CN113074735B - 一种地图数据结构的处理方法 - Google Patents

一种地图数据结构的处理方法 Download PDF

Info

Publication number
CN113074735B
CN113074735B CN202110314880.XA CN202110314880A CN113074735B CN 113074735 B CN113074735 B CN 113074735B CN 202110314880 A CN202110314880 A CN 202110314880A CN 113074735 B CN113074735 B CN 113074735B
Authority
CN
China
Prior art keywords
point
points
information
class
geographic
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
Application number
CN202110314880.XA
Other languages
English (en)
Other versions
CN113074735A (zh
Inventor
刘儿兀
郭清扬
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.)
Tongji University
Original Assignee
Tongji 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 Tongji University filed Critical Tongji University
Priority to CN202110314880.XA priority Critical patent/CN113074735B/zh
Publication of CN113074735A publication Critical patent/CN113074735A/zh
Application granted granted Critical
Publication of CN113074735B publication Critical patent/CN113074735B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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

Abstract

本发明涉及的一种地图数据结构的处理方法，主要涉及导航算法领域。本发明目的在于公开一种可以不基于人工标注特征点，而是通过自动处理GeoJSON数据的方式得到可以被寻路算法处理的高精度特征点的集合，并可以利用这些点的集合可以高度拟合真实地图，以便于和所需寻路算法地对接。同时本发明有希望解决由于使用不同地图数据结构和不同地图处理方式所产生的各厂家间的地图数据和寻路算法间可能出现的相互不兼容和可移植性偏低的问题。该技术可以有效实现GeoJSON地理数据向寻路算法的对接，在对Astar算法的测试中，该技术可以十分准确地找到所需路径。

