行可行性确定子单元具体用于:
基于道路矢量数据中每一道路的中心线位置,以及每一道路对应的缓冲区宽度,确定每一道路对应的缓冲区域;
基于每一道路对应的缓冲区域,确定遥感影像数据中每一道路对应的像素区域;
基于遥感影像数据中每一道路对应的像素区域,确定栅格地图中每一栅格的道路通行可行性。
基于上述任一实施例,坡度通行可行性确定子单元具体用于:
基于地形高程数据中的坡度信息,确定遥感影像数据中每一像素对应的地理区域的坡度大小;
基于遥感影像数据中每一像素对应的地理区域的坡度大小,确定栅格地图中每一栅格的坡度通行可行性。
基于上述任一实施例,通行可行性确定子单元具体用于:
对栅格地图中地形通行可行性小于预设地形通行阈值的栅格进行掩膜,得到栅格地图对应的地形通行掩膜区域;
对栅格地图中道路通行可行性小于预设道路通行阈值的栅格进行掩膜,得到栅格地图对应的道路通行掩膜区域;
对栅格地图中坡度通行可行性小于预设坡度通行阈值的栅格进行掩膜,得到栅格地图对应的坡度通行掩膜区域;
将地形通行掩膜区域与道路通行掩膜区域取交集后,与坡度通行掩膜区域取并集,得到栅格地图中的可通行栅格;
基于栅格地图中每一可通行栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定栅格地图中每一可通行栅格的通行可行性。
基于上述任一实施例,规划单元具体用于:
以起点所在栅格为起始节点,以终点所在栅格为终止节点,以栅格地图中的其余栅格为待扩展节点,基于A星算法确定目标区域中起点与终点之间的规划路径;
其中,A星算法中的任一待扩展节点的总距离函数是基于任一待扩展节点与起始节点之间的对角线距离、任一待扩展节点对应的栅格的通行可行性和任一待扩展节点与终止节点之间的欧几里得距离确定的。
基于上述任一实施例,图3为本发明提供的电子设备的结构示意图,如图3所示,该电子设备可以包括:处理器(Processor)310、通信接口(Communications Interface)320、存储器(Memory)330和通信总线(Communications Bus)340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑命令,以执行如下方法:
获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;以遥感影像数据中像素对应的地理区域为栅格,生成目标区域的栅格地图;基于遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性;基于栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定目标区域中起点与终点之间的规划路径。
此外,上述的存储器330中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干命令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令,实现上述方法,其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;以遥感影像数据中像素对应的地理区域为栅格,生成目标区域的栅格地图;基于遥感影像数据、道路矢量数据和地形高程数据,确定栅格地图中每一栅格的通行可行性;基于栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定目标区域中起点与终点之间的规划路径。
本发明实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时,实现上述方法,其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干命令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种复杂地形路径规划方法,其特征在于,包括:
获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;
以所述遥感影像数据中像素对应的地理区域为栅格,生成所述目标区域的栅格地图;
基于所述遥感影像数据、所述道路矢量数据和所述地形高程数据,确定所述栅格地图中每一栅格的通行可行性;
基于所述栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定所述目标区域中起点与终点之间的规划路径;
所述基于所述栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定所述目标区域中起点与终点之间的规划路径,包括:
以起点所在栅格为起始节点,以终点所在栅格为终止节点,以所述栅格地图中的其余栅格为待扩展节点,基于A星算法确定所述目标区域中起点与终点之间的规划路径;
其中,所述A星算法中的任一待扩展节点的总距离函数是基于所述任一待扩展节点与所述起始节点之间的对角线距离、所述任一待扩展节点对应的栅格的通行可行性和所述任一待扩展节点与所述终止节点之间的欧几里得距离确定的。
2.根据权利要求1所述的复杂地形路径规划方法,其特征在于,所述基于所述遥感影像数据、所述道路矢量数据和所述地形高程数据,确定所述栅格地图中每一栅格的通行可行性,包括:
基于所述遥感影像数据的光谱特征和/或纹理特征,确定所述栅格地图中每一栅格的地形通行可行性;
基于所述道路矢量数据中每一道路的位置,确定所述栅格地图中每一栅格的道路通行可行性;
基于所述地形高程数据中的坡度信息,确定所述栅格地图中每一栅格的坡度通行可行性;
基于所述栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定所述栅格地图中每一栅格的通行可行性。
3.根据权利要求2所述的复杂地形路径规划方法,其特征在于,所述基于所述遥感影像数据的光谱特征和/或纹理特征,确定所述栅格地图中每一栅格的地形通行可行性,包括:
基于所述遥感影像数据的光谱特征和/或纹理特征,确定所述遥感影像数据中每一像素对应的地形类型;
基于每一像素对应的地形类型,以及每一地形类型对应的通行可行性,确定所述遥感影像数据中每一像素的通行可行性;
基于所述遥感影像数据中每一像素的通行可行性,确定所述栅格地图中每一栅格的地形通行可行性。
4.根据权利要求2所述的复杂地形路径规划方法,其特征在于,所述基于所述道路矢量数据中每一道路的位置,确定所述栅格地图中每一栅格的道路通行可行性,包括:
基于所述道路矢量数据中每一道路的中心线位置,以及每一道路对应的缓冲区宽度,确定每一道路对应的缓冲区域;
基于每一道路对应的缓冲区域,确定所述遥感影像数据中每一道路对应的像素区域;
基于所述遥感影像数据中每一道路对应的像素区域,确定所述栅格地图中每一栅格的道路通行可行性。
5.根据权利要求2所述的复杂地形路径规划方法,其特征在于,所述基于所述地形高程数据中的坡度信息,确定所述栅格地图中每一栅格的坡度通行可行性,包括:
基于所述地形高程数据中的坡度信息,确定所述遥感影像数据中每一像素对应的地理区域的坡度大小;
