CN118172575A - 一种测绘数据智能管理*** - Google Patents
一种测绘数据智能管理*** Download PDFInfo
- Publication number
- CN118172575A CN118172575A CN202410603251.2A CN202410603251A CN118172575A CN 118172575 A CN118172575 A CN 118172575A CN 202410603251 A CN202410603251 A CN 202410603251A CN 118172575 A CN118172575 A CN 118172575A
- Authority
- CN
- China
- Prior art keywords
- mapping
- analysis
- aerial vehicle
- unmanned aerial
- region
- 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
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 372
- 238000004458 analytical method Methods 0.000 claims abstract description 298
- 238000007726 management method Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000013523 data management Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 49
- 239000000284 extract Substances 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及测绘数据处理技术领域,尤其涉及一种测绘数据智能管理***,包括,信息获取模块,用以根据预设分析周期周期性获取城市的测绘信息和无人机运行信息;测绘分析模块,用以对对测绘比例参数和测绘特征进行分析;遥感分析模块,用以对城市遥感区域进行分析,并根据城市遥感区域对遥感特征进行分析;匹配分析模块,用以对特征相似度和区域相似度进行分析;映射分析模块,用以根据测绘信息对高度波动参数进行分析,还用以根据特征相似度、区域相似度、测绘比例参数和高度波动参数对区域映射关系进行分析;测绘管理模块,用以根据区域映射关系对测绘信息进行存储。本发明实现了对测绘数据的精确管理。
Description
技术领域
本发明涉及测绘数据处理技术领域,尤其涉及一种测绘数据智能管理***。
背景技术
随着信息科技的飞速发展,测绘数据的管理已逐渐转向数字化、网络化和智能化。通过先进的数据处理技术,实现测绘数据的精准采集、高效存储、智能分析和广泛共享,为城市规划、建设和管理提供有力支撑,推动智慧城市建设的深入发展。
中国专利公开号:CN117668273A公开了一种测绘成果管理方法,该方法针对测绘作品查询结果相关程度低,查询范围小以及测绘作品的管理难度大的问题,提出了以测绘作品中包含的图形要素为基础并构建相关函数,通过输入查找编码的形式分析和比对相关函数的输出值。该发明实现了对测绘数据的编码分类处理,未实现对测绘数据、历史测绘数据以及测绘数据获取来源的综合分析,存在对测绘数据分析效率低,存储管理不准确的问题。
发明内容
为此,本发明提供一种测绘数据智能管理***,用以克服现有技术中对测绘数据分析效率低,存储管理不准确的问题。
为实现上述目的,本发明提供一种测绘数据智能管理***,包括:
信息获取模块,用以根据预设分析周期以周期性获取城市的测绘信息和无人机运行信息;
测绘分析模块,用以根据测绘信息和无人机运行信息对图像相似区域和无人机梯度图进行分析,还用以根据图像相似区域对测绘比例参数进行分析,还用以根据无人机梯度图像对测绘特征进行分析;
遥感分析模块,用以根据测绘比例参数和测绘信息对城市遥感区域进行分析,并根据城市遥感区域对遥感特征进行分析;
匹配分析模块,用以根据测绘特征和遥感特征对特征相似度进行分析,还用以根据无人机梯度图像和城市遥感区域对区域相似度进行分析;
映射分析模块,用以根据特征相似度对区域映射关系进行分析,还用以根据区域相似度对区域映射关系的分析过程进行调整,还用以根据测绘信息对高度波动参数进行分析,并根据高度波动参数对区域映射关系的调整过程进行优化;
测绘管理模块,用以根据区域映射关系对测绘信息进行存储。
进一步地,所述测绘分析模块设有相似分析单元,其用以根据飞行方向对无人机图像进行区域提取,其中:
当0≤θ(i)<90时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≤0,y(i)≤0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≥0,y(i-1)≥0的像素点作为对比区域;
当90≤θ(i)<180时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≤0,y(i)≥0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≥0,y(i-1)≤0的像素点作为对比区域;
当180≤θ(i)<270时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≥0,y(i)≥0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≤0,y(i-1)≤0的像素点作为对比区域;
当270≤θ(i)<360时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≥0,y(i)≤0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≤0,y(i-1)≥0的像素点作为对比区域;
所述相似分析单元根据移动区域和对比区域对图像相似区域进行分析,所述相似分析单元将移动区域和对比区域重叠,并按飞行方向平移移动区域,对比移动区域和对比区域的重叠部分的像素点的灰度值,当重叠部分像素点的灰度值相等时,所述相似分析单元将移动区域和对比区域的重叠部分作为图像相似区域。