Description

一种地图数据结构的处理方法
技术领域
本发明涉及导航算法领域，具体涉及将GeoJSON格式的文件进行处理，在处理完成后的数据可以直接进行寻路算法。
背景技术
CN110174115A一种基于感知数据自动生成高精度定位地图的方法及装置
[1]王青松,王守营,王光辉.GeoJSON存储OpenLayers要素圆的实用方法[J].中外企业家,2019(36):198-199.
[2]王东兴,朱翊.GeoJSON在异构地理信息数据集成中的应用[J].测绘与空间地理信息,2018,41(06):138-140+146.
[3]李彤.GML与GeoJSON格式的编码解码与传输差异比较研究[J].北京测绘,2018,32(03):281-285.
GeoJSON是一种对各种地理数据结构进行编码的格式，基于Javascript对象表示法的地理空间信息数据交换格式。GeoJSON对象可以表示几何、特征或者特征集合。GeoJSON支持下面几何类型：点、线、多边形、和多面体。GeoJSON里的特征包含一个几何对象和其他属性，特征集合表示一系列特征。简单来说，GeoJSON是一类可以很好表达地图空间状态的数据文件类型。
其作为一种轻量级的地理交换数据，具有占用储存少，传输速度快，效率高等特点。
寻路算法是一类可以根据用户需要对地图进行处理获取所需(最优)路径的一类算法，目前比较常用的算法有Astar算法和Bstar算法等。虽然目前很多市面上的寻路算法相对已经比较成熟，但是很多寻路算法是基于网格地图设计的，并需要通过处理地图上一个一个点的信息来进行处理，这就需要在进行寻路算法前从地图上获得很多的点。
在某些设计里，会通过对地图进行像素化获得块点，另一种方法就是通过人工标注特征点，还有一种是现有网格状的空间，再在其上进行地图绘制，这种地图一般而言本身就有坐标点的信息。
从而很多寻路算法在获取点之前会使用不同格式的地理信息文件或运用一些具有局限的处理办法来处理地图，这样可能会造成数据的可移植性降低且处理的复杂度加大，因此需要一种规范的对于比较广泛使用的一种地理信息文件进行处理获取可以被寻路算法处理的数据的方法。
由于GeoJSON数据结构在传输及处理的效率优势，这里将会给出一种处理GeoJSON格式地理数据文件的方法，使其处理出来的结果可以用于绝大多数寻路算法。
发明内容
本发明目的在于公开一种可以不基于人工标注特征点，而是通过自动处理GeoJSON数据的方式得到可以被寻路算法处理的高精度特征点的集合，并可以利用这些点的集合可以高度拟合真实地图，以便于和所需寻路算法地对接。同时本发明有希望解决由于使用不同地图数据结构和不同地图处理方式所产生的各厂家间的地图数据和寻路算法间可能出现的相互不兼容和可移植性偏低的问题。
技术方案
一种地图数据结构的处理方法，包括特征提取，坐标转化，类点创建，生成类点(生成点并向类点转化)，临近点搜索，以上五个步骤，输出的数据结构可以用于常规的寻路算法，使GeoJSON格式的地理信息转化为的集合类数据，集合中包含地点可以较好地覆盖原地理信息地。
S1000，对GeoJSON格式文件进行特征提取，具体表现为，将不同形式的地理信息(包括点，线，多边形和多面体)分类放到不同的集合中。在一般情况下，GeoJSON格式的地理信息是由坐标确定的，不同的地理特征所含的坐标数量是不同的，对地理信息进行处理时必须要将不同种类的地理特征分开。(不同的地理特征，比如点和线，一个需要用一个点的坐标来确定，另一个则需要两个，其坐标点的数量不同，分开处理点和线的地理特征，以各自的规则处理)
S2000，对于不同的集合中所有的点信息进行坐标变换，以期将经纬度所代表的地理信息化为可处理的现实的直角坐标系中的地理信息；
坐标变化需要根据具体的情况对不同的地理信息分类中所有的坐标信息施以相同的公式 (可以直接使用球坐标的变换公式进行变换，将经纬度坐标变换为平面坐标，现实中在精度无高要求的情况下可以直接使用线性变换)。最简单的方法是通过放大/缩小某一倍数来达到所需要的效果。
S3000，创建名为类点的类(Class)，指包含某一点的地理坐标信息，相邻点及其他必要信息的类。该类点的创造方法随着编程语言和寻路算法的不同而不同，一般而言，一个类点对应一个点，该类点会拥有包括点的坐标信息(x,y方向或x,y,z方向等)，点的性质(是否是障碍点)，点的临近点以及所需寻路算法中需要的点的其他信息(例如Astar算法中会要求点需要有点到起点的精确距离，点到终点的预估距离，以及点回溯信息(父节点信息)等)。
S4000，对于创建好的地理信息集合，按照各自的形式自动生成(如线性生成)达到所需精度，可以高度覆盖，拟合原地理信息的点集。这种生成的方式可以线性生成(如网格状生成)或者按照某一个具体的规律生成，一方面要保证生成的点集可以较为完整地覆盖原地理特征，另一方面要保证生成点集的速率可以达到最高。而后将所有的点加入同一个点集A。具体到每一条线、多边形、多面体都会被一些空间中的点所覆盖，不同类别的地理特征所需要的处理方法是不同的。
S5000，将点集A中的点转化为类点，而后对每一个类点根据精度和障碍物搜索其相邻类点，将得到的信息储存在类点结构中。根据精度和障碍物搜索其相邻类点时，其搜索方法需要和生成类点集来拟合原地理特征时点的生成方式相适配，以期可以达到最高的效率。此时可以考虑在生成类点的时候直接生成相邻点。如果是线性生成点的话，我们可以考虑根据可行类点(非障碍类点)间的距离来寻找相邻点，但此时可能造成计算量过大，在地图信息较少或精度较低的情况下，其仍不失为一种可靠的方式。
在生成类点集合后，原GeoJSON文件中所代表的地理信息就可以被类点集合中所有点高度拟合，此时类点集合可以比较容易加入寻路算法的运算，同时，由于精度可控，可以增大生成点的密度来提高算法精度，也可以在允许范围内减小生成点密度来提高算法效率。
有益效果：
在对于国家会展中心路径数据层的测试中，对于数据量非十分大的地图，可在较短的时间内(≤15s)内完成地图数据的处理，同时通过该方法进行寻路算法处理，在非极端情况下均可在较短时间内(≤1s)找到路径。但地图数据量超过一定的阈值(约为1.5MB)后，GeoJSON 格式的地理数据生成所需点集的处理速度会变得十分慢。
该方法在对于地图数据量非太大的情况下，有着十分优势的处理效果，同时，该方法处理出来的类点集可以被常规的寻路算法所接受。在常规的寻路算法的处理中可以发挥较好作用。
该技术可以有效实现GeoJSON地理数据向寻路算法的对接，在对Astar算法的测试中，该技术可以十分准确地找到所需路径。
附图说明
图1本发明算法框图
图2GeoJSON格式地理信息
图3一种适用于Astar算法的类点类
图4多边形延拓生成点的举例
图5用生成的类点来拟合原地理信息
图6是图5的局部
图7在Astar算法下对该种地图处理方式的测试(图中的点代表搜索过的点，黑色加粗线代表最短路径(目标路径))
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的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的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。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
如图1所示，本发明实施例一种地图数据结构的处理方法，包括以下步骤：
S1000，对GeoJSON格式文件进行特征提取(图2为GeoJSON地理文件中的JavaScript 对象)，具体表现为，将不同形式的地理信息(包括点，线，多边形和多面体)分类放到不同的集合中。在一般情况下，GeoJSON格式的地理信息是由坐标确定的，不同的地理特征所含的坐标数量是不同的，对地理信息进行处理时必须要将不同种类的地理特征分开。
首先需要创建属于不同分类的集合，用来储存该分类下所有的地理特征的信息。
而后需要对GeoJSON文件中所有的地理特征进行判别，这就需要对每一个地理特征所属的分类(点，线，多边形和多面体)进行判别，经过判别后，将该特征加入到对应的所属分类的集合中去。
通过对上海国展中心(以下皆以国展中心代表上海国展中心)某层的可行路径图层进行数据处理(以下的测试均对该层进行，数据大小989KB)，得到的不同数据类型的分类为 [Array(2402),Array(74)]两个集合，前一部分代表了该层可行径中所有线的特征集合，后一部分代表了点的特征集合。
S2000，对于不同的集合中所有的点信息进行坐标变换，以期将经纬度所代表的地理信息化为可处理的现实的直角坐标系中的地理信息；
一般而言，GeoJSON文件中地理文件的坐标是以经纬度来储存的，可能不便于数据的处理，同时，数据精度过高可能会导致运行速率的降低，一方面我们需要对坐标进行变换以期达到我们可处理的效果；另一方面，我们在某些情况下需要对数据降低精度以期提高运行效率。
坐标变化需要根据具体的情况对不同的地理信息分类中所有的坐标信息施以相同的公式 (可以直接使用球坐标的变换公式进行变换，现实中在精度无极高要求的情况下可以直接使用线性变换)。最简单的方法是通过放大/缩小某一倍数来达到所需要的效果。
地理数据降低精度方面需要根据所需服务的要求选择是否进行，可以直接通过缩短数据长度(舍弃坐标某一位后的数据)来实现。
例如，国展中心的中心点经纬度约为[121.297502°,31.191692°]，其场馆的经纬度范围在中心的[±0.0088°，±0.0085°]，其最大方向跨度约为1700m.
将所有地理信息中的坐标按照如下公式：
Figure BDA0002990764880000051
(本数据仅为测试用，所求参数在量级上和真实参数保持一致)
进行坐标变换，此时，所有描述地理信息的坐标都将变为一个数值上不太大，均为正值，且地理坐标之间的距离与现实距离相距较为相似的地理信息(即变换坐标后坐标的代表的1 个单位的差值可近似认为是现实中的一米)，
另外，该公式对纬度变化带来的球坐标的分布不均的不同没有进行修正，在需要高精度使用时可能需要进行修正。
S3000，创建类点类，类点指包含该点的地理坐标信息，相邻点及其他必要信息的类；
该类点的的创造方法随着编程语言和寻路算法的不同而不同，一般而言，一个类点对应一个点，该类点会拥有包括点的坐标信息(x,y方向或x,y,z方向等)，点的性质(是否是障碍点)，点的临近点以及所需寻路算法中需要的点的信息(例如Astar算法中会要求点需要有点到起点的精确距离，点到终点的预估距离，以及点回溯信息(父节点信息)等)的信息，如图3。
在对国展中心进行测试的运行实例中创造的类点类为
{x,y,neighbor,is_obstacle,astar_information}
其中x，y即为坐标信息，neighboor代表该点该点所带临近点的集合，is_obstacle代表该点是否是障碍(不可行)，astar_information代表该点的算法所需要的其他信息，这一块信息也可以用点——所需的数据形成的键来表达。
进一步优化技术方案，可以创造线类或者面类，直接通过线类-点类的键值结构进行地图规划，使地图的效率大大提高。
S4000，对于创建好的地理信息集合，按照各自的形式自动生成(如线性生成)达到所需精度，可以高度覆盖，拟合原地理信息的点集，将所有的点加入同一个点集A。
接下来要通过每一个分类中的坐标信息生成一个可以拟合覆盖原始地理特征的点集，具体到每一条线，多边形、多面体都会被一些空间中的点所覆盖，不同类别的地理特征所需要的处理方法是不同的。