基于所述遥感影像数据中每一像素对应的地理区域的坡度大小,确定所述栅格地图中每一栅格的坡度通行可行性。
6.根据权利要求2所述的复杂地形路径规划方法,其特征在于,所述基于所述栅格地图中每一栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定所述栅格地图中每一栅格的通行可行性,包括:
对所述栅格地图中地形通行可行性小于预设地形通行阈值的栅格进行掩膜,得到所述栅格地图对应的地形通行掩膜区域;
对所述栅格地图中道路通行可行性小于预设道路通行阈值的栅格进行掩膜,得到所述栅格地图对应的道路通行掩膜区域;
对所述栅格地图中坡度通行可行性小于预设坡度通行阈值的栅格进行掩膜,得到所述栅格地图对应的坡度通行掩膜区域;
将所述地形通行掩膜区域与所述道路通行掩膜区域取交集后,与所述坡度通行掩膜区域取并集,得到所述栅格地图中的可通行栅格;
基于所述栅格地图中每一可通行栅格的地形通行可行性、道路通行可行性和坡度通行可行性,确定所述栅格地图中每一可通行栅格的通行可行性。
7.一种复杂地形路径规划装置,其特征在于,包括:
获取单元,用于获取目标区域的遥感影像数据、道路矢量数据和地形高程数据;
生成单元,用于以所述遥感影像数据中像素对应的地理区域为栅格,生成所述目标区域的栅格地图;
确定单元,用于基于所述遥感影像数据、所述道路矢量数据和所述地形高程数据,确定所述栅格地图中每一栅格的通行可行性;
规划单元,用于基于所述栅格地图中起点所在栅格和终点所在栅格,以及每一栅格的通行可行性,确定所述目标区域中起点与终点之间的规划路径;
所述规划单元具体用于:
以起点所在栅格为起始节点,以终点所在栅格为终止节点,以所述栅格地图中的其余栅格为待扩展节点,基于A星算法确定所述目标区域中起点与终点之间的规划路径;
其中,所述A星算法中的任一待扩展节点的总距离函数是基于所述任一待扩展节点与所述起始节点之间的对角线距离、所述任一待扩展节点对应的栅格的通行可行性和所述任一待扩展节点与所述终止节点之间的欧几里得距离确定的。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述的复杂地形路径规划方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的复杂地形路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221246.6A CN114326754B (zh) | 2022-03-09 | 2022-03-09 | 复杂地形路径规划方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221246.6A CN114326754B (zh) | 2022-03-09 | 2022-03-09 | 复杂地形路径规划方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114326754A CN114326754A (zh) | 2022-04-12 |
CN114326754B true CN114326754B (zh) | 2022-06-14 |
Family
ID=81033301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210221246.6A Active CN114326754B (zh) | 2022-03-09 | 2022-03-09 | 复杂地形路径规划方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114326754B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114719881B (zh) * | 2022-06-09 | 2022-08-23 | 环球数科集团有限公司 | 一种应用卫星定位的无路径导航算法与*** |
CN115828479B (zh) * | 2022-11-21 | 2024-06-21 | 四川电力设计咨询有限责任公司 | 一种输电线路施工便道的规划方法 |
CN115996356B (zh) * | 2023-03-23 | 2023-06-16 | 西安航天天绘数据技术有限公司 | 一种区宽通信下机动中心车载路径规划***及方法 |
CN116202533B (zh) * | 2023-05-05 | 2023-07-21 | 山东科技大学 | 一种基于地形重构的车辆轨迹导航规划方法及设备 |
CN116295444B (zh) * | 2023-05-17 | 2023-10-20 | 国网山东省电力公司日照供电公司 | 野外作业导航方法、***、终端及存储介质 |
CN117571012B (zh) * | 2024-01-15 | 2024-03-15 | 北京理工大学 | 一种越野环境无人车辆全局路径规划方法、***及设备 |
CN117724850B (zh) * | 2024-02-06 | 2024-04-19 | 天津先进技术研究院 | 野外预通行路径可行性评估方法、***、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480808A (zh) * | 2017-07-13 | 2017-12-15 | 河海大学 | 一种高海拔山区引水工程线路规划方法 |
CN107688818A (zh) * | 2016-08-05 | 2018-02-13 | 中国电力科学研究院 | 一种基于卫星遥感影像特征分析的路径智能选择方法及*** |
CN108921943A (zh) * | 2018-06-29 | 2018-11-30 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN111667101A (zh) * | 2020-05-22 | 2020-09-15 | 武汉大学 | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及*** |
CN112556711A (zh) * | 2020-11-17 | 2021-03-26 | 浙江大学 | 适用于山区复杂地形应急避难最快步行路径的规划方法 |
CN113869133A (zh) * | 2021-09-02 | 2021-12-31 | 陈萍 | 遥感影像变化检测方法、装置、设备及存储介质 |
-
2022
- 2022-03-09 CN CN202210221246.6A patent/CN114326754B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688818A (zh) * | 2016-08-05 | 2018-02-13 | 中国电力科学研究院 | 一种基于卫星遥感影像特征分析的路径智能选择方法及*** |
CN107480808A (zh) * | 2017-07-13 | 2017-12-15 | 河海大学 | 一种高海拔山区引水工程线路规划方法 |