进一步地,所述测绘分析模块还设有比例分析单元,其用以根据图像相似区域和无人机运行信息通过比例分析公式计算测绘比例参数,所述比例分析单元设有测绘比例参数如下:其中,A(i)表示测绘比例参数,NX表示图像相似区域中x轴方向上的像素点数量,NY表示图像相似区域中y轴方向上的像素点数量,V(i)表示飞行速度。
进一步地,所述测绘分析模块还设有图像处理单元,其用以根据无人机图像通过灰度分析公式计算第一灰度参数和第二灰度参数,所述图像处理单元根据第一灰度参数、第二灰度参数、无人机图像和迭代次数对无人机梯度图像进行分析,其中:
当Q2(i)×n×255/Q1(i)≤L(x(i),y(i))<Q2(i)×(n+1)×255/Q1(i)时,所述图像处理单元提取当前分析像素点作为梯度像素点,并使当前提取出的梯度像素点的灰度值不变;
当L(x(i),y(i))<Q2(i)×n×255/Q1(i)或L(x(i),y(i))≥Q2(i)×(n+1)×255/Q1(i)时,所述图像处理单元提取当前分析像素点,并将当前提取出的梯度像素点的灰度值设置为0;
所述图像处理单元将梯度像素点构成的图像作为无人机梯度图像;
其中,n表示迭代次数;
所述测绘分析模块还设有处理迭代单元,其用以根据第一灰度参数和第二灰度参数对灰度处理参数进行分析,设定Z(i)=Q1(i)/Q2(i),其中,Z(i)表示灰度处理参数,Z(i)向上取整;
所述处理迭代单元将灰度处理参数与无人机梯度图像的数量进行比对,并根据比对结果对无人机梯度图像的分析过程进行迭代,其中:
当Z(i)≥NQ时,所述处理迭代单元对无人机梯度图像的分析过程进行迭代;
当Z(i)<NQ时,所述处理迭代单元不对无人机梯度图像的分析过程进行迭代;
其中,NQ表示无人机梯度图像的数量。
进一步地,所述测绘分析模块还设有测绘分析单元,其用以根据灰度共生矩阵通过测绘特征分析公式对测绘特征进行分析,所述测绘分析单元设有测绘特征分析公式如下:
其中,D1(i,j)表示第一测绘特征,D2(i,j)表示第二测绘特征,P(i,j)(f1,f2)表示各无人机梯度图像对应灰度共生矩阵,N(i,j)表示各无人机梯度图像中像素点的数量。
进一步地,所述遥感分析模块根据测绘比例参数和卫星遥感比例对卫星遥感图像进行区域划分,将卫星遥感图像划分为多个m1×m2大小的矩形区域,将划分出的矩形区域作为城市遥感区域,其中,m1表示长度参数,设定m1=(2×NX-1)×(2×NY-1)×a/[A(i)×(2×NY-1)],m2表示宽度参数,设定m2=(2×NX-1)×(2×NY-1)×a/[A(i)×(2×NX-1)],a表示卫星遥感比例。
进一步地,所述匹配分析模块设有第一分析单元,其用以根据测绘特征和遥感特征通过第一相似度分析公式计算特征相似度,所述第一分析单元设有第一相似度分析公式如下:
S(i,j,k)=2×[F1(k)×D1(i,j)/(D1(i,j)+D2(i,j))+F2(k)×D2(i,j)/(D1(i,j)+D2(i,j))]/(F1(k)+F2(k))
其中,S(i,j,k)表示特征相似度,k表示城市遥感区域的编号,F1(k)表示第一遥感特征,F2(k)表示第二遥感特征;
所述匹配分析模块还设有第二分析单元,其用以根据无人机图像和城市遥感区域通过第二相似度分析公式计算区域相似度,所述第二分析单元设有第二相似度分析公式如下:
其中,H(i,k)表示区域相似度,G1(i)表示第一无人机灰度参数,g1(i)表示第二无人机灰度参数,G2(k)表示第一卫星灰度参数,g2(k)表示第二卫星灰度参数,L(x(k),y(k))表示城市遥感区域内各像素点的灰度值,(x(k),y(k))表示城市遥感区域内各像素点的坐标,N(k)表示城市遥感区域中像素点的数量。
进一步地,所述映射分析模块设有映射分析单元,其用以将特征相似度与第一相似度阈值进行比对,并根据比对结果对区域映射关系进行分析,其中:
当存在S(i,j,k)≥s且D2(i,j)≤F2(k)时,所述映射分析单元对区域映射关系进行分析,设置区域映射关系为;
当存在S(i,j,k)≥s且D2(i,j)>F2(k)时,所述映射分析单元设置区域映射关系为不存在映射关系;
当所有S(i,j,k)<s时,所述映射分析单元设置区域映射关系为不存在映射关系;
其中,s表示第一相似度阈值。
进一步地,所述映射分析模块还设有映射调整单元,其用以将区域相似度与第二相似度阈值进行比对,并根据比对结果对区域映射关系的分析过程进行调整,其中:
当H(i,k)≥h且S(i,j,k)<s时,所述映射调整单元判定区域相似度符合阈值,对特征相似度进行调整,以对区域映射关系的分析过程进行调整,调整后的特征相似度为S1(i,j,k),设定S1(i,j,k)=S(i,j,k)×loghH(i,k);
当H(i,k)<h时,所述映射调整单元判定区域相似度不符合阈值不对区域映射关系的分析过程进行调整;
当H(i,k)≥h且S(i,j,k)≥s时,所述映射调整单元不对区域映射关系的分析过程进行调整;
其中,h表示第二相似度阈值;
所述映射分析模块还设有飞行分析单元,其用以根据无人机相对高度通过飞行分析公式计算高度波动参数,所述飞行分析单元设有飞行分析公式如下:其中,C表示高度波动参数,R(i)表示无人机相对高度,r表示相对高度均值,imax表示分析周期编号的最大值;
所述映射分析模块还设有映射优化单元,其用以根据无人机相对高度和高度波动参数对区域映射关系的调整过程进行优化,其中:
当C/R(i)>c时,所述映射优化单元判定无人机相对高度波动大,对特征相似度进行优化,以对区域映射关系的调整过程进行优化,优化后的特征相似度为S2(i,j,k),设定S2(i,j,k)=S1(i,j,k)×R(i)/(r+C);
当C/R(i)>c时,所述映射优化单元判定无人机相对高度波动小,不对区域映射关系的调整过程进行优化。
进一步地,所述测绘管理模块根据区域映射关系对测绘信息进行存储,其中:
当区域映射关系为时,所述测绘管理模块将区域映射关系中分析周期编号和城市遥感区域编号对应无人机图像和城市遥感区域作为同一测绘数据进行存储;
当区域映射关系为不存在映射关系时,所述测绘管理模块不对测绘信息进行存储。
与现有技术相比,本发明的有益效果在于,通过所述信息获取模块对测绘信息和无人机信息的获取,以提高信息获取的准确度,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述测绘分析模块对测绘信息和无人机运行信息的分析,以分析出测绘比例参数和测绘特征,用测绘比例参数表示无人机拍摄的图像的实际范围比例,用测绘特征表示无人机图像的图像特征,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述遥感分析模块对测绘比例参数和测绘信息的分析,以分析出遥感特征,用遥感特征表示卫星遥感图像中的图像特征,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述匹配分析模块对测绘特征和遥感特征的分析,以分析出特征相似度,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述匹配分析模块对无人机梯度图像和城市遥感区域的分析,以分析出区域相似度,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述映射分析模块对测绘信息、特征相似度、区域相似度、测绘比例参数和高度波动参数的分析,以分析出区域映射关系,用区域映射关系表示无人机拍摄的图像与卫星遥感图像的映射关系,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述测绘管理模块对区域映射关系的分析,以对测绘信息进行存储,实现对新的测绘数据与卫星遥感数据的关联存储,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
附图说明
图1为本实施例测绘数据智能管理***的结构示意图。
图2为本实施例测绘分析模块的结构示意图。
图3为本实施例匹配分析模块的结构示意图。
图4为本实施例映射分析模块的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例一种测绘数据智能管理***,包括:
信息获取模块,用以根据预设分析周期以周期性获取城市的测绘信息和无人机运行信息,所述测绘信息包括无人机测绘信息和卫星遥感信息,所述无人机测绘信息包括无人机相对高度和无人机图像,所述无人机相对高度为无人机相对于海平面的飞行高度,所述无人机图像为无人机拍摄的无人机正下方的城市图像,所述卫星遥感信息包括卫星遥感图像和卫星遥感比例,所述卫星遥感图像为卫星拍摄的城市的影像图,所述卫星遥感比例为卫星遥感图像的比例尺大小,所述无人机相对高度的获取方式为通过安装于无人机上的距离传感器获取,所述无人机图像的获取方式为通过安装于无人机上的摄像装置拍摄获取,所述卫星遥感图像的获取方式为通过访问卫星遥感数据的网站获取,如全国地理信息资源目录服务***、数字栅格地图数据库等,本实施例中无人机图像和卫星遥感图像均为灰度图像,所述无人机运行信息包括飞行方向和飞行速度,所述无人机飞行方向上与正北顺时针方向上的夹角度数,所述无人机运行信息的获取方式为通过无人机运行管理***后台数据导入,本实施例中预设分析周期采用1秒,本实施例中不对预设分析周期的设置作具体限定,本领域技术人员可自由设置,如还可设置为3秒、5秒和10秒等,预设分析周期的设置应满足小于等于30秒;
测绘分析模块,用以根据测绘信息和无人机运行信息对图像相似区域和无人机梯度图进行分析,还用以根据图像相似区域对测绘比例参数进行分析,还用以根据无人机梯度图像对测绘特征进行分析,测绘分析模块与所述信息获取模块连接;
遥感分析模块,用以根据测绘比例参数和测绘信息对城市遥感区域进行分析,并根据城市遥感区域对遥感特征进行分析,遥感分析模块与所述测绘分析模块连接;
匹配分析模块,用以根据测绘特征和遥感特征对特征相似度进行分析,还用以根据无人机梯度图像和城市遥感区域对区域相似度进行分析,匹配分析模块与所述遥感分析模块连接;
映射分析模块,用以根据特征相似度对区域映射关系进行分析,还用以根据区域相似度对区域映射关系的分析过程进行调整,还用以根据测绘信息对高度波动参数进行分析,并根据高度波动参数对区域映射关系的调整过程进行优化,映射分析模块与所述匹配分析模块连接;
测绘管理模块,用以根据区域映射关系对测绘信息进行存储,测绘管理模块与所述映射分析模块连接。
请参阅图2所示,所述测绘分析模块包括:
相似分析单元,用以根据无人机图像和无人机运行信息对图像相似区域进行分析;
比例分析单元,用以根据图像相似区域和无人机运行信息对测绘比例参数进行分析,比例分析单元与所述相似分析单元连接;
图像处理单元,用以根据无人机图像对第一灰度参数和第二灰度参数进行分析,并根据第一灰度参数、第二灰度参数、无人机图像和迭代次数对无人机梯度图像进行分析,图像处理单元与所述比例分析单元连接,所述迭代次数的初始值为0,所述迭代次数为无人机梯度图像的分析过程的迭代次数;
处理迭代单元,用以根据第一灰度参数和第二灰度参数对灰度处理参数进行分析,并根据灰度处理参数和无人机梯度图像的数量对无人机梯度图像的分析过程进行迭代,处理迭代单元与所述图像处理单元连接;
测绘分析单元,用以根据无人机梯度图像对测绘特征进行分析,测绘分析单元与所述处理迭代单元连接。
请参阅图3所示,所述匹配分析模块包括:
第一分析单元,用以根据测绘特征和遥感特征对特征相似度进行分析;
第二分析单元,用以根据无人机图像和卫星遥感图像对区域相似度进行分析,第二分析单元与所述第一分析单元连接。
请参阅图4所示,所述映射分析模块包括:
映射分析单元,用以根据特征相似度对区域映射关系进行分析;
映射调整单元,用以根据区域相似度对区域映射关系的分析过程进行调整,映射调整单元与所述映射分析单元连接;
飞行分析单元,用以根据无人机相对高度对高度波动参数进行分析,飞行分析单元与所述映射调整单元连接;
映射优化单元,用以根据无人机相对高度和高度波动参数对区域映射关系的调整过程进行优化,映射优化单元与所述飞行分析单元连接。
具体而言,本实施例中通过所述信息获取模块对测绘信息和无人机信息的获取,以提高信息获取的准确度,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述测绘分析模块对测绘信息和无人机运行信息的分析,以分析出测绘比例参数和测绘特征,用测绘比例参数表示无人机拍摄的图像的实际范围比例,用测绘特征表示无人机图像的图像特征,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述遥感分析模块对测绘比例参数和测绘信息的分析,以分析出遥感特征,用遥感特征表示卫星遥感图像中的图像特征,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述匹配分析模块对测绘特征和遥感特征的分析,以分析出特征相似度,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述匹配分析模块对无人机梯度图像和城市遥感区域的分析,以分析出区域相似度,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述映射分析模块对测绘信息、特征相似度、区域相似度、测绘比例参数和高度波动参数的分析,以分析出区域映射关系,用区域映射关系表示无人机拍摄的图像与卫星遥感图像的映射关系,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度,通过所述测绘管理模块对区域映射关系的分析,以对测绘信息进行存储,实现对新的测绘数据与卫星遥感数据的关联存储,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述相似分析单元将无人机图像的外切圆的圆心对应的像素点作为坐标原点,无人机图像中正东方向作为x轴正方向,正北方向作为y轴正方向,单位长度为1像素,建立平面直角坐标系,用坐标点表示无人机图像中各像素点的位置。
具体而言,本实施例中所述相似分析单元根据飞行方向对无人机图像进行区域提取,其中:
当0≤θ(i)<90时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≤0,y(i)≤0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≥0,y(i-1)≥0的像素点作为对比区域;
当90≤θ(i)<180时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≤0,y(i)≥0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≥0,y(i-1)≤0的像素点作为对比区域;
当180≤θ(i)<270时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≥0,y(i)≥0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≤0,y(i-1)≤0的像素点作为对比区域;
当270≤θ(i)<360时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≥0,y(i)≤0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≤0,y(i-1)≥0的像素点作为对比区域;
其中,θ(i)表示飞行方向,i表示分析周期编号,i∈N+,(x(i),y(i))表示无人机图像中各像素点的坐标,(x(i-1),y(i-1))表示上一分析周期的无人机图像中各像素点的坐标。
具体而言,本实施例中所述相似分析单元根据移动区域和对比区域对图像相似区域进行分析,所述相似分析单元将移动区域和对比区域重叠,并按飞行方向平移移动区域,对比移动区域和对比区域的重叠部分的像素点的灰度值,当重叠部分像素点的灰度值相等时,所述相似分析单元将移动区域和对比区域的重叠部分作为图像相似区域。
可以理解的是,本实施例中不对图像相似区域的分析过程作具体限定,本领域技术人员可自由设置,如还可设置为对移动区域和对比区域进行特征分析,判断出移动区域和对比区域的相似度以分析出图像相似区域。
具体而言,本实施例中通过所述相似分析单元对无人机图像和无人机运行信息的分析,以分析出图像相似区域,用图像相似区域表示无人机在运行过程中,移动方向上拍摄的图像的相同的区域,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述比例分析单元根据图像相似区域和无人机运行信息通过比例分析公式计算测绘比例参数,所述比例分析单元设有测绘比例参数如下:
其中,A(i)表示测绘比例参数,NX表示图像相似区域中x轴方向上的像素点数量,NY表示图像相似区域中y轴方向上的像素点数量,V(i)表示飞行速度。
具体而言,本实施例中通过所述比例分析单元对图像相似区域和无人机运行信息的分析,以分析出测绘比例参数,用测绘比例参数表示无人机拍摄的图像的实际范围比例,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述图像处理单元根据无人机图像通过灰度分析公式计算第一灰度参数和第二灰度参数,所述图像处理单元设有灰度分析公式如下:其中,Q1(i)表示第一灰度参数,Q2(i)表示第二灰度参数,L(x(i),y(i))表示无人机图像中各像素点的灰度值,N(i)表示无人机图像中像素点的数量。
具体而言,本实施例中所述图像处理单元根据第一灰度参数、第二灰度参数、无人机图像和迭代次数对无人机梯度图像进行分析,其中:
当Q2(i)×n×255/Q1(i)≤L(x(i),y(i))<Q2(i)×(n+1)×255/Q1(i)时,所述图像处理单元提取当前分析像素点作为梯度像素点,并使当前提取出的梯度像素点的灰度值不变;
当L(x(i),y(i))<Q2(i)×n×255/Q1(i)或L(x(i),y(i))≥Q2(i)×(n+1)×255/Q1(i)时,所述图像处理单元提取当前分析像素点,并将当前提取出的梯度像素点的灰度值设置为0;
所述图像处理单元将梯度像素点构成的图像作为无人机梯度图像;
其中,n表示迭代次数。
具体而言,本实施例中通过所述图像处理单元对无人机图像的分析,以分析出无人机梯度图像,用无人机梯度图像表示无人机图像中各灰度区间范围内对应的图像,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述处理迭代单元根据第一灰度参数和第二灰度参数对灰度处理参数进行分析,设定Z(i)=Q1(i)/Q2(i),其中,Z(i)表示灰度处理参数,Z(i)向上取整。
具体而言,本实施例中所述处理迭代单元将灰度处理参数与无人机梯度图像的数量进行比对,并根据比对结果对无人机梯度图像的分析过程进行迭代,其中:
当Z(i)≥NQ时,所述处理迭代单元对无人机梯度图像的分析过程进行迭代;
当Z(i)<NQ时,所述处理迭代单元不对无人机梯度图像的分析过程进行迭代;
其中,NQ表示无人机梯度图像的数量。
具体而言,本实施例中通过所述处理迭代单元对灰度处理参数的分析,以对无人机梯度图像的分析过程进行迭代,增加***分析的样本数量,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述测绘分析单元根据无人机梯度图像通过灰度级分析公式计算梯度图像灰度级,所述测绘分析单元设有灰度级分析公式如下:其中,B(x1(i,j),y1(i,j))表示梯度图像灰度级,(x1(i,j),y1(i,j))表示无人机梯度图像中各像素点的坐标,B(x1(i,j),y1(i,j))向下取整,j表示无人机梯度图像的编号,j∈N+,L(x1(i,j),y1(i,j))表示无人机梯度图像中各像素点的灰度值。
具体而言,本实施例中所述测绘分析单元根据梯度图像灰度级对灰度共生矩阵进行分析,设置偏离参数为(1,0),所述测绘分析单元统计梯度图像灰度级中满足B(x1(i,j),y1(i,j))=f1,B(x1(i,j)+1,y1(i,j))=f2的像素点数量作为灰度共生矩阵,其中,f1表示第一矩阵参数,f1∈{0,1,2,3},f2表示第二矩阵参数,f2∈{0,1,2,3}。
具体而言,本实施例中所述测绘分析单元根据灰度共生矩阵通过测绘特征分析公式对测绘特征进行分析,所述测绘分析单元设有测绘特征分析公式如下:其中,D1(i,j)表示第一测绘特征,D2(i,j)表示第二测绘特征,P(i,j)(f1,f2)表示各无人机梯度图像对应灰度共生矩阵,N(i,j)表示各无人机梯度图像中像素点的数量。
具体而言,本实施例中通过所述测绘分析单元对无人机梯度图像的分析,以分析出测绘特征,用测绘特征表示提取出的各无人机梯度图像的图像特征,实现对测绘数据的特征分析,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述遥感分析模块根据测绘比例参数和卫星遥感比例对卫星遥感图像进行区域划分,将卫星遥感图像划分为多个m1×m2大小的矩形区域,将划分出的矩形区域作为城市遥感区域,其中,m1表示长度参数,设定m1=(2×NX-1)×(2×NY-1)×a/[A(i)×(2×NY-1)],m2表示宽度参数,设定m2=(2×NX-1)×(2×NY-1)×a/[A(i)×(2×NX-1)],a表示卫星遥感比例。
具体而言,本实施例中所述遥感分析模块根据城市遥感区域对遥感特征进行分析,所述遥感分析模块对遥感特征的分析过程与本实施例中所述测绘分析模块对测绘特征的分析过程相同,本实施例中不再作具体阐述。
具体而言,本实施例中所述第一分析单元根据测绘特征和遥感特征通过第一相似度分析公式计算特征相似度,所述第一分析单元设有第一相似度分析公式如下:
S(i,j,k)=2×[F1(k)×D1(i,j)/(D1(i,j)+D2(i,j))+F2(k)×D2(i,j)/(D1(i,j)+D2(i,j))]/(F1(k)+F2(k))
其中,S(i,j,k)表示特征相似度,k表示城市遥感区域的编号,F1(k)表示第一遥感特征,F2(k)表示第二遥感特征。
具体而言,本实施例中所述第二分析单元根据无人机图像和城市遥感区域通过第二相似度分析公式计算区域相似度,所述第二分析单元设有第二相似度分析公式如下:
其中,H(i,k)表示区域相似度,G1(i)表示第一无人机灰度参数,g1(i)表示第二无人机灰度参数,G2(k)表示第一卫星灰度参数,g2(k)表示第二卫星灰度参数,L(x(k),y(k))表示城市遥感区域内各像素点的灰度值,(x(k),y(k))表示城市遥感区域内各像素点的坐标,N(k)表示城市遥感区域中像素点的数量。
具体而言,本实施例中所述映射分析单元将特征相似度与第一相似度阈值进行比对,并根据比对结果对区域映射关系进行分析,其中:
当存在S(i,j,k)≥s且D2(i,j)≤F2(k)时,所述映射分析单元对区域映射关系进行分析,设置区域映射关系为;
当存在S(i,j,k)≥s且D2(i,j)>F2(k)时,所述映射分析单元设置区域映射关系为不存在映射关系;
当所有S(i,j,k)<s时,所述映射分析单元设置区域映射关系为不存在映射关系;
其中,s表示第一相似度阈值,0.8≤s≤0.9。可以理解的是,本实施例中不对第一相似度阈值的取值作具体限定,本领域技术人员可自由设置,只需满足对区域映射关系的分析即可,第一相似度阈值的最佳取值为:s=0.9。
具体而言,本实施例中通过所述映射分析单元对特征相似度的分析,以分析出区域映射关系,用区域映射关系表示提取出的无人机梯度图像与卫星遥感图像的相似关系,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述映射调整单元将区域相似度与第二相似度阈值进行比对,并根据比对结果对区域映射关系的分析过程进行调整,其中:
当H(i,k)≥h且S(i,j,k)<s时,所述映射调整单元判定区域相似度符合阈值,对特征相似度进行调整,以对区域映射关系的分析过程进行调整,调整后的特征相似度为S1(i,j,k),设定S1(i,j,k)=S(i,j,k)×loghH(i,k);
当H(i,k)<h时,所述映射调整单元判定区域相似度不符合阈值不对区域映射关系的分析过程进行调整;
当H(i,k)≥h且S(i,j,k)≥s时,所述映射调整单元不对区域映射关系的分析过程进行调整;
其中,h表示第二相似度阈值,0.7≤h<s≤0.9。可以理解的是,本实施例中不对第二相似度阈值的取值作具体限定,本领域技术人员可自由设置,只需满足对区域映射关系的调整即可,第二相似度阈值的最佳取值为:h=0.7。
具体而言,本实施例中通过所述映射调整单元对区域相似度的分析,以对区域映射关系的分析过程进行调整,使调整后的区域映射关系与无人机图像和卫星遥感图像的灰度和像素坐标相关,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述飞行分析单元根据无人机相对高度通过飞行分析公式计算高度波动参数,所述飞行分析单元设有飞行分析公式如下:其中,C表示高度波动参数,R(i)表示无人机相对高度,r表示相对高度均值,imax表示分析周期编号的最大值。
具体而言,本实施例中所述映射优化单元根据无人机相对高度和高度波动参数对区域映射关系的调整过程进行优化,其中:
当C/R(i)>c时,所述映射优化单元判定无人机相对高度波动大,对特征相似度进行优化,以对区域映射关系的调整过程进行优化,优化后的特征相似度为S2(i,j,k),设定S2(i,j,k)=S1(i,j,k)×R(i)/(r+C);
当C/R(i)>c时,所述映射优化单元判定无人机相对高度波动小,不对区域映射关系的调整过程进行优化。
具体而言,本实施例中通过所述映射优化单元对无人机相对高度和高度波动参数的分析,以对区域映射关系的调整过程进行优化,使优化后的区域映射关系与无人机的运行情况相关,实现运行不稳定对特征分析的影响,从而提高***对测绘数据的分析效率,提高测绘数据存储管理的准确度。
具体而言,本实施例中所述测绘管理模块根据区域映射关系对测绘信息进行存储,其中:
当区域映射关系为时,所述测绘管理模块将区域映射关系中分析周期编号和城市遥感区域编号对应无人机图像和城市遥感区域作为同一测绘数据进行存储;
当区域映射关系为不存在映射关系时,所述测绘管理模块不对测绘信息进行存储。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种测绘数据智能管理***,其特征在于,包括:
信息获取模块,用以根据预设分析周期以周期性获取城市的测绘信息和无人机运行信息;
测绘分析模块,用以根据测绘信息和无人机运行信息对图像相似区域和无人机梯度图进行分析,还用以根据图像相似区域对测绘比例参数进行分析,还用以根据无人机梯度图像对测绘特征进行分析;
遥感分析模块,用以根据测绘比例参数和测绘信息对城市遥感区域进行分析,并根据城市遥感区域对遥感特征进行分析;
匹配分析模块,用以根据测绘特征和遥感特征对特征相似度进行分析,还用以根据无人机梯度图像和城市遥感区域对区域相似度进行分析;
映射分析模块,用以根据特征相似度对区域映射关系进行分析,还用以根据区域相似度对区域映射关系的分析过程进行调整,还用以根据测绘信息对高度波动参数进行分析,并根据高度波动参数对区域映射关系的调整过程进行优化;
测绘管理模块,用以根据区域映射关系对测绘信息进行存储。
2.根据权利要求1所述的测绘数据智能管理***,其特征在于,所述测绘分析模块设有相似分析单元,其用以根据飞行方向对无人机图像进行区域提取,其中:
当0≤θ(i)<90时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≤0,y(i)≤0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≥0,y(i-1)≥0的像素点作为对比区域;
当90≤θ(i)<180时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≤0,y(i)≥0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≥0,y(i-1)≤0的像素点作为对比区域;
当180≤θ(i)<270时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≥0,y(i)≥0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≤0,y(i-1)≤0的像素点作为对比区域;
当270≤θ(i)<360时,所述相似分析单元提取出当前分析无人机图像中满足x(i)≥0,y(i)≤0的像素点作为移动区域,提取上一分析周期的无人机图像中满足x(i-1)≤0,y(i-1)≥0的像素点作为对比区域;
所述相似分析单元根据移动区域和对比区域对图像相似区域进行分析,所述相似分析单元将移动区域和对比区域重叠,并按飞行方向平移移动区域,对比移动区域和对比区域的重叠部分的像素点的灰度值,当重叠部分像素点的灰度值相等时,所述相似分析单元将移动区域和对比区域的重叠部分作为图像相似区域。
3.根据权利要求2所述的测绘数据智能管理***,其特征在于,所述测绘分析模块还设有比例分析单元,其用以根据图像相似区域和无人机运行信息通过比例分析公式计算测绘比例参数,所述比例分析单元设有测绘比例参数如下:其中,A(i)表示测绘比例参数,NX表示图像相似区域中x轴方向上的像素点数量,NY表示图像相似区域中y轴方向上的像素点数量,V(i)表示飞行速度。
4.根据权利要求3所述的测绘数据智能管理***,其特征在于,所述测绘分析模块还设有图像处理单元,其用以根据无人机图像通过灰度分析公式计算第一灰度参数和第二灰度参数,所述图像处理单元根据第一灰度参数、第二灰度参数、无人机图像和迭代次数对无人机梯度图像进行分析,其中:
当Q2(i)×n×255/Q1(i)≤L(x(i),y(i))<Q2(i)×(n+1)×255/Q1(i)时,所述图像处理单元提取当前分析像素点作为梯度像素点,并使当前提取出的梯度像素点的灰度值不变;
当L(x(i),y(i))<Q2(i)×n×255/Q1(i)或L(x(i),y(i))≥Q2(i)×(n+1)×255/Q1(i)时,所述图像处理单元提取当前分析像素点,并将当前提取出的梯度像素点的灰度值设置为0;
所述图像处理单元将梯度像素点构成的图像作为无人机梯度图像;
其中,n表示迭代次数;
所述测绘分析模块还设有处理迭代单元,其用以根据第一灰度参数和第二灰度参数对灰度处理参数进行分析,设定Z(i)=Q1(i)/Q2(i),其中,Z(i)表示灰度处理参数,Z(i)向上取整;
所述处理迭代单元将灰度处理参数与无人机梯度图像的数量进行比对,并根据比对结果对无人机梯度图像的分析过程进行迭代,其中:
当Z(i)≥NQ时,所述处理迭代单元对无人机梯度图像的分析过程进行迭代;
当Z(i)<NQ时,所述处理迭代单元不对无人机梯度图像的分析过程进行迭代;
其中,NQ表示无人机梯度图像的数量。
5.根据权利要求4所述的测绘数据智能管理***,其特征在于,所述测绘分析模块还设有测绘分析单元,其用以根据灰度共生矩阵通过测绘特征分析公式对测绘特征进行分析,所述测绘分析单元设有测绘特征分析公式如下:其中,D1(i,j)表示第一测绘特征,D2(i,j)表示第二测绘特征,P(i,j)(f1,f2)表示各无人机梯度图像对应灰度共生矩阵,N(i,j)表示各无人机梯度图像中像素点的数量。
6.根据权利要求5所述的测绘数据智能管理***,其特征在于,所述遥感分析模块根据测绘比例参数和卫星遥感比例对卫星遥感图像进行区域划分,将卫星遥感图像划分为多个m1×m2大小的矩形区域,将划分出的矩形区域作为城市遥感区域,其中,m1表示长度参数,设定m1=(2×NX-1)×(2×NY-1)×a/[A(i)×(2×NY-1)],m2表示宽度参数,设定m2=(2×NX-1)×(2×NY-1)×a/[A(i)×(2×NX-1)],a表示卫星遥感比例。
7.根据权利要求6所述的测绘数据智能管理***,其特征在于,所述匹配分析模块设有第一分析单元,其用以根据测绘特征和遥感特征通过第一相似度分析公式计算特征相似度,所述第一分析单元设有第一相似度分析公式如下:
S(i,j,k)=2×[F1(k)×D1(i,j)/(D1(i,j)+D2(i,j))+F2(k)×D2(i,j)/(D1(i,j)+D2(i,j))]/(F1(k)+F2(k))
其中,S(i,j,k)表示特征相似度,k表示城市遥感区域的编号,F1(k)表示第一遥感特征,F2(k)表示第二遥感特征;
所述匹配分析模块还设有第二分析单元,其用以根据无人机图像和城市遥感区域通过第二相似度分析公式计算区域相似度,所述第二分析单元设有第二相似度分析公式如下: 其中,H(i,k)表示区域相似度,G1(i)表示第一无人机灰度参数,g1(i)表示第二无人机灰度参数,G2(k)表示第一卫星灰度参数,g2(k)表示第二卫星灰度参数,L(x(k),y(k))表示城市遥感区域内各像素点的灰度值,(x(k),y(k))表示城市遥感区域内各像素点的坐标,N(k)表示城市遥感区域中像素点的数量。
8.根据权利要求7所述的测绘数据智能管理***,其特征在于,所述映射分析模块设有映射分析单元,其用以将特征相似度与第一相似度阈值进行比对,并根据比对结果对区域映射关系进行分析,其中:
当存在S(i,j,k)≥s且D2(i,j)≤F2(k)时,所述映射分析单元对区域映射关系进行分析,设置区域映射关系为;
当存在S(i,j,k)≥s且D2(i,j)>F2(k)时,所述映射分析单元设置区域映射关系为不存在映射关系;
当所有S(i,j,k)<s时,所述映射分析单元设置区域映射关系为不存在映射关系;
其中,s表示第一相似度阈值。
9.根据权利要求8所述的测绘数据智能管理***,其特征在于,所述映射分析模块还设有映射调整单元,其用以将区域相似度与第二相似度阈值进行比对,并根据比对结果对区域映射关系的分析过程进行调整,其中:
当H(i,k)≥h且S(i,j,k)<s时,所述映射调整单元判定区域相似度符合阈值,对特征相似度进行调整,以对区域映射关系的分析过程进行调整,调整后的特征相似度为S1(i,j,k),设定S1(i,j,k)=S(i,j,k)×loghH(i,k);
当H(i,k)<h时,所述映射调整单元判定区域相似度不符合阈值不对区域映射关系的分析过程进行调整;
当H(i,k)≥h且S(i,j,k)≥s时,所述映射调整单元不对区域映射关系的分析过程进行调整;
其中,h表示第二相似度阈值;
所述映射分析模块还设有飞行分析单元,其用以根据无人机相对高度通过飞行分析公式计算高度波动参数,所述飞行分析单元设有飞行分析公式如下:其中,C表示高度波动参数,R(i)表示无人机相对高度,r表示相对高度均值,imax表示分析周期编号的最大值;
所述映射分析模块还设有映射优化单元,其用以根据无人机相对高度和高度波动参数对区域映射关系的调整过程进行优化,其中:
当C/R(i)>c时,所述映射优化单元判定无人机相对高度波动大,对特征相似度进行优化,以对区域映射关系的调整过程进行优化,优化后的特征相似度为S2(i,j,k),设定S2(i,j,k)=S1(i,j,k)×R(i)/(r+C);
当C/R(i)>c时,所述映射优化单元判定无人机相对高度波动小,不对区域映射关系的调整过程进行优化。
10.根据权利要求1所述的测绘数据智能管理***,其特征在于,所述测绘管理模块根据区域映射关系对测绘信息进行存储,其中:
当区域映射关系为时,所述测绘管理模块将区域映射关系中分析周期编号和城市遥感区域编号对应无人机图像和城市遥感区域作为同一测绘数据进行存储;
当区域映射关系为不存在映射关系时,所述测绘管理模块不对测绘信息进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410603251.2A CN118172575B (zh) | 2024-05-15 | 2024-05-15 | 一种测绘数据智能管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410603251.2A CN118172575B (zh) | 2024-05-15 | 2024-05-15 | 一种测绘数据智能管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118172575A true CN118172575A (zh) | 2024-06-11 |
CN118172575B CN118172575B (zh) | 2024-07-05 |
Family
ID=91357044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410603251.2A Active CN118172575B (zh) | 2024-05-15 | 2024-05-15 | 一种测绘数据智能管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118172575B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1637838A2 (de) * | 2004-09-15 | 2006-03-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verarbeitung von Fernerkundungsdaten |
US20190171879A1 (en) * | 2017-12-04 | 2019-06-06 | Transport Planning and Research Institute Ministry of Transport | Method of extracting warehouse in port from hierarchically screened remote sensing image |
CN113048951A (zh) * | 2021-03-20 | 2021-06-29 | 侯晋华 | 一种基于人工智能的测绘无人机抖动检测方法及*** |
CN114926739A (zh) * | 2022-05-26 | 2022-08-19 | 天津水运工程勘察设计院有限公司 | 内河航道水上水下地理空间信息无人化协同采集处理方法 |
CN116258908A (zh) * | 2023-03-16 | 2023-06-13 | 西藏大学 | 一种基于无人机遥感影像数据的地灾预测评估分类方法 |
CN117934950A (zh) * | 2024-01-26 | 2024-04-26 | 哈尔滨嘉信信息咨询有限公司 | 一种基于数据分析的城乡生态规划方法 |
-
2024
- 2024-05-15 CN CN202410603251.2A patent/CN118172575B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1637838A2 (de) * | 2004-09-15 | 2006-03-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verarbeitung von Fernerkundungsdaten |
US20190171879A1 (en) * | 2017-12-04 | 2019-06-06 | Transport Planning and Research Institute Ministry of Transport | Method of extracting warehouse in port from hierarchically screened remote sensing image |
CN113048951A (zh) * | 2021-03-20 | 2021-06-29 | 侯晋华 | 一种基于人工智能的测绘无人机抖动检测方法及*** |
CN114926739A (zh) * | 2022-05-26 | 2022-08-19 | 天津水运工程勘察设计院有限公司 | 内河航道水上水下地理空间信息无人化协同采集处理方法 |
CN116258908A (zh) * | 2023-03-16 | 2023-06-13 | 西藏大学 | 一种基于无人机遥感影像数据的地灾预测评估分类方法 |
CN117934950A (zh) * | 2024-01-26 | 2024-04-26 | 哈尔滨嘉信信息咨询有限公司 | 一种基于数据分析的城乡生态规划方法 |
Non-Patent Citations (4)
Title |
---|
HU JIANBO等: "Unmanned aerial vehicle remote sensing in ecology:advances and prospects", ACTA ECOLOGICA SINICA, 31 December 2018 (2018-12-31) * |
周波;: "基于智慧城市的测绘地理信息服务模式探讨", 建材与装饰, no. 26, 24 June 2016 (2016-06-24) * |
孙硕;: "智慧城市建设中测绘地理信息***的应用研究", 绿色环保建材, no. 04, 25 April 2020 (2020-04-25) * |
胡文艺;王绪本;: "岷江流域无人机遥感影像拼接及灾害信息提取", 物探化探计算技术, no. 03, 15 May 2012 (2012-05-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN118172575B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598823B (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN111914834B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN108428220B (zh) | 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法 | |
CN104123730A (zh) | 基于道路特征的遥感影像与激光点云配准方法及*** | |
Yin et al. | Robust vanishing point detection for mobilecam-based documents | |
US10186046B2 (en) | Navigation based on downward facing sensors | |
CN114067118B (zh) | 一种航空摄影测量数据的处理方法 | |
CN114241464A (zh) | 基于深度学习的跨视角影像实时匹配地理定位方法及*** | |
CN113220894A (zh) | 一种基于感知计算的卫星遥感数据智能获取方法 | |
CN115867939A (zh) | 用于空中到地面配准的***和方法 | |
CN113721254B (zh) | 一种基于道路指纹空间关联矩阵的车辆定位方法 | |
CN115031744A (zh) | 一种基于稀疏点云-纹理信息的认知地图定位方法及*** | |
CN115222902A (zh) | 一种立体域分级多尺度敏捷空间格网码方法及*** | |
CN118172575B (zh) | 一种测绘数据智能管理*** | |
Wang et al. | Indoor position algorithm based on the fusion of wifi and image | |
Liu et al. | Adaptive algorithm for automated polygonal approximation of high spatial resolution remote sensing imagery segmentation contours | |
CN115761265A (zh) | 一种用于提取激光雷达点云中变电站设备的方法及装置 | |
CN116229459A (zh) | 国产卫星多光谱图像逐像素质量标记方法 | |
CN114463523A (zh) | 一种最小豪斯多夫距离面特征约束的点云航带平差方法 | |
CN114004870A (zh) | 一种利用光学正射图像的无人机sar图像地理编码方法 | |
CN112101249A (zh) | 一种基于深度卷积记忆网络的sar目标类型识别方法 | |
CN115994987B (zh) | 基于倾斜三维模型的农村建筑物提取及矢量化方法 | |
Hou et al. | A Landmark Matching Algorithm for the Geostationary Satellite Images Based on Multi-Level Grids | |
CN117671344A (zh) | 一种基于LiDAR点云数据的灌区水利要素信息的提取及*** | |
CN113807271A (zh) | 一种基于遥感云服务平台的道路损毁灾情快速评估***及其应用 |
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 |