CN117911474A - 一种在线瓦片地图渐进式动态配准方法、***及装置 - Google Patents

一种在线瓦片地图渐进式动态配准方法、***及装置 Download PDF

Info

Publication number
CN117911474A
CN117911474A CN202410320602.9A CN202410320602A CN117911474A CN 117911474 A CN117911474 A CN 117911474A CN 202410320602 A CN202410320602 A CN 202410320602A CN 117911474 A CN117911474 A CN 117911474A
Authority
CN
China
Prior art keywords
map
registration
match
offset value
scale
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.)
Granted
Application number
CN202410320602.9A
Other languages
English (en)
Other versions
CN117911474B (zh
Inventor
邓吉秋
陈晓燕
张东
邱蓝
吴军
王飞龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202410320602.9A priority Critical patent/CN117911474B/zh
Publication of CN117911474A publication Critical patent/CN117911474A/zh
Application granted granted Critical
Publication of CN117911474B publication Critical patent/CN117911474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462Salient features, e.g. scale invariant feature transforms [SIFT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提出了一种在线瓦片地图渐进式动态配准方法、***及装置,包括输入目标地图Pt和待配准地图Pr的中心点地理坐标P'(x,y)和P(x,y)以及当前地图的尺度s作为获取地图的重要参数;输入不同地图、不同尺度下的偏移值集合O等步骤,针对瓦片地图不同尺度下地物类型和偏移值也不同的特点,在配准过程中,根据当前待配准地图的地物数量,灵活使用不同的特征要素进行配准,同时根据地图尺度增大,偏移值增大的特点,对地图进行渐进式配准,在粗配准阶段,利用邻近尺度偏移值进行大概配准,增强地图重叠度,为精配准阶段提取到更多图像特征做准备。在精配准阶段,灵活使用不同类型的图像特征进行配准,以达到高精度高效率的配准。

Description

一种在线瓦片地图渐进式动态配准方法、***及装置
技术领域
本发明涉及瓦片地图配准技术领域,具体来说,涉及一种在线瓦片地图渐进式动态配准方法、***及装置。
背景技术
瓦片地图配准对多源数据的集成与应用非常重要,是当前地图配准领域的一个难点问题。不同于其他配准对象,瓦片地图是一个从粗到精、从全局到局部的多级组织形式,具备复杂的场景变化。
当前的两类配准方法无法解决瓦片地图多尺度变化配准:一是坐标转换算法,该方法利用厂商提供的API接口进行计算得到配准固定偏移值,但API接口有限,只限特定坐标***,同时不同瓦片地图之间的偏移值会随地图尺度增大而增大,固定偏移值无法应对地图的尺度变化;二是基于特征的配准方法,该方法多采用少量特征或单一特征进行匹配,而随着地图尺度增大,地物数量会变少,该方法将无法提取到地图特征,此方法无法应对不同尺度地图具备不同特征的情况。因此,有必要开发一种适用于瓦片地图多尺度变化的配准方法。
发明内容
本发明提出了一种结合图像多特征的渐进式动态配准方法,以解决瓦片地图多尺度变化下难以配准的问题。
为此,本发明采用的具体技术方案如下:
一种在线瓦片地图渐进式动态配准方法,包括,记坐标点集合为P={p1,p2,…,pm},其中pi=(xi,yi);尺度集合为S={s1,s2,…,sn},偏移值集合为,O(pi,sj )代表pi点在sj尺度下的偏移值,其中1≤i≤m,1≤j≤n;包括以下步骤:
步骤S10,输入目标地图Pt和待配准地图Pr的中心点地理坐标p'(x,y)和p(x,y)以及当前地图的尺度s作为获取地图的重要参数;输入不同地图、不同尺度下的偏移值集合O;
步骤S20,地图初始可视化、平移、缩放后,通过地图服务接口,读取地图中心点地理坐标
p'(x,y)和p(x,y)以及当前地图尺度s,加载待配准地图Pr和目标地图Pt
步骤S30,粗配准,对集合O设计两个约束条件,得到目标最邻近偏移值记录Od,其中首要约束条件是Od中坐标点与当前点p(x,y)的欧式距离最小,次要约束条件是Od中尺度与当前尺度s的尺度差最小,具体见式1,
式1;
若集合Od中存在多个偏移值记录,则随机选择其中一个进行地图粗配准,重新获取待配准地图Pr,若集合O判定为空,则跳过步骤S30粗配准阶段,直接进入步骤S40;
步骤S40,精配准,包括,
步骤S41,使用U-SURF算法提取目标地图Pt和待配准地图Pr中特征点,并分别记为FPt={fpt1,fpt2,…,fptn},FPr={fpr1,fpr2,…,fprn},并生成对应描述子信息Dt={dt1,dt2,…,dtn},Dr={dr1,dr2,…,drn}。之后根据描述子信息使用快速最邻近匹配方法对FPt和FPr进行匹配,得到匹配点对FP_match={fp_match1,fp_match2,…,fp_matchn};若FP_match的数量大于设定阈值,则进入步骤S43,否则进入步骤S42;
步骤S42,使用Suzuki85算法提取目标地图Pt和待配准地图Pr中的特征面,分别记为FSt={fst1,fst2,…,fstn},FSr={fsr1,fsr2,…,fsrn},并根据多边形重叠面积比例确定FSt和FSr中特征面的匹配关系,得到匹配面对FS_match={fs_match1,fs_match2,…,fsmatchn},对FS_match中一条记录fs_matchi,通过移动fsri使得fsri与fsti重叠面积最大,记重叠面积最大时fsri移动的偏移值为Mi,则使用特征面信息求解的精配准偏移值可以表示为式5,
式5;
得到偏移值结果后,进入步骤S44,将像素值转换为实地偏移距离;
步骤S43,若FP_match的数量大于设定阈值,则根据特征点匹配信息求解变换参数,具体为,根据FS_match中的匹配信息,读取信息中的坐标值X和Y,计算所有匹配的偏移量,对FP_match中一条记录fp_matchi,其偏移量计算如式6,
式6;
式6中fpti和fpri为fp_matchi在pt和pr中对应的特征点,fpri.X表示fpri的X坐标,fpri.Y表示fpri的Y坐标,fpti.X与fpti.Y同理;
以偏移量x和y作为二维离散点,均值漂移算法的圆心作为精配准的偏移值,其圆心的求解过程如下:
式7;
式7中Cr表示以x为圆心,r为半径的圆形范围,M(x)表示概率密度梯度的方向,
x(t+1)=Mt+xt 式8
式8中Mt表示t状态下偏移值,xt表示t状态下圆心坐标。通过迭代,当Mt为0时,xt+1即为所求圆心,其坐标为精配准偏移值F(p,s),可表示为式9:
F(p,s)=xt+1 (Mt=0) 式9
得到偏移值结果后,进入步骤S44,将像素值转换为实地偏移距离;
步骤S44,根据像素分辨率能够换算出待配准地图偏移的实际距离,对待配准地图进行精配准,最终将结合粗配准与精配准得到的最终偏移值存入集合O中,作为其它地区或尺度粗配准的参考值,至此即可。
在可能的一个设计中,步骤S41中,得到匹配点后还需综合RANSAC算法和基于均值漂移算法的特征点筛选策略对匹配点对FP_match进行过滤,具体为:
随机从点集中选择一个点作为起始点,记为,并绘制一个以/>为圆心半径为r的圆形范围,在该圆形范围内以/>作为起点,其他点为终点形成偏移向量可以表示为,如式2,
式2
圆形范围内全部偏移向量的和为本次迭代的最终偏移向量,可以表示为式3:
式3
则下一次迭代的圆形可以表示为p1,如式4:
式4
当P中m%以上的点落入圆形范围内时,停止迭代,将位于圆心外的离散点所对应的特征点对作为错误匹配剔除。
在可能的一个设计中,步骤S41中对匹配点对FP_match进行过滤过程中,其中m取值为45-55。
在可能的一个设计中,步骤S41中对匹配点对FP_match进行过滤过程中,其中m取值为50。
在可能的一个设计中,步骤S41、S43中的设定阈值为5。
在可能的一个设计中,步骤S44中,具体为,根据像素分辨率能够换算出待配准地图偏移的实际距离,对待配准地图进行精配准,不同尺度下瓦片地图的像素分辨率与实际地理长度的转换公式可以表达如下:
式10
式10中,z表示地图尺度,l代表地球赤道长度,本实施例中取值为40075016.686m;
最终将结合粗配准与精配准得到的最终偏移值存入集合O中,作为其它地区或尺度粗配准的参考值。
在可能的一个设计中,步骤S44后,本方法在不同地区、不同尺度动态计算偏移值,当地图中心发生移动或尺度变换时,返回步骤S10,求解配准参数,否则结束。
本发明还提供一种在线瓦片地图渐进式动态配准装置,包括存储器、控制处理器及存储在所述存储器上并可在所述控制处理器上运行的计算机程序,所述控制处理器执行所述程序,以实现前述的在线瓦片地图渐进式动态配准方法。
本发明还提供一种控制***,包括前述的在线瓦片地图渐进式动态配准装置。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行前述的在线瓦片地图渐进式动态配准方法。
与现有技术相比,本发明的有益效果为:
本发明针对瓦片地图不同尺度下地物类型和偏移值也不同的特点,提出了一种基于多特征的渐进式动态配准技术,在配准过程中,根据当前待配准地图的地物数量,灵活使用不同的特征要素进行配准,弥补了现有配准技术无法适用复杂地图场景的配准。同时根据地图尺度增大,偏移值增大的特点,对地图进行渐进式配准;在粗配准阶段,利用邻近尺度偏移值进行大概配准,增强地图重叠度,为精配准阶段提取到更多图像特征做准备;在精配准阶段,灵活使用不同类型的图像特征进行配准,以达到高精度高效率的配准。
本发明实现了多尺度地图的配准,该技术不受地图坐标***的限制,且配准效果优于现有坐标转换算法。不同于坐标转换算法计算所得的固定偏移值结果,渐进式配准保证配准精度不受尺度变化的影响,实现了全自动高精度的配准。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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为本发明实施例的动态配准过程示意图。
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,对本发明实施例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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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它实施例,都属于本发明保护的范围。
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
一种基于多特征匹配的在线瓦片地图渐进式动态配准方法,包括输入说明、输出说明、渐进式动态配准的过程,技术方案的详细过程描述如下:
1.1 输入说明
输入是目标地图Pt和待配准地图Pr的中心点地理坐标,分别记为p' (x,y)和p(x,y)、当前地图的尺度值s以及和不同地图、不同尺度下的偏移值集合O。
1.2 输出说明
输出是待配准地图的不同尺度的偏移值以及配准结果图。
1.3 渐进式动态配准
由于地图偏移量随着地图尺度的变化而动态改变,为将待配准地图Pr通过平移变换与目标地图Pt配准,需要已知两幅地图的地图中心坐标和地图尺度,结合当前地图特征信息动态计算不同偏移值。
记坐标点集合为P={p1,p2,…,pm},其中pi=(xi,yi );尺度集合为S={s1,s2,…,sn},偏移值集合为,O(pi,sj ))代表pi点在sj尺度下的偏移值,其中1≤i≤m,1≤j≤n;针对多源瓦片地图渐进式动态配准流程,其过程如下:
(1)参数输入
输入目标地图Pt和待配准地图Pr的中心点地理坐标p' (x,y)和p(x,y)及当前地图的尺度s作为获取地图的重要参数;输入不同地图、不同尺度下的偏移值集合O,作为粗配准的参考值。
(2)读取地图信息
地图初始可视化、平移、缩放后,通过地图服务接口(以高德地图为例,具体操作见https://lbs.amap.com/api/javascript-api-v2/),读取地图中心点地理坐标p' (x,y)和p(x,y)以及当前地图尺度s,加载待配准地图Pr和目标地图Pt
(3)地图粗配准
为了快速获取到当前地图的最邻近偏移值,通过对集合O设计两个约束条件,得到目标最邻近偏移值记录Od,其中首要约束条件是Od中坐标点与当前点p(x,y)的欧式距离最小,次要约束条件是Od中尺度与当前尺度s的尺度差最小,具体见式1,
式1;
若集合Od中存在多个偏移值记录,则随机选择其中一个进行地图粗配准,重新获取待配准地图Pr,若集合O判定为空,则跳过粗配准阶段(3),直接进入地图精配准阶段(4)。
(4)地图精配准
步骤①,首先使用U-SURF算法提取目标地图Pt和待配准地图Pr中特征点,并分别记为FPt={fpt1,fpt2,…,fptn},FPr={fpr1,fpr2,…,fprn},并生成对应描述子信息Dt={dt1,dt2,…,dtn},Dr={dr1,dr2,…,drn}。之后根据描述子信息使用快速最邻近匹配方法对FPt和FPr进行匹配,得到初始匹配点对FP_match={fp_match1,fp_match2,…,fp_matchn}。
为了提高匹配点对的正确率,本文综合RANSAC算法和基于均值漂移算法的特征点筛选策略对匹配点对FP_match进行过滤。
首先随机从点集中选择一个点(记为)作为起始点,并绘制一个/>为圆心半径为r的圆形范围,在该圆形范围内以/>作为起点,其他点为终点形成偏移向量可以表示为/>,如式2,
式2
圆形范围内全部偏移向量的和为本次迭代的最终偏移向量,可以表示为式3:
式3
则下一次迭代的圆形可以表示为p1,如式4:
式4
当P中50%以上的点落入圆形范围内时,停止迭代,将位于圆心外的离散点所对应的特征点对作为错误匹配剔除。若过滤后FP_match的数量大于阈值5,则进入步骤③,否则进入步骤②。
步骤②,使用Suzuki85算法提取目标地图Pt和待配准地图Pr中的特征面,分别记为FSt={fst1,fst2,…,fstn},FSr={fsr1,fsr2,…,fsrn}。由于特征面提取中常存在面的断裂,提取到的面往往不完整,无法通过面本身的特性进行匹配,而两幅图像之间的特征面本身的坐标相近,故本文根据多边形重叠面积比例确定FSt和FSr中特征面的匹配关系,得到匹配面对FS_match={fs_match1,fs_match2,…,fsmatchn }。
之后为了避免地图中细碎面对配准精度的影响,本文进一步结合几何特性的特征面筛选策略对FS_match进行过滤。
对FS_match中一条记录fs_matchi,通过移动fsri使得fsri与fsti重叠面积最大,记重叠面积最大时fsri移动的偏移值为Mi,则使用特征面信息求解的精配准偏移值可以表示为式5,
式5;
得到偏移值结果后,进入步骤④,将像素值转换为实地偏移距离;
步骤③,若FPmatch的数量大于设定阈值5,则根据特征点匹配信息求解变换参数,首先根据FSmatch中的匹配信息,读取信息中的坐标值X和Y,计算所有匹配的偏移量,对FP_match中一条记录fp_matchi,其偏移量计算如式6,
式6;
式6中fpti和fpri为fp_matchi在pt和pr中对应的特征点,fpri.X表示fpri的X坐标,fpri.Y表示fpri的Y坐标,fpti.X与fpti.Y同理。
以偏移量x和y作为二维离散点,均值漂移算法的圆心作为精配准的偏移值,其圆心的求解过程如下:
式7;
式7中Cr表示以x为圆心,r为半径的圆形范围,M(x)表示概率密度梯度的方向,
xt+1=Mt+xt 式8
式8中Mt表示t状态下偏移值,xt表示t状态下圆心坐标。通过迭代,当Mt为0时,xt+1即为所求圆心,其坐标为精配准偏移值F(p,s),可表示为式9:
F(p,s)=xt+1 (Mt=0) 式9
得到偏移值结果后,进入步骤④,将像素值转换为实地偏移距离。
步骤④,由于计算的偏移值单位为像素单位,故根据像素分辨率能够换算出待配准地图偏移的实际距离,对待配准地图进行精配准。
由于瓦片地图中当前尺度地图的比例尺与像素分辨率为上一尺度的二分之一,而0尺度的瓦片地图对应实际地理宽度为地球赤道长度l,故不同尺度下瓦片地图的像素分辨率与实际地理长度的转换公式可以表达如下:
式10
式10中,z表示地图尺度,l代表地球赤道长度,本实施例中取值为40075016.686m;
最终将结合粗配准与精配准得到的最终偏移值存入集合O中,作为其它地区或尺度粗配准的参考值。
(5)动态配准
为满足瓦片地图实际配准需要,PDR方法在不同地区、不同尺度动态计算偏移值,当地图中心发生移动或尺度变换时,返回操作(1),求解配准参数,否则结束。以11尺度为初始化尺度为例,响应地图平移、放大和缩小过程动态配准示意图如图1。
本发明针对瓦片地图不同尺度下地物类型和偏移值也不同的特点,提出了一种基于多特征的渐进式动态配准技术,在配准过程中,根据当前待配准地图的地物数量,灵活使用不同的特征要素进行配准,弥补了现有配准技术无法适用复杂地图场景的配准。同时根据地图尺度增大,偏移值增大的特点,对地图进行渐进式配准;在粗配准阶段,利用邻近尺度偏移值进行大概配准,增强地图重叠度,为精配准阶段提取到更多图像特征做准备;在精配准阶段,灵活使用不同类型的图像特征进行配准,以达到高精度高效率的配准。
本发明还提供一种在线瓦片地图渐进式动态配准装置,包括存储器、控制处理器及存储在所述存储器上并可在所述控制处理器上运行的计算机程序,所述控制处理器执行所述程序,以实现前述的在线瓦片地图渐进式动态配准方法。
本发明还提供一种控制***,包括前述的在线瓦片地图渐进式动态配准装置。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行前述的在线瓦片地图渐进式动态配准方法。
根据本公开的实施例的在线瓦片地图渐进式动态配准方法可被编写为计算机程序并被存储在计算机可读存储介质上。当计算机程序被处理器执行时,可实现如上所述的在线瓦片地图渐进式动态配准方法。
计算机可读存储介质的示例包括:只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如,多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置,所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行计算机程序。 在一个示例中,计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机***上,使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
尽管为使解释简单化将上述方法图示并描述为一系列动作,但是应理解并领会,这些方法不受动作的次序所限,因为根据一个或多个实施例,一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。本领域技术人员将进一步领会,结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性,各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体***的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性,但这样的实现决策不应被解读成导致脱离了本发明的范围。 结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器,但在替换方案中,该处理器可以是任何常规的处理器、电池仓控制板、微电池仓控制板、或状态机。处理器还可以被实现为计算设备的组合,例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。 结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从该存储介质读取信息和能向该存储介质写入信息。在替换方案中,存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中,处理器和存储介质可作为分立组件驻留在用户终端中。 在一个或多个示例性实施例中,所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品,则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者,其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定,这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如,如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、中控计算机、或其它远程源传送而来,则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟,其中盘(disk)往往以磁的方式再现数据,而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解: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,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种在线瓦片地图渐进式动态配准方法,其特征在于,记坐标点集合为P={p1,p2,…,pm},其中pi=(xi,yi);尺度集合为S={s1,s2,…,sn},偏移值集合为,O(pi,sj )代表pi点在sj尺度下的偏移值,其中1≤i≤m,1≤j≤n;包括以下步骤:
步骤S10,输入目标地图Pt和待配准地图Pr的中心点地理坐标p' (x,y)和p(x,y)以及当前地图的尺度s作为获取地图的重要参数;输入不同地图、不同尺度下的偏移值集合O;
步骤S20,地图初始可视化、平移、缩放后,通过地图服务接口,读取地图中心点地理坐标
p' (x,y)和p(x,y)以及当前地图尺度s,加载待配准地图Pr和目标地图Pt
步骤S30,粗配准,对集合O设计两个约束条件,得到目标最邻近偏移值记录Od,其中首要约束条件是Od中坐标点与当前点p(x,y)的欧式距离最小,次要约束条件是Od中尺度与当前尺度s的尺度差最小,具体见式1,
式1;
若集合Od中存在多个偏移值记录,则随机选择其中一个进行地图粗配准,重新获取待配准地图Pr,若集合O判定为空,则跳过步骤S30粗配准阶段,直接进入步骤S40;
步骤S40,精配准,包括,
步骤S41,使用U-SURF算法提取目标地图Pt和待配准地图Pr中特征点,并分别记为FPt={fpt1,fpt2,…,fptn},FPr={fpr1,fpr2,…,fprn},并生成对应描述子信息Dt={dt1,dt2,…,dtn},Dr={dr1,dr2,…,drn};之后根据描述子信息使用快速最邻近匹配方法对FPt和FPr进行匹配,得到初始匹配点对FP_match={fp_match1,fp_match2,…,fp_matchn};若FP_match的数量大于设定阈值,则进入步骤S43,否则进入步骤S42;
步骤S42,使用Suzuki85算法提取目标地图Pt和待配准地图Pr中的特征面,分别记为FSt={fst1,fst2,…,fstn},FSr={fsr1,fsr2,…,fsrn},并根据多边形重叠面积比例确定FSt和FSr中特征面的匹配关系,得到匹配面对FS_match={fs_match1,fs_match2,…,fsmatchn },对FS_match中一条记录fs_matchi,通过移动fsri使得fsri与fsti重叠面积最大,记重叠面积最大时fsri移动的偏移值为Mi,则使用特征面信息求解的精配准偏移值可以表示为式5,
式5;
得到偏移值结果后,进入步骤S44,将像素值转换为实地偏移距离;
步骤S43,若FP_match的数量大于设定阈值,则根据特征点匹配信息求解变换参数,具体为,根据FS_match中的匹配信息,读取信息中的坐标值X和Y,计算所有匹配的偏移量,对FP_match中一条记录fp_matchi,其偏移量计算如式6,
式6;
式6中fpti和fpri为fp_matchi在pt和pr中对应的特征点,fpri.X表示fpri的X坐标,fpri.Y表示fpri的Y坐标,fpti.X与fpti.Y同理;
以偏移量x和y作为二维离散点,均值漂移算法的圆心作为精配准的偏移值,其圆心的求解过程如下:
式7;
式7中Cr表示以x为圆心,r为半径的圆形范围,M(x)表示概率密度梯度的方向,
xt+1=Mt+xt 式8
式8中Mt表示t状态下偏移值,xt表示t状态下圆心坐标;通过迭代,当Mt为0时,xt+1即为所求圆心,其坐标为精配准偏移值F(p,s),可表示为式9:
F(p,s)=xt+1(Mt=0) 式9
得到偏移值结果后,进入步骤S44,将像素值转换为实地偏移距离;
步骤S44,根据像素分辨率能够换算出待配准地图偏移的实际距离,对待配准地图进行精配准,最终将结合粗配准与精配准得到的最终偏移值存入集合O中,作为其它地区或尺度粗配准的参考值,至此即可。
2.根据权利要求1所述的在线瓦片地图渐进式动态配准方法,其特征在于,步骤S41中,得到匹配点后还需综合RANSAC算法和基于均值漂移算法的特征点筛选策略对匹配点对FP_match进行过滤,具体为:随机从点集中选择一个点作为起始点,记为,并绘制一个为圆心半径为r的圆形范围,在该圆形范围内以/>作为起点,其他点为终点形成偏移向量可以表示为/>,如式2,
式2
圆形范围内全部偏移向量的和为本次迭代的最终偏移向量,可以表示为式3:
式3
则下一次迭代的圆形可以表示为p1,如式4:
式4
当P中m%以上的点落入圆形范围内时,停止迭代,将位于圆心外的离散点所对应的特征点对作为错误匹配剔除。
3.根据权利要求2所述的在线瓦片地图渐进式动态配准方法,其特征在于,步骤S41中对匹配点对FP_match进行过滤过程中,其中m取值为50。
4.根据权利要求1-3任一项所述的在线瓦片地图渐进式动态配准方法,其特征在于,步骤S41、S43中的设定阈值为5。
5.根据权利要求4所述的在线瓦片地图渐进式动态配准方法,其特征在于,步骤S44中,具体为,根据像素分辨率能够换算出待配准地图偏移的实际距离,对待配准地图进行精配准,不同尺度下瓦片地图的像素分辨率与实际地理长度的转换公式可以表达如下:
式10
式10中,z表示地图尺度,l代表地球赤道长度,取值为40075016.686m;
最终将结合粗配准与精配准得到的最终偏移值存入集合O中,作为其它地区或尺度粗配准的参考值。
6.根据权利要求1-3或5任一项所述的在线瓦片地图渐进式动态配准方法,其特征在于,步骤S44后,本方法在不同地区、不同尺度动态计算偏移值,当地图中心发生移动或尺度变换时,返回步骤S10,求解配准参数,否则结束。
7.一种在线瓦片地图渐进式动态配准装置,其特征在于,包括存储器、控制处理器及存储在所述存储器上并可在所述控制处理器上运行的计算机程序,所述控制处理器执行所述程序,以实现如权利要求1-6任一项所述的在线瓦片地图渐进式动态配准方法。
8.一种控制***,其特征在于,包括权利要求7所述的在线瓦片地图渐进式动态配准装置。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-6任一项所述的在线瓦片地图渐进式动态配准方法。
CN202410320602.9A 2024-03-20 2024-03-20 一种在线瓦片地图渐进式动态配准方法、***及装置 Active CN117911474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410320602.9A CN117911474B (zh) 2024-03-20 2024-03-20 一种在线瓦片地图渐进式动态配准方法、***及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410320602.9A CN117911474B (zh) 2024-03-20 2024-03-20 一种在线瓦片地图渐进式动态配准方法、***及装置

Publications (2)

Publication Number Publication Date
CN117911474A true CN117911474A (zh) 2024-04-19
CN117911474B CN117911474B (zh) 2024-06-11

Family

ID=90682405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410320602.9A Active CN117911474B (zh) 2024-03-20 2024-03-20 一种在线瓦片地图渐进式动态配准方法、***及装置

Country Status (1)

Country Link
CN (1) CN117911474B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101315698A (zh) * 2008-06-25 2008-12-03 中国人民解放军国防科学技术大学 基于直线特征图像配准中的特征匹配方法
KR20220023046A (ko) * 2020-08-20 2022-03-02 한국과학기술원 다중 정합 기반 실시간 영상항법 수행 방법, 장치 및 컴퓨터 프로그램
WO2022267287A1 (zh) * 2021-06-25 2022-12-29 浙江商汤科技开发有限公司 图像配准方法及相关装置、设备和存储介质
WO2023000968A1 (zh) * 2021-07-21 2023-01-26 华为技术有限公司 一种地图、地图生成方法及装置
WO2023078309A1 (zh) * 2021-11-05 2023-05-11 苏州微创畅行机器人有限公司 目标特征点提取方法、装置、计算机设备和存储介质
CN117611642A (zh) * 2023-11-30 2024-02-27 中国农业银行股份有限公司 一种地图图像配准方法、设备和介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101315698A (zh) * 2008-06-25 2008-12-03 中国人民解放军国防科学技术大学 基于直线特征图像配准中的特征匹配方法
KR20220023046A (ko) * 2020-08-20 2022-03-02 한국과학기술원 다중 정합 기반 실시간 영상항법 수행 방법, 장치 및 컴퓨터 프로그램
WO2022267287A1 (zh) * 2021-06-25 2022-12-29 浙江商汤科技开发有限公司 图像配准方法及相关装置、设备和存储介质
WO2023000968A1 (zh) * 2021-07-21 2023-01-26 华为技术有限公司 一种地图、地图生成方法及装置
WO2023078309A1 (zh) * 2021-11-05 2023-05-11 苏州微创畅行机器人有限公司 目标特征点提取方法、装置、计算机设备和存储介质
CN117611642A (zh) * 2023-11-30 2024-02-27 中国农业银行股份有限公司 一种地图图像配准方法、设备和介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DONG ZHANG 等: "Progressive Dynamic Registration Method for Tile Maps Based on Optimum Multi-Features", APPLIED SCIENCES, 28 March 2023 (2023-03-28), pages 1 - 15 *
刘建川 等: "瓦片影像地图快速配准与融合方法实现 刘", 测绘科学, vol. 40, no. 11, 30 November 2015 (2015-11-30), pages 85 - 95 *

Also Published As

Publication number Publication date
CN117911474B (zh) 2024-06-11

Similar Documents

Publication Publication Date Title
CN100426321C (zh) 使用多尺度取向片段的多图像匹配
CN101681501B (zh) 图像处理装置、图像处理方法和存储介质
CN103002218B (zh) 图像处理装置及图像处理方法
CN115456002A (zh) 二维码识别方法、二维码定位识别模型建立方法及其装置
KR101235226B1 (ko) 화상 처리 장치, 화상 처리 방법 및 기록 매체
CN101874195B (zh) 地图显示设备、地图显示方法和图像摄取设备
CN101373138A (zh) 图像再现设备及其图像再现方法和记录介质
CN109034266A (zh) 一种目标图像检测方法、装置及***
JP2010283802A (ja) 画像処理装置及び画像管理方法
CN101990065A (zh) 图像处理装置、图像拍摄装置、图像处理方法和程序
WO2016166914A1 (ja) 二次元コード,二次元コード記録担体,二次元コード読取り方法,二次元コード読取用プログラムおよび二次元コード読取り装置
US20120148101A1 (en) Method and apparatus for extracting text area, and automatic recognition system of number plate using the same
CN117911474B (zh) 一种在线瓦片地图渐进式动态配准方法、***及装置
CN104165630A (zh) 离散点的道路匹配方法和道路匹配装置
CN101682693A (zh) 图像数据生成装置、图像数据生成方法及图像数据生成程序
CN111666359B (zh) Poi候选到达点挖掘方法、装置与设备
CN102473306A (zh) 图像处理装置、图像处理方法、程序以及集成电路
US20110119311A1 (en) Map data creating device and map drawing device
CN103514451A (zh) 提取高容量源图像的特征信息的设备和方法
CN111008294B (zh) 交通图像处理、图像检索方法及装置
CN116150295A (zh) 一种瓦片数据的局部更新方法、装置、设备及存储介质
CN115909347A (zh) 仪表示数识别方法、装置、设备及介质
CN116311135A (zh) 语义信息的数据降维方法、数据降维***及控制器
CN116127344A (zh) 一种异常检测优化方法及相关设备
CN111488771B (zh) Ocr挂接方法、装置与设备

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