这种生成的方式可以线性生成(网格状生成)或者按照某一个具体的规律生成，一方面要保证生成的点集可以较为完整地覆盖原地理特征，另一方面要保证生成点集的速率可以达到最高。
在对国展中心的数据测试中，我们使用的是线性生成拟合点，例如，将起终点为[12.3,42.7],[23.5,72.9](此时数据已经过坐标变换)的线段按照相邻点间隔2个单位长度生成拟合的点集为
[[12.3,42.7],[23.5,72.9],[12.995437574077942,44.57519774438873],[13.69087514 815588,46.45039548877747],[14.386312722233821,48.3255932331662],[15.081750296311 762,50.20079097755493],[15.777187870389703,52.07598872194366],[16.47262544446764 2,53.951186466332395],[17.16806301854558,55.82638421072113],[17.863500592623524,57.70158195510986],[18.558938166701463,59.57677969949859],[19.254375740779402,61 .45197744388732],[19.949813314857344,63.32717518827606],[20.645250888935283,65.2 0237293266479],[21.340688463013223,67.07757067705352],[22.036126037091165,68.95276842144224],[22.731563611169104,70.82796616583099],[23.427001185247043,72.70316 391021971]
对于多边形，如果使用线性生成的话，可以考虑根据一条线生成点，然后根据该线上的某一个点进行延拓生成点，直到点可以覆盖整个多边形。如图4，首先我们根据直线ED生成点E，I，D，之后我们根据E进行线性延拓(即在多边形内最后会生成类似网格的点)，按照箭头所指的方向进行延拓。此时，我们可以看到所有生成的点和原多边形的端点可以比较好地覆盖原多边形了。
最后，我们将不同类别中的点添加到同一个集合中，我们记这个集合为A，图5、图6是对国展中心某层图像进行处理过后的拟合测试。
在地图坐标放大70721倍的情况下，共生成了14326个点，所有点均为有效点。
A是所有类点的集合，将在下一步中用到，它的作用是可以储存所有的点信息。
S5000，将A中的点转化为类点，而后对每一个类点根据精度和障碍物搜索其相邻类点，将得到的信息储存在类点结构中。
首先将原有的点转化为类点，使得在后续处理的过程中可以根据需要更改点的各种信息。同时，类点结构中所包含的信息，可以为寻路算法的使用提供一个十分好的数据基础。
最后一步是对点进行对寻路算法的相关适配。这里需要对于类点进行寻找相邻点的操作，由于在预处理过程中已经得知了每一个点的相邻点，所以提高寻路算法在运行时的效率和速度。
对于寻找相邻点的步骤，需要和生成类点集来拟合原地理特征时点的生成方式相适配，以期可以达到最高的效率。此时可以考虑在生成类点的时候直接生成相邻点。如果是线性生成点的话，实施例可以考虑根据可行类点(非障碍类点)间的距离来寻找相邻点，但此时可能造成计算量过大，在地图信息较少或精度较低的情况下，其仍不失为一种可靠的方式。(如图6为经过上述处理后在Astar算法下的测试)
在测试中实施例使用的是通过两点之间距离大小来判断是否是相邻点，此步和上一步在测试情况下运行用时1707ms。
T0000，算法测试和效果分析，可能的优化方向：
对国展中心各层的可行路径进行测试：(寻路算法指Astar算法)
(以下时间单位均为ms)
以下数据中点均在坐标放大70721倍后按1单位进行线性生成，均以1单位为界限寻找相邻点。
楼层1
数据量2.08MB
生成地图和临近点用时：123680，121113，122106
生成点53656个
寻路算法时间测试：
225.63023615669036-41
407.3728414856239-405
409.8099342253296-441
706.0724438372237-3429
84.382979294614-2
489.3672881813939-65
922.4290421477793-3973
楼层2：
数据量989KB
生成地图和临近点用时：1707，1680，1720
生成点14326个
寻路算法时间测试：(寻找路径长度-时间)
345.4648620930162-43
343.03761869261666-93
107.41627113597778-23
195.14221702699442-22
530.5080268843814-144
557.4165441957878-150
467.21299689469083-41
楼层3：
数据量1.26MB
生成地图和临近点用时：12872，12326，12628
生成点25654个
寻路算法时间测试：(寻找路径长度-时间)
494.0735249854786-544
456.5995555883856-1218
180.0135566947705-31
590.7862287660116-867
93.3430565946535-9
395.0906348071077-332
419.9777551328482-684
示例实践中算法空间复杂度估计：n^2*log(n)，算法时间复杂度估计：n^2。

Claims (1)

1.一种地图数据结构的处理方法，其特征在于，步骤包括特征提取，坐标转化，类点创建，生成类点，临近点搜索, 以上五个步骤，输出的数据结构可以用于常规的寻路算法，使GeoJSON格式的地理信息转化为集合类数据，集合中包含地点可以覆盖原地理信息地；具体包括如下步骤：
S1000，对GeoJSON格式文件进行特征提取，具体表现为，将不同地理特征的信息分类放到不同的集合中；GeoJSON格式的地理信息是由坐标确定的；每一个地理特征所属的分类包括点、线、多边形和多面体；
S2000，对于不同的集合中所有的点信息进行坐标变换，以期将经纬度所代表的地理信息化为可处理的现实的直角坐标系中的地理信息；坐标变化需要根据具体的情况对不同的地理信息分类中所有的坐标信息施以相同的公式；
S3000，创建名为类点的类；该类点的创造方法随着编程语言和寻路算法的不同而不同，一个类点对应一个点，该类点包括点的坐标信息，点的性质，点的临近点以及所需寻路算法中需要的点的其他信息；
S4000，对于创建好的地理信息集合，按照各自的形式自动生成达到所需精度，可以高度覆盖，拟合原地理信息的点集；这种生成的方式可以线性生成或者按照某一个具体的规律生成；而后将所有的点加入同一个点集A；不同类别的地理特征所需要的处理方法是不同的；
S5000，将点集A中的点转化为类点，而后对每一个类点根据精度和障碍物搜索其相邻类点，将得到的信息储存在类点结构中；根据精度和障碍物搜索其相邻类点时，其搜索方法需要和生成点集A来拟合原地理特征时点的生成方式相适配。
CN202110314880.XA 2021-03-24 2021-03-24 一种地图数据结构的处理方法 Active CN113074735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110314880.XA CN113074735B (zh) 2021-03-24 2021-03-24 一种地图数据结构的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110314880.XA CN113074735B (zh) 2021-03-24 2021-03-24 一种地图数据结构的处理方法

Publications (2)

Publication Number Publication Date
CN113074735A CN113074735A (zh) 2021-07-06
CN113074735B true CN113074735B (zh) 2023-01-31

Family

ID=76610077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110314880.XA Active CN113074735B (zh) 2021-03-24 2021-03-24 一种地图数据结构的处理方法

Country Status (1)

Country Link
CN (1) CN113074735B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115602041B (zh) * 2021-07-09 2024-04-09 华为技术有限公司 信息生成方法和装置、信息使用方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992964A (zh) * 2017-11-24 2018-05-04 北京金风科创风电设备有限公司 地图路径生成方法、装置、系统和存储介质
CN109977323A (zh) * 2019-03-13 2019-07-05 南京大学 一种基于电子地图的通勤数据批量采集方法
CN111708851A (zh) * 2020-04-26 2020-09-25 上海容易网电子商务股份有限公司 一种2d地图数据动态解析缓存方法
US10817558B1 (en) * 2016-06-25 2020-10-27 Anuja Dilip Pundlik Methods for producing sitemap for use with geographic information systems
CN112100307A (zh) * 2020-09-25 2020-12-18 北京奇艺世纪科技有限公司 数据处理方法、寻路处理方法、装置及电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050159882A1 (en) * 2000-03-29 2005-07-21 Howard John W. System and method for performing flood zone certicifications
CN105677899B (zh) * 2016-02-04 2019-01-29 东南大学 一种包含道路行进方向的增强型矢量数字地图制作方法
WO2018126067A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Vector data encoding of high definition map data for autonomous vehicles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10817558B1 (en) * 2016-06-25 2020-10-27 Anuja Dilip Pundlik Methods for producing sitemap for use with geographic information systems
CN107992964A (zh) * 2017-11-24 2018-05-04 北京金风科创风电设备有限公司 地图路径生成方法、装置、系统和存储介质
CN109977323A (zh) * 2019-03-13 2019-07-05 南京大学 一种基于电子地图的通勤数据批量采集方法
CN111708851A (zh) * 2020-04-26 2020-09-25 上海容易网电子商务股份有限公司 一种2d地图数据动态解析缓存方法
CN112100307A (zh) * 2020-09-25 2020-12-18 北京奇艺世纪科技有限公司 数据处理方法、寻路处理方法、装置及电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Optimizations of data structures, heuristics and algorithms for path-finding on maps;Tristan Cazenave;《2006 IEEE Symposium on Computational Intelligence and Games》;20060524;第27-33页 *
图像数据坐标转换研究与实现;陈华等;《大地测量与地球动力学》;20131015(第05期);全文 *
基于Html5的Web Map矢量渲染技术研究;丁立国等;《测绘工程》;20170825(第08期);全文 *
大比例尺地形图数据质量检验自动化方法初探;万磊等;《测绘通报》;20160725(第07期);全文 *

Also Published As

Publication number Publication date
CN113074735A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
Fowler et al. Automatic extraction of irregular network digital terrain models
CN108304423B (zh) 一种信息识别方法及装置
US9953438B2 (en) Image annotation on portable devices
CN109478184B (zh) 识别、处理和显示数据点聚类
US9730028B2 (en) Systems and methods to identify home addresses of mobile devices
US8566325B1 (en) Building search by contents
US20140113665A1 (en) Navigating using an indoor map representation
CN108763558A (zh) 一种基于地图匹配的众包地图道路质量改进方法
CN105373559A (zh) 一种地理信息获取方法及地理信息获取系统
US20140078150A1 (en) Generating an indoor map model
CN110263117B (zh) 一种用于确定兴趣点poi数据的方法与装置
CN103617254A (zh) 一种建立地理位置坐标信息库的方法、系统和设备
CN113342912A (zh) 地理位置区域的编码方法、建立编码模型的方法及装置
CN112116549A (zh) 用于评估点云地图精度的方法和装置
CN113074735B (zh) 一种地图数据结构的处理方法
CN112700531A (zh) 一种融合矢量户型图的建筑物倾斜模型分层分户显示方法
CN114817433A (zh) 一种基于osgEarth的跨+-180经度的标绘算法
CN108549649B (zh) 一种基于季节特征和位置特征的乡村旅游推荐方法与系统
EP3580690B1 (en) Bayesian methodology for geospatial object/characteristic detection
CN115858713B (zh) 一种农情地理信息的数据管理方法与数据管理系统
CN103226559B (zh) 用于组合的soi对象与内容的空间信息索引系统
KR20230096523A (ko) 실내 측위 방법 및 그 장치
CN114463499A (zh) 建筑物三维建模方法及装置
CN114237265A (zh) 最优日常巡检路线的规划方法、系统、计算机及存储介质
CN114139069A (zh) 一种基于语音交互的室内定位方法、系统及电子设备

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