CN108921943A (zh) * | 2018-06-29 | 2018-11-30 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN111667101A (zh) * | 2020-05-22 | 2020-09-15 | 武汉大学 | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及*** |
CN112556711A (zh) * | 2020-11-17 | 2021-03-26 | 浙江大学 | 适用于山区复杂地形应急避难最快步行路径的规划方法 |
CN113869133A (zh) * | 2021-09-02 | 2021-12-31 | 陈萍 | 遥感影像变化检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114326754A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114326754B (zh) | 复杂地形路径规划方法、装置、电子设备和存储介质 | |
Varney et al. | DALES: A large-scale aerial LiDAR data set for semantic segmentation | |
Biçici et al. | An approach for the automated extraction of road surface distress from a UAV-derived point cloud | |
US8724900B2 (en) | Method and apparatus for direct detection, location, analysis, identification, and reporting of vegetation clearance violations technical field | |
CN110427818A (zh) | 高光谱数据支持的深度学习卫星数据云检测方法 | |
CN114237232A (zh) | 一种路径规划方法及装置 | |
CN114758086B (zh) | 一种城市道路信息模型的构建方法及装置 | |
Gruszczyński et al. | Application of convolutional neural networks for low vegetation filtering from data acquired by UAVs | |
CN116719334A (zh) | 一种水库智能巡检***及方法 | |
RU2638638C1 (ru) | Способ и система автоматического построения трехмерных моделей городов | |
JP6146731B2 (ja) | 座標補正装置、座標補正プログラム、及び座標補正方法 | |
Olivatto et al. | Urban mapping and impacts assessment in a Brazilian irregular settlement using UAV-based imaging | |
Malinowski et al. | Mapping rill soil erosion in agricultural fields with UAV‐borne remote sensing data | |
US11846517B2 (en) | Vector tile navigation | |
Albalawneh et al. | A new federated genetic algorithm-based optimization technique for multi-criteria vehicle route planning using ArcGIS network analyst | |
CN116051777B (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
Zeybek et al. | Investigation of landslide-based road surface deformation in mountainous areas with single period UAV data | |
Ajayi et al. | On the applicability of integrated UAV photogrammetry and automatic feature extraction for cadastral mapping | |
Sefercik et al. | Point-based and model-based geolocation analysis of airborne laser scanning data | |
Bernardo et al. | Techniques of geomatics and soft computing for the monitoring of infrastructures and the management of big data | |
Treccani et al. | Automating the inventory of the navigable space for pedestrians on historical sites: Towards accurate path planning | |
Pokonieczny et al. | Using high resolution spatial data to develop military maps of passability | |
Amatulli et al. | Geomorpho90m-global high-resolution geomorphometry layers: empirical evaluation and accuracy assessment | |
Hostens et al. | Assessing the Role of sUAS Mission Design in the Accuracy of Digital Surface Models Derived from Structure-from-Motion Photogrammetry | |
Jaganathan et al. | A localized counter-based filtering approach for generating digital terrain model from medium resolution digital surface model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |