CN117029804B - 一种基于车辆定位信息的矿区地形自动更新方法 - Google Patents

Abstract

本发明涉及地理信息更新技术领域，公开了一种基于车辆定位信息的矿区地形自动更新方法，包括以下步骤：步骤S1，数据获取；步骤S2、数据整理；步骤S3、格式转换；步骤S4、曲面拟合；步骤S5、掩膜提取；步骤S6、数据融合；步骤S7、服务更新。通过车载定位终端设备上传获取某时段内车辆行驶的点位数据，在此基础上，通过空间拟合算法生成矿区范围内地形拟合数据集，按照指定范围对拟合数据进行裁切，并和原始地形数据进行融合，最后进行数据服务发布，从而实现矿区范围内地形数据更新。实现了基于车辆定位信息进行大面积矿区地形自动更新的可行性，减少人工干预工作，设置好参数后，大大节省了人工工作量，提升工作效率。

Description

一种基于车辆定位信息的矿区地形自动更新方法

技术领域

本发明属于地理信息更新技术领域，具体地说，涉及一种基于车辆定位信息的矿区地形自动更新方法。

背景技术

矿山无人化运输作业的特殊性和复杂性，导致矿山无人化运输管理***的实现面临诸多技术挑战，其中高效地监控矿山中车辆实时运行状态对实现无人化管理至关重要，地图具有的空间特征使其成为实现监控功能的有效载体。

现有研究存在一些问题和局限性：

现有技术中使用无人机作为采集地理数据的工具，侧重点在于快速更新，而采集数据的质量受地形覆盖情况、天气等影响较大，且拍摄范围不能精确控制。对矿区的一般行驶道路和区域无法区分识别，不适用露天矿无人运输场景。

现有技术中还有一种较为通用的三维地图切片处理，运用抽稀算法处理降低数据量对于区域范围较小的矿区而言较为复杂和耗时。

现有技术中的可视化方法使用条件判断将用户输入的组合条件数据与数据储存单元中的数据一一对比，筛选相等结果再输出至用户端浏览器，此方法中空间运算频繁计算量大，可视化***的效率较低。

有鉴于此特提出本发明。

发明内容

为解决上述无人机采集数据的质量受地形覆盖情况、天气等影响较大的技术问题，本发明采用技术方案的基本构思是：

一种基于车辆定位信息的矿区地形自动更新方法，包括以下步骤：

步骤S1、数据获取：

车载定位终端设备进行组网，通过车辆移动定位终端设备，定位终端设备上传车辆信息；

步骤S2、数据整理：

数据访问端接收到车辆信息以后，对获取到的车辆信息进行整理，得到预处理数据；

步骤S3、格式转换：

将预处理数据转换为所需的矢量数据格式，为下一步进行曲面拟合提供数据源；

步骤S4、曲面拟合：

采用克里金地学插值法，根据离散定位信息进行拟合，预测周围未知点的空间分布，近似得到测区范围内的地形拟合数据成果；

步骤S5、掩膜提取：

根据车辆点位信息，生成裁切范围，对拟合数据成果进行面裁切，获得变化范围地形数据；

步骤S6、数据融合：

将裁切后的变化范围地形数据与原始地形数据进行叠加融合，得到模拟后的全矿地形数据；

步骤S7、服务更新：

进行地图切片及服务发布，完成地图服务更新操作。

根据所述的一种基于车辆定位信息的矿区地形自动更新方法，所述车辆信息包括车辆坐标、车牌号、车辆类型及行驶状态。

根据所述的一种基于车辆定位信息的矿区地形自动更新方法，所述步骤S2中的数据整理所包含的处理内容如下：

1)、数据转化：定位终端设备将车辆信息以JSON数据格式实时推送到数据接收端；对获取得到的信息进行序列化操作，从而将内存中的数据保存在计算机硬盘中；

2)、数据筛选：通过终端设备推送回的信息，将其根据数据处理的要求，提取能够反映车辆分布范围和行驶状态的有效内容，筛除不必要的离散数据点，降低数据干扰，用以后期道路和变化区域的创建；

