CN115438081A - 一种海量船舶位置点云多级聚合与实时更新方法 - Google Patents
一种海量船舶位置点云多级聚合与实时更新方法 Download PDFInfo
- Publication number
- CN115438081A CN115438081A CN202210897208.2A CN202210897208A CN115438081A CN 115438081 A CN115438081 A CN 115438081A CN 202210897208 A CN202210897208 A CN 202210897208A CN 115438081 A CN115438081 A CN 115438081A
- Authority
- CN
- China
- Prior art keywords
- aggregation
- ship
- grid
- real
- point
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2264—Multidimensional index structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种海量船舶位置点云多级聚合与实时更新方法,所述方法用于海量船舶点云的地图实时绘制,包括:构建多级空间网格:基于GeoHash编码对海量船舶位置点云进行多级空间网格划分,形成多级空间索引;对多级空间网格中各网格内的点集进行计算,得到聚合位置;在海量船舶位置点云的数据实时更新过程中,基于多级空间网格对聚合位置进行实时更新计算;根据当前地图浏览位置与地图比例尺确定聚合层级,从多级空间网格中查询相应层级的聚合位置;对查询得到的聚合位置进行邻域合并操作,得到最终的聚合结果;将最终的聚合结果以符号形式在地图上绘制,完成海量船舶位置点云多级聚合与实时更新。
Description
技术领域
本发明涉及一种船舶位置聚合与实时更新方法,特别是一种海量船舶位置点云多级聚合与实时更新方法。
背景技术
我国对海上目标的监视需求正逐步扩展需要对全球海上目标的情报信息进行接入、处理、分析和显示。据不完全统计,当前我国民船(包括渔船、商船、货船)和300总吨以上国际航行船舶数量总数已超过100万艘,其中海上活动船只数量已达到40至50万艘,每隔若干秒位置数据会发生更新。实时的船舶信息能够辅助掌握准确的战场环境,查漏补缺,减少误判,在近海防御和远海防卫方面具有现实意义。
表示船舶位置的点云数据具有数据量大、更新频率快的特点,这对空间查询提出了更高的要求,需要高效的空间索引和数据结构对船舶点云数据进行组织管理,并支持船舶点位的频繁更新。同时,为了提高全球尺度下的目标绘制效率,在空间索引结构的基础上需对点云进行聚合以减少目标点的数量,实现不同地图比例尺下不同细节程度的船舶信息展示。
船舶位置以经纬度数值存储,通常采用二维空间索引方式对其进行组织。目前常用的二维点云空间索引方法主要有规则格网、四叉树、R树及其改进方法、KD树。规则格网方法将空间按照一定规则划分为若干相同的网格,以网格为单位对点数据进行索引,算法实现简单高效,但在点云数据分布不均匀的情况下网格数据量差异较大,存在数据冗余问题。四叉树常用于存储二维空间点,易于实现,但其构建速度较为缓慢,而且在数据密集的区域四叉树深度过深,影响查询效率。R树是目前应用较为广泛的一种空间索引,具有高度平衡的特点,但R树中间节点的最小包围矩形允许重叠,数据量增大时会导致无效查询过多的问题,影响查询效率。空间聚类常采用基于划分的聚类算法,典型方法有K-means算法和K-medoids算法,需要预先设定聚类数和初始聚类中心,不同的设定对结果影响较大,且时间复杂度较高,难以满足实时更新的需求。
GeoHash算法是一种基于网格划分的地理数据编码技术,可将目标经纬度坐标转换成字符串编码。字符串表示的并不是一个点,实际上代表了某一个矩形区域,矩形区域内所有的点(经纬度坐标)都共享相同的GeoHash字符串。字符串编码的长度越长,其所代表的矩形区域就越小,空间数据的索引精度就越高。GeoHash编码被广泛应用于空间数据的索引中,在保证目标位置精度的情况下可提高空间索引的效率,同时能将复杂的邻域搜索计算转换成相对简单的字符串比较,有效提升空间查询的速度。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种海量船舶位置点云多级聚合与实时更新方法。
为了解决上述技术问题,本发明公开了一种海量船舶位置点云多级聚合与实时更新方法,所述方法用于海量船舶点云的地图实时绘制,包括如下步骤:
步骤1,构建多级空间网格:基于GeoHash编码(参考:"Geohash",[online]Available:http://www.geohash.org.)对海量船舶位置点云进行多级空间网格划分,得到多级空间网格以及相应的聚合层级,形成对海量船舶位置点云的多级空间索引;对所述多级空间网格中各网格内的点集进行计算,得到聚合位置;
步骤2,在所述海量船舶位置点云的数据实时更新过程中,基于所述多级空间网格对所述聚合位置进行实时更新计算;
步骤3,根据所述地图的当前浏览位置与所述地图的比例尺确定聚合层级,从所述多级空间网格中查询相应聚合层级的聚合位置;
步骤4,对步骤3中查询得到的聚合位置进行邻域合并操作,得到最终的聚合结果;将最终的聚合结果以符号形式在地图上绘制,完成海量船舶位置点云多级聚合与实时更新。
本发明中步骤1包括:
步骤1-1,多级空间网格划分:对某一船舶的初始经纬度位置计算编码长度为1至6的6个聚合层级的GeoHash编码,每个层级的编码代表设定范围的空间网格,在每个编码前加上代表编码长度的前缀作为该空间网格的唯一标识,得到空间网格标识;
步骤1-2,计算得到聚合位置:若某一个空间网格第一次出现,则记录该空间网格所包含的点集数量为1,点集对应的聚合位置为所计算的当前船舶的位置;否则,将该空间网格的点集数量加1,并计算加入当前船舶位置后的新的聚合位置;
步骤1-3,对海量船舶位置点云中的每个船舶执行步骤1-1和步骤1-2的操作,以键值对的形式存储空间网格标识及所述空间网格的点集数量和聚合位置,完成多级空间网格的构建。
本发明中步骤2包括:
步骤2-1,针对位置发生更新的某一船舶,将原位置从所在的第1级至第6级空间网格中去除,各空间网格所包含的点集数减1,计算去除原位置后的聚合位置;
步骤2-2,对所述船舶的新位置执行步骤1-1和步骤1-2操作,完成聚合位置的快速更新。
位置点云是需要管理的海量数据,多级空间网格是对点云的空间索引,是一种有效的管理方法,最终的聚合与更新结果会在地图上显示,地图是计算结果的可视化载体。
本发明中步骤3包括:
步骤3-1,根据预设的地图比例尺与聚合层级的对应关系,通过当前地图比例尺确定聚合层级;
步骤3-2,在所构建的多级空间网格中查询以所确定的聚合层级为前缀的空间网格集合,得到结果集合;
步骤3-3,根据步骤3-2中查询得到的结果集合进行筛选,若空间网格在当前的地图范围内则保留,否则从结果集合中去除。
本发明中步骤4包括:
步骤4-1,针对步骤3中得到的结果集合,计算结果集合中每个空间网格的聚合位置与相邻空间网格的聚合位置的距离,若该距离小于设定的阈值,则将所述空间网格与相邻空间网格合并,并计算新的聚合位置,得到最终的聚合位置;
步骤4-2,将海量船舶位置点云多级聚合与实时更新的结果在地图上进行绘制,在最终的聚合位置上绘制聚合点符号。
本发明中步骤4-1中所述的阈值为:所述空间网格的聚合位置和相邻空间网格的聚合位置的距离,与所在层级空间网格长度的比例值。
本发明中步骤1-2中所述计算得到聚合位置的方法包括:
其中,LngNewAggr和LatNewAggr分别表示新聚合位置的经度和纬度,LngOldAggr和LatOldAggr分别表示原聚合位置的经度和纬度,LngPoint和LatPoint分别表示当前所计算的船舶的位置的经度和纬度,n表示该空间网格内原有的点集数量,计算的聚合位置为经过加权相加得到的点集质心位置。
本发明中步骤2-1中所述计算去除原位置后的聚合位置,方法包括:
其中,LngRemovedAggr和LatRemovedAggr分别表示去除原位置后的聚合位置的经度和纬度,LngAggr和LatAggr分别表示原聚合位置的经度和纬度,LngOldPoint和LatOldPoint分别表示当前所计算船舶的原位置的经度和纬度,n表示该空间网格内原有的点集数量。
本发明中步骤4-1中所述计算新的聚合位置,方法包括:
其中,LngMergedAggr和LatMergedAggr分别表示合并后的聚合位置的经度和纬度,Lng1和Lng2表示被合并的两个聚合位置的经度,Lat1和Lat2表示被合并的两个聚合位置的纬度,n1和n2分别表示两个聚合位置所代表的点集数量。
本发明中步骤4-2中所述的聚合点符号,用于反映所聚合点集的数量;聚合点符号大小反映所聚合点集的数量多少,聚合点符号越大表明该处被聚合的点越多。
有益效果:
(1)利用GeoHash编码的特征实现了基于字符串的多级空间网格索引,在点云的空间索引效率上更具优势,避免了单一使用四叉树或者KD树可能会造成的节点深度过深的问题。
(2)相较于K-means算法或K-medoids算法等多次迭代方法,基于多级空间网格索引的聚合方法具有线性的时间复杂度,并且能满足点云数据的快速实时更新,当某一点的位置发生变化时不需要对全部点云重新进行聚合计算,只需在局部范围更新聚合点即可。
(3)相较于传统的单级聚合算法,本方法借助GeoHash编码多层级的特性,通过一次空间索引的构建即可实现不同网格大小的空间划分,进而实现多层级的聚合效果,船舶目标的浏览更加平滑。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明的工作流程示意图。
图2是本发明中邻近聚合点合并示意图。
具体实施方式
本发明涉及计算机图形学领域的一种海量船舶位置点云多级聚合与实时更新方法,包括:提出基于GeoHash编码的多级空间索引,利用该方法对海量船舶位置点云数据进行空间网格划分;划分完成后对各级空间网格内的点云数据进行聚合,计算得到聚合点及其属性;在点云数据实时更新过程中,基于所提出的多级空间索引对聚合点进行实时更新计算。绘制海量点云时只需根据当前地图位置与比例尺,查询该比例尺对应的聚合层级,并以聚合层级为前缀查询符合条件的网格信息及其聚合位置,即可获得当前地图范围内的聚合结果。所提出的基于GeoHash编码的多级聚合方法具有较高的数据索引效率,针对海量的点云数据,能同时满足实时的聚合点计算与高频的数据点更新,继而在地图场景中使用聚合点代替点云进行渲染,有效降低海量数据的绘制量并提升地图绘制效率。综上所述,针对海量的船舶位置点云数据,多级空间网格是能对点云进行高效管理的空间索引结构,最终的聚合结果将在作为可视化载体的地图上显示。
本发明实施例公开一种海量船舶位置点云多级聚合与实时更新方法,本方法针对全球海洋范围内海量船舶点云位置数据,提出一种可实时计算和更新聚合点的策略。
如图1所示,本实施例所述的一种海量船舶位置点云多级聚合与实时更新方法,包括如下步骤:
步骤1,基于GeoHash编码对海量船舶位置点云进行多级空间网格划分并对各网格内的点集计算聚合位置;
步骤2,在点云数据实时更新过程中,基于所述多级空间网格对所述聚合位置进行实时更新计算;
步骤3,根据当前位置与地图比例尺确定聚合层级,从所述多级空间网格中查询相应层级的聚合位置;
步骤4,对所查询的聚合位置进行邻域合并操作,将最终的聚合结果以符号形式绘制。
本实施例所述的一种海量船舶位置点云多级聚合与实时更新方法中,所述步骤1包括:
步骤1-1,对某一船舶的初始经纬度位置计算编码长度为1至6的6个层级的GeoHash编码,每个层级的编码代表一定范围的空间网格。GeoHash编码的前缀表示更大的范围,即第1层级的编码范围最大,第6层级的编码范围最小,6个层级在空间上是依次包含的关系。GeoHash编码的长度越长,代表的网格范围就越小,表示的精度就越高,考虑到航路上船舶间的实际行驶距离,使用长度为6的GeoHash编码,即1.2km×0.6km的网格大小就能满足船舶位置的空间索引。在每个编码前加上代表编码长度的前缀作为该网格的唯一标识,以经纬度坐标(116.404,39.915)为例,6个层级的编码分别为1_w、2_wx、3_wx4、4_wx4g、5_wx4g0、6_wx4g0f;
步骤1-2,若某一个网格第一次出现,则记录该网格所包含的点集数量为1,点集对应的聚合位置为所计算的当前船舶的位置;否则,将该网格的点集数量加1,并计算加入当前船舶位置后的新的聚合位置,计算方法如下所示:
其中,LngNewAggr和LatNewAggr分别表示新聚合点位置的经度和纬度,LngOldAggr和LatOldAggr分别表示原聚合位置的经度和纬度,LngPoint和LatPoint分别表示当前所计算船舶点位的经度和纬度,n表示该网格内原有的点集数量,计算的聚合位置实际上是经过加权相加得到的点集质心位置;
步骤1-3,对每个船舶执行上述两个步骤的操作,以键值对的形式存储网格标识及其属性,完成多级空间网格的构建。
本实施例所述的一种海量船舶位置点云多级聚合与实时更新方法中,所述步骤2包括:
步骤2-1,针对位置发生更新的某一船舶,将原位置从所在的第1级至第6级网格中去除,各网格所包含的点集数减1,计算去除原位置后的聚合位置,计算方法如下所示:
其中,LngRemovedAggr和LatRemovedAggr分别表示聚合点位置的经度和纬度,LngAggr和LatAggr分别表示原聚合位置的经度和纬度,LngOldPoint和LatOldPoint分别表示当前所计算船舶点位的经度和纬度,n表示该网格内原有的点集数量;
步骤2-2,对船舶的新位置执行步骤1-1和步骤1-2操作,即可完成对聚合位置的快速更新。
本实施例所述的一种海量船舶位置点云多级聚合与实时更新方法中,所述步骤3包括:
步骤3-1,根据预设的地图比例尺与聚合层级的对应关系,通过当前地图比例尺确定聚合层级。通过实践经验确定如下的对应关系:1比1000万比例尺以下使用第1层级的聚合结果,1比250万比例尺以下使用第2层级的聚合结果,1比100万比例尺以下使用第3层级的聚合结果,1比50万比例尺以下使用第4层级的聚合结果,1比25万比例尺以下使用第5层级的聚合结果,1比10万比例尺以下使用第6层级的聚合结果,在该预设条件下可达到较好的地图视觉效果;
步骤3-2,在所构建的多级空间网格中查询以所确定的聚合层级为前缀的空间网格集合,例如确定使用第2层级的聚合结果,只需要查询网格标识以“2_”为前缀的空间网格即可;
步骤3-3,对上个步骤查询到的网格集合做进一步的筛选,判断网格的矩形范围是否落在当前地图范围内,若网格在当前的地图范围内则保留,否则从结果集合中去除。
本实施例所述的一种海量船舶位置点云多级聚合与实时更新方法中,所述步骤4包括:
步骤4-1,针对步骤3中所查询到的网格集合,计算每个网格的聚合位置与相邻网格聚合位置的距离,若该距离小于所在层级网格长度的一定比例,则判定两个聚合位置过近,将其合并并计算新的聚合位置,如图2所示。计算方法如下:
其中,LngMergedAggr和LatMergedAggr分别表示合并后聚合点位置的经度和纬度,Lng1和Lng2表示被合并的两个聚合点的经度,Lat1和Lat2表示被合并的两个聚合点的纬度,n1和n2分别表示两个聚合点所代表的点集数量。通过相邻点的合并操作,可避免距离过近导致的聚合点符号重叠的情况,使得最终的聚合结果更加合理。上述比例为预设的经验值,通过实践经验将该比例设置为0.2可有效避免聚合点符号的重叠;
步骤4-2,在最终的聚合位置上绘制聚合点符号,符号大小反映所聚合点集的数量多少,所绘制符号越大表明该处被聚合的点越多。
具体实现中,本申请提供计算机存储介质以及对应的数据处理单元,其中,该计算机存储介质能够存储计算机程序,所述计算机程序通过数据处理单元执行时可运行本发明提供的一种海量船舶位置点云多级聚合与实时更新方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的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计算机程序即软件产品的形式体现出来,该计算机程序软件产品可以存储在存储介质中,包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机,服务器,单片机。MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种海量船舶位置点云多级聚合与实时更新方法的思路及方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,所述方法用于海量船舶点云的地图实时绘制,包括如下步骤:
步骤1,构建多级空间网格:基于GeoHash编码对海量船舶位置点云进行多级空间网格划分,得到多级空间网格以及相应的聚合层级,形成对海量船舶位置点云的多级空间索引;对所述多级空间网格中各网格内的点集进行计算,得到聚合位置;
步骤2,在所述海量船舶位置点云的数据实时更新过程中,基于所述多级空间网格对所述聚合位置进行实时更新计算;
步骤3,根据所述地图的当前浏览位置与所述地图的比例尺确定聚合层级,从所述多级空间网格中查询相应聚合层级的聚合位置;
步骤4,对步骤3中查询得到的聚合位置进行邻域合并操作,得到最终的聚合结果;将最终的聚合结果以符号形式在地图上绘制,完成海量船舶位置点云多级聚合与实时更新。
2.根据权利要求1所述的一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,步骤1包括:
步骤1-1,多级空间网格划分:对某一船舶的初始经纬度位置计算编码长度为1至6的6个聚合层级的GeoHash编码,每个层级的编码代表设定范围的空间网格,在每个编码前加上代表编码长度的前缀作为该空间网格的唯一标识,得到空间网格标识;
步骤1-2,计算得到聚合位置:若某一个空间网格第一次出现,则记录该空间网格所包含的点集数量为1,点集对应的聚合位置为所计算的当前船舶的位置;否则,将该空间网格的点集数量加1,并计算加入当前船舶位置后的新的聚合位置;
步骤1-3,对海量船舶位置点云中的每个船舶执行步骤1-1和步骤1-2的操作,以键值对的形式存储空间网格标识及所述空间网格的点集数量和聚合位置,完成多级空间网格的构建。
3.根据权利要求2所述的一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,步骤2包括:
步骤2-1,针对位置发生更新的某一船舶,将原位置从所在的第1级至第6级空间网格中去除,各空间网格所包含的点集数减1,计算去除原位置后的聚合位置;
步骤2-2,对所述船舶的新位置执行步骤1-1和步骤1-2操作,完成聚合位置的快速更新。
4.根据权利要求3所述的一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,步骤3包括:
步骤3-1,根据预设的地图比例尺与聚合层级的对应关系,通过当前地图比例尺确定聚合层级;
步骤3-2,在所构建的多级空间网格中查询以所确定的聚合层级为前缀的空间网格集合,得到结果集合;
步骤3-3,根据步骤3-2中查询得到的结果集合进行筛选,若空间网格在当前的地图范围内则保留,否则从结果集合中去除。
5.根据权利要求4所述的一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,步骤4包括:
步骤4-1,针对步骤3中得到的结果集合,计算结果集合中每个空间网格的聚合位置与相邻空间网格的聚合位置的距离,若该距离小于设定的阈值,则将所述空间网格与相邻空间网格合并,并计算新的聚合位置,得到最终的聚合位置;
步骤4-2,将海量船舶位置点云多级聚合与实时更新的结果在地图上进行绘制,在最终的聚合位置上绘制聚合点符号。
6.根据权利要求5所述的一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,步骤4-1中所述的阈值为:所述空间网格的聚合位置和相邻空间网格的聚合位置的距离,与所在层级空间网格长度的比例值。
10.根据权利要求9所述的一种海量船舶位置点云多级聚合与实时更新方法,其特征在于,步骤4-2中所述的聚合点符号,用于反映所聚合点集的数量;聚合点符号大小反映所聚合点集的数量多少,聚合点符号越大表明该处被聚合的点越多。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210897208.2A CN115438081A (zh) | 2022-07-28 | 2022-07-28 | 一种海量船舶位置点云多级聚合与实时更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210897208.2A CN115438081A (zh) | 2022-07-28 | 2022-07-28 | 一种海量船舶位置点云多级聚合与实时更新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115438081A true CN115438081A (zh) | 2022-12-06 |
Family
ID=84242011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210897208.2A Pending CN115438081A (zh) | 2022-07-28 | 2022-07-28 | 一种海量船舶位置点云多级聚合与实时更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115438081A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109470A (zh) * | 2023-04-13 | 2023-05-12 | 深圳市其域创新科技有限公司 | 实时点云数据渲染方法、装置、终端及存储介质 |
CN117312471A (zh) * | 2023-09-26 | 2023-12-29 | 中国人民解放军91977 部队 | 海量位置点的海陆属性判断方法及装置 |
-
2022
- 2022-07-28 CN CN202210897208.2A patent/CN115438081A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109470A (zh) * | 2023-04-13 | 2023-05-12 | 深圳市其域创新科技有限公司 | 实时点云数据渲染方法、装置、终端及存储介质 |
CN116109470B (zh) * | 2023-04-13 | 2023-06-20 | 深圳市其域创新科技有限公司 | 实时点云数据渲染方法、装置、终端及存储介质 |
CN117312471A (zh) * | 2023-09-26 | 2023-12-29 | 中国人民解放军91977 部队 | 海量位置点的海陆属性判断方法及装置 |
CN117312471B (zh) * | 2023-09-26 | 2024-05-28 | 中国人民解放军91977部队 | 海量位置点的海陆属性判断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115438081A (zh) | 一种海量船舶位置点云多级聚合与实时更新方法 | |
GB2547816A (en) | Actually-measured marine environment data assimilation method based on sequence recursive spare filtering three-dimensional variation | |
CN110059264B (zh) | 基于知识图谱的地点检索方法、设备及计算机存储介质 | |
Lu et al. | Massive point cloud space management method based on octree-like encoding | |
CN111291776B (zh) | 基于众源轨迹数据的航道信息提取方法 | |
CN111552694B (zh) | 一种自适应地理空间网格索引方法 | |
WO2021062736A1 (zh) | 划分方法、编码器、解码器以及计算机存储介质 | |
CN105574212A (zh) | 一种多索引磁盘哈希结构的图像检索方法 | |
CN108549690A (zh) | 基于空间距离约束的空间关键字查询方法及*** | |
CN108364331A (zh) | 一种等值线生成方法、***和存储介质 | |
CN108763536A (zh) | 数据库访问方法及装置 | |
CN108717448B (zh) | 一种面向键值对存储的范围查询过滤方法和键值对存储*** | |
CN105760442A (zh) | 基于数据库邻域关系的图像特征增强方法 | |
CN110413716B (zh) | 数据存储和数据查询方法、装置及电子设备 | |
CN117076520A (zh) | 一种基于多维索引树的高效近似查询***及方法 | |
CN111382220A (zh) | 一种poi数据划分方法和装置 | |
US11537622B2 (en) | K-nearest neighbour spatial queries on a spatial database | |
CN114332322A (zh) | 一种三维场景下单体模型的大数据渲染方法 | |
van Blokland et al. | Partial 3D object retrieval using local binary QUICCI descriptors and dissimilarity tree indexing | |
Huang et al. | Processing continuous K-nearest skyline query with uncertainty in spatio-temporal databases | |
CN114116925A (zh) | 一种时空数据的查询方法及相关装置 | |
CN117494539B (zh) | 物面流体仿真中粒子的近邻搜索方法、装置、电子设备 | |
CN112632087B (zh) | 基于范围简图的有序链表快速查询方法和装置 | |
CN113641681B (zh) | 一种空间自适应的海量数据查询方法 | |
CN113434705B (zh) | 一种基于关系图谱的提现额度调整方法、*** |
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 |