3)、空间数据清理：通过拓扑分析，筛选排除不符合处理处理要求的点位信息，确保参与计算的点位信息符合计算要求。

根据所述的一种基于车辆定位信息的矿区地形自动更新方法，所述筛选排除不符合处理处理要求的点位信息包括：

根据测区矢量范围，删除范围以外的无效点，保留范围内部的车辆点位；删除高程值不满足实际地形高程范围的点位；删除异常点、零值点。

根据所述的一种基于车辆定位信息的矿区地形自动更新方法，所述步骤S3中的数据转换流程如下：

1)、导入原始车辆点位数据：通过车辆定位终端服务后台提供的访问接口，请求获取原始车辆点位信息，按照时间范围存储；

2)、坐标提取：从每一条对象化处理后的车辆点位数据记录中，分离XYZ字段，提取车辆点位坐标，并将其转换为坐标串队列；

3)、数据筛选：根据筛选原则去除不参与变化范围统计的坐标点，提取保留参与计算的点位信息；

4)、创建线串：根据保留的坐标点，按照时间戳顺序进行节点连接，构成车辆行驶的路程轨迹线；

5)、二值化转换：将上述线状要素进行按照一定的色度比照标准转换为灰度图像；在灰度图像中，根据灰度梯度变化和边界增强算法，采用二值化(黑、白)，突出重要特征和背景的区别；

6)、矢量范围提取：栅格数据前景转回矢量数据，并进行矢量综合，提取变化范围；

7)、去除空洞；生成的变化范围由于栅格化的原因，其内部存在较多小面积空洞；根据内部空洞图斑面积大小，按照指定阈值对小面图斑进行融合消除；

8)、输出边界：输出得到地形变化范围矢量数据成果。

根据所述的一种基于车辆定位信息的矿区地形自动更新方法，所述筛选原则包括：

删除测区外部的坐标点，保留测区内部的坐标点；

删除测区高程范围之外的坐标点，保留测区高程范围内部坐标点；

删除计算条件之外的车辆类型坐标点，保留满足计算条件的车辆类型坐标点；

删除不符合计算条件的车辆状态点位坐标，保留满足计算条件的车辆状态的点位坐标。

根据所述的一种基于车辆定位信息的矿区地形自动更新方法，所述将裁切后的变化范围地形数据与原始地形数据进行叠加融合包括：

变化范围内地形融合：采用基于像元的图像融合方式，用替换数据在原始数据层上进行融合，对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理；

变化范围边缘与原始地形融合：原始地形和生成的地形按像元所在的位置，根据像素高程进行平均值处理，降低更新前后过渡区域的变化差异。

本发明与现有技术相比具有以下有益效果：

本发明中，通过车载定位终端设备上传获取某时段内车辆行驶的点位数据，在此基础上，通过空间拟合算法生成矿区范围内地形拟合数据集，按照指定范围对拟合数据进行裁切，并和原始地形数据进行融合，最后进行数据服务发布，从而实现矿区范围内地形数据更新。本发明的方法采集数据的质量不受地形覆盖情况、天气等影响，且数据采集方便。

本发明实现了基于车辆定位信息进行大面积矿区地形自动更新的可行性，减少人工干预工作，设置好参数后，大大节省了人工工作量，提升工作效率。

下面结合附图对本发明的具体实施方式作进一步详细的描述。

附图说明

在附图中：

图1为本发明地形更新处理流程图；

图2为本发明数据结构转化图；

图3为本发明数据转换流程图；

图4为本发明掩膜提取流程示意图；

图5为本发明变化地形融合更新示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明。

如图1至图2所示，一种基于车辆定位信息的矿区地形自动更新方法，包括以下步骤：

步骤S1，数据获取

车载定位终端设备能够提供车辆基本信息和车辆信息，利用工业路由器进行智能组网，实现数据信息的传输。定位终端设备提供实时定位，按照设定的时间间隔、指定的时刻点或者距离间隔，让车载终端上报行驶状态。通过车辆移动定位终端设备，可以上传获取车辆信息，该车辆信息具体包括车辆坐标、车牌号、车辆类型、行驶状态等多种类型的信息。

步骤S2，数据整理

车辆信息通常以标准协议、按照网络通讯接口的方式提供给数据访问端，接收到车辆信息以后，需要对获取到的车辆信息进行整理，从而得到预处理数据。

其中，数据转化过程如图2所示，数据整理所包含的处理内容和步骤如下：

1、数据转化

车辆信息是以JSON数据格式实时推送到数据接收端。为了有效解析和处理原始车辆数据，需要对获取得到的车辆信息进行序列化操作，从而将内存中的数据保存在计算机硬盘中，便于后续的处理。

2、数据筛选

通过终端设备推送回的信息，包含各个部门以及各种类型的车辆定位描述。在此过程中，需要我们根据数据处理的要求，提取能够充分反映车辆分布范围和行驶状态的有效内容，筛除不必要的离散数据点，降低数据干扰，用以后期道路和变化区域的创建。

3、空间数据清理

空间数据清理是指通过拓扑分析，筛选排除不符合处理处理要求的点位信息，确保参与计算的点位信息符合计算要求。如：根据测区矢量范围，删除范围以外的无效点，保留范围内部的车辆点位；删除高程值不满足实际地形高程范围的点位；删除异常点、零值点等。

步骤S3，主要转换过程如图3所示，格式转换：

将整理完成以后的预处理数据转换为所需的矢量数据格式，为下一步进行曲面拟合提供数据源。同时，采用栅格二值化的过程，对上述离散点进行数据转换以提取聚合范围边界。其具体流程如下：

1、导入原始车辆点位数据

通过车辆定位终端服务后台提供的访问接口，请求获取原始车辆点位信息，按照时间范围存储。

2、坐标提取

从每一条对象化处理后的车辆点位数据记录中，分离XYZ字段，提取车辆点位坐标，并将其转换为坐标串队列。

3、数据筛选

数据筛选的主要目标是根据预设的筛选原则去除不参与变化范围统计的坐标点，提取保留参与计算的点位信息。其中，筛选原则包括：

删除测区外部的坐标点，保留测区内部的坐标点；

删除测区高程范围之外的坐标点，保留测区高程范围内部坐标点；

删除计算条件之外的车辆类型坐标点(如：指挥车辆、通勤车辆等)，保留满足计算条件的车辆类型坐标点；

删除不符合计算条件的车辆状态点位坐标(如：离线车辆)，保留满足计算条件的车辆状态的点位坐标。

4、创建线串

根据保留的坐标点，按照时间戳顺序进行节点连接，构成车辆行驶的路程轨迹线。

5、二值化转换

将上述线状要素进行按照一定的色度比照标准转换为灰度图像。在灰度图像中，根据灰度梯度变化和边界增强算法，采用二值化(黑、白)，突出重要特征和背景的区别。在栅格二值化转换的过程中，可以有效去除离散点所产生的碎线段，保留主要的道路中心线所在的区域范围。

6、矢量范围提取

栅格数据前景转回矢量数据，并进行矢量综合，提取变化范围。

7、去除空洞

生成的变化范围由于栅格化的原因，其内部存在较多小面积空洞。根据内部空洞图斑面积大小，按照指定阈值对小面图斑进行融合消除。

8、输出边界

输出得到地形变化范围矢量数据成果。

步骤S4，曲面拟合：

采用克里金地学插值法，根据离散定位信息进行拟合，预测周围未知点的空间分布，近似得到测区范围内的地形拟合数据成果。

步骤S5，掩膜提取：根据车辆点位信息，生成裁切范围，对拟合数据成果进行面裁切，获得变化范围地形数据。掩膜提取流程如图4所示。

在遥感影像处理过程中，掩膜处理是指用选定的图像、图形或物体，对处理的图像(全部或局部)进行遮挡，来控制图像处理的区域或处理过程。按照矢量范围裁切栅格数据。根据第3步所提取的变化范围边界，获取变化范围内的地形

其中，具体的掩膜提取流程可以使用利用Arcgis创建掩膜并根据掩膜裁剪地图，简易教程链接如下：

https://blog.csdn.net/qq_46841162/article/details/123662884。

步骤S6，数据融合：将裁切后的变化范围地形数据与原始地形数据进行叠加融合，得到模拟后的全矿地形数据。变化地形融合更新过程如图5所示。

其中，将裁切后的变化范围地形数据与原始地形数据进行叠加融合具体包括变化范围内地形融合，以及变化范围边缘与原始地形融合两方面。

具体的，变化范围内地形融合即用更新道路地形数据对原始地形进行叠加替换。变化范围内地形融合采用基于像元的图像融合方式，直接用替换数据在原始数据层上进行融合，对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理。

在数据融合的过程中，重点要处理好变化范围边缘与原始地形之间的过渡关系。同一位置的道路边缘地形数据由于道路形态放生了变化，在与原始数据接边的时候，会出现较大的差异，严重影响整体更新效果。因此在处理边缘过渡区域的融合问题时，采取的主要手段是平均值滤波法。即将原始地形和生成的地形按像元所在的位置，根据像素高程进行平均值处理，降低更新前后过渡区域的变化差异。

Claims (6)

1.一种基于车辆定位信息的矿区地形自动更新方法，其特征在于，包括以下步骤：

步骤S1、数据获取：

车载定位终端设备进行组网，通过车辆移动定位终端设备，定位终端设备上传车辆信息；

步骤S2、数据整理：

数据访问端接收到车辆信息以后，对获取到的车辆信息进行整理，得到预处理数据；

步骤S3、格式转换：

将预处理数据转换为所需的矢量数据格式，为下一步进行曲面拟合提供数据源；

步骤S4、曲面拟合：

采用克里金地学插值法，根据离散定位信息进行拟合，预测周围未知点的空间分布，得到测区范围内的地形拟合数据成果；

步骤S5、掩膜提取：

根据车辆点位信息，生成裁切范围，对拟合数据成果进行面裁切，获得变化范围地形数据；

步骤S6、数据融合：

将裁切后的变化范围地形数据与原始地形数据进行叠加融合，得到模拟后的全矿地形数据；

步骤S7、服务更新：

进行地图切片及服务发布，完成地图服务更新操作；

其中，步骤S3中的数据转换流程如下：

1）、导入原始车辆点位数据：通过车辆定位终端服务后台提供的访问接口，请求获取原始车辆点位信息，按照时间范围存储；

2）、坐标提取：从每一条对象化处理后的车辆点位数据记录中，分离XYZ字段，提取车辆点位坐标，并将其转换为坐标串队列；

3）、数据筛选：根据筛选原则去除不参与变化范围统计的坐标点，提取保留参与计算的点位信息；

4）、创建线串：根据保留的坐标点，按照时间戳顺序进行节点连接，构成车辆行驶的路程轨迹线；

5）、二值化转换：将路程轨迹线进行按照一定的色度比照标准转换为灰度图像；在灰度图像中，根据灰度梯度变化和边界增强算法，采用二值化，突出重要特征和背景的区别；

6）、矢量范围提取：栅格数据前景转回矢量数据，并进行矢量综合，提取变化范围；

7）、去除空洞；生成的变化范围由于栅格化的原因，其内部存在较多小面积空洞；根据内部空洞图斑面积大小，按照指定阈值对小面图斑进行融合消除；

8）、输出边界：输出得到地形变化范围矢量数据成果。

2.根据权利要求1所述的一种基于车辆定位信息的矿区地形自动更新方法，其特征在于，所述车辆信息包括车辆坐标、车牌号、车辆类型及行驶状态。

3.根据权利要求2所述的一种基于车辆定位信息的矿区地形自动更新方法，其特征在于，所述步骤S2中的数据整理所包含的处理内容如下：

1）、数据转化：定位终端设备将车辆信息以JSON数据格式实时推送到数据接收端；对获取得到的信息进行序列化操作，从而将内存中的数据保存在计算机硬盘中；

2）、数据筛选：通过终端设备推送回的信息，将其根据数据处理的要求，提取能够反映车辆分布范围和行驶状态的有效内容，筛除离散数据点，降低数据干扰，用以后期道路和变化区域的创建；

3）、空间数据清理：通过拓扑分析，筛选排除不符合处理要求的点位信息，确保参与计算的点位信息符合计算要求。

4.根据权利要求3所述的一种基于车辆定位信息的矿区地形自动更新方法，其特征在于，所述筛选排除不符合处理要求的点位信息包括：

根据测区矢量范围，删除范围以外的无效点，保留范围内部的车辆点位；删除高程值不满足实际地形高程范围的点位；删除异常点、零值点。

5.根据权利要求1所述的一种基于车辆定位信息的矿区地形自动更新方法，其特征在于，所述筛选原则包括：

删除测区外部的坐标点，保留测区内部的坐标点；

删除测区高程范围之外的坐标点，保留测区高程范围内部坐标点；

删除计算条件之外的车辆类型坐标点，保留满足计算条件的车辆类型坐标点；

删除不符合计算条件的车辆状态点位坐标，保留满足计算条件的车辆状态的点位坐标。

6.根据权利要求1所述的一种基于车辆定位信息的矿区地形自动更新方法，其特征在于，所述将裁切后的变化范围地形数据与原始地形数据进行叠加融合包括：

变化范围内地形融合：采用基于像元的图像融合方式，用替换数据在原始数据层上进行融合，对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理；

变化范围边缘与原始地形融合：原始地形和生成的地形按像元所在的位置，根据像素高程进行平均值处理，降低更新前后过渡区域的变化